身处大数据时代，人们深刻感受到各类数据的体量正以惊人的增长速度达到了前所未有的高度。5G技术的迅猛发展促使边缘计算、物联网、联邦学习等应用需求及应用场景越来越多。在传输网络带宽、存储能力和资源容量有限的情况下，数据压缩、重建及安全存储传输显得尤为重要。近年来，深度学习技术在人工智能、图像处理、VR、生物、教育等各个领域都取得了突破性进展，例如在世界范围内影响颇大的Alpha Go、AlphaFold蛋白结构预测等。现有的研究表明，基于深度学习的数据压缩要优于传统压缩技术和传统神经网络压缩技术，且可以较低的计算复杂度获得质量更高的图像或视频复原效果。基于此，课题组致力于信号深度压缩重建和人工智能信息安全研究，以密码学、信息隐藏、压缩感知等理论为框架，利用深度学习技术开展以下研究内容：（1）不同于传统压缩重建方法，设计高效可靠的信号深度压缩与重建方案，重点解决信号压缩重建效率和质量以及普适性问题；（2）不同于现有的图像加密策略，充分考虑资源受限的情形，研究后量子时代物联网环境下低计算精度高安全快速的深度图像加密以及攻击分析方法，并推动科技成果转化；（3）研究如何设计更优化更稳定更普适深度隐写（分析）网络模型，从而提升隐写的隐蔽性和容量（降低误检率Err，提升准确率Acc）；（4）利用深度学习技术和软件工程思想，结合真实的网络攻击数据，构建人工智能范式下的信息安全系统，为日益严峻的网络信息安全形势提供行之有效的智慧解决方案。

课题组目前有博硕导师3名，博士生、研究生共15名。在IEEE汇刊、Signal Processing等国内外期刊上发表学术论文100余篇，论文他引3000余篇次。承担国家级项目3项、省部级项目6项。授权国家发明专利8件。武相军教授连续2年获评“爱思唯尔中国高被引学者”。获河南省科技进步二等奖1项。课题组长期与复旦大学、上海交通大学、重庆大学、湘潭大学、洪堡大学等国内外知名高校的有关课题组保持交流合作。