反事实预测和选择偏差是因果效应估计中的重大挑战。为对潜在协变量的复杂混杂分布进行有效表征，同时增强反事实预测泛化能力，提出一种面向工业因果效应估计应用的重加权对抗变分自编码器网络（RVAENet）模型。针对混杂分布去偏问题，借鉴域适应思想，采用对抗学习机制对由变分自编码器（VAE）获得的隐含变量进行表示学习的分布平衡；在此基础上，通过学习样本倾向性权重对样本进行重加权，进一步缩小实验组（Treatment）与对照组（Control）样本间的分布差异。实验结果表明，在工业真实场景数据集的两个场景下，所提模型的提升曲线下的面积（AUUC）比TEDVAE（Treatment Effect with Disentangled VAE）分别提升了15.02%、16.02%；在公开数据集上，所提模型的平均干预效果（ATE）和异构估计精度（PEHE）普遍取得最优结果。

随着人工智能技术在司法领域的应用，依据案情描述预测所属罪名成为一项重要研究内容。案情内容术语专业，描述言简意赅，而现有方法却往往依赖文本特征，忽略了不同案件相关要素的差异性，缺乏对案情行为词要素的有效利用。为了解决此类问题，提出一种融合行为词的罪名预测多任务学习模型。首先，由边界识别器生成行为词跨度，提炼出案情核心内容；其次，通过构建行为词的结构特征预测所属罪名；最后，将行为词识别和罪名预测进行统一建模，通过共享参数的方式增强模型的泛化能力。通过构建行为词识别和罪名预测的多任务数据集进行验证，实验结果表明该模型识别行为词任务的F值达到了83.27%，罪名预测任务的F值达到了84.29%，与BERT-CNN模型相比，分别提高了0.57%和2.61%，验证了该模型对行为词识别和罪名预测的优势。

远程监督是关系抽取任务中常用的数据自动标注方法，然而该方法会引入大量的噪声数据，从而影响模型的表现效果。为了解决噪声数据的问题，提出一种基于负训练和迁移学习的关系抽取方法。首先通过负训练的方法训练一个噪声数据识别模型；然后根据样本的预测概率值对噪声数据进行过滤和重新标注；最后利用迁移学习的方法解决远程监督存在的域偏移问题，从而进一步提升模型预测的精确率和召回率。以唐卡文化为基础，构建了具有民族特色的关系抽取数据集。实验结果表明，所提方法的F1值达到91.67%，相较于SENT（Sentence level distant relation Extraction via Negative Training）方法，提升了3.95个百分点，并且远高于基于BERT（Bidirectional Encoder Representations from Transformers）、BiLSTM+ATT（Bi-directional Long Short-Term Memory And Attention）、PCNN（Piecewise Convolutional Neural Network）的关系抽取方法。

联盟链跨链交互既增强了联盟链应用的功能，又扩展了应用的使用范围，因此对促进联盟链应用推广和产业发展意义重大。然而，目前联盟链跨链交互依然存在着用户身份和资产交易信息隐私泄露的问题，进而阻碍了联盟链跨链交互技术的广泛应用。针对以上问题，提出一个基于改进公证人机制的联盟链资产跨链隐私保护方案。首先，在合约层引入哈希锁定机制来改进传统的单签名公证人跨链方式，从而降低传统公证人机制中心化作恶的风险；其次，利用同态加密的特性在保证交易合法的前提下，实现对交易资产的可用不可见；同时，利用多密钥生成中心（KGC）模式的标识密码算法实现在网络层上的用户身份隐私保护。理论分析和实验结果表明，所提方案对联盟链跨链交互时交易中的用户身份信息和资产信息具有良好的隐私保护效果，且相较于其他同类方案在签名和验证方面的开销更低。

针对不可分离信息系统的属性粒结构计算问题,提出一种利用分治和增量计算相结合的计算方法。首先,研究了在信息系统函数依赖集上增加新的函数依赖(FD)后,信息系统属性粒结构的变化规律,证明了信息系统结构增量定理;其次,通过移除部分函数依赖,使不可分离信息系统成为可分离信息系统,利用分解定理计算出可分离信息系统结构;然后,将移除的函数依赖加入可分离信息系统,利用增量定理计算出原信息系统结构;最后,给出了计算不可分离信息系统属性粒结构的算法,分析了算法复杂度。与直接计算不可分离信息系统的粒结构相比,该计算方法可将计算复杂度从O(n×m×2ⁿ)降低到小于O(n×k×2ⁿ)(k<m),并且当k=1,2时,可进一步降低为O(n₁×m₁×2^n₁)+O(n₂×m₂×2^n₂)(n=n₁+n₂,m=m₁+m₂)。理论分析和实例计算表明,所提方法能有效降低不可分离信息系统属性粒结构的计算复杂度。

根据属性上的函数依赖关系,提出了信息系统属性信息粒的概念,并给出了可分离信息系统的粒结构计算方法。首先,定义了信息系统可分离性,证明了如果一个信息系统是可分离的,则该系统的粒结构可分解为该系统的子系统粒结构的笛卡儿乘积;其次,给出了信息系统可分离性的判别方法及信息系统分解算法;最后,分析了该计算方法的复杂度。分析结果表明,与直接计算信息系统的粒结构相比,该计算方法可将计算复杂度从O(2ⁿ)降低到O(2^n₁+2^n₂+…+2^n_k),n=n₁+n₂+…+n_k。理论分析和实例计算表明,该计算方法是可行的。

为了解决数字图像加密算法复杂度高、安全性较差的问题,提出一种基于混沌系统的DNA融合图像加密算法。首先利用Baker变换对图像进行置乱以读取DNA序列;再由Logistic混沌映射产生混沌序列,从而对DNA序列进行混沌加密。该算法对初值具有很好的敏感性,抗统计、抗差分攻击能力强。仿真结果表明:所提算法不仅实现简单,而且加密效果好,安全性高。