当前的网络监测分析平台存在着检测数据来源单一、数据割裂、数据整合能力弱等不足,特别是新型攻击手段对传统基于已知规则库进行安全监测方法带来巨大冲击。充分利用大数据分析及预测技术，实现对DPI、DFI、NetFlow、主动测量和扫描、SNMP、SLA等多元化数据的采集，支持流量、性能、安全等结构化及非结构化数据的处理和存储，呈现以态势感知、流量透视、回溯分析、性能监控、安全检测、资产管理功能为核心，融合设备与拓扑管理、专题分析、攻击反制、异常文件识别和还原、主动测量等手段，具备不依赖规则而检测网络威胁的能力，打造一体化网络综合、智能化监测分析解决方案。

针对传统马尔科夫特征拼接检测准确率不高的问题，提出了一种有效的马尔科夫特征提取方法。与传统马尔科夫特征的计算过程不同，只计算水平和垂直两个方向的转移概率矩阵，选择四个转移概率矩阵中对应位置求和后的值作为最终特征。求和操作不仅降低了特征维度，而且使真实图像与拼接图像之间的概率分布区分更加明显。所提出的算法的特征维度与数据集无关。该方法在哥伦比亚彩色拼接检测图库、CASIA V1.0和CASIA V2.0数据集上测试的准确率分别为94.38%、99.19%、96.02%。

针对Web攻击流量检测问题，提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型。首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作，生成一系列50×150的矩阵数据A作为输入，然后搭建基于动态自适应的卷积神经网络模型去进行异常流量检测，使之可以根据特征图的不同，动态地调整池化过程，在网络结构中添加Dropout层来解决流量特征提取过程中的过拟合问题。实验表明，该方法比未使用动态自适应池化的方式精确度提升了1.2%，损失值降低了2.6%，过拟合问题也得到了解决。

在互联网、大数据时代背景下，迅速发展的大数据信息系统对个人信息保护的要求不断提高，安全事件频发，从法律法规层面将个人信息保护提升到一个前所未有的高度。从个人信息泄露造成影响的现状出发，深入分析了个人信息的泄露源、泄露风险、泄露原因、泄露方式和泄露渠道。最后在各个方向上提出了对个人信息保护的解决措施，以纵深防护的思想让恶意人员无法获取个人信息、无法使用个人信息和无法逃脱法律惩戒。为加强信息系统个人信息保护能力提供参考。

点云数据的特征提取是点云数据处理环节中的一项重要内容，对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术，阐明了特征提取过程中邻域选取与单一参数计算存在的问题，提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果，验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果，对提高点云特征点提取的精度及效率具有重要的意义。

为了解决大数据TopN排序问题，将传统的堆排序进行优化，阐述了优化后的HeapOptimize方法的处理过程。HeapOptimize方法基于Flink框架来完成TopN作业，可以实时地接收并处理大量的数据，根据单位时间需要处理的数据数量来调整算子的并行度，增加Flink框架的吞吐量，提高处理数据的速度。通过实验测量的数据结果佐证了HeapOptimize方法的优势。

为方便和快速地进行字体临摹分析，该系统将纸面手写字与名人真迹字进行相似度比较，使用残差网络ResNet50模型和新的字相似度算法对手写字进行高精度识别并与名人真迹字快速地进行相似度计算。将自制的名人书法字数据集和普通中文数据集合在一起训练ResNet50模型，最后结合Web网站和Android开发了一个实时在线手写字与各名人书法字进行相似度比较的系统。Android端主要用来上传纸面手写字照片和展示处理的结果，搭建的Web网站用来对图片进行识别和相似度的计算与分析。

有效的交通流量预测对人们出行和交管部门监管都有着重要的意义。传统的交通量预测模型主要基于交通流的时间特性，未结合交通流的时间和空间特性进行深入挖掘，因此预测效果有时不佳。提出了一种基于CNN与LightGBM结合的交通流预测模型，首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性，实现对交通流数据的时空特征提取，然后将CNN提取到的特征向量输入到LightGBM模型中进行预测。为了验证模型的有效性，实验中使用了多种预测模型进行对比，实验结果表明，所提出的考虑到时空特性的CNNLightGBM组合的模型可以明显降低预测误差，是一种有效快速的交通流预测模型。

随着骨干网络传输速率不断提高，对高速网络信号分析处理系统的需求十分迫切。骨干网络高速率、大带宽的特点给整个网络空间的管理带来了许多困难。采用五元组定义的网络流作为研究对象，通过理论分析，设计和实现了高速网络流识别处理系统硬件平台，实现网络信号在流层面的分析识别，并根据分析结果执行不同的处理策略，从而为网络流的分类处理提供了依据。

以电动小车无线充电为主题，实现了以超级电容为基本储能装置的电动小车动态无线充电系统。该系统使用了将无线充电模块与超级电容组相结合的模式，通过把直流电转换成高频交流电，再通过电磁感应原理为超级电容无线充电，放电时通过Boost变换为小车提供电能。实验可实现小车在跑道上的某点充电时，充电指示灯点亮起；当外界电源切断，充电断电后，小车可自动启动并循迹行驶。最终证明了超级电容与无线充电模块组合装置可实现小车在行驶中，经过通电线圈时可以进行闪充,并沿着既定运行轨道继续行进。

独创了一种基于RAM中转的中断跳转方法，该方法以软件形式实现了单片机的中断向量重定位功能，实现了在应用中编程，克服了某类普通经济型单片机无法通过硬件寄存器设置中断跳转地址来实现跳转的局限性，使得这类单片机也能在同一片Flash内运行IAP和APP并相互跳转，大大拓展了实用性。采用某国产单片机(SWM240)实现了IAP和APP部分，并在生产实际中得到检验。

识别突发的团伙欺诈已经成为网贷业务中亟待解决的问题。在特征维度较少的情况下，提出了一种基于时空聚集的网贷反欺诈模型。首先基于用户定位信息和申请贷款的时间，设计了一个适用于网贷场景下的聚集指标：KN最近邻指数；然后，将不同时间观察窗口的K-N最近邻指数利用基于LSTM(长短期记忆网络)的seq2seq(序列到序列)模型提取embedding(嵌入)特征；最后，利用LightGBM模型预测欺诈发生的概率。实验结果表明，所提出的指标能更有效地捕捉坏账，且相比于仅使用基础特征，预测结果的KS值和AUC都有了较好的提升。

风险评估对社区入室盗窃案件的防控具有参考意义。基于文献调研和实地考察，结合社区警务的实际工作经验，构建了社区入室盗窃风险评估指标体系，并综合运用模糊层次分析法、德尔菲法、DS证据理论和模糊综合评价法实现了定量计算。以某大型城市13个典型社区为例，对提出的风险评估方法进行了验证，并与实际入室盗窃案件数据进行了对比。结果表明，社区警务室的建设和运行对入室盗窃风险影响最大，其次为小区关键场所设施安全状况和小区空间家居状况；模糊综合评价结果与实际入室盗窃发案情况基本一致。所提出的方法预期可以为社区入室盗窃犯罪的预防提供决策依据。

随着电力需求侧对于用电管理的重视度提升，只提供用户总电量计量的电表已无法满足人们的要求，为此，开创性地提出了在通用电表上实现用电器用电量分类计量方法。该方法利用电表的数据采集及处理功能获取用电器特征后，将该暂态告警信息上传至云端与预先建立的SVM模型进行类别匹配，从而判定用电器类型及相应的用户操作，同时将识别结果及告警时间存入数据库，后续通过分类计量策略实现各类用电器单独的耗能量计算。实例验证了该方法的准确性及可靠性，该方法具有较大实际应用价值。