互联网与传统产业的深度融合促进工业互联网的飞速发展，数字化、网络化、智能化等关键要素使工业互联网平台成为新的基础建设项目，标识体系、边缘计算、数字孪生等新技术不断涌现，同时工业互联网平台也带来终端安全、控制安全、业务安全等新的安全威胁。从工业互联网现状出发，梳理工业互联网平台的技术发展，分析总结安全技术挑战，并阐述工业互联网安全发展趋势。最后提出工业互联网“泛安全”保障框架。

针对无线传感器网络（WSN）中的节点定位精度不足的问题，提出一种基于优化粒子算法与膜计算（improved particle swarm optimization by membrane computing，IPSO-MC）的融合算法。采用Kent映射初始化种群和引入领域粒子提高粒子群全局优化能力，通过权重因子和非线性极值扰动提高粒子群的局部优化能力，利用Levy飞行机制优化个体位置，借助膜计算的进化规则最终获得粒子群算法的最优解。仿真实验表明，与鸡群算法、改进的粒子群算法和膜计算的定位算法相比，本文算法在参考节点比例指标对比中分别提高3.24%、5.12%和8.15%、在节点个数指标对比中分别提高2.26%、7.82%和9.81%以及在通信半径指标对比中分别提高2.15%、5.5%和7.5%，说明该算法在节点定位方面具有良好的效果。

随着工业互联网平台的应用发展，海量异构终端的安全隐患亟待解决。针对当前面临的工业互联网终端接入与数据传输的安全问题，提出一种基于身份公钥密码服务（IBE-XKMS）的终端安全通用服务框架——IBEXSec，支持工业互联网异构终端设备的安全接入、认证代理、跨域通信、隐私保护等安全功能。

人工鱼群算法作为一种新型的仿生群体智能优化算法已成功地应用于各种优化问题及实际工程领域。然而，在复杂优化问题方面，受目标函数存在相对较大数量的局部极值的影响，收敛速度慢、早熟等缺陷难以避免地存在。在基本人工鱼群算法中引入具有随机性、遍历性的混沌理论，构建了一种改进算法，以使得人工鱼群搜索能够规避可能存在的局部极值状况。在工业控制网络异常检测中进行仿真应用，验证了算法的有效性。与基本的人工鱼群算法相比，混沌改进人工鱼群算法可使得算法在局部极值附近长时间搜索的状况得到有效避免，在全局收敛方面算法有更佳表现，且搜索效率更为突出。

现今电力企业已经实现了信息化的经营生产，网络信息安全评估工作的重要性日益显著。采用二级模糊综合评判法对一种基于PDRR模型的电力企业网络信息安全系统进行安全等级评估，并采用Delphi法对评估过程中电力影响企业网络安全的各项因素的权重系数进行确定，通过对评估结果的客观分析，找出电力企业网络信息安全系统中存在的突出问题，做出相应的安全加固。验证结果表明，优化后的网络信息安全模型更为坚固，实用性和可操作性都显著提升，有效提高了电力企业的网络信息安全等级，可以作为其他电力企业网络信息安全建设的有利参照。

为了解决移动终端资源有限的问题，提升任务处理效率，提出了基于边-端协同的任务卸载与资源分配算法，以任务完成总效益最大化为目标，以业务QoS保证和资源受限为约束，形成了基于李雅普诺夫理论的最优任务卸载资源分配问题，由于该问题是NP难问题，因此提出了解将其耦为采用KKT条件求解的信道资源分配问题和关于任务分配的0-1整数规划问题。与传统算法相比，所提算法的复杂度是O(mn)，并提高了约20%的效益，降低了15%以上的时延。

无线传感器网络通常由分布在一定空间范围内的无线传感器节点构成。一般情况下，节点的能量存储、计算和通信能力都极为有限。直接传输各个节点的采样信号到融合中心将导致较多的能量消耗与较大的网络通信负载。若将每个传感器节点的采样信号值压缩为一比特测量值后再传输，则可以在很大程度上降低能量消耗和减轻通信负载。研究了在乘性噪声环境下，基于传感器网络一比特测量的参数估计问题。考虑节点和融合中心之间是存在干扰的非理想二值信道，提出了基于最大似然的参数估计算法，分析了参数估计的克拉美罗下界，并通过一系列仿真实验，验证了算法的有效性。

概述了非线性均衡算法在光传输系统中的必要性与重要性，阐述了经典的非线性均衡算法原理，指出了经典算法的缺点与局限性。结合近几年的研究现状，详细介绍了 4 种基于人工智能的非线性均衡算法，包括人工神经网络、支持向量机、无监督聚类和深度神经网络，并从性能、复杂度、实时性、应用灵活性等方面进行了对比，最后展望分析了基于人工智能的非线性均衡未来的发展趋势。

目前的无监督哈希学习算法在训练阶段需要加载全部的数据，会占据较大的内存空间，并且无法适用于流式数据。探索性地提出了一种无监督在线哈希学习算法——演化森林哈希。针对大规模数据检索场景，通过改进后的演化树学习数据的空间拓扑结构，并提出了路径编码策略将数据点遍历演化树时的路径映射为保相似性二进制编码。为了进一步提高编码查询性能，在演化树哈希的基础上进一步提出在线演化森林哈希，最后在两个被广泛使用的数据集上用实验证明了本文方法的可行性。

为解决精准识别短文本数据的问题，提出一种基于子语义空间的短文本策略挖掘方法。该方法首先采用语义空间技术，解决短文本在分析过程中存在的“词汇鸿沟”与“数据稀疏”问题；然后基于聚类算法将语义空间划分为多个子语义空间，在各子语义空间并行挖掘关联规则，提高了策略生成的效率与质量；最后利用二叉树进行策略归并，生成最简策略集。实验证明，与传统的分类模型相比，该方案生成的策略集在误报率为6.5%的情况下，准确率可达88%。在违规短信的发现处理中，使用该技术挖掘的策略集，覆盖能力强、准确率高，具有很强的实用性。

C-V2X 车联网技术作为 5G 重要的垂直应用之一，正在成为交通、汽车等产业创新发展的重要驱动力。分析了车联网演进发展过程，对车联网产业发展趋势、关键技术、运营模式进行了探析，指出了产业演进过程中面临的挑战，对产业融合发展方向提出了建议。

异构迁移学习突破了同构迁移学习要求源域和目标域特征空间必须相同的界限，实现对异构数据的分析挖掘和知识迁移，进一步促进数据复用，为机器学习领域开拓更大的应用范围。首先介绍了迁移学习的定义与分类，然后深入阐述异构迁移学习的研究现状，并对其应用场景进行分析，最后指出了异构迁移学习当前存在的问题及未来可能的研究方向。

运营商核心网技术日新月异，网络架构越来越复杂，技术趋势从CT化向IT化发展，传统的CT核心网运维急需向IT化转型。广泛运用于IT领域的SRE（site reliability engineer，网站可靠性工程师）模型为核心网运维人员提供了一种可行的转型思路。从CT运维的角度对SRE模型的可行性进行分析，重点对SRE提出的各项原则进行IT运维和CT运维实际场景的对比，同时论述了团队内部SRE转型的实操案例，提供一系列切实有效的转型方案。

纵观由大连接、大协作的信息互联网时代到强信任、强安全的价值互联网时代的演进过程，区块链以其公开透明、几乎不可篡改、去中心化等特点引发了多波次技术浪潮，成为新一代的信息技术发展趋势。从科技、民生和产业 3 个维度出发，讨论了基础架构及演进趋势，揭示了区块链是现有技术的重组和再创新的本质，并从技术角度重新划分其应用为币圈和链圈。通过对比区块链与5G技术，探索了区块链未来可能涉及的脱虚向实、交叉融合的创新应用场景。

IP RAN需要适配5G网络架构的变化，满足5G定义的eMBB、uRLLC、mMTC等多业务差异化承载需求。“大带宽、低时延、灵活连接”网络能力是面向5G承载的IP RAN的基本要求。首先分析了5G业务需求和网络架构特性，提出面向5G承载的IP RAN演进方案，然后对5G承载的IP RAN关键技术进行研究和试验验证，为5G大规模商用化部署提供支撑和建议。

分析了国网电力物联网总体架构、数据中台分层架构，研究了 SG-CIM 在数据中台中的定位与应用方式、模型对于数据分析应用的支撑。对于数据中台的物理模型设计，在采用基线版管控的前提下，建议采取创建平行拓展表和联合视图的方式，进行个性化模型拓展设计；对于数据中台模型数据的整合实施，建议结合数据库选型，采用批量数据装载方式，以提高数据整合实施效率；对于数据中台模型的升级与更新，建议选择创建中间表方式，以尽量减少对于数据分析应用的影响，实现对于基于数据中台的数据分析应用的良好支撑。

5G网络时代的到来对电信运营商的网络提出了更高要求，主要从5G端到端网络协同关键技术角度阐述无线接入网、承载网、核心网在网络切片方面的现状、整体协调架构及关键能力，介绍了端到端切片的实际案例场景，助力运营商网络成功转型，完成一网多用，降低网络建设成本，提升差异化服务能力。

针对目前评估VoLTE视频通话质量的方法的缺点，提出了一种基于机器学习和网络指标参数的VoLTE视频通话质量评估方法。首先，采集解码核心网的网络参数指标数据，并进行预处理；然后，选取用于VoLTE视频通话质量评估的关键特征，并通过对比选取合适的机器学习算法，构建VoLTE视频质量评估的评估模型，从而实现不依赖于测试环境和原始视频的VoLTE视频通话质量实时评估。通过对从XDR（用户话单）数据中提取的特征指标数据进行预处理研究，解决了特征指标的标准化问题，便于指标特征输入评估模型；通过特征工程选出评估VoLTE视频通话的关键特征，减少特征维数，从而降低了算法的复杂度；同时采用先进的机器学习技术保证和提升算法的评估准确性。