题目：青年教师科研发展的经验分享主讲：马卓时间：2026年1月15日上午9:00地点：计网楼511会议室报告摘要：介绍国家自然科学基金项目的基本情况，结合相关项目申报和评审经历，从自我评估、选题策略、标书撰写和注意事项等方面提出相关建议，帮助有意申请国家自然科学基金的青年教师快速了解相关内容。另一方面，从人工智能安全攻防领域的科研实践出发，浅谈高水平科研成果的探索之路，希望能够对青年教师的科学研究有所帮助。个人简介：马卓，国家级青年人才，陕西省杰青，陕西省科技创新团队带头人，西安电子科技大学华山学者特聘教授，博士生导师。现任中国电子学会网络空间安全专委会青年常委，中国人工智能学会智能服务专委会常务委员，软件学报青年编委，网络与信息安全学报编委。主要从事智能系统与数据安全方面的研究，以第一作者/通信作者，在SP、NDSS、Usenix Security、CCS、SIGMOD、IEEE TIFS等国内外重要会议和期刊发表论文50余篇。主持国家重点研发计划项目、国家自然科学基金重点项目、组织间合作交流项目等10余项国家级项目/课题，研究成果获省部级一等奖3项。

题目：中医健康理念时间：2025年12月7日(星期天) 下午15:30 ~ 17:00地点：计网楼511会议室主讲：杨朝阳主办：计算机与网络空间安全学院，数字福建大数据安全技术研究所, 福建公共服务大数据挖掘与应用工程技术研究中心参加对象：学院感兴趣的师生、工程中心，研究所教师和研究生报告摘要：健康是一门科学，更是一种文化智慧。本场科普讲座将带您领略传统中医药文化的智慧精髓，解读“自然、静心、杂食、适劳、慎医”这五大健康要素背后的科学道理与文化内涵。我们将一同澄清养生误区，学会将健康作为一种理念融入生活，让古老的养生智慧成为您现代生活的健康指南。专家简介：杨朝阳，男、中共党员，教授、博士生导师、医学博士、复旦大学基础医学学科博士后、美国华盛顿大学医学院访问学者。现任福建中医药大学中医学院副院长（主持工作）、国家中医药管理局中医健康管理高水平中医药学科建设负责人、福建省科技创新团队负责人，福建省状态辨识重点实验室负责人。兼任世界中联中医健康管理专业委员会副会长兼秘书长、中华中医药学会诊断分会常务委员、福建省中医药学会治未病分会主委。研究方向是中医健康管理的理论和应用研究。主持国家自然基金

为深入推进教育数字化背景下本科人才培养改革，着力提升专业教师人工智能赋能教学的创新意识与教学能力，我院组织各本科专业开展教学研讨会和学生座谈会，全面推动教学改革落地与人才培养质量提升。计算机科学与技术专业教学研讨会上，与会教师围绕“本科人才培养质量提升”展开深入交流。会议确立了以低空经济、AI等发展为背景的“场景驱动、行业导向”培养理念，计划增加硬件课程、划分专业模块，构建从基础编程到企业培训的递进路径，倡导引入AI工具与项目式教学模式，提升学生实践能力与创新思维，为教学改革明确方向。学生座谈会上，教师们围绕人才培养、课程教学等方面与学生代表展开交流，勉励同学们要目标清晰、脚踏实地、勤于动手，不断提升自身的专业能力和综合素质。软件工程专业教学研讨会上，与会教师围绕“人工智能时代的软件工程专业建设”主题展开深入讨论。会议聚焦AI带来的教学难题，包括培养目标重塑、课程与教材更新、评价体系改革等挑战，强调要培养学生掌握AI工具与开发智能系统的双向能力，注重实践考核的评价方式，定期开展研讨、组建教学团队推动教学改革。学生座谈会上，教师们围绕AI技术应对、升学就业规划及企业能力要求等方面与学生代

随着工业物联网特别是新能源产业的迅猛发展，海量高维时序数据已成为工业物联网特别是储能领域等关键设施的核心数据形态。真实工业数据呈现出的强非线性耦合、动态跨尺度演化及高噪声特性，使现有方法因缺乏物理先验与因果逻辑而常陷于误判困境。如何突破现有模型在时空依赖建模与隐性故障溯源方面的局限，成为当前提升工业物联网系统应用可靠性亟待攻克的共性难题。近日，我院肖如良教授课题组在高维多变量时间序列异常检测方向取得了系列性进展。课题组研究聚焦于复杂工业场景下高维时序数据的时空依赖挖掘与抗噪表征，综合运用了双视图潜变量建模、因果反事实推理以及跨尺度频域交互等方法，旨在面向工业物联网环境特别是真实新能源应用领域，攻克非线性耦合与隐性故障溯源难题，实现兼具物理一致性、高鲁棒性与深层可解释性的智能异常检测。研究成果一：针对储能系统在电动汽车、光伏、风电等场景中的异常检测困难问题，提出了面向多传感器电池系统的双视图潜变量异常检测方法 DVSAD，以应对高维传感器数据下的安全监测需求。该方法将传感器关系图与时间序列特征融合建模，并结合扩散噪声平滑与物理先验驱动的结构引导评分，以增强对跨传感器耦合与噪声扰动的识别能

肝脏血管精准分割是肝脏手术规划、肝移植等临床诊疗的关键前提，对降低手术风险、提升治疗效果至关重要。近日，我校计算机与网络空间安全学院时鹏博士研究团队与福建肿瘤医院钟婧博士团队合作，在肝脏血管分割领域取得重要突破，提出残差启发的多尺度特征融合网络（RMFF-Net），为临床精准诊疗提供了新的技术支撑。该研究成果在公共数据集上表现优异：在3Dircadb数据集动脉分割DSC达0.849、静脉DSC达0.846，MSD数据集整体DSC达0.726，且网络参数仅15.38M，在保证高精度的同时兼顾了计算效率。这一技术创新有效解决了肝脏血管结构复杂、分布稀疏、与周围组织对比度低等分割难题。在实验验证中，RMFF-Net展现出巨大的临床应用潜力。该模型可显著减少医生手动标注CT图像的时间，提升工作效率。特别在小血管分割场景中表现优异，这对肝癌患者的精准分期、手术边界确定具有重要意义。这项技术的成功研发，将有力推动肝脏外科诊疗向更高效、更精准的方向发展。在术前评估方面，可为医生提供清晰的血管解剖结构，帮助制定个体化手术方案；在术中导航方面，可实时提供血管位置信息，避免损伤重要血管；在术后监测方面，能

为深化产教融合，拓展学生技术视野，我院在个性化培养周期间推出系列AI前沿课程，内容涵盖AI编程、模型版权、智能应用、医学影像、低空经济以及机械实战等多个主题。以下为部分特色课程的回顾。11月3日，福州软盛信息科技有限公司产品经理林山老师主讲的《AI应用实战课》，引导学生掌握主流AI工具在网络安全数据分析、威胁情报编写、自动化脚本开发等场景中的实战应用。课程以“AI+安全”为核心，通过智能写作、数据挖掘与AI编程等场景演练，帮助学生将AI技术有效转化为安全运维的“超级助手”。11月5日，李璇老师聚焦生成式AI的版权争议与治理路径，为未来从事网络安全与法律交叉领域的学生量身打造《人工智能模型版权保护》课程。课程从技术防护（数据溯源、数字水印、防抄袭检测）与制度规范双维度，探讨AI模型的安全与版权治理方案，强化学生在AI安全与合规领域的专业认知。11月5日，锐捷网络股份有限公司研发部经理郭发长老师系统解析了低空经济的核心技术架构与安全挑战，重点探讨无人机通信安全、空域数据防护及低空物流系统的网络安全需求。课程帮助学生深入理解“低空经济”背后的关键技术，为未来参与智慧城市、低空防御等国家战略领

近日，我院林铭炜教授课题组在大数据分析与智能决策领域取得重要进展。当前传统非负张量隐因子分解模型尽管能够有效表征高维不完备张量，但其仍面临两个主要局限：首先，该类模型本质上是线性的，难以捕捉高维不完备张量中潜在的非线性特征；其次，模型依赖于随机初始化的非负参数以及专门设计的非负训练方案。为解决上述问题，课题组创新性地提出了一种加速无约束非负神经张量隐因子分解（AUN-NLFT）模型。该模型的核心思想包括以下三个方面：1）引入神经网络结构与非线性的激活函数，以更精确地刻画高维不完备张量中的非线性特征；2）构建一个非负映射域，借助单元素级依赖的映射函数将非负约束从隐因子转移至输出决策参数，从而实现对模型的无约束优化；3）采用高度兼容的带动量项的随机梯度下降算法作为反向传播的学习方案，该方案不仅保证了训练过程的有效性与可扩展性，还显著提升了收敛速度。在十个高维不完备张量数据集上的实验结果表明，相较于当前各类先进模型，AUN-NLFT模型在估计精度和每轮迭代时间成本方面均展现出显著优势。图1 加速无约束非负神经张量隐因子分解模型研究成果以“Neural Nonnegative Latent F

为助力青年教师成长，提升课堂教学质量，学院积极开展“解剖”一堂课教学活动。我院方禾、方莹两位老师分别就“网络空间安全的数学基础——降维”和“计算机科学与数学——认识有限状态机”主题开展示范教学，并组织观摩教师进行了深度的课后剖析与研讨。方禾老师以解决网络空间安全问题为导向，从降维的基本概念入手，介绍了主成分分析和线性判别分析等方法，引导学生建立从数学模型到具体实现的清晰思路，充分展现网络空间安全中独特的数学魅力。方莹老师以有限状态传感器为主线，从有限状态机的基本概念入手，带领学生理解状态、输入与输出之间的逻辑关系，并结合自动售货机等生动案例，将抽象的理论内容具象化、生活化，帮助学生建立从模型理解到算法实现的清晰思路。观摩结束后，全体参与教师结合当前教学改革热点，围绕教学理念、内容设计、方法运用及教学效果等维度，对两位老师的课堂教学进行全方位“解剖”，并就课堂教学节奏、课件设计优化、互动时间分配等问题进行深入交流。现场研讨氛围热烈，切实帮助青年教师提升课堂教学水平，为学院高质量课堂建设注入新的活力。

近日，我院林铭炜教授课题组在大数据分析与智能决策领域取得重要进展。随着在线教育服务的发展，学生表现预测任务面临着数据高维、不完备且持续更新的严峻挑战，传统方法难以有效应对。针对这一难题，课题组创新性地提出了一种增量式非线性协同隐因子分析（IN-CoLFA）模型。该模型增强了隐因子分析框架，通过协同分解技术，将学生得分矩阵与专家提供的习题知识点关联矩阵进行联合建模。同时，还融入了受神经网络启发的非线性结构，以捕捉学生与习题之间复杂的交互关系。为了实现高效的增量学习，该模型被无缝拓展至增量版本，使其不仅能对历史数据进行离线训练，还能在新数据持续产生时不断优化和完善预测。在多个数据集上的实验结果表明，无论是在静态还是动态学生表现预测任务中，IN-CoLFA模型均表现出有效性和高效率。研究成果以“An Incremental Nonlinear Co-Latent Factor Analysis Model for Large-Scale Student Performance Prediction”为题，发表于CCF A类国际期刊《IEEE Transactions on Services

随着数字经济的快速发展，数据已经成为推动国家和社会发展的重要战略资源，数据异常检测不仅可以防范网络和数据系统安全，而且在社交媒体分析、生物信息学、金融市场监管以及交通网络和智能城市规划中都有着广泛的应用。近期，我院许力教授课题组在高维复杂数据的异常检测方向取得了系列性进展，课题组研究聚焦于高维与高阶数据的结构建模与高效学习，综合运用了张量低秩恢复、中心性度量、多模态融合以及元学习等方法，旨在面向真实网络和数据环境实现更具解释性和鲁棒性的异常检测。研究成果一：课题组在网络流量异常检测研究中提出了一种融合张量特征表示与特征向量边中心性的创新方法。该方法通过构建张量特征向量“边中心性”公式对链路重要性进行量化，并结合低秩张量恢复与表征学习，在模型中引入中心性特征与Laplacian项，以有效捕捉非线性邻域与结构信息。在提升随机异常检测精度的同时，该方法对定向攻击等由高中心性链路引发的异常表现出更高的灵敏度。实验结果显示该方法在精确率和召回率等指标上展现出明显的优势。相关成果论文《Enhanced network traffic anomaly detection: Integration o