• 领导团队开发了EDR（终端检测与响应）agent的Linux与Windows内核驱动，实现了对进程、文件、网络活动的无死角监控，并通过行为序列分析引擎，成功在全球数万台终端上精准检测出10余起高级APT攻击。
• 设计了一套抽象的安全策略描述语言，并开发了策略转换引擎，实现了对AWS、Azure、阿里云及私有云安全策略的集中统一管理，将安全运维团队管理多云策略的效率提升了​​300%​​，并彻底消除了策略不一致的风险。
• 创新性地将编译器插桩技术（Compiler Instrumentation）应用于终端安全，通过在编译时对关键应用程序（如浏览器、办公软件）插入安全检测代码，实现了对0day漏洞利用行为的实时阻断，误报率低于0.1%。
• 针对macOS系统独特的安全机制，深度研究了System Extension、Endpoint Security API与AMFI，开发了业界领先的、完全兼容Apple公证和Notarization要求的无内核扩展安全产品，成功打开了企业级Mac市场。

• 主导完成了从传统边界防护到零信任架构的战略转型，基于​​身份认证与微分段​​理念，自主研发了覆盖东西向流量的软件定义防火墙（SDP），实现了数据中心内部流量的​​默认拒绝​​和最小权限访问，将内部横向移动攻击的成功率降至​​近乎为零​​。
• 参与Android手机厂商的系统安全加固项目，深度定制AOSP内核，集成自主研发的运行时应用保护（RASP）、反调试、反注入框架，有效提升了移动支付和金融App在面对已Root设备时的防御能力。
• 发现了多个Android Binder驱动与硬件抽象层（HAL）中的安全缺陷，并设计了漏洞缓解方案，相关成果提交至Google并获得致谢，提升了合作手机品牌的安全声誉。
• 构建了自动化飞地（Enclave）安全测试平台，用于对TEE（可信执行环境）内的TA（可信应用）进行模糊测试和侧信道分析，发现了2个高危漏洞，避免了潜在的数字资产盗用风险。

UGC社交平台全模态内容安全智能审核系统重构

• 星途互动作为主打年轻人社交的UGC平台，日均内容发布量超1.2亿条，传统基于正则规则+单模态特征的审核系统存在两大核心痛点：一是漏审率高达11%（主要因黑产通过同音替换、图片二维码隐写等变种方式规避），二是高并发下审核延迟达500ms，严重影响用户体验。我的核心职责是主导系统从“规则驱动”向“智能融合”转型，目标是将审核准确率提升至95%以上、实时延迟控制在200ms内，并支持日均5000万条内容的弹性处理。
• 项目面临三大技术挑战：①多模态（文本、图片、短视频）违规特征的语义对齐——文本的同义替换与图片的视觉隐写需统一建模；②实时推理性能瓶颈——原有BERT-base模型参数量大，GPU利用率仅40%；③在线学习能力缺失——无法快速适配黑产每周更新2-3次的攻击变种。
• ①主导设计“多模态特征融合+动态在线学习”架构：将文本的RoBERTa语义嵌入、图片的EfficientNet-V2视觉特征、短视频的3D-CNN光流特征拼接后，通过跨模态Transformer层实现语义对齐，捕捉“文本中的暗示+图片中的二维码”这类组合违规；②对模型进行轻量化改造：采用通道剪枝（剪枝率32%）+INT8量化，将单条内容推理时间从180ms压缩至75ms，并用TensorFlow Serving部署到8卡A100 GPU集群，结合Kafka分片消息队列实现负载均衡；③搭建在线学习pipeline：从用户举报数据（日均20万条）和审核员标注结果中提取新特征，每周自动微调模型，同时用Elasticsearch构建审核日志知识库，识别误判案例反哺特征工程。
• 系统上线后，审核准确率从89%提升至97.5%，实时延迟降至112ms，日均处理量突破5500万条，漏审率降至1.8%以下。业务价值方面：人工审核团队从120人缩减至75人，年成本节省520万元；平台因内容违规导致的网信办通报次数从每年5次降为0，用户对“内容安全”的净推荐值（NPS）提升25个百分点。我的核心贡献是攻克了多模态语义对齐的技术难点，并建立了“模型迭代-效果反馈”的闭环机制，彻底解决了传统审核系统的本质问题。

社交平台全链路账号安全防护体系搭建

• 项目初期，星途互动账号安全依赖静态密码+图形验证码，黑产通过“撞库攻击”（日均尝试150万次）导致1.2%的用户账号被盗，批量注册的虚假账号占比达8%，不仅侵蚀平台生态，还引发大量用户投诉。我的角色是负责账号安全核心模块的开发，目标是构建“事前预防-事中拦截-事后溯源”的全链路防护体系，将账号被盗率降至0.5%以下。
• 挑战集中在三点：①黑产攻击手段动态变化——撞库IP和设备指纹每周更换，传统IP封禁策略误判率达15%；②安全模块分散——设备指纹、验证码、行为分析各自为战，无法形成联动；③设备身份识别不准确——黑产通过模拟器伪造设备信息，原有指纹算法识别率仅85%。
• ①自研“动态设备指纹”算法：整合设备硬件ID、浏览器Canvas指纹、网络DNS解析记录及安装应用列表，生成唯一且抗伪造的设备标识，识别模拟器的准确率提升至99.6%；②开发“行为序列异常检测”模块：基于Spark MLlib训练LSTM模型，分析用户登录时的“按键间隔、鼠标移动轨迹、IP切换频率”等12维行为特征，识别撞库/盗号行为的准确率达96%；③打通各安全模块联动：设备未信任时触发滑动验证码，检测到异常登录立即封禁IP段并推送短信预警，同时将风险账号同步至风控系统进行冻结。
• 体系落地后，账号被盗率从1.2%降至0.27%，批量注册虚假账号占比降至0.9%，撞库攻击成功率从32%降至4%以下。业务影响显著：人工客服处理账号问题的工作量减少43%，用户因账号被盗的流失率下降19%；同时，账号安全能力的提升带动新用户注册转化率增长11%。我的核心贡献是设计并实现了“设备身份+行为特征”的联动防护逻辑，打破了传统账号安全的分散式防御，构建了可动态适配黑产变化的体系化能力。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。