Les recherches de Xi He portent sur la confidentialité et la sécurité des données massives, notamment le développement d'outils fiables et performants pour l'exploration des données et l'apprentissage machine, avec des garanties de sécurité et de confidentialité (S&P) vérifiables. Plutôt que de corriger les failles de S&P des systèmes, Xi privilégie une approche rigoureuse pour concevoir des exigences de S&P vérifiables et développer des outils pratiques répondant à ces exigences. Considérant la S&P comme un élément fondamental de la conception des systèmes et des algorithmes, elle a mis en évidence de nouvelles possibilités d'optimisation pour ces systèmes de bases de données et outils d'apprentissage machine prenant en compte la S&P. Elle a publié dans les plus grandes conférences sur les bases de données, la confidentialité et l'apprentissage machine, comme SIGMOD, VLDB, CCS, PoPets et AAAI. Elle a également publié un ouvrage intitulé « Confidentialité différentielle pour les bases de données » dans la revue Foundations and Trends in Databases et a présenté des tutoriels très appréciés sur la confidentialité lors des conférences VLDB 2016, SIGMOD 2017 et SIGMOD 2021.