赵陈粟,博士,讲师,毕业于北京邮电大学计算机科学与技术专业,清华大学访问学者(2013-2014)。研究方向包括算法优化、数据安全、异常行为分析等。多年来,长期专注于数据挖掘以及网络与信息安全方面的科研工作,致力于探索数据的深层次价值与潜在应用。目前,发表学术论文10余篇,其中,SCI论文7篇,EI论文1篇;参与国家级多项;参与省部级项目3项;主持厅级项目1项,参与多项;参与横向课题多项。
在近期的研究中,主要关注面向社交平台的异质社交图构建和多模态数据表示,这一领域能够揭示用户间的复杂互动模式,并有助于理解社交网络的结构和动态。异质社交图较传统同质图更为复杂,因为它涉及多种类型的节点和边,对应不同类型的交互关系和多种模态的数据类型。目前在节点的嵌入与表征方面进行了深入研究,目标是找到更有效的方法来捕捉和表达个体的特性及其在社交环境中的角色。此外,我还专注于图表示学习,利用基于图结构的表示学习和基于图特征的表示学习将结点映射为向量表示的时候尽可能多地保留图的拓扑信息。通过这些研究,希望建立一套高效、准确的网络异常检测框架,以维护网络环境的安全与稳定。
未来的研究将继续在网络异常行为分析领域进行深入的研究。特别是将时间序列分析、动态异质社交图以及大型模型相结合,以实现对异常行为的高效实时检测。在现代网络环境下,这一点变得尤为重要,因为它直接关系到网络安全和用户体验。
除此之外,还对数据全周期中的隐私保护问题抱有浓厚的兴趣。随着数据驱动决策逐渐成为趋势,如何在数据的采集、共享和分析过程中保护个人隐私成为了一个重要议题。在这方面,特别关注区块链技术与联邦学习的结合应用,它们在数据共享和分析中的安全保护潜力巨大。区块链提供了一种去中心化的数据管理方式,而联邦学习则允许多个参与者共同建模而无需共享原始数据,这两者的结合能够帮助我们找到一个既能充分利用数据又能严密防范隐私泄露的平衡点。
发表论文:
[1] Chensu Zhao, Yang Xin, Xuefeng Li, Yixian Yang, Yuling Chen. A Heterogeneous Ensemble Learning Framework for Spam Detection in Social Networks with Imbalanced Data. Applied Sciences, 2020, 10(3): 936.
[2] Chensu Zhao, Yang Xin, Xuefeng Li, Hongliang Zhu, Yixian Yang, Yuling Chen. An Attention-Based Graph Neural Network for Spam Bot Detection in Social Networks. Applied Sciences, 2020, 10(22): 8160.
[3] Xuefeng Li, Chensu Zhao, Yi Hu, Honglin Xie, Yuhang Wang and Jingyang Zhao. “Precursor of privacy leakage detection for individual user.” Computers & Security, 2024, 142: 103879.
[4] Xuefeng Li, Yang Xin, Chensu Zhao, Yixian Yang, Yuling Chen. Graph Convolutional Networks for Privacy Metrics in Online Social Networks. Applied Sciences, 2020, 10(4): 1327.
[5] Xuefeng Li, Chensu Zhao, and Keke Tian. Privacy measurement method using a graph structure on online social networks. ETRI Journal, 2021,43: 812-824.
[6] Xuefeng Li, Yang Xin, Chensu Zhao, Yixian Yang, Shoushan Luo, Yuling Chen. Using User Behavior to Measure Privacy on Online Social Networks. ACCESS, 2020, 9.
参与课题:
基于故障注入和指标模型的工业无线传感器网络可靠性测试与评估方法研究,国家自然科学基金青年项目,第二位
[2] 异构大数据共享平台自身安全关键问题研究,全国统计科学研究项目,第三位
[3] 多模态视域下人工智能与教育教学深度融合研究,山东省人文社会科学课题,第二位