计算机科学

第51卷第5期，2024年5月15日

学科前沿

智能铁路5G安全技术与策略综述

李攀攀、吴浩、刘佳佳、段丽、卢云龙

计算机科学。2024, 51 (5): 1-11数字对象标识：1896年10月10日/jsjkx.231000104

摘要(184)

PDF格式（2600KB）(238)

工具书类|相关文章|韵律学

数字技术正在重塑各行各业，这是行业发展的必由之路。虽然5G等数字服务化技术为铁路等行业注入了活力，但也带来了一些安全风险。安全是所有服务的先决条件。为了推动5G在智能铁路中的创新应用，本文首先从终端、空中接口、通信、数据、系统和公私网集成的角度系统地回顾了智能铁路5G面临的安全风险和挑战。针对新的服务场景，我们分析了铁路的新技术、新终端和新应用，以及智能铁路5G安全的新要求。总结了5G安全增强在密码算法、空中接口安全、隐私、统一认证和漫游等方面的新特点。在此基础上，给出了智能铁路5G安全的关键点，包括认证、物理层安全、终端安全、切片安全和边缘计算安全。对于5G专网部署，还从基础设施、通信安全、数据安全和内生安全防御系统等方面提出了建议。

网络空间中用户身份链接技术的研究与应用综述

王根群

计算机科学。2024, 51 (5): 12-20. 数字对象标识：10.11896/jsjkx.230300172

摘要(109)

PDF格式（2105KB）(142)

工具书类|相关文章|韵律学

近年来，随着移动互联网技术的发展和用户需求的增加，网络空间中的各种虚拟账户越来越多，用户总是在不同的应用程序甚至同一平台上拥有多个账户。同时，由于网络空间的虚拟性，用户的虚拟身份与真实社会身份之间的关系通常较弱，网络空间中的非法用户很难找到。因此，在服务推荐和证据收集需求的驱动下，以网络空间用户虚拟身份聚合和虚拟现实身份映射为主要研究内容的用户身份链接技术得到了迅速发展。为此，总结了网络空间中的用户身份链接技术。首先定义了该技术解决的科学问题，然后介绍了用户身份的典型特征和相关技术。最后，给出了数据集和验证标准，并讨论了用户身份链接的挑战。

基于多属性综合评价的学科竞争评价模型

邢存元、张杰、金颖

计算机科学。2024, 51 (5): 21-26之间数字对象标识：1896年10月10日/jsjkx.2300200202

摘要(71)

PDF格式（2929KB）(107)

工具书类|相关文章|韵律学

中国大学生竞赛蓬勃发展，无论是赛事的举办还是参与都呈现出积极的趋势。大学生的学科竞赛可以反映参与院校的学科发展水平和教学水平，基于竞赛数据对高校水平的分析和比较也可以在一定程度上促进高校对竞赛的重视和参与。在以往的研究和实际应用中，对学校竞赛水平的评价大多局限于叠加奖励分数。基于“只授”理论的模式是片面的，因为它忽视了高校的发展水平。活动、绩效和稳定性指标可以描述和评价参与院校的竞争水平。采用分散度法确定指标的最优权重，从而得出高校的得分。此外，根据学科竞赛的特点，高校在不同课程上的不同表现可以作为竞赛的更详细的特征。通过t-SNE降维、可视化和聚类分析，将参与的高校分为四类。针对不同类型的高校，本文提出了提高竞争绩效的具体建议。利用江苏省大学生计算机设计大赛自成立以来的数据验证了模型的有效性。

数据库、大数据和数据科学

ST-WaveMLP：用于交通流预测的时空全球软件网络

鲍开南、张俊波、宋丽、李天瑞

计算机科学。2024, 51 (5): 27-34. 数字对象标识：10.11896/jsjkx.230100086

摘要(86)

PDF格式（3240KB）(150)

工具书类|相关文章|韵律学

交通流预测在智能交通系统中发挥着极其重要的作用。准确的交通流量预测不仅有利于交通管理，而且可以为人们提供适当的出行计划。然而，这是非常具有挑战性的，主要困难在于如何捕获复杂的空间和时间相关性。近年来，主要基于卷积神经网络的深度学习方法已成功应用于交通预测任务。然而，卷积神经网络主要关注数据中空间特征的提取和集成，因此很难充分挖掘复杂的时空相关性。此外，单层卷积网络只能捕获局部空间相关性，有必要堆叠多层卷积网络来捕获全局空间相关性，这将减慢整个网络模型训练的收敛速度。为了解决这些问题，提出了一种用于流量预测的全局感知时空网络模型（ST-WaveMLP），该模型主要采用基于多层感知器的可重复结构ST-Wave Block来捕获复杂的时空相关性。ST-WaveBlock具有良好的时空表示学习能力，通常只使用2～4个ST-Wave Block堆栈来有效捕获数据中的时空相关性。最后，对四个实际交通流数据集的实验验证表明，ST-WaveMLP具有更好的收敛性和更好的预测精度，与以前的最佳方法相比，预测精度和模型收敛速度分别提高了9.57%和30.6%。

基于对抗策略的时间序列类别特异性和多样性形状提取

罗英、万元、王励勤

计算机科学。2024, 51 (5): 35-44之间数字对象标识：10.11896/jsjkx.230200074

摘要(41)

PDF格式（2780KB）(54)

工具书类|相关文章|韵律学

对于时间序列分类，通过提取时间序列的形状来进行分类的方法因其高分类精度和良好的可解释性而受到广泛关注。大多数现有的基于形状集的方法学习所有类的共享形状集，这可以区分大多数类，但不能区分唯一类。此外，这些模型使用对抗策略获得的形状存在多样性不足等问题。为了解决这些问题，本文提出了一种基于对抗策略的针对不同类别的形状集提取方法。该方法将类别信息嵌入到时间序列中，利用多生成器模块对抗性地生成多个不同类别的特定形状集。通过施加差异约束来保证形状集的多样性，最后一步使用形状集变换获得的特征对时间序列进行分类。在36个时间序列数据集上，将该方法与5种基于形状集的算法和11种最新的分类算法进行了实验比较。实验结果表明，与5种基于形状集的算法和11种高级分类算法相比，该方法在36个数据集中的26个和20个数据集上取得了最好的结果，并且都达到了最高的平均秩，其平均年龄分类精度至少比其他方法高2.4%，最多高20%。消融分析和可视化分析证明了多样性和类别特定方法对时间序列分类的有效性。

序列推荐的时序预训练方法

陈文忠、陈红梅、周丽华、方圆

计算机科学。2024, 51 (5): 45-53. 数字对象标识：10.11896/jsjkx.230200049

摘要(45)

PDF格式（2607KB）(62)

工具书类|相关文章|韵律学

序列推荐旨在通过分析用户和项目之间的历史交互序列，了解用户的动态偏好，并推荐用户可能感兴趣的下一个项目。预训练模型因其适用于下游任务的优点，在序列推荐中受到了研究者的关注。现有的序列推荐预训练方法忽略了实际生活中时间对用户交互行为的影响。为了更好地捕捉用户和项目之间交互的时间语义，本文提出了一种新的模型TPTS-Rec（序列推荐的时间感知预训练方法）。首先，在嵌入层中引入时间嵌入矩阵，以获得用户交互序列中项目与时间之间的相关性。然后，在自关注层中提出了相同的时间采样方法，以学习项目之间的时间相关性。最后，在微调阶段，从时间维度放大用户交互序列以缓解数据稀疏性。在实际数据集上的实验结果表明，所提出的TPTS-Rec模型优于基线模型。

基于图对比学习的多粒度神经网络会话推荐方法

卢敏、袁子庭

计算机科学。2024, 51 (5): 54-61. 数字对象标识：10.11896/jsjkx.230300092

摘要(39)

PDF格式（2737KB）(59)

工具书类|相关文章|韵律学

会话建议基于短时间内的匿名用户交互数据预测下一个交互项。会话具有项目少、项目分布长等特点。现有的基于图形对比学习的会话推荐模型通过随机裁剪和扰动会话中的项目等方式构建正负样本。然而，上述随机退出策略进一步缩小了较短会话中的可用项目。这使得会话更加稀疏，并导致会话兴趣学习偏差。为此，提出了一种基于图对比学习的多图神经网络的基于会话的推荐方法。其核心思想是：该模型提取项目局部图和项目全局图上的项目表示，并结合项目的局部和全局高阶邻域信息。基于此，该模型生成项目级会话表示。然后，在会话会话图上学习会话级会话表示。最后，该模型使用不同级别的会话兴趣递归生成正负样本对。对比学习机制增强了会话兴趣的辨别性。与退出策略相比，该模型保留了完整的会话信息，实现了真正的数据扩展。在两个基准数据集上的大量实验表明，该算法的推荐性能远远优于主流基线方法。

基于双域稀疏变压器的变电站设备故障报警算法

张建良、李阳、朱青山、薛红玲、马俊伟、张丽霞、毕生

计算机科学。2024年，51（5）：62-69之间数字对象标识：10.11896/jsjkx.230300001

摘要(42)

PDF格式（2800KB）(57)

工具书类|相关文章|韵律学

利用变电站电气设备运行过程中产生的时间序列数据，可以构建其未来运行状态的预测模型，从而提前检测异常数据，消除隐患，提高稳定性和可靠性运行能力。变压器模型是一种新兴的时序数据处理模型，在处理较长序列时具有优势，能够满足故障报警的前瞻性需求。然而，由于变压器的模型结构具有较高的计算复杂度和空间占用率，因此很难直接应用于故障报警任务。因此，提出了一种基于时间序列预测的变压器设备故障报警方法，改进了变压器模型，实现了设备运行数据的建模。该模型采用双功率编码器结构提取序列在频域和时域的特征，并对时间特征数据和空间特征数据进行多维数据融合，以提取更详细的信息。其次，采用稀疏注意机制代替标准注意机制，降低Transformer的计算复杂度和空间占用率，满足实时报警的需要。通过在ETT变压器设备数据集上的实验证明了所提出的模型的优越性和改进模块的必要性。与其他方法相比，该模型在大多数预测任务中，尤其是在长序列预测任务中实现了最优的MSE和MAE指标，并且具有更快的预测速度。

多样化上衣-k个大型图的模式挖掘

何媛、王欣、沈玲珍

计算机科学。2024, 51 (5): 70-84. 数字对象标识：10.11896/jsjkx.230300003

摘要(30)

PDF格式（5498KB）(41)

工具书类|相关文章|韵律学

频繁模式挖掘（FPM）是图挖掘中最重要的问题之一。FPM问题定义为挖掘所有模式，在一个大图形中频率高于用户定义的阈值。近年来，随着社交网络等的普及，基于单字符的FPM受到了越来越多的关注。研究人员已经开发了相当多的技术，但大多数技术都存在计算成本高、结果检查不方便和并行计算不方便等问题。为了解决这些问题，本文提出了一种发现多元化顶层的方法-k个单个大图形的模式。本文首先设计了一个多样性函数来度量模式的多样性，然后开发了一个具有提前终止特性的分布式算法DisTopk，以有效地识别多样性的top-k个模式，来自分布式存储图。对真实图形和合成图形进行的实验结果表明，DisTopk可以挖掘多种顶部-k个模式比传统算法更有效。

计算机图形学与多媒体

基于跨模态信息过滤的视觉问答网络

何世阳、王朝辉、龚盛荣、钟山

计算机科学。2024, 51 (5): 85-91之间数字对象标识：10.11896/jsjkx.230300202

摘要(38)

PDF格式（3124KB）(46)

工具书类|相关文章|韵律学

视觉问答作为一种多模态任务，其瓶颈在于解决不同模式之间的融合问题。它不仅需要对图像中的视觉和文本有充分的理解，还需要能够对齐跨模式表示。注意机制的引入为多模式融合提供了有效途径。然而，以往的方法通常直接计算提取的图像特征，忽略了图像特征中包含的噪声和错误信息，并且大多数方法仅限于模式之间的浅层交互，没有考虑模式之间的深层语义信息。为了解决这个问题，提出了一种跨模式信息过滤网络（CIFN）。首先，将问题的特征作为监控信号，设计信息过滤模块对图像的特征信息进行过滤，使其更适合问题的表示。然后将图像特征和问题特征发送到跨模态交互层，在自我关注和引导注意的作用下分别建模模态内和模态间的关系，以获得更精细的多模态特征。在VQA2.0数据集上进行了广泛的实验，实验结果表明，信息过滤模型的引入有效地提高了模型的精度，测试集的总体精度达到71.51%，与最先进的方法相比具有良好的性能。

黑白电影的多级智能色彩恢复算法

宋建峰、张文英、韩璐、胡国正、迈克奇光

计算机科学。2024, 51 (5): 92-99. 数字对象标识：10.11896/jsjkx.231100067

摘要(23)

PDF格式（6127KB）(53)

工具书类|相关文章|韵律学

在黑白电影的彩色化过程中，现有的自动彩色化模型往往会产生奇异的结果，而基于参考的彩色化方法要求用户指定参考图像，这对满足参考图像的高要求和耗费大量人力提出了重大挑战。为了解决这个问题，本文提出了一种多阶段的黑白电影智能色彩恢复算法（MSICRA）。首先，通过VGG19网络将电影分割成多个场景片段。其次，逐帧切割每个场景片段，并以每个帧图像的边缘强度和灰度差作为评估图像清晰度的标准，在每个场景中选择清晰度在0.95到1之间的图像。随后，我们从过滤后的图像中选择符合清晰度标准的第一帧，并应用不同的渲染因子值对所选图像进行着色。我们使用饱和度评估着色效果，并为着色选择合适的渲染因子。最后，我们使用预彩色图像和后彩色图像之间的均方误差来选择质量最好的彩色图像作为场景片段的参考。实验结果表明，该算法对黑白电影《雷锋》和《永恒的波浪》的PSNR分别提高了1.32%和2.15%，对SSIM分别提高了1.84%和1.04%。该算法不仅可以实现全自动着色，还可以生成符合人类感知的逼真颜色。

融合全尺度特征融合和RNN的医学图像分割网络

尚新新、李凯、温颖

计算机科学。2024, 51 (5): 100-107. 数字对象标识：10.11896/jsjkx.230400114

摘要(54)

PDF格式（2701KB）(66)

工具书类|相关文章|韵律学

深度学习中的编解码网络在图像特征提取和层次特征融合方面具有优异的性能，常用于医学图像分割。然而，目前主流的编解码网络分割方法仍然面临两个问题：1）在编解码阶段，单个网络挖掘的图像特征信息可能不足；2）使用简单跳过连接的编码器-解码器网络无法充分利用全尺寸特征的上下文信息。因此，针对现有方法的不足，提出了一种融合全尺寸特征融合和RNN的编码-解码网络用于医学图像分割。首先，将卷积多层感知器（MLP）模块与MLP相结合引入U-Net编码器中，以进一步扩展编码器的特征接收域。其次，通过全尺寸特征融合模块，将各尺度的跳跃连接特征与粗粒度信息和细粒度信息进行有效融合。此操作减少了每个尺度的跳过连接特征之间的语义差异，并突出了图像的关键特征信息。最后，解码器通过结合递归神经网络（RNN）和注意机制的递归注意解码模块（RADU）逐级细化图像特征信息，在避免信息冗余的同时加强特征提取，并获得最终分割结果。该方法与BrainWeb、MRbrainS、HVSMR和Choledoch数据集上的主流算法进行了比较，在像素精度和骰子相似度方面提高了图像分割精度。因此，实验结果表明，通过引入全尺寸特征融合模块和所提出的RADU，该方法在图像分割应用中可以取得良好的分割效果，并且具有良好的噪声鲁棒性和抗干扰能力。

基于变压器低维压缩编码的部分近重复视频检测算法

王平、于振煌、卢磊

计算机科学。2024, 51 (5): 108-116. 数字对象标识：10.11896/jsjkx.230300232

摘要(28)

PDF格式（3545KB）(45)

工具书类|相关文章|韵律学

针对现有部分近重复视频检测算法存储消耗大、查询效率低、特征提取模块不考虑近重复帧之间细微的语义差异等问题，本文提出了一种基于Transformer的部分近重复视频检测算法。首先，提出了一种基于Transformer的特征编码器，该编码器可以学习大量近似重复帧之间的细微语义差异。在帧特征编码过程中，通过自关注机制引入了帧区域的特征映射，有效地降低了特征的维数，同时增强了特征的表示能力。使用siam网络训练特征编码器，可以有效地学习无负样本的近重复帧之间的语义相似性。这样就不需要进行繁重而困难的负面示例注释工作，从而使培训过程更简单、更高效。其次，提出了一种基于视频自相似矩阵的关键帧提取方法。该方法可以从视频中提取丰富的、非冗余的关键帧，从而能够更全面地描述原始视频内容并改进算法性能。此外，这种方法大大减少了与存储和计算冗余关键帧相关的开销。最后，基于关键帧的低维、紧凑编码特征，使用基于图网络的时间对齐算法检测和定位部分近重复视频片段。该算法在公开的部分近重复视频检测数据集VCDB上取得了令人印象深刻的实验结果，并优于现有算法。

用于图像去雾的多尺度渐进变换器

周瑜、陈志华、盛斌、梁磊

计算机科学。2024, 51 (5): 117-124. 数字对象标识：10.11896/jsjkx.230300049

摘要(38)

PDF格式（4574KB）(44)

工具书类|相关文章|韵律学

为了同时恢复图像细节并保持去噪图像中的全局信息，提出了一种多尺度渐进变换器（MSP-transformer）用于图像去噪。MSP-Transformer可以有效地从不同尺度提取与阴影相关的特征，并逐步恢复清晰的图像，实现特征和图像的多尺度学习和融合。该MSP-Transformer分为编码阶段、解码阶段和恢复阶段。在编码阶段，使用基于Transformer块的编码器将输入图像分解为不同的尺度。从不同尺度提取的雾度相关特征可以充分表征雾度图像的信息损失。在解码阶段，考虑到雾霾图像的不同区域具有不同的信息损失，本文设计了一个在解码器中包含多尺度注意机制的特征聚合模块。多尺度注意包括通道注意和多尺度空间注意，可以融合不同尺度的特征信息。恢复阶段包括恢复块和融合块，首先，多尺度特征融合恢复块从不同尺度上聚合haze相关特征，以增加这些特征之间的关联，然后使用聚合的特征在每个尺度上恢复无haze图像。此外，通过融合块对每个尺度的恢复图像进行融合，得到最终的脱氮结果。对真实数据集和合成数据集的定性和定量实验表明，该MSP变压器具有良好的去噪性能。与11种最新方法相比，MSP-Transformer在RESIDE数据集上获得了最佳的PSNR（39.53db）和SSIM（0.9954），并取得了良好的视觉效果。此外，烧蚀实验也证明了该方法的有效性。

基于特征注意净化的显著目标检测

白雪飞、沈武成、王文健

计算机科学。2024, 51 (5): 125-133. 数字对象标识：10.11896/jsjkx.230300018

摘要(28)

PDF格式（3368KB）(44)

工具书类|相关文章|韵律学

近年来，显著目标检测技术取得了很大进展，如何选择和有效集成多尺度特征起着重要作用。针对现有特征集成方法可能导致的信息冗余问题，提出了一种基于特征注意力细化的显著性检测模型。首先，在解码器中，使用全局特征注意力引导模块（GAGM）通过注意力机制处理带有语义信息的深层特征，以获取全局上下文信息，然后通过全局引导流序列将这些信息发送到解码器的每个层进行监督。然后使用多尺度特征聚合模块（FAM）将编码器提取的多尺度特征与全局上下文信息有效集成，并在网格特征净化模块（MFPM）中进一步细化，以生成清晰完整的显著特征。在5个公共数据集上的实验结果表明，该模型优于现有的其他显著性目标检测方法。此外，我们的方法的处理速度也很快，在处理320×320图像时可以以30 FPS以上的速度运行。

基于多尺度注意的遥感图像建筑物提取研究

何晓辉、周涛、李攀乐、常静、李佳棉

计算机科学。2024, 51 (5): 134-142. 数字对象标识：10.11896/jsjkx.230200134

摘要(27)

PDF格式（6283KB）(38)

工具书类|相关文章|韵律学

基于深度学习的遥感图像建筑物提取具有覆盖面广、计算效率高等特点，在城市建设、防灾等方面发挥着重要作用。大多数主流方法使用多尺度特征融合，使神经网络能够学习更丰富的语义信息。然而，由于多尺度特征的复杂性和其他地物的干扰，这种方法往往会导致目标丢失和噪声密集。为此，本文提出了一种结合注意机制的特征解释模型MGA-ResNet50（MGAR）。该方法的核心是利用多人注意处理高层语义信息的层次加权，从而提取出具有较好表示效果的最优特征组合。然后使用门控结构将每个维度的特征图与对应编码器的低层语义信息融合，以补偿局部建筑细节的丢失。在马萨诸塞大楼和WHU大楼等公共数据集上的实验结果表明，与RAPNet、GAMNet和GSM等更先进的多尺度特征融合方法相比，该算法可以实现更高的F1和IoU。

基于多尺度视觉感知特征融合的显著目标检测方法

吴晓琴、周文军、左成林、王一凡、彭波

计算机科学。2024, 51 (5): 143-150. 数字对象标识：10.11896/jsjkx.230100132

摘要(35)

PDF格式（4634KB）(74)

工具书类|相关文章|韵律学

显著目标检测具有重要的理论研究意义和实际应用价值，在视觉跟踪、图像分割和目标识别等许多计算机视觉应用中发挥了重要作用。然而，自然环境中显著目标的未知类别和可变尺度仍然是显著目标检测的主要挑战，影响了检测结果。因此，本文提出了一种基于多尺度视觉感知特征融合的显著目标检测方法。首先，根据视觉感知的特点，设计并提取多种感知特征。其次，每个感知特征采用多尺度自适应方法获得特征显著图。最后，对每个显著特征图进行融合，得到最终的显著对象。该方法根据不同图像感知特征的特点，自适应地提取特征显著对象，能够适应检测对象的变化和复杂的检测环境。实验结果表明，该方法能够在自然环境的背景干扰下有效地检测出未知类别和不同尺度的显著目标。

基于双光滑函数秩逼近和群稀疏的高光谱图像恢复模型

姜斌、叶军、张丽红、司维娜

计算机科学。2024, 51 (5): 151-161. 数字对象标识：10.11896/jsjkx.230200044

摘要(22)

PDF格式（6236KB）(40)

工具书类|相关文章|韵律学

高光谱图像（HSI）具有良好的光谱识别能力，广泛应用于各个领域。然而，HSI在成像过程中容易受到混合噪声污染，这将严重削弱后续任务的准确性，如何高质量地恢复HSI是首先需要解决的问题。目前，基于低阶先验和全变分正则化相结合的HSI去噪方法取得了良好的性能。一方面，这些方法忽略了高强度条纹噪声在空间结构和光谱分布上的特征，使得噪声无法完全去除，另一方面，它们没有考虑HSI差分图像的低秩子空间信息，那么就无法探索潜在的局部空间平滑结构。为了解决这些问题，提出了一种基于双光滑函数秩逼近和群稀疏的HSI恢复模型。首先，利用双光滑函数秩近似模型研究了干净HSI和条纹噪声的低秩结构，可以去除结构条纹噪声等高强度混合噪声。其次，将基于E3DTV的群稀疏正则化方法集成到双光滑函数秩近似模型中，可以充分利用HSI差分图像的稀疏先验信息，进一步提高图像的空间恢复和光谱特征保持性能。最后，设计了一种交替方向乘法器方法（ADMM）来求解所提出的BSRAGS模型。仿真和实际数据实验表明，该模型能有效提高图像恢复质量。

基于边缘卷积和瓶颈注意模块的点云三维目标检测

姜英杰、杨文霞、方熙、韩欢

计算机科学。2024, 51 (5): 162-171. 数字对象标识：10.11896/jsjkx.230300113

摘要(21)

PDF格式（3474千克）(39)

工具书类|相关文章|韵律学

由于点云数据的高度稀疏性，目前基于点云的三维目标检测方法不足以学习局部特征，并且点云数据中包含的一些无效信息会干扰目标检测。针对上述问题，提出了一种基于边缘卷积（EdgeConv）和瓶颈关注模块（BAM）的三维目标检测模型。首先，通过创建K-针对点云中每个点的最近邻图结构，在特征空间上构造多层边缘卷积来学习点云的多尺度局部特征。其次，为三维点云数据设计了一个瓶颈注意模块（BAM），每个BAM由一个通道注意模块和一个空间注意模块组成，以增强对目标检测有价值的点云信息，旨在加强所提模型的特征表示。该网络使用VoteNet作为基线，在PointNet++和投票模块之间依次添加多层边缘卷积和BAM。在两个基准数据集SUN RGB-D和ScanNetV2上，对该模型进行了评估，并与其他13种最新方法进行了比较。实验结果表明，在SUN RGB-D数据集上，该模型达到了最高的0.5毫安培，和最高AP@0.25床、椅子和桌子等十类中的六类。在ScanNetV2数据集上，该模型在IoU 0.25和0.5下的mAP方面优于其他13种方法，并达到最高AP@0.25椅子、沙发和图画等18个类别中的10个。与基线VoteNet相比mAP@0.25在两个数据集上，该模型的性能分别提高了6.5%和12.9%。进行烧蚀研究以验证每个成分的作用。

人工智能

基于文本和历史数据的多标签专利分类

徐学杰、王宝辉

计算机科学。2024, 51 (5): 172-178年数字对象标识：1896年10月10日/jsjkx.230200199

摘要(49)

PDF格式（2857KB）(69)

工具书类|相关文章|韵律学

专利分类是专利数据挖掘领域的一项重要任务，它用于为给定的专利分配多个国际专利分类代码。近年来，许多研究都将重点放在挖掘专利文本以预测IPC的一级或二级代码上。在实际场景中，专利通常具有多个IPC代码，这是一个多标签分类任务。除文本外，每个专利都有相应的受让人，受让人的历史专利申请行为可能有一定的商业倾向。这种行为的偏好表示可以有效提高专利分类的精度。然而，以往的方法未能充分利用专利历史数据。提出了一种专利自动分类模型。该模型的主要处理如下：首先，使用BERT预训练语言模型初始化专利文本表示，然后使用文本CNN模型捕获局部特征，并将输出作为最终的专利文本表示；其次，通过双渠道聚合历史专利文本和标签，使用Bi-LSTM学习偏好表示；最后，我们融合文本和受让人的顺序偏好进行预测。在真实数据集上的实验以及与不同基线的比较表明，基于专利文本和历史数据的专利分类算法在精度上有很大提高。

基于人工智能规划的多智能体强化学习算法

辛元霞、华道阳、张丽

计算机科学。2024, 51 (5): 179-192. 数字对象标识：10.11896/jsjkx.230800099

摘要(32)

PDF格式（9040KB）(59)

工具书类|相关文章|韵律学

目前，深度强化学习算法在各个领域都取得了很多成果。然而，在多智能体任务领域中，智能体往往面临着状态行为空间较大、回报稀疏的非平稳环境，低搜索效率仍然是一大挑战。由于人工智能规划可以根据任务的初始状态和目标状态快速获得解决方案，该解决方案可以作为每个agent的初始策略，并为其探索过程提供有效的指导，因此尝试将它们结合起来，提出一个统一的多agent强化学习和人工智能规划模型（UniMP）在此基础上，可以设计和实现问题的解决机制。通过将多agent强化学习任务转换为智能决策任务，并对其进行启发式搜索，将获得一组宏观目标，这些目标可以指导强化学习的训练过程，从而使agent能够进行更有效的探索。最后，在多智能体实时策略游戏星际争霸II和机器人大师AI挑战模拟器2D的各种地图下进行了实验。结果表明，累积奖励值和获胜率都得到了显著提高，验证了UniMP的可行性、求解机制的有效性以及算法灵活处理强化学习环境突发情况的能力。

一种新的图约简表示和用于前提选择的图神经网络模型

蓝永琪、何星星、李英芳、李天瑞

计算机科学。2024, 51 (5): 193-199. 数字对象标识：10.11896/jsjkx.230300193

摘要(24)

PDF格式（1988KB）(29)

工具书类|相关文章|韵律学

自动定理证明程序在证明问题时，其搜索空间通常会爆炸式增长。前提选择为这个问题提供了一个新的解决方案。针对现有前提选择方法中的逻辑公式图和图神经网络模型难以捕捉公式图的潜在信息的问题，本文提出了一种基于删除重复量词的简化逻辑公式图表示和一种带注意机制的术语遍历图神经网络，它充分利用逻辑公式的句法和语义信息来提高前提选择问题的分类精度。首先，在去除重复量词的基础上，将猜想公式和前提公式转化为简化的一阶逻辑公式图。其次，使用消息传递图神经网络聚合和更新节点及其术语行走特征信息，然后使用注意机制为图上的节点分配权重，从而调整图节点嵌入信息。最后，将前提向量和猜想向量串联并输入到二值分类器中，以实现分类。实验结果表明，该方法在MPTP数据集和CNF数据集上的准确率分别达到88.61%和84.74%，优于现有的前提选择方法。

结合句法增强和图形注意网络进行基于体的情感分类

张泽宝、于汉南、王勇、潘海伟

计算机科学。2024, 51 (5): 200-207. 数字对象标识：10.11896/jsjkx.230200189

摘要(38)

PDF格式（2230KB）(40)

工具书类|相关文章|韵律学

方面级情感分类旨在识别给定方面文本的情感极性。在这一领域，图神经网络与句法依存分析的结合是当前的研究热点之一。根据二者之间的关系，构造图形结构并输入到图形神经网络中，以获得情感极性。如果语法分析器出现解析错误，则对基于图的图神经网络模型的影响将是巨大的。为了增强解析器生成的句法依赖树的分析结果，提出了一种语法增强的图注意网络。通过融合多个解析器的解析结果，提高了句法依赖的解析精度，得到了更准确的依赖句法图。图注意网络中使用了一种密集连接机制来捕获更丰富的特征，这些特征更适合于增强的句法图，并且引入了方面注意机制来捕获方面语义特征。实验结果验证了该句法增强方法的有效性。在三个基准数据集上的分类精度得到了提高，并且在方面级情感分析领域具有更好的性能。

基于跨层次多视角特征融合的多语言事件检测

张志远、张伟彦、宋玉秋、阮彤

计算机科学。2024, 51 (5): 208-215. 数字对象标识：10.11896/jsjkx.230200131

摘要(28)

PDF格式（2890KB）(22)

工具书类|相关文章|韵律学

多语言事件检测任务的目标是将多语言新闻文档集合组织成不同的关键事件，其中每个事件可以包含不同语言的新闻文档。该任务方便了各种下游任务应用，如多语言知识图构建、事件推理、信息检索等。在预先发送的情况下，多语言事件检测主要分为两种方法：先翻译后事件检测，首先进行单语言检测，然后跨多语言对齐。前者依赖于翻译的效果，而后者需要针对每种语言单独的训练模式。为此，本文提出了一种基于跨层多视图特征融合的多语种事件检测方法，该方法可以执行端到端的多语态事件检测任务。该方法利用不同层次文档的多视图特征来获得高可靠性。它提高了低资源语言事件检测的泛化性能。在九种语言混合的新闻数据集上的实验表明，该方法将BCubed F1值提高了4.63%。

基于深度多视网络的政府事件调度方法

李自晨、易修文、陈顺、张俊波、李天瑞

计算机科学。2024, 51 (5): 216-222. 数字对象标识：10.11896/jsjkx.230300034

摘要(27)

PDF格式（2112KB）(30)

工具书类|相关文章|韵律学

12345政务服务便民热线是地方政府为处理热线事件而设立的公共服务平台。近年来，随着政府数字化的推进，12345热线作为公民与政府之间的沟通纽带的重要性大大提高，对事件处理效率的要求也越来越高。针对传统的事件调度方法主要依赖调度员的手动操作，速度慢、精度低、耗费大量人力资源的问题，提出了一种基于深度多视图网络的政府事件调度方法。首先，我们通过自监督学习训练带权值的图卷积神经网络，并从历史任务记录中提取事件类别分散部门的行为表示。然后，使用经过政府领域语料库微调的BERT模型提取事件描述和事件标题的语义表示。然后，利用基于注意机制的残差网络对事件的多个视图进行融合，得到事件的融合表示。最后，将融合表示送入分类器以获得事件分派结果。在南通12345热线数据集上的实验表明，该方法在各种指标上都优于其他基线方法，可以提高事件调度的效率。

基于自适应上下文匹配网络的少快照知识图补全

杨旭华、张连、叶磊

计算机科学。2024, 51 (5): 223-231. 数字对象标识：10.11896/jsjkx.230200012

摘要(45)

PDF格式（2277千克）(38)

工具书类|相关文章|韵律学

知识图在构建过程中需要面对复杂的现实世界信息，并且不能对所有知识进行建模，因此需要完成。实际知识图中的许多关系往往只有很少的实体对用于训练。因此，少快照知识图的完成是一个非常重要的问题。目前，基于嵌入的方法一般通过注意机制或其他方法来聚合实体上下文信息，并通过学习关系嵌入来完成知识图。这些方法只考虑了关系级的匹配度。虽然它们可以预测未知关系，但结果往往不准确。因此，提出了一种自适应上下文匹配网络（ACMN），用于完成少量快照的知识边图。首先，提出一种公共邻域感知编码器来聚合参考上下文，即一跳邻域实体，并获得公共邻域认知嵌入。其次，提出了一种与任务相关的实体编码器，用于挖掘任务实体上下文和公共上下文之间的相似性信息，区分一跳邻居对当前任务的贡献，并增强任务实体表示。然后，提出了一种上下文解析编码器来获取动态关系表示。最后，通过加权求和，综合考虑实体上下文和关系的匹配程度，完成该任务。ACMN从实体上下文相似度和关系匹配两个方面综合评估查询三元组是否成立，可以有效提高在少数场景下的预测精度。与其他八种在两个公共数据集上广泛使用的算法相比，ACMN在不同快照大小的情况下获得了最佳的完成结果。

不可分非凸和非光滑问题的线性惯性ADMM

刘洋、刘康、王永泉

计算机科学。2024, 51 (5): 232-241. 数字对象标识：10.11896/jsjkx.240200027

摘要(37)

PDF格式（2175KB）(31)

工具书类|相关文章|韵律学

本文针对含有耦合函数的目标函数的非凸非光滑小型化问题，提出了一种线性惯性交替方向乘法器方法H（x，y），为了便于子问题的求解，将目标函数线性化，并将惯性效应引入x个-子问题。为了便于子问题的解决，耦合函数高（x，y）在目标函数中线性化，并将惯性效应引入x个-子问题。在适当的假设下建立了算法的全局收敛性，并通过引入满足Kurdyka-Łojasiewicz不等式的辅助函数证明了算法的强收敛性。两个数值实验表明，引入惯性效应的算法比没有惯性效应的方法收敛性能更好。

基于平均一致性协议的分布式自适应多智能体集合控制

谢广强、钟碧伟、李阳

计算机科学。2024, 51 (5): 242-249. 数字对象标识：10.11896/jsjkx.230300159

摘要(21)

PDF格式（3960KB）(24)

工具书类|相关文章|韵律学

分布式交会控制是多智能体协同控制中的一个重要问题。由于代理的移动性和感知能力有限，传统的分布式交会算法很难确保连通性，从而聚合多个集群。此外，分散的大规模交会控制对获取全球交会点提出了巨大挑战。针对连通性保护问题，基于平均一致性协议和约束集，提出了一种带连通性约束的多智能体交会协议（MARP-CC）。然后，针对交会点不可预测性问题，提出了位置合成（LSS）和位置重定向（LRS）控制策略。代理根据当前的连通情况自适应地选择最优控制策略进行迭代。最后，结合这两种控制策略，提出了一种带连接约束的分布式自适应多智能体交会算法（DAMAR-CC）。给出了该算法的收敛性和连通性分析，大量仿真表明，DAMAR-CC可以使代理在初始拓扑的几何中心稳定会合。

结合语义解释和DeBERTa的极短文本层次分类

陈浩洋、张磊

计算机科学。2024, 51 (5): 250-257. 数字对象标识：10.11896/jsjkx.231100134

摘要(23)

PDF格式（1593KB）(34)

工具书类|相关文章|韵律学

文本层次分类在社会评论主题分类和搜索词分类等场景中有着重要的应用。这些场景中的数据通常具有短文本特征，这反映在信息的稀疏性和敏感性上。它对模型特征表示和分类性能提出了巨大挑战。层次标签空间的复杂性和关联性进一步加剧了这些困难。有鉴于此，提出了一种融合语义解释和DeBERTa模型的方法，该方法的核心思想如下：引入特定上下文中单个单词或短语的语义解释，以补充和优化模型获取的内容信息；结合DeBERTa模型的去纠缠注意力和增强掩码解码器，更好地掌握位置信息，提高特征提取能力。该方法首先对训练文本进行语法消歧和词汇注释，然后构建GlossDeBERTa模型，以高精度进行语义消歧，以获得语义解释序列。然后使用SimCSE框架将解释序列矢量化，以更好地表征解释序列中的句子信息。最后，训练文本通过DeBERTa模型神经网络得到原始文本的特征向量表示，然后将其与解释序列中的相应特征向量相加，并传递给多类分类器。实验选择了短文本层次分类数据集TREC中非常短的文本部分，并对数据进行扩展，得到平均长度为12个单词的数据集。多组对比实验表明，本文提出的融合语义解释的DeBERTa模型具有最好的性能，验证集和测试集上的准确性、F1-micro和F1-macro值远远优于其他算法模型，它能很好地处理极短文本的层次分类任务。

基于快速学习的医学对话理解生成方法

刘军、阮彤、张欢欢

计算机科学。2024, 51 (5): 258-266. 数字对象标识：10.11896/jsjkx.230300007

摘要(40)

PDF格式（1769KB）(33)

工具书类|相关文章|韵律学

任务型对话系统中对话理解模块的目标是将用户的自然语言输入转换为结构化形式。然而，在面向诊断的医学对话系统中，现有的方法面临以下问题：1）信息的粒度不能完全满足诊断的需要，例如提供症状的严重程度；2）很难同时满足医学领域中时隙值的各种表示，例如可能包含非连续嵌套实体的“症状”和可能包含类别值的“否定”。本文提出了一种基于即时学习的生成性医学对话理解方法。为了解决问题1），本文将当前对话理解任务中的单层槽结构替换为多层槽结构来表示细粒度信息，然后提出了一种基于对话式提示的生成方法，它使用提示标记来模拟医生和患者之间的对话，并从多轮交互中获取多级信息。为了解决问题2），本文提出在推理过程中使用受限解码策略，以便该模型能够统一处理提取和分类时隙的意图检测和时隙填充任务，避免复杂的建模。此外，为了解决医学领域中缺少标记数据的问题，本文提出了一种两阶段训练策略，以利用大规模未标记医学对话语料库来提高性能。在本文中，为包含多级槽结构的医学对话理解任务注释并发布了一个数据集，该数据集包含4 722个对话，涉及17个意图和74种类型的槽。实验表明，该方法能够有效地解析医学对话中的各种复杂实体，与现有的生成方法相比，性能提高了2.18%。在数据较少的情况下，两阶段训练可以将模型的性能提高5.23%。

计算机网络

基于混合特征选择的特定辐射源识别

顾楚梅、曹建军、王保伟、徐玉新

计算机科学。2024, 51 (5): 267-276. 数字对象标识：10.11896/jsjkx.230300216

摘要(25)

PDF格式（2474KB）(35)

工具书类|相关文章|韵律学

为了提高特定辐射源识别的准确性和计算效率，提出了一种基于混合特征选择的特定辐射源辨识方法。包裹特征选择方法具有较高的分类精度，但在处理高维数据时计算复杂度高，效率低。嵌入式特征选择方法计算复杂度低，但依赖于特定分类器。为了解决上述问题，结合封装和嵌入特征选择方法的特点，首先，使用三种嵌入方法（Random Forest、XGBoost和LightGBM）对信号数据进行初始特征选择，分别获得随机森林子集、XGBoost子集和LightGB M子集。其次，使用包装方法对初选后获得的子集进行二次降维。研究策略分别采用顺序反向选择和蚁群优化算法，分类算法采用LightGBM。该混合特征选择方法共获得六个特征选择模型。通过比较分类精度和每个模型获得的最优子集中的特征数量，确定最优混合特征选择模型。

基于迁移学习的动态室内定位算法

王家浩、傅义夫、冯海南、任玉恒

计算机科学。2024, 51 (5): 277-283. 数字对象标识：10.11896/jsjkx.230300137

摘要(19)

PDF格式（2601KB）(27)

工具书类|相关文章|韵律学

随着智能家居的发展，基于Wi-Fi信号的定位技术也得到了广泛的研究。在实际应用中，室内定位算法所采集的训练数据和测试数据通常不来自相同的理想条件。各种环境条件和信号漂移的变化会导致训练数据和测试数据之间的概率分布不同。现有的定位算法在面对这些不同的概率分布时无法保证稳定的精度，导致室内定位算法的定位精度大幅降低和不可行。考虑到这些困难，迁移学习中的领域自适应技术在过去的研究中被证明是解决不一致概率分布问题的一种很有前途的解决方案。本文将领域自适应学习和机器学习算法相结合，提出了一种基于特征转移的室内定位算法TL-GLMA。TL-GLMA通过特征转移将两个域的原始数据映射到高维空间，以最小化两个域之间的分布差异，保持局部几何特性。此外，由于映射的数据是独立的且分布一致的，TL-GLMA可以使用它来训练分类器，以获得更好的定位结果。实验结果表明，TL-GLMA可以有效地减少环境变化带来的干扰，提高定位精度。

内生安全交换机的带内分段路由遥测方法

顾周超、程光、赵玉玉

计算机科学。2024, 51 (5): 284-292. 数字对象标识：10.11896/jsjkx.230400030

摘要(25)

PDF格式（3809KB）(27)

工具书类|相关文章|韵律学

近年来，网络技术发展迅速，提供的基础设施和网络服务变得越来越复杂。传统的网络管理和监控工具正面临严峻挑战。国内外研究人员提出了分段路由（SR）和带内网络遥测（INT）技术，以实现更实时和细粒度的网络测量。然而，带内网络遥测技术在实际应用中仍面临许多挑战，例如在快速增长的网络环境中灵活部署、动态部署和高效部署。首先，传统INT技术缺少合适的载波，数据包开销随着遥测路径长度线性增加，导致遥测监测的性能瓶颈问题，本文提出了一种基于SRv6的带内网络遥测方法（SRv6基INT）。在这项工作中，INT和SR的开销减少了，并且两者无缝结合，以实现轻量级和自适应遥测方法。本文设计了INT的元数据，使其长度等于SRv6中的Segment字段，然后根据监控服务器发布的流表将相应的SID修改为每个跳中对应的INT元数据。该方法充分结合了这两种技术的优点，将开销保持在合理的范围内，优于传统的带内网络遥测方法。

COURIER：基于非优先优先级队列和优先经验重放DRL的边缘计算任务调度和卸载方法

杨秀文、崔云和、钱青、郭春、申国伟

计算机科学。2024年，51（5）：293-305页数字对象标识：10.11896/jsjkx.230200121

摘要(21)

PDF格式（4567KB）(36)

工具书类|相关文章|韵律学

边缘计算（EC）在网络边缘部署大量计算和存储资源，以满足任务的延迟和功耗要求。计算卸载是EC中的关键技术之一。在估计任务排队延迟时，现有的计算卸载方法通常使用M/M/1/∞/∞/FCFS或M/M/n个/∞/∞/FCFS模型。这些方法没有考虑高延迟敏感任务的优先级，导致一些不需要敏感延迟的计算任务总是占用计算资源，增加了这些方法的延迟成本。同时，现有的回放方法大多采用随机抽样来回放经验，无法区分经验科学的利弊，导致经验利用率低，神经网络收敛速度慢。最后，基于计算卸载方法的确定性策略深度强化学习（DRL）存在环境探索能力弱、鲁棒性低、经验利用率低等问题，降低了求解计算卸载问题的准确性。为了解决上述问题，考虑到多任务移动设备和多边缘服务器的计算卸载场景，旨在最大限度地减少系统延迟和能耗，研究任务调度和卸载决策问题，并提出了计算卸载qUeuing和pRioritIzed体验回放DRL（COURIER）。COURIER首先设计了一个非抢占优先级排队模型（M/M/n个/∞/∞/NPR）优化任务的排队延迟。然后，提出了一种基于优先级经验重放的最大熵深度强化学习算法。针对卸载决策问题，基于软actor-critic（SAC）算法，提出了一种优先级经验重放SAC的卸载决策机制。在该机制中，将信息熵添加到目标函数中，使agent采用随机策略，并对经验采样方法进行优化，以加快网络的收敛速度。仿真结果表明，COURIER可以有效降低系统延迟和能耗。

基于多尺度全卷积神经网络和GRU的雷达有源干扰识别

洪体静、刘登峰、刘毅

计算机科学。2024, 51 (5): 306-312. 数字对象标识：10.11896/jsjkx.230300062

摘要(22)

PDF格式（1978KB）(27)

工具书类|相关文章|韵律学

雷达在现代电子战中起着至关重要的作用，随着电子对抗与电子对抗之间的竞争加剧，复杂电磁环境下低JNR下有源雷达干扰特征的人工提取困难和识别率低的问题亟待解决。针对上述问题，提出了一种基于多尺度全卷积神经网络（MFCN）和门限递归单元（GRU）并行化的干涉识别算法。这是一个端到端的深度神经网络模型，不需要对数据进行复杂的预处理，并输入干扰信号的原始时域序列，对不同JNR下的干扰信号进行分类识别。仿真结果表明，随着JNR的逐渐增加，网络的识别精度逐渐提高；在－10～10dB的全JNR范围内，该网络的总识别率为99.4%，当JNR大于－6dB时，识别精度接近100%，与简单的多尺度全卷积神经网络、门限递归单元等经典模型相比，具有更高的识别精度，自适应JNR的极限较低。

基于云边缘协同子类提取的卷积神经网络模型压缩方法

孙静、王晓霞

计算机科学。2024, 51 (5): 313-320. 数字对象标识：10.11896/jsjkx.240100038

摘要(25)

PDF格式（2376千克）(31)

工具书类|相关文章|韵律学

在当前卷积神经网络模型的训练和分发过程中，云具有足够的计算资源和数据集，但难以满足边缘场景中的碎片化需求。边缘侧可以直接训练和推断模型，但很难直接使用根据统一规则在云中训练的卷积神经网络模型。针对边缘端资源有限的情况下，用于模型压缩的卷积神经网络算法训练和推理效率低的问题，首先提出了一种基于云边缘协作的模型分发和训练框架。该框架可以结合云和边缘的优势进行模型再训练，满足边缘对指定识别目标、指定硬件资源和指定精度的要求。其次，基于云边缘协作框架的训练方法，提出了新的基于逻辑和通道的子类知识提取方法（SLKD和SCKD），以改进知识提取技术。云服务器首先提供一个具有多目标识别的模型，然后通过子类知识提取方法，将该模型从边缘重新定义为一个轻量级模型，该模型可以部署在资源有限的场景中。最后，在CIFAR-10数据集上验证了联合训练框架和两个子类蒸馏算法的有效性。实验结果表明，在压缩比为50%时，与全分类模型相比，推理精度提高了10%-11%。与模型的再训练相比，通过知识蒸馏方法训练的模型的精度也得到了很大的提高，并且压缩比越高，模型精度的提高越显著。

信息安全

抗JPEG压缩的自适应图像隐写

张敬翰、陈文

计算机科学。2024, 51 (5): 321-330. 数字对象标识：10.11896/jsjkx.231000036

摘要(24)

PDF格式（3310KB）(29)

工具书类|相关文章|韵律学

现有的网络通信系统在传输图像时通常使用JPEG压缩来减少通信开销。然而，传统的图像隐写技术缺乏抵抗JPEG压缩的能力。对秘密图像进行有损压缩后，秘密数据很容易被破坏，无法正确提取。因此，设计安全可靠的图像隐写技术具有重要的实际应用价值。本文提出了一种抗JPEG压缩的自适应图像鲁棒隐写算法。首先，本文分析了JPEG压缩对载体图像造成的信息损失，并确定了稳定的纹理特征，这些特征可以作为秘密信息的鲁棒嵌入域。在此基础上，本文提出了一种基于图像块纹理特征进行调整的自适应秘密信息量化嵌入方法，将秘密信息嵌入到具有较强抗压能力的图像块的纹理均值特征中。最后，使用错误反馈机制调整生成的机密图像，直到机密信息提取错误率达到预期值，并生成抗JPEG压缩的鲁棒隐写图像。在BossBase1.01上的对比实验表明，该方法具有较强的压缩能力、抗检测能力，即使在JPEG压缩后也能保持较高的图像质量。与传统的最低有效位（LSB）隐写术、基于加泰罗尼亚变换的图像隐写术（Catalan transform-based image steganography）、固定神经网络隐写术和使用自动编码器潜在空间的鲁棒隐写术相比，与基于加泰罗尼亚语的隐写术、FNNS和RoSteALS相比，该算法有效地将信息提取的平均错误率分别降低了49.79%、49.73%、37.38%和38.85%，同时保持了更好的视觉质量。此外，我们的算法证明了对StegExpose隐写分析的鲁棒性。

基于MLWE和MSIS的可验证解密方案

郭春彤、吴文元

计算机科学。2024, 51 (5): 331-345. 数字对象标识：10.11896/jsjkx.230300127

摘要(27)

PDF格式（1769KB）(33)

工具书类|相关文章|韵律学

两方安全计算中涉及的可验证解密技术可以应用于需要隐私保护的真实场景，例如医学研究数据共享和机构间合作进行模型训练，这有助于进一步打破数据隔离问题，确保数据安全。然而，现有的基于格密码或其他后量子加密方案为正确解密而构造的零知识证明效率较低。针对这种情况，本文提出了一种基于带错误的模块学习（MLWE）和Kyber的模块短整数解（MSIS）的可验证解密方案。首先，基于Kyber的加密和解密特性，使用证明者和验证者持有的数据构造等价关系存在差异。该方案提出了一种使用误差估计和Kyber压缩函数相结合的方法，使证明程序能够向验证器提供有关其自身数据的一些信息以消除差异，然后提供可用于验证的等价关系，并将此关系与无公钥压缩版本的Dilithium签名方案框架相结合，构造了一个非交互式零知识证明，将可验证解密问题转化为证明环中短向量满足的线性关系，从理论上分析了该方案的通信开销和计算复杂度，将方案的稳健性和零知识化为MSIS的硬假设，并给出了两组不同安全级别的建议参数。最后，通过编写C程序验证了该方案的正确性和有效性。实验结果与理论分析结果一致，与现有方案相比，本文方案在单个密文的证明大小和证明时间方面具有显著优势，更加简洁高效。

基于标签影响传播的人工免疫检测器生成算法研究

周遵龙、陈文、马新雷

计算机科学。2024年，51（5）：346-354. 数字对象标识：10.11896/jsjkx.231000027

摘要(25)

PDF格式（2459KB）(24)

工具书类|相关文章|韵律学

人工免疫系统利用训练样本筛选和训练候选检测器，从而生成覆盖非自我区域的成熟检测器，用于自我和非自我的区分。传统的基于负选择算法（NSA）的检测器生成算法通常需要大量的标记自训练样本，而实际应用中标记样本的数量有限，导致检测器训练不足，限制了检测器的检测精度。为了解决这个问题，本文提出了一种基于标记影响传播的免疫检测器训练方法，其中标记影响传播是由属于同一簇的样本中的少量标记簇成员执行的，而伪标记是对簇中未标记的样本执行的。随后，本文基于基于噪声学习的伪标记评估去除了低置信度的新标记样本。通过标记评估的新标记样本被添加到训练样本集中，以扩展标记样本的大小，提高免疫检测器的训练质量。在七种不同维度和大小的UCI公共数据集上的比较实验结果表明，所提出的基于标签影响传播的免疫检测训练算法能够有效提高检测器的训练性能，特别是在训练样本有限或数据集不平衡的情况下，该检测器的性能明显优于传统方法。与PSA、co-PSA、GFNSA等检测生成算法相比，该检测器的识别准确率平均提高了10%。

基于Jump-SBERT的二进制码相似性检测研究

阎银通、于璐、王太炎、李玉伟、潘祖烈

计算机科学。2024, 51 (5): 355-362. 数字对象标识：10.11896/jsjkx.230400011

摘要(24)

PDF格式（3011KB）(26)

工具书类|相关文章|韵律学

二进制码相似性检测技术在不同的安全领域发挥着重要作用。针对现有二进制码相似性检测方法存在的计算量大、精度低、二元函数和单个评价数据集的语义信息识别不完整等问题，提出了一种基于Jump-SBERT的二进制码相似检测技术。Jump-SBERT有两项主要创新。一种是使用双网络构建SBERT网络结构，可以在保持计算精度不变的情况下降低模型的计算成本。二是引入跳跃识别机制，使jump-SBERT能够学习二元函数的图结构信息。这样，可以更全面地捕获二进制函数的语义信息。实验结果表明，Jump-SBERT在小函数池（32个函数）和大函数池（10000个函数）中的重新识别准确率分别达到96.3%和85.1%，比最新的（SOTA）方法高36.13%。Jump-SBERT在大规模二进制码相似性检测中更稳定。烧蚀实验表明，这两个主要创新点对Jump-SBERT都有积极影响，跳跃识别机制的贡献率高达9.11%。

基于对抗样本和自动编码器的鲁棒异常检测

李莎莎、邢红杰

计算机科学。2024, 51 (5): 363-373. 数字对象标识：10.11896/jsjkx.230300153

摘要(32)

PDF格式（2490KB）(37)

工具书类|相关文章|韵律学

基于AutoEncoder的异常检测方法只使用正常样本进行训练，因此可以有效地重建正常样本，但不能重建异常样本。此外，基于AutoEncoder的异常检测方法在受到对手攻击时，往往会得到错误的检测结果。为了解决上述问题，提出了基于对抗样本和自动编码器（RAD-ASAE）的鲁棒异常检测方法。RAD-ASAE由两个参数共享编码器和一个解码器组成。首先，对正常样本进行轻微扰动以生成对抗样本，同时使用正常样本和对抗样本对模型进行训练，以提高模型的对抗鲁棒性。其次，在样本空间中最小化对手样本的重建误差，并最小化对手样本正常样本和重建样本之间的均方误差。同时，为了提高自动编码器的重建能力，在潜在空间中最小化了正常样本和对手样本的潜在特征之间的均方误差。在MNIST、Fashion-MNIST和CIFAR-10上的实验结果表明，与7种相关方法相比，RAD-ASAE具有更好的检测性能。

用于源跟踪的鲁棒多层Excel文档水印

韩松元、王红霞、姜子玉

计算机科学。2024, 51 (5): 374-381. 数字对象标识：10.11896/jsjkx.230300192

摘要(17)

PDF格式（3664KB）(35)

工具书类|相关文章|韵律学

Excel文档广泛应用于金融、科学研究、数据分析和统计报告，在教育和培训、在线办公室和许多其他场景中发挥着越来越重要的作用，但它们也存在未经授权使用、侵权和信息泄漏等安全风险。为了保护Excel文档数字内容的安全，迫切需要开发更安全可靠的文档水印算法。基于Excel文档格式，提出了一种具有良好不可见性和鲁棒性的Excel文档源跟踪多层水印算法。通过在Excel文档边框的单元格样式和RGB颜色值中嵌入多层水印信息，可以明确实际应用场景中的文档分发链，追踪文档泄漏源，并定位泄漏责任人。该算法可用于减少信息泄漏的发生。实验比较表明，该方法对水印不敏感，对多种常见攻击具有鲁棒性，并且支持多达五层的多层水印嵌入。与其他基于文档格式的水印算法相比，该算法具有更好的水印不可见性、更强的鲁棒性和更广泛的应用范围。

多属性区块链去中心化程度度量模型

张瑞荣、周保宁、范兴

计算机科学。2024, 51 (5): 382-389. 数字对象标识：1896年10月10日/jsjkx.230300076

摘要(27)

PDF格式（2620KB）(30)

工具书类|相关文章|韵律学

去中心化是区块链的一个典型特征。随着区块链技术的不断发展，定量衡量分权程度的现实意义正在逐步深化。现有区块链去中心化程度度量方法中使用的评价指标要么考虑节点功能，要么考虑网络性能，不同的评价角度导致所提出的模型与评价指标之间存在较大偏差。为此，本文以区块链交易过程为重点，从节点功能完整性、网络传输和数据存储三个方面提取影响区块链分散度的关键因素，建立多属性分散度度量模型（MDDMM）并实现原型。实验结果表明，数据存储、节点功能完整性和网络传输对分散特性的影响程度依次降低。比特币的分散化程度分别比比特现金、以太坊和以太坊经典高约3.5%、30%和38%。与现有的度量方法相比，本文提出的MDDMM具有更全面的度量指标，为量化区块链平台的去中心化程度提供了理论依据和数据支持。

基于扰动时空混沌的三维OFDM星座加密方案

赵庚、吴锐、马英杰、黄思杰、董友恒

计算机科学。2024, 51 (5): 390-399. 数字对象标识：10.11896/jsjkx.230200169

摘要(23)

PDF格式（5762KB）(28)

工具书类|相关文章|韵律学

无线通信网络的迅速发展导致了传输信息的大幅激增，从而对系统传输效率和通信安全提出了更高的要求。为了满足这些要求，本文提出了一种基于扰动时空混沌的三维OFDM星座加密方案。最初，设计了一个反馈的基本元胞自动机来增强基本元胞自动机的周期性和伪随机性。将反馈元胞自动机的迭代结果作为扰动归一化并集成到时空混沌系统中。通过分岔图、Lyapunov指数、回归映射分析和随机性测试，验证了加入扰动后系统具有良好的混沌特性。接下来，开发了一种新的三维16元星座图，将星座点之间的最小欧几里得距离扩展6.3%，并将扰动时空混沌系统与三维星座旋转的物理层调制加密相结合。实验仿真结果表明，与其他三维16元星座映射旋转加密算法相比，该算法的误码率性能提高了约1dB。此外，对密钥空间、密钥敏感性和统计攻击的安全性分析也证明了该方案的优越安全性能。

加密图形数据最短路径查询的正确性可验证外包计算方案

丁洪发、于英英、姜鹤玲

计算机科学。2024, 51 (5): 400-413. 数字对象标识：10.11896/jsjkx.230200031

摘要(18)

PDF格式（3230KB）(26)

工具书类|相关文章|韵律学

地理位置和社交网络等海量图形数据被广泛使用并包含大量隐私，通常需要通过安全的外包计算方案提供各种查询服务。然而，为图形数据设计可验证正确性的外包计算协议仍然是一个公开的挑战。为此，提出了一种加密图数据上精确最短路径的可验证外包计算方案。在该方案中，通过使用加性同态加密构造加密图形数据的宽度第一最短路径算法，以支持对加密图形数据进行精确最短距离查询的外包计算。其次，利用双线性映射累加器构造了最短路径外包计算结果的概率正确性验证机制。分析和证明表明，该方案实现了具有概率可靠性的可验证的准确最短路径外包计算，在随机预言模型下具有IND-CCA2的安全性。比较和实验表明，与其他相关方案相比，该方案在安全性和功能性方面具有显著优势，与现有的可验证图形数据外包计算方案相比，在初始化和加密阶段、查询阶段、，验证和解密阶段分别减少了0.15%～23.19%、12.91%～30.89%和1.13%～18.62%。

基于RIS多径随机叠加的密钥生成方案

张忠信、易明、肖帅方

计算机科学。2024, 51 (5): 414-420. 数字对象标识：10.11896/jsjkx.221000037

摘要(28)

PDF格式（2496KB）(24)

工具书类|相关文章|韵律学

在静态场景中，多径相位和幅度变化缓慢，基于无线信道特性的物理层密钥速率较低，难以满足高速数据服务的通信安全要求。本文提出了一种基于RIS的多径随机叠加的密钥生成方案。首先，发送方和接收方都利用RIS的实时可控性和模式的灵活特性，通过多径功率谱特性来分离空间中的多径。然后，在信道相干时间内多次改变多径的功率分配策略，构造了等效的快速变化信道，提高了关键源的随机性。最后，通过量化、协商和隐私放大生成一致的安全密钥。仿真结果表明，与现有基于RIS天线的物理层密钥生成方案相比，该方案利用信道的多径特性提高了源熵。另一方面，多径上的功率分布改善了信源的随机性，从而给密钥速率带来了一定的增益。

计算机科学

2017年NCTCS(0)

网络与通信(193)

信息安全(640)

软件与数据库技术（3）

人工智能(748)

调查（52）

图形、图像和模式识别(58)

威斯康星州2017(1)

WISA2018年(1)

2017年NASAC(13)

2018年CGCKD(12)