研讨会核心议题：覆盖 5 大关键方向
本次研讨会围绕 “安全与隐私”，探讨了当前领域的重点方向，几乎涵盖数字时代安全防护的核心领域：
- 网络安全架构与系统安全
研究如何在复杂系统中搭建健壮架构，抵御网络威胁，包括安全模型、软件安全机制、风险分析等。 - 密码学与隐私保护
聚焦新型密码算法、隐私增强技术（PETs），像差分隐私、联邦学习、同态加密等，实现数据利用与隐私保护的平衡。 - 人工智能安全
一方面应对 AI 模型的安全风险（如对抗攻击、模型窃取），另一方面探索 AI 在威胁检测等安全场景的应用。 - 物联网与工业控制系统安全
解决物联网设备加固、工业控制系统（ICS）防护等问题，保障关键基础设施安全。 - 应用安全与新兴技术
涵盖云安全、区块链安全，还关注量子计算对安全的影响、后量子密码等前沿领域。
5 大行业案例：前沿技术如何解决实际安全难题？
案例 1：金融行业 —— 联邦学习实现 “数据可用不可见”
- 痛点
金融机构有海量客户数据（交易记录、信用信息等），但合规要求与竞争需求下，无法直接共享原始数据，却需联合分析提升风控与欺诈检测能力。 - 方案
某银行联盟搭建联邦学习平台，各银行在本地用自有数据训练欺诈检测模型，仅将加密的模型参数共享至中央服务器聚合，生成全局模型后再下发给各银行。 - 成效
跨机构欺诈检测模型准确率提升 20%+，误报率降低，且符合隐私法规，数据全程不出本地。
案例 2：医疗行业 —— 同态加密守护患者数据隐私
- 痛点
医学研究需多医院数据联合分析（如训练疾病预测模型），但患者数据敏感，直接汇集易泄露隐私，还受 HIPAA 等法规限制。 - 方案
某医疗联盟采用全同态加密（FHE）技术，医院将电子健康记录（EHR）加密后上传至平台，平台直接在密文上做统计分析与模型训练，仅返回加密结果，医院解密获取最终结论。 - 成效
成功训练出更精准的糖尿病并发症预测模型，数据全程加密，符合合规要求，虽计算开销较大，但已优化至可接受范围。
案例 3：能源行业 —— 可信执行环境筑牢工业控制安全
- 痛点
工业控制系统（ICS）用于能源等关键基础设施，传统设备用专用协议、老旧系统，安全防护弱，易遭攻击（如 Stuxnet 病毒），且需保障实时性。 - 方案
某能源企业为可编程逻辑控制器（PLC）、SCADA 服务器等关键设备部署可信执行环境（TEE）—— 处理器中的安全隔离区域。在 TEE 中运行监控程序校验控制指令，存储敏感配置与密钥，还能安全验证 PLC 固件。 - 成效
工控系统安全事件率下降 40%，模拟攻击中，即便 SCADA 主机被入侵，关键控制逻辑仍受保护，还能及时报警。
案例 4：制造业 ——AI 赋能实时威胁检测
- 痛点
制造业数字化转型后，生产设备联网形成工业物联网（IIoT），但 OT 设备与协议特殊，传统签名式安全工具难识别新型威胁，易遭数据窃取、设备操控。 - 方案
某车企部署 AI 威胁检测系统，通过机器学习建立设备正常行为基线，在网络节点部署传感器采集流量、日志、指令数据，实时识别异常（如非工作时间数据传输、非常规指令），还能结合威胁情报分类威胁类型。 - 成效
成功阻止恶意软件传播、内部误操作等事件，安全团队发现威胁时间从数小时缩短至几分钟，警报准确率大幅提升，误报减少。
案例 5：能源行业 —— 用户行为分析防范内部威胁
- 痛点
能源行业 IT/OT 融合，内部人员权限大，传统规则监控难发现异常行为（如违规导出数据、越权访问），账号泄露或滥用后果严重。 - 方案
某国家电网部署用户行为分析（UEBA）平台，汇聚 ERP、SCADA、运维日志等数据，用机器学习建立用户与设备行为基线，实时监测异常（如凌晨下载电网拓扑图、越权访问设备），还能评估风险等级。 - 成效
半年内检测到的内部异常事件增 5 倍，成功拦截外部攻击者盗用员工账号窃取数据的行为，15% 异常被证实为潜在安全事件，提前消除风险。
结语
本次研讨会显示，联邦学习、同态加密、TEE、AI 检测、UEBA 等技术，已在金融、医疗、能源、制造等行业落地，既保障安全隐私，又推动数据共享与业务创新。未来，随着 AI、物联网、工业 4.0 发展，安全技术需持续演进，更需产学研合作，让研究成果落地实践，筑牢数字时代的安全防线。