为应对层出不穷的新型网络威胁，提出了一种基于对比增量学习的细粒度恶意流量识别方法。所提方法基于变分自编码器和极值理论，在对已知类、小样本类和未知类流量实现高性能检测的同时，还可以在不采用大量原任务样本的条件下快速实现对新增恶意类的识别，以满足增量学习场景下对存储成本和训练时间的要求。具体来说，模型将对比学习融入变分自编码器的编码阶段，并采用A-Softmax实现对已知类和小样本类的识别；将变分自编码器重构与极值理论结合，采用重构误差实现对未知类的识别；利用变分自编码器存储原有类知识，采用样本重构和知识蒸馏方法，在不采用大量原有类样本的条件下实现对所有类样本的识别。实验结果表明，所提方法不仅实现了对已知类、小样本类和未知类流量高性能检测，并且所设计的样本重构和知识蒸馏模块均可有效降低增量学习场景下对原有类知识的遗忘速度。
为了解决数字孪生边缘网络数据共享面临的隐私和安全问题，提出一种基于区块链分片的数字孪生边缘网络数据安全共享机制。考虑动态时变的数字孪生边缘网络和边缘网络孪生模型与物理网络映射误差，建立联合多播簇头选择、本地基站（BS）共识接入选择、频谱和计算共识资源分配的自适应资源优化模型，实现最大化区块链分片交易吞吐量的目标。在数字孪生边缘网络环境下，提出双层近端策略优化（PPO）算法，求解自适应资源优化问题。仿真结果表明，所提算法可以有效改善区块链分片交易吞吐量。同时，在适应映射误差方面优于传统深度强化学习算法。
为解决宽带数字阵列雷达通道固定时延误差导致的数字波束成形性能下降问题，提出一种基于最大似然估计和抛物线插值的通道固定时延误差估计方法。该方法首先通过基带发射信号和包含未知时延参量的基带接收信号的相关积分后信号的峰值点估计通道固定时延整数部分；然后利用峰值点及其相邻两点进行抛物线插值完成通道固定时延小数部分估计；最后计算多通道固定时延误差，并完成各通道固定时延误差的补偿。仿真结果表明，该方法能够在赛灵思的xcku115平台下，实现宽带数字阵列雷达的多通道固定时延误差估计，并且在输入信号信噪比为10～30 dB的情况下，估计精度能够达到0.001～0.014倍采样间隔，可以满足工程的实际应用要求，提高宽带数字阵列雷达中数字波束成形的性能。
为确保拟态路由器中协议代理等“拟态括号”关键组件的安全性和功能正确性，设计实现了边界网关协议（BGP）代理，并采用形式化方法对BGP代理的安全性和功能正确性进行了验证。BGP代理通过监听邻居路由器与主执行体之间的BGP会话报文，模拟邻居路由器与从执行体展开BGP会话，实现各执行体的BGP状态一致。采用VeriFast定理证明器，编写基于分离逻辑的形式化规约，证明程序不会出现空指针引用等内存安全问题，并验证了BGP代理各功能模块实现的高级属性符合功能规约。BGP代理实现与验证代码量之比约为1.8:1，程序设计实现和程序验证所耗费的时间之比约为1:3。经过形式化验证的BGP代理处理100 000条BGP路由所花费的时间为0.16 s，约为未经过验证的BGP代理的7倍。研究工作为应用形式化方法证明拟态防御设备与系统中关键组件的安全性和功能正确性提供了参考。
无人机的灵活移动性在移动边缘计算系统中引起了广泛的关注。然而，空中窃听者的存在使它的安全传输仍然面对巨大的挑战。为了解决高安全通信速率与低能耗之间的矛盾，引入安全通信能效这一概念，即无人机安全通信传输速率与无人机能耗之间的比值。首先，在满足给定任务时延、无人机的 CPU 计算频率以及任务卸载率的约束下，提出一种最大化安全通信能效的卸载策略，即联合优化合法无人机悬停位置、CPU计算频率分配以及区分计算任务复杂度的卸载策略；同时从物理层安全角度提升了无人机-移动边缘计算场景下的安全通信。其次，由于该策略是一个复杂的非凸问题，将其解耦为3个子问题，通过块坐标下降法与连续凸逼近（SCA）相结合的全局优化算法来求解该非凸问题。仿真结果表明，针对不同任务复杂度的系统，所提策略都能在满足地面终端卸载需求的同时，平衡整体的通信安全性能和能耗之间的关系，并提高安全通信能效。
为了解决量子信号受散射环境干扰，导致定位误差波动大且定位稳健性差的问题，提出了一种基于散射自由程随机重采样的光量子定位方法。基于蒙特卡罗思想建立散射模型，结合环境信息和符合计数结果构建散射自由程矩阵。对散射自由程序列进行重采样，计算不同光源各时间分组下相对距离误差，以此动态选择光源，并实现对目标物体的位置估计。实验结果表明，所提方法定位误差为厘米级，且定位误差在0.12 m内的置信概率达90.57%。
为提升对区块链网络层混合型攻击流量的综合泛化特征感知能力，增强异常流量检测性能，提出一种具有支持异常数据综合判决机制和强泛化能力的基于多分类器集成的区块链网络层异常流量检测方法。首先，为扩大所用基分类器的输入特征子集差异度，提出基于区分度和冗余信息量特征子集选择算法，特征筛选过程中激励高区分度子集项输出，同时抑制冗余信息生成。其次，在Bagging集成算法中引入随机方差缩减梯度算法动态调整各基模型投票权重，提升对混合型攻击流量的检测泛化能力。最后，为了将集成算法输出的低维数值向量向高维空间映射，提出基于数据场概念的局部离群因子算法，并基于数据点间势差放大各样本数据点空间密度分布差异性，提升异常数据点检测召回率。实验结果表明，相较于单一分类检测器集成方法，所提方法的异常检测准确率、召回率分别平均提升1.57%、2.71%。
针对6G毫米波无线通信感知一体化网络中的车辆状态估计问题，提出了车辆位置、速度和时变信道联合估计算法。为了应对多径反射干扰、随机信道衰落、非凸函数优化等技术难题，挖掘时变信道及反射传播特点，提取多径反射传播模型的隐含线性结构，并采用下行多载波通信信号回波，联合推算车辆位置、速度及信道状态，以抵消多径传播干扰和信道扰动，进而补偿多普勒效应对车辆定位的不利影响。由于在干扰抵消、扰动补偿、非凸函数优化等方面的特殊设计，所提算法的定位及测速性能优于以往技术。仿真分析发现，定位精度和测速精度都随着子载波和收发天线数量的增加而提升，但是随着目标距离的增大而下降。由于车辆定位只利用了回波信号的基带特征，车辆定位精度与中心载波频率无关，但是随着系统带宽的增加而增加，且当系统带宽在 150 MHz以上时，车辆定位性能增益非常小。相比之下，车辆测速精度随着中心载波频率的增大而提升，而受系统带宽的影响很小。另外，相比于车辆测速，车辆定位受传输距离和收发天线数量的影响更大。
研究区块链监管存在的问题是至关重要的。鉴于此，提出了一种分层跨链的监管架构（CHA），设计了“监管链-业务链”跨链协作的以链治链的监管模式。该架构以构建去中心化的监管链的方式改善了信息系统监管的集权特性；以策略层和监管层、业务层分离的方式，实现了监管行为和监管技术的分离，从而保证了区块链监管结构的通用性。最后，通过形式化分析方法论证了该架构的分布式可行性，进而证明了方案在跨链监管可靠性方面的技术可行性、适用于不同监管业务的通用可行性及可扩展性。
针对通信语音干扰效果客观评估问题，提出了基于多测度与多模态融合的2种评估方法。首先，利用端点检测算法以及动态时间弯折算法对受扰语音数据进行预处理。然后，提取数据中的语音内容并与标准语音进行测度计算得到5种测度，将5种测度融合后利用随机森林模型进行质量等级评估。最后，结合多模态融合技术，设计了基于残差结构的神经网络模型，融合受扰语音数据的图域、测度域特征并进行质量等级评估。实验结果表明，2种方法的评估准确率均达到了90%以上。其中，多模态评估方法与现有的研究方法相比，准确率提升了约3.269%，证明所提方法具有更优的性能。
为解决网络攻击与信息窃听环境下的多智能体系统分布式共识问题，提出一种能有效抵御网络拒绝服务（DoS）攻击和保护节点状态隐私的平均共识算法。首先，结合网络化控制系统中DoS攻击的特性，构建与时间相关的周期性DoS攻击模型。其次，利用邻居节点间的信息交互给出一种基于差分隐私的分布式网络节点信息处理机制，并将其引入平均共识算法。再次，结合事件触发机制，提出一种适用于DoS攻击下无向通信网络的分布式共识算法，并分别对其收敛性和隐私保护性能进行了严格的数学分析。最后，通过数值仿真实验和硬件实验验证了所提算法的有效性。
为改善高误码率下LDPC码稀疏校验矩阵重建算法的性能，提出了接收码字个数充足和不充足条件下容错能力较强的校验矩阵开集识别算法。首先，通过多次随机抽取码字的部分比特构建新的码字空间，在较低维度下利用高斯消元法求解对偶向量并还原出校验向量；其次，利用该校验向量，采用“剔除错误码字”或“翻转最低不可靠位”的方法不断提高接收数据内无误码码组的比例进行迭代处理。仿真结果表明，所提算法在不同误码率、不同码长、不同码率、不同码字个数下均优于对比算法。对于IEEE 802.11n协议下的(648,324)LDPC码，当接收码字个数充足时，所提算法在误码率为0.003的条件下，其校验矩阵重建率能达到95%以上；当接收码字个数不足（码字个数为450）时，所提算法在误码率为0.001 5的条件下，其校验矩阵重建率能达到90%以上。
为丰富 Z-互补对（ZCP）的参数形式，研究了新的 II 型 ZCP 的构造方法。基于迭代法，实现了 II 型 ( 2 k+2 N,( 2 k+2 −1)N )−ZCP 的构造，当N=1时，可得Z-最优II型 ( 2 k+2 ,( 2 k+2 −1) )−ZCP。进一步，将迭代法与插值法相结合，构造了 II 型 ( 2 k+1 N+ 2 k+1 , 2 k+1 N+ 2 k+1 − N 2 )−ZCP；当 N=2 时，可得 Z-最优 II 型 ( 3× 2 k+1 ,3× 2 k+1 −1 )−ZCP。所提方法可以生成新的偶长ZCP，实现了对现有ZCP数量的扩展。
机会网络拓扑的高动态性导致其拓扑预测极具挑战。现有拓扑预测方法主要关注网络长期时空依赖，忽视了短期时空特征。综合考虑机会网络长短期时空依赖关系，提出一种基于动态时间规整算法与时空卷积的机会网络拓扑预测方法（DTW-STC）。基于动态时间规整算法确定切片时长，将机会网络切分为快照，用快照的链路状态矩阵表征其拓扑信息；采用时序卷积神经网络获取短期时序特征，结合网络变化构建时空图表征短期时空关系，利用图卷积运算提取网络的短期时空特征，经过多次卷积的堆叠，得到网络长短期时空特征；基于自编码器结构实现向量空间切换，预测下一时刻网络拓扑。3个真实机会网络数据集ITC、MIT以及Asturias-er上的实验结果表明，DTW-STC方法的预测性能优于基线方法。
针对高度冲突证据组合失效的问题，着重考虑证据之间相互关系与证据本身特性的结合，提出了一种基于聚类赋权的冲突证据组合方法。首先，构建相似系数对证据进行聚类分析，通过类容量确定类间权重反映类间差异。然后，引入信息熵获取各证据的类内权重，综合类间权重和类内权重得到证据的修正权重。最后，根据该权重修正冲突证据，使用证据理论组合规则完成对修正证据的最终合成。数例验证结果表明，所提方法能够合理地修正证据，并且组合结果相比其他方法具有更好的聚焦效果。
在分布式存储中，因果一致性由于易编程与性能权衡最佳而备受青睐。为解决现有因果一致性成果中矢量依赖跟踪损失吞吐量的问题，提出了基于偏向稳定的分布式审计因果一致性模型。在查询操作中使用组合矢量时间戳替代全矢量时间戳，减少系统管理与通信开销。同时，将分布式关联数组引入因果审计，分区协同审计细化数据依赖性，以减少虚假依赖条目数量。理论分析与仿真结果表明，所提模型可提升吞吐量48.26%，降低更新响应时延16.25%。
适配器签名方案能够在区块链中提供很好的原子交换性质，并已在实践中得到广泛应用。以改进的安全RSA 密码系统（ISRSAC）数字签名算法为基础构造了一个新的适配器签名方案。在证明所提方案满足预签名的正确性、不可伪造性、预签名的可适配性、证据的可提取性和签名方案的安全性后，将其与基于 SM2 数字签名算法的适配器签名方案、基于 Schnorr 的适配器签名方案和基于 ECDSA 的适配器签名方案在时间开销、主要计算量等方面进行对比分析。分析结果表明，所提方案在时间开销上与其他方案相差不多，但所提方案扩展了ISRSAC算法在当前环境中的应用场景，且ISRSAC算法和适配器签名技术的结合使适配器签名的选择更具灵活性，应用范围更广。
为了解决车联网环境下跨信任域数据共享中跨域数据泄露严重、跨域共享不可控、跨域访问效率低的问题，提出了一种区块链架构下高效的车联网跨域数据安全共享方案。不同信任域的可信机构构成区块链，采用改进的密文策略属性基加密算法加密数据，结合区块链和星际文件系统进行存储，构建了基于区块链的跨域数据细粒度、安全共享方案；设计了基于混淆布隆过滤器的跨域访问验证方法，智能合约基于链上访问策略进行快速的解密测试，提高大量跨域密文的访问效率；设计了基于外包解密的跨域数据获取方法，可信机构为跨域访问请求进行密文转换，并执行包含复杂双线性配对运算的外包解密，减少了车辆在解密过程的时间开销。实验结果表明，所提方案有效提高了跨域密文转换和车辆解密的效率，与现有方案相比，跨域数据访问效率平均提升了60%。
目前的语义通信模型在处理图像数据方面仍有可改善的部分，包括有效的图像语义编解码、高效的语义模型训练和精准的图像语义评估。为此，提出了一种深度图像语义通信（DeepISC）模型。首先采用基于 vision transformer的自编码器（ViTA）网络实现高质量的图像语义编解码；接着采用自编码器实现信道编解码，保证语义在信道上的传输；然后利用判别器网络（DSN）和ViTA的双网络架构协同训练，提高重建图像的语义精度；最后针对不同的下游视觉任务提出不同的图像语义评估指标。仿真结果表明，相较于其他方案，DeepISC可以更有效地还原传输图像的语义特征，使重建图像在各个下游任务中都展现出与原图像相同或相近的语义结果。
针对当前特征选择方法依然受噪声影响以及无法将聚类效果和重构效果有效统一的问题，提出了一种稳健的特征选择方法。从干净数据和重构数据作差的思路着手，将低秩重构数据和投影重构数据作差构建稳健的重构误差项，并提出从学习到的干净数据上选择特征用于聚类。将干净数据的学习和特征选择技能进行联合学习，相互促进，从而提升方法在有噪数据上的稳健性，并且将重构效果和聚类效果进行有效统一。在5个数据集上与几种图嵌入角度的特征选择以及PCA重构角度的特征选择方法进行聚类实验对比，实验结果表明，除LUNG噪声数据集外，所提方法在2种评价指标（ACC和NMI）下都优于对比特征选择方法。
半群作用问题作为离散对数问题的推广，在公钥密码的设计中有着重要应用。通过分析基于整数矩阵乘法半群在交换群直积上的作用问题的公钥密码体制，将矩阵看作直积元素的指数，这类矩阵作用具有类似群的指数运算法则。首先证明了若矩阵作用是单射或隐藏子群的生成元个数小于或等于矩阵阶的平方，则这类矩阵作用问题可在多项式时间归约为矩阵加法群直和的隐藏子群问题。其次证明了交换矩阵作用问题一定可在多项式时间归约为矩阵加法群直和的隐藏子群问题。因此基于这类矩阵作用问题的公钥密码体制无法抵抗量子攻击，该结论对抗量子攻击的公钥密码设计有理论指导意义。
