• 针对容器逃逸与内核漏洞利用威胁，基于eBPF技术自主研发了​​云原生运行时安全监控系统​​，实现了对容器内进程行为、网络连接和系统调用的无侵入式细粒度审计，成功在线上拦截了​​3次​​针对Kubernetes集群的未知攻击尝试，将威胁检测率提升了​​85%​​。
• 架构并实现了公司基于KVM的轻量级安全容器，通过自定义内核与精简的虚拟化堆栈，将容器启动时间缩短至50毫秒，同时利用Intel VT-d技术实现设备直接分配，保证了不同租户容器间的硬件级强隔离。
• 主导设计了“可信云主机”方案，基于TPM 2.0芯片实现从硬件固件到云主机内核的完整度量与远程attestation（认证），确保客户租用的每一台虚拟机启动链均未被篡改，满足了金融与政务客户对安全合规的极致要求。
• 攻克了在混部场景（在线业务与离线任务混合部署）下资源隔离的业界难题，通过自研的内核调度器插桩和内存带宽控制技术，有效避免了noisy neighbor（噪声邻居）问题，将高优先级业务的性能抖动降低了90%，保障了SLA。

• 负责Hypervisor的安全开发与漏洞响应，独立挖掘并修复了4个KVM/QEMU虚拟化组件中的高危漏洞，避免了潜在的大规模虚拟机逃逸风险。
• 设计了基于Intel PT（Processor Trace）的虚拟机内部行为监控方案，无需在客户机内安装任何插件，即可无损记录分析其内核执行流程，为安全团队调查入侵事件提供了前所未有的visibility（可见性）。
• 设计并实现了针对操作系统与固件的大规模并行模糊测试集群，集成定制化的反馈驱动（Coverage-guided）Fuzzer，每年能自动化产生数千个独特崩溃样本，将高危漏洞的发现效率提升了一个数量级。
• 为云平台设计了安全启动框架，确保只有经过签名的内核和驱动才能在虚拟机上加载，并打通了与运维平台的联动，自动拦截并隔离了上百台被植入Rootkit的失陷虚拟机，有效遏制了攻击横向移动。

生鲜电商平台供应链端到端安全防护体系构建项目

• 项目背景：鲜达作为头部生鲜电商，连接超10万家供应商与2亿用户，实时交易链路覆盖‘农户种植数据采集-供应商ERP下单-仓储WMS分拣-物流TMS配送-用户支付’全环节，此前曾发生多起供应商数据泄露导致的订单篡改、恶意刷单引发的库存超卖事件，严重威胁业务稳定性与用户信任。项目目标是通过构建覆盖供应链全节点的安全体系，解决数据流转中的身份伪造、数据篡改、异常行为检测问题，保障交易完整性与业务连续性。
• 解决的关键难题：1）供应链节点分散（农户APP、供应商ERP、仓储系统等异构系统），传统边界安全无法覆盖；2）实时交易要求延迟≤15ms，安全检测不能成为性能瓶颈；3）供应商侧IoT设备（如温湿度传感器）安全能力薄弱，易被伪造接入。针对这些问题，我选择SPIFFE/SPIRE零信任身份框架解决节点身份认证，eBPF+轻量级ML模型实现实时数据流异常检测，DTLS 1.3加密保障IoT设备通信安全。
• 核心行动与创新：主导设计‘身份-数据-行为’三位一体防护架构：1）基于SPIFFE为每个供应链节点颁发动态、可验证的身份凭证，实现节点间可信通信；2）针对实时数据流，优化eBPF内核态处理逻辑，将特征提取移至用户态，仅保留内核态快速过滤规则，把安全检测延迟控制在2ms以内；3）引入在线学习型XGBoost模型（结合滑动窗口机制），实时适配新异常行为（如跨区域库存异常调动）。此外，推动供应商侧设备改造，强制要求IoT设备支持DTLS 1.3，通过‘MAC地址+固件版本+地理位置’生成设备指纹，识别伪造设备接入。
• 项目成果：1）供应链数据泄露事件从月均12起降至1.8起（下降85%）；2）恶意刷单拦截率从82%提升至99.2%，大促库存超卖率降至0.01%以下；3）实时交易平均延迟仅增加1.8ms（从12ms到13.8ms），完全满足业务要求。项目支撑2023年中秋大促120万笔/秒交易峰值，业务侧安全客诉减少70%，获公司‘年度安全突破项目’奖，我在行业峰会分享方案经验，成为供应链安全领域的核心负责人。

短视频平台粉丝社群反黑产自动化处置系统研发项目

• 项目背景：星芒拥有超5000万粉丝社群，此前黑产通过批量注册账号、模拟正常互动（发低质广告、引流链接）破坏生态，运营团队每天手动处置超10万条行为，误封率8%，严重影响体验与效率。项目目标是通过全流程自动化系统，降低人工干预，提升黑产处置准确率与效率。
• 解决的关键难题：1）黑产行为仿真度高（用真实手机号、模拟互动），传统规则引擎易漏报；2）处置需平衡安全与生态，避免误封；3）实时处置要求响应≤5秒，否则黑产会扩散。针对这些问题，我选择用图神经网络（GNN）构建用户关系图，挖掘隐藏黑产团伙。
• 核心行动与创新：主导开发系统核心识别模块与策略引擎：1）基于Neo4j图数据库整合账号设备、IP、互动、社群归属数据，用GNN挖掘‘同一设备注册僵尸账号集群’‘跨社群引流链路’等隐藏特征；2）设计‘分层处置’策略：高风险账号（置信度≥90%）自动化禁言/封号，中风险（60%-90%）推运营审核，低风险（<60%）持续观察；3）用模型蒸馏优化GNN推理性能，将时间从1.2秒缩至300ms，结合Redis缓存高频用户关系，整体响应控制在2秒内。同时联动运营建立‘处置-反馈’闭环，每周迭代模型特征。
• 项目成果：1）黑产自动化处置率从65%升至98%，误封率从8%降至1.2%；2）运营手动工作量减少60%，日均处理量从10万条降至4万条；3）用户社群广告投诉从月均5.2万件降至1.04万件（减少80%）。系统支撑社群数量从5000万增长至8000万无大规模黑产爆发，我因此晋升安全开发组组长，负责后续生态安全项目规划。