通过对Xu(2004)和Zhang(2004)提出的两种环签名方案进行分析，指出了这两种环签名方案都容易受到群成员改变攻击(group-changing attack)，并给出了攻击方法；另外，Zhang的方案还容易受到多已知签名存在伪造(multiple-known-signature existential forgery)攻击。为防范这两种攻击，对这两种环签名方案进行了改进，改进后的方案在最强的安全模型(Joseph, 2004提出)中仍是安全的。

群签名允许群成员以匿名的方式代表整个群体对消息进行签名。而且,一旦发生争议,群管理员可以识别出签名者。该文对Posescu(2000)群签名方案和Wang-Fu(2003)群签名方案进行了安全性分析,分别给出一种通用伪造攻击方法,使得任何人可以对任意消息产生有效群签名,而群权威无法追踪到签名伪造者。因此这两个方案都是不安全的。

由于粗粒度可重构密码逻辑阵列(CGRCA)的设计空间规模巨大，导致设计评估耗时长，手工探索优化解的质量不高且搜索效率较低。为此，该文面向CGRCA架构的高维空间、多目标优化特性，提出了基于贝叶斯优化的多目标设计空间探索方法，在平衡吞吐量、面积和FU利用率的同时提升解的质量。首先，该方法利用知识感知的无监督学习采样策略获得初始样本，确保初始样本的代表性与多样性。其次，建立快速评估模型对样本进行量化评估，缩短评估性能的时长。再者，设计自适应的多采集函数并建立基于贪心的混合代理模型，提出多目标贝叶斯优化方法来搜索最优的CGRCA架构，提升搜索效率和通用性。实验结果表明，该文提出的设计空间探索方法较其他设计空间探索方法，与参考集的平均距离(ADRS)至多降低34.9%，超体积提升28.7%，吞吐量提升29.9%，面积减少6.0%，FU利用率提升11.6%，并且展现出优异的跨算法稳定性。

针对目前图像隐写检测模型中线性卷积层对高阶特征表达能力有限，以及各通道特征图没有区分的问题，该文构建了一个基于多层感知卷积和通道加权的卷积神经网络(CNN)隐写检测模型。该模型使用多层感知卷积(Mlpconv)代替传统的线性卷积，增强隐写检测模型对高阶特征的表达能力；同时引入通道加权模块，实现根据全局信息对每个卷积通道赋予不同的权重，增强有用特征并抑制无用特征，增强模型提取检测特征的质量。实验结果表明，该检测模型针对不同典型隐写算法及不同嵌入率，相比Xu-Net, Yedroudj-Net, Zhang-Net均有更高的检测准确率，与最优的Zhu-Net相比，准确率提高1.95%～6.15%。

SIMON系列算法自提出以来便受到了广泛关注。积分分析方面，Wang，Fu和Chu等人给出了SIMON32和SIMON48算法的积分分析，该文在已有的分析结果上，进一步考虑了更长分组的SIMON64算法的积分分析。基于Xiang等人找到的18轮积分区分器，该文先利用中间相遇技术和部分和技术给出了25轮SIMON64/128算法的积分分析，接着利用等价密钥技术进一步降低了攻击过程中需要猜测的密钥量，并给出了26轮SIMON64/128算法的积分分析。通过进一步的分析，该文发现高版本的SIMON算法具有更好抵抗积分分析的能力。