针对目标检测过程中存在的小目标漏检问题，提出一种基于注意力机制和多尺度上下文信息的改进YOLOv5目标检测算法。首先，在特征提取结构中加入多尺度空洞可分离卷积模块（MDSCM）以提取多尺度特征信息，在增大感受野的同时避免小目标信息的丢失；其次，在主干网络中添加注意力机制，并在通道信息中嵌入位置感知信息，进一步增强算法的特征表达能力；最后，使用Soft-NMS（Soft-Non-Maximum Suppression）代替YOLOv5使用的非极大值抑制（NMS），降低检测算法的漏检率。实验结果表明，改进算法在PASCAL VOC数据集、DOTA航拍数据集和DIOR光学遥感数据集上的检测精度分别达到了82.80%、71.74%和77.11%，相较于YOLOv5，分别提高了3.70、1.49和2.48个百分点；而且它对图像中小目标的检测效果更好。因此，改进的YOLOv5可以更好地应用到小目标检测场景中。

针对传统序列模式挖掘算法中支持度不能如实体现序列模式兴趣度以及未对报告的序列模式进行质量评估的问题，提出一个基于影响度的统计显著序列模式挖掘算法ISSPM。首先，递归地挖掘出所有满足兴趣度约束的序列模式；然后，使用项集置换方法构建这些序列模式的置换检验零分布；最后，通过该零分布计算出被评估的序列模式的统计度量值，并从上述序列模式中找到所有统计显著序列模式。真实序列记录集合上的实验结果表明，ISSPM算法相较于PSPM、SPDL和PSDSP算法挖掘到的序列模式数量更少但兴趣度更强；仿真序列记录集合上的实验结果表明，ISSPM算法报告的结果中假阳性序列模式数量平均占比为3.39%，且该算法的嵌入模式的发现率均不低于66.7%，明显优于上述3个对比算法。可见，ISSPM算法报告的统计显著序列模式能够体现序列记录集合中更有价值的信息，同时根据这些信息做出的进一步分析和决策也更加可靠。

虚假新闻不仅会导致人们形成错误观念，损害人们的知情权，还会降低新闻网站公信力。针对新闻网站出现虚假新闻的问题，提出一种基于区块链技术的虚假新闻检测方法。首先，通过调用智能合约为新闻随机分配审核者来判定新闻的真实性。然后，调整审核者数量以确保有效审核者的数量，提高审核结果的可信度。同时设计激励机制，根据审核者的行为分配奖励，并运用博弈论分析审核者的行为和获得的奖励，为了获得最大利益，审核者的行为必须是诚实的。而后设计审计机制检测恶意的审核者，以提高系统的安全性。最后，利用以太坊智能合约实现了一个简易的区块链虚假新闻检测系统，并对虚假新闻检测进行了仿真，结果显示所提方法的新闻真实性检测的准确率达到了95%，表明该方法可有效防止虚假新闻的发布。