近日，三亚学院信息与智能工程学院项目制教学再添新成果。学院网络信息安全团队中的两名学生围绕医疗数据安全协作与人工智能网络安全防御开展项目攻关，形成的两篇高水平学术论文在第二届国际人工智能创新研讨会（International Symposium on Artificial Intelligence Innovations，IS-AII 2026）发表。
两篇论文均由学生担任第一作者，网络信息安全团队梁志勇老师担任通讯作者，学院多名师生共同参与研究。项目依托三亚学院信息与智能工程学院、容淳铭院士工作站等科研平台协同推进。
第一篇论文《Blockchain-Based Privacy Protection Medical Collaboration Platform》聚焦医疗数据协作中的隐私与信任问题，由区块链2201班的孙浩然担任第一作者。
针对医疗机构之间数据“不敢共享、难以互信、过程难追溯”等现实难题，团队基于国产联盟链FISCO BCOS设计并实现隐私保护医疗协作平台。平台将联邦学习、差分隐私、零知识证明和区块链技术融入同一系统，构建覆盖任务发布、本地训练、隐私预算管理、安全聚合和全过程审计的五步闭环机制。原始医疗数据无需离开所属机构，各参与方通过联邦学习协同训练模型；链上隐私预算池动态管理差分隐私消耗，零知识证明验证模型更新过程的真实性，区块链则记录任务状态、模型哈希和预算使用情况，从而实现“数据不出域、计算可验证、过程可审计、风险可量化”。
论文实验结果表明，该方案在强化隐私保护和行为验证能力的同时，仍能保持较好的模型性能，为跨机构医疗数据协作提供了兼顾安全、可信和审计需求的技术思路。
第二篇论文《NADS: A Cybersecurity Defense System via a Multi-Layered AI Architecture》聚焦人工智能驱动型网络攻击的快速感知与动态防御，由计科2202班的袁之皓担任第一作者。
针对传统安全防护响应速度慢、规则更新滞后、难以适应新型攻击等问题，团队研发了多层人工智能网络安全防御系统NADS，将多源威胁情报、静态代码分析、动态沙箱、对抗机器学习、攻击意图预测和实时响应机制整合到统一架构中。NADS采用数据感知、智能分析和动态响应三层架构：感知层利用DPDK与FPGA提升高速网络流量处理能力；为后续智能研判提供高质量数据。
分析层综合使用CyberBERT、WGAN和Transformer-XL等模型识别恶意代码、预测攻击意图；响应层通过自适应规则生成、流量清洗、动态蜜罐和自动修复，实现对攻击行为的快速处置；差分隐私联邦学习则支持不同节点在不直接共享原始安全数据的情况下协同更新模型。论文实验结果表明，NADS在检测准确率、误报控制、规则生成速度、流量处理能力和对抗样本识别等方面均有良好表现。这些结果表明，软硬件协同与多层人工智能架构能够有效提升系统面对新型攻击、恶意代码变种和复杂攻击链时的响应能力。
两项研究方向不同，却呈现出相同的项目制培养路径：以真实问题确定项目目标，以系统实现推动知识融合，以实验数据检验方案成效，再以论文写作完成研究总结。教师围绕项目目标组织教学和科研资源，学生在持续迭代中参与架构设计、程序开发、实验分析和成果表达，实现了从学习单项知识到解决复杂工程问题的转变。其中，NADS研究获得海南省大学生创新创业训练计划项目支持，两项研究均获得海南省高等学校科学研究项目支持。科研课题与学生项目的深度结合，为本科生提供了进入真实科研场景的实践平台，也使项目制教学拥有更加明确的任务牵引和成果出口。
从项目实践走向国际学术交流，两篇论文的发表不仅是学生团队科研能力的集中体现，也是学院坚持项目驱动、真题实做和科研反哺教学的阶段性成果。学生在项目中面对的不再是预设答案的课堂练习，而是需要综合运用多学科知识、经过反复实验才能解决的真实问题。这样的培养过程，让知识学习与创新实践形成闭环，为学生后续参与科研创新和产业实践打下了坚实基础。
未来，信息与智能工程学院将继续以大学生创新创业训练计划、教师科研课题和产学研项目为载体，推动课堂教学、科研训练与产业需求深度衔接，引导更多学生在人工智能、数据安全、智慧医疗和网络空间安全等方向开展项目实践，让更多创新成果从课堂走向实验室、从项目走向更广阔的学术与产业舞台。
一审一校 |梁志勇
二审二校 |王景泽 杨琳
三审三校 |李成名 尹娜
