·多媒体编码与加密；

·图像、视频的伪造与检测；

·基于VR技术的防伪与鉴伪；

·元宇宙技术及基于元宇宙技术新型防伪理论与方法；

·恶意软件检测；

·对抗样本攻防；

·网站指纹攻防。

多媒体处理与信息安全实验室长期从事以视觉感知与计算为核心的计算机视觉、立体视觉、计算摄像学、多媒体技术、恶意软件检测、对抗样本攻防、网站指纹攻防等的前沿理论、关键技术、和应用开发研究，承担和参与了包括国家重点研发计划、国家自然科学基金、湖北省重点研发计划、企业重点科技攻关等项目30余项，在图像与视频处理、多视点视频感知与计算、交互式多媒体、智慧城市与公共安全等研究与应用领域，取得了一批有影响力的研究成果。同时，实验室重视产学研用联合，以“四个面向”为指导，紧密围绕国家与行业重大需求，开发了包括电力安全检测装备、公共安全感知与识别装备、多光谱融合检测与应急救援装备等一系列应用系统与高新技术产品。

提出了一种轻量级的Android恶意软件检测系统，能够部署在移动设备上，快速完成训练和测试。同时，支持增量训练，当移动设备上收集一定数量的样本后，无需重新训练分类器，只需增量训练新数据。

提出了一种语义增强的Android行为特征，利用函数之间的调用关系，挖掘了每个函数的角色属性，为函数调用图中每个函数节点赋予语义特征，有效地提升了恶意软件的识别能力。

针对安卓恶意软件检测模型，提出了一种实用高效的黑盒对抗样本攻击方法。该方法利用对抗生成模型和协同演化算法，在非完全特征信息条件下生成对抗样本，可逃脱现有SOTA安卓恶意软件检测系统的检测，为后续安卓恶意软件检测模型设计敲响了警钟。该攻击方法可拓展到Windows、Linux等其他操作系统，为相应恶意软件检测方法的设计提供新的思路。该方法发表在安全四大顶会USENIX上。

针对大规模监视和其他隐私攻击的不断增加，研究Tor网络的网站指纹（Website fingerprinting，WF）攻击和防御技术，利用深度学习和机器学习等技术提取网络流量特征进行分析，用于保护Tor用户个人隐私。