针对如何提高卫星电测探测目标跟踪的稳定性和精确度问题，为避免繁琐的目标采集过程，提出基于孪生网络的卫星电磁探测目标跟踪算法。首先，建立电磁探测卫星多星调度模型，为电磁探测目标匹配合适的卫星和工作模式，完成目标电磁信号采集；其次，利用孪生网络对目标信号进行训练，通过消除目标信号中干扰的杂波获取目标的电磁特征信息和真实位置信息；最后，采用粒子滤波算法实现卫星电磁探测目标的稳定跟踪。测试结果表明，该算法能有效提高目标跟踪效率，具有较高的稳定性和精确度。

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题，提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制，能学习数据之间的时间依赖关系，并在单变量和多变量时序数据上得到验证。同时，通过引入Attention机制，算法可以关注输入数据中的重要部分，进一步提高了异常检测的效率和准确性。实验结果表明，该算法对不同类型的时间序列异常数据能进行有效地检测，并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。

为提高人工检测违法违规收集个人信息的效率，基于正则表达式语义分析和机器学习技术，开发了APP(Application)违法违规收集个人信息评估系统。对线上APP进行违法违规检测，生成检测算法和规则，重点解决了隐私政策半自动化获取、 APP检测引擎、定制ROM(Read Only Memory)的动态沙箱等技术难点。利用开发的原型系统对各大应用平台上架APP进行常态化技术检测，检测结果表明，该系统大幅提升了违法违规收集个人信息APP综合治理研判效率。