随着工业信息化的发展，工业控制系统(Industrial Control System，ICS)的安全防护越来越重要。入侵检测是实时监控ICS内部和外部安全的一种技术，能够有效精准地检测出攻击行为并采取措施，因此，面向ICS入侵检测技术成为工控领域的一个研究热点。首先从ICS的结构入手，给出了ICS入侵检测的重要性；其次对ICS入侵检测技术进行分类，分别对工业控制系统下的误用入侵检测技术、异常入侵检测技术、网络入侵检测技术、主机入侵检测技术的研究现状进行介绍和分析；最后针对应用现状进行了展望。

对汽车、机械等工业制造行业的质量报告进行关系抽取，对于该行业质量知识图谱、质量问答系统等研究有着极为重要的意义。针对在工业制造领域的质量知识图谱构建过程中尚无公开数据集可用的情况，收集了质量文本并进行相应的专业标注，构建了工业制造领域质量知识图谱关系抽取专业数据集。基于该数据集利用分段卷积神经网络(Piecewise Convolutional Neural Network，PCNN)实现关系抽取，然后根据中文特性，提出了改进的PCNN模型(C-PCNN)，以提升在中文语料中关系抽取的性能。在本文构建的数据集中，改进后模型的准确率、召回率以及F1值优于对比的PCNN和RNN模型，验证了该方法的可行性和有效性。该研究对从事制造行业的人员有一定的实际意义。

目前针对工业控制系统的安全风险与日俱增，传统“封堵查杀”的防护技术难以有效应对当前所面临的安全威胁，急需一套更适合工控系统环境的安全解决方案。结合我国自主创新的可信计算3.0关键技术，提出一种基于TPCM可信根的适用于工业控制系统的主动免疫防护方案，通过对关键节点的可信构建使工业控制系统防护更加透彻，安全处理融洽一致，为工业控制系统构建主动免疫防御能力，使之能够有效识别和防御未知威胁。

针对现有的安全可视化编排及自动化响应技术，提出将复杂的APT威胁场景、漏洞、自动化响应验证、关键基础设施合规管理等安全能力纳入到现有SOAR(Security Orchestration Automation Response)的可视化编排及响应中，极大地丰富并完善了Gartner提出的SOAR的安全编排及自动化响应的概念场景，大幅提升安全运营的效能和成熟度；通过DevSecOps开放架构及OpenC2开放式管控接口，自适应支持不同设备的数据接入及安全响应管控，构建围绕SOAR为主体的安全运营生态体系；在此基础上，提出安全运营自动化未来演进方向，即构建多人协同的统一空间协同作战体系，通过多人协同定义并改进安全分析及响应模型，迅速完成“安全策略、保护、检测和响应”的信息循环及信息再利用。

工业互联网安全是网络空间安全的重要组成部分。加强国密算法在工业互联网中的应用研究，对于提高我国网络空间安全的防护能力和实现自主化目标具有重大意义。阐述了国密算法在工业互联网的应用现状和存在的挑战，并基于国密算法设计一种轻量级的身份认证协议。分析表明，该协议两次握手可完成认证，并能够满足认证的安全性要求，具有良好的应用价值。

对于自动视力检测系统，手势识别是关键问题，但是采用传统卷积神经网络模型识别手势存在过拟合、计算量大等问题。提出了一种GR-AlexNet模型，对AlexNet网络模型进行了适应性修改和优化：为了加快计算速度，用7×7、5×5、1×1的三个小卷积核替代原来的11×11的大卷积核，并删除LRN层和一个全连接层；为了减轻过拟合效应，在每次卷积后都加上一个Dropout优化。对同一数据集分别使用LeNet模型、AlexＮet模型、VGG16模型与GR-AlexＮet模型进行对比实验。实验表明GR-AlexＮet模型在识别准确率上较传统的模型有一定的提高，能抑制过拟合现象，并且具有更快的训练速度。

目标识别技术作为机器视觉领域的一个重要分支，在各个领域有着重要的应用。鉴于一般的目标识别模型在遥感图片中表现不佳，另外需要识别的目标数量较多，尺寸大小不一，因此在经典的目标识别Mask R-CNN模型的基础上，提出了一种融合了通道注意力机制和数据增强技术的模型Mask R-CNN模型。在输入图片数据时，首先通过Random-Batch images操作对数据进行增强处理，提高模型对尺寸大小不一的目标识别的准确率；然后提取特征时，将原Mask R-CNN模型中的FPN改进为BiFPN，使提取到的特征能更好体现原本的图片信息；在最后的Mask阶段，增加了通道注意力机制，使得模型更多地得到需要的信息。经过实验表明，此模型在遥感图像的特殊目标细粒度识别中有良好的表现。对于同一个数据集，其评价指标在各个方面都要优于其他对比算法。

为了有效监测室内有害气体，提出了一种改进的深度残差网络的室内有害气体定量分析方法。该方法使用残差网络来提高深度学习方法学习干扰信号特征的能力，并提高混合气体定量分析的准确性以及模型的鲁棒性。将软阈值化用作非线性层，并将其嵌入到深度神经网络中，以消除非必要的噪声特征。该方法结合了深度学习与传统信号处理降噪算法的优点，通过使用具有不同干扰水平的甲醛气体样本集进行了验证，实验结果表明该模型在有干扰的场景下仍具有较高的准确率。

WiFi技术在室内定位领域具有普及率高、成本低的优势，通过精细时间测量(FTM)协议可实现准确的传播时间测量，受到广泛研究与应用。针对FTM面临异常值和时间偏移的问题，提出了一种适用于FTM的室内定位方法。该方法首先基于马氏距离来构建异常判别量，并且利用三段式权重函数计算加权矩阵，得到抑制异常值的M估计鲁棒卡尔曼滤波，然后通过两步加权最小二乘(WLS)算法联合估计位置和时间偏移，可以避免校准过程。搭建FTM测量平台，并在室内环境进行定位实验，结果表明所提方法可以有效降低异常值的影响，而且联合估计的定位精度接近于已校准的定位方法，可达到80%的定位误差小于1.5 m。

随着建设国家智能电网概念的提出，智能电表开始成为人们关注的焦点。为了更加方便、准确、及时地对用户用电量进行抄读与管理，实现智能电表的自动化、网络化，设计了一种基于LoRa的中继多跳组网协议，并通过对智能电表和采集器的通信模块进行新型软硬件设计，来实现此协议在智能电表通信方案中的移植和使用，进行智能电表的新型通信方案设计。该方案从通信性能及适用场景出发，在LoRa通信的基础上，通过中继多跳组网协议进一步提升LoRa通信的性能，实现了高容量、高可靠性的新型通信方案。

近些年在国家大力推进下，新能源充电桩和电动车领域发展迅猛，但也存在交易信息被泄露、企业间数据难以共享、用户充电体验感差等负面情况。基于以上问题，提出了一套基于区块链的新能源充电管理方案，利用区块链去中心化、数据加密等特性，在区块链底层上利用比特币、联合表征推荐算法等技术，建立联盟链模块、充电币模块、推荐模块三个模块，提出一套基于区块链的分布式新能源电动车充电管理方案。实践证明，该方案可以较好地解决上述问题。

航天系统单位在应用1553B总线电路过程中，为了增加设备单机的可靠性，使用了两组1553B总线单机，两组单机总线输出并联在一起，一组单机上电使用，一组单机断电处于冷备份状态，两组系统互为冷备份，正常工作时，要求互为冷备份的单机不能相互影响。针对该应用详细介绍了1553B总线电路内部总线端口结构，并对冷备份使用情况下总线端口的潜通路问题进行了详细测试验证，通过测试数据分析，证明了两组1553B总线电路在冷备份使用情况下是稳定可靠的，两组单机没有相互影响。

随着电商的不断发展，如何发现刷单账户以维护市场秩序是亟待解决的问题。根据用户的购买记录构建用户关系网络图。根据电商刷单特性，提出通过计算用户之间的关联性来对抗伪装，并提出了一种密集子图可疑度量。根据关联性和密集子图可疑度量，实现了一种针对电商的刷单团伙识别方法。实验结果表明，在真实的天猫数据集上，所提出的方法能有效地捕捉刷单团体, 结果与FRAUDAR算法相近，有较好的识别效果。