针对目前深度学习应用缺少有效的开发与部署工具的问题，提出一个面向深度学习应用的组件式开发框架。所提框架根据应用的资源消耗类型进行功能拆分，使用评测引导的资源分配方案进行瓶颈消除，使用分步装箱方案兼顾高CPU利用率和低显存开销的功能放置。基于此框架开发的实时车牌号检测应用，在吞吐优先模式下GPU利用率达到82%，在延迟优先模式下平均应用延迟达到0.73 s，在三种模式下（吞吐优先模式、延迟优先模式以及吞吐/延迟的均衡模式）下，CPU平均利用率达到68.8%。实验结果表明，基于此框架能够进行硬件吞吐与应用延迟的平衡型配置，在吞吐优先模式下高效利用平台的计算资源，在延迟优先模式下满足应用的低延迟需求。相较于MediaPipe，使用本框架能够进行超实时的多人姿态估计应用开发，应用的检测帧率最高提升了1 077%。实验结果表明，所提框架能够作为CPU-GPU异构服务器上面向深度学习应用开发部署的有效解决方案。

针对目前区块链系统跨链互操作难问题而导致的“信息与价值孤岛”现象，提出一种基于联盟自治的区块链跨链机制。该机制的核心思想是以链治链，通过构建一条由多方共治的中继联盟链来管理跨链网络，用于解决不同区块链系统之间的数据共享、价值流通与业务协同问题。首先，提出了一个基于中继模式的跨链系统为同异构区块链系统提供交互服务；其次，详细设计了中继联盟链，设定了应用链及其用户参与跨链系统的规则；然后，总结了跨链交互的基本类型并制定了基于智能合约的跨链交互实现流程；最后，通过多组实验验证了跨链方案的可行性，评估了跨链系统的性能指标，并且分析了整个跨链网络的安全性。仿真结果与安全性分析证明，所提机制中的通道分配策略与出块权分配方案具有实际可行性，当涉及资产交易时，该机制的吞吐量最高可达到758 TPS，而不涉及资产交易时的吞吐量最高可达到960 TPS，且拥有高级别的安全性与粗细粒度兼具的隐私保护机制。基于联盟自治的区块链跨链机制可提供安全高效的跨链服务，适用于目前大多数跨链场景。