现有法语命名实体识别（NER）研究中，机器学习模型多使用词的字符形态特征，多语言通用命名实体模型使用字词嵌入代表的语义特征，都没有综合考虑语义、字符形态和语法特征。针对上述不足，设计了一种基于深度神经网络的法语命名实体识别模型CGC-fr。首先从文本中提取单词的词嵌入、字符嵌入和语法特征向量；然后由卷积神经网络（CNN）从单词的字符嵌入序列中提取单词的字符特征；最后通过双向门控循环神经网络（BiGRU）和条件随机场（CRF）分类器根据词嵌入、字符特征和语法特征向量识别出法语文本中的命名实体。实验中，CGC-fr在测试集的F1值能够达到82.16%，相对于机器学习模型NERC-fr、多语言通用的神经网络模型LSTM-CRF和Char attention模型，分别提升了5.67、1.79和1.06个百分点。实验结果表明，融合三种特征的CGC-fr模型比其他模型更具有优势。

云环境下恶意软件可利用多种手段篡改虚拟机（VM）中关键业务代码，威胁其运行的稳定性。传统的基于主机的度量系统易被绕过或攻击而失效，针对在虚拟机监视器（VMM）层难以获取虚拟机中运行进程完整代码段并对其进行完整性验证的问题，提出基于硬件虚拟化的虚拟机进程代码分页式度量方法。该方法以基于内核的虚拟机（KVM）作为虚拟机监视器，在VMM层捕获虚拟机进程的系统调用作为度量流程的触发点，基于相对地址偏移解决了不同版本虚拟机之间的语义差异，实现了分页式度量方法在VMM层透明地验证虚拟机中运行进程代码段的完整性。实现的原型系统——虚拟机分页式度量系统（VMPMS）能有效度量虚拟机中进程，性能损耗在可接受范围内。

为保护虚拟机敏感文件的完整性，针对外部监控中基于指令监控方式性能消耗大、兼容性低和灵活性差等缺点，提出一种基于硬件虚拟化的文件完整性监控（OFM）系统。该系统以基于内核的虚拟机（KVM）作为虚拟机监视器，可动态实时地配置敏感文件访问监控策略；OFM可修改虚拟机系统调用表项以透明拦截文件操作相关系统调用，以监控策略为依据判定虚拟机进程操作文件的合法性，并对非法进程进行处理。在虚拟机中采用性能测试软件Unixbench进行仿真，其中OFM在文件监控方面优于基于指令的监控方式，且不影响虚拟机其他类型系统调用。实验结果表明，OFM可以有效地监控虚拟机文件的完整性，具有更好的兼容性、灵活性和更低的性能损耗。

针对基础设施即服务（IaaS）环境下多租户使用安全服务时由于安全资源有限和安全资源分配不均导致的效率低下问题，提出了一个租户安全资源调度框架。首先以最小最大公平算法为基础，结合Fair Scheduler的调度思想为租户设定了最小共享量和资源需求量属性；然后通过安全服务资源分配算法在保证租户最小共享量满足的前提下，尽可能公平地满足租户的资源需求；最后结合租户内任务调度和租户间资源抢占算法，实现了租户安全服务调度框架。实验结果表明，在随机资源分配条件下，安全服务资源分配算法与传统资源分配算法相比在资源利用率和作业效率上均有明显提高，安全服务调度框架可以有效解决多租户安全资源的分配和强占问题。

针对云计算基础设施即服务(IaaS)平台所面临的虚拟机网络通信访问控制问题,提出了一种可适于IaaS平台的虚拟机通信访问控制方法.该通信访问控制方法基于软件定义网络(SDN),实现针对虚拟机通信的L2~L4层访问控制.实验结果表明:该通信访问控制方法能够有效实现对租户虚拟机通信的灵活访问控制,保障IaaS平台中租户网络的安全.

云平台下的虚拟机在物理机内部交互流量，而不通过防火墙等安全组件。针对这类流量无法在网络边界被获取并检测的问题，分析了OpenFlow技术的原理，提出了一种基于OpenFlow技术将虚拟机流量重定向到入侵检测系统进行检测的方案。方案使用OpenFlow虚拟交换机和控制器替代传统交换机，然后基于OpenFlow技术控制流量转发过程，将其导向外部的安全组件进行处理，并构建了由虚拟交换机、控制单元、入侵检测和系统配置管理4个模块组成的流量检测系统。实验结果表明，系统能够在满足虚拟机网络正常使用的前提下，将待监管流量导向入侵检测系统进行处理，而且能够同时提供交换机级及虚拟机级两种粒度的流量重定向控制。通过对虚拟机引流的方式实现在传统场景中解决云计算环境下流量检测问题，同时能够基于OpenFlow轻松实现流量处理的扩展操作。

热点话题挖掘是舆情监控的重要技术基础。针对现有的论坛热点话题挖掘方法没有解决数据中词汇噪声较多且热度评价方式单一的问题，提出一种基于主题聚簇评价的热点话题挖掘方法。采用潜在狄里克雷分配主题模型对论坛文本数据建模，对映射到主题空间的文档集去除主题噪声后用优化聚类中心选择的K-means++算法进行聚类，最后从主题突发度、主题纯净度和聚簇关注度三个方面对聚簇进行评价。通过实验分析得出主题噪声阈值设置为0.75，聚类中心数设置为50时，可以使聚类质量与聚类速度达到最优。真实数据集上的测试结果表明该方法可以有效地将聚簇按出现热点话题的可能性排序。最后设计了热点话题的展示方法。

通过对Nutch MapReduce job配置参数调优而优化Nutch爬行性能。以Hadoop视角梳理Nutch爬行过程,并基于此详细分析Nutch MapReduce job的工作流特性;对Nutch爬行时MapReduce job进行持续监测,生成优化参数并代入下一轮相同类型的job运行中,从而达到优化目的;通过选取合适的间隔监测值平衡集群环境误差和监测负载以改进优化效果。经过实验测试,Nutch的爬行性能提高了5%~14%,且当监测间隔值为5时有最好优化效果

基于网络用户的访问记录，提出了采用特征加权的朴素贝叶斯分类算法对用户进行识别。首先利用基于WinPcap框架的数据采集系统对用户访问记录进行采集，通过分析记录从5个方面对用户特征进行统计，并经过筛选后对特征进行选取，最后采用特征加权的朴素贝叶斯分类算法对3300个测试样本进行识别，识别率达到了85.73%。实验结果表明该算法能够有效实现对网络用户身份的识别。

采用被动测量技术分析了PPStream点播系统的节点发现和分发协议，研究了视频缓冲图（Buffer-Map）的结构特点和主要功能，在此基础上设计并实现了一款用于获取PPStream点播节目用户Buffer-Map信息的分布式主动测量爬虫系统，使用该爬虫对PPStream点播系统的用户观看行为进行了分类统计，首次提出了用户观看粘度的概念并做量化统计分析,发现用户观看粘度与平均观看长度成正比，与累计概率曲线斜率成反比。

对对等网络（P2P）的流量问题进行了分析，指出P2P流量问题产生的原因。融合网络运营商、地理位置等信息，提出了一种节点智能选择机制。该机制优先选择属于相同运营商和地理位置接近的节点作为数据交换对象，最大限度地将数据流量控制在本地网络和同一运营商的网络中，从而减少骨干网和网络出口的负载，同时提高了数据传输性能。在Bit Torrent (BT)系统中融合智能选择机制后，Tracker智能选择的节点在往返时延、路由跳数上均得到优化，实验数据表明该机制能有效减少“流量旅行”，提高P2P传输效率。

对PPLive进行了系统的研究，提出了相应的爬虫设计方案，并以该爬虫为平台对PPLive网络进行了相关的主动测量，最后给出了PPLive用户行为特征的相关分析。研究结果为PPLive或其他基于P2P 的IPTV系统测量研究提供了有效的方法。