针对人工智能算法与模型可信性的对抗性攻防问题，学术界提出了许多对抗攻击和防御算法，但是对抗样本的因果关系仍不清楚，并且在效果和效率上很难达到平衡。针对上述瓶颈，展开相关研究。

本研究方向围绕智能通信机制及安全等领域，旨在推动内容的可靠传输与无线安全相关技术的发展。

本方向基于“全链路”优化思想，将信号获取、处理、分析与应用联立优化求解，以推动机器学习理论在实际落地应用中需要应对“小数据、大任务”的情况，重点研究将深度学习模型与计算成像、因果学习、联邦学习、图神经网络等新兴理论结合，发挥模型驱动方法与数据驱动方法的综合优势，解决实际应用中常存在的数据少样本以及系统资源（计算、存储与能耗）受限等给模型泛化能力带来的挑战。