智能反射面（Intelligent Reflecting Surface,IRS）是由大量低成本的无源反射单元组成的二维电磁超表面,它可以“改变无线通信环境”,从而提高无线通信网络的性能,被认为是第六代移动通信（The 6th Generation,6G）的关键候选技术之一。物理层安全（Physical Layer Security,PLS）技术是一种利用无线信道的时变性、随机性、互易性等特点,独立于上层密钥技术的新型信息保密手段。因此,IRS的特性可以为物理层安全技术创造条件,两者具有天然的结合优势。本文针对窃听者瞬时信道状态信息（Channel State Information,CSI）未知时IRS在物理层安全中的应用进行了研究,并且为了提升系统的保密性能,以窃听信道的统计信息为基础,对发送端有源波束赋形以及IRS无源波束赋形进行了联合设计。首先,由于窃听者的瞬时CSI未知,把窃听信道看成一个随机变量,并借助Gamma分布推导出了系统保密中断概率的闭合表达式,将其当作衡量系统保密性的指标。针对IRS辅助单用户多输入单输出多天线窃听者（Multiple-Input Single-Output Multiple-Antenna-Eavesdropper,MISOME）场景以及单输入多输出多天线窃听者（Single-Input Multiple-Output Multiple-Antenna-Eavesdropper,SIMOME）场景分别建立了系统模型,并以降低保密中断概率为目标,分别提出了对应的算法对安全波束赋形问题进行求解。仿真结果显示了合理配置IRS的相位后,相较于系统中没有IRS辅助的方案带来了巨大的保密性能提升,同时也验证了几种和保密中断概率相关的重要因素对系统保密性的影响。进一步,针对IRS辅助单用户多输入多输出多天线窃听者（Multiple-Input Multiple-Output Multiple-Antenna-Eavesdropper,MIMOME）场景建立了系统模型,并且以窃听信道的统计信息为基础推导出了系统保密中断概率的闭合表达式,接着以降低保密中断概率为目标,提出了一种交替优化算法对复杂的联合波束赋形问题进行求解,并且对算法的时间复杂度进行了分析。之后为了降低复杂度,提出了一种基于深度学习的联合波束赋形设计方法,最终仿真结果表明,该方法相比于传统的交替优化方法,虽然会有较小的保密性能损失,但是大大降低了计算复杂度。