01、招生要求
依据香港科技大学（广州）2026/27学年最新招生简章，申请入读研究型博士学位项目须满足以下条件 ：
学历门槛：申请人须持有认可院校颁发的学士学位；如直接申请博士项目，需提供学业表现卓越的证明，或具备至少一年全日制（或两年非全日制）研究生层次学习经历的佐证。
语言水平：非英语母语且前置学位非全英文授课者，须提交以下任一成绩：TOEFL-iBT不低于80分（不接受家庭版考试），或IELTS（学术类）总分不低于6.5且单项不低于5.5。以英语为母语者，或前置学位由英语授课院校授予者，可豁免此项要求。
跨学科研究计划：申请HKUST-GZ试点的博士项目，须提交一份跨学科研究提案。入围候选者将接受面试考核。
经济资助：全日制博士生可获研究生助学金（PGS），标准为每月人民币15,000元，最长资助4年；学费为每学年人民币40,000元。获HKPFS提名者，可另享更高额度津贴与旅费补助。
02、研究方向
Dr. Huayi DUAN现任香港科技大学（广州）数据科学与分析学域（Thrust of Data Science and Analytics）助理教授，其学术轨迹与科研布局呈现如下特征：
学科背景：2020年获City University of Hong Kong计算机科学博士学位，此前于ETH Zurich任Oberassistent（Established Researcher）及讲师，主持多项外部资助课题，具备成熟的博士生指导经验（多位受指导者曾获ETH Medal及CYD Fellowships）。
核心关切：识别并解决泛在互联智能系统中的基础网络安全问题。此类系统构成日常数字生活的底层架构，其安全风险常被使用者忽视。
研究矩阵：
Network Security：网络层安全协议与威胁检测机制；
Data Security：数据生命周期中的隐私保护与完整性验证；
Trustworthy Systems：构建可验证可靠性的复杂系统架构；
Trustworthy AI：机器学习模型的可解释性与鲁棒性研究。
学术产出：成果发表于NSDI、SIGCOMM、SOSP、S&P、CCS、USENIX Security、NDSS、INFOCOM等顶级会议，担任ICNP、RAID、ICDCS等技术程序委员会委员，并定期为IEEE TDSC、TON、TIFS等期刊审稿。多次受邀于DNS-OARC、RSAC等业界重要会议担任演讲嘉宾。
03、有想法
基于Dr. DUAN在可信系统与网络安全交叉领域的研究积淀，以下提出三项具备可行性的创新研究方向：
方向一：大语言模型（LLMs）驱动的网络威胁情报自动化分析
核心问题：传统威胁情报分析依赖人工规则与专家经验，难以应对APT攻击的隐蔽性与复杂性。
技术路径：构建基于LLM的威胁知识图谱推理引擎，利用预训练模型的语义理解能力，实现非结构化威胁报告（如CVE描述、暗网论坛文本）的自动实体抽取、攻击链重构与TTPs（Tactics, Techniques, and Procedures）映射。
创新点：结合检索增强生成（RAG）技术，将实时网络流量特征与历史威胁情报库关联，降低LLM在网络安全领域的幻觉问题，提升零日攻击预测准确率。
方向二：去中心化身份（DID）与数据主权验证的隐私计算架构
核心问题：当前Web3.0与物联网（IoT）生态中，用户身份与数据控制权的分离导致隐私泄露与单点故障风险。
技术路径：设计基于零知识证明（ZKP）与可验证凭证（VC）的轻量级DID协议，嵌入边缘计算节点，实现设备身份的自证明与数据访问的细粒度授权。结合安全多方计算（MPC），在加密状态下完成跨域数据协作分析。
创新点：针对资源受限的IoT设备，优化zk-SNARKs证明生成效率，探索硬件安全模块（HSM）与可信执行环境（TEE）的混合架构，平衡安全性与计算开销。
方向三：AI系统供应链安全的自动化漏洞挖掘
核心问题：机器学习模型的开发依赖复杂的开源软件供应链（如Hugging Face模型库、PyTorch/TensorFlow框架），第三方组件的漏洞（如恶意篡改的预训练权重）可能引发系统性风险。
技术路径：开发针对ML模型文件的静态与动态分析工具链，结合程序分析（如控制流图重建）与深度学习技术，检测模型中的后门触发器（Backdoor Triggers）与数据投毒痕迹。建立模型血缘追踪机制，实现从训练数据到部署模型的全链路完整性验证。
创新点：将软件成分分析（SCA）扩展至ML领域，构建首个覆盖模型权重、训练脚本与依赖库的多维度漏洞数据库，提出针对AI供应链的SBOM（Software Bill of Materials）标准扩展方案。
Dr. DUAN的研究布局呈现显著的"向下扎根"特征：从Network Security与Data Security的传统安全基座，向Trustworthy Systems与Trustworthy AI的理论纵深延伸。这种演进并非简单的领域叠加，而是对"安全"概念本身的重新定义——在智能化与分布式架构普及的背景下，安全不再仅是防御外部攻击的屏障，而是系统内生的可信属性。
值得注意的是，其ETH Zurich的经历与NSDI、SIGCOMM等顶会发文记录，表明其研究兼具理论严谨性与系统实现能力。对于申请者而言，若能在提案中体现对"安全-性能-可用性"三角权衡的深刻理解，而非单纯追求技术新颖性，将更易获得认可。此外，HKUST-GZ的跨学科培养模式（IIP项目）要求申请者具备跨越计算机科学、数据科学及领域知识（如物联网、金融系统）的整合能力，这一点在准备研究计划时需特别考量。
