课题组长期从事智能软件与嵌入式软件的可靠性保障研究，致力于为航空航天、自动驾驶、水下机器人等安全攸关领域的软件提供系统化的质量与安全保障方法。已主持及参与国家自然科学基金项目5项（含重点项目1项）、国家重点研发计划2项、XX预研项目1项及XX研究所开放基金3项，并与国内相关研究所及软件测评企业保持长期合作；发表论文40余篇，授权发明专利6项，登记软件著作权20余项，多项研究成果已形成工具原型并在合作单位落地应用。

课题组围绕一条主线展开：软件正变得越来越"智能"，也正在进入越来越关键的系统——它凭什么被信任？ 由此形成“发现缺陷—充分测试—严格证明”的完整技术链条。

① 对抗机器学习 研究如何主动构造扰动样本，让深度学习模型出错，从而提前暴露智能软件的脆弱边界。目标是回答“模型在什么情况下会失效、失效得有多容易”，为智能软件的风险评估提供依据。

② 智能软件测试 研究面向深度学习模型与智能系统的测试理论与方法，用尽可能少的测试代价发现尽可能多的模型缺陷。

③ 智能软件形式化验证 测试只能证明缺陷存在，验证才能证明缺陷不存在。该方向研究如何用数学方法严格证明神经网络在给定输入范围内的行为始终满足安全性质，这是智能算法进入航天器、自动驾驶等高安全系统必经门槛。

④ 嵌入式软件测试 研究面向嵌入式与安全关键软件的自动化漏洞挖掘技术，通过智能化的输入生成与变异策略，把有限的测试资源精准投向最可能触发缺陷的地方，实现高效的深层路径探索与漏洞发现。

⑤ 嵌入式软件形式化验证 针对嵌入式软件强实时、多中断带来的时序约束与行为不确定性，研究相应的形式化建模与自动验证方法，在软件运行之前就给出其时序正确性与可靠性的量化保证。