基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的，如双3次下采样等，因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题，该文提出联合估计模糊核、噪声水平和高分辨率图像，设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中，图像重建器以估计的模糊核和噪声水平作为先验信息，由低分辨率图像重建出高分辨率图像；同时，综合低分辨率图像和估计的高分辨率图像，模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地，该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化，以提高它们的兼容性并使其相互促进。实验结果表明，与IKC, DASR, MANet, DAN等现有算法相比，提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能，能够更好地对降质未知的图像进行重建；同时，提出方法在参数量或处理效率上也有一定的优势。

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。

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。