小型微型计算机系统

过刊目录

  • 2023年, 44卷, 第3期
    刊出日期：2023-03-01
      
  • 全选
    |
  • 神经网络化简非多项式混合布尔算术表达式
    刘彬彬,凤维杰,郑启龙,李京
    2023, 44(3): 449-455.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    混合布尔算术表达式是指混合使用了位运算符和算术运算符的表达式，其是一种先进的软件混淆技术.现有的反混淆方法虽然能够化简特定类型的混合布尔算术表达式，但是对非多项式混合布尔算术表达式仅有有限的化简效果.本文提出一种字符串到字符串的解决方案NeuSim，它通过神经网络来学习和化解非多项式混合布尔算术表达式.首先，本文分别构建基于序列到序列架构和图序列架构的神经网络模型.其次，本文生成一个大规模的非多项式混合布尔算术表达式数据集，它包含一百万个形式多样的表达式样本.在数据集上训练之后，NeuSim可以将一个非多项式混合布尔算术表达式化简为等价的简单表达式.实验结果表明，NeuSim的化简正确率是已有方法的8倍，并且其化简时间低于0.01秒.
  • 自注意力下时空-语义相融合的POI序列推荐
    刘树越,于亚新,吴晓露,夏子芳,王子腾
    2023, 44(3): 456-462.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，随着基于位置的社交网络（Location-Based Social Network，LBSN）不断发展，POI序列推荐逐渐成为近年来研究的热点问题.现有的POI序列推荐方法仅仅按照时间的先后顺序建模用户历史签到序列，默认用户POI轨迹中连续POI之间具有相等的时间间隔，忽略了用户签到记录之间的时间间隔影响.另外，POI之间的地理距离以及语义信息也是影响推荐准确性的重要因素.基于此，本文提出自注意力下时空-语义相融合的POI序列推荐模型（POI sequence recommendation model based on the integration of spatiotemporal and semantics under self-attention，SA-TDS-PRec）.首先，根据用户的实际签到时间建模POI轨迹.其次，融合POI绝对位置、时空间隔以及语义相关信息.最后利用自注意力机制捕捉用户动态偏好的演化，从而提高POI推荐的准确性.在公开数据集Gowalla和Yelp上进行可扩展实验.结果表明，该模型优于目前主流的基准模型，有效提升推荐结果准确性.
  • 强调信息传播和特征分布的说话人验证模型：EIPFD-ResNet
    张霞,刘乾,郭倩,梁新彦,钱宇华,畅江
    2023, 44(3): 463-470.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    说话人验证是一种自然、有效的生物特征身份认证方法，其性能很大程度上取决于所提取说话人特征的质量.残差网络（ResNet）具有优越的推理能力，可以提取高质量的说话人特征，因此广泛地应用于说话人验证任务中，然而目前残差网络仍存在音频数据信息利用不充分，提取的特征不利于分类说话人等问题，这些问题大大限制了残差网络的表征能力.本文聚焦于残差网络的模型结构，详细分析了残差块分布比例、激活层、跳跃连接这些结构因素对特征信息提取的影响，以及模型输出特征分布对说话人分类结果的影响，并据此对原始残差块、特征下采样过程以及模型输出头重新设计并构建了一个新的说话人验证模型：EIPFD-ResNet.该模型采用更少激活层的残差块和单独设计的下采样层共同作用来减少音频信号的损失和噪声信息的引入，采用归一化处理后的模型输出头帮助分类损失提供更清晰的分类决策面，并在3个公开数据集（VoxCeleb1、VoxCeleb2、Cn-Celeb2）上评估了所提模型的有效性.实验结果证明，本文提出的模型在仅有7.486M参数量的情况下，相较于传统ResNet34模型，在3个数据集上的等错误率（EER）分别降低了16.4%、33.3%、6.0%，且与强说话人验证模型ECAPA-TDNN相比在VoxCeleb2和CN-Celeb2上 EER分别降低了10%和9.0%.
  • 知识图谱补全技术研究综述
    吴国栋,刘涵伟,何章伟,李景霞,王雪妮
    2023, 44(3): 471-482.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    作为一种新兴的数据结构，知识图谱被广泛用于搜索引擎、推荐系统、对话系统等诸多领域中.知识图谱补全（knowledge graph completion）是通过不同的方法，对图谱中的三元组残缺项进行补充.本文以模型构造方法为视角，从Trans结构、神经网络和张量分解三类方法对已有知识图谱补全的相关技术研究进行深入探讨，分析了不同补全技术的优缺点.指出了Trans结构模型和张量分解模型适用于大规模的知识图谱补全，而神经网络模型适用于关系结构复杂的知识图谱补全；现有知识图谱补全技术存在关系复杂性高、语义信息难以获取、训练代价大、模型扩展性差等不足.从知识图谱中复杂关系处理、上下文语义获取、节点间长期依赖关系捕获、模型融合与可扩展性等方面来展望了知识图谱补全技术未来主要研究方向.
  • 基于图粗化的层次图池化方法研究
    陈洁,薛远远,曹京晶,赵姝,张燕平
    2023, 44(3): 483-489.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图神经网络(Graph Neural Networks,GNNs)已被证明能有效对图结构数据进行建模,池化机制在使用GNN模型提取图层次特征过程中至关重要,近年来已经引起了越来越多研究者们的关注.现有基于聚类的层次图池化方法要么需要增加额外的神经网络层以实现特征图的粗化;要么不能从全局角度捕获节点在图中的重要性大小.针对以上问题,本文提出一种基于图粗化的层次图池化方法(Hierarchical Graph Pooling Based on Graph Coarsening,HGP-GC),用于学习图的层次特征表示.该方法主要包括图结构粗化和图属性粗化两个部分.利用结构粗化实现特征图尺寸的缩减;利用属性粗化突显图中重要节点对图级表示的关键作用.通过将HGP-GC池化策略与现有神经网络相结合,在不同规模公共数据集上的图分类实验结果证明了HGP-GC的有效性.
  • 近似保序序列模式挖掘
    刘锦,武优西,王月华,李艳
    2023, 44(3): 490-496.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    保序序列模式挖掘旨在时间序列中挖掘保序模式完全相同（最精确）的子序列，其可以用来进行疾病发展趋势预测.但只挖掘最精确的保序模式往往会遗漏一些重要信息.有些保序模式虽然不完全相同，但它们之间仍具有很高的相似性.有鉴于此，本文提出了一种近似保序序列模式挖掘算法（Approximate Order Preserving Pattern Mining：AOPM），该算法能根据输入参数值的不同而挖掘出近似程度不同的保序模式.在候选模式生成方面，AOPM算法采用了基于前后缀拼接的模式融合策略，减少了无意义候选模式的数量.在模式支持度计算方面，AOPM算法首选获取候选模式的全部候选序列，然后在进行模式匹配.本文通过在真实数据集上进行对比实验，验证了AOPM算法的完备性和高效性.
  • 增强型麻雀搜索算法及其工程优化应用
    刘睿,莫愿斌
    2023, 44(3): 497-505.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    提出一种增强型麻雀搜索算法（Enhanced Sparrow Search Algorithm，ESSA）并应用于压力容器设计问题的优化.首先，ESSA在初始化阶段采用Gauss映射生成混沌序列替代原算法种群；其次，在迭代阶段加入动态惯性权重和以迭代次数为参数自由度的学生t分布扰动因子引导算法搜索全局最优；最后，采用随机回归的越界处理方法进一步提升算法搜索性.通过对15组基准函数测试，对比了改进的灰狼优化算法（PSO_GWO）、改进的鲸鱼优化算法（EGoldenSWOA）、两种改进的麻雀搜索算法（ISSA1、ISSA2）以及原算法（SSA），仿真实验结果验证了改进策略的有效性.同时，针对约束优化问题，采用一种基于自适应参数的双适应度函数对比法处理约束条件，将ESSA应用于压力容器设计问题的优化，实验数据对比其他文献中方法，取得了最优的结果.
  • 融合字形特征的多任务老挝语文字识别后纠错
    杨志婥琪,周兰江,周蕾越
    2023, 44(3): 506-513.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    后处理是检测和纠正文字识别后文本中错误的重要步骤，老挝语文字识别结果中存在大量相似字符替换错误及字符断裂、粘连导致的字符插入、删除错误，针对该问题进行分析，该文提出了一种融合字符形状特征的多任务老挝语文字识别后纠错方法.该方法引入基于长短期记忆网络的seq2seq模型架构，将老挝字形特征融入模型以辅助模型对相似字符替换错误的纠正，针对文本中插入、删除错误在编码端联合多尺度卷积网络以不同的卷积核大小提取文本的局部特征；再使用语言模型对解码端预测的文本序列与原始文本进行重排名，得到最佳候选；同时，采用多任务学习的方式，以错误检测辅任务优化模型纠错效果，此外，该文以数据增强的方式扩充数据集.实验结果表明，该方法使老挝文字识别的字符错率低至7.94%.
  • 基于特征转移概率的网络日志聚类分析算法
    齐文,朱曦源,宋杰
    2023, 44(3): 514-520.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着信息化建设，互联网行业的发展，各种信息设备在运行和通信中，会产生大量的网络日志数据.网络日志的内容是非结构化的格式，获取相关信息具有一定难度，并且这种数据正在迅速增长为庞大的体量，所以从中获得所需的信息并对相关信息进行处理，是一个非常具有挑战性的任务.数据挖掘的技术是非常传统的技术，实施往往耗费太多时间，并产生过多的数据，大数据环境下，传统的串行的网络日志聚类方法存在性能的局限性，不再适合处理网络日志这样的海量数据，目前比较常用的对于网络日志的并行处理方法在计算时间、并行效率、准确率等方面存在一定改进空间.因而，本文提出了一种基于特征转移概率改进的网络日志聚类处理技术，并在Apache Spark平台上实现了用于提取频繁的庞大的网络日志的模式.实验结果表明，所提出的方法能够在大数据环境下对完整的网络日志提取所需信息并实现高效的分析，相对于目前常见的聚类分析算法，本文提出的基于特征转移概率的处理方式将执行时间降低到了75.97%.
  • 不完整张量上基于流形学习和张量分解的特征提取
    潘恪谨,胡建华,宋燕,沈春根
    2023, 44(3): 521-528.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对不完整张量数据的特征提取问题,传统的“两步走”方法,即先张量补全再特征提取,难以避免无关特征增大填补误差,进而影响特征提取的效果;而近年提出的TDVM方法尽管可以同时进行张量补全和特征提取,但由于没有考虑数据的局部结构特点,特征提取效果仍不理想.因此,本文提出一个基于流形学习和张量分解的不完整张量特征提取方法:MLTD.首先,利用“部分距离法”和非负对称矩阵分解得到完整的样本相似矩阵,进而得到样本近邻图;然后,根据近邻图建立基于流形学习和张量分解的特征提取模型,主要思想是将方差最大化和局部保持投影策略融入张量分解中.该方法可以直接从不完整张量中提取有效特征,同时保留数据的局部结构特点.本文在4个图像数据集上与5种较新的方法进行对比.实验结果表明,新提出的方法在张量补全和利用所提取的特征进行分类时性能上都有显著的优越性.
  • 使用动态时空神经网络的市区交通流量预测
    任建华,朱尧,孟祥福,张霄雁
    2023, 44(3): 529-535.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    准确的市区交通流量预测对交通管理、城市规划和公共安全等领域具有重要意义.现有城区交通流量预测方法主要采用CNN等深度学习模型,但存在以下问题:一方面由于捕获全局空间依赖需要堆砌很多层增加网络的接受域,导致学习全局空间依赖关系的效率低下,另一方面忽略了城市区域交通流量的动态性.针对上述问题,本文提出了一种基于注意力的动态时空神经网络市区交通流量预测模型(Spatio-Temporal 3D Convolution Global Depth Residual Network,ST-3DGN).首先,该模型使用多层三维卷积捕捉城市区域交通流动性;然后,采用改进的残差结构结合空间注意力机制对远距离区域间流的空间依赖性进行建模;最后,使用了一种早期融合机制稳定了训练过程,从而进一步提高了模型ST-3DGN的性能.在两个真实公开的数据集上进行了大量实验,实验结果表明本文提出的ST-3DGN模型在预测准确性方面明显优于现有的主流交通预测模型.
  • 多方向螺旋搜索的混沌海鸥优化算法
    张冰洁,何庆,戴松利,杜逆索
    2023, 44(3): 536-543.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对海鸥优化算法(SOA)寻优路径单一、寻优精度较低、易陷入局部最优等问题,提出新的多方向螺旋搜索的混沌海鸥优化算法(Multi-directional Exploring Seagull Optimization Algorithm Based On Chaotic Map MESOA).首先,利用混沌序列对海鸥种群进行初始化,令海鸥个体分布更加均匀,能够更加准确地接近目标;其次,让海鸥选择不同方向的螺旋飞行路径,使海鸥飞行路径不再单一,增加算法多样性;最后,根据算法收敛情况进行围绕目标的小范围搜索,避免算法过早收敛,提高算法跳出局部最优的能力.本文选取了8个基准测试函数对算法进行了实验,以不同角度对于算法的性能进行测试,并使用Wilcoxon秩和检验来证明算法的性能,结果表明了MESOA算法改进在寻优能力、稳定性、鲁棒性等方面均有提升.
  • 结合正交补空间反向学习策略的自然计算方法
    黄亮,张军,季伟东
    2023, 44(3): 544-552.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    反向学习策略可以提高自然计算方法性能，然而现有策略生成的反向解多样性不足，为此提出一种反向学习策略，算法根据群体最优个体计算其正交补空间的反向解，增加种群多样性以提高找到全局最优解的概率.将所提策略应用到标准粒子群与标准遗传算法并在基准测试函数上进行验证，实验结果表明策略能提高算法在多数测试函数上的性能.最后，将策略与重心反向学习结合应用于随机拓扑粒子群算法，CEC13函数集作为测试函数，与四种经典或性能优异的反向学习粒子群算法进行对比，实验结果验证了策略的有效性.
  • 自适应邻居和图正则的表示学习
    杨鹏飞,陈梅,张忠帅,陈永旭
    2023, 44(3): 553-559.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在传统基于图表示的聚类算法中，表示矩阵计算和聚类通常分开进行，导致最后获取的表示矩阵可能不能代表最优的聚类结构.为解决此问题，本文提出一种新的聚类模型，它能在学习数据表示矩阵的同时获取合适的聚类结构.首先，基于局部距离度量，通过为每个数据点自适应地分配最优近邻学习数据表示矩阵.然后，通过在模型中施加约束项，降低噪声和离群点的影响，学习更优的表示矩阵.最后，对已学习到的数据表示矩阵的拉普拉斯矩阵施加秩约束，使得最终学习到的表示矩阵中的连通分量个数与簇个数相同，得到能够表征聚类结构的表示矩阵.实验将所提出的方法与11个算法在7个数据集上进行了比较，结果验证了该算法的有效性.
  • Emfacenet:一种轻量级人脸识别的卷积神经网络
    武文娟,李勇
    2023, 44(3): 560-564.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着计算机技术日益发展,计算机视觉逐渐融入人们的生活,深度卷积神经网络在计算机视觉领域得到了广泛的应用.然而计算资源和内存的限制,为卷积神经网络在嵌入式设备的部署带来了巨大的困难.本文提出了一种新的轻量级的人脸识别的卷积神经网络—Emfacenet,通过在CASIA-WebFace数据集上进行卷积神经网络的训练,并在计算机CPU平台以及嵌入式平台上利用LFW数据集对模型的预测效果分别进行测试,Emfacenet在CPU平台下识别速度分别是Resnet50、Mobilenetv3以及Mobilefacenets这3种模型的2.07倍、1.67倍、1.63倍,在嵌入式平台下识别速度分别56.65倍、2.09倍、3.41倍.而且Emfacenet卷积神经网络模型大小仅为138.1KB,保持较高精度的同时运行效率显著提高,可以适用于嵌入式等硬件资源受限领域来实现人脸识别.
  • 基于视觉感知的平面设计背景图像裁剪
    姚锦,程时伟,刘征
    2023, 44(3): 565-572.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在平面设计工作中,为了解决前景图像与背景画布大小的不匹配问题,设计师通常需要对背景图像进行裁剪,但已有的裁剪方法没有考虑到用户对裁剪后视觉效果的主观体验.为此,本文提出了一种基于视觉感知的平面设计背景图像裁剪方法,首先基于全卷积神经网络训练平面设计数据集,建立视觉显著性预测模型,对图像进行视觉显著性预测;然后基于眼动跟踪技术,利用获得的眼动跟踪数据来识别图像的重要区域;最后将上述两步的结果进行融合,得到建议裁剪区域.实验结果表明,该方法的图像裁剪结果比已有方法更能吸引用户的视觉注意,具有更好的主观体验,且裁剪效果在平均重叠率和边界位移误差等指标上均有一定提升,验证了该方法在具体平面设计工作中的有效性与实用性.
  • 自适应正则化稀疏表示的遥感图像SR重建
    黄淑英,吴昕,杨勇,万伟国,唐颖军
    2023, 44(3): 573-581.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于稀疏表示的单幅图像超分辨率(Super-Resolution,SR)重建近年来引起了广泛的关注,并取得了较好的效果.然而,低分辨率(Low Resolution,LR)遥感图像容易受到噪声及模糊的影响,从而导致SR重建结果会出现高频细节丢失的现象.针对这一问题,本文提出一种基于自适应正则化稀疏表示的遥感图像SR重建方法.该方法首先根据提出的步进式图像放大的方法将LR图像放大得到高分辨率(High Resolution,HR)图像的初始估计；然后,构建稀疏表示的SR重建模型,通过评估初始估计HR图像的噪声水平来自适应选择不同的正则项,即梯度直方图正则项或可控方向滤波全变分正则项,对重建图像进行约束；最后,利用迭代收缩算法对提出的模型进行求解得到稀疏编码系数,将学习的字典与稀疏编码系数相乘得到最终的HR图像.实验结果表明,本文提出的SR重建算法获得的结果无论是主观视觉效果还是客观定量评价,都优于一些主流的遥感图像SR重建方法.
  • 视图分支共享卷积神经网络的多视图人群计数方法
    王永会,涂可,郦洋
    2023, 44(3): 582-588.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多视图人群计数,指从多个视角的图片中估计当前场景的人数.大多数基于卷积神经网络的方法使用多个同构但独立的分支处理不同视图,在增加模型复杂性的同时,引入大量的冗余特征.针对此问题,本文提出一种基于视图分支共享的卷积神经网络模型,使用同一视图分支从不同视角的图片提取出多个尺度对齐的特征图.这些特征图被投影到同一个世界平面上进行融合,进而回归出当前场景人群分布密度图.在视图分支内部,该模型在保持一定的结构复杂性的同时,减少各卷积层的核数量,极大降低模型可学习的参数数量.本文在两个公开数据集(PETS2009、CityStreet)上测试了性能,与5种已有方法相比较,本文方法能达到更好的性能.
  • 一种基于联盟链的兼具授权监管与隐私保护方案
    霍鑫磊,龙宇,谷大武
    2023, 44(3): 589-595.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    区块链技术为推动金融等领域的数据互联互通提供强大助推力.然而现有区块链研究中仍存在隐私泄露和监管缺失等问题，区块链隐私保护特性及其与监管科技的融合有利于加速区块链应用落地.本文在联盟链场景下提出了一种兼具授权监管与隐私保护的方案.一方面，方案在可确保交易正确性的前提下，实现了交易金额和交易者身份地址对交易无关节点的隐私性；另一方面，授权监管方可对任意交易执行审计并对存在违规消息的区块进行修订.总之，通过对联盟链下成员角色划分及变色龙哈希函数、零知识证明等密码技术，实现了对交易隐私性的全面保障和细粒度的强制监管.
  • 融合LSTM-DNN的工业安全态势预测模型
    于雅洁,刘贤达,蒋启梅,张博文
    2023, 44(3): 596-601.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    态势预测对于感知工控系统中的安全风险有着重要的作用.传统的态势预测模型往往会忽略工控系统中态势要素的时序性,难以准确对系统的安全态势进行预测.因此本文提出一种基于LSTMDNN的工业网络安全态势预测模型,以提高传统态势预测模型的精确度.首先从海量数据中选取出与系统态势强相关的态势要素;接下来利用LSTM对提取的态势要素进行预测,得到未来的态势要素链;最后将提取出的态势要素链送入DNN模型中,预测系统未来的安全态势.实验表明,相较于传统的网络安全态势预测模型,该模型框架能够有效地预测未来的态势值;相比于其它算法,所提出的算法具有较高的预测精度.
  • 基于CNN-BiLSTM迁移自反馈学习的小样本恶意域名检测
    吴涛,王占海,张健,陈奇,逯佳丽
    2023, 44(3): 602-607.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有恶意域名检测算法对于新出现或新变种等小样本恶意域名检测精度不高和检测范围较小的问题，本文提出一种迁移自反馈学习的小样本恶意域名检测算法.首先，该算法融合卷积神经网络(Convolutional Neural Networks，CNN)和双向长短时记忆神经网络(Bi-directional Long Short Term Memory，BiLSTM)的串行混合模型(CNN-BiLSTM)，在提取域名字符特征的基础上保留上下文语义信息;然后，将学习到的网络模型参数迁移至小样本的恶意域名检测模型中;最后，利用提取的多维人工特征验证小样本恶意域名检测模型的检测结果，并将其检测结果反馈至迁移模型中，重新优化网络模型.通过在多家族域名数据集和小样数据集上进行测试验证，算法结果表明，本文模型在保持检测精度的基础上，能够识别出更多种新出现或新变种的小样本恶意域名.
  • 低轨卫星航空信道的数字孪生数据产生方法
    赵文浩,刘剑,王杰,习延鹏,肖楠
    2023, 44(3): 608-615.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    数字孪生信道作为数字孪生通信系统的重要模块，对通信系统的设计、测试及优化具有先天优势.根据数字孪生五维概念模型构建低轨卫星航空信道的数字孪生模型，所构建模型包括低轨卫星航空信道的物理信道、虚拟信道、孪生数据以及各组成部分间的连接五部分.从系统设计的角度出发低轨卫星航空信道的孪生数据应包括多径数、多径时延、多普勒频移、多径功率、到达角及极化方式等信道参数.低轨卫星航空信道的孪生数据是低轨卫星航空信道数字孪生模型的核心驱动力，针对孪生数据的产生问题，本文通过分析多径时延与多普勒频移等孪生数据的计算原理，提出一种利用卫星星历和飞机飞行数据计算低轨卫星航空信道孪生数据的方法.以真实卫星星历和飞机飞行数据为例进行计算，利用实时交互界面展示低轨卫星航空信道的孪生数据.所提方法是产生低轨卫星航空信道孪生数据的一种尝试，为构建数字孪生低轨卫星航空信道提供了技术支撑.
  • 图表示学习在网络安全领域的应用研究综述
    刘亚,林明洁,曲博
    2023, 44(3): 616-628.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，图表示学习由于其能够更全面地捕捉网络数据的特征，在与各种网络异常检测方法结合后能获得更好的检测结果等特点，逐渐引起网络安全领域的关注.为进一步理清使用图表示学习进行网络安全检测相关工作的研究脉络，本文首先研究了图表示学习的定义，并从基于降维、随机游走和深度学习三类分别介绍目前被广泛使用的图表示学习算法；其次，对公开可用的网络安全数据集按照日志和网络流量、可执行文件、社交和交易网络分类，给出其具体的数据内容；再次，总结了近年来将图表示学习方法应用到网络安全领域的研究成果，给出了模型的基本流程和优缺点分析；最后探讨了目前研究的局限性和未来研究的方向.
  • 无人机辅助的无线可充电传感网充电路径规划方案
    王杨,单天乐,赵传信,陈鹏,艾世成
    2023, 44(3): 629-635.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对传统无线可充电传感网（WRSNs）存在传感器节点较为分散导致的充电效率低问题，提出了一种基于对WRSN进行分簇的无人机（UAV）充电路径优化方案（Optimized Charging Path Scheme，OCPS）.方案首先将目标区域根据聚类算法划分为不大于充电器最大可覆盖范围的子区域并称其为簇；然后确定各簇区域锚点以及优先级并对充电最优路径进行选择；最后借助无人机给所有簇内传感器节点充能并返回充电中心（Charge Center，CC）.仿真实验验证了方案的可行性，实验结果与AEC、MUC方案相比，OCPS方案的充电效率分别提高了约19.5%、27.9%，平均饿死节点数分别降低0.3、1.2个.与CRP、HCCA方案相比，OCPS的飞行长度与充电时长都有明显缩短.
  • 一种基于区块链的大健康数据存储和共享模型
    万征,丁超,余岚,李彦,胡佳鑫
    2023, 44(3): 636-645.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对各类机构健康数据共享困难、用户隐私保护不力等问题，提出一种基于区块链的大健康数据存储和共享模型，实现居民健康数据的安全存储和共享.为了处理跨链交易数据，保证数据跨域流转过程中的安全性、完整性、一致性，提出基于联盟链的双链网络模型.其中，联盟链存储数据的hash摘要、存储地址、关键字密文；大健康联盟链存储数据跨域访问记录，并利用代理重加密技术对跨域数据进行重加密操作.为了防止节点共谋并提高共识效率和模型容错率，设计一种基于节点信誉的当值节点选择方案.通过安全性分析和仿真实验得出方案的安全性与高效性，证明其适用于大健康数据存储和共享模型.
  • 高效高带宽利用率的太赫兹无线网络定向MAC协议
    任智,刘奕君,李维政,周佳琦
    2023, 44(3): 646-650.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现有太赫兹无线定向网络中,随着网络规模的扩大,用于节点接入网络的Beacon帧长度不断变长,导致过多的控制开销;同时,由于定向天线的使用,中心控制节点需要在全方向各个扇区发送多个Beacon帧,随着扇区数目的增加,Beacon时段的长度和在整个超帧中的占比也会随着增加,由于超帧的长度是固定的,Beacon时段过长的时隙占用会导致更少的时隙用于传输数据,浪费信道资源.针对上述问题,本文提出一种高效高带宽利用率的太赫兹无线网络定向MAC协议—HEBUMAC.本协议采用基于常短帧精简Beacon帧机制减少了Beacon帧的长度,采用基于常短时隙压缩基本时隙机制压缩基本时隙的长度,减少了Beacon时段的时隙占用,从而极大地降低了控制开销,提高了信道利用率.
  • 节点偏好一致性最大化的DPoS记账权分配
    王硕,付晓东,岳昆,刘骊,刘利军
    2023, 44(3): 651-657.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    委托权益证明（Delegate Proof of Stake，DPoS）通过投票选择见证人节点出块，实现了交易的快速认证，但其仍存在选择得到的见证人节点无法满足多数投票节点意愿、投票结果易被恶意节点操纵的问题，影响了DPoS的公平性与安全性.为此，本文将投票节点偏好的一致性作为选择见证人节点的指标，提出一种基于Kendall tau距离的DPoS记账权分配方法-DPoSKD （DPoS with Kendall tau distance）.方法首先考虑到投票节点偏好不完整的问题，通过扩展Kendall tau距离定义以衡量不完整偏好间的一致性程度，然后将记账权分配过程建模为一个寻找与所有投票节点偏好一致性最大化的Top-k候选节点排列最优化问题，最后通过遗传算法来求解该优化问题，得到的Top-k候选节点作为见证人节点负责出块.实验结果表明通过该方法选择的见证人节点符合多数投票节点的意愿，提高了DPoS的公平性.同时，该方法具备更强的抗操纵性能，提升了DPoS的安全性.
  • 面向停车合作基于深度强化学习的车辆任务卸载
    王振川,花季伟,朱金奇,孙麒惠,郑敏,李云龙
    2023, 44(3): 658-664.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对路边基础设施受损或失效情况下卸载任务无法被执行的状况，提出令拥有丰富计算资源的路边停放车辆彼此合作，执行车联网中移动车辆产生的计算密集型任务.在把一条道路的路边停放车辆组织成停车簇后，首先分析各卸载任务所需最佳资源量，接着提出基于深度强化学习（Deep Reinforcement Learning，DRL）的计算任务分块卸载算法，将任务划分为多个子任务后由多个停放车辆并行执行，以最小化任务执行延迟和执行任务能耗开销构成的总成本.大量仿真结果表明，本文所提算法的任务执行完成率大大高于其他对比算法，且具有最低的任务执行成本开销.
  • 一种降噪自编码器的复杂网络链路预测算法
    曹志威,樊志杰,王青杨,韩伟力,李欣
    2023, 44(3): 665-672.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    链路预测是根据复杂网络中已有的拓扑信息预测网络中两个不相邻的节点间产生连接的可能性，是复杂网络领域中的重要研究方向，具有重要的研究价值.在理论层面上，提升链路预测算法的性能有利于更合理的挖掘和分析网络的演化机制；在应用层面上，提升链路预测算法的性能有助于补全网络拓扑的缺失信息，从而便于优化后续网络拓扑相关的算法，例如图表示学习和个性化推荐等.该领域尽管近些年已经取得了较多的研究成果，但依然存在不少缺陷.例如，作为主流的基于节点相似性的链路预测算法存在高度退化的问题，即对于大多数不相邻的节点对均输出相同的预测值；其次，由于不同的复杂网络在网络结构、节点度数、连边数量以及联通性上各有差异，然而当前的算法通常仅考虑网络的某种结构特征，因此只对于特定的网络类型预测效果较好，可扩展性较差.鉴于此，本文利用深度学习理论善于挖掘各种高维数据的重要特征，将无监督训练方法引入到复杂网络的链路预测中，提出一种基于降噪自编码器的复杂网络链路预测算法.该算法通过神经网络结构与损失函数的构造，首先使其具有数据降噪恢复的能力，然后将完整的训练集数据输入到模型中，即可实现预测复杂网络演化机制的目的.具体地，将加入噪声的邻接矩阵以列向量的方式逐条输入到神经网络结构中，然后运用该降噪自编码器模型确保输出向量与未加噪声的数据相近.经过反复训练，本模型中神经网络的结构和参数会不断调节，使其逐渐具备从低维数据中恢复高维信息的目的，进而达到预测复杂网络演化结构的效果.同时，该算法不仅能够从残缺数据中学习出有用的预测信息，而且能够降低复杂网络结构的差异性对算法的影响.通过在7种不同类型网络中的对比实验，分析结果表明本算法与其他经典的链路预测算法相比在Precision和AUC两个评价指标上均排名第一，并且在训练集所占比例的鲁棒性上也体现出优势.