Fall26-印第安纳大学Bloomington招生系统安全方向全奖博士
5251
导师信息：Chenghong Wang (lovingmage.com)
研究方向：课题组长期聚焦于可信数据基础架构（Trustworthy Data Infrastructure）与机密计算（Confidential Computing） 的系统与体系结构研究。我们的核心观点是，AI 的持续进步不仅依赖算力，更依赖数据力（Data-Centric AI）。大量高价值的私有数据与受控信息因隐私、合规与安全限制，无法被安全地用于 AI 训练与推理。因此，我们致力于从系统与架构层面重构计算信任边界，让敏感数据在严格保护下被安全、高效地使用，最终支撑AI 能够安全地使用更多高质量数据。 我们的研究主题包括但不限于：
申请人要求：
申请方式：
请将以下材料发送至 [[email protected]]：
补充内容 (2025-10-10 09:27 +08:00):
课题组概况：实验室拥有充足的经费支持（包括多项 NSF 及产业界资助），研究方向选择自由，实习机会灵活。导师积极推动学生与工业界及学术界的交流与合作。实验室设备完善，配备组内专用高性能服务器及前沿硬件平台，包括 Intel TDX、AMD SEV CPU、H100、H200 GPU、NVIDIA BlueField-3 DPU、Alveo 加速卡等。
研究方向：课题组长期聚焦于可信数据基础架构（Trustworthy Data Infrastructure）与机密计算（Confidential Computing） 的系统与体系结构研究。我们的核心观点是，AI 的持续进步不仅依赖算力，更依赖数据力（Data-Centric AI）。大量高价值的私有数据与受控信息因隐私、合规与安全限制，无法被安全地用于 AI 训练与推理。因此，我们致力于从系统与架构层面重构计算信任边界，让敏感数据在严格保护下被安全、高效地使用，最终支撑AI 能够安全地使用更多高质量数据。 我们的研究主题包括但不限于：
- 面向分解式数据中心（Disaggregated Data Center）与异构高性能计算（GPU/DPU/NPU 等）的机密计算系统研究，探索在异构资源池化与分解式架构下实现高性能、安全可扩展的机密计算机制。
- 基于形式化验证（Formal Verification）的大规模数据治理、合规（Compliance）与数据溯源（Provenance）框架，构建可验证的数据治理基础，确保复杂数据流在多方协作与合规环境中的可信运行。
- 结合密码学与隐私保护技术的 AI 可信数据管线（Trusted Data Pipeline）， 设计面向 AI 训练与推理的安全数据流与数据库系统，使 AI 能在严格保护下访问高质量数据。
申请人要求：
- 做人靠谱、有责任心、热爱研究。能够耐心钻研问题，关注系统设计与研究方法的本质，具备科研诚信与团队协作精神。对系统设计，安全方向有浓厚兴趣。
- 具备扎实的算法与系统基础。熟悉操作系统、计算机体系结构、分布式系统、数据库系统等任一相关领域；
- 具备 C/C++、Rust、或底层系统开发经验者优先（如 runtime、编译器、系统加速优化、形式化验证等）。
申请方式：
请将以下材料发送至 [[email protected]]：
- 个人简历（CV）
- 一段简短自我介绍（研究兴趣、过往项目或论文经历）
补充内容 (2025-10-10 09:27 +08:00):
课题组概况：实验室拥有充足的经费支持（包括多项 NSF 及产业界资助），研究方向选择自由，实习机会灵活。导师积极推动学生与工业界及学术界的交流与合作。实验室设备完善，配备组内专用高性能服务器及前沿硬件平台，包括 Intel TDX、AMD SEV CPU、H100、H200 GPU、NVIDIA BlueField-3 DPU、Alveo 加速卡等。
