网络空间安全技术四川省教育厅高校重点实验室依托成都信息工程大学的优势资源，面向网络安全、数据安全、AI安全等关键领域，积极吸引和聚集国内高水平科研力量。我们诚邀高校、科研院所及企业专家学者开展合作研究与学术交流，共同突破核心技术“卡脖子”难题，推动我国网络安全领域的自主创新能力和应用水平不断提升。
一、资助对象
开放课题面向国内开展网络空间安全技术研究的高等学校、科研机构、产业部门等单位开放，凡以上单位中具备博士学位或中级以上专业技术职称的科技工作者，均可提出资助申请。
二、开放课题重点资助研究方向
根据实验室的研究方向，实验室本年度主要资助以下方向的研究：
1、针对量子机器学习算法的安全性研究
研究内容：针对量子机器学习面临的对抗样本和后门攻击、模型窃取等问题，基于数据采样、对抗样本和后门样本统计分析等方法，提出针对样本攻击的检测方法，提高量子机器学习算法对样本攻击的防御性；基于量子噪声、量子机器学习模型拆分部署、量子线路混淆等方法，提出针对量子模型窃取的防御方法，由此提高量子机器学习模型的安全性；设计具有鲁棒性的量子机器学习算法，保障量子机器学习算法在各场景下的可信应用，促进量子机器学习算法的应用和发展。
2、面向RAG增强AIGC服务的鲁棒部署与安全执行研究
研究内容：针对异构边云环境中RAG增强AIGC服务面临的动态负载波动、资源不确定性及系统层与语义层对抗攻击问题，研究RAG功能模块链的结构建模、脆弱性感知状态表达与质量安全风险刻画方法；研究基于零和马尔可夫博弈和分层对抗强化学习的高鲁棒功能模块链部署、请求路由、资源分配与在线修复算法模型构建；提供面向RAG增强AIGC服务的鲁棒部署与安全执行优化服务，为开放网络环境下智能生成服务的高质量、低时延、低成本和安全可信运行提供技术支撑。
3、AI生成图像伪造检测方法研究
研究内容：AI生成内容（AI-Generated Content, AIGC）快速发展，生成对抗网络（GANs）和扩散模型（Diffusion Models）显著提升了图像合成质量，使AI生成图像在视觉真实感上持续逼近真实图像。伪造图像的广泛传播可能削弱数字媒体可信度，并带来虚假信息传播和网络空间安全风险。因此，面向Ai生成图像伪造检测已成为计算机视觉与多媒体安全领域的重要问题，课题聚焦现有伪造检测方法在已见伪造类型上通常表现较好，但在未知生成模型场景下仍存在泛化能力不足的问题，利用预训练视觉语言模型的通用表征，捕捉AI生成过程固有的纹理、结构与语义缺陷，通过多层特征融合、纹理感知掩码与注意力引导等创新，实现强泛化、小样本、高精度的检测能力。
4、基于人工智能的入侵检测与自适应防御机制研究
研究内容：针对传统网络入侵检测系统在动态网络环境下存在的决策边界固化、计算资源瓶颈及安全运营中心警报疲劳等核心问题，研究面向流式网络环境的在线特征归一化与高密度上下文特征提取方法；研究基于上下文Bandit和元学习的代价敏感动态分类器选择机制，通过LinUCB智能体与非对称奖励矩阵实现异构基分类器的自适应调度与策略热切换；研究面向算力与警报双预算约束的级联检测架构，融合轻量级注意力初筛网络、多任务深度检测网络与双阈值滞回调度器，在保障检测精度的前提下大幅削减计算开销并抑制警报震荡；构建面向动态网络环境的预算感知级联入侵检测框架，实现异构基分类器的代价敏感动态调度与检测策略的免重训热切换，为自适应网络安全防御提供理论支撑与技术实现路径。
5、基于多特征融合的安卓恶意软件检测研究
研究内容：Android恶意软件呈现出高对抗性、变种迅速及隐蔽性强等特征，传统的检测方法在面对复杂的代码混淆时，极易出现检测精度下降、计算开销过大以及忽略全局行为演化规律等问题，研究基于多特征融合的安卓恶意软件检测框架，基于图结构刻画程序控制流结构及函数间的依赖关系，识别逻辑隐蔽型恶意软件的重要结构特征；研究保证语义完整性的前提下进行图剪枝与结构优化的方法；引入多维度特征信息从不同角度对恶意应用的行为建模，实现多特征动态加权融合，提升模型在不同样本条件下的适应能力。
6、隐私保护联邦学习与生成式数据脱敏技术研究
研究内容：针对产业链上下游企业核心设计参数保密而形成的数据孤岛与协同建模需求，研究基于横向联邦学习的多源异构CAD数据聚合机制与轻量级同态加密混合协议，实现多方设计数据不出域条件下的联合模型优化；研究面向三维点云/网格数据的条件扩散模型与差分隐私融合的高保真生成式脱敏方法，生成保留几何拓扑与物理参数且可抵御成员推理攻击的合成数据集；提供仿真平台的数据安全流通接口，为产业链上下游企业及研发部门提供隐私增强、合规可审计的可信协同设计服务。
7、抗模型反演与推断攻击量子差分隐私安全联邦聚合机制研究
研究内容：针对分布式量子机器学习模型在网络交互和信道传输过程中易受梯度泄露、模型反演及投毒攻击的安全威胁问题，研究基于量子叠加与纠缠态特征的梯度非线性变换及模型更新痕迹的隐藏表达；研究抵御高级信道监听与白盒推断攻击的端到端量子差分隐私与量子同态加密融合的高安全联邦聚合算法模型构建；提供抗量子计算攻击的分布式联合建模网络通信服务，为国家关键基础设施、政务网络机密数据流转及国防机要部门的分布式人工智能计算提供高安全通信数据接口。
8、面向数据泄露风险传播的智能监测与响应关键技术研究
研究内容：针对复杂信息系统中数据泄露事件线索稀疏、传播路径隐蔽以及响应策略难以兼顾安全性与业务稳定性的问题，研究异构安全数据驱动的系统实体识别与动态拓扑重构方法；研究多层级实体因素融合建模的数据泄露线索发现与重要性评估方法；研究面向系统稳态约束的数据泄露风险动态防御机制，为复杂信息系统数据泄露事件的智能化监测、分析与响应提供理论基础与技术支撑。
三、申请办法
申请人根据申请指南中的研究内容，自行选择前沿课题，在申请截止时间（2026年9月28日）之前填写并提交《申请书》（一式三份）及电子版。
申请人提出的项目申请，由院科研指导委员会进行评审，评审结果于2026年10月13日前公布并通知申请人。
申请人要遵守科学道德，以严谨的科学作风和实事求是的科学精神填写开放课题申请书，保证申请书的真实性，避免出现夸大和不准确的内容。
四、开放课题管理
1.开放课题执行期限一般为1年，拟资助额度平均1万元人民币。项目一旦立项，经费一次性划拨。
2.项目管理由实验室负责实施。
3.项目预期成果：发表SCI期刊论文或CCF C类会议论文或中文核心期刊论文及以上1篇。
4.项目验收，由学院教授委员会对项目完成质量和学术水平进行评价。
5.由实验室开放课题资助项目所获取的研究成果（包括论文、报告、著作等）归实验室与申请者所在单位共享，并共同署名。中文单位署名“网络空间安全技术四川省教育厅高校重点实验室”；英文单位署名“Key Laboratory of Cyberspace Security Technology Sichuan Provincial Department of Education”。发表论文时，均需注明。
五、联系方式
联系人：叶老师
地 址：四川省成都市西南航空港经济开发区学府路一段24号
邮 编：610225
E-mail：yexm@cuit.edu.cn
网络空间安全技术四川省教育厅高校重点实验室
二〇二六年九月
