• 主导公司智能家居产品线的安全架构设计，从芯片选型阶段即引入安全要求，主导采用内置TrustZone的ARM Cortex-M33芯片，为低成本IoT设备首次带来了硬件级安全隔离能力。
• 攻克了资源受限（RAM<100KB）环境下实现高强度安全通信的难题，自研了基于EDHOC协议的轻量级双向认证与密钥协商框架，替代不安全的PSK方式，使设备受攻击面减少70%，并通过了CSA物联网安全认证。
• 建立了从镜像扫描、签名验证到运行时监控的完整容器安全供应链体系，强制所有生产镜像必须通过安全扫描且数字签名，彻底杜绝了恶意镜像的上线，保障了核心业务的​​100%​​ 安全交付。
• 构建了自动化固件安全检测流水线，集成静态二进制分析、模拟器动态模糊测试，在CI阶段自动筛查出各类内存破坏、硬编码密钥等漏洞156个，将产品上市前的安全修复成本降低了85%。

• 负责智能网关设备的安全启动链实现，从Bootloader到Linux内核，逐级进行RSA-3072签名验证，并利用OTP熔丝对启动公钥进行固化，彻底杜绝了固件被恶意篡改的风险，保障了超过50万台现场设备的固件完整性。
• 深度分析第三方Wi-Fi/BLE模组SDK，发现了3个可导致远程代码执行的高危缓冲区溢出漏洞（获CVE编号），并主导推动了供应商修复；同时设计了安全补丁差分升级机制，实现补丁包体积减小80%，节省了大量物联网流量费用。
• 为设备设计了安全事件审计框架，将关键安全事件（如登录失败、配置更改）通过加密通道实时上传至云端SOC平台，使安全团队能对现场设备集群遭受的攻击进行全局感知和快速响应，平均事件响应时间从天级缩短至分钟级。
• 带领一支​​5人​​的工程师团队，攻克了在超大规模网络下实施实时微隔离带来的性能损耗难题，通过智能策略优化与硬件卸载技术，将延迟损耗控制在​​2%​​以内，确保了安全方案的可落地性。

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。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。