推荐系统为了能够给用户提供更好的推荐服务，须要收集大量的用户个人信息，在收集这些信息的同时增加了用户隐私泄露的风险．首先，介绍了推荐系统中的关键技术，包括基于协同关系的实体表示学习和基于图模型的实体表示学习；然后，通过对相关研究的归纳和总结，将推荐系统中的隐私保护问题按照用户敏感信息类型进行分类整理，主要分为对用户私有敏感属性的保护、对用户与物品历史交互信息的保护和对用户提交给推荐系统的信息的保护三类；在此基础上，对匿名化、差分隐私、联邦学习和对抗学习四种关键隐私保护技术进行了总结和分析，并重点梳理了这些技术的实现方法、适用场景和优缺点；最后，分析了考虑隐私保护的推荐算法中存在的问题，并尝试给出了未来可能的研究方向．

用于语音识别(SR)的深度神经网络在提供强大的语言计算和分析能力的同时，极易受到对抗性攻击影响，在人为不可察觉的情况下，造成语音转录错误，甚至是执行特定非法控制命令．本研究聚焦语音识别对抗攻击，首先，从攻击模型的角度，以攻击演变的顺序对语音对抗攻击方法进行分类论述；然后，根据SR系统的输入方式、处理过程的特点，分析现有方法克服空中条件、优化攻击效果、添加不可察觉音频扰动的实现原理及相关的优势与劣势；最后，对语音识别所面临的技术挑战进行总结，并对未来研究发展方向进行展望．

为系统探究多模态情感分析模型在对抗攻击下的鲁棒性，采用3种经典对抗攻击方法(快速梯度符号方法、投影梯度下降和动量迭代快速梯度符号方法)、2种模态数据输入(视觉和语音)和4种不同的数据特征融合方法(特征相加、特征拼接、多模态低秩双线性和多模态Tucker融合)，对比各种组合下模型的性能表现，研究影响多模态情感分析模型鲁棒性的内在因素．提出一种基于互信息最大化的多模态防御方法，通过减少输入模态特征中的冗余信息提升模型鲁棒性．研究结果表明：在非线性特征融合及双模态数据输入组合下，模型抵御对抗攻击效果最佳；在应用互信息最大化防御方法后，模型性能及抵御攻击能力均可得到有效提升．

针对无线传感器节点易受干扰和入侵的特点，为保障网络覆盖和安全性，基于信任管理和Q学习提出了一种新的自适应容侵覆盖优化方法．利用信任管理机制从节点的历史通信行为、能量、信息权重等方面评估节点的信任值，并根据节点信任值对受干扰或恶意节点的通信半径和感知半径进行调整，降低网络安全风险；同时，采用Q学习对网络覆盖进行优化，对节点进行训练，满足网络覆盖要求．所提方法具有较好的自适应能力，可有效地识别受干扰或恶意节点，提升网络覆盖率，且可快速收敛达到纳什均衡．

针对物联网覆盖优化问题，基于可信信息覆盖(CIC)模型和强化学习提出了一种物联网可信信息覆盖优化算法．算法采用CIC模型定义传感器覆盖，利用博弈论强化学习方法将覆盖问题建模成一个基于状态的势博弈，每个节点通过效用函数均衡节点的覆盖收益，并采用二进制对数线性强化学习方法来求解博弈问题．仿真结果表明：算法具有良好的收敛性，并且在保证收敛到纳什均衡的同时，在覆盖率和覆盖价值方面都优于分布式异构同步覆盖学习算法．

针对云环境中隐私数据的安全性问题，提出一种在云环境下对加密数据进行计算的模型，包含密文乘法算法、密文比较算法和密文对数算法三种密文计算算法，并将其应用到朴素贝叶斯分类器中．首先，将密文通过同态加密算法增加随机的扰动项，发送给云计算中心；然后，云计算中心在不泄露私钥的情况下，将添加随机扰动的密文数据解密为明文数据，对明文数据执行相应操作后，加密发送给云存储组件，当解密添加随机扰动的数据时不会暴露真实明文数据；接着，云存储组件通过同态加法消除随机扰动的影响，得到所需数据；最后，将密文计算算法应用在朴素贝叶斯分类器中，实现对加密文本数据的分类．实验结果表明：密文计算模型的效率有较大的提高，且该模型将大量计算放在云环境中，可以减轻客户端压力，充分利用云环境中的资源．

针对现有的基于深度学习的室内定位解决方案容易受到无线接入点AP攻击的问题，提出了基于卷积神经网络(CNN)的室内定位框架，构建了一种基于深度学习的Wi-Fi指纹室内安全定位系统(DS-LocCNN)，使得多建筑和多楼层在面对恶意攻击时的定位精度得到了保证．通过在UJIIndoorLoc数据集上评估此系统，证明了所提出的DS-LocCNN能很好地抵御基于AP的恶意攻击，且在建筑级定位和楼层级定位上的成功率优于现有的解决方案．

针对现有文本分类模型上下文信息挖掘不足、全局特征表示提取不充分等问题，提出了一种基于张量的残差图卷积网络模型．首先，以归纳学习方式构建文本图，挖掘文本中蕴含的句法关系、语义关系和序列关系并整合构建邻接张量，捕获文档的高阶上下文信息与关键局部特征信息；然后，利用残差连接加深网络深度，处理图卷积网络过平滑问题，提升模型的泛化能力；最后，设计图读出机制聚集所有节点特征，提取文本的全局特征表示．在R8和MR数据集上进行了实验评估，实验结果表明与已有文本分类方法相比，所提方法取得了优越的分类效果．

针对产品溯源痛点，如数据可信性、安全性等，基于区块链防篡改、去中心化、可信任等特性，提出了多群组“2+1”三链交易溯源系统，该系统通过群组对参与者、交易数据进行管控，将交易数据与摘要数据分别构链，为特定商品全流程交易构链，同时提出适用于本系统的激励机制．该系统能够保证溯源信息真实可信不可篡改．通过引入群组的概念，将交易数据分群组管理，摘要数据全网共同管理，有效提高系统的存储效率，通过相应的激励机制，解决参与节点积极性低的问题，有效调动节点参与系统的数据流通、共识的积极性．多群组“2+1”三链交易溯源系统为基于区块链的溯源技术提供了重要借鉴．

针对自主船舶航行中船-岸、船-船间发生数据交换而形成的信息空间，讨论了此信息空间的安全问题，以及保障信息空间安全在自主船舶这类安全紧要系统中的重要性．阐述了在自主航行的技术趋势下，船舶、岸站形成的动态机会网络特性和搭建可靠、可信和可管控的数据交换体系应具备的条件．从通用的信息安全理论出发，结合自主船舶航行系统的运行特点，梳理了自主航行中由于信息安全缺失而导致的各类隐患及其表现形式．论述了基于现有信息安全中的成熟框架来提供相应解决方案的技术路线．综述了当前受到广泛关注的区块链技术如何应用于自主航行系统并用于解决信息空间中各类实体之间的互信程度问题．

针对弱监督时序行为检测缺乏精确的行为起始和结束时间标注，导致时间维度信息匮乏等问题，提出基于挖掘视频片段间联系的方法，捕获一定程度上的时间维度信息，提高行为检测能力，本研究采用图卷积建模弱监督时序行为检测任务，用图节点表达视频片段的特征，图的边表达视频片段间的联系，使得行为检测网络不仅考虑了各视频片段的特征，还考虑了视频片段之间的联系．此外，利用振幅约束和背景约束进一步建模视频片段特征．在公开数据集上的实验结果表明本文方法相对于已有方法具有一定的性能优势．

为提高机器人工作效率，提出一种基于A*与时间弹性带算法(time eletic band，TEB)的多任务导航调度算法．通过提高障碍物邻接栅格点的代价值，增大A*算法所规划路径与障碍物之间的距离，完成路径的平滑处理；将局部规划算法输出的控制指令进行PID (proportional-integral-differential)控制，提出一种融合PID控制的TEB算法，减小了指令的波动范围；通过人机交互操作获得目标点数量和位置，按照由近及远的原则实现机器人的多目标任务调度与导航．实验证明：改进后的A*算法规避了穿越障碍物的现象，将邻接路径点转角控制在45°之内，改进后的TEB算法使机器人的速度和角速度方差分别减小47.1%和18.2%，多任务导航调度算法能够实现自主输入导航目标点数量与位置坐标功能的正常运转，机器人能够停止在距离目标点0.2 m的预设范围之内．

针对微创手术机器人手术器械的三个轴线不交汇于一点的问题，提出了一种新的移动-旋转-旋转(PRR)类型的Paden-Kahan子问题求解手术器械的关节逆解．采用旋量理论和消元理论求解主动关节的逆解，该PRR子问题描述为一个点绕空间垂直的两个轴线旋转，再沿直线方向移动至指定位置．子问题中三个关节轴线空间垂直，本研究给出了该子问题逆运动学的求解方法．以主动关节轴线汇交于一点、手术器械关节轴线空间垂直的华鹊III微创手术机器人为实验平台，通过任意给定运动量的实例计算，验证了该子问题的运动学逆解方法的有效性，满足高精度的主从控制要求．

针对直立抗扰下穿戴者肌肉活动和外骨骼助力间的适应问题，提出了一种踝关节外骨骼人机协作控制参数的“人在环”优化方法．该方法将穿戴者下肢肌肉激活量作为评估人机协作适应度的指标，建立优化目标函数．在外骨骼工作过程中，使用分段阻抗控制算法计算输出力矩；采用贝叶斯优化算法，根据计算出的目标函数值进行优化，获得最佳的阻抗控制参数，实现直立抗扰下外骨骼人机协作最优控制．实验表明：该方法可以有效降低穿戴者下肢肌肉激活程度，减少穿戴者踝关节动作力矩，完成直立抗扰任务，对穿戴者有积极的辅助作用，研究结果为外骨骼人机协作控制的优化提供了一种通用的解决方法．

为提高机器人在不同家庭环境下的服务任务执行能力，提出一种环境适应性服务策略生成方法，可生成以当前环境物品信息为主导的服务策略．首先，利用词频-逆文本频率(TF-IDF)算法构建服务指令集、关键字序列集与服务策略数据集；然后，对无规则自然语言指令进行语义解析与组块分析，分解映射至结构化服务指令以简化语义空间，获取对应待选关键字序列；最后，对包含当前家庭环境信息的Protégé本体知识库进行匹配、推理，获得服务关键字序列，引导经服务策略数据集微调的GPT-2模型生成适应性服务策略．实验结果表明：该方法能够提高服务策略生成的准确性，且最终生成的策略在具体家庭环境下具有更高的可行性．

针对复杂环境背景下小尺寸目标的检测难题，基于Faster R-CNN框架提出优化算法模型．首先，在特征提取模块的残差网络中叠加残差结构，增大感受野，提高特征提取能力；然后，在卷积计算中利用可变形卷积核替代传统卷积核，对空间形变较大的目标实现自适应特征提取；最后，通过平均定位召回精度损失(aLRP loss)平衡分类与回归任务，从而提高销钉缺陷的检测精度，并用最优定位召回精度(oLRP)度量检测结果．测试集上的实验结果显示：优化算法比基线算法的平均精度均值(mAP)提升了7.6%，比未引入定位排序算法的oLRP均值降低了7.1%．

针对连续型机械臂建模与控制问题，提出了一种基于无模型自适应控制的线驱连续型机械臂末端三维空间位置控制算法．根据机械臂驱动线缆长度变化和末端位置，采用紧格式动态线性化方法，将连续型机械臂的复杂非线性模型等价为增量式动态线性时变模型，在此基础上，设计了伪雅可比矩阵估计及重置算法及末端位置无模型自适应控制算法，具有不依赖系统数学模型和控制器参数自适应的优点．建立了连续型机械臂的ADAMS虚拟样机，并与Matlab进行联合仿真，验证了所提方法的有效性．

针对半导体制造车间产品重入机台时存在机台状态不一致，使得传统可重入调度方法难以适用的问题，根据半导体车间生产特性，提出了半导体车间多目标可重入混合流水车间调度问题，以最小化最大完工时间为基础，考虑以降低产品不合格率、减少机台工序切换次数为目标，建立此问题的多目标数学模型．提出基于实质不确定因子的最优觅食算法，采用灰色关联分析与MYCIN不确定因子的勾股模糊集的多目标处理策略，将帕累托(Pareto)解的实质不确定因子作为最优觅食算法的适应度值．编码采用基于工件号编码方案，解码通过三段式方法生成可行的调度解．通过仿真实验和半导体车间案例与其他三种算法对比，验证了所提出的模型，算法性能分析结果表明所提出的模型合理，算法具有明显优势．

为分析机器人关节在不同工况下的动态特性，建立了机电耦合动力学方程，利用集中参数法构建了机器人关节机电耦合动力学模型，模型方程考虑了传动系统的时变啮合刚度、驱动电机的电磁特性、齿侧间隙等因素．电机采用转速、电流双闭环比例积分(PI)控制，分析该模型在启动、遭受冲击和机器人关节正反转等非稳态过程下的动态特性．结果表明：机器人关节在启动过程中电机和齿轮传动系统受到冲击载荷，特别是当转速第一次达到设定转速时出现明显反冲现象，在第一级齿轮中啮合力变化最明显，电机按照指令正反转时表现出类似特性；在外部冲击载荷作用下，啮合力在低速级受到冲击影响最大，对于经常遭受冲击的部件应增大其使用安全系数．

针对以最小化平均流程时间为调度目标的动态车间调度问题，提出了一种基于简化模型的代理辅助遗传规划进行特征选择的方法来智能设计生成调度规则．利用代理模型降低适应度评估的复杂性来减少遗传规划训练过程的时间，提高特征选择算法的效率，实验结果证明了该算法的有效性和高效性．此外，还分析了不同车间场景对特征选择结果的影响，结果表明针对特定调度问题环境，基于超启发式遗传规划的特征选择算法是可行且有效的．

为突破内齿轮加工受限于插齿等工艺，实现内齿轮的高精高效加工，提出内齿轮剐齿刀具设计及修形优化方法．根据渐开线齿面展成原理求解内齿轮齿面方程；建立剐齿刀具前刀面坐标系和加工运动坐标系，根据啮合原理求解剐齿刀具前刀面和共轭面模型，并用双三次NURBS曲面拟合；利用牛顿迭代法求解共轭面与前刀面交点并拟合获取切削刃数据，导入CAD软件建立剐齿刀具三维模型．分析剐齿刀具齿廓误差来源并利用抛物线齿条对剐齿刀具两侧齿廓分别进行修正，结果表明：剐齿刀具两侧齿廓误差从齿顶到齿根逐渐增大，根据齿条法修形后的刀具齿廓误差明显降低．

针对产品动态到达的柔性装配作业车间调度问题，以最小化总拖期为目标，构建了基于事件点的数学规划模型，该模型包含加工机器分配、加工工序排序、装配站分配和装配工序排序四个决策序列，并提出了一种基于多智能体的深度强化学习算法进行求解．首先，所提出的算法包含四个智能体分别对应四个决策序列，智能体之间采用价值分解网络(VDN)协作策略；然后，构建基于拖期的复合回报函数，提取生产系统指标作为全局特征，完善各智能体的调度动作；最后，设计了精英经验库，充分挖掘高回报样本的价值．案例结果表明所提出的方法在不同场景下都优于现有经典调度规则和元启发式算法挖掘的调度规则．