陈健，男，副教授，硕士生导师，2025年3月加入计算机学院信息安全系，2023年博士毕业于华中科技大学信息与通信工程专业，2024年2月至2025年2月在香港理工大学数据科学与人工智能学系/电子计算学系担任博士后研究员。IEEE/ACM/CCF/CAAI会员，CCF计算机安全、分布式计算与系统专委会成员，近年来一直从事人工智能安全方面的研究工作。主持国家自然科学基金青年科学基金项目（C类），曾作为主要成员参与多个重要科研项目，包括国家自然科学基金面上项目、深港联合资助项目（A类）等基金项目等，所取得的成果在国内外重要期刊和会议上发表学术论文多篇，获得国家授权发明专利2项，担任IEEE TIFS，IEEE TDSC, IEEE TNNLS等多个国际知名期刊和ICASSP、ICDCS等多个国际会议的审稿人。

研究方向：智能体/大模型安全与隐私 

欢迎各位对我研究方向感兴趣的同学报考研究生。同时，实验室也欢迎对我研究方向感兴趣的本科生进实验室学习。如有意向，请将个人信息发送至我的邮箱:jianchen@cug.edu.cn。 每年招收硕士研究生2-3名，欢迎有计算机和信息安全专业背景的同学报考，尤其欢迎对人工智能安全感兴趣，或者有一定编程基础的同学。 

在满足毕业要求的前提下，支持并鼓励学生根据自身发展规划参加企业实习；对于有志于继续深造（国内或出国攻读博士学位）的同学，可协助推荐优秀合作导师，包括华中科技大学、武汉大学、浙江大学等高校。

如果你满足以下其中一条或几条，将是加分项： 

1：有计算机相关专业基础或者一定的编程基础 

2：对读博深造有明确规划（出国，国内升学）

3：兴趣是最好的老师，对科研保持长期兴趣，具备主动学习与探索精神

关于实验室： 

学术：实验室学术氛围浓厚，老师们对于学术方面保持着认真负责的态度，同时实验室内有定期的学术分享和交流。 

气氛：实验室氛围轻松和谐，在这里你可以得到师兄师姐在学习和生活方方面面的帮助。 

地理条件：实验室位于计算机学院一楼，不需要坐电梯和爬楼梯，同时靠近开水房，便利柜和卫生间，交通便利。

主持/参与项目：

[1] 国家自然科学基金青年科学基金项目（C类），纵向联邦学习中的隐蔽靶向攻击与增量式动态防御技术研究，

2026.01-2028.12，30w， 主持

[2] 横向项目，生态环境突发事件政府回应智能体，2025.09-2025.12，23.5w，参与

[3] 深港联合资助项目（A类），基于隐私保护计算的联邦大模型系统研发，150w，在研，参与

[4] 国家自然科学基金面上项目，面向边缘智能的联邦学习数据隐私保护关键技术研究， 2023.01-2026.12，54w，在研，参与

代表性论文：

[1] Jian Chen, Zehui Lin, Yufei Kang, Chen Wang, Wanyu Lin. Stealthy Targeted Poisoning Attacks in Vertical Split Learning via Embedding Model Manipulation. IEEE Transactions on Dependable and Secure Computing (TDSC).  DOI: 10.1109/TDSC.2026.3670826. (CCF-A, 中科院1区，CUG-T1)

[2] Jian Chen, Zehui Lin, Wanyu Lin, Wenlong Shi, Xiaoyan Yin, and Di Wang. FedMUA: Exploring the Vulnerabilities of Federated Learning to Malicious Unlearning Attacks. IEEE Transactions on Information Forensics and Security (TIFS), 2025, 20: 1665-1678 (CCF-A, 中科院1区，CUG-T1)

[3] Jian Chen, Wenlong Shi, Wanyu Lin, Chen Wang, Wei Liu, Hailong Sun, and Gaoyang Liu.Unlearning Attacks for Regression Learning. IEEE Transactions on Neural Networks and Learning Systems (TNNLS). 2025, DOI: 10.1109/TNNLS.2025.3553821 (CCF-B, 中科院1区，CUG-T1)

[4] Jian Chen, Yuan Gao, Gaoyang Liu, Ahmed M. Abdelmoniem, Chen Wang. Manipulating Pre-Trained Encoder for Targeted Poisoning Attacks in Contrastive Learning. IEEE Transactions on Information Forensics and Security (TIFS), 2024, 19: 2412-2424 (CCF-A, 中科院1区，CUG-T1)

[5] Jian Chen, Yuan Gao, Jinyong Shan, Kai Peng, Chen Wang, and Hongbo Jiang. Manipulating Supply Chain Demand Forecasting With Targeted Poisoning Attacks. IEEE Transactions on Industrial Informatics (TII), 2023, 19(2): 1803-1813 (中科院1区，CUG-T1)

[6] Jian Chen, Xuxin Zhang, Rui Zhang, Chen Wang, and Ling Liu. De-Pois: An Attack-Agnostic Defense against Data Poisoning Attacks. IEEE Transactions on Information Forensics and Security (TIFS), 2021, 16: 3412-3425 (CCF-A, 中科院1区，CUG-T1)