今天我们为大家解香港城市大学 计算机科学系及博士生导师Prof.DONG，同时分析该研究方向的创新idea和发展前景。有希望了解的院系和导师研究方向也欢迎大家联系我们~
一、院系简介
香港城市大学（City University of Hong Kong）的计算机科学系是该校优势院系之一，在QS世界大学计算机科学与信息系统学科排名中常年位居全球前列（近年稳定在Top 50区间）。
院系聚焦人工智能、计算机视觉、网络安全、数据科学等前沿领域，拥有先进的科研实验室与跨学科合作网络，与国内外顶尖高校、科技企业保持深度合作。其研究既注重理论突破，又强调产业落地，尤其在AI可靠性、智能视觉系统等方向的研究成果具有广泛影响力，为研究生提供了优质的学术平台与实践资源。
二、导师简介
Prof. Minjing DONG（董旻京）自2024年1月起担任香港城市大学计算机科学系助理教授（Assistant Professor），是该领域冉冉升起的青年学者。他的学术背景横跨中澳顶尖高校：先后获大连理工大学与悉尼大学的软件工程、信息技术双学士学位，随后在悉尼大学计算机科学学院深造，取得哲学硕士（MPhil）与博士（PhD）学位。
截至目前，Prof. Minjing DONG的学术成果表现亮眼，Scopus引用量达295次，h-index为11，累计发表36项研究成果，其中包括23篇经同行评审的会议论文（含ICLR等顶会）、11篇核心期刊论文（含IEEE TPAMI等顶刊）。他当前主持一项活跃的科研项目（NSFC-YPC-HK），并面向全球招聘具有自驱力的MPhil/PhD学生，研究方向聚焦可信机器学习相关领域。
三、导师研究领域解析
- Computer Vision（计算机视觉）：作为核心应用领域，研究覆盖点云分类、人体运动分析等细分方向，2025年在IEEE Transactions on Information Forensics and Security发表的论文，聚焦点云的对抗性机器学习研究，探索高频成分与对比度学习的结合应用。
- Adversarial Robustness（对抗鲁棒性）：导师的重点研究方向，核心是解决AI模型在恶意对抗样本攻击下的性能稳定性问题。主持的NSFC-YPC-HK项目“Adversarially Robust Vision Transformer Based on Randomized Defense Strategy”，探索基于随机防御策略的鲁棒视觉Transformer，2025年在IEEE TPAMI发表的论文则深入研究对抗鲁棒神经网络架构的设计与优化。
- Calibration（模型校准）：关注AI模型预测结果的可靠性，确保模型输出的置信度与实际准确率匹配，是可信机器学习的关键环节。
- Neural Architecture Search（神经架构搜索）与Efficient Neural Network（高效神经网络）：聚焦自动化模型设计与轻量化优化，旨在提升神经网络的运行效率，适配边缘设备部署需求。
- Human Motion Analytics（人体运动分析）：属于计算机视觉的应用延伸，探索人体运动数据的提取、分析与应用场景。
四、创新idea思考
- 鲁棒视觉Transformer的动态防御机制：基于导师现有随机防御策略研究，可探索动态自适应防御机制——根据输入数据的特征与潜在攻击风险，实时调整防御参数与网络结构，提升模型在复杂攻击场景下的泛化鲁棒性，突破当前静态防御策略的局限性。
- 扩散模型归因与数据质量优化的结合：延伸导师2025年ICLR论文中的Diffusion Attribution Score研究，将训练数据影响力评估与数据清洗、隐私保护相结合，通过识别低质量或敏感训练样本，提升扩散模型的生成可靠性与数据安全性。
- 跨模态点云对抗鲁棒性研究：在现有频率感知对比对抗训练的基础上，拓展至跨模态数据场景（如融合点云与图像数据），探索不同模态数据的对抗攻击共性与差异，构建统一的跨模态鲁棒训练框架，适配自动驾驶、机器人感知等复杂应用场景。
- 高效鲁棒神经网络的边缘部署优化：结合神经架构搜索与对抗训练，设计专为边缘设备（如智能手机、物联网传感器）定制的轻量化鲁棒模型，在保证抗攻击能力的同时，优化模型的计算量与能耗，推动可信AI在边缘场景的普及。
五、就业前景或职业规划
1.学术界路径
- 深造与任职：可申请国内外顶尖高校的博士后职位，聚焦对抗鲁棒性、可信机器学习等方向继续研究，后续可竞聘高校助理教授、研究员等职位，依托导师积累的学术资源与顶会顶刊发表经历，提升竞争力。
- 科研机构：加入国家级科研院所（如中科院自动化所、AI实验室）、国际科研机构（如DeepMind、FAIR），从事AI安全、计算机视觉前沿技术研发。
2.工业界路径
科技企业AI核心部门：
- 大厂AI实验室（如腾讯AI Lab、阿里达摩院、华为诺亚方舟实验室）：担任算法工程师，专注对抗鲁棒性、计算机视觉模型优化等方向，参与自动驾驶、智能终端等核心项目。
- 专注AI安全的初创企业：作为核心技术人员，研发抗攻击的AI产品，适配金融、安防等对可靠性要求极高的领域。
行业应用领域：
- 自动驾驶：负责感知系统的鲁棒性优化，保障车辆在复杂环境下的视觉识别可靠性（如特斯拉、百度Apollo、小马智行）。
- 医疗影像：开发鲁棒的医学图像分析模型，提升诊断准确性与抗干扰能力（如联影医疗、迈瑞医疗）。
- 智能安防与机器人：设计高效鲁棒的视觉感知模块，应用于监控设备、服务机器人等产品（如海康威视、大疆创新）。
技术咨询与解决方案：
- 为金融、政务等行业提供AI安全与可信性解决方案，担任技术顾问或解决方案架构师，对接行业需求与技术落地。
