可信人工智能（对抗鲁棒性，隐私与公平，鲁棒多模态大模型）
聚焦人工智能系统的安全可靠与伦理约束，围绕对抗鲁棒性、隐私保护与算法公平、鲁棒多模态大模型开展研究。针对深度学习模型易受对抗样本干扰、多模态输入带来跨模态安全威胁等问题，研究高效的对抗攻击与防御机制，提升模型在噪声、恶意扰动下的稳定性。探索数据与模型层面的隐私保护方案，缓解算法偏见，实现公平决策。面向多模态大模型，挖掘跨模态脆弱性机理，构建鲁棒训练、安全对齐与评测方法，在保障模型通用能力前提下降低安全风险，推动大模型从性能优先向安全可信演进，为大模型落地提供可信技术支撑。