diff --git a/Office/ppt/说明.md b/Office/ppt/说明.md
new file mode 100644
index 00000000..b1681536
--- /dev/null
+++ b/Office/ppt/说明.md
@@ -0,0 +1,2 @@
+1. 多级列表表示文字层级
+2. 图形，可以表示递进关系
\ No newline at end of file
diff --git a/工作日志/2020年11月29日-开题报告.md b/工作日志/2020年11月29日-开题报告.md
index cca35e85..36cc129f 100644
--- a/工作日志/2020年11月29日-开题报告.md
+++ b/工作日志/2020年11月29日-开题报告.md
@@ -264,7 +264,33 @@ Android场景->恶意软件的研究+Android隐私保护的提出。
    2. √威胁信息的定义以及生成的相关内容。
 2. ×画图。蒋师兄发的那些图有点好看，可以模仿一下。因为有涉及到太多的原理算法相关的内容。可以日后做结题的时候这样画。
 3. √做PPT。今天只需要完成PPT的框架。
-4. PPT的美化
-5. PPT讲稿
-6. 开题报告修改，添加图相关的描述。
+4. √PPT的美化
+5. √国内外研究现状处的表格问题
+6. √威胁信息生成的研究现状有明显的逻辑问题
+7. √隐私窃取攻击？模型窃取攻击？威胁模型存在严重问题
+8. √研究内容处的框图问题。
+9. √PPT文字太多
+10. √打印PPT讲稿问题
+11. √开题报告修改，添加图相关的描述。
+12. √文献综述修改，错字等内容检查。
+13. √系统提交材料。
+14. √打印开题的材料
 
+
+------------------------------------
+PPT说明
+
+* 颜色
+  * 背景颜色：靛蓝 -20
+  * 文字颜色：黑白
+  * 文字特殊标注：靛蓝 0
+  * 前景颜色：靛蓝 0
+  * 线框颜色：靛蓝 +20
+* 字号
+  * 目录32
+  * 标题32
+  * 一级24
+  * 二级20
+  * 三级16
+  * 表格18
+  * 参考文献14
diff --git a/工作日志/2020年12月18日-答辩完修改.md b/工作日志/2020年12月18日-答辩完修改.md
new file mode 100644
index 00000000..c9f2158b
--- /dev/null
+++ b/工作日志/2020年12月18日-答辩完修改.md
@@ -0,0 +1,115 @@
+# 基于联邦学习的Android恶意软件检测方法研究
+
+## 1 论文选题的背景与意义1000字
+### 选题背景
+Android场景->恶意软件的研究->隐私保护的提出
+
+1. 构建威胁情报共享系统。
+2. 恶意软件数据分析生成恶意软件情报。
+3. 使用联邦在线学习，训练恶意软件情报的自动生成模型。
+
+### 选题意义
+> 应该描述存在的为，和解决这些问题的价值。而不是，用什么方案去解决这些问题。这应该是当前研究中有待解决的问题。
+> 不对，这里不应该指出研究中存在的问题，应该给出研究隐私保护、使用人工智能方法、特征提取、在线机器学习的方法的好处。
+
+1. √在线学习机制，能够实时监控恶意软件的变化，掌握最新的恶意软件的情报。为恶意软件情报的利用提供高效、快捷、准确的生成方案。
+2. √联邦学习生成恶意软件的特征，保护用户或组织本地的隐私和数据。
+3. ×构建威胁情报共享系统，实现情报实时共享。增强威胁相应系统的响应速度。
+4. √恶意软件识别与人工智能方法的可解释研究，用来增强恶意软件检测与后续的防御工作。
+5. ×与威胁情报领域结合，从恶意软件特征->转换为恶意软件威胁情报->通过共享的方式->参与到恶意软件的分析和检测中->更好的识别恶意软件。
+
+因此，研究在保护用户隐私的前提下，使用人工智能方案实现恶意软件特征的提取，具有理论价值与应用价值。
+
+## 2 国内外研究现状及发展动态3000字
+
+### 国内外研究现状
+* Android恶意软件的研究现状。
+* 机器学习算法可解释性研究现状。
+* 联邦学习算法的研究现状。
+
+
+
+### 有待解决的问题
+
+* 传统的方案忽视了隐私保护。无法解决隐私保护与机器学习应用的矛盾。
+* 传统的方案没有给出理论的解释，人们往往只能通过机器学习方法进行分类，却无法解释分类的结果。分类器往往无法部署应用。结合人工智能（机器学习）+可解释性，通过大数据分析得出。自动化构建。恶意软件特征提取方案。
+* 传统的方案无法保证病毒特征的更新。====>联邦在线学习系统，能够跟随最新识别出的病毒，更新联邦学习模型的特征。
+* 联邦学习应用存在的问题：
+  * 模型中毒
+  * 模型隐私。前两个是训练过程中的威胁问题。
+  * 用户本地无法提供模型标签。训练本身存在的问题，使用半监督学习，能够推断用户在本地的运行程序的标签。
+
+
+## 3 论文的研究目标和研究内容1000字
+
+### 研究目标
+本课题对恶意软件检测与分析过程进行研究，旨在实现一个基于联邦学习的恶意软件检测与威胁信息生成系统，该系统具有如下特点： 
+1. 能够在保护用户隐私的前提下，完成深度神经网络模型的训练，模型在恶意软件检测中具有较好的性能和效果。
+2. 生成恶意软件的威胁信息，作为恶意软件判别的指标和依据，包括浅层特征和深层特征组合信息，威胁信息能够解释模型判别的原因。
+3. 能够在线学习新的恶意软件特征，处理具有新特征的恶意软件。
+
+
+### 研究内容
+
+1. 基于深度神经网络的恶意软件检测模型。给出模型效果的评估方法。
+2. 基于神经网络解释方法的威胁信息生成方法 。给出解释方法的评估方法。
+3. 面向隐私保护的联邦在线学习方法。
+
+## 4 关键技术和技术难点2000字
+
+### 关键技术路线
+> 关键结束应该论述的是流程和原理，是解决问题的流程和原理，可以不与具体的方法挂钩，但是需要是所有方法通用的流程和步骤。
+----------------------------
+神经网络模型的关键技术
+* 神经网络建模技术（把技术流程和原理画出来）
+  * 特征生成技术（通过特征工程确定特征的维度，利用APK分析工具，提取恶意软件的特征）
+  * 模型构建技术（怎么建立神经网络模型，调整神经网络模型的参数）
+  * 模型评估方法（圆下曲线、F1结果）
+
+
+----------------------------
+面向隐私保护的联邦在线学习方法的关键技术
+* 联邦在线学习技术（把技术流程和原理画出来）
+  * 隐私保护技术（防止模型窃取）
+  * 安全增强技术（防止模型中毒，来自恶意客户端的攻击，增强模型的鲁棒性和安全性）
+  * 联邦学习技术（各个步骤，如何实现联邦学习过程）
+  * 在线学习技术（需要搭建在线的学习系统，能够用户选择参与到训练计划当中，确定何时进行再次荀兰）
+
+
+### 技术难点
+
+
+
+
+
+## 5 论文的研究计划100字
+
+
+
+-------------------------------------
+开题答辩后的问题修改
+
+1. √感觉我研究的内容，三个方法，都是模型训练的方法。用于改进模型训练过程中存在的问题。而不是恶意软件检测的方法，也不是检测过程中存在的问题。所以题目应该是“基于联邦学习的恶意软件检测方法研究吗”，研究的是恶意软件检测方法吗？研究的是恶意软件检测模型的构建的方法。（貌似没有什么问题）
+2. √数据集的问题，需要指出数据集的相关研究。
+3. 突出隐私保护的方法
+4. Android恶意软件的特点指明（夏老师）
+   1. √传统的恶意软件检测方法的说明，如何侵犯了用户隐私，如何进行代码变化
+   2. 恶意软件分析技术的说明。
+5. 系统架构图（熊老师
+6. 完成
+   1. 联邦学习
+   2. 半监督学习
+   3. 增量学习
+   4. 系统架构
+
+
+最大的教训就是，充分利用好自己身边的资源啊。老师师兄啥的，哪个都能给你点指点的，广泛地咨询，再动笔写。
+
+
+1. 联邦学习研究内容、技术和系统框架结构的明确。
+2. 半监督学习的算法和技术
+3. 增量学习的算法和技术。
+
+
+-----------------------------
+特征敏感
\ No newline at end of file
diff --git a/工作日志/2020年12月21日-开题后工作.md b/工作日志/2020年12月21日-开题后工作.md
new file mode 100644
index 00000000..604f7437
--- /dev/null
+++ b/工作日志/2020年12月21日-开题后工作.md
@@ -0,0 +1,32 @@
+## 主要方面
+* 毕业设计
+* 实习就业
+* 生活娱乐
+
+## 毕业设计
+1. 技术调研，三个方向的相关论文阅读技术范式确定。
+2. 基础知识，实现机器学习+深度学习的基本算法。并看李宏毅的教程和西瓜书。
+3. 数据集构建。相关数据集、反编译工具
+4. 特征提取和特征筛选
+5. 神经网络的构建与本地训练。效果评估，验证机器学习算法的有效性
+6. 联邦学习框架的实现。效果评估，验证联邦学习框架的准确率不会降低
+7. 威胁模型的应用。验证威胁抵抗效果
+8. 半监督学习的实现。验证半监督方法的有效性。
+9. 集中在线增量学习的实现，验证算法的有效性。
+10. 联邦在线半监督学习的实现。
+11. 最终的效果评估。
+
+## 实习就业
+
+1. LeetCode
+2. kaggle
+3. 参加实习与系统开发相关的工作
+
+## 生活娱乐
+
+1. 看书
+2. 旅行
+3. 电影番剧
+4. 游戏
+
+