针对分布式拒绝服务（DDoS）攻击有效荷载快速变化，人工干预需要依赖经验设定预警阈值以及异常流量特征码更新不及时等问题，提出一种基于二进制流量关键点词袋（BSP-BoW）模型的DDoS攻击检测算法。该算法可以自动从当前网络的流量数据中训练得到流量关键点（SP），针对不同拓扑网络进行自适应异常检测，减少频繁更新特征集带来的人工成本。首先，对已有的攻击流量和正常流量进行均值聚类，寻找网络流量中的SP；然后，将原有的流量转化映射到相应SP上使用直方图进行形式化表达；最后，通过欧氏距离进行DDoS攻击的分类检测。在公开数据库DARPA LLDOS1.0上的实验结果表明，所提算法的异常网络流量识别率优于现有的局部加权学习（LWL）、支持向量机（SVM）、随机树（Random Tree）、logistic回归分析（logistic）、贝叶斯（NB）等方法。所提的基于词袋聚类模型算法在拒绝服务攻击的异常流量识别中有很好的识别效果和泛化能力，适合部署在中小企业（SME）网络流量设备上。

为提高位平面复杂度分割(BPCS)密写算法的安全性，提出了一种抗统计分析的BPCS密写算法。首先，将载体图像分块，计算图像块的信息熵和小波对比度；然后，利用模糊C-均值(FCM)对其进行分类,根据分类结果及随机数确定每个位面小块的复杂度阈值；最后，将载体和秘密数据位面小块相似程度小于0.5的秘密数据位面小块取反，再替换载体位面小块。实验结果表明，该方法能有效地抵抗复杂度直方图统计分析的检测，同时载密图像视觉不可感知性有了很大的提高。

为了提高跳频通信的抗干扰性能，将低密度奇偶校验(LDPC)码与跳频通信相结合。通过对编码算法中的“贪婪算法”的复杂度简化和带偏移量的分层量化译码(LBP-OMS)算法的应用，提高了码字的纠错性能。实验表明,当某些频带受强噪声干扰时，改进后的信道编译码方法提高了跳频通信的抗干扰能力。