信息物理融合系统（CPS）是一个融合了计算、控制、通信和物理元素的分布式实时反馈系统，但传统的建模方法无法满足CPS对时空性能要求较高的情况。为此，提出结合对象特征的对象时空Petri网（DS-OPN）建模方法。首先，将面向对象封装技术、时空元素融入Petri网中，设计空间和时间描述规则，将相同对象下的场景元素封装到同一对象子网系统模型中。其次，定义聚合规则，聚合各个子网模型，使这些模型能够描述CPS物理拓扑环境中的对象变化过程。最后，以交通CPS为例，建模和仿真分析自主控制超车系统的动态行为；同时，建立模型的可覆盖性树和关联矩阵分析验证模型的可达性、安全性等性质。实验结果显示，DS-OPN建模方法建立的模型对系统流程的逻辑结构表现清晰，对时空因素的计算准确，在实时性和安全性上能满足CPS的要求，验证了该建模方法的有效性和安全性。

当前网络安全事故频发，传统被动防御技术已经无法应对未知的网络安全威胁。针对这一问题，构建了多阶段演化信号博弈模型，并以防御方主动发射诱导信号进行安全防御为背景，提出了一种基于多阶段演化信号博弈模型的移动目标防御（MTD）决策算法。首先，以博弈双方不完全信息约束及完全理性前提为假设对模型的基本元素进行定义并进行模型整体理论分析；然后，设计了攻防策略的收益量化方法，并给出了详细的最优策略均衡求解过程；最后，引入MTD方法分析多阶段攻防情况下双方策略的演化趋势。实验结果表明，所提算法能准确预测出不同阶段最优防御策略，而且对新型网络主动防御技术研究具有指导意义。同时，通过蒙特卡洛仿真实验，将所提算法与传统随机均匀策略选择算法进行对比，所得结果验证了所提算法的有效性和安全性。

由于现实生活场景差异大，人类在不同场景中表现的情感也不尽相同，导致获取到的情感数据集标签分布不均衡；同时传统方法多采用模型预训练和特征工程来增强与表情相关特征的表示能力，但没有考虑不同特征表达之间的互补性，限制了模型的泛化性和鲁棒性。针对上述问题，提出了一种包含网络集成模型Ens-Net的端到端深度学习框架EE-GAN：一方面考虑了多个异质网络获得的不同深度和区域的特征，实现不同语义、不同层次的特征融合，并通过网络集成以提高模型的学习能力；另一方面，基于对抗生成网络生成具有特定表情标签的面部图像，在进行数据增强的同时，达到平衡表情标签数据分布的目的。在CK+、FER2013和JAFFE数据集上的定性和定量实验验证了所提方法的有效性：相较于局部保留投影方法（LPP）在内的基于视图学习的方法，EE-GAN面部表情识别的准确率最高，分别达到了82.1%、84.8%和91.5%；同时，和AlexNet、VGG、ResNet等传统卷积神经网络（CNN）模型相比，准确率最少提高了9个百分点。

在软件定义网络（SDN）中，各类网络应用的独立开发以及多用户的网络管理可能导致下发至交换设备的流规则发生冲突，而控制平面与转发平面的分离使得交换设备缺乏策略分析能力，无法独立检测内部的流规则冲突。针对这一问题，提出一种流规则冲突检测系统和检测算法。首先，通过监听、捕获控制平面与转发平面之间的OpenFlow报文，获取即将下发的流规则的信息。然后，使用冲突检测算法判定流规则的冲突类型。该算法根据流规则的匹配协议选择对应的规则集合，从而缩小了检测规模；而且在检测时优先对无冲突（NC）规则的特征进行检测，使得对NC规则的检测效率要高于其他类型的冲突规则。最后，根据冲突类型对流规则进行冲突消解。实验结果表明，所提冲突检测算法的检测准确率可以达到100%，与动态冲突检测模型相比该算法在同等规模的规则集合下的检测时间缩短约47%。且检测时间随NC规则占比的提高而缩短。

针对嵌入式实时系统在系统负载模型不确定的情况下系统的实时任务错过率过高以及调度稳定性差的问题,提出了一个基于反馈控制的调度模型.该模型主要由改进的多级队列调度器和3个控制器(准入控制器、执行等级控制器、比例积分微分(PID)控制器)组成.任务的错过率偏差反馈到PID控制器,产生相应的调整量并作用于其他两个控制器,对实时任务的执行等级进行调整, 经过调整的任务被调度器调度执行.在对模型中每个部件进行了一些结构调整和改进设计之后,将该调度模型应用于嵌入式可配置操作系统(eCos)中.实验结果表明,该模型降低了任务的时限错过率,同时解决了系统频频超载的问题.