隐私保护技术是当前信息安全领域的研究热点。然而，现阶段集合并集运算中的隐私保护技术侧重理论研究，在实验模型的开发上较为欠缺。针对该问题，该文首先设计了保护隐私的集合合并运算电路、去重电路和混淆电路，并应用YAO氏通用混淆电路估值技术提出了一种布尔电路上保护隐私的集合并集协议。然后，该文使用模拟器视图仿真法证明了协议的安全性。最后，基于MightBeEvil中的YAO氏混淆电路估值框架，开发了该文理论方案对应的实验模型。实验结果表明，在安全计算稀疏集合的并集时，所提算法效率优于当前布尔电路上的其他算法。

可重构柔性网络链路失效将严重影响其上承载的可重构服务承载网(RSCN)的可靠性。文章基于路径备份策略着重解决时延敏感类型RSCN的可靠性问题，并提出分阶段处理方式进一步优化备份资源消耗。在拓扑预处理阶段，根据RSCN是否支持路径分裂分别提出分裂的最小备份拓扑生成(S-MBT-Gen)算法和最小备份生成树(MBST- Gen)算法，减小备份拓扑带宽约束总量；在拓扑映射阶段，提出主备拓扑协同映射(RNM-PBT)算法，协调利用底层网络资源。仿真结果表明，本文提出的算法降低了RSCN平均资源消耗，且具有较高的请求接受率和较低的平均执行时间。

该文基于Ding-广义分圆理论，将周期为$ 2{p^m}$($ p$为奇素数，$ m$为正整数)广义分圆序列的研究推广到任意素数阶情形，构造了一类新序列。通过数论方法分析多项式广义分圆类，确定并计算线性复杂度与序列的2次剩余类和2次非剩余类的划分紧密相关。结果表明该类序列的线性复杂度远远大于周期的一半，能抗击应用Berlekamp-Massey(B-M)算法的安全攻击，是密码学意义上性质良好的伪随机序列。

在低成本电子标签中实现安全隐私功能是RFID研究领域需要解决的一项关键技术，该文采用部分ID，CRC校验以及ID动态更新的方法，提出一种新型RFID相互认证协议，该协议具有前向安全性，能够防止位置隐私攻击、重传攻击、窃听攻击和拒绝服务攻击，新协议有效地解决了RFID安全隐私问题，并且符合EPC Class1 Gen2标准，它的硬件复杂度较低，适用于低成本电子标签。

该文提出一种高性能硬件加密引擎阵列架构，为大数据应用提供了先进的安全解决方案。该模块架构包括一个高速接口、一个中央管理和监视模块(CMMM)、一组多通道驱动加密引擎阵列，其中CMMM将任务分配给加密引擎，经由专用算法处理后再将数据传回主机。由于接口吞吐量和加密引擎阵列规模会限制模块性能，针对PCIe高速接口，采用MMC/eMMC总线连接构建阵列，发现更多加密引擎集成到系统后，模块性能将会得到提升。为验证该架构，使用55 nm制程工艺完成了一个PCIe Gen2×4接口的ASIC加密卡，测试结果显示其平均吞吐量高达419.23 MB。

组播是一种被广泛应用的通信技术。组播源认证是组播安全中的重要问题，特别是在有扰信道中实现组播源认证具有很大的挑战性。该文提出一种基于门限密码的链式组播源认证技术，以解决有扰信道上的组播源认证问题。基于组播源认证的安全需求和Dolev-Yao模型，该文首先给出链式组播源认证的安全假设和安全模型；然后结合Shamir的门限秘密共享技术，设计一种适合于有扰信道的组播源认证协议并进行了安全性分析。对协议的仿真结果表明，该文设计的组播源认证在保证较好的通信性能前提下具有良好的抗丢包能力。

相对于传统人工神经网络(ANN)，脉冲神经网络(SNN)具有生物可解释性、计算效率高等优势。然而，对于目标检测任务，SNN存在训练难度大、精度低等问题。针对上述问题，该文提出一种基于动态阈值LIF神经元(DT-LIF)与单镜头多盒检测器(SSD)的SNN目标检测方法。首先，设计了一种DT-LIF神经元模型，该模型可根据累积的膜电位动态调整神经元的阈值，以驱动深层网络的脉冲活动，提高推理速度。同时，以DT-LIF神经元为基元，构建了一种基于SSD的混合SNN。该网络以脉冲视觉几何群网络(Spiking VGG)和脉冲密集连接卷积网络(Spiking DenseNet)为主干(Backbone)，具有由批处理归一化(BN)层、脉冲卷积(SC)层与DT-LIF神经元构成的3个额外层和SSD预测框头(Head)。实验结果表明，相对于LIF神经元网络，DT-LIF神经元网络在Prophesee GEN1数据集上的目标检测精度提高了25.2%。对比AsyNet算法，所提方法的目标检测精度提高了17.9%。