聚焦同态加密、安全多方计算、联邦学习等核心技术，研究数据可用不可见的理论与方法，解决跨域数据协同中的隐私泄露问题，应用于金融风控、医疗数据分析等场景。
研究大规模机器学习模型的分布式训练框架，优化通信效率与资源调度策略，探索异构环境下的模型一致性与容错机制，支撑千亿参数级模型的高效训练与部署。
针对云平台虚拟化安全、边缘节点可信认证、数据传输加密等问题，构建云边端一体化安全防护体系，研究轻量级加密算法与入侵检测机制，保障分布式计算环境的可信运行。
结合教育场景数据特点，研究学生行为数据、成绩数据的匿名化处理与可控共享技术，设计符合教育伦理的数据治理方案，平衡教育数据分析价值与个人隐私保护需求。