少数民族在风俗习惯和生活习俗上与汉族有所不同，使得对少数民族的事务处理存在特殊性，尤其要防止对个别人员或个别事件问题处理时产生敏感性问题，并被别有用心的人员断章取义、隐瞒关键信息，甚至篡改后恶意在网络上扩散传播。特别是随着移动互联网快速发展，微博、微信等手机网络社交媒体普及率非常高，一些别有用心的人通过网络传播不实信息，以破坏民族团结为目的，使得不明真相的网民产生不良情绪，进一步扩大舆情影响面，甚至发展成为恶性重大实体事件。因此，网络舆情分析与网络安全监控已成为亟需关注的研究问题，对维护国家稳定和民族团结起着非常重要的作用。该方向主要围绕网络舆情监测与情感分析技术、舆情报告生成及评估反馈技术以及网络空间安全的对抗防御技术展开。

（1）网络舆情监测与情感分析技术研究

针对网络舆情格式和类型各异、信息量大、隐蔽性强等舆情追踪难题，研究多模态语义信息融合的舆情监测与多维注意力机制引导的可解释性情感分析方法。通过对少数民族地区（蒙、藏、维和朝）以及“一带一路”沿线国家互联网信息的采集、分类、聚类，分别提取用户发布的文本、图片、表情符号和视频多模态信息的深度语义特征，并进行加权融合。采用多特征融合方法识别民族语言文本主题词及生成文本摘要，研究基于多因素的语义距离计算方法，有效进行文本语义分类。研究基于语义的微博群体划分算法，有效地识别用户群体。研究跨语言文本语义相似度及文本倾向性分析方法。研究基于用户影响力驱动的跨模态情感分析技术，将用户情感分析结果与用户影响力因子结合分析用户的情感极性；通过引入多维注意力引导机制作用于多模态数据特征，对表征情感的文本关键词、音频时域、图像空域或视频时空域进行标注，输出社交网络的多模态敏感信息检测结果。最终，将搭建集监测、分析、预警和决策等功能于一体的多模态智能分析的舆情防控平台，实现网络舆情的主题发现、态势追踪及情感分析。

（2）舆情报告生成及评估反馈技术研究

针对现有的舆情报告生成技术对当前的舆情事件、主题、用户不具针对性、表征能力不精准问题，研究先验知识引导多任务辅助的跨模态数据生成与一致性驱动的评估反馈方法。以同一舆情事件相关的文本、图像、视频、音频这些跨模态数据间存在舆情和语义特征一致性为前提，通过收集当前舆情事件信息、主题和事件中具有影响力的用户数据，获得面向当前舆论引导的先验知识，用其引导跨模态生成过程，增强生成数据的针对性。研究生成任务中引入舆情防控强相关任务的方法，借助任务之间相关性，深度挖掘、相互共享与舆情相关的语义信息，最大程度提升网络的表征能力保证跨模态生成数据的质量。将研究跨模态生成数据的评估技术，从用户角度对生成数据的主观感受进行评估，根据评估结果对生成内容做进一步调整，解决文本引导吸引力不强且耗时耗力的问题，能够自动生成针对性强且表征精准的多模态舆情报告。

（3）网络空间安全的对抗防御技术研究

针对国外敌对势力对我国少数民族地区的网空威胁和攻击以及认知操纵、舆情导向的引导等防御需求，构建基于流量和日志的检测模型，自动检测和识别异常的网络攻击行为。研究如何利用攻击监测分析技术对特定流量进行分析，通过自动化检测工具识别网络中的攻击行为和受攻击资产。对于识别到的网络攻击行为，分析过滤有效的高危IOC，生成针对场景的攻击画像，归因关联到已知攻击组织，或聚类到未知攻击组织。便于追溯攻击组织，跟踪该组织的攻击行为及最新动向；根据所掌握的APT组织信息，通过多种分析溯源手段，追溯更多组织信息，获取相关威胁情报，确定组织归因，提升网络攻防对抗能力。