伴随物联网技术与各垂直行业加速融合渗透，物联网安全重要性日益凸显。首先对物联网安全挑战的新特点进行了总结，分析了物联网安全威胁，对国内外物联网安全政策法规、标准发展和安全模型进行了概述，最后对物联网安全趋势进行了总结和展望。

针对传统特征工程中需要大量专家经验和人力的不足，研究了基于特征生成方法的Android恶意软件检测方法。基于UC Berkeley的ExploreKit自动特征生成方法，通过对原始特征计算获得大量候选特征，根据候选特征的元特征预测其性能并进行评估排序，使用贪心算法从中选出能够提升模型性能的新特征。从APK中提取了敏感API、危险权限等多种特征，在根据信息增益对特征进行筛选后，输入到特征生成框架中，使用C4.5、SVM和随机森林等作为分类模型。实验证明，该方法使错误率平均降低了24.6%，准确率达到了96.5%，曲线下面积(Area Under Curve，AUC)达到了0.99。

入侵检测技术是网络安全防御的核心技术之一。由于网络承载的带宽流量日益增多，入侵检测系统需要提供快速的检测能力。Snort入侵检测系统依靠将抓取的数据与规则匹配来判断是否受到攻击，因此规则的好坏决定了系统性能的高低。结合数据挖掘技术，设计实现一种基于关联规则的关联分析器插件来增强Snort对入侵的识别能力。首先利用Apriori对Snort产生的告警日志进行数据挖掘，搜索隐藏的攻击模式；然后，将关联规则转化为相应的Snort规则。最后，利用SYN Flood攻击测试规则增强的Snort系统的性能，结果表明，改进后的Snort能够提高对SYN Flood攻击的检测效率。

随着物联网技术与互联网经济的发展，新技术态势下的网络安全威胁和风险不断涌现与扩散，新型应用场景致使网络安全边界模糊、增加新的暴露面,安全风险不容忽视。提出基于零信任技术，利用区块链、设备指纹、PKI/DPKI、人工智能、轻量化安全协议和算法等技术作为身份安全基础设施，重点对身份安全基础设施、物联网安全网关、感知网关节点设备等身份认证方案进行设计和优化。最后通过实验与分析，验证方案的实际效果。

数据溯源能够快速定位数据的来源及其产生过程，对审计、数据生命周期管理都有很大帮助，是数据安全防护中的重要一环。针对传统数据溯源机制难以应用于Hive数据仓库中大规模、复杂的数据处理的问题，提出了一种基于DAG的数据溯源方法，实现了对Hive中数据的溯源。最后通过实验对该方法的有效性以及性能进行了测试与验证。

由于恶意软件的数量日渐庞大，攻击手段不断更新，结合机器学习技术是恶意软件检测发展的一个新方向。先简要介绍恶意软件检测中的静态检测方法以及动态检测方法，总结基于机器学习的恶意软件检测一般流程，回顾了研究进展。通过使用Ember 2017和Ember 2018数据集，分析验证了结构化特征相关方法，包括随机森林(Random Forest，RF)、LightGBM、支持向量机(Support Vector Machine，SVM)、K-means以及卷积神经网络(Convolutional Neural Network，CNN)等算法模型；使用收集的2019年样本集分析验证了序列化特征相关方法，包括几种常见的深度学习算法模型。计算模型以在不同测试集上的准确率、精确率、召回率以及F1-值作为评估指标。根据实验结果分析讨论了各类方法的优缺点，着重验证分析了树模型的泛化能力，表明随着样本的不断演变，模型普遍存在退化问题，并指出进一步研究方向。

近年来，随着边缘计算、深度学习等人工智能技术的迅速发展，基于人工智能技术的智能化武器装备应用日趋广泛，这对智能化武器装备的标准化工作提出了更高的要求。针对智能化武器装备发展现状进行分析与研究，基于智能化武器装备标准现状及发展需求建立了智能化武器装备标准体系框架。同时，根据智能化武器装备特点和智能化战争需求对未来的标准研制工作提出了建议。

针对神经网络回归训练过程中三维人脸数据稀缺的问题，提出了基于生成对抗网络(GANs)回归三维参数化人脸模型(3DMM)的无监督学习方式。首先利用GANs的对抗生成训练使生成器回归的3DMM参数符合真实感人脸形状的参数分布。随后将生成的三维人脸网格渲染成二维图片，利用身份编码器对输入人脸及渲染人脸分别提取身份特征向量，通过不断缩小向量之间的距离使得生成的三维人脸网格靠近输入人脸的身份特征。实验结果表明，该方法在重建结果顶点位置准确性上相对于现有的方法有明显的提升，且拥有较好的RMSE值，能够较好应用于三维人脸重建任务。

提出了一种基于改进P-Unet模型的岩屑颗粒识别方法。该方法基于Unet模型结构，运用金字塔池化模块聚合不同区域的上下文特征信息，以充分利用全局信息。改进P-Unet模型采用了残差网络ResNeXt101，在提高岩屑颗粒识别准确率前提下，减少了超参数数量。该模型采用了焦点损失函数，在一定程度上解决岩屑颗粒类别不平衡的问题，同时运用深度可分离卷积代替传统卷积，较大程度减少了网络的参数以及预测的时间。实验结果表明，改进P-Unet模型得到的识别准确率对比同类先进算法有一定的提升，对岩屑颗粒识别的结果更加准确。

织物瑕疵检测是控制织物产品质量的重要步骤，传统的织物瑕疵检测方法检测效率低，劳动强度大。因此，针对传统检测方法存在的问题，提出一种基于卷积神经网络(CNN)的分类算法用于实现织物瑕疵检测。网络是在VGG16的基础上进行减枝，通过优化网络参数实现最优结果。首先，由于织物瑕疵大小差别较大，提出将瑕疵边缘作为检测的目标，这样就可以将大尺度图片分割为64×64的小尺度图片用于网络训练，既提高了网络的分类准确率，又解决了织物瑕疵图像搜集困难的问题。其次，在测试过程中，提出对大尺度图片进行有重叠的分割，然后对分割后的图片进行分类，根据每张图片的输出标签和位置来实现大尺度图片的瑕疵检测。实验结果表明，本文所提出的网络结构相比于传统的VGG16和LeNet网络结构, 具有检测速度快、检测精度高等优势。

WiFi技术在定位跟踪领域得到了迅速发展和应用，不仅可以通过精细时间测量(FTM)协议获得到达时间，还能利用信道状态信息(CSI)估计到达角，为单站目标跟踪提供了十分有利的条件。针对单站情况下到达时间和到达角的非线性跟踪问题，提出了一种简单有效的偏差补偿卡尔曼滤波算法(BCKF)。该算法对非线性观测方程进行伪线性化，然后补偿由伪线性化引起的估计偏差，实现更准确的状态估计。搭建WiFi测量平台，并在室内外两种典型环境下进行单站目标跟踪。实验结果表明，相较于其他非线性滤波算法，BCKF能以较低计算开销实现更准确的目标跟踪，在室内外的80%跟踪误差分别不超过3.7 m和1.5 m。

针对中文是非问句，设计并实现了基于Lucene的问答系统，主要包括问句预处理、索引创建和答案整理三部分。问句预处理部分，引入句法成分权重和命名实体权重改进TextRank算法，得到一种提取问句核心词的方法。在索引创建部分，针对本地的多源数据进行文档融合创建索引，降低数据多样性带来的复杂度。在答案整理部分，对查询索引结果进行答案判决，输出肯定或否定含义的答案。实验结果表明，数据融合能有效减少索引创建耗时，改进TextRank的核心词提取方法准确率明显高于TextRank，系统具有较为不错的性能。

威胁情报的采集是情报搜集工作中至关重要的一个环节，威胁情报网站是其重要载体。首先确定了威胁情报的价值特性，然后讨论了利用层次分析法确定诸多模糊聚类因子的权重，并且应用模糊综合评价方法建立了模糊综合评价方法的两级模型，从而得到对威胁情报网站的客观评估，方便用户在搜集信息时进行权衡。与其他方法相比该方法评价结果更具准确性，具有较大的现实意义和应用前景。

在微观驱替实验中，往往利用玻璃刻蚀模型来观察油水在岩心孔隙中的运动过程。对实验中采集到的微观驱替序列图进行分析研究，能够对驱替效果进行定量计算。针对微观驱替序列图中灌注区数量不固定、形态特征不规则、图像数量多等问题，提出了一种基于非凸包的灌注区包络自动拟合方法。即先对灌注区点集进行边缘提取，再对灌注区进行聚类分析，最后采用非凸包算法对每个灌注区提取包络。结果显示采用该方法得到的波及系数比传统凸包算法具有更高的精确性，并可实现包络拟合的自动化，具有比较高的应用价值。