针对社交网络中用户抄袭难以识别的问题，为保障原创作者权益并对具有抄袭行为的用户进行追责，提出了区块链下社交网络用户抄袭识别方案。针对现有区块链缺少通用溯源模型的问题，设计基于区块链的溯源信息管理模型来记录用户操作信息，为文本相似度检测提供依据。在Merkle树和布隆过滤器结构的基础上，设计了新的索引结构BHMerkle，减少了区块构建和查询时的计算开销，实现了对交易的快速定位。同时提出多特征权重Simhash算法，提高了词权计算的准确性并提高签名值匹配阶段的效率，从而对具有抄袭行为的恶意用户进行识别，并通过奖惩机制遏制恶意行为的发生。抄袭识别方案在不同主题的新闻数据集上的平均准确率为94.8%，平均召回率为88.3%，相较于多维度Simhash算法和基于信息熵加权的Simhash（E-Simhash）算法，平均准确率分别提升了6.19、4.01个百分点，平均召回率分别提升了3.12、2.92个百分点。实验结果表明，所提方案在抄袭文本的查询及检测效率方面均有所提升，且在抄袭识别方面具有较高的准确性。

跨项目软件缺陷预测可以解决预测项目中训练数据较少的问题，然而源项目和目标项目通常会有较大的数据分布差异，这降低了预测性能。针对该问题，提出了一种基于特征选择和TrAdaBoost的跨项目缺陷预测方法（CPDP-FSTr）。首先，在特征选择阶段，采用核主成分分析法（KPCA）删除源项目中的冗余数据；然后，根据源项目和目标项目的属性特征分布，按距离选出与目标项目分布最接近的候选源项目数据；最后，在实例迁移阶段，通过采用评估因子改进的TrAdaBoost方法，在源项目中找出与目标项目中少量有标签实例分布相近的实例，并建立缺陷预测模型。以F1作为评价指标，与基于特征聚类和TrAdaBoost的跨项目软件缺陷预测（FeCTrA）方法以及基于多核集成学习的跨项目软件缺陷预测（CMKEL）方法相比，CPDP-FSTr的预测性能在AEEEM数据集上分别提高了5.84%、105.42%，在NASA数据集上分别提高了5.25%、85.97%，且其两过程特征选择优于单一特征选择过程。实验结果表明，当源项目特征选择比例和目标项目有类标实例比例分别为60%、20%时，所提CPDP-FSTr能取得较好的预测性能。

针对深度神经网络（DNN）中的可解释性导致模型信息泄露的问题，证明了在白盒环境下利用Grad-CAM解释方法产生对抗样本的可行性，并提出一种无目标的黑盒攻击算法——动态遗传算法。该算法首先根据解释区域与扰动像素位置的变化关系改进适应度函数，然后通过多轮的遗传算法在不断减少扰动值的同时递增扰动像素的数量，而且每一轮的结果坐标集会在下一轮的迭代中保留使用，直到在未超过扰动边界的情况下扰动像素集合使预测标签发生翻转。在实验部分，所提算法在AlexNet、VGG-19、ResNet-50和SqueezeNet模型下的攻击成功率平均为92.88%，与One pixel算法相比，虽然增加了8%的运行时间，但成功率提高了16.53个百分点。此外，该算法能够在更短的运行时间内，使成功率高于Ada-FGSM算法3.18个百分点，高于PPBA算法8.63个百分点，并且与Boundary-attack算法的成功率相差不大。结果表明基于解释方法的动态遗传算法能有效进行对抗攻击。

针对基于传统区块链进行医疗数据共享时可扩展性受限制的问题，提出一种基于分片技术的区块链扩容共享方案。首先，基于跳跃一致性哈希算法进行周期性网络分片，通过随机划分全网节点大幅度降低单分片内女巫攻击的风险；其次，分片内使用可扩展的去中心化信任基础设施区块链（SBFT）共识协议以降低实用拜占庭容错（PBFT）共识协议的高通信复杂度，并且在分片的物理多链与主链的逻辑单链间采用双层架构以减小分片成员的存储压力；最后，在医疗联盟链上提出基于公钥密码体制的多关键词关联检索可搜索加密共享方案（PECKS），从而提高病人对自己敏感数据的掌控度，并实现加密情况下敏感数据的细粒度检索。通过性能分析可以看出，在并行分片结构下，区块链吞吐量随分片增加有明显增长，检索效率也得到显著提升。实验结果表明，所提方案能大幅度提升区块链系统的效率与可扩展性。

针对传统文件共享方案存在文件易泄露、文件去向难以控制、访问控制复杂等问题，以及云端文件分级分类管理及共享的应用需求，提出了一种基于身份多条件代理重加密的文件分级访问控制方案。首先，将文件的权限等级作为密文生成条件，并引入可信分级管理单元确定并管理用户等级；然后，生成用户分级访问权限重加密密钥，解决了基于身份的条件代理重加密方案只能限制代理服务器的重加密行为而对用户权限限制不足的问题；同时，减轻了用户端的负担，即用户只需进行加解密操作。不同方案的对比分析结果表明，所提方案与现有访问控制方案相比有明显优势，无需用户直接参与即可完成用户访问权限的更新，并且具有上传者匿名的特点。

压缩感知主要包括随机投影和重构两部分。针对迭代收缩算法收敛速度较慢，普通二维小波变换缺少方向性表示的缺点，利用置乱离散余弦变换（PDCT）实现随机投影，重构时采用梯度投影算法，在简化计算的基础上，通过迭代的方式完善图像在双树复数小波域的变换系数，最后经反变换后得到重构图像。在同一重构算法下，比较了利用双树复数小波变换和双正交小波变换的重构结果，结果表明前者重构后的图像在细节和平滑度上优于后者，在峰值信噪比（PSNR）上平均高出约1.5 dB；同一稀疏域中，梯度投影算法的收敛速度优于迭代收缩算法；相同稀疏域和重构算法下，PDCT与结构随机矩阵相比在PSNR上略高。