小型微型计算机系统

过刊目录

  • 2024年, 45卷, 第12期
    刊出日期：2024-12-01
      
  • 全选
    |
  • 一种智能体的数控系统加工轨迹特征识别方法
    谭雯月，于东，孙娜，张丽鹏，周正，何无为
    2024, 45(12): 2817-2822.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    数控系统作为智能制造体系的关键组成部分，其性能直接影响着制造质量和整体生产效率.然而，现有的数控系统程序资源在特征识别方面的能力却相对有限，无法满足智能制造系统对于加工路径的感知能力以及对加工精度的需求，制约了数控系统在复杂、高速的加工场景中的性能表现.针对这一问题，提出了一种智能体的数控系统加工轨迹特征识别方法.采用智能体方法构建模型，分析数控工件加工生成的路径G代码的关键几何信息，构建特征库，结合深度学习技术对轨迹特征进了行高效的识别和分类.所设计的模型有助于实现数控系统对加工过程的感知与控制，以提高数控系统对复杂零件的感知能力，从而提升数控系统的可靠性.
  • 融合异构图神经网络的时间卷积知识追踪方法
    张文奇，王海瑞，朱贵富
    2024, 45(12): 2823-2829.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    知识追踪任务旨在通过建模学生历史学习序列追踪学生认知水平，进而预测学生未来的答题表现.该文提出一个融合异构图神经网络的时间卷积知识追踪模型(Temporal Convolutional Knowledge Tracing Model with Heterogeneous Graph Neural Network,HGTCKT)，将知识追踪任务重述为基于异构图神经网络的时序边分类问题.具体来说，首先将学习记录构建成包含3种节点类型(学生，习题和技能)，2种边类型(学生-习题和习题-技能)的异构图数据，异构图描述了学生交互记录中实体类型之间的丰富关系，使用异构图神经网络缓解交互稀疏的问题，引入异构互注意力机制捕捉不同类型节点间的交互关系，提取不同类型节点的高阶特征.将学生节点和习题节点表征拼接，构造边(学生-习题)的表征.最后，使用时间卷积网络捕捉学生历史交互序列的时序依赖关系从而进行预测.在2个真实教育数据集进行实验证明，HGTCKT相比当前主流知识追踪方法有更好的预测效果.
  • 近邻关系约束和簇心扩散的密度峰值聚类算法
    杨重阳，徐华，张紫丹
    2024, 45(12): 2830-2837.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    研究表明，对于非球形簇和密度不均匀的聚类，DPC很难选择正确的簇中心；同时，DPC的分配方法存在多米诺骨牌效应，即不正确的分配一个区域中密度最高的点，将导致该区域中的所有点都指向同一个错误的聚类.为了解决这两个不足，本文提出了近邻关系约束和簇心扩散的密度峰值聚类算法(DPC-NCCD).首先，引入了k近邻和二阶k近邻来重新定义局部密度，避免了密度不均匀的数据集在选取密度峰值时候出现的错误，确保簇心选择的正确性；其次，对于剩余样本的分配，本文采用三阶段的分配策略，每个阶段中依据不同的近邻关系约束条件来逐步扩大类簇.这样的分配策略可以缓解多米诺效应，并提高在流形数据集上的正确性.通过人工数据和真实数据的测试，证明了该算法在密度不均匀的流形数据集上具有良好的聚类性能.
  • 基于少样本学习的知识图谱补全综述
    李子豪，冯林，徐凌枭，岳灵，帅秋萍
    2024, 45(12): 2838-2857.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    知识图谱是大数据时代知识工程在人工智能研究领域的典型代表，是自然语言处理应用中不可或缺的基础资源.由于知识图谱天生不完整，众多研究者提出了知识图谱补全(Knowledge Graph Completion,KGC)的方法，以向知识图谱中添加新的三元组.然而，知识图谱补全方法常受长尾关系和新增实体的限制，缺乏足够的已知三元组用于训练.因此，少样本知识图谱补全(Few-shot Knowledge Graph Completion,FKGC)成为了知识图谱补全领域的研究热点.本文系统性地介绍了基于少样本知识图谱补全学习方法最新研究进展.以基于邻居信息的方法、基于关系分布的方法、基于元优化嵌入的方法、基于元强化学习的方法、基于数据增强的方法为主线，对少样本知识图谱补全的知识表示、算法模型进行详细描述，分析其主要原理以及优点与不足.本文还总结了目前常用的少样本知识图谱补全数据集、实验评估标准以及代表性方法的实验结果，并从多模态融合、噪声和错误信息处理、知识迁移、动态知识图谱等5个方面展望了少样本知识图谱补全的未来发展方向.
  • 额隆感知和围攻机制改进的白鲸优化算法
    文裕杰，张达敏，邓佳欣，杨乐
    2024, 45(12): 2858-2866.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    白鲸优化算法（BWO）是一种有效的元启发式算法，但存在种群多样性低、全局搜索能力不足等问题.为此，提出一种额隆感知和围攻机制改进的白鲸优化算法（MSBWO）.受麻雀算法的启发，设置安全区域和额隆感知机制，增强白鲸的判断能力并加快收敛速度.然后引入多方式的围攻机制，丰富个体位置更新的多样性，增大全局搜索能力.同时加入了动态高斯变异进行扰动，以提高算法跳出局部极值的概率.通过14个基准函数和CEC2019进行算法有效性测试，并与其他优化算法进行了比较.结果表明，MSBWO取得更优的收敛速度和预测精度.最后，将该算法应用于2个工程设计问题.实验结果表明，所提出的MSBWO算法具有良好解决实际工程问题的能力.
  • 融合实体描述与关系路径信息的知识图谱嵌入模型
    翟社平，李方怡，亢鑫年，杨锐
    2024, 45(12): 2867-2874.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前已有的知识图谱嵌入方法主要关注三元组结构信息，未充分利用外部文本补充知识图谱的语义信息，同时由于现有模型仅使用单跳输出结果进行知识图谱嵌入，这导致在嵌入过程中丢失了大量的路径信息.针对以上问题，本文提出了一种融合实体描述与关系路径信息的语义嵌入模型TPKGE，该模型首先利用软注意力机制对三元组和实体描述文本进行过滤，提取与特定关系相关的有效信息，其次以分层的方式学习多跳关系路径特征嵌入，最终将两部分结果合并到同一实体和关系嵌入表示中.在4个公开的数据集上进行实验，结果表明TPKGE与其他基线模型相比更具竞争力，验证了同时考虑文本描述以及多跳关系路径信息的有效性.
  • 融合随机傅里叶特征的混合神经网络模型
    支凯茹，张凯，门昌骞，王文剑
    2024, 45(12): 2875-2881.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    深度神经网络模型作为目前最成功的学习模型之一，在模型训练时涉及大量的参数学习，特别对于较大规模的样本存在特征处理困难、模型结构复杂等问题.线性或亚线性时间复杂度的核近似算法具有计算开销小、易于扩展到大规模数据的优点.因此，利用线性核近似算法可以进行特征处理并降低深度神经网络模型的结构复杂程度.本文提出一种基于傅里叶特征空间的混合神经网络模型优化方法，并由此构建一个混合深度神经网络模型.该模型将基于随机傅里叶特征变换的浅层网络与卷积神经网络相结合，傅里叶层进行数据特征处理与提取的同时，降低混合网络模型的结构复杂程度，优化深度神经网络模型结构.实验结果表明本文提出的模型拥有较少的参数量和较低的浮点计算量，同时模型可保持较高的测试准确率以及更快的收敛效率.
  • 融合莱维飞行和小波变异的蜣螂优化算法
    郭琴，郑巧仙
    2024, 45(12): 2882-2890.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对蜣螂优化算法（Dung Beetle Optimizer，DBO）搜索能力不足，易陷入局部最优，收敛速度慢等问题，提出了一种融合莱维飞行和小波变异的蜣螂优化算法（Dung beetle optimization algorithm integrating Levy flight and wavelet variation，LWDBO）.在偷窃蜣螂中引入莱维飞行策略，莱维飞行的随机步长特点可以扩大搜索空间，加快算法的收敛速度；采用融入小波理论的变异策略，根据算法的迭代深度动态调整变异概率和变异程度，增大了算法跳出局部最优解的概率.对12个基准函数进行仿真实验，对2种改进策略分别进行有效性分析，结果表明2种改进策略均提高了算法的收敛精度和稳定性，同时融合2种策略的LWDBO则进一步提升了算法的寻优性能；将LWDBO与其他新型智能优化算法进行比较，进一步证明了该算法的可靠性与高效性.将该算法应用于2种工程约束优化问题中，验证了该算法的有效性及工程实用性.
  • 结合词典方法的图注意力网络实体抽取模型
    覃文军，乔林，张长帅，曲睿婷，李东，王飞，杨壮观
    2024, 45(12): 2891-2897.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    常见的命名实体识别模型主要关注字词特征的抽取，对上下文语义信息的捕捉与挖掘不够充分，对中文字词边界模糊、语义歧义等问题效果较差；对此，提出了一种结合词典方法的图注意力网络实体抽取模型，能够有效减少错误信息在网络中的传播，增强对词典信息的有效利用；并通过融入“BMES”图结构和注意力机制，建立字词之间的通道，深度挖掘字词在不同语境下的关系；为了验证模型的有效性，在MRSA和Weibo数据集上进行了测试，模型在MRSA上的F1值可达94.12%，与传统方法相比提高了1.42%；后者在模型下的F1值可达61.30%，较传统方法提升了2.51%；实验结果证明，结合词典方法和交互图的图注意力网络模型在MRSA和Weibo数据集上实体识别的准确率优于传统方法，且具有一定的泛化能力.
  • 信息素引导的粗糙超立方体并行属性约简算法
    姚泓丞，丁卫平，鞠恒荣，黄嘉爽，姜舒，陈悦鹏
    2024, 45(12): 2898-2907.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着数据量的爆炸式增长，传统属性约简算法在处理海量数据时效率低下，评价指标单一且容易陷入局部最优，导致属性子集质量不高.为解决这些问题，本文设计一种适用于大数据场景的高效属性约简算法.首先，本文引入了粗糙超立方体方法的3个评价指标用于量化属性之间的关系，对所有待选属性进行综合评估，通过综合考虑这些评价指标得到更为紧凑、更具辨别力的属性子集.其次，本文针对传统启发式搜索策略效率低、容易陷入局部最优的缺点，对二进制灰狼算法进行改进，引入信息素矩阵来引导搜索过程，从而增强算法的搜索能力.信息素矩阵能够提供属性子集的全局信息，帮助算法更好地搜索解空间，从而避免陷入局部最优解.实验表明，本文算法可有效扩展到大规模数据集，在不同数据集的分类任务下取得了显著的性能提升，展现出较强的适应性.
  • 基于对比学习增强的图卷积网络
    袁立宁，蒋萍，莫嘉颖，冯文刚，刘钊
    2024, 45(12): 2908-2914.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多数图卷积模型通过引入更高效的信息传递和转换方式提升图分析任务的实验表现，忽视了原始图信息的保留.针对上述问题，本文提出了一种同时保留节点属性和拓扑结构信息的对比损失函数，增强图卷积模型的表征能力.该方法首先构建基于节点属性和拓扑结构的连接强度，然后使用对比损失保留连接强度中蕴含的属性和拓扑关联信息，最后构建引入交叉熵损失的多层图卷积模型进行端到端训练.在性能提升实验和对比损失比较实验中，引入对比学习的图卷积模型始终优于基线以及其他对比学习方法.实验结果表明，属性和拓扑对比损失能够增强模型对原始图信息的保留，有效提升图卷积模型在节点分类任务中的实验表现.
  • 融合多特征嵌入的中文医疗命名实体识别模型MF-MNER
    常远，季长伟，张春玲，胡强
    2024, 45(12): 2915-2922.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊，而且问诊数据通常存在表述不准确、不规范和口语化等问题，已有医疗命名实体识别方法在问诊数据中适用效果较差.为此，提出一种适用于问诊数据的多特征嵌入中文医疗命名实体识别模型MF-MNER.该模型从字符、部首、词汇、边界和句法依赖等不同视角下获取字符的语义特征，并将融合后的语义特征经过扩张卷积神经网络进行卷积聚合，最后采用CRF模型进行序列解码.在医疗问诊数据集中开展的实验表明，多特征嵌入能明显提升命名实体的识别质量，MF-MNER相对于其他方法能够更适用于问诊数据中的医疗命名实体识别.此外，在公开的电子病例集中的实验表明，MF-MNER的高性能医疗命名实体识别具有普适性.
  • 输入幅值及其变化率受限下的机械臂预设性能控制
    王勇，王刚，王朝立
    2024, 45(12): 2923-2928.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对输入幅值以及输入变化率受限的机械臂轨迹跟踪控制问题，设计了一种新的鲁棒自适应预设性能控制方案.相关控制策略采用嵌套平滑饱和函数约束系统状态以确保闭环系统满足预设的瞬态和稳态性能指标，同时考虑系统控制信号的幅度及其变化率的限制，避免系统因控制信号发生突变对系统稳定性产生影响.此外，由于无需对不确定动力学进行估计或者补偿，所提出的控制算法复杂度低，增益选择简单，易于在机械臂系统中实现.最后，通过对机械臂模型进行仿真验证所提出方法的有效性和可行性.
  • 基于多头图注意力机制的神经协同过滤推荐算法
    顾亦然，史家旺，黄丽亚
    2024, 45(12): 2929-2935.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前主流的基于用户—项目二分图表征学习的推荐系统主要采用度归一化或平均池化的方法作为图上的近邻消息聚合策略，来学习用户和项目的表征向量.但是这两种聚合操作忽略了不同相邻节点对目标节点的重要性不同，从而导致最终刻画的用户和项目的表征表示不够准确.为此，本文提出了一种基于多头图注意力机制的神经协同过滤推荐模型(MGAT4Rec）来显示的建模目标节点与邻居节点之间的亲和力.该模型采用图注意力机制来捕获不同相邻节点的重要性并降低噪声信息的干扰，实现了对近邻节点信息的可解释性聚合；在此基础上，为了学习到更丰富的节点表征，通过使用多头图注意力机制来学习节点在不同潜在空间下的表征，将不同空间下的表征进行融合得到最终节点的表征向量.在MovieLens-100K和Amazon两个公开的数据集上进行了对比实验，MGAT4Rec在Recall@10和NDCG@10两个性能指标上相较于基线模型均有所提升.
  • BRCNN与语义信息结合的跨领域方面词抽取
    王登雄，李卫疆
    2024, 45(12): 2936-2943.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    方面词抽取是方面级情感分析的关键步骤.当训练数据和测试数据来自同一领域时，用于该任务的现有方法已经可以得到令人满意的结果.然而，当训练数据与测试数据分别来源于不同领域时，这些方法呈现出的效果就急剧下降.为了解决这一缺乏可扩展性和鲁棒性的问题，本文提出了一种新的BRCNN方法结合语义信息来弥合源域与目标域的差距.该方法利用不同领域之间的语义相似性作为枢轴信息，从而降低了源域与目标域之间的差异性实现了方面词的跨领域抽取.同时，本文探究了BRCNN模型分别使用句法信息，语义信息，句法和语义信息相结合的知识结构作为枢轴信息弥合源域与目标域差距的性能比较，最终在基准数据集上展现出了比较好的性能.
  • 面向云存储的双重数据完整性验证方案
    韦依姗，曹晓梅，王少辉，许阳
    2024, 45(12): 2944-2950.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为解决云存储中可能存在的数据损坏、数据丢失等安全性问题，本文通过借鉴并改进目前云数据完整性验证的相关方案，弥补了传统方案中的不足，提出了面向云存储的双重数据完整性验证方案对共享数据位置和内容进行完整性验证.方案基于Merkle树设计了一种新的存储结构来实现哈希路径的快速生成，以减少位置完整性验证的时间开销；同时借助区块链来存储完整性验证数据和验证结果，并使用智能合约来代替第三方审计者执行完整性验证任务，保证完整性验证的自动化执行，增加完整性验证方案的可信度.安全性分析和实验分析表明该方案不仅能够保证共享数据的安全性，还可以高效地完成对共享数据的批量完整性验证.
  • 车联网中基于协作请求的本地化位置隐私保护
    薛丹，周非，戴玉
    2024, 45(12): 2951-2956.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在车联网中车辆用户获取位置服务时，会面临各种位置隐私泄露的风险.传统的基于差分隐私的方案在保护程度与可用性之间很难得到有效的平衡.为解决此问题，提出基于协作请求的本地化位置隐私保护方案，当某一车辆用户发送基于位置的服务请求时，采用Geohash编码方式快速索引定位用户真实位置，并通过其前缀相同的特性进行编码位随机扰动，能够较好地平衡隐私保护与数据可用性间关系；为进一步保护位置隐私，通过构建协作群组选取代理请求成员的方式，减少用户与位置服务提供商的通信；最后在两个真实数据集上进行实验验证了方法的有效性，并通过安全性分析证明了方案的隐私性.
  • 融合MAML和TGAT的机会网络动态链路预测模型
    袁子轩，张峰，许岗，魏光辉，石永强
    2024, 45(12): 2957-2963.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    机会网络中由于节点频繁移动导致节点间的间歇性连接，导致网络拓扑结构会随时间不断发生变化，而采用离散时间切片的机会网络链路预测方法不能很好地刻画机会网络链路动态变化的演变规律.本文提出一种基于元学习框架的模型（METATGAT）来预测动态网络链接的变化情况，通过具有分层时间间隔和节点自适应的元学习者来提取网络动态演变的先验知识，并在元学习任务中设计一种采样注意力计算方式，来提升模型中图神经网络节点表征的计算效率.为了评估所提方法的有效性,本文选择Infocom05,Hyccups,Infocom06这3个真实的机会网络数据集进行验证,运用AUC和AP评价指标对所提方法与传统算法进行对比,结果显示所提方法能够有效捕获机会网络链路变化的一般知识,并且在链路预测准确率方面相比于传统算法有一定的提升.
  • 分布式模型训练中的通信优化方法：现状及展望
    赵海燕，易庆奥，汤敬华，钱诗友，曹健
    2024, 45(12): 2964-2978.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在进行大模型训练时，采用分布式训练是解决单个GPU卡或单个节点无法处理庞大模型参数和数据集的有效方法.通过将训练任务分配给多个节点，分布式模型训练实现了计算资源的并行利用，从而提高了训练效率.然而，随着模型规模的迅速增大，通信成为制约分布式训练性能的瓶颈.近年来，许多研究者对分布式训练中的通信问题进行了深入的研究，本文对相关研究进行全面的综述，从5个不同角度对分布式训练中的通信问题进行了分析，并总结了相应的优化方法.这些优化方法包括但不限于通信拓扑优化、梯度压缩技术、同步和异步算法、重叠通信与计算、以及通信库及硬件的优化.最后，本文对未来的研究方向进行了分析与展望.
  • 面向mMTC的ACB拥塞控制接入方案
    韩会梅，余浩，卢为党
    2024, 45(12): 2979-2984.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    5G三大应用场景之一的海量机器类通信（massive Machine Type Communication，mMTC）具有数据包小、功耗低、海量连接等特点，其能解决传统移动通信无法很好支持物联网及垂直行业应用的问题.针对mMTC场景下由于接入设备数量巨大造成的网络拥塞问题，本文提出了一种基于深度确定性梯度下降（Deep Deterministic Policy Gradient，DDPG）的接入等级限制（Access Class Barring，ACB）拥塞控制接入方案.在每个接入时隙，用户确定其优先级，基站采用DDPG算法为每个接入优先级设置ACB接入阻拦概率进行拥塞控制.此外，该方案允许多个用户在同一资源块上传输数据信息，基站采用迭代干扰消除（Successive Interference Cancellation，SIC）算法解码用户数据，进而提升成功接入用户数.仿真结果表明，与现有拥塞控制策略相比，所提方案能在满足用户时延需求的同时提升成功接入的用户数.
  • D2D辅助的边缘计算任务迁移与缓存替换研究
    李建鑫，薛锋，王倩，陈思光
    2024, 45(12): 2985-2993.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对边缘网络存在的计算和带宽资源紧张导致的高时延问题，以及边缘缓存空间的有限性，本文结合设备到设备（Device-to-Device，D2D）通信技术、缓存替换策略，提出了一种D2D辅助的边缘计算任务迁移与缓存替换机制.具体地，规划了一个综合考量边缘服务器计算和带宽资源分配、任务迁移决策和缓存决策的最小化任务时延优化问题.针对该混合整数非线性优化问题，为了进一步加快求解算法取得最优处理决策，有效满足时延敏感型设备需求，结合深度确定性策略梯度算法思想，提出了一个基于优先级经验采样的任务迁移与缓存替换算法.在深度确定性策略梯度算法的网络训练基础之上，与原算法对于经验池样本随机均匀采样不同，本算法采用了一种新的样本优先级方法，即基于样本时分误差的绝对值赋予样本优先级，从而使模型网络训练改变较大的样本被采样概率增大，加速网络训练，可较快的达到稳定收敛，获取最优处理决策.最后，仿真结果表明，与其它几种基准算法相比较，该算法在网络收敛、任务时延和缓存命中率等方面具有较大优势.
  • 基于联邦深度学习的多边缘协作缓存方法
    梁杰，郑家瑜，陈哲毅，于正欣，苗旺
    2024, 45(12): 2994-3001.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    作为移动边缘计算（Mobile Edge Computing，MEC）的一项重要技术支撑，多边缘协作缓存的出现可更好满足终端智能应用的实时计算与数据存储需求进而提升用户体验.但是，多边缘协作缓存的性能通常受限于低效率的协作机制以及不合理的缓存资源配置策略.同时，如何在离散的用户特征分布与多样化的内容库之中寻找其潜在关联以提升缓存命中率仍是一个巨大的挑战.为了解决上述重要挑战，本文提出了一种新颖的基于联邦深度学习的多边缘协作缓存（Multi-edge Collaborative Caching with Federated deep learning，M2CF）方法.在M2CF中，首先设计了一种新型的多维缓存空间划分机制，对MEC节点的缓存空间进行感知优化，使得用户在分类区间可获得精准的内容推荐.接着，设计了一种基于VQVAE的内容流行度预测算法，解决了后验坍塌问题并提高了区间用户内容流行度预测的准确性.最后，设计了一种基于联邦深度学习的模型训练与缓存替换策略，通过聚合各MEC节点的本地模型以生成全局共享模型，进而更好适应优化后的不同缓存资源配置，提升多边缘协作缓存的命中率.基于MovieLens电影评分真实数据集，本文在测试床上展开了大量对比实验对所提出的M2CF方法进行了全面的评估.实验结果表明，M2CF与其他缓存方法对比展现出了更优秀的缓存性能与时效性能，且可以适应更为复杂的多边缘场景.
  • 个性化语义敏感轨迹数据发布算法
    雷诚，张琳，焦泽鑫
    2024, 45(12): 3002-3007.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    对于离线时用户轨迹发布方案中，大多都是将轨迹数据全部进行处理，通过添加噪声来满足差分隐私，缺少用户个性化的情况，导致数据可用性较低，且较少考虑位置点的语义信息.综合考虑上述情况，设计了一种个性化的语义敏感轨迹发布算法TSDP.该方案在进行发布时收集用户的语义敏感情况，且统计用户轨迹中频繁到访的语义位置点，同样考虑因时间段的不同而对敏感度得到影响，对其添加符合差分隐私的噪声.实验结果表明，与其他差分隐私保护方法相比，该方法在保证隐私的情况下，最大化了发布数据的可用性.
  • 一种利用低秩多模态融合的恶意软件分类方法
    王春东，刘驰
    2024, 45(12): 3008-3015.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    恶意软件数量持续增长对网络空间安全造成严重威胁.大量采用规避分析方法进行混淆的样本使得基于单一特征的恶意软件分析方法难以准确检测或分类恶意软件，虽然目前已有使用多特征的恶意软件分析方法，但没有充分利用不同模态特征之间的相互关系.为了解决上述问题，本文提出一种利用低秩多模态融合的恶意软件分类方法.首先提取汇编函数的语义与调用关系、可视化灰度图和熵值分布分别输入对应模态的子模型，然后通过低秩多模态融合方法进行多模态特征融合.该方法在利用外积表示模态之间相互关系的基础上进行优化，将融合过程中的权重矩阵分解为低秩权重因子，避免计算高维张量来降低计算复杂性.实验表明本文方法在恶意软件分类上有较好的表现.
  • 一种基于路网位置混淆的个性化位置隐私保护方案
    申艳梅，雷正亚，王辉，申自浩，刘沛骞
    2024, 45(12): 3016-3021.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了解决车载用户在路网中使用基于位置服务造成的位置隐私泄露问题，提出一种基于混淆的个性化位置隐私保护OPLPP方案.首先，基于差分隐私定义一个新的路网不可区分性RN-I概念，以此来衡量路网中位置的不可区分程度；其次，考虑到用户在不同位置的隐私要求，提出个性化隐私预算PPB算法，使用距离占比作为衡量指标，为不同位置分配个性化的隐私预算；最后，利用RN-I设计了连接点区间混淆C-IO算法，该算法由连接点扰动和区间扰动组成，以此来混淆车辆在道路上的位置.实验结果表明，所提出的OPLPP方案优于现有的二维位置混淆方案，能够在保护用户位置隐私的前提下，提供更高的服务质量.
  • 一种改进的无干扰模型分析和验证方法
    吴志芳，刘小丽，张帆
    2024, 45(12): 3022-3034.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    安全模型是网络空间安全研究的基础和起点.以机密性为例，历史上研究人员率先提出了BLP（Bell-LaPudula）模型，BLP从思想上精确把握了机密性“不上读，不下写”的本质，但在设计上存在不足，这导致BLP自身存在隐通道等缺陷.为此，研究人员基于信息流提出了无干扰的思想.无干扰通过研究“攻击者在系统内信息流动的过程中，能否通过观察系统所到达的不同状态之间的差异以非法获取机密信息”，来分析系统的安全性.目前，无干扰模型已成为事实上机密性领域的基础模型.当前无干扰分析主流（甚至唯一）的方法是Rushby所提出的视图分区（view-partition）方法.但是，视图分区方法的3条规则难以转化为可机械计算的递归形式，且缺少直观的数学解释，这使得无干扰模型的属性验证和实践应用长久以来一直难以取得进展.近年来，随着无干扰模型在可信计算、云计算和机密计算等新型计算领域获得广泛应用，上述问题进一步凸显.针对无干扰模型的分析和验证问题，提出了一种称为伙伴状态机（buddy state machines）的无干扰分析改进方法.该方法通过分析真实(real)和理想(ideal)两个状态机在同步运行过程中的状态等价关系，实现对无干扰属性的分析和验证.基于伙伴状态机，建立了一种新的无干扰模型形式分析框架；给出了可靠和完备的无干扰成立条件；提出了O（|S|2）时间复杂度的无干扰属性验证算法，为无干扰模型的分析、验证和应用提供了一种可参考的改进方法.
  • 视频监控图像资源调度算法研究与设计
    吴志雄，崔勇
    2024, 45(12): 3035-3041.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对公共安全系统中视频图像解析过程中存在的资源利用率低和系统吞吐量不足的问题，本文提出了一种基于帕累托最优前沿的资源调度算法.该算法通过对问题定义分析，构建了一个多目标资源调度模型，该模型根据Pod的需求与可用资源之间的关系，建立两个优化目标：最小化工作节点的资源损失率，最大化Pod之间的亲和性，从而提高Pod的系统吞吐量和响应时间.在此基础上，本文设计了对多目标进行乘积作为求解目标函数，采用帕累托最优前沿免疫算法对调度模型进行求解，实现资源在各Pod之间的最优分配，从而满足业务需求并最小化资源使用.实验结果表明，与传统方法相比，本文提出的算法在适应度指标上具有一定优势，能够有效提升资源利用率和Pod间的整体运行性能，最终实现视频图像解析的效率和性能的提升.
  • BMEDT：基于Transformer的双向多级边缘检测网络
    荆东东，李备备，王诗宇，刘信君
    2024, 45(12): 3042-3049.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有边缘检测方法在处理复杂背景时出现的边缘丢失、线条粗糙、内容混乱等问题,本文提出一种基于Transformer的双向多级边缘检测网络.首先,网络采用Swin Transformer作为骨干网络,提取图像基本特征,并通过多尺度特征增强模块获取特征图中不同尺度的上下文信息；其次,根据特征点位置的重要性,提出边缘注意力模块,用于强化边缘与非边缘像素之间的差异性,提高重要特征的关注度；最后,为解决边缘检测任务中正负样本不均衡问题,提出一种新的损失函数,并通过分层监督的方式强化特征表示.在BSDS500和NYUDv2数据集上的实验和评估中,所提方法在边缘细节处理方面已经超过许多经典算法,并取得了最佳水平.这些结果表明,所提方法可以有效地解决边缘检测中的一些挑战,并为相关应用提供更好的支持.
  • 差分度量的三维模型语义部件定义方法
    谭小慧，朱晓，贺振轩，杨洪鼎，李俊
    2024, 45(12): 3050-3056.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文提出了一种基于差分度量的三维模型语义部件描述符计算方法.当三维模型发生缺失变化时，模型上点的全局描述符产生相应的变化，利用这两者变化的映射关系，使用随机森林算法进行描述符变化量到对应部件的标签映射，可实现对部件的语义特征提取.对于一族模型的标签化问题，本文利用提出的部件描述符计算方法，将模型中对称的部件统一化标签，解决了模型部件的对称部件快速标签化问题.使用半监督的方法，解决了族内模型的差异性问题.在公开COSEG数据集上进行模型部件自动语义标签化，实验结果证明了所提方法的有效性.
  • 面向胸部骨分割的混合双编码器模型及应用
    周威，张昱中，罗晶，周雷
    2024, 45(12): 3057-3062.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有的胸部骨分割模型无法达到肋骨配准对分割精度的要求和数据集无法满足肋骨配准研究的问题.本文首先构建了一个面向肋骨刚性配准的胸部骨分割数据集，同时对现有的分割模型进行了改进，最后搭建了一套完整的肋骨配准框架.首先，三维胸部CT图像数据以MICCAI 2020 RibFrac挑战赛上的公开数据为基础，在胸科医生指导下，采用半自动的方式对4类骨头进行标注.然后，针对卷积神经网络无法对图像的长距离语义关系建模的问题，在VB-Net的基础上，实现了一种CNN与Transformer相结合的多类胸部骨自动分割网络.最后，为提升肋骨运动建模的效率，以肋骨分割为基础，设计了肋骨刚性配准算法，实现同一个患者的两期图像的肋骨自动对齐.实验结果表明，与现有的分割算法相比，改进的算法在分割Dice、分割结果可视化方面更优，此外，所提出的配准框架能够高效实现肋骨的自动对齐.
  • 基于UPPAAL的DIMA组合可调度分析方法
    刘晨，杨志斌，胡乔乔，周勇
    2024, 45(12): 3063-3072.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了满足不断复杂化的机载任务需求，分布式综合化航空电子系统（DIMA）中任务交互行为随之激增，使其任务调度系统的设计与分析难度进一步增加.针对这一问题，提出基于UPPAAL的DIMA组合可调度分析方法.首先，给出基于UPPAAL的DIMA建模方法，包括分区调度、任务、分区间通信、FC网络延迟、多核处理器资源共享等行为建模；其次，给出基于契约的组合可调度分析方法；最后，基于工业界DIMA系统案例验证所提方法的有效性.