边界正在移动
Shifting Boundaries
当数据分布改变，安全不能只靠昨天的准确率。研究攻击者如何在黑盒条件下推断样本选择偏好并干扰模型持续更新；通过代理模型蒸馏逼近目标决策边界，结合 SHAP 归因定位高不确定性区域。
精选工作
研究与工程实践
从在投的安全研究，到真实上线的数据系统。
让判断留下证据
Evidence for Every Decision
一个预测只有能够被追问，才有资格进入真实系统。用 Monte Carlo Dropout 识别模型最迟疑的样本，用 SHAP 追踪每个特征如何推动预测，并把误分类样本重新带回训练与分析流程。
让智能体走进果园
Intelligence in the Orchard
好的智能不增加操作步骤。一句自然语言进入，经工具选择、边界校验与异常回退，由 SSE 流式返回执行状态——生产、库存、客户、成本与记账，都藏在一次对话之后。
进入车厘子
让数据在抵达时说话
Data in Motion
一条日志抵达，整个系统开始回答问题。Kafka 接收航空订票日志，Spark Streaming 实时解析聚合，HDFS / Hive 保存历史结果，HBase / MySQL 承载查询，最终由 ECharts 呈现趋势与排行。