一、物联网覆盖及可靠性研究

针对物联网全覆盖和高可靠应用需求，为确保网络运行过程中数据可靠感知和传输，构建了一种全新的节点覆盖模型—可信信息覆盖CIC模型；提出了一系列基于CIC模型的节点部署、睡眠调度、覆盖修补策略；提出了物联网可信覆盖模型、恶意节点检测、最优传输路径等一系列提升物联网安全性和可靠性的理论和方法。从空间相关性的角度重新定义物联网覆盖，打开了物联网部署及覆盖优化的新思路，显著提升了网络可靠性和服务质量。在TPDS、TII、TNSE等高质量学术期刊上发表学术论文50余篇。

二、大规模WSN的可靠性评估方法

针对存在大量随机分布节点的WSN的可靠性评估方法，尚缺乏相关技术。为了在复杂的网络环境下充分利用节点信息，高效的对WSN进行可靠性的评估和计算。基于可信信息覆盖模型，提出了一种大规模WSN的可靠性评估方法；基于网格聚类的思想，提出了大规模WSN中计算节点连通可靠性的近似解法，并利用张量进行数据存储和计算。为大规模WSN的可靠性评估提供了新的思路，与同类型算法相比，在相同分布的网络下可以更加高效和准确的得出结果。

三、设备资产识别与测绘平台

针对物联网暴露面大，资产类型多，分布范围广，安全事故频发的问题，实现对物联网设备的资产识别与监管，提出了一种基于隐私保护的细粒度物联网设备识别方案，能够通过分析网络流量更准确快速地识别物联网设备；提出了一种轻量级的、基于LSH算法的物联网设备识别模型，与最新的机器学习模型相比具有同等的性能；提出了一种针对动态更新的物联网设备资产风险动态监测方法。针对现有的资产识别方法效率低下，且识别场景单一的问题，所提出的方法能够对设备资产进行高效普适识别。针对现有识别方法大多不考虑隐私保护的问题，我们的方法能够在保护用户隐私的前提下对物联网设备进行高效准确识别。

四、语音重放攻击检测

针对语音输入物联网设备高可靠和强安全的应用需求，为确保语音识别过程中重放攻击音频能被快速有效检测以提高系统安全性，提出了一种基于张量表征和张量分解的多语音声学特征融合算法；提出了一种基于时延神经网络的语音深度声学特征提取方法；提出了一系列基于深度特征提取算法和多声学特征张量融合算法的语音重放攻击检测方案。利用神经网络从原始语音自动提取深度声学特征更有利于描述语音数据的丰富内涵信息，可以有效提升语音重放攻击检测系统的鲁棒性，而基于张量的多声学特征融合算法有效地发挥了各特征在重放攻击检测中的优势，提高了检测准确率，提升了语音输入物联网设备的安全性。

五、网络流数据异常行为检测

随着互联网络规模和容量逐年增大，网络边界逐渐消失。网络信息交互在给人们带来巨大便利的同时，其安全性问题也日益严重，而研究网络流数据异常行为检测方法是提高安全性的途径之一。提出了张量理论下的网络流数据异常行为检测模型，考虑流数据多维相关性构建流数据张量模型；提出了流数据异常行为检测模型的可辨识性条件。为网络流数据异常行为检测提供了新的设计思路，是有效保障互联网络环境安全性的重要基础。