本研究探討工作量證明區塊鏈中的自私挖礦行為與安全影響，並以隨機過程與馬可夫鏈分析不同網路條件下的獲利機制。研究進一步涵蓋多自私礦工、分片架構與輕量化區塊鏈情境，指出傳統安全門檻可能低估實際風險，並為協定設計與防禦機制提供理論依據。

近年來，DAG 型分散式帳本系統被視為提升區塊鏈可擴展性的重要方向，但現有研究多聚焦於特定協議或模擬比較，對其隨機成長下的結構性屬性仍缺乏系統化分析。基於此，本研究將 DAG 視為隨機動態系統，探討交易高度、成長速率、節點密度等關鍵指標的演化行為，並建立可延伸的理論分析框架。

本研究聚焦於分散式共識機制（Distributed Consensus），探討如何透過提案品質評估與聲譽式節點選擇，提升 PBFT 類協議的決策品質與運作效率，並分析及改善低品質提案、collision 與 livelock 等安全性與活性問題。

本研究聚焦於區塊鏈的可擴展性，探討如何透過 Sharding 的平行處理與 Sidechain 的彈性分流機制提升系統容量，並兼顧跨鏈協作、動態參與及拜占庭安全性。

Age of Information（AoI）已成為評估即時狀態更新系統資訊新鮮度的重要指標，特別適用於感測網路、IoT 與即時監控場景。於多節點隨機接入環境中，Slotted ALOHA 的碰撞、重傳與成功率會直接影響更新封包到達過程，進而改變 AoI 表現。因此，分析 Slotted ALOHA 下不同存取機率、節點數與封包策略對 AoI 的影響，已成為即時性導向系統設計的重要研究議題。

除了區塊鏈、無線網路與光纖網路之外，本研究室亦關注其他網路架構的行為分析與演算法設計。我們的研究主題涵蓋 VANET 中路側單位的佈建、ADSL 網路上 P2P 檔案分享效能提升，以及社群網路中的分群問題。透過這些研究，我們持續探討不同網路環境下的效能優化與系統設計方法。

光纖網路具有高速與高頻寬特性，而光徑則是其中的重要傳輸媒介。全光式網路可在不經光電轉換的情況下完成資料傳輸，但要求同一條光徑上必須使用相同波長。若無法在起點與終點間找到具相同可用波長的路徑，連線便無法建立，因此路徑選擇與波長配置成為重要研究議題。

本研究室具備系統與 App 開發能力，可與不同領域研究者合作建置研究所需之平台與工具。除系統開發外，亦能針對系統蒐集之資料進行分析，從中萃取具價值的研究資訊與知識。若有合作需求，歡迎與我們聯絡。

本研究以人類實際解題經驗為核心，系統性探討數獨難度評估問題。我們設計並實作 Cloud Sudoku 行動應用程式，大規模蒐集玩家解題紀錄，並建立公開資料集與人類感知難度指標。研究成果建立了從資料蒐集、指標設計到驗證分析的完整框架，為數獨難度評分演算法提供了標準化且貼近真實世界的基礎。

本研究聚焦於籃球裁判系統的績效分析與智慧化管理，結合資料分析與實務系統設計提出完整方法。首先，透過機器學習分析台灣超級籃球聯賽裁判資料，發現團隊合作能力較個人能力更能影響整體執法績效。進一步發展 RefBot 聊天機器人系統，支援裁判管理流程自動化，提升聯賽指派與管理效率。