针对属性基可搜索加密（ABSE）方案大都基于非国密算法设计，且无法抵抗内部算法替换攻击（ASA）的问题，提出一种支持密码逆向防火墙的基于SM9的属性基可搜索加密方案（SM9ABSE-CRF）。该方案将国密算法SM9扩展至ABSE领域，实现了细粒度数据访问控制，并引入密码逆向防火墙（CRF）技术有效抵御ASA。分析了SM9ABSE-CRF在判定性Diffie-Hellman（DBDH）假设下满足了选择关键词下的不可区分性，并形式化证明了CRF的部署满足维持功能性、保留安全性以及抵抗泄漏性。理论分析和仿真实验结果表明，与提供CRF的ABSE方案cABKS-CRF （consistent Attribute-Based Keyword Search system with CRF）相比，SM9ABSE-CRF具有更高的安全性，并且在索引与陷门生成阶段也表现出显著的性能优势。

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题，提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法（MSI-PPPGrowth），所提算法充分利用了时序数据客观存在的时间多尺度特性，将多尺度理论引入时序数据的部分周期模式挖掘过程。首先，将尺度划分后的原始数据以及增量时序数据作为更细粒度的基准尺度数据集进行独立挖掘；然后，利用不同尺度数据间的相关性实现尺度转换，以间接获取动态更新后的数据集对应的全局频繁模式，从而避免了原始数据集的重复扫描和树结构的不断调整。其中，基于克里金法并考虑时序周期性设计了一个新的频繁缺失计数估计模型（PJK-EstimateCount），以有效估计在尺度转换过程中的缺失项支持度计数。实验结果表明，MSI-PPPGrowth具有良好的可扩展性和实时性，尤其是对于稠密数据集，其性能优势更为突出。