广州大学网络空间先进技术研究院是广州大学下属机构。

广州大学网络空间先进技术研究院，围绕网络空间相关热点研究领域，下设4个研究所，分别是网络安全研究所、物联网及安全研究所、大数据及安全研究所、先进计算技术研究所。同时为探索网络安全人才培养新模式，成立研究生创新班“方滨兴班”，简称方班。

先进计算技术研究所成立于2018年，瞄准“十三五”国家科技创新规划中对未来网络和计算技术的共性研究需求和挑战，致力于未来网络计算的基础理论研究、关键技术突破，以及成果应用推广。先进计算技术研究所力求通过未来网络计算基础理论创新，突破网络协议、核心基础通信设施、操作系统及云平台等未来网络计算关键技术，缓解或解决智能物联网对计算能力、网络传输的急剧增长要求，并通过国家、广东省、广州市等多种科研成果转化体系，推动上述成果的产品化和产业化。

先进计算技术研究所现有全职教师3人，兼职教师1人。其中教授3人，副教授1人，均来自国内双一流大学，全部具有博士学位，其中博士生导师1人、硕士生导师1人。以中青年专家为主，人才梯度合理，3人具有海外知名大学留学经历。有四个研究方向：未来网络计算、计算机网络与通信、物联网技术与应用、空间信息网络与安全。优势学科方向：计算机网络与通信，网络计算。

教授：刘亚萍、胡宁、吴纯青（兼职）

副教授：张硕

科研优势：团队成员主要来自国防科技大学，曾担任计算机网络与通信研究方向学术带头人，科研经验丰富。多人多次获得国家科技进步二等奖，军队科技进步一等奖、军队科技进步二等奖。获得国家发明，国防发明专利授权，软件著作权几十项。

成立以来，先进计算技术研究所获得军队装备预先研究项目资助1项，该项目为广州大学首次作为牵头单位获得的军队科研项目；作为主要参研单位，参与多项军队科研项目；作为主要参研单位，获得广东省重点领域研发计划重点项目资助1项；作为主要参研单位，参与申报2项国家重点研发计划重点专项。

先进计算技术研究所已投/发表科研论文5篇，申请国家发明专利5项，申请软著2项。

广州大学网络安全研究所（以下简称网安所）批准成立于2017年10月9日，是网络空间先进技术研究院设置的4个研究所之一。网络安全研究所本着以学术驱动定位方向，以使命驱动聚力方班，在进行创新研究的同时，大力开展以方班为代表的网络安全人才培养工作以及网络安全人才认证工作。

网安所主要致力于网络攻防对抗、网络靶场、人工智能安全、网络安全人才培养与认证方向。成立一年多来已申请到科技部2018重点研发计划项目课题、国家自然科学基金（面上）项目、教育部产学合作协同育人项目各1项、中央网信办课题3项。已发表学术论文40余篇，受理发明专利申请20余项。

网安所与合天智汇信息技术有限公司共同研发的网安人才大数据态势分析与人才实训系统从人才需求方和人才输出方综合考量，针对用人单位发布的网安招聘岗位进行分析，以期为国家制定网络空间安全技能基线、确定技能缺口、设置相关岗位提供依凭，进而明确定义网络空间安全领域词汇、分类法及其他数据标准，最终形成统一的网安人才框架。为贴近市场需求培养网安人才，提高网安人才实践技能水平，借助云计算和互联网+的技术思路，研发的新型网安人才实训系统已得到广大网安教师、学生的认可，极大地激发了学生进行网络安全学习的兴趣。该系统已有20多万个用户，涉及全国1200多所高校。适合于企事业单位、政府部门、高校、培训机构等进行快速的网络安全人才培训。

蜜罐产品主要针对未知的安全威胁和新型窃密手段，通过构建高迷惑性的蜜网环境和业务场景，并利用多维度关联分析引擎，自动感知各种类型安全威胁，可支持政府、金融、能源、工业控制等大型企业客户提供未知安全威胁的发现、攻击意图理解与网络攻击溯源等功能。

数字货币交易行为监测产品主要专注监测、分析全球数字货币的交易行为大数据，分析资金流向、监测异常交易（如洗钱、走私贩毒等）犯罪行为，追溯数字货币用户身份。

暗网威胁监测产品是一款面向暗网安全威胁的监测系统，通过对暗网空间测绘和威胁情报的挖掘，构建能够实时、动态、真实反应暗网空间的威胁情报库，并将其与公开互联网和人类社会的物理世界进行关联融合，实现对全球分布式暗网服务发现、威胁情报监测以及通信实体的溯源，旨在为国家网络空间治理提供技术支持。

网安所与合天智汇信息技术有限公司共同研发的网安人才认证系统基于科学完备的网络安全技术体系设计，主要用于评测网安人才理论基础和实践动手能力，题库已拥有1000+理论题和200+实操题。该系统在持续建设中。

物联网及安全技术研究所（以下简称物联网所）聚焦物联网及安全方向紧迫技术需求和重大科学问题，着力突破物联网及安全领域的基础理论和关键技术，致力于逐步推动建立起与国际同步、适应我国物联网与智慧城市产业发展的、自主的安全保护技术体系、安全治理技术体系和测评分析技术体系。

物联网所研究团队在著名的网络空间安全专家方滨兴院士直接领导下，依托广州大学网络空间先进技术研究院，拥有来自中国科学院信工所、计算所、哈尔滨工业大学、北京邮电大学等知名科研院所学术骨干组成的科研、教学团队，是国内物联网及安全技术领域的优势团队。物联网所作为“广东省通信学会”常务理事单位，紧密联系通信、网络技术领域相关单位，加强合作交流。

团队遴选优秀的物联网安全企业，孵化广州大学-奇虎360联合实验室、广州大学-浩云实验室等优质的高校-企业联合实验室。并与UCLA、香港大学、中科院、北大、哈工大、国防科大、北邮、南方科大等国内外高水平大学，建立良好的校间合作关系。同时，团队拥有广东省鹏城实验室作为网络靶场实验基地支撑，享有国内领先的面向互联网、物联网、未来网络的大型仿真平台作为实验环境，具备开展超大规模网络环境的研发和设计能力。

物联网所已经在物联网搜索及安全、终端安全、车联网安全等方面形成较为深厚的理论技术积累和成果基础。物联网所了承担国家自然科学基金、国家科技部重点研发计划、国家科技支撑重大专项等多项科研项目课题，在Computer & Security、INFOCOM、GLOBECOM等期刊或国际会议发表SCI/EI检索论文200余篇,国家发明专利50多项，软件著作权10余项，国家标准2项。

在系统产品应用方面，建立了智慧城市灯杆系统、物联网监控和接入系统、智能交通仿真平台等产业示范原型系统。

1.物联网搜索与智慧城市安全服务体系及应用

面向万物互联背景，研究物体和物体属性的搜索方法，解决物联网物理设备认证和匿名保护、物联网安全接入与搜索访问控制、数据融合隐私分析与保护、基于边缘云的安全数据共享和搜索等关键问题。同时，物联网与智慧城市是把新一代信息技术充分运用在各行各业之中的城市信息化高级形态，也带来了信息安全风险。针对物联网与智慧城市应用，突破物联网安全搜索、与物联网节点融合的智慧城市一体化安全机制、面向智慧城市的安全物联网互联互通架构、数据融合中的隐私保护、粒度可控的弹性访问控制、跨区域跨系统的智慧城市统一管理机制等一系列基础理论和关键技术。

2.物联网靶场及其应用验证

物联网靶场是开展物联网及安全研究和大规模应用部署中的重要验证工具和实验平台。针对物联网工况复杂、动态时变等特性造成仿真成本高、复现难度大等问题，致力于设计实现兼容主流物联网操作系统、支持异构网络拓扑及通信协议、具备大规模移动场景快速部署和调度能力、适配多种情景感知和数据融合方式、可灵活配置的实场测试与虚拟验证相结合的物联网靶场系统，为物联网行业应用的部署和优化提供技术验证手段。已在智能交通等行业，建立了智能交通仿真规划系统、智能充电车调度系统等工具集及测试实验床。

广州大学网络空间先进技术研究院大数据及安全研究所成立于2017年8月，是网络空间先进技术研究院所设4个研究所之一，顾钊铨教授担任所长，韩伟红教授担任副所长。

大数据及安全研究所有大数据应用及安全和人工智能应用及安全两个主要方向，具体包括：精准高效的情报发现及搜索技术；基于大规模网络安全知识图谱的网络安全态势分析和预测技术；针对深度神经网络的攻击样本生成方法；高鲁棒性的神经网络架构设计；精准人物画像系统；法院案件智能研判辅助系统等。研究所在立足于学术研究和探索的同时，也致力于推进前沿技术的落地实用。

1.大数据应用及安全：

基于大数据分析的情报发现与搜索：利用大数据分析、自然语言处理和深度学习等方法对异构非结构化大数据进行智能分析处理分析，构建包括人物、机构、事件和群体等对象及其相互关系和活动的海量动态知识图谱，并基于知识图谱提供重要人物、事件情报分析，企业竞争情报分析、市场态势分析、潜在客户挖掘和特定目标深度挖掘等功能，为企业经营管理、投资与风险管理、政务服务与监管和社会秩序治理等方面提供情报的查询、推送等服务。

大规模网络安全态势分析与预测：面向空间网络安全的需求，基于网络空间大数据采集和存储管理技术，采用数据分析、挖掘和智能推演等方法，构建大规模网络安全知识图谱，从而发现重大网络安全事件、评估其危害，并预测其发展，并对整个全局网络安全态势进行从微观到宏观的多层次、多粒度的全局掌握，给出全局视图，为网络空间安全提供决策支持。

2.人工智能应用及安全：

针对神经网络的攻击研究：神经网络的广泛应用在图像识别、自然语言处理、语音识别等领域得到了广泛应用。然而，神经网络自身缺乏可解释性，针对神经网络的攻击方法开始出现。以图像识别、机器翻译为例，研究神经网络的攻击方法，通过构造攻击样本，使得图像识别出错、机器翻译正确率下降，并推广到其他应用领域。

针对车辆、车牌识别的鲁棒神经网络研究：神经网络已广泛应用于人脸识别、车辆识别、车牌识别等领域，然而图像质量较差时的识别效果很差。例如车辆快速运动导致图像模糊、天气恶劣情况下图像明暗难以区分等，神经网络的识别效果较差。因此，结合神经网络的对抗学习方法，研究针对车辆、车牌识别的鲁棒神经网络，提高不同图像质量下的识别率。

机器人与环境交互、人机交互的安全性研究：使用深度学习技术赋能机器人视觉感知尤其是三维感知的能力；使用对抗神经网络提高机器人感知以及人机交互的安全性和鲁棒性；使用3D打印技术设计更加安全的软体机器人以及基于视觉反馈下的软体机器人控制。

精准人物画像系统：从互联网络获取人物的公开信息，形成人物的精准画像，包括人物的基本信息、学习经历、工作经历、项目经历等内容，从数据源的验证、数据准确性评估、多来源数据融合、基于知识图谱的数据消歧、数据对齐和验证、基于知识图谱的数据推理、精准人物画像系统的深度搜索和交互等。

面向图像识别的神经网络攻防平台：搭建面向人脸图像和车牌图像识别的神经网络攻防平台，提供已有的攻击方法和防御方法，提供攻防效果验证和评测标准等。

面向机器翻译的神经网络攻防平台：搭建面向机器翻译神经网络的攻防平台，提供已有的攻击方法和防御方法，提供攻防效果验证和评测标准等。

基于大数据分析的情报发现与搜索系统“天箭”：天箭情报分析挖掘系统针对公安、安全、国信、政府部门等在反恐维稳、治理网络空间等方面的情报信息需求，基于互联网公开数据源，进行情报信息的分析和挖掘。系统主要包括两个个方面的功能，一是对特定人物情报的深度分析与挖掘，包括人物基本属性、人物关系图谱、人物的观点言论、舆情话题、历史活动、相关人物等等方面与人物相关的情报；二是对特定的群体、机构、事件的深度分析与挖掘，包括群体的发展历史、文化、代表人物、意见领袖、政治组织、活动地点等；刻画机构的基本情况、隶属关系、职能、机构设置、人员编制、实力部署、历史沿革、单位文化等情况；刻画特定事件的内涵和外延，包括事件的起因、经过、发展、结果、相关人物、相关组织、社会评价等方面。

法院智判：利用大数据、自然语言处理、模式识别、深度学习等方法对海量异构非结构化的全国案件数据进行智能化分析和处理，形成智慧法官大脑通用平台，为法官提供案件要素分析、事实要素和判决依据自动生成、相似案件借鉴、并案关联分析、案件判决风险控制、案件态势分析和预判等服务，提高法官结案率、减轻判案工作压力、降低判案风险、提升法官办公效率。

商品搜索和聚类原型系统：针对不同商家（货源）提供的异构商品数据，发现数据之间的相似性，从而自动地实现相似商品的聚类。将不同来源的相似数据聚类在一起，一方面可以提高用户浏览和购物的兴趣，属于同一聚类的相似商品用户可以一次性浏览并做对比；另一方面可以为下一步的数据分析和商品推荐提供有用的信息。未来可能尝试将该系统应用于推荐系统或物联网搜索。

《大数据应用及安全》：课程全面系统地介绍大数据共性技术、框架及设计思想，介绍大数据的关键技术及其在社交网络、知识图谱等方面的应用，同时介绍大数据安全和隐私保护的基础理论及应用场景。

《深度网络及对抗》：课程全面系统地介绍深度学习理论、算法及应用，其中包括线性分类器介绍、优化理论、神经网络、卷积神经网络等；课程同时介绍对抗学习前沿技术，包括生成模型、对抗样本生成、对抗学习等。在讲解理论的同时，本课程会介绍深度学习相关的实际应用，理论和实践有机结合。

《在线社交网络分析》：随着在线社交网络的迅猛发展，在线社交网络分析已经成为网络与信息安全领域的重要研究内容，课程系统介绍当代在线社交网络分析领域的发展情况，包括社交网络结构特征与建模、虚拟社区、社交网络用户行为分析、社交网络情感分析、个体影响力分析、社交网络信息传播规律、社交网络话题发现与演化等各个方面，具有很强的知识性、技术性和前沿性。

《人工智能与机器学习》：课程主要探索和学习人工智能及机器学习的基本理论、方法和应用，内容包括人工智能的基本概念、基本原理、知识的表示、推理机制和求解技术，以及机器学习的技术和方法。课程旨在学习和研究如何利用计算机来模拟人脑所从事的感知、推理、学习、思考、规划等人类智能活动，来解决需要用人类智能才能解决的问题。使学生掌握机器学习的核心算法与理论，并将机器学习算法应用于不同领域，解决不同实际问题。课程内容体现学科前沿。

《网络空间安全数学基础》：网络空间安全领域所涉及的数学基础，包括：数论基础及应用、代数基础及应用、计算复杂度、组合图论、信息论与保密等内容。

《机器智能及安全》：内容主要包括：AI战略、AI security、AI safety、AI应用于网络与信息安全等。