为了进一步提高恶意代码识别的准确率和自动化程度，提出一种基于深度学习的Android恶意代码分析与检测方法。首先，提出恶意代码纹理指纹体现恶意代码二进制文件块内容相似性，选取33类恶意代码活动向量空间来反映恶意代码的潜在动态活动。其次，为确保分类准确率的提高，融合上述特征，训练自编码器（AE）和Softmax分类器。通过对不同数据样本进行测试，利用栈式自编码（SAE）模型对Android恶意代码的分类平均准确率可达94.9%，比支持向量机（SVM）高出1.1个百分点。实验结果表明，所提出的方法能够有效提高恶意代码识别精度。

云存储规模的不断扩大以及设计时对能耗因素的忽略使其日益暴露出高能耗低效率的问题，并且此问题已经成为制约云计算与大数据快速发展的一个主要瓶颈。已有研究大多采用将整个存储节点调整到低能耗模式以达到节能的目的。根据数据的重复性及访问规律，设计了基于数据分类的存储模型，将存储区域划分为热数据块区、冷数据块区与重复文件区，根据不同数据的重复性及活动因子特点进行分区存储。围绕新的存储模型，设计了适应节能的数据存储算法并建立了能耗模型。实验结果表明：当系统负载小于设定阈值时，新的存储模型能够提高存储系统25%左右的能耗利用率。

针对云计算服务环境下软硬件节能和负载均衡优化问题，提出一种自适应的云计算环境下虚拟机(VM)动态迁移软节能策略。该策略采用常用的硬件能耗感知技术——动态电压频率调节(DVFS)来实现分段优化的系统部件静态节能，又通过VM在线迁移技术实现云平台的动态自适应软件节能。在CloudSim云仿真平台下对比实现DVFS静态节能和自适应负载均衡的软节能策略，经PlanetLab云平台监测数据验证，结果表明：软硬结合的自适应能耗感知策略能够高效节能96%； DVFS+MAD_MMT节能策略(采用平均绝对偏差算法判定主机是否超载，基于最短迁移时间(MMT)原则选择VM移出)

针对传统的基于用户的协同过滤(UCF)模型在相似性度量过程中没有充分考虑项目属性的问题，提出了两种考虑项目属性的协同过滤推荐模型。模型首先对用户评分相似性进行优化；然后从项目属性的角度统计用户关于不同项目的评价次数，获得优化的基于项目属性的用户相似性；最后通过自适应平衡因子协调处理两方面的相似性结果进行项目预测与推荐。实验结果表明，在不同的数据集中，新提出的模型不仅时间花费较为合理，而且评分预测准确性明显提高，平均提高了5%，从而证明了模型在改进用户相似性度量精度方面的有效性。

针对云计算环境中资源具有规模庞大、异构性、多样性等特点，提出了一种对资源进行模糊聚类的工作流任务调度算法。经过对网络资源属性进行量化、规范化，以预先构建的任务模型和资源模型为基础，结合模糊数学理论划分资源，使得在任务调度时能够较准确地优先选择综合性能较好的资源类簇，缩短了任务资源相匹配的时间，提高了调度性能。通过仿真实验将此算法与HEFT、DLS进行比较，实验结果表明，当任务在[0,100]范围增加时，该算法平均SLR比HEFT小34%，比DLS小99%，其平均Speedup比HEFT大59%，比DLS大102%；当资源在[0,100]范围增加时，该算法平均SLR比HEFT小36%,比DLS小97%，其平均Speedup比HEFT大45%，比DLS大108%。所提算法实现了对资源的合理划分，且在执行跨度方面具有优越性。

目前大多数无证书签密方案都是在随机预言模型下提出的，针对随机预言模型下的方案往往无法在实际应用中构造相应实例这一问题，采用标准模型的方法来进行构造。在对几个已有标准模型下相应方案分析的基础上，指出它们都是不安全的。以Au等所提出的方案(AU M H, LIU J K, YUEN T H, 〖WTBX〗et al〖WTBZ〗. Practical hierarchical identity based encryption and signature schemes without random oracles. http://eprint.iacr.org/2006/368.pdf)为基础，利用椭圆曲线上的双线性对性质，提出了一个新的标准模型下可证安全的无证书签密方案。最后，利用决策双线性Diffie-Hellman(DBDH)等困难问题，证明该方案满足适应性选择密文攻击下的不可区分性以及适应性选择消息和身份攻击下的存在不可伪造性，因而方案是安全可靠的。

在门限环签名中，任意n个成员组中的t个可以代表整个成员组产生(t,n)门限环签名，而对实际的签名者却具有匿名性。为了设计签名长度是常量的门限环签名方案，通过使用双线性对技术，提出了一种无需随机预言机的基于身份的门限环签名方案。最后，通过对方案的安全性进行分析，指出方案满足无条件匿名性以及在Diffie-Hellman 逆(DHI)困难问题的假设下满足选择消息和身份攻击下的存在不可伪造性。

为了研究强噪声光斑图像的抑噪方法，采用基于小波阈值法和形态学滤波的级联算法及小波域中值滤波法进行预处理，以信噪比、均方根误差和光强分布作为评估标准，并将处理效果与其他方法对比。结果表明：小波域中值滤波处理效果优于空域中值滤波；级联法的抑噪和光斑特征恢复效果更优于传统方法，其中对-2.0843dB的原低信噪比图像处理后的信噪比、均方根误差分别约为小波变换和空域中值滤波法的1.34、0.81倍和3.14、0.50倍；且原图像信噪比越低，其处理效果相对于传统方法的优越性越明显。