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10余篇，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, 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)

[2] 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)

[3] 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)

[4] 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)

[5] 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)