针对区块链平台上智能合约应用种类繁多，人工筛选合适的智能合约应用服务日益困难的问题，提出一种基于层级注意力机制与双向长短期记忆（Bi-LSTM）神经网络的智能合约自动分类模型——HANN-SCA。首先，利用Bi-LSTM网络从智能合约源代码和账户信息两个角度同时建模，最大限度地提取智能合约的特征信息。其中源代码角度关注智能合约中的代码语义特征，账户信息角度关注智能合约的账户特征。然后，在特征学习过程中从词层面和句层面分别引入注意力机制，重点捕获对智能合约分类有重要意义的单词和句子。最后，拼接代码特征与账户特征以生成智能合约文档级特征表示，通过Softmax层完成分类任务。实验结果表明，所提模型在Dataset-E、Dataset-N和Dataset-EO数据集上的分类正确率分别达到了93.1%、91.7%和92.1%，效果明显优于传统的支持向量机模型（SVM）和其他神经网络基准模型，且具有更好的稳定性与更高的收敛速度。

为了有效管理云系统间跨域互操作中安全策略的实施，提出一种适用于云计算环境的多域安全策略验证管理技术。首先，研究了安全互操作环境的访问控制规则和安全属性，通过角色层次关系区分域内管理和域间管理，形式化定义了基于多域的角色访问控制（domRBAC）模型和基于计算树逻辑（CTL）的安全属性规范；其次，给出了基于有向图的角色关联映射算法，以实现domRBAC角色层次推理，进而构造出了云安全策略验证算法。性能实验表明，多域互操作系统的属性验证时间开销会随着系统规模的扩大而增加。技术采用多进程并行检测方式可将属性验证时间减少70.1%～88.5%，其模型优化检测模式相比正常模式的时间折线波动更小，且在大规模系统中的时间开销要明显低于正常模式。该技术在规模较大的云系统安全互操作中具有稳定和高效率的属性验证性能。