网络空间地理学是一门交叉学科，是在传统地理学和网络空间安全等学科基础上的理论创新和方法创新，是地理学研究内容从现实空间向网络空间的延伸，它以“人一地一网关系理论为指导，集中探讨网络空间和地理空间的映射关系揭示网络空间的运行机制。

网络空间是在地理空间基础上基于计算机网络构建的新空间形态，是信息技术发展到一定阶段的新产物，并成为人类生产和生活的一种新的空间形态。因此，地理空间是网络空间实体资源与实体角色的载体，而网络空间是地理空间行为疆域的重要扩展。

国际空间站继续发挥在轨科研应用平台的重要价值。对美国和俄罗斯公布的国际空间站实验项目数据库及成果报告的综合统计及文本分析后发现：在2021年10月至2022年9月开展的国际空间站第66~67次长期考察任务中，美国国家航空航天局（NASA）、俄罗斯国家航天集团公司（Roscosmos）、欧洲航天局（ESA）、日本宇宙航空研究开发机构（JAXA）、加拿大航天局（CSA）支持在技术开发与验证、生物学与生物技术、物理科学、人体研究、教育和文化活动、地球与空间科学6大研究领域开展了360项实验，其中新实验占比超过40%，科研应用活动十分活跃。同时，亮点科研应用新成果频现，远程控制地面机器人、在轨产生和研究超冷气泡、观测磁星等一批突出新成果吸引了全球科技界的广泛关注。通过重点分析154项新实验中代表性的新实验，以及最近发表的400余篇科研论文中的亮点新成果，综合反映国际空间站科研与应用的新进展，总体研判国际空间站正处于科研与应用高峰期，科研活动高度活跃，科研成果持续涌现，未来有望产生更多造福空间和地面的科研应用新成果。

在梳理网络空间地图现有理论和技术的基础上，综合计算机领域和地理学中“图谱”的概念，从网络空间要素和知识可视化表达的角度出发，提出了网络空间地理图谱的概念与内涵，介绍了网络空间地理图谱构建的方法与关键技术，并从网络空间资源管理、网络空间行为认知和网络空间事件综合分析3个方面探讨了其前景和应用领域。绘制网络空间地理图谱，可以将网络空间与现实空间关联起来，清晰完整地表达网络空间结构，是实现网络空间行为认知、提升网络安全防护能力的必要途径。

针对大规模网络安全知识图谱表示学习训练速度慢、对头尾实体的关系表达缺乏的问题，提出一种基于随机游走的快速训练模型。该模型首先通过关系路径下的随机游走对整体知识图谱的实体进行初步训练表示；设计了主宾语嵌入，联合关系特定主语嵌入与关系特定宾语嵌入，学习知识图谱中关系的语法含义；再次通过关系路径下的随机游走辅助知识图谱的快速训练。在多个数据集上进行了大量实验，并与多个现有模型进行对比，结果表明，提出的模型能够缩短1/3的训练时间，提升约3%的表示效果，在加快知识图谱表示学习训练速度的同时，有效改善了表示学习的效果。

随着信息技术的快速发展，天基信息系统的网络环境日趋复杂，网络安全问题日益突出。梳理了天基信息网络的发展现状，分析了天基信息网络的特点。探究了网络空间到地理空间的映射关系，从信息要素可视化、拓扑关系可视化和安全行为可视化3个方面，提出了网络空间可视化表达的内容和技术路径，构建了面向天基信息系统的网络空间地理图谱。

图深度学习技术在处理非欧氏结构数据中显示了巨大潜力，大量研究工作尝试将图嵌入或图神经网络应用到漏洞检测中。梳理了基于图深度学习的漏洞检测方法，按其一般流程，归纳了数据集、图数据、图深度学习模型构建及结果评估4个主要阶段；从图深度学习漏洞检测的有效性出发，阐述了基于代码模式和基于相似性及具体应用场景中的研究成果；分析了该领域面临的挑战和未来的趋势。

在网络空间要素预测过程中加入地理空间特征，可实现时空预测网络空间要素。针对网络安全要素预测过程中少有结合网络数据地理空间特征的研究现状，选择有地理空间特征的网络漏洞检测数据，构造网络漏洞时空数据集，通过构建结合图卷积和门控时间卷积的时空图卷积模型，实现网络漏洞态势发展的预测。选取 ARIMA 和 LSTM 时序预测模型进行对比实验，提出的网络漏洞时空图卷积预测模型在MAE、RMSE和MAPE的评价标准下显示有着更好的预测效果。

针对网络安全态势预测中时空特征提取的不足，提出了一种基于局部时空卷积的网络漏洞预测方法，即局部时空图卷积网络模型，并针对网络漏洞数据选取历史平均法、长短期记忆网络、支持向量回归、时空图卷积网络模型进行对比实验。实验结果表明，提出的局部时空图卷积网络模型能够有效提高预测漏洞的时间、位置以及网络漏洞类型的准确度。

软件定义网络（software defined networks，SDN）是一种新型的网络体系架构，通过集中式面向软件的管理方法，简化了新应用和服务的开发，目前已成为下一代互联网的研究热点。为了解决SDN中存在的安全问题，从SDN的3层架构方面综述了现有解决方案，分析了SDN安全问题上所面临的技术挑战。介绍了SDN的概念和3层架构，梳理了SDN的相关安全问题，依次总结了应用层、控制层和数据层中存在的安全问题和解决方案，展望了SDN安全问题未来研究可能面临的挑战。

综述了形状记忆合金（SMA）的特性、种类、制备工艺、性能调控等方面研究进展及其在非含能解锁分离装置中的优势和应用现状。总结了形状记忆合金工作的基本原理，并对比分析了当前常用合金系列的特点和应用前景；介绍了形状记忆合金的主要制备工艺，特别是喷射铸造、粉末冶金，以及增材制造等工艺在高性能SMA制备中的研究现状；分析了合金化组分设计、热处理和塑性加工等典型工艺的对SMA力学和形状记忆性能的影响规律，总结了SMA性能调控研究现状；特别介绍了形状记忆合金在非含能解锁分离装置中应用现状，并从推广应用角度展望了SMA材料和机构研究急需解决的关键问题。

在深度学习网络训练的过程中，现有大多数提升模型效果的方法都集中在网络上，要提升模型的效果与准确率，就须关注数据的特性。提出了一种新的深度学习模型训练框架Batch-attention，从数据层面出发，改变了原有训练方式，经实验证明可以协调深度学习模型的过拟合与欠拟合。通过在Cifar10与Cifar100数据集上分别采用 Resnet34、Transformer和efficientnet-b7进行实验对比，证明了采用Batch-attention的模型相对于基准模型，在测试集上的准确率与F1-score均有一定提升。在测试实验中，进一步分析了Batch-attention的作用机制。

风险防治和隐患排查是城市安全的重要组成部分。由于各行业领域中潜在的风险类型和分布存在着很大差异，因此在风险防治工作中需要考虑差异性，并有针对性地制定行业风险防控措施。研究了城市安全生产风险的行业分布差异性，提出了行业安全风险结构的概念，在行业风险分布标准化的基础上定义了行业安全风险向量，基于信息熵理论给出了行业风险熵和风险特异度的量化指标。基于对数万个不同企业风险和隐患案例分析的结果，发现风险向量、风险熵、风险特异度等几个参数的确定有助于对安全生产风险进行行业内和行业间的对比研究，从而为行业安全风险分类监控提供依据。

迄今人工智能在智能水平和能力范围上与人类相比仍存在极大的差距，这使得它的发展受到了阻碍。究其原因，人类智能和机器智能之间存在无法跨越的界限。依赖于符号指向对象的机器只能进行封闭环境下的形式化计算，却无法像人那样实现开放环境下的意向性算计，在这种背景下，人机优势互补显得尤为重要。而当前人机的关系主要是硬性的功能分配，未来数字世界中人机关系更可能是柔性的能力分工。探讨了人工智能的瓶颈、智能的第一原理等问题，思考了其对人机问题的影响，指出人机混合智能才是人工智能未来的发展方向的观点。