在黑盒场景下，使用模型功能窃取方法生成盗版模型已经对云端模型的安全性和知识产权保护构成严重威胁。针对扰动和软化标签（变温）等现有的模型窃取防御技术可能导致模型输出中置信度最大值的类别发生改变，进而影响原始任务中模型性能的问题，提出一种基于暗知识保护的模型功能窃取防御方法，称为DKP（defending against model stealing attacks based on Dark Knowledge Protection）。首先，利用待保护的云端模型对测试样本进行处理，以获得样本的初始置信度分布向量；然后，在模型输出层之后添加暗知识保护层，通过分区变温调节softmax机制对初始置信度分布向量进行扰动处理；最后，得到经过防御的置信度分布向量，从而降低模型信息泄露的风险。使用所提方法在4个公开数据集上取得了显著的防御效果，尤其在博客数据集上使盗版模型的准确率降低了17.4个百分点，相比之下对后验概率进行噪声扰动的方法仅能降低约2个百分点。实验结果表明，所提方法解决了现有扰动、软化标签等主动防御方法存在的问题，在不影响测试样本分类结果的前提下，通过扰动云端模型输出的类别概率分布特征，成功降低了盗版模型的准确率，实现了对云端模型机密性的可靠保障。
针对多接入边缘计算（MEC）服务器高可靠、低时延和大数据量的数据传输要求，基于无冲突接入、优先级架构和弹性服务技术，提出一种适用于车辆边缘计算场景下的媒体访问控制（MAC）调度策略。所提策略由车联网（IoV）路侧单元（RSU）集中协调信道接入权，优先确保车载网络中车载通信单元（OBU）与MEC服务器之间的链路传输质量，以及时传输车辆到网络（V2N）业务数据；同时，对本地OBU之间的业务采取弹性服务方式，增强密集车辆接入时应急消息传输的可靠性。首先，构建调度策略的排队分析模型；其次，根据各时刻系统状态变量的无后效性特点建立嵌入式马尔可夫链，并通过概率母函数的分析方法对系统进行理论分析，得到MEC服务器通信单元和OBU的平均排队队长、平均等待时延和RSU查询周期等关键指标的精确解析表达式。计算机仿真实验结果表明，统计分析结果与理论计算结果一致，所提调度策略在高负载情况下能够提高IoV的稳定性和灵活性。
针对多通道脑电信号（EEG）相互干扰、存在个体差异性导致分类结果不同和单域特征识别率低等问题，提出一种通道选择和特征融合的方法。首先，对获取到的EEG进行预处理，使用梯度提升决策树（GBDT）选出重要通道；其次，采用广义预测控制（GPC）模型构建重要通道的预测信号，辨析多维相关信号之间的细微差别，再使用SE?TCNTA（Squeeze and Excitation block-Temporal Convolutional Network-Temporal Attention）模型提取不同帧之间的时序特征；然后，使用皮尔逊相关系数计算通道间的关系，提取EEG的频域特征和预测信号的控制量作为输入，建立空间图结构，并采用图卷积网络（GCN）提取频域、空域的特征；最后，将上述二者特征输入全连接层进行特征融合，实现EEG的分类。在公共数据集BCICIV_2a上的实验结果表明，在进行通道选择的情况下，与首个用于ERP检测的EEG-Inception模型以及同样采用双分支提取特征的DSCNN （Shallow Double-branch Convolutional Neural Network）模型方法相比，所提方法的分类准确率分别提升了1.47%和1.69%，Kappa值分别提升了1.25%和2.53%。所提方法能够提高EGG的分类精度，同时减少冗余数据对特征提取的影响，因此更适用于脑机接口（BCI）系统。
基于单一脑图谱模板的功能连接网络中提取的特征表示不足以揭示患者组和正常对照组（NC）之间的复杂拓扑结构差异，而传统的基于多模板的功能脑网络定义多采用独立模板，缺乏模板间的关联，从而忽略了各模板构建的功能脑网络中潜在的拓扑关联信息。针对上述问题，提出了一种多层次脑图谱模板和一种使用关系诱导稀疏（RIS）特征选择模型的方法。首先定义了具有关联的多层次脑图谱模板，挖掘模板之间潜在关系和表征组间网络结构差异；然后用RIS特征选择模型进行参数优化，进而提取组间差异特征；最后利用支持向量机（SVM）方法构建分类模型，并应用于抑郁症患者的诊断。在山西大学第一医院抑郁症临床诊断数据库上的实验结果显示，基于多层次模板的功能脑网络通过使用具有RIS特征的选择方法取得了91.7%的分类准确率，相比传统多模板方法的准确率提高了3个百分点。
随着我国铁路的迅速发展，对列车运行安全性的要求越来越高。采用Event-B形式化建模方法研究了高速列车安全距离控制形式化验证问题，以Event-B形式化仿真工具Rodin为基础，通过结合多智能体理论，引入感知决策法则，实现了无线闭塞中心(RBC)与列车的车地通信，建立了多列车运行的安全距离控制模型。仿真研究了高速列车最小间隔追踪控制运行，对列车安全距离控车行为进行了形式化建模并进行了POs证明义务验证。仿真结果表明，对于CTCS列车控制系统的复杂逻辑关联行为，采用提出的Event-B和多智能体系统(MAS)结合的形式化验证方法，可进行系统规范的模型验证，对于复杂系统的逻辑验证有较强的实际意义。
