给出了一种在无人船声学回收海床基数据时寻找最佳通信点的控制方法。众所周知，梯度上升极值寻找法常应用于多平台或多智能体，这是因为多平台能大范围测量且易于梯度估计。单一平台测量范围有限，不能快速估计测量场，难以迅速获得测量场极值。本文提出一种无人船振荡运动形式，以获取海床基与无人船间水声通信链路强度数据。基于多元加权线性递归法，利用无人船振荡运动获取的新数据，不断更新水声通信链路强度场。基于梯度上升和人工势场方法，考虑未知场的递归估计，设计无人船最佳通信点控制器，并证明其稳定性。仿真结果表明该算法可靠、高效。

控制器局域网（CAN）是一种广泛应用于各类工业场景的现场总线协议。为深入理解错误发生时的网络行为并优化网络控制系统设计，需分析CAN网络报文响应时间。本文在考虑错误的基础上，提出一种新颖的CAN网络报文延时分布分析方法，将复杂报文序列分解为典型报文模式和情形。首先开发随机故障模型并定义概率因子计算错误的分布形式，其次基于错误分布分析单个子节点布局下报文的延时分布。然后基于典型报文模式和情形的延时分布，开发多子节点布局下报文延时分布的分析框架。最后搭建实验平台，在不同网络设置下进行多组实验，展示和验证该方法。结果表明该方法计算出的报文延时分布与实际观测值一致。

在云存储由第三方服务商提供的今天，基于属性的加密（ABE）技术是解决数据保护和访问控制问题的首选。虽然ABE可在每个数据项级别控制数据访问，但在动态属性撤销方面依然有实际应用的局限性。本文提出一种具有用户隐私保护的ABE通用属性撤销系统。该系统基于ABE技术，可用于原本基于ABE加密的应用场景，并可通过动态撤销应用系统中任意数量的属性，实现对数据的访问控制和安全保护。

随着云计算技术的发展，数据可外包给云，方便用户共享。然而，用户常常担心其数据在云端的可靠性和完整性。因此，在云端提供安全的数据共享服务至关重要。本文将门限秘密共享技术和Chaum-Pedersen零知识证明相结合，提出一种可靠、安全的云数据共享方案。该方案不仅有效、灵活、语义安全，还能有效识别行为不诚实的欺骗者身份，确保合法用户解密密钥的安全。相比而言，该方案计算性能较好，尤其适合云端用户医疗保险数据保护。

恶意代码同源性判定对攻击事件溯源、应急响应方案处置以及事件发展趋势预测有重要作用。目前，恶意代码同源性判定以人工分析为主，效率较低，对安全事件的爆发无法快速响应。因此，提出一种新的从基因视角分析的恶意代码同源性判定方法。恶意代码基因由表示家族同源性的子图组成。通过筛选关键应用程序接口和利用社团划分算法，从函数依赖图中提取关键子图作为恶意代码基因。然后，设计一种频繁子图挖掘算法发现恶意代码家族的共有基因，并对基因编码。最后，利用家族共有基因指导恶意代码同源性判定。对公开数据集的分类和实验结果表明，分类准确率达97%，且效率较高。

重要节点识别对电网安全意义重大。但电网在规模、结构等方面差异较大，评价指标难以涵盖电网不同状态下所有信息，因此基于指标构建的传统评估方法，其效果视情况而定，通用性不足。由此，本文提出基于人工智能的电网节点重要度评估法。首先利用网络嵌入，提出综合考虑电网结构与电气量的电网节点特征选择法。然后对具体电网，进行各类运行方式下的稳态与节点故障暂态仿真，构建能反映节点特征与节点重要度内在关系的样本集。最后，根据优化后的样本集训练支持向量回归模型，模型成熟后可用于电网节点重要度在线评估。结果表明，本方法能根据从样本中学到的信息有效评估电网节点重要度。相比传统指标构建法，本方法规避了片面性和主观性。此外，基于该人工智能框架，本方法可针对每个具体电网建立特定样本集，具有通用性。

为克服传统误差标校方法的缺点，提出一种基于星地差分GPS的航天测控系统在线误差标校方法。该方法采用固定区间平滑算法，平滑前向、后向抗差自适应卡尔曼滤波结果，同时基于蚁群最优化算法固定星地差分GPS载波相位模糊度，以获取高精度星地基线测量结果。将该结果作为航天测控系统比较标准，并用最小二乘批处理算法求解测距误差模型。利用Spirent导航信号模拟器和自主研制的星载GPS双频接收机，构建半实物仿真平台对该误差标校方法进行仿真验证。结果表明，固定区间平滑算法平滑后，星地基线解算精度（RMS，单轴）优于10 cm。测距系统误差标定后，残差优于5 cm。

提出一种基于泰勒展开多信号分类（TE-MUSIC）的双基地多输入多输出（MIMO）阵列发射角（DOD）与接收角（DOA）联合估计法。首先通过泰勒展开阵列流型矢量，将MIMO阵列MUSIC方法中的二维搜索降为一维。然后通过拉格朗日算子，经一维搜索估计目标接收角，并代入MIMO MUSIC空间谱，获得目标的发射角。因此目标的发射角和接收角可自动配对。该方法既减少MIMO MUSIC计算量，又保持方位估计性能。仿真分析证明其性能优于MIMO ESPRIT法。

在群体分析领域中，图像运动与非运动区域分割对理解大众行为至关重要。在许多研究中，相似的运动可根据位置、彼此邻接、方向及平均速度分割。然而，这样的分割不可能反过来表明各自区域内相同行为类型。本文目的是通过局部测量分割片段内的相互作用/复杂程度，更好地理解大众行为。为此，图像中运动的流动主要由一系列轨迹表达，且图像被分割为诸多六边形单元。根据各单元不同投影角度，可计算出有限时间编织熵（FTBE）值。该值取决于运动轨迹螺旋形结构的复杂性，并展示了行人间相互作用程度。本文将分割片段内所确定的不同复杂度的行为视作整体上的相似运动，测试了49个来自UCF和CUHK数据库的不同视频系列。

对色差严重和边缘模糊的水下图像需进行复原。一般分两步：去散射和边缘增强。首先，提出一种用于水下图像去散射的多尺度迭代框架。利用卷积神经网络估计传输图，再用自适应双边滤波器改进传输图估计结果。由于无可用数据集训练网络，收集包含2000个水下图像的数据集以获得合成数据。其次，采用白平衡算法消除水下图像的色偏。最后将图像转换到特殊变换域，使用非下采样轮廓波变换对边缘去噪和增强。结果表明：该方法主、客观质量均明显优于现有方法。

利用海量网络安全威胁情报数据，构建网络安全知识图谱实施深度关联分析和挖掘，可帮助识别安全威胁并提出相应防御措施。这已成为网络安全领域研究热点。本文针对网络安全文本数据，研究实体识别算法，为构建网络安全知识图谱奠定基础。传统方法难以识别网络安全领域的新实体、中英文混合安全实体等，且提取的特征不够充分。本文在神经网络模型基础上，提出基于特征模板的CNN-BiLSTM-CRF网络安全实体识别算法。首先构建人工特征模板，提取局部上下文特征。再利用CNN提取字符特征，与局部上下文特征结合，传入BiLSTM模型提取语义特征。最后利用CRF对安全实体进行标注。结果表明，在大规模网络安全数据集上，该方法优于其它算法，F值达到86%。