研究者、系統實作者，也是帶著安全視角工作的實踐者。
這一頁整理作品網站背後的專業脈絡，包括博士研究主軸、調查經驗帶來的視角，以及我如何看待面向真實世界的 AI 系統。
- 目前角色
- 博士生
- 機構
- National Yang Ming Chiao Tung University
- 主要觀點
- 值得信賴的 AI、安全與實際部署條件
目前工作領域
能在真實部署中派上用場的值得信賴 AI 系統
用於語音智能與證據導向分析的 ASR + LLM + RAG 工作流程
高風險場景 AI 系統中的安全、隱私與評估設計
分析師工作流程中的人工審查、可追溯性與決策支援
面向反詐、醫療與其他受規範領域的 AI 系統設計
經歷脈絡
目前
博士生，NYCU 人工智慧於醫學影像與訊號分析實驗室
研究值得信賴的 AI 系統、醫療資安、語音智能、有據可循的 LLM 工作流程，以及面向真實部署的安全評估。
過往
網路犯罪偵查
曾處理數位證據、網路詐欺分析、OSINT 與高風險調查情境中的營運推理。
跨領域
以調查經驗為底的系統思維
把證據意識、對抗性思維與營運紀律帶進 AI 系統設計與評估。
持續進行
研究與技術溝通
持續整理關於值得信賴的 AI、語音系統與部署風險的研究案例、技術寫作與演講內容。
專業背景
我目前是國立陽明交通大學（NYCU）人工智慧於醫學影像與訊號分析實驗室的博士生，研究聚焦於 AI 系統、值得信賴的 AI、語音與語言流程，以及安全導向的評估設計。
在進入博士研究之前，我曾從事網路犯罪偵查。這段經驗至今仍深刻影響我如何理解證據、對抗性行為、失效分析，以及單一模型表現不錯和整體系統真正可信之間的差距。
目前我關注 ASR + LLM + RAG 工作流程、語音智能、可實際部署的 AI 系統，以及受規範或安全敏感場域需要的治理設計。近期公開活動包含 CYBERSEC 2026 官方分論壇演講，以及兩篇 CISC 2025 英文論文，分別探討 AI 時代勒索軟體的演化與 Threat Pulse Modeling 在 ZTAID 零信任成熟度評估中的應用。
近期演講與論文
CYBERSEC 2026
AI 軟體醫材的資安實戰：從美國 FDA 524B 規範到 Threat Modeling 與 Patch SLA 的完整落地
CISC 2025
Evolution and Defense Challenges of Ransomware-as-a-Service in the AI Era: A Technical and Strategic Analysis Using Medusa and CrazyHunter as a Case Study
英文會議論文，分析 AI 時代的 RaaS 如何透過 BYOVD、LOTL、隱蔽式 C2 與自適應戰術演化，並將其對應到以 ZTAID 為基礎的零信任防禦策略。
CISC 2025
Integration of Threat Pulse Modeling into the ZTAID Zero Trust Maturity Assessment Model: An Analytical Framework
英文會議論文，提出 Threat Pulse Modeling（TPM）作為把即時威脅情報轉換為 ZTAID 成熟度訊號的方法，以支援持續性的零信任評估。
代表實績
- 具備研究、系統實作與安全導向思考交會的跨域背景。
- 目前工作連結 ASR、LLM/RAG 流程、評估設計與部署限制。
- 歡迎研究團隊、技術團隊，以及面對高風險 AI 使用情境的單位與我交流合作。
方法 / 技術工具
AI / Agent Systems
Speech / Language
Security / Operations
Research / Evaluation
歡迎交流的主題
歡迎就研究合作、值得信賴的 AI、語音與語言系統，以及安全敏感或受規範場景中的 AI 部署與我交流。