针对当前互联网中多匹配域流表规模不断膨胀、匹配宽度不断增大，导致硬件存储压力过大的问题，提出了一种基于独立规则子集位提取（BEIS）的压缩方案。首先，根据多匹配域之间的逻辑关系进行匹配域合并，从而减少匹配域个数、减小流表位宽；其次，对合并后的规则集进行独立规则子集分割，将分割后的子集进行可区分的位提取，从而使用部分位完成匹配查找功能，进一步缩减所用的三态内容寻址寄存器（TCAM）空间；最后，提出了实现该方案的硬件查找架构。仿真结果表明，对于OpenFlow流表，该方案在一定的时间复杂度下，比匹配域裁剪（FT）方案减少了20%的存储空间；另外，对于实际应用中常见的访问控制列表、防火墙等包分类规则集，可实现20%到40%的压缩比率。

针对单一生物特征识别技术易受外界各种因素影响，识别率和稳定性有待提高的问题，提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先，对掌纹掌脉图像利用非下采样Contourlet变换（NSCT）进行分解，将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合；然后，对融合后的图像利用近邻二值模式（NBP）提取纹理特征，获得特征向量；最后，通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验，结果表明，NSCT-NBP算法可获得最低的EER，分别为0.72%和0.96%，识别时间仅为0.0530 s和0.0871 s，与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比，在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征，具有良好的识别性能，并且掌纹掌脉特征的融合增强了识别系统的安全性。

针对软件定义网络（SDN）网络控制器流规则篡改攻击等单点脆弱性威胁，传统安全解决方案如备份、容错机制等存在被动防御缺陷，无法从根本上解决控制层安全问题。结合目前移动目标防御、网络空间拟态防御等主动防御技术研究现状，提出一种基于异构冗余结构的动态安全调度机制。建立控制器执行体与调度体调度模型，根据系统攻击异常、异构度等指标，以安全性为原则设计动态调度策略；同时考虑系统负载因素，通过设计调度算法LA-SSA将调度问题转化为动态双目标优化问题，以实现优化的调度方案。仿真结果表明，对比静态结构，动态调度机制在累积异常值、输出安全率等指标上有明显优势，说明安全调度机制中的动态性与多样性能够显著提高系统抵御攻击能力，LA-SSA机制负载方差较安全优先调度更平稳，在实现安全调度的同时避免了负载失衡问题，验证了安全调度机制的有效性。

判别模型。该模型选定了温升、列温升差、辆温升差3个特征作为输入量,4种热轴等级作为输出量,并利用125条模糊推理规则和学习算法对模糊神经网络进行训练,得到的模糊神经网络可作为专家系统对热轴进行判别。实例仿真结果表明:模糊神经网络热轴判别模型使得判别参数减少,判别科学化,且判别的一致率达到95%。

结合某通信企业业务数据的特点，为其通信网络数据预测业务建立了一套通用的PBP预测网络模型。它以时间序列分析为建模依据和指导，并改变BP神经网络的学习方法，提出BPL网络用作模型中挖掘数据依赖性的工具，它的预测精度、运算速度、泛化能力明显高于BP网络。此外，PBP模型能依据历史数据自动计算最合适的预测阶数；根据业务数据特点设计的消除非平稳因素的方法，使其在平稳化的同时能很好地提高并行运算性能；用区间估计过滤异常数据，具有较强的抗干扰能力，能适应实际的工作环境。用业务数据测试该模型，得到了快速的、非常精确的预测效果和完备的预测值置信区间。