目前，网络密集化现象加剧了信道传输性能的恶化。而普遍应用的评估方法由于参数考虑有限和适用范围受限，在信道传输性能评估方面面临显著挑战。针对信道传输性能评估困难的问题，提出一种改进传输控制协议/网际协议（TCP/IP）帧结构的多参数信道传输性能评估方法。首先，生成标准化的测试数据，包括伪随机码、基本曲线数据、自定义曲线数据，以确保测试数据遵循统一标准；其次，使用改进的TCP/IP帧结构，将总帧数、帧序号等测试数据信息封装在TCP/IP帧中，并对测试数据进行收发与解析，统计不同帧类型的帧数量、不同帧长度的帧数量、总帧数和有效数据量这4种基础信道传输信息；最后，分析接收数据得到误帧率和误码率这2种高级信道传输信息，完成信道传输性能的整体评估。所设计的方法采用6种不同的参数对信道质量进行评估，方法评估的精度可达0.01%，最小误差为0.01%，且兼容所有使用TCP/IP进行通信的信道。实验结果表明，所提出的信道传输性能评估方法可以完成对6种信道通信信息的统计与分析，准确评估信道传输性能。

当前，社交媒体平台成为人们发布和获取信息的主要途径，但简便的信息发布也导致了谣言更容易迅速传播，因此验证信息是否为谣言并阻止谣言传播，已经成为一个亟待解决的问题。以往的研究表明，人们对信息的立场可以协助判断信息是否为谣言。在此基础上，针对谣言泛滥的问题，提出了一个联合立场的过程跟踪式多任务谣言验证模型（JSP?MRVM）。首先，分别使用拓扑图、特征图和公共图卷积网络（GCN）对信息的三种传播过程进行表征；然后，利用注意机制获取信息的立场特征，并融合立场特征与推文特征；最后，设计多任务目标函数使立场分类任务更好地协助验证谣言。实验结果表明，所提模型在RumorEval数据集上的准确度和Macro?F1较基线模型RV?ML分别提升了10.7个百分点和11.2个百分点，可以更有效地检验谣言，减少谣言的泛滥。

跨模态图像文本检索的难点是如何有效地学习图像和文本间的语义相关性。现有的大多数方法都是学习图像区域特征和文本特征的全局语义相关性或模态间对象间的局部语义相关性，而忽略了模态内对象之间的关系和模态间对象关系的关联。针对上述问题，提出了一种基于语义关系图的跨模态张量融合网络（CMTFN-SRG）的图像文本检索方法。首先，采用图卷积网络（GCN）学习图像区域间的关系并使用双向门控循环单元（Bi-GRU）构建文本单词间的关系；然后，将所学习到的图像区域和文本单词间的语义关系图通过张量融合网络进行匹配以学习两种不同模态数据间的细粒度语义关联；同时，采用门控循环单元（GRU）学习图像的全局特征，并将图像和文本的全局特征进行匹配以捕获模态间的全局语义相关性。将所提方法在Flickr30K和MS-COCO两个基准数据集上与多模态交叉注意力（MMCA）方法进行了对比分析。实验结果表明，所提方法在Flickr30K测试集、MS-COCO1K测试集以及MS-COCO5K测试集上文本检索图像任务的Recall@1分别提升了2.6%、9.0%和4.1%，召回率均值（mR）分别提升了0.4、1.3和0.1个百分点，可见该方法能有效提升图像文本检索的精度。

为对图像融合算法进行客观准确的综合评价，提出一种基于总变差正则化（TV-L¹）结构纹理分解的评价算法。根据对人类视觉系统的研究，可知人们对图像质量的感知主要来自图像底层视觉特征，而结构特征以及纹理特征是最重要的图像底层视觉特征，但目前的图像融合质量评价算法并没有利用这两种特征来进行评价。鉴于此，将图像进行二级结构和纹理分解，根据结构和纹理图像蕴含图像特征的不同，从结构图像和纹理图像两方面分别进行相似度评价，综合各级得分得到最终的评价总得分。基于30幅图像的数据集和8种主流融合算法，参照已有的11种客观评价指标，用波达计数法和肯德尔系数检验了该评价指标的一致性，另外在主观评价图像集上验证了该客观评价指标与主观评价的一致性。

网络脆弱性评估是一种主动防范技术,意在攻击发生之前对安全态势进行分析进而制定防御措施,但传统的定量分析模型不能对实体间动态交互关系有很好的展现,而且大都不能得出风险扩散的全局化结果。将脆弱性扩散过程类比于社会网络中影响力传播过程,提出了基于累积效应的网络脆弱性扩散分析方法,定义的脆弱性扩散分析模型给出了细粒度级的主体关系结构,利用攻击效果累积特性提出的分析算法可以更准确地刻画脆弱性扩散规则,保证更好的影响范围。最后对该模型和算法进行了实例验证,在模型描述简洁性、分析结果准确性、安全建议合理性等方面的横向比较分析,验证了模型在评估结果直观性和制定成本最小安全措施等方面的优势。