Research Lines — 研究主线
基于15篇论文归纳的5条研究主线（B类综合归纳）。
Line 1: 隐私保护协作学习 (Privacy-Preserving Collaborative Learning)
论文数：5 | 代表论文：SplitAD, Key-Value LDP, Plog, PriFFT, Flash
从垂直联邦异常检测(SplitAD)到隐私数据收集(Key-Value LDP)，到图数据隐私保护(Plog)，到LLM安全微调(PriFFT)，再到联邦图学习安全检测(Flash)——该主线演化路径为：单一任务→复合数据→大模型→安全应用。
核心方法论：密码学隐私保护（DP/HE/SS/MPC）与分布式机器学习的交叉，根据不同数据和任务特性选择最优安全计算原语组合。
Line 2: 工业物联网可信安全 (IIoT Trusted Security)
论文数：3 | 代表论文：SBIRCH, Lightweight Auth, Flash
从IIoT时序数据的安全聚类(SBIRCH)到资源受限设备的轻量级认证(Lightweight Auth)，再到工业CPS的恶意脚本检测(Flash)——关注工业环境中"安全可用性"的工程约束。
核心方法论：在强安全保证和严格资源约束之间寻找实用平衡点。
Line 3: 无人机安全与可信自主 (UAV Security & Trusted Autonomy)
论文数：4 | 代表论文：RSMA UAV, AeroGuard, Physical Attacks UAV, Joint Scheduling
从物理层安全通信(RSMA)到实时故障检测(AeroGuard)到物理攻击系统性分析(Physical Attacks)，再到边缘推理调度(Joint Scheduling)——构成"感知→通信→计算→安全"的UAV可信自主技术栈。
核心方法论：物理建模+AI驱动+安全约束的交叉融合。
Line 4: 图神经网络攻防 (GNN Attack & Defense)
论文数：3 | 代表论文：Adaptive Backdoor GNN, GNNDroid, Flash
从GNN后门攻击(Adaptive Backdoor)到Android恶意软件检测(GNNDroid)到联邦图学习安全检测(Flash)——攻防互补，构成图学习安全的完整视角。
核心方法论：图结构分析+对抗学习+安全检测——以图为中心的安全分析范式。
Line 5: 密码学工程优化 (Cryptographic Engineering)
论文数：4 | 代表论文：TCKKS, PriFFT, SBIRCH, Key-Value LDP
从CKKS自举瓶颈消除(TCKKS)到混合秘密共享(PriFFT)到安全聚类(SBIRCH)到LDP数据收集(Key-Value LDP)——关注密码学方案从"理论可行"到"工程实用"的优化。
核心方法论：密码原语的性能剖析+混合架构设计+系统级优化。