参与国家自然科学基金项目“基于行为图的多态病毒检测”，独立完成行为图构建与图神经网络模块，实现变种检测准确率提升11%。

在ACM CCS Workshop发表论文《A Lightweight Rootkit Detection Framework for Linux》，获最佳论文提名。

带领团队获全国大学生信息安全竞赛一等奖，设计并实现基于eBPF的实时进程拦截系统，阻断成功率超99.7%。

主导集团级病毒防御中台的架构演进，将检测链路从串行重构为流水线并行，使单文件平均检测耗时压缩至80ms，检测准确率提升至99.8%。

与情报团队共建威胁狩猎模型，引入图神经网络分析恶意软件家族关系，提前发现并阻断3个高级持续性威胁（APT）攻击链，涉及金融、政务等关键行业。

搭建自动化样本运营工厂，日均处理20万+黑色样本，建立多维度标签体系，使病毒特征库的误报率降低至0.02%以下。

推行技术人才梯队专项培养计划，通过轮岗、攻防演练与内部开源项目，两年内培养出5名可独立负责核心模块的技术骨干。

负责企业级终端病毒扫描引擎的底层优化，重构PE文件解析模块及解包逻辑，使内存占用降低25%，全盘扫描速度提升32%。

设计并实现基于动态行为沙箱的未知病毒检测算法，通过提取API调用序列与网络行为特征，累计捕获200余个变种木马，为客户挽回近千万元潜在损失。

面向金融、医疗等50余家客户提供定制化病毒防御方案，主导应急响应与根因分析，客户满意度连续三年维持在96%以上。

追踪文件无文件攻击、内存马等新型威胁手法，撰写内部技术研究报告12篇，并推动检测规则向行为侧与脚本侧延伸。

作为项目负责人，主导设计并交付面向中大型企业的智能威胁感知与防御平台。

采用事件驱动架构与容器化部署，将病毒检测、威胁情报、日志分析等拆分为独立微服务，实现故障秒级隔离与弹性扩缩。

构建基于Transformer的恶意代码分类模型，结合多模态特征（字节序列、反汇编指令、导入表），使未知样本分类准确率达到98%，较传统特征工程方案提升15个百分点。

平台上线后陆续部署于120余家企业，覆盖政务、教育、能源等行业，年均可阻断恶意威胁事件超30万起，产生直接业务收入约3000万元。

参与公司云安全平台恶意文件检测模块的研发，负责分布式检测调度与缓存层设计。

设计基于一致性哈希的云查杀分布式方案，利用边缘节点预热常用特征库，将文件扫描平均耗时从10分钟缩短至3分钟以内。

开发文件信誉查询接口，用户仅需上传哈希值即可在100ms内获取判定结果，有效降低终端开销。

该模块上线后日均处理扫描请求超过120万次，成为云平台安全基座的核心组件，保障了千万级用户的数据安全。

深度剖析《网络安全法》《数据安全法》及等保2.0关键评估点，将合规基线转化为可落地的安全架构约束，确保系统过审。

在多次内部红蓝对抗中担纲防御架构师，通过逆向工程与内核内存取证溯源多个0day漏洞，输出加固方案并推动修复。