在当前竞争日益激烈的国际网络空间安全博弈中，关键信息基础设施安全形势严峻。从科学原理上看，网络安全风险的实质是人们对信息科学认知逻辑的局限性，建设“刀枪不入”的网络防御体系是不可能的；从经济效益上看，建设这种网络防御体系也不一定划算。网络安全工作的关键是安全目标的收敛，重点是确保完成计算任务的逻辑组合不被篡改和破坏，从而实现正确计算。围绕这个安全目标，从逻辑正确验证理论、计算体系结构和计算工程应用模式等方面进行科学技术创新，解决了逻辑缺陷不被攻击者利用的问题，形成攻防矛盾的统一体，为信息系统建立主动免疫能力。

意图驱动网络是一种新兴的网络技术，以其在意图转译、闭环验证和自动化部署等方面的优势，成为继软件定义网络后又一革命性网络技术。针对目前物联网发展出现的可扩展性弱、数据管理难和安全性能不佳等问题，提出了基于软件定义网络的意图物联网架构，并阐述了南/北向接口等关键技术。针对多意图北向接口的一致性问题，提出意图冲突分解策略，经仿真验证，该策略是有效的。

无线传感器网络（WSN）的连通性是保证网络容错性的重要途径。常规的多路由算法往往存在共同路径，这些共同路径会因为节点损坏、通信链路中断等故障导致整个WSN 的连通性过早失效。针对共同路径问题提出了一种解决方案，通过节点分裂的方式在共同路径上生成多条路径，以支持WSN 的容错，保证每个传感器节点都有K条长度有界的、到汇聚节点的不相交最短路径。仿真结果验证了本算法能提供更好的容错性，保证网络的连通性。

在智能交通系统中，短时交通流预测可以为路线规划、交通管理和公共安全等领域提供数据支撑。为了提高数据缺失和异常情况下的预测准确性，提出了一种基于自适应秩动态张量分析的算法来进行短时交通流预测。首先构造了覆盖周、天、时间窗口和空间4个维度的张量，以挖掘交通流数据之间的多模相关性。其次，利用滑动窗口模型，形成动态结构的张量流数据。然后将主成分分析算法扩展成可以接收张量输入的离线张量分析算法，并引入自适应秩和遗忘因子形成自适应秩动态张量分析算法。最后将张量流数据输入自适应秩动态张量分析算法中，实现对短时交通流数据的预测。实验结果显示，即使在数据有缺失的情况下，自适应秩动态张量分析算法也能实现良好的预测。

群智感知是一种有前景的感知范式，其主要借助大量移动设备中的多样嵌入式传感器来完成数据感知任务。群智感知中的一个关键问题是如何有效地协调移动设备用户同时执行多项感知任务。通过在感知任务和用户之间引入一个新的数据层，从而有效地利用感知任务的相似性和用户的异质性，在数据层之上建立联合任务选择和用户调度问题，旨在最大化整个系统的社会福利。这个问题因其组合特性以及存在感知任务和用户两方面的私有信息而很难解决。为了处理上述问题，提出了一种双边随机拍卖机制，并证明其能够满足计算高效性、个体理性和期望意义下的激励相容性。仿真结果表明，所提的随机拍卖机制可以接近最优的社会福利，并且数据复用带来的社会福利收益会随着任务相似性的增强而显著增加。

在无线能量和数据传输资源分配的现有研究中，并未考虑多用户场景下电池容量对吞吐量性能的影响。提出了一种具有顽健性的资源分配算法进行吞吐量优化，解决实际网络场景中由于电池容量差异较大、单一模型无法合理进行资源分配的问题。此外，还发现了多用户选择和时隙分配之间的联系，提出了一种在功率约束下的多用户选择与时隙分配联合优化算法。仿真结果表明，所提出的算法吞吐量性能更好，更适用于无线数能网络。

计算能力和资源受限的移动设备可将待处理的密集型任务卸载到云端执行，从而增强移动设备的计算能力并减少电池能源消耗（EC）。然而，现有研究在卸载任务时不能较好地均衡移动端的应用完成时间（FT）和EC。提出了基于分解的多目标进化算法（MOEA/D）来同时优化应用 FT 和 EC，并将动态电压频率调整技术引入MOEA/D中，在不增加应用FT的前提下，调节移动设备的CPU时钟频率以进一步降低移动设备的EC。仿真结果表明，与多个算法相比，所提出的算法在多目标性能上更优。

最新推出的Wi-Fi标准IEEE 802.11ah又称为Wi-Fi HaLow，是一种支持大规模网络的低功耗物联网通信技术，主要应用于智能家居、医疗健康、车联网、工业流程控制、物流与资产管理、智慧农业和智慧城市等领域。首先介绍了HaLow标准，重点描述了为支持物联网而引入的新机制，进而梳理并分析了HaLow相关的研究工作。在此基础上，探讨了目前面向物联网的Wi-Fi HaLow技术仍存在的问题及挑战。

随着自动驾驶技术和车联网的发展，越来越多的车辆将具备强大的计算能力，并通过无线网络实现互联。这些计算资源不仅能够应用于自动驾驶中，也可以提供广泛的边缘计算服务。针对车辆间的计算卸载场景，以最小化平均卸载时延为目标，提出了基于在线学习的分布式计算任务卸载算法。进一步搭建了系统级仿真平台，分别在真实的高速公路和城市街区道路环境下，评估了车辆密度、任务卸载份数对平均卸载时延的影响，为不同交通环境下的服务资源分配部署提供了参考。

针对传统基于图像视频的姿态识别算法中所存在的计算成本高、摄像盲区多、隐私易泄露等问题，提出了一种基于手机加速度与陀螺仪数据的卷积—卷积长短时记忆—注意力（CCLA，convolution-convolutional long short-term memory-attention）人体姿态识别算法。使用卷积神经网络对姿态数据进行空间特征提取，采用卷积长短时记忆网络挖掘数据中隐含的时序信息，模拟人脑选择注意力机制构建Attention（注意力）编码器进行更高层次的时空特征提取，以实现对姿态的精准分类。在加州大学欧文分校提出的基于智能手机的人体活动与转换姿态识别数据集上对CCLA算法进行了测试，实现了对12元姿态的分类识别，识别准确率达93.27%。

多接入边缘计算在网络边缘提供高性能的网络资源，但由于其位置管理分散，所以对安全性能要求较高。基于拟态防御原理提出了分布式多接入边缘计算的拟态防御架构，通过分割数据与校验填充，转发至多个边缘节点处理，并根据校验分析实现了多模裁决与动态调度的拟态防御机制。仿真结果表明，在增加时延成本的情况下，该架构可有效降低数据被篡改和被泄露的概率。提出了基于置信度与时延成本的边缘节点调度策略，提升了系统的效率与安全性能。

针对行人检测大多利用车载设备实现，存在检测功能单一、成本高昂，并且检测效率和可靠性低等问题，提出了一种基于智慧公路的行人检测技术。通过在道路侧部署大量低成本、高可靠性的智能物联网行人检测设备，实时检测周围环境中的行人信息，并且将预警信息以极低时延的无线通信技术提供给车辆，提高了道路安全性。目前已开发出该行人检测系统的原型机，实地测试结果表明，该行人检测系统能有效检测行人，在检测范围4 m内，单个设备检测的准确率达80%，多个设备交叉部署方式检测的准确率可达100%。

以IFTTT为代表的事件驱动型物联网系统编程框架为用户构建满足其需求的智能家居物联网系统提供了极大的便利，但也带来了严峻的安全隐患。针对此问题，设计并实现了“门神”，这是一个基于模型检验的事件驱动型物联网系统配置、仿真与验证平台。用户可以在门神中自定义其系统，并进行一键式模型驱动的仿真及验证、自动检测并重现错误场景，从而理解系统行为并提升其安全性。通过大量实验可知，门神能在86.7%的案例中发现安全隐患，且平均耗时仅为0.7 s。

新型柔性电子材料与器件从提出、发现、实现到应用，在近 10 年内得到迅速发展，其强可折叠性、多能力复合结构等特性对未来信息技术发展和系统应用的影响巨大。对比了两种主流的柔性实现方式，即材料引入柔性和结构引入柔性，分析了国内外相关领域的研究进展，包括基础结构、工艺和潜在应用方向，总结了目前面临的技术难题。依据基础研究现状，未来柔性电子器件将会有成熟的应用技术创新成果，形成新的可穿戴通信、可穿戴计算、分布式能源、环境感应、共形显示设备和装置。