跳到正文

Hao Yuan 研究生在读 · AI 安全与工程

AI 安全,
研究与工程两条线。

研究方向是 AI 安全:越狱防御、Agent 安全。工程上做过在线运行的 API 网关、开发者工具,和这座档案站。

可交互星图沿星轨漫游这片星空可以进去:恒星是 5 个阶段,行星是一件件工作。滚动前进,点星球看项目。进入星图

每件都写了解决什么、做了什么、结果、没做到什么。

现在在做什么

主线工作

按分量排,不按时间:最早的两件排在最后。研究 6 件,工程 5 件。每件都写了解决什么、做了什么、结果、没做到什么。

含档案的完整目录
  1. 工程

    BigBigAPI

    独立设计、开发与运营的商用大模型 API 网关:三协议一个入口,运营与账务自己扛。

    持续迭代 BigBigAPI 早期官网:模型接入地址、使用说明与余额查询入口
  2. 研究

    DCEB:确定性上下文嵌入的越狱防御

    用确定性上下文嵌入防御大模型越狱,不改变被保护模型的参数。

    NDSS'27 在审
  3. 研究

    LLM Agent 安全研究调研与 SecureMemGuard

    LLM Agent 安全七个选题的调研,落到共享记忆完整性方案 SecureMemGuard,投稿 USENIX Security '27 未中,论文修改中,准备改投。

    USENIX Security '27 未中,修改中 LLM Agent 安全研究调研报告首页:威胁态势、前沿方向与选题建议的目录
  4. 研究

    腐蚀深度两阶段预测建模

    横向课题:先分类再回归的两阶段模型预测腐蚀深度,交付特征重要性分析与交互预测页。

    横向课题,已交付
  5. 工程

    满血渠道测试机

    批量验收 100+ 个上游 API 渠道:缓存、计费、护栏与行为指纹交叉判定,真满血的不到 5%。

    自用,持续改进 渠道测试机配置界面,含缓存连续性、token 对账与第二轮检查入口
  6. 工程

    CoCo

    面向智能体的容器式 IDE:智能体是一等公民,多会话并行互通,本机与多台 SSH 服务器统一管理。

    自用中,仓库已公布 CoCo 主界面:顶部一排会话标签,左侧本机文件、服务器直连、端口映射与一键装 Claude,右侧终端里开着 Claude Code
  7. 工程

    mekxa.cn 成长档案站

    AI 时代的简历替代品:从代码、提交与会话记录自动蒸馏成事实卡,经验随时随地可复用。

    持续建设中
  8. 研究

    唇语识别 · 百句默读预测

    从口型到句子,先仿真,再走向真人视频验证。

    可行性验证,云端运行
  9. 研究

    第二届全国智能算法对抗挑战赛(防御组)

    2025 年全国智能算法对抗挑战赛防御组:自建超 10 万条数据集、训练防御基模,平均防御分 95,总第 13 名 / 70 队。

    已结束,优胜奖
  10. 研究

    傅里叶函数用于大模型损失函数的探索

    半年实验,换过几次损失函数形式,最后没能把因果说清楚。

    无结论,已搁置
  11. 工程

    毕业设计:信用案例知识图谱可视化系统

    本科阶段独立做完的一整套系统:从图数据库到前端可视化。

    毕设,已完成答辩

五个阶段

按学业分段:本科、毕业到入学之间、研一、研二上、研二下。每段写清方向怎么变。

翻阅时间线
  1. 2019 至 2023

    本科:从网络工程到知识图谱

    湘潭大学网络工程本科。大二进了智慧司法实验室,从 word2vec 一路跟到 transformer,这是第一次接触深度学习;毕设独立做完一套信用案例知识图谱可视化系统;期间受钱包主人委托,帮他找回丢失两个助记词的以太坊钱包。

    1 件主线 · 2 份档案
  2. 2023 至 2024

    毕业与入学之间

    本科毕业到研究生入学之间的一年。档案里留下的是第二届全国智能算法对抗挑战赛的起点与准备——第一次正面碰越狱与防御;另外复现了几个图对抗攻击的基线。

    1 件主线 · 1 份档案
  3. 2024 至 2025

    研一:课程与上手期

    入学上海科技大学,与北京计算技术研究所联合培养。CS280 深度学习、图像处理、程序分析三门课的作业占了大半;课外开始把大模型放进具体任务——微调聊天分身、本地跑语音与小模型。傅里叶函数能否用作大模型损失函数,做了半年实验,没有结论就停了。

    2 件主线 · 8 份档案
  4. 2025 至 2026

    研二上:开题与投稿

    研究方向定在 AI 安全。越狱防御的工作在这个学期成文投出去,同时把服务器与站点的底子搭起来。这一段的主线只有一件,但它是后面所有事情的起点。

    1 件主线 · 4 份档案
  5. 2026 至今

    研二下:研究与工程并行

    研究线:越狱防御论文的返修、Agent 安全选题与 SecureMemGuard、横向的腐蚀建模、唇语识别。工程线:API 网关 BigBigAPI 上线、渠道验收测试机、Claude Code 工作台 CoCo,以及这座档案站。两条线同时跑,是目前的状态。

    6 件主线 · 0 份档案

怎么读这座档案馆

  1. 先看主线工作,每件都有起止、状态与可追问的点。
  2. 再沿时间线看五个阶段与三条线怎么交替。
  3. 想核验就展开档案里的评测与来源。

主线工作按证据写:解决什么、做了什么、结果如何、没做到什么。课程作业与几天的尝试也留档,但不混进主线。

现在在做什么