香港城市大学计算机科学系全奖博士招生 | Prof. Wong

导师简介

如果你想申请香港城市大学 计算机科学系博士，那今天这期文章解析可能对你有用！今天Mason学长为大家详细解析香港城市大学的Prof.Wong的研究领域和代表文章，同时，我们也推出了新的内容“科研想法&开题立意”，为同学们的科研规划提供一些参考，并且会对如何申请该导师提出实用的建议！方便大家进行套磁！后续我们也将陆续解析其他大学和专业的导师，欢迎大家关注！

作为香港城市大学计算机科学系的讲座教授兼系主任，教授是当今云计算和网络安全领域的杰出学者。导师同时担任IEEE Fellow，并于2023年开始担任IEEE Transactions on Dependable and Secure Computing的主编，这是IEEE计算机学会的旗舰安全期刊。

导师拥有深厚的学术背景，他于武汉大学获得学士和硕士学位，随后在伊利诺伊理工学院获得博士学位。在2008年至2012年期间，他是伊利诺伊理工学院UbiSeC实验室的核心成员，并在2011年夏天在帕洛阿尔托研究中心进行过研究工作。这些经历为他在云计算和网络安全领域的深入研究奠定了坚实基础。

研究领域

教授的主要研究兴趣集中在云计算和网络安全领域，特别专注于保护外包到云端的数据和计算安全。他的研究领域涵盖以下几个核心方向：

1. 云计算安全：专注于云环境下的数据保护、计算外包安全和隐私保护机制的设计与实现。
2. 数据和计算外包安全：研究如何在保证数据隐私的前提下，实现高效的云计算服务。
3. 访问控制：设计新型的访问控制机制，确保云环境下的数据访问安全。
4. 计算机和移动网络安全：研究移动计算环境下的网络安全问题和解决方案。
5. 区块链和分布式系统安全：探索区块链技术在数据安全和隐私保护方面的应用。
6. 人工智能安全：近年来，导师的研究兴趣扩展到大型语言模型的安全性评估和对抗性攻击防护。

研究分析

1. "ALERT: Machine Learning-Enhanced Risk Estimation for Databases Supporting Encrypted Queries"

（2025年）

研究内容集中在利用机器学习技术来增强支持加密查询的数据库系统的风险估计能力。该研究的重要发现在于提出了一种新型的风险评估框架，能够在保证数据隐私的前提下，有效识别和量化加密查询可能带来的信息泄露风险。这项工作对于云数据库安全领域具有重要的理论和实践价值，为企业在云环境中安全存储和查询敏感数据提供了新的技术保障。

2. "CALM: Curiosity-Driven Auditing for Large Language Models"

发表于2025年AAAI会议

研究内容探讨了如何利用好奇心驱动的方法来对大型语言模型进行安全审计。重要发现包括提出了一种新的审计框架，能够通过模拟用户的好奇心来发现大型语言模型中的潜在安全漏洞和偏见。这项研究对于提升人工智能系统的安全性和可靠性具有重要意义，特别是在当前大型语言模型广泛应用的背景下，为AI系统的安全部署提供了重要的理论支撑。

3. "Do Not Skip over the Offline: Verifiable Silent Preprocessing from Small Security Hardware"

发表于IEEE Transactions on Information Forensics and Security

研究内容关注如何利用小型安全硬件实现可验证的静默预处理。重要发现在于提出了一种新的预处理技术，能够在不暴露计算过程的情况下，通过小型安全硬件设备来保证计算结果的可验证性。这项研究对于云计算环境下的外包计算安全具有重要价值，为构建可信的云计算系统提供了新的技术路径。

4. "FedMobile: Enabling Knowledge Contribution-aware Multi-modal Federated Learning with Incomplete Modalities"

发表于WWW 2025会议

研究内容探讨了如何在模态不完整的情况下，实现知识贡献感知的多模态联邦学习。重要发现包括提出了一种新的联邦学习框架，能够有效处理移动设备上的多模态数据，并在保护隐私的前提下实现知识共享。这项研究对于移动计算和边缘计算领域具有重要的推动作用，为构建更加智能和安全的移动应用系统提供了新的解决方案。

5. "Ring of Gyges: Accountable Anonymous Broadcast via Secret-Shared Shuffle"

发表于Network and Distributed System Security (NDSS) Symposium (2025)

研究内容关注如何实现可问责的匿名广播通信。重要发现在于提出了一种基于秘密共享洗牌的新型匿名广播协议，能够在保护用户匿名性的同时，实现必要的问责机制。这项研究对于构建既保护隐私又具有问责能力的通信系统具有重要价值，特别是在当前数字化时代对隐私保护要求日益增长的背景下。

6. "SONICUMOS: An Enhanced Active Face Liveness Detection System via Ultrasonic and Video Signals"

发表于IEEE Transactions on Mobile Computing

研究内容探讨了如何利用超声波和视频信号来增强活体人脸检测系统。重要发现包括提出了一种新的多模态生物特征识别方法，能够有效抵御各种类型的人脸欺骗攻击。这项研究对于移动设备安全和身份认证领域具有重要意义，为构建更加安全可靠的移动认证系统提供了新的技术方案。

项目分析

1. GRF: Rethinking Leakages in Dynamic Encrypted Database: Exploitation, Quantification, and Mitigation

这个项目是教授担任主要负责人的重要研究项目，研究领域专注于动态加密数据库的泄露问题。项目的主要研究内容包括重新思考动态加密数据库中的各种泄露形式，开发新的泄露利用技术，建立泄露量化模型，并提出相应的缓解策略。该项目的重要发现预期将为云数据库安全提供新的理论框架和实践指导，特别是在动态数据环境下的加密保护机制。这个项目对于推动加密数据库技术的发展具有重要影响，将有助于构建更加安全的云数据存储和查询系统。

2. NSFC-CRS-ExtU-Lead: Breaking the LLM Resource Wall: A Novel Computing System based on a Heterogeneous, Disaggregated Cloud Infrastructure

这个项目关注大型语言模型的计算资源优化问题，研究领域涵盖分布式系统和云计算架构。项目的主要研究内容是设计一种基于异构分解云基础设施的新型计算系统，旨在突破大型语言模型的资源限制。该项目的重要发现预期将为LLM的高效部署和运行提供新的系统架构解决方案。这个项目对于推动人工智能基础设施的发展具有重要意义，特别是在当前大型语言模型对计算资源需求日益增长的背景下，为构建更加经济高效的AI计算平台提供了新的技术路径。

3. ITF: Towards Security Assessment and Privacy Enhancement of Artificial Intelligence Algorithms in Finance

这个项目专注于金融领域的人工智能安全，研究领域结合了AI安全、金融科技和隐私保护。项目的主要研究内容包括开发金融AI算法的安全评估方法，设计隐私增强技术，并构建面向金融应用的安全AI系统。该项目的重要发现预期将为金融行业的AI应用提供安全保障，特别是在处理敏感金融数据时的隐私保护机制。这个项目对于推动金融科技的安全发展具有重要价值，为金融机构在采用AI技术时提供了重要的安全指导和技术支持。

研究想法

1. AI安全与隐私保护方向

多模态大模型的联邦学习安全框架 结合导师在联邦学习和大模型安全方面的研究，可以探索如何在保护数据隐私的前提下，实现多模态大模型的分布式训练。重点研究如何防止模型窃取攻击、成员推理攻击等威胁。

开题立意：

• "面向隐私保护的多模态大模型联邦学习安全机制研究"
• "基于差分隐私的视觉-语言模型联邦训练框架设计"
• "多模态联邦学习中的模型窃取防护技术研究"

2. 云计算与数据安全方向

动态加密数据库的实时威胁检测 基于导师在加密数据库泄露研究的基础上，可以进一步探索如何实时检测和响应动态加密数据库中的安全威胁。

开题立意：

• "基于机器学习的动态加密数据库威胁实时检测系统"
• "面向云数据库的自适应安全监控与响应机制"
• "动态加密数据库中的异常查询模式识别与防护"

3. 新兴技术安全方向

量子计算威胁下的密码学协议升级 考虑到量子计算技术的发展对现有密码学体系的威胁，可以研究如何升级现有的云计算安全协议以抵御量子攻击。

开题立意：

• "后量子时代的云计算安全协议设计与实现"
• "抗量子攻击的区块链共识机制研究"
• "面向量子威胁的密码学协议迁移策略"

4. 交叉学科创新方向

金融科技中的AI安全与监管科技 结合导师在金融AI安全方面的研究，可以探索如何利用监管科技来保障金融AI系统的安全性和合规性。

开题立意：

• "基于监管科技的金融AI系统安全评估框架"
• "金融智能合约的形式化验证与安全分析"
• "面向央行数字货币的隐私保护技术研究"

申请建议

1. 学术背景准备

技术基础要求：

• 扎实的计算机科学基础，特别是在算法、数据结构、计算机网络和操作系统方面
• 深入理解密码学基础理论，包括对称加密、非对称加密、哈希函数等
• 熟悉云计算架构和分布式系统设计原理
• 具备机器学习和深度学习的理论基础和实践经验

编程能力要求：

• 精通至少一种主流编程语言（Python、Java、C++等）
• 熟悉云计算平台（AWS、Azure、阿里云等）的使用
• 具备区块链开发经验（Solidity、Webjs等）
• 了解机器学习框架（TensorFlow、PyTorch等）

2. 研究经验积累

项目经验建议：

• 参与或主导云计算安全相关的研究项目
• 有隐私保护计算或同态加密的实践经验
• 参与开源项目，特别是安全和隐私保护相关的项目
• 具备大数据处理和分析的实际经验

论文发表策略：

• 在申请前尽量在相关领域发表1-2篇高质量论文
• 关注导师近期关注的研究方向，在相关领域进行深入研究
• 参加相关学术会议，了解最新研究动态
• 与导师研究领域相关的期刊和会议包括：IEEE TDSC、IEEE TIFS、ACM CCS、NDSS、USENIX Security等

3. 申请材料准备

研究计划书要点：

• 深入分析导师近期发表的2-3篇重要论文
• 提出具体的研究问题，最好能与导师的研究方向形成互补
• 展示对研究领域前沿问题的深入理解
• 提出创新性的解决方案或研究思路
• 详细说明研究方法和预期成果

个人陈述建议：

• 突出在云计算、网络安全、密码学等相关领域的研究兴趣和经验
• 展示解决复杂技术问题的能力
• 说明选择导师的具体原因和未来的研究规划
• 体现独立思考和创新能力

4. 面试准备策略

技术面试准备：

• 深入理解导师的主要研究成果和技术贡献
• 准备讨论自己在相关领域的研究经验和技术见解
• 了解当前云计算和网络安全领域的热点问题
• 准备回答关于密码学、分布式系统、机器学习等技术问题

研究规划展示：

• 准备详细的博士研究规划，包括短期和长期目标
• 展示对导师研究方向的深入理解和自己的研究想法
• 说明如何将自己的研究兴趣与导师的研究方向结合
• 准备讨论具体的研究方法和实施计划

博士背景

Aurelia ，美国TOP10院校计算机科学与认知科学双博士生，研究聚焦算法博弈论不确定性及其在人工智能中的应用。她的跨学科研究融合了计算机科学、语言学和心理学知识，在国际顶级期刊《Journal of Artificial Intelligence Research》和《Cognitive Science》上发表多篇论文。Aurelia 荣获ACM SIGAI博士论文奖，擅长相关方向的PhD申请指导。