CV

Education

浙江大学 控制科学与工程学院 · 竺可桢学院工程教育高级班 2023.9 – 至今
- 自动化（控制）专业 · GPA: 3.91/4.0 · 大三
- 导师：赵永望教授（CCF 杰出会员，工信部重大专项首席科学家）
- 联合导师：袁胜浩老师（浙江大学区块链与数据安全全国重点实验室）

使用 Rocq 实现 Linux eBPF 虚拟机指令集形式化语义构建 2025.05 – 至今
- 在 Rocq (Coq) 中实现 Linux 内核 eBPF 虚拟机指令集的形式化语义
- 通过官方测试及自动化验证工具验证与原实现语义一致性
- CCF-A 类编程语言领域顶会论文在投
Linux 内核安全关键模块组件研究 2025.01 – 至今
- 发现 Linux 内核中的潜在缺陷和漏洞，设计并实现修复方案
- 向上游提交 4 个 patch，相关修复已合入最新版 Linux 内核主线
- 为 Linux 社区提供开源贡献
基于 Rust 的论文复现与性能优化 2025.02 – 2025.05
- 研究并复现 CCF-A 类程序分析领域顶级会议 ISSTA’25 与 TOPLAS’15
- 将数值抽象域的 C++ 实现迁移至 Rust，通过 SIMD 并行化与零成本抽象等进行性能优化
- 开源三个 Rust 库：Tnum、Wrapped Interval、Reduced Product，用于 eBPF 静态分析
- 经基准测试对比，Rust 实现较原 C++ 版本提速约 40%
- 发现原代码中存在的区间分析 bug，已与原作者沟通确认

======

bpf: Add bitwise tracking for BPF_END upstream kernel
- 为 BPF_END（字节序转换）指令实现了 bitwise tracking（tnum 分析），增强 BPF verifier 在处理网络协议代码时的验证能力
- 合入 Linux 内核主线 Linux 6.14
bpf: Add range tracking for BPF_DIV and BPF_MOD upstream kernel
- 为 BPF_DIV 和 BPF_MOD 指令实现了区间分析，减少 BPF verifier 对安全代码的误判
- 合入 Linux 内核主线 Linux 6.14
bpf: Reject negative offsets for ALU ops upstream kernel
- 修复了 BPF verifier 中 ALU 指令偏移量检查的缺陷，拒绝负数偏移以防止越界访问
bpf: Reset register ID for BPF_END value tracking upstream kernel
- 修复了 BPF_END 操作后寄存器 scalar ID 未正确重置导致 verifier 边界推导错误的问题
bpf: Fix out-of-bounds read in bpf_patch_call_args() upstream kernel
- 修复了 bpf_patch_call_args() 函数中的越界读取问题，提升内核安全性

计算机视觉与深度神经网络研究 2025.04 – 2025.08
- Image Classification：从零实现 kNN、SVM、Softmax 分类器及全连接网络，CIFAR-10 达 92% 准确率
- CNN：实现 BatchNorm、Dropout、卷积模块及 ResNet-18，在 CIFAR-10 上达到 92% 准确率
- Advanced Vision：实现 Transformer 图像描述生成、DDPM 扩散模型、CLIP 对比图文匹配及 DINO 自监督学习
深度学习模型压缩与高效部署研究 2025.08 – 2026.01
- Pruning：实现 CNN 权重迭代剪枝，削减 80% 参数量的同时 Top-1 准确率下降不超过 2%
- Quantization：将 ResNet 模型从 FP32 量化至 INT8，设计混合精度量化策略，推理速度提升约 3.1 倍
- NAS：基于 DARTS 算法实现神经网络架构自动搜索，在 CIFAR-10 上搜索得到参数量仅 0.5M 的轻量化网络
- LLM Compression & Deployment：对 LLaMA-2-7B 进行 4-bit GPTQ 量化，笔记本本地部署速度达 15 tokens/s
嵌入式开发与深度学习：魔杖动作识别与机械狗动作指令控制系统 2025.04 – 2025.12
- 基于 MPU6050 构建六轴 IMU 传感器数据采集系统，完成时序数据清洗、分割与滑窗特征提取
- 设计 1-D CNN 特征提取和分类模型，在自采多类别动作数据集上达 97.3% 识别准确率
- 优化模型参数量并部署至上位 PC 机完成动作识别，驱动电机完成机器狗指定动作指令

======

======