小型微型计算机系统

过刊目录

  • 2023年, 44卷, 第2期
    刊出日期：2023-02-01
      
  • 全选
    |
  • 犹豫模糊数据对象集的谱聚类算法
    孙爽爽,黄德才,陆亿红
    2023, 44(2): 225-231.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前适用于犹豫模糊数据对象集的聚类算法研究仍然非常有限,现有的犹豫模糊数据对象集层次聚类算法受异常点影响较大且容易聚成链状.针对上述问题,本文首先提出了一种可扩展的犹豫模糊集的加权相似度计算方法,该方法不仅可以利用不同的函数计算相似度,而且可以根据实际问题构造最优的相似度函数.基于该加权相似度计算方法,结合经典的谱聚类算法提出了犹豫模糊数据对象集的谱聚类算法（SCHF）.针对目前国内外还没有可用于犹豫模糊数据对象集聚类的标准数据集的现实情况,本文提出了一种确定性数据的犹豫模糊方法并在仿真实验中应用.仿真实验不仅验证了SCHF算法的有效性,而且表明SCHF算法比两种已知算法有更好的聚类效果.
  • WiSFall:一种非接触式的浴室跌倒监测模型
    段鹏松,李婧馨,王超,孔金生
    2023, 44(2): 232-238.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    封闭浴室场景中的跌倒行为危害性大,救助及时性差,对其高效便捷的监测研究有重要意义.针对现有基于Wi-Fi信号感知的跌倒算法中存在的特征提取不足、识别精度有限问题,本文提出了一种基于深度学习的非接触式浴室跌倒监测模型WiSFall.首先,WiSFall将一维时序CSI数据流重构为二维的频率能量图形式,使得感知数据的特征容纳能力得以增强;其次,对重构后的感知数据进行巴特沃斯滤波,以去除环境噪声;最后,将滤波后的感知数据以频率能量图形式输入到构建好的深度学习模型中,通过对感知特征的有效提取和分类实现Wi-Fi环境下高精度的浴室跌倒监测.实验结果表明,WiSFall在居家浴室环境下对跌倒行为监测的准确率达到99.63%,相比同类模型表现更好,且具有较强泛化能力.
  • 基于Fork/Join的事务日志伴随模式挖掘方法
    孔明,魏东,冉义兵,毕国鹏
    2023, 44(2): 239-247.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    信息系统产生的大量事务日志数据蕴含着潜在的伴随模式,伴随模式是指在时空上频繁共现的一组对象.由于传统的滑动窗口算法和FP-Growth算法只能调用单一线程进行计算,随着数据规模的扩张,会导致挖掘伴随模式的时间急剧增加.为此本文提出了一种基于Fork/Join并行技术的伴随模式挖掘框架,其能够实现从单线程到多线程的迁移,充分利用多核配置的加速性能.该框架由划定伴随数据集、频繁项集挖掘和关联规则挖掘三部分组成.首先,提出了基于Fork/Join的多核并行滑动窗口算法,以缩短从事务日志中划定伴随数据集的时间;然后,提出基于Fork/Join的多核并行FP-Growth算法,以并行地挖掘伴随数据集中的频繁项集;最后,引入支持度、置信度和提升度3个参数,对伴随模式中各对象间的关联规则进行挖掘.基于门禁刷卡数据的实验结果表明,相比传统算法,本文所提出的框架能够挖掘出更多的伴随模式,同时挖掘效率较高.
  • 最后期限动态分配的三步云工作流调度算法
    王子健,卢政昊,潘纪奎,孙福权
    2023, 44(2): 248-255.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现如今，云环境中的工作流调度问题依然很有挑战性.它的一个重要任务是找到一种能够满足最后期限约束且执行成本最优的调度方案.三步的列表调度算法可以有效地解决这一问题.该算法首先将最后期限分配到每个任务，形成任务子期限；之后再利用两步列表调度策略为每个任务分配资源.然而现有的最后期限分配策略均只能形成静态的子期限，因此还可以进行进一步的优化.本文采用三步列表调度算法进行云工作流调度，并提出一种基于粒子群的动态最后期限分配方法(DY-DD).实验结果表明，相比于其它经典调度算法，本文提出的算法在成功率和执行成本上均具有优势.
  • 融合注意力机制和指针标注的实体关系联合抽取方法
    唐楠楠,陈吉,侯磊,王星
    2023, 44(2): 256-262.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    实体关系三元组是组成知识图谱的基本单位,其抽取的效果直接影响大型知识图谱的构建.针对目前多数关系抽取模型存在语义特征表达能力不足、实体关系发生重叠难以抽取等问题,本文提出了一种融合注意力机制和指针标注的实体关系联合抽取模型.模型采用预训练语言模型BERT训练词向量,利用多头注意力机制获取丰富的语义特征信息,通过指针标注抽取主语,然后采用改进的层归一化将主语特征作为条件信息与句子向量进行特征融合来增强模型表达能力,最终在预定义的关系条件下抽取主语对应的宾语,通过分层的指针标注处理重叠问题.本文使用公开数据集NYT和WebNLG进行测试,实验结果表明该模型在两个数据集上的F1值相比基线模型分别提高了2.5%和0.9%,可有效提升三元组抽取效果,并在一定程度上解决了三元组重叠问题.
  • 改进交叉算子的自适应人工蜂群黏菌算法
    刘成汉,何庆
    2023, 44(2): 263-268.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对黏菌算法存在的收敛速度慢，易陷入局部最小值的问题，提出了一种改进交叉算子的自适应人工蜂群黏菌算法（ISMA）.为了提高算法收敛速度，引入自适应可调节的反馈因子和改进的交叉算子；考虑到人工蜂群算法强大的搜索能力，引入改进的人工蜂群搜索策略，提高算法跳出局部最小值的能力.利用8个标准测试函数以及部分CEC2014测试函数对改进算法进行寻优性能测试，并加入基准测试函数的Wilcoxon秩和统计检测，仿真结果表明，改进的算法具有很好的鲁棒性.
  • 分块压缩学习剪枝算法
    刘会东,余振华,杜方,宋丽娟,
    2023, 44(2): 269-274.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为压缩网络剪枝过程中较大的搜索空间，从预训练深度神经网络中找到最佳的稀疏网络结构，本文提出一种基于遗传算法和知识蒸馏的分块压缩学习算法（CCLA）.首先，在预定义压缩空间中将学生网络初始化为一个稀疏网络结构.然后，将教师网络和学生网络按层划分多个块网络，在教师网络的监督下对学生网络进行逐块压缩.最后，使用遗传算法搜索学生网络中每个块网络的稀疏结构.在CIFAR-10数据集上对VGG-16网络和ResNet-110网络的实验结果表明，本文所提方法性能表现良好，例如，在CIFAR-10数据集上对VGG-16进行压缩，可压缩掉87.82%的参数和70.4%的浮点运算（Floating Point of operations，FLOPs），而精度损失仅为0.37%.
  • 图神经网络在招投标文件分类中的应用
    强成宇,李晓戈,马鲜艳,李涛,田俊鹏
    2023, 44(2): 275-280.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    全国政府机关、事业单位的采购网站每天都会发布数万条招投标信息，如何快速有效的分类这些数据，成为挖掘其相应价值的关键.本文针对网络上招投标文件缺乏标注、文本语义稀疏、数据来源多样、信息结构复杂等问题，提出了一种基于图卷积神经网络的半监督分类方法（BD-GCN）.该方法首先将爬取的招投标文件进行结构化清洗，并利用信息抽取技术构建为特殊的知识图谱模型，再融合外部文本信息，最后采用图卷积神经网络实现招投标文件的半监督分类.本文利用在网络上爬取的36123条招投标文件进行实验，并与当前流行的分类方法进行对比.实验结果表明，BD-GCN能有效提高分类的准确率.
  • 融合CNN和二进制生成对抗网络的多元时间序列检索
    汤丽君,关东海,汪子璇,袁伟伟,燕雪峰
    2023, 44(2): 281-287.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多元时间序列在日常生活中普遍存在，给定当前的时间序列片段，如何高效且精确地从历史时间片段中找出其相似的时间片段极为重要.本文提出了一种全新的基于CNN和深度非监督二进制生成对抗网络（UCBGAN）来进行多元时间序列检索，它可以有效地获取多元时间序列的二进制表示.该网络由3部分构成—一个解码器，一个编码器和一个鉴别器，其中鉴别器和编码器除了最后一层外，共享参数.此外，本文引入了时序相似矩阵，通过构建时序相似矩阵，能进一步提高二进制编码的可鉴别性.在训练过程中，本文引入了对抗损失，相似对损失和重构损失.在多个数据集上的实验结果表明，该方法能有效提高多元时间序列检索的准确度.所以，该方法对于多元时间序列检索是有效的.
  • 基于粒子群灰狼混合算法的多目标约束优化问题求解
    黄星,卢宇,申亮,林兵
    2023, 44(2): 288-299.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来,多目标优化问题引起了广泛关注,其求解目标多、目标函数复杂,当前方法通常将所有目标加权后求解,但这些方法会造成解集缺乏准确性.针对上述情况,本文首先根据目标分解的框架:辅助目标和等价目标约束优化框架,该框架是将约束优化的问题分解为辅助目标和等价目标相结合的优化问题,同时动态调整所分解出的对应子问题的权值,使分解出的子问题求解趋向于等价目标求解.其次基于粒子群优化算法和灰狼优化算法的各自优势,提出参数自适应的粒子群灰狼混合算法,混合算法的优势集合了粒子群算法的收敛性快和灰狼算法的搜索过程多样性,从而提高粒子进化过程的准确性.通过IEEE CEC2017数据集测试的结果表明:在调参合适的情况下,获得的函数最优值个数多于乌鸦搜索、受约束的模拟退火、带约束的水循环等经典算法,在10D情况下,28个测试函数中11个测试函数表现最佳;在30D的情况下,12个测试函数表现最佳.
  • 基于柯西-施瓦茨不等式的知识图谱稠密表示方法
    林霞,王聪,李敏,李俊华
    2023, 44(2): 300-306.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    知识图谱稠密表示将形态各异的知识转化为结构化的实值向量,是当前有效的知识表示方式之一,广泛应用于知识计算和知识推理.在知识图谱稠密表示发展过程中,现有表示方法采用随机梯度下降法优化知识向量,导致知识嵌入精确度低.为此,本文提出了基于柯西-施瓦茨不等式的知识图谱稠密表示方法,将知识嵌入到低维稠密的向量空间.首先借助基于翻译操作的嵌入学习模型,利用势能函数表示实体和关系在向量空间中的距离,然后基于柯西-施瓦茨不等式,以极小化势能函数,最后在低维向量空间中最优化知识图谱的实体和关系向量.在基于数据集FB15k和WN18的对比实验中,度量标准hits@10和hits@1均得到了提升,证明了该方法提高了知识图谱稠密表示的准确性.
  • 面向会话推荐的注意力图神经网络
    陈瑶,熊棋,郭一娜
    2023, 44(2): 307-312.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    面向会话的推荐方式起源于无法获得用户历史数据的应用场景,它是通过匿名会话来预测用户的行为.现有面向会话的推荐方法,虽然可以准确获得项目嵌入和考虑项目的复杂转换,但不能从多维度提取会话序列中隐藏的用户的长期兴趣和短期偏好,造成推荐性能低.该文引入注意力机制,提出一种多头注意力机制和软注意力机制有机结合的新机制,并据此提出面向会话推荐的注意力图神经网络.该注意力机制通过给不同的输入数据赋予不同权重,实现对当前推荐任务更为关键的信息的聚焦,以此从不同角度提取用户的兴趣和偏好.该模型在电商数据集上进行实验,与已有的基准模型相比,该文所提模型在各项评论指标上均有显著提升.在Dgeca数据集上,P@20可达61.77%,充分表明了所提方法的有效性.
  • 一种混沌映射动态惯性权重的樽海鞘群算法
    周密,王潇棠,闫河,谢敏
    2023, 44(2): 313-318.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为提升群海鞘群算法求解精度和收敛速度,提出了基于混沌映射动态惯性权重的群海鞘群算法.首先利用Tent混沌映射生成初始种群,计算种群适应度并保留最优个体作为初始食物源位置;将种群大小均分为领导者和追随者两部分以提高算法全局搜索能力,通过引入疯狂算子完成对领导者的位置更新;在追随者位置更新公式中,提出了基于精英保留及动态惯性权重的追随者位置更新策略,通过计算个体适应度值完成食物源的位置更新.实验结果表明,改进算法拥有更好的性能.
  • 一种竞争自编码器的半监督异常检测方法
    汪子璇,关东海,汤丽君,袁伟伟,燕雪峰
    2023, 44(2): 319-325.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    大多传统的无监督和有监督算法在异常检测上需要预先定义阈值，但很难找到最佳阈值，为解决这一问题，提出一种无阈值的半监督竞争学习模型用于时间序列的异常检测.该模型使用长短期记忆神经网络（LSTM）设计了一种竞争机制的自动编码器，有一个编码器和两个解码器，使用正常数据和未标记数据进行训练，正常数据用来训练正常解码器，对于未标记数据送入两个解码器当中，通过重构误差的大小来选择解码器.该结构具有良好的判别性能，不需要对其设定阈值.实验结果表明，该模型在对异常样本的召回率和F1分数都高于传统的自编码器模型.所以，该半监督竞争学习模型在时间序列的异常检测上是有效的.
  • 融合多源数据输入具有自注意力机制的LSTM股票价格预测
    康瑞雪,牛保宁,李显,苗雨欣
    2023, 44(2): 326-333.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    股票价格预测是金融和计算机学科交叉领域的经典问题,由于股票市场的复杂性和高波动性等特征,及时预测股票价格被认为是最具挑战性的问题之一.长短期记忆(LSTM)神经网络在时间序列预测问题中表现出良好的性能.然而,该模型及其改进模型专注于顺序捕获序列信息,在学习输入数据之间非序列性的内部关联方面没有优势.此外,模型在输入数据的融合方面往往并不全面.针对上述问题,提出了融合多源数据、具有自注意力机制的长短期记忆神经网络(SA-LSTM)股票价格预测模型.SA-LSTM模型具有自注意力单元,在学习序列特征时能够快速捕获长距离依赖关系,有效学习数据之间的相关性.在多源数据的融合方面,同时融合与目标股票直接间接相关的数据,解决输入数据不全面的问题.通过对股票次日收盘价预测的实验表明,与其他基准预测模型相比,该模型取得了最佳性能,在不同数据集上均具有最小预测误差.
  • 改进A*和DWA融合的移动机器人导航算法
    袁千贺,魏国亮,田昕,沈斯杰
    2023, 44(2): 334-339.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对在移动机器人导航过程中,单一使用A* 算法或DWA(Dynamic Window Approach)算法无法兼具全局路径最优与实时避障的问题,提出一种基于改进A*与DWA相融合的移动机器人导航算法.首先,在改进A*算法中,引入环境信息自适应调整代价函数,提高搜索效率;并利用一种关键点选取策略剔除冗余点,保留必要的路径节点,从而规划出只具有关键点的全局路径.然后,在全局路径的基础上,构造结合关键点信息的DWA算法评价函数,进而应用DWA算法以关键点作为中间目标点规划局部路径,提高路径平滑性,实现全局路径最优以及实时避障功能.最后,通过仿真实验和真实环境实验的联合论证,验证了所提出导航算法的有效性和可行性.
  • 一种面向自然语言交互接口语义分析的MNet方法研究
    沈春山,肖宗涛,徐德强
    2023, 44(2): 340-348.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    自然语言接口的语义分析任务是将自然语言指令转化为某种目标系统的形式化描述逻辑,是对自然语言的形式化建模,但语义分析模型在可视化、并发性、复杂度、一致性、可变性等方面还不够完善.在吸收语义网、深度网络、依存分析等现有概念基础上,提出一种综合的意元网络MNet的语义分析方法.MNet由意元、内关系、外关系及特征属性构成,并通过层次化递归的方式进行定义,期待面向从短语、句子到篇章的整体语义空间描述.从元关系、树结构和网结构3个过程设计了MNet一般构造算法.重点提出了自底向上规约式的MNet语义依存树构造算法,实验表明MNet能有效解决语义依存分析和自然语言控制接口问题.将SCADA系统的自然语言操控接口的语义分析过程转化成MNet的一般构造过程,为自然语言语义分析提供了一定的思路.
  • 路径语义和特征提取相结合的负样本推荐方法
    马腾,熊熙,李中志,李斌勇,昌燕,
    2023, 44(2): 349-355.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着大数据领域的飞速发展，数据成了当今各行各业宝贵的财富.从海量数据中筛选出合适的内容推送给不同用户，提高用户体验度是推荐系统的主要研究内容.但由于当前的负样本采样方式不足以产生优质的负样本，从而导致系统不能反映用户的真实需求.本文提出一种基于知识图谱的负样本采样算法:首先将TransR与SDAE(堆栈去噪自编码器)结合，从知识图谱的关系中获取编码以充分利用图谱中的信息.再将负采样算法找到的负样本排序，修剪掉得分低的负样本.为了提高搜索性能，在采样器中增加了通道注意力机制.本模型在Amazon-book，Last-FM，Yelp2018共3个数据集上与其它算法进行了比较.实验结果表明:1)在召回率方面，3个数据集上的负样本采样有效性比目前表现最好的DNS高出1.12%，2.12%，2.13%.2)与其它知识图谱推荐算法相比，本文提出的模型NSEP(Negative Sample Extraction combining Path semantics and feature extraction)提高了2.40%、3.41%和3.25%.3)通过对NSEP提出的模块进行消融性实验，发现各模块对算法都有积极贡献.
  • 融合时空特征的视觉自动驾驶强化学习算法
    杨蕾,雷为民,张伟
    2023, 44(2): 356-362.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于视觉的自动驾驶任务挑战主要来自环境信息维度高和训练数据分布偏差大2个方面.针对环境信息维度高的挑战，融合时空特征的视觉自动驾驶算法(Space-Time Reinforce Learning Auto Driving，简称STRLAD)使用双流网络络进行特征提取，包含(ⅰ)感知网络：从摄像头中低速抽取RGB图片作为输入，完成图片整体特征提取；(ⅱ)运动网络：从视频中高速获取灰度图作为输入，完成物体运动特征提取；(ⅲ) 感知网络和运动网络在各个特征层使用注意力机制进行融合，完成对环境的特征表示.针对训练数据分布偏差的问题，STRLAD算法以双流网络提取的特征为输入，使用Soft Actor-Critic算法学习驾驶策略,缓解数据偏差和泛化问题.STRLAD算法使用CARLA模拟器进行训练和验证，实验结果表明STRLAD算法能够在复杂的城市尤其多动态物体的环境中能够完成自动驾驶，完成率达到89%.
  • 多分支残差特征蒸馏网络的图像超分辨重建
    李轩,刘立柱
    2023, 44(2): 363-369.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来基于深度卷积神经网络的单幅图像超分辨率技术取得了很大进展.但特征提取方式单一,模型参数量大很难在移动端部署.为了解决这些问题,本文提出了一种多分支残差特征蒸馏算法.首先,通过多分支残差模块进行深层特征提取;其次,结合卷积、通道自适应激活函数和瓶颈注意力模块进行特征蒸馏及融合,减少平坦区域的大量冗余参数,在保证性能的同时降低模型复杂度;最后通过亚像素卷积层进行图像重建,得到最终的超分辨率图像.实验结果表明该算法在模型复杂度和性能上达到更好的平衡.与IMDN(Information Multi-distillation Network)相比,该算法的PSNR和SSIM分别有0.06~0.26dB与0.001~0.006的提升;在2倍超分重建结果中,与千万级参数量模型DBPN(Deep Back-Projection Networks)相比,本文算法参数量是其1/15,PSNR基本相同,SSIM提高0.001.
  • 基于增强多尺度生成对抗网络的单幅图像去雾
    曾莹,刘鑫,陈纪友,徐德智,杨高波
    2023, 44(2): 370-375.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    雾容易导致采集的图像质量下降,并且包含的雾会影响后续的图像分析.单幅图像去雾是计算机视觉领域的经典问题之一.本文提出一种增强的多尺度生成对抗网络用于图像去雾.该方法不依赖物理散射模型,去雾网络由生成器、判别器和增强器3个部分组成.其中,增强器有助于采样多种特征使不同尺度的特征细节融入到结果,提升去雾图像在颜色和细节上的复原效果.增强器被分别嵌入到生成器和判别器,全局生成器和局部生成器融合生成一个由粗到细的高分辨率去雾图像,多尺度判别器用于监督生成图像.在真实世界和合成含雾图像数据集上的大量实验结果表明,提出的方法得到的去雾图像具有满意的主观视觉质量,并且利用最新的去雾定量评价指标,也具有好的客观图像质量.
  • 多尺度特征融合的轻量型垃圾分类方法
    高静,段中兴,何宇超
    2023, 44(2): 376-382.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对垃圾图像背景复杂,类别易混淆,现有垃圾分类模型难以兼顾高精度、小体积与低延时要求的问题,建立了一个多尺度特征融合的轻量型垃圾分类网络ML-Xception(Multiscale Lightweight Xception),提出多尺度特征提取模块,进行特征融合,提升特征信息的丰富性;在输出层使用锯齿状扩张卷积,增强了深层特征的提取能力;增加Dropout模块缓解过拟合问题,并对网络进行裁剪优化.在优化策略中,提出了预热与余弦退火相结合的学习率控制方法;使用Gridmask数据增强提高了数据的多样性.在“华为云人工智能大赛·垃圾分类挑战杯”提供的数据集上,分类准确率为97.3%,推理速率为25ms/张,在分类精度与推理时间等方面均优于其他模型,具有重要的工程应用参考价值.
  • 一种视频多模态数据自适应采集策略
    肖萍,刘荆欣,王妍,臧洁
    2023, 44(2): 383-391.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对采集视频数据时存在数据冗余、资源占用多、采集质量低、遗漏关键信息等问题，研究人员提出一种视频多模态数据采集模型.首先，从资源服务器获取热度影响因子及视频数据，将视频数据解析为图像、文本、音频等多模态数据，并建立多模态视频数据与热度影响因子的时间关联矩阵.其次，通过“熵权法”计算“关注数”、“点赞数”、“弹幕数”、“分享数”及“在看数”5个热度影响因子的权重值，实现视频热度的量化.而后，提出了多分段旋转门（MSDT）数据采集策略，基于视频热度值自适应调整数据采集时间间隔，在视频热度上升、下降及高热度持续阶段增加采集量；反之，降低采集量，在保证采集质量的同时兼顾采集效率.最后，通过对比实验验证所提策略的可行性，结果表明，MSDT能够实现分段动态调整采集频率，降低数据采集误差约24%，降低数据采集量约26%，提高采集效率17%左右.
  • 移动目标Markov信号博弈的防御决策优化研究
    陈瑛,王高才
    2023, 44(2): 392-400.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    移动目标防御策略是当前网络安全领域的研究热点，本文主要研究移动目标防御策略的选取问题.针对实际网络中的攻防双方信息是不对称的，以不完全信息动态博弈为基础研究网络攻防对抗过程，通过引入攻击者的最小风险贝叶斯决策，对其攻防收益进行量化.另外，由于攻防过程具有多阶段多状态特性，将Markov决策过程与信号博弈模型相结合，构建移动目标Markov信号博弈防御模型，给出均衡求解算法，设计目标准则函数求解具体的攻防策略.同时，使用PageRank链接分析算法分析网络攻防过程中的阶段权重问题.仿真实验结果表明本文提出模型的有效性和可行性.
  • 一种协同进化的无线传感器网络多播路由算法
    傅彦铭,周兴,黄保华,张小萍,朱杰夫
    2023, 44(2): 401-407.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    物联网促进了无线传感器网络的发展,同时对无线传感器网络在能量损耗和通信质量保证等方面的性能也提出更高的要求.本文提出一个基于多目标协同进化的多播路由算法(CCMRA)来解决同时优化功耗、时延和丢包率3个目标的无线传感器网络多播路由问题.CCMRA算法的种群个体是目标传感器网络其中一颗多播树,将种群分成两个子种群LP和GP,它们针对不同的最优多播树结构分别采用Local操作和Global操作策略生成下一代多播树种群个体,利用竞争性协同进化机制在两个子种群之间通过选择和融合交换种群之间的信息,经过逐代进化最终得到最优的多播树.上述种群内部和种群之间的协同进化机制,增加了种群多样性和随机性,从而提高算法的搜索能力,使算法能够跳出局部最优,获得良好的收敛精度和速度.本文采用8种不同复杂程度的无线传感器网络场景,引入3种对比算法.实验表明CCMRA在功耗、时延和丢包率3个指标上表现出优良的性能.同时在超体积、反向世代距离和世代距离等多目标指标上的表现也优于对比算法,进一步验证CCMRA算法在收敛性和多样性保持上具有竞争力.
  • 面向骨干网流量的非线性组合预测方法
    杜秀丽,陶帆,范志宇,吕亚娜
    2023, 44(2): 408-412.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了提高骨干网流量多变复杂的情况下网络流量预测的准确度,提出基于灰狼优化支持向量机和双向长短期记忆循环神经网络的网络流量非线性组合预测方法.该组合方法利用灰狼算法优化的支持向量机泛化能力强、双向长短期记忆神经网络善于处理非线性问题且容错能力强的优势,以残差平方和最小为目标,根据两种方法的预测误差调节各自方法权重,动态加权得到组合方法的预测结果.仿真结果表明,本文所提预测方法在小时间尺度流量预测中发挥了组合模型的优势,可以更加准确的进行网络流量预测.
  • 基于区块链的协作式位置隐私保护机制
    汪悦,沈航,田一博
    2023, 44(2): 413-421.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    传统协作式位置隐私保护方案大多假设在协作组构造过程中用户是诚实可信.然而现实环境下,用户协作过程中存在自利(如:请求用户泄露协作用户的真实位置给不诚信实体)或者欺骗(如:协作用户提供虚假位置导致服务提供商能够识别出请求用户的真实位置)行为,从而带来用户位置隐私信息泄露等问题,严重威胁用户的生命财产安全.区块链作为一种分布式的存储框架,存在以下优点:可追溯性、透明公开及不可篡改等,正因为如此,本文提出基于区块链的用户协作式位置隐私保护方案.考虑群组内用户通过协作转发和空间伪装保护位置隐私需求的场景.本文首先基于博弈理论分析协作过程中请求发起者与协作者的行为;其次,构建信誉机制将用户行为与收益结合;再次,利用区块链记录用户间的转发行为及信誉值并以此作为证据,惩罚有恶意行为的用户,使其作为请求发起者时不能得到其他用户的协作来约束用户的自利性.最后,设计奖励激励机制,保证用户的诚实转发行为,形成互利且公平的生态.安全分析表明,所提出的方案能够有效阻止用户的恶意行为,促进群组内用户的诚信合作.此外,通过与基准方案相比较,本方案位置隐私泄露概率降低了50%,具有较好的隐私保护效果.
  • 基于图表示深度学习的异质网络链路预测研究
    赵宇红,吴昊
    2023, 44(2): 422-428.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现实中大多数网络是异质的,即网络由不同类型的节点以及多种类型的边组成,相比于传统的同质网络,蕴含着丰富的语义及结构特征,能够表达更全面的信息,同时复杂度也更高,异质网络的链路预测研究既重要也面临更多挑战.本文提出了一种MDGCN模型,通过构造多通道网络处理异质网络不同类型的边与节点,然后在多通道网络上使用改进了的Inception模型对节点向量进行图卷积学习,以获得网络深层次的关系特征,对特征进一步处理得到两节点之间的边向量,从而进行链路预测.为了评估此方法的有效性,本文选择了DBLP,Cora,IMDB三个真实的异质网络数据集进行实验,运用AUC和Precision评价指标与传统算法进行了对比,结果显示本文的方法能够处理异质网络下不同类型的节点和边,以及能够获取节点更加深层次的关系特征,并且在链路预测准确率方面相对于传统算法有一定的提升.
  • 可更新属性的链上数据访问控制方法
    徐俊伟,袁景凌,向广利
    2023, 44(2): 429-434.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    区块链中节点数据保持同步更新,使得链上数据公开透明.因此保护链上交易数据的隐私安全是必不可缺的,访问控制是保护隐私安全的重要手段之一.针对区块链中数据的隐私安全问题提出了一种属性基加密访问控制方法.首先将访问策略与节点属性通过智能合约部署到区块链当中,保证当前策略与节点属性相对应并且不可篡改;其次利用密文-策略属性基加密(Ciphertext-Policy Attribute-Based Encryption,CP-ABE)方法对数据加密上链,使得链上数据在密文状态下进行存储.最后通过访问控制合约,对访问请求节点属性与区块应用的访问策略自动判定授权,实现链上数据访问控制.安全性分析及实验表明,该方法实现在访问策略更新、节点属性改变的条件下,实现对链上数据细粒度的访问控制.
  • 抗一阶侧信道攻击的QUAD高速并行实现
    黄娴,李伟键,毕远桥,张云琛,林泳,林思瀚
    2023, 44(2): 435-441.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着量子计算机的快速发展，在各种场景下确保物联网设备的安全面临着全新的挑战.多变量密码算法因其具有轻量级、可证明安全性和抵御量子计算机攻击的潜力等优势，成为后量子密码算法中最有前景的候选之一.然而研究发现，侧信道攻击方法只需要150条功耗轨迹即可攻破多变量密码算法QUAD的并行硬件实现.针对多变量密码算法在回写寄存器时普遍存在的侧信道泄露，本文提出了一种轻量级乱序防护方案，利用多项式方程计算时随机打乱各单项式的计算顺序而不影响最终结果的特性，增加一个乱序下标使得寄存器的内部初始状态随机化，并为了保证所有的单项式都只参与一次计算，在每一轮的加密中依次将寄存器中的值循环左移，从而打乱单项式的计算顺序，使得攻击者无法实施一阶侧信道攻击.本文所提出的防护方案只增加11.7%的面积开销就具有良好的抗一阶侧信道攻击能力.
  • 一种提高N-Code可扩展性的数据重组方案
    刘靖宇,李萧言,李浩鹏,李娟,武优西
    2023, 44(2): 442-448.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在原有大规模存储系统中增加磁盘可以提高I/O带宽和存储容量,为了恢复原磁盘阵列的编码布局,数据需要在所有磁盘上重新分布.RAID6在充分利用存储空间的基础上提高了容错能力,但由于其编码的复杂性给存储系统扩容带来困难.本文提出了一种加速N-Code RAID6扩容的新型数据重组方案Cross-Scale,方案中定义了扩容阈值,根据扩容阈值与磁盘阵列剩余空间的关系提出两种阵列标准化和数据迁移策略,使扩容后阵列维持原编码布局,并有效减少了奇偶校验更新的开销,提高了扩容效率.实验表明,与现有的方案相比最多可降低97.40%的数据迁移率,I/O操作数可减少6.74%~73.37%,XOR操作次数可降低6.13%~100%,节省6.81%~73.39%的扩容总时间.