Wei Yang
更新-260416 | 发布-260416
基本信息
- 高校：德克萨斯大学达拉斯分校（The University of Texas at Dallas）（美国）
- 院系：Erik Jonsson School of Engineering and Computer Science Computer Science
- 职称：副教授
- 性别：男
- 研究领域：软件工程Software Engineering/意图计算Intention Computing/高级计算Advanced Computing
- 博士毕业院校：伊利诺伊大学厄巴纳-香槟分校
- 本科毕业院校：上海交通大学
个人研究情况
Wei Yang 现任美国德克萨斯大学达拉斯分校（UT Dallas）计算机科学系副教授。他在个人主页中明确写到，自己目前在 UT Dallas 计算机系从事软件工程与安全方向的教学和研究，并且正在招收对其当前研究主题感兴趣的学生。
从学术路径看，他属于一类很典型的软件工程 / 软件安全交叉型学者。主页显示，他于 2018 年获得伊利诺伊大学香槟分校（UIUC）计算机科学博士学位，导师是 Carl A. Gunter 和 Tao Xie；此前于 2013 年获得 North Carolina State University 计算机科学硕士学位，导师同样是 Tao Xie；本科则于 2011 年毕业于上海交通大学软件工程专业，导师是 Jianjun Zhao。此外，他还曾作为访问研究人员前往 UC Berkeley，与 Dawn Song 合作。主页同时列出，他获得过 NSF CAREER Award、ACM SIGSOFT Distinguished Paper Award、Amazon Research Award 等荣誉，并担任 ACM TOSEM 和 Wiley STVR 的编委。
从研究定位看，Wei Yang 的核心方向是 software engineering and security，但其具体研究并不局限于传统软件工程，而是很明显地向 AI 系统安全、移动测试、恶意软件检测、边缘设备上的 AI 部署 等方向扩展。主页把他的研究归纳得很清楚，主要包括几条主线。第一条是 Efficiency Robustness，也就是研究动态深度学习系统在不同输入下计算代价变化所带来的鲁棒性与安全问题，覆盖 mobile devices、IoT devices、autonomous vehicles 等边缘场景。第二条是 Infrastructure Support for AI Deployment，重点在于为动态形状神经网络提供编译工具链和部署支持，并进一步关注这些部署在 IoT 设备上的安全性。第三条是 Mobile Testing，他所在团队很早就开始做自动化移动测试工具，并持续围绕文本输入生成、探索瓶颈规避等问题推进研究。
除此之外，他还有一条很有代表性的研究线是 Malware Detection。主页介绍说，他提出了用“用户期望”与“程序行为”之间差异来检测恶意软件的思路，并围绕 app 描述、上下文事件、广告信息、界面消息等信息构建用户期望，再结合程序分析、中心性分析、对比学习等方法识别潜在恶意应用。与此同时，他也持续研究 SE/Security for Deep Learning，例如 property inference attack、对抗式恶意软件生成、深度学习模型测试，以及利用更智能的方法提升模型鲁棒性和准确性。再往外延伸，他还做了不少 intelligent software testing/security 方向的工作，包括自然语言到程序语言转换、fuzzing 输入语法生成、数据库性能诊断、网站变化映射、游戏 bug 检测和漏洞检测等。
从论文和学生培养风格看，Wei Yang 的组相当活跃。主页列出了多名博士生，并展示了他们在 ICSE、FSE、ASE、ISSTA、USENIX Security、CVPR、ACL、NAACL、ASPLOS 等会议上的成果，说明他的研究具有明显的跨软件工程、安全与 AI 应用的特点。近期代表性论文还包括发表于 USENIX Security 2025 的 Efficiency Robustness of Dynamic Deep Learning Systems、发表于 CCS 2025 的编译器 fuzzing 工作，以及发表于 ISSTA 2025 的 GPU 数值 bug 检测研究。
学术影响力
- 谷歌学术引用：5118
- H指数：58
整体评价
B