我們的實驗室主要在做 Machine Learning model 的不同面向，包含 model 安全性、隱私性、公平性這些傳統 Machine Learning 比較少碰到的問題。由於現在在很多問題中 Machine Learning 已經可以達到很高的準確度，所以大家都想把 Machine Learning 用在各個不同的面向，其中也包括對安全性要求很高的領域，例如自駕車、醫療等等。
雖然在一般的情況下 Machine Learning 都可以處理的很好，但在極端的環境下，可能 Machine Learning 的 robustness 還是不夠，若有些惡意的使用者想要攻擊 model 的話，就無法保證其安全性。因此我們實驗室主要在研究如何提高 model 的 robustness，讓 model 面對惡意攻擊時，具有更好的抵抗能力，避免判斷錯誤造成嚴重的後果。
可能有些同學將來不一定會走研究這條路，那麼專題研究就是一個很好的機會，讓同學可以自己訂研究主題，並學習自己解決問題，因為將來到業界會有時間壓力，加上現實的環境也不能隨心所欲地去想要做什麼。
如果將來想要繼續做研究，或是還不確定的話，那麼專題研究可以讓你知道自己對這方面有沒有興趣，如果要讀研究所的話，專題研究也是一項很好的先備能力。
比較建議修過 Machine Learning 相關的課程，對這方面有一些基礎。此外由於我們的實驗室比較新，因此比較不會有人主動帶你，可能需要從頭開始，希望學生可以主動一點，多讀一點 paper，多去思考自己想要做甚麼。
每周固定時間 meeting，一開始比較多讀相關領域的 paper，一有想法馬上可以討論。例如在安全性的議題上就會有攻防，那我們可能看到一篇攻擊的 paper，就可以去想如何去防禦它的方法，透過這樣的討論來獲取研究主題。
可以訂出一個明確的題目，鎖定一個值得研究的方向，去嘗試一些想法，用不同的方式去驗證，不一定要成功。