针对采用传统多模态配准方法进行小鼠脑片图像自动化区域划分精度差的问题，提出一种无监督多模态的脑片图像区域划分方法。首先，基于小鼠脑图谱获得脑片区域划分对应的ARA（Allen Reference Atlases）数据库中的Atlas脑图谱和Average Template脑图谱；然后，通过仿射变换预处理和PCANet-SR（Principal Component Analysis Net-based Structural Representation）网络处理将Average Template脑图谱与小鼠脑切片进行预配准及同模态转换，再根据U-net及空间变换网络实现无监督配准，并将配准变形关系作用到Atlas脑图谱上；最后，提取配准变形后的Atlas脑图谱的边缘轮廓并与原始小鼠脑切片进行融合，从而实现脑片图像的区域划分。实验结果表明，与现有PCANet-SR+B样条配准方法相比，所提方法的配准精度指标的均方根误差（RMSE）降低了1.6%，相关系数（CC）和互信息（MI）值分别提高了3.5%、0.78%；可快速实现无监督多模态的脑片图像配准任务，且使得脑片区域划分准确。

在开放的网络环境中，身份认证是确保信息安全的一种重要手段。针对Li等（LI X，WU F，KHAN M K，et al.A secure chaotic map-based remote authentication scheme for telecare medicine information systems.Future Generation Computer Systems，2017，84：149-159.）提出的身份认证协议，指出其容易遭受用户冒充攻击、拒绝服务攻击等缺陷，并提出一个新的多因子认证协议来修复以上安全漏洞。该协议使用了扩展混沌映射，采用动态身份保护用户匿名性，并利用三次握手技术实现异步认证。安全性分析结果表明，所提协议可以抵抗冒充攻击、拒绝服务攻击，能够保护用户匿名性和身份唯一性。