小型微型计算机系统

过刊目录

  • 2024年, 45卷, 第9期
    刊出日期：2024-09-01
      
  • 全选
    |
  • 动态性感知的深度学习内存分配器
    黄奕桐，张昱
    2024, 45(9): 2049-2054.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    深度学习应用程序通常被认为在训练小批量步之间具有规律的内存分配模式.这种规律性在许多情况下是正确的，但由于未知的张量大小以及各种并行执行模式下不确定的执行顺序等因素，内存分配请求在运行时可能会变得动态和不规律.在这些因素作用下，一些基于内存分配的规律性所进行的优化在运行时存在许多不匹配的情况.为了解决这个问题，本文提出了一个动态性感知的深度学习内存分配器.这个分配器在运行时收集内存分配信息并生成内存分配计划，然后通过模拟分配的方式动态调整生成的内存分配计划.实验结果表明，与 TensorFlow相比，本文所设计的分配器平均可以达到1.24的加速比，并减少56.34%的CPU内存使用量以及21.13%的GPU显存使用量.
  • 一种基于分段线性回归树的轨迹索引
    武凡，韩京宇，刘阳，李彩云，缪祝青，王彦之，毛毅
    2024, 45(9): 2055-2062.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    处理多维数据查询时，为了减少存储消耗，采用学习型索引替代传统索引受到关注.轨迹点会在时间或者空间维度上的某些区间聚集，数据分布倾斜，从而扭曲学习模型预测精度，导致较高的磁盘访问次数.提出一种基于分段线性回归树的轨迹索引，以降低存储代价并减少磁盘访问次数，包括数据排序和模型训练两个阶段.在第一个阶段，沿着时间维度划分轨迹点以形成一系列时空子区域，在每个时空子区域根据映射函数对轨迹点进行空间维度的存储，从而确定轨迹点的全局序号.在第二个阶段，使用初始数据构建分段线性回归树作为预测模型，并基于该模型预测位置来存储未来数据.模拟和真实的数据集上的实验表明，该方法在保证查询性能优于学习型索引的前提下，存储消耗和构建时间大幅度降低.
  • 一种基于异构图网络的多模态实体识别方法
    李代祎，张笑文，严丽
    2024, 45(9): 2063-2070.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于图像信息的辅助，提高从非结构化文本中识别命名实体的准确率，可以有效缓解社交媒体场景中因短文本语义信息不全而产生歧义，图片多却不能发挥作用的问题.尽管现有的研究通常采用跨模态注意力机制合并文本和图像的语义表示，但是大多不能建立一个一致的表示来融合两种模态之间的语义信息，且图像中的冗余信息往往会影响多模态实体识别（Multimodal Name Entity Recognition，MNER）的性能.为了解决这些问题，本文提出了一种基于异构图模型的MNER方法，可以有效利用文本和图像之间的交互信息.具体地，首先，构建了一个基于BERT-BiLSTM-CRF的实体识别模型，识别出文本中可能存在的实体；其次，以文本中可能存在的实体作为两个模态之间的桥梁，设计了一个由Token、实体和视觉对象组成的异构图网络，并定义了两种边来表示相互间的语义关系；最后，基于文本和图像组成的异构图，设计了一种多模态融合模型（MHGT），从而减轻了图像噪声的负面影响.在两个通用的MNER数据集上的实验结果表明，本文提出的多模态实体识别方法在Twitter2015和Twitter2017上分别获得了75.26%和86.51%的F1值，优于基线模型的性能.
  • 云边端协同移动群智感知中基于两阶段资源均衡的任务分配方法
    王树豪，江海峰，唐朝刚，商景杰，张寿军
    2024, 45(9): 2071-2079.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在集中式移动群智感知中，云平台负责任务分发和数据收集等全部过程.当面对各种实时应用场景的需求时，云平台将面临数据计算、存储以及通信压力.针对上述问题，本文结合云边端体系结构，设计了两阶段的任务分配策略，分析参与者资源状态对任务的影响，构建了资源评估模型.以最小化任务平均响应时间为优化目标，以资源均衡为约束，提出了基于两阶段资源均衡的任务分配方法.该方法首先提出基于资源占用率的边缘服务器资源均衡任务分配方法，为边缘服务器选择任务集，再提出基于改进蚁群算法的参与者资源均衡任务分配方法，通过边缘服务器和参与者之间的协作实现资源均衡.仿真实验结果表明，本文所提算法同其他算法相比具有良好的性能.
  • MCM-ICE：联合独立编码和协同编码的多模态分类模型
    郭锐锋，魏靖烜，于碧辉，孙林壮
    2024, 45(9): 2080-2086.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多模态数据处理是一个重要的研究领域，它可以通过结合文本、图像等多种信息来提高模型性能.然而，由于不同模态之间的异构性以及信息融合的挑战，设计有效的多模态分类模型仍然是一个具有挑战性的问题.本文提出了一种新的多模态分类模型—MCM-ICE，它通过联合独立编码和协同编码策略来解决特征表示和特征融合的挑战.MCM-ICE在Fashion-Gen和Hateful Memes Challenge两个数据集上进行了实验，结果表明该模型在这两项任务中均优于现有的最先进方法.本文还探究了协同编码模块Transformer输出层的不同向量选取对结果的影响，结果表明选取［CLS］向量和去除［CLS］的向量的平均池化向量可以获得最佳结果.消融研究和探索性分析支持了MCM-ICE模型在处理多模态分类任务方面的有效性.
  • EMSS：一种基于Span匹配的中文实体抽取方法
    游新冬，刘陌村，韩君妹，吕学强
    2024, 45(9): 2087-2093.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于Span（跨度）的实体抽取模型目前在英文数据集上取得了优异的效果，且已被证明跨度实体抽取比传统的序列标注实体抽取的效果更好.本文提出了一种基于跨度与拼接的中文命名实体抽取模型(EMSS)，EMSS使用端到端的span抽取模型，文本经过BERT预训练模型进行字向量的编码，随后进入span抽取层枚举出所有可能的跨度，并加入跨度边界与跨度长度两种特征向量用于对跨度向量进行计算，最后进入跨度预测层进行实体标签的预测.同时提出了一种基于BIO格式的新标签标注方法，该标注方法不受模型与数据集领域限制，可以在不影响下游任务的情况下提高模型识别准确率.在Weibo、Resume、MSRA、OntoNotes4.0数据集上与当前主流的中文实体抽取模型进行对比实验.实验结果表明，提出的EMSS优于现有主流模型，均取得了7%左右的F1值提升.并将该方法应用到煤矿机电设备领域，解决煤矿机电设备领域的实体识别问题，在自制数据集上的实验证明本文的标注方法，不仅在中文实体上有效，而且对汉字、英文、数字结合的混合类型实体也有明显的效果.
  • 在线深度神经网络的弱监督概念漂移检测方法
    马乾骏，郭虎升，王文剑
    2024, 45(9): 2094-2101.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    流数据作为大数据的重要形式广泛存在于实际问题中，由于流数据中数据分布变化产生概念漂移，容易导致模型的泛化性能下降，且在实际应用问题中，数据标记成本较高，难以获得强监督的信息.针对以上问题，本文提出一种基于在线深度神经网络的弱监督概念漂移检测（Weakly supervised conceptual drift detection method based on online deep neural network，WSCDD）方法.该方法设计了一种在线深度神经网络模型，采用Hedge反向传播方法在线学习网络深度，并通过设计Dropout层在模型预测时引入随机性，利用蒙特卡罗方法量化深度神经网络模型的预测不确定性，通过自适应滑动窗口技术检测弱监督环境下概念漂移的发生，并使模型适应新的概念.实验结果表明，该方法可以准确检测数据流中概念漂移的发生，在漂移发生后能够快速收敛到新的数据分布，提高了学习模型的泛化性能.
  • 多策略融合的改进哈里斯鹰算法及其路径规划应用
    黄志锋，刘媛华
    2024, 45(9): 2102-2109.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对哈里斯鹰算法（HHO）后期缺乏全局搜索、易陷入局部极值等问题，提出了一种多策略融合的改进哈里斯鹰算法（MFHHO）.首先，提出了自适应混沌和核心种群划分策略，平衡算法后期的全局和局部搜索性能，提高算法的多样性；其次，修改位置更新公式，将莱维飞行替换为黄金正弦策略，提高算法寻优性能和效率；最后，融合自适应正态云最优解扰动策略，提高算法跳出局部最优解的能力.在国际测试函数、CEC2014复杂函数的数值实验中，改进算法性能提升明显；在路径规划实验中，改进算法性能最优，相较于对照组算法性能提升了14.75%，且具有较好的稳定性.
  • APLI：一种基于持久化内存的高性能学习索引
    王中华，赖必梁，赵泽阳，鲁凯，万继光
    2024, 45(9): 2110-2118.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    持久化内存（Persistent Memory，PM）已成为容量有限的DRAM的最有潜力的补充或者替代品.学习索引（Learned Index，LI）作为一种感知数据分布的索引结构，在大数据集上能够以较小的内存使用量展现远优于B+树的性能而被广泛关注.最近，一些研究者尝试将学习索引部署在持久化内存中，然而现有的持久化学习索引存在读写性能次优化、结构扩展性不足、动态负载性能不统一等问题.为此，本文在深入分析了持久化内存和学习索引特性的基础上，提出了一种自适应的持久化学习索引结构APLI.APLI由两部分组成：1）高效的混合介质的持久化学习索引树（EPL-Tree），提供稳定的读写性能和结构扩展；2）轻量级的哈希表（SW-Table），用于快速感知负载变化并提升热点访问的性能.在持久化内存真实设备上的评估表明，相比现有的持久化索引结构，APLI读写性能最高分别提升3.2倍和3.3倍，而且拥有更稳定的结构扩展性能.另外，APLI能在较小的DRAM空间占用前提下，实现各种负载场景下的稳定高性能访问.
  • 结合信息交互的人物实体链接
    周沛，陈跃鹤，贾永辉，陈文亮
    2024, 45(9): 2119-2125.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    实体链接是将文本中的实体提及链接到知识图谱中实体节点的任务，是自然语言处理许多下游任务的重要基础.而在各类实体中，人物实体承载了知识图谱中主要的事实组成部分，但由于存在大量重名导致人物链接难度大大增加.人物实体链接是人物知识图谱构建的重要一环，其目的是把一段文本所描述的人物实体链接到图谱中正确的实体节点上.由于目前中文人物实体链接数据集比较缺乏，而通用实体链接数据集大多覆盖多种类型实体并且规模比较有限，因此本文基于百科网页数据构建了新的大规模中文人物实体链接数据集SummaryEL和TextEL，并通过采样验证了数据集的质量.基于新构建的数据集，本文提出基于描述文本和实体属性信息交互的人物实体链接模型，有效地建立描述文本和知识图谱节点之间的联系.实验结果表明，本文所提出的人物实体链接模型取得较高的准确率，在SummaryEL和TextEL测试集上的平均准确率分别达到89.27%和87.43%.该模型可作为该任务未来研究工作的基准方法.新构建的数据集和实验代码将公开在github上.
  • 递进式融合多策略的改进哈里斯鹰优化算法
    丁鑫，郭云川，张长胜，钱斌，张家洪，胡蓉
    2024, 45(9): 2126-2136.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对哈里斯鹰优化算法（HHO）易陷入局部最优、全局探索性能与局部开发能力不平衡等缺点，提出递进式融合多策略的改进哈里斯鹰优化算法（IHHO）.首先，调整随机游走机制的位置更新方程以实现小范围优质勘探，提升该机制有效性，加强算法局部开发能力； 其次，采用S型自适应能量控制因子，使算法能根据搜索进程合理调控捕猎行为，修正寻优模型； 最后，融入定点重组与诱变策略，既保证种群优良基因集中于某一个体，又丰富种群多样性，算法局部寻优性能和局部极值规避能力并进增强.实验表明，所提改进方法以递进式提升算法性能，经耦合叠加效应后所得IHHO的搜索精度高、收敛速度快，并且具有较强实用性.
  • 自记忆的深度强化学习模型求解多维背包问题
    盛佳浩，马良，刘勇
    2024, 45(9): 2137-2148.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文针对多维背包问题维度高，约束强的特点提出了自记忆的学习优化模型(self memorized learn to improve,SML2I),通过深度强化学习的学习机制选择迭代搜索过程中的算子即模型学习当前的解以及历史搜索过程中的解,判断对当前解采用提升策略或者是扰动策略,在此基础上,进一步提出了哈希表与设计了2种有效的基于价值密度的扰动算子.使用哈希表记录历史搜索过程中的解,防止模型重复探索相同的解,基于价值密度的扰动策略生成的新解与之前的解决方案完全不同,因此针对扰动后的解再次采用提升策略同样有效,通过测试89个MKP数据集并与其他文献中先进的求解方法进行对比，实验结果验证了SML2I模型求解MKP问题的可行性与有效性.
  • 一种用于易损物体的机器人抓取姿态预测方法
    禹鑫燚，黄睿，欧林林
    2024, 45(9): 2149-2155.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    复杂场景下机器人抓取“万物”是一个重要且具有挑战性的任务.针对使用刚性夹持器的机器人在直接使用六自由度抓取姿态预测方法抓取柔软和易碎物品过程中易被夹持器损坏问题，本文提出了一种用于易损物体的八自由度抓取姿态预测方法.通过直接处理场景点云数据，预测物体上抓取点的接近向量、面内旋转、夹持器宽度和物体种类，并根据夹持器内点云得到物体的八自由度抓取姿态，其姿态包含夹持器的旋转、平移、夹持器的宽度和作用力.然后，在公共数据集上验证算法的有效性，并搭建复杂场景进行机器人抓取实验.实验结果表明，该方法在保证抓取成功率的前提下，降低了被抓取物体的损坏率，扩展了基于视觉的机器人抓握物品种类.
  • GEA-NMT：图卷积增强的多任务低资源机器翻译模型
    张宝兴，彭敦陆，王雅峰
    2024, 45(9): 2156-2164.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在低资源语种上训练高质量机器翻译系统的主要障碍是平行语料的稀缺，一些低资源语言在语言上与高资源语言相关或相似，相似的语言可能使用相同的字符集或类似的句法结构.本文利用低资源语种上的单语数据及与之相关联的高资源语种和目标语言的平行语料，尝试将翻译知识进行迁移，从而完成低资源语种和目标语言间的翻译模型训练.本文提出一种图卷积增强的多任务训练低资源神经机器翻译模型（GCN Enhanced multi-task Adapting Neural Machine Translation，GEA-NMT），结合降噪自编码器、生成对抗训练、回译和桥接方法，并使用图神经网络学习句法依赖关系以进一步提升低资源语种上的神经机器翻译模型效果.
  • 基于YOLOv8无人机航拍图像的小目标检测算法研究
    李姝，李思远，刘国庆
    2024, 45(9): 2165-2174.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对无人机航拍图像中目标尺寸小、目标密集、漏检和误检等问题，提出了一种改进YOLOv8s的小目标检测算法LW-YOLO（Lightweight YOLO）.首先，通过分层卷积、不同深度特征提取和多尺度特征融合策略改进特征提取网络，解决了网络参数量大和对小目标特征提取不足的问题.其次，通过增强浅层信息提取能力和减少部分深层信息优化检测层网络结构，改善了小目标漏检、误检和参数量大等问题.同时，新增残差连接和最大池化改进传统卷积块（Cown），最大限度保留特征，解决了传统卷积对小目标特征留存能力不足的问题.最后，通过Sigmoid函数与梯度增益系数（r）相结合引入非线性的平滑处理，改进WIoU（Wise-IoU）损失函数，解决了小目标普通质量锚框的损失波动，增强了模型的稳定性和鲁棒性.经实验表明，LW-YOLO与YOLOv8s在VisDrone2019数据集上相比，P、R、mAP50%分别提升了2.2%、6.1%、5.7%，参数量、GFLoPs和模型体积分别降低了49.8%、17.1%、48.8%，同时还在AI-TOD、NWPU VHR-10和TinyPerson做了泛化对比实验，并将检测结果可视化，经实验表明各项参数指标均有提升.
  • 采用空洞卷积和混合注意力卷积的残差牙齿分割网络
    刘明媛，王远军
    2024, 45(9): 2175-2181.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    准确的牙齿分割是牙齿三维重建以及计算机辅助正畸的基础.针对牙齿结构复杂、牙齿边界模糊、与下颌骨灰度相近等问题，本文提出了一个基于空洞卷积和混合注意力卷积的残差牙齿分割网络.该网络使用并联多尺度空洞卷积模块提取不同尺度的感受野特征，混合注意力模块强调空间和位置上特征信息并抑制无关特征的影响.此外，在特征解码模块中引入多层残差模块加强深层和浅层特征信息的融合，改善了分割效果.最后使用30例正畸患者获得的1900张CBCT切片图像对模型进行训练和测试，实验结果表明所提方法的Dice相似系数和平均交并比分别为94.83%和90.20%，实现了对CBCT图像中牙齿的有效分割，可以辅助医生更好的评估患者的牙齿状况并制定治疗计划.
  • 特征选择融合和增强的轻量级深度估计方法
    陈磊，梁正友，孙宇
    2024, 45(9): 2182-2187.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前大部分的单目深度估计网络存在网络参数庞大，消耗硬件资源多等问题.针对这些问题提出一种特征选择融合和特征增强的轻量级深度估计方法.首先，设计了特征选择融合模块来对编码器输出的多尺度特征进行选择融合，在解码器中融入编码器底层位置特征信息，提高不同尺度特征信息的利用率；其次，设计了一个Sobel特征增强模块来加强模型对场景边界信息的感知，提高场景边界深度信息的估计精度.实验结果表明，该方法的模型参数量在仅有4.2M（M为百万），在NUY Depth V2数据集上取得δ1指标0.823的先进性能.该方法不但兼顾了推理速度和估计精度，而且对场景边缘信息有较强预测能力以及模型有较强鲁棒性.
  • 冗余度引导掩膜重构的小样本动作识别方法
    陈朋，颜灵强，党源杰，宦若虹，梁荣华
    2024, 45(9): 2188-2195.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前大多数基于度量的小样本动作识别方法都采用支持样本与询问样本对比的方式学习视频特征，然而在样本量稀少的情况下，只使用对比的方法难以充分地挖掘视频中的信息.另一方面，视频中存在大量的冗余，有效地利用而不是单纯地减少这些冗余信息，可以提升小样本动作识别模型.为此，本文提出了一种冗余度引导特征掩膜重构的方法，将原始视频特征转换为若干离散的特征块，根据每个特征块的冗余程度排序并确定其是否被掩膜替换并重构，并且基于上述操作与原型网络实现小样本动作识别，使模型充分地利用低冗余的视频特征，实现模型泛化性能的提升.实验结果表明本文提出的冗余度引导掩膜重构的方法在5-way 5-shot的实验设置下在Kinetics和something-somethingv2数据集上均优于现有的小样本动作识别方法.
  • 一种自监督的消息传递图表示学习方法
    许珂，汤颖
    2024, 45(9): 2196-2204.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图表示学习旨在通过监督或无监督方法学习图结构数据中节点的嵌入表示.对于无标签或缺乏可靠标签的图数据集，监督方法无法正常工作，现有的无监督方法也难以学得足够准确的节点嵌入.本文提出一种自监督的消息传递图表示学习方法（SMP-GL），使用多自动编码器生成并筛选基底嵌入，基于消息传递的思想通过自监督更新节点信息来学习图节点的嵌入表示，并通过对嵌入层的覆盖更新实现多级消息传递，在不使用标签信息的情况下大幅提高了节点嵌入的准确性.论文选用四个真实世界数据集和八个先进的基线方法进行对比实验，结果表明，本文模型不仅超过了以往先进的无监督方法，而且还匹配甚至在多数任务中超过了以往先进的监督方法，能够有效应用于无标签图数据集的表示学习任务.
  • 视觉融合下的复杂路况车辆换道决策模型
    袁健，陈佳钦，潘杰忠，孙煜，赵逢禹
    2024, 45(9): 2205-2214.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    车辆换道是一个融合车辆行为及其周围环境的多因素动态过程，不合理的换道行为会招致严重的交通事故.现有安全防撞模型未考虑换道时多车辆间的耦合关系，且换道车辆的感知方式有一定局限性，在需强制性换道时决策效果不理想.因此本文提出视觉融合下的复杂路况车辆换道决策模型.该模型以单视角补偿双目视差计算的视觉融合方法感知参与换道的多车辆，解决了因车辆遮挡覆盖等非线性运动导致的多目标车辆轨迹预测误差问题，通过提取出三维的换道行为参数输入RBF神经网络进行可行性安全评估，可使车辆在合适时机进行换道.实验结果表明，提出的车辆换道决策模型在相同实验环境下相较单目检测算法YOLOv3准确性可提升5.1%，相较选取的基准双目检测算法准确性提升0.7%，且对换道进行安全评估的预测综合准确率达97.33%，能满足自动驾驶车辆强制性换道需求.
  • 边缘损失约束下的多尺度动态图卷积点云分割网络
    卢超杰，潘翔
    2024, 45(9): 2215-2220.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图卷积网络广泛应用于三维点云分割.然而最具代表性的图卷积网络（DGCNN）只考虑语义标签损失，而没有考虑分割边界损失，从而影响了分割精度.论文提出了一种用于点云分割的增强型动态图卷积网络MSES-DGCNN，联合边缘监督来提高点云分割准确率.联合损失函数在已有语义标签交叉熵损失基础上，采用标签变化提取边界区域.然后，论文在已有动态图卷积网络中增加一个边界损失模块，从而使反向传播中边界附近的困难点云样本梯度接近这些边界，并使最终分割结果接近真实边缘.同时，论文针对动态图卷积构建多尺度特征融合模块，以增强不规则形状和不均匀分布点云的语义可分性.实验表明，边缘损失模块可以使分割边界更为准确，在包括ShapeNet和S3DIS在内的基准数据集上改进了分割精度.
  • 融合位置信息和上下文的水面目标检测方法
    马赛，解志斌，邵长斌
    2024, 45(9): 2221-2227.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对复杂多变的水面环境中，小目标检测精度低、漏检率高且检测平台计算资源有限的问题，提出了一种基于Efficientdet-D0融合位置信息和上下文的水面目标检测方法.首先，采用坐标注意力机制对主干特征提取网络的主要模块移动翻转瓶颈卷积进行改进，将目标的位置信息集成到通道注意力中，提高网络对水面小目标的检测能力；其次，在特征融合网络BiFPN中引入Cot模块，增强特征融合网络对特征图相邻和全局上下文的获取能力，进一步提高检测小目标的能力；最后，为优化预测网络训练，将预测网络激活函数替换为H-swish.在WSODD测试集中的实验结果表明，本文模型的mAP相比于原始模型提高了16.95%，漏检率下降明显，且本文模型参数量小于大多现有模型，证明了本文方法在水面目标检测模型中的有效性.
  • 面向小程序的函数调用图构建方法
    叶瀚，杨哲慜
    2024, 45(9): 2228-2234.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    小程序以弱类型的JavaScript语言作为开发语言，对弱类型语言数据流和控制流的分析是准确构建函数调用图的关键.但由于小程序框架代码闭源，现有工具无法分析出其框架代码和业务代码交互的数据流和控制流信息，使其无法准确构建出函数调用图.为此本文提出了融合指针分析和关系图谱的小程序函数调用图构建方法，该方法先对文档知识进行抽取和融合构建初始关系图谱模型，再通过对代码逻辑数据流的分析来完善关系图谱，最后利用关系图谱整合和挖掘出的交互信息来指导指针分析算法对小程序函数调用图进行构建.基于该方法本文实现了小程序静态分析工具MiniDroid，实验表明MiniDroid构建的小程序函数调用图准确性达到89%，与现有工具相比提升了39%.MiniDroid对敏感API检测准确率为92%，相比于前人检测方法提升了14%.
  • 一种SysML到SLIM模型的自动构造方法
    郭沣慧，胡军，王立松，肖曦，谷青范
    2024, 45(9): 2235-2243.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，基于模型的安全性分析（MBSA）是复杂系统建模与分析领域备受关注的分析方法.由于系统架构建模语言SysML缺少形式化的语义语法，不支持MBSA方法，而SLIM语言具备形式化语义和语法，支持安全性分析，所以本文提出了一种基于ATL（ATLAS Transformation Language）的SysML模型到SLIM模型的自动构造方法SysML2SLIM.首先，搭建系统的SysML模型并导出为XMI文件格式，根据SysML规约文档以及SLIM的BNF范式构建元模型，并建立模型元素映射规则；其次，设计源模型文件处理算法，在保留必要标签信息的情况下，获得规范的SysML源模型文件；接下来，根据元素映射规则利用ATL编写转换规则文件，调用ATL引擎完成构造；然后，给出模型转换的正确性证明的推导；此外，对集成SysML2SLIM方法的工具MSAT进行介绍；最后，对航天器中的电池传感器系统进行分析，验证了自动构造方法的有效性.
  • STAR-RIS辅助ISAC系统波束赋形优化方法
    朱小双，傅友华
    2024, 45(9): 2244-2252.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文提出了将通信感知一体化(Integrated Sensing and Communication,ISAC)系统与同时透射和反射可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surfaces,STAR-RIS)相结合的系统模型，解决了传统可重构智能表面RIS不能实现全空间通信与感知的问题；同时考虑在STAR-RIS上安装低成本的专用传感器以实现ISAC系统在STAR-RIS上执行目标感知的一种新颖有源架构，解决了雷达感知的严重路径损耗问题.本文旨在联合优化ISAC基站处的波束赋形和STAR-RIS的无源波束赋形，以最大化通信用户的加权和速率(Weighted Sum Rate,WSR)，同时保证感知性能的最低信噪比(signal-to-noise ratio,SNR).为了解决该复杂非凸优化问题，交替优化基站波束赋形及STAR-RIS无源波束赋形.针对所提的满足雷达感知SNR最低要求下最大化WSR问题，基站处波束赋形的优化子问题等价为加权最小均方误差(Weighted Minimum Mean Square Error,WMMSE)问题，STARRIS处无源波束赋形优化子问题等价为分式规划(Fractional Programming,FP)问题.进一步，分别将优化的非凸子问题转化为二次约束二次规划(Quadratic Constraint Quadratic Programming,QCQP)，并使用半正定松弛(Semidefinite Relaxation,SDR)技术将它们分别转化为凸的半正定规划(Semidefinite Programming,SDP)子问题进行迭代求解.仿真结果验证了所采用新型STARRIS辅助ISAC方案的优点和所提算法在提高WSR性能上的有效性.
  • 融合CNN与BiLSTM模型的短期电能负荷预测
    杨桂松，高炳涛，何杏宇
    2024, 45(9): 2253-2260.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对卷积神经网络(CNN)在捕捉预测序列间历史相关性方面的不足以及在变量复杂情况下出现的无法精准提取预测关键信息的问题，提出一种将双向长短期记忆网络(BiLSTM)与卷积神经网络结合的CNN-BiLSTM模型.首先，采用数据预处理方法保证数据的正确性和完整性，并对数据进行分析以探究多变量之间的相关性；其次，通过CNN与L1正则化对多维输入特征进行特征筛选，选取与预测相关的重要性特征向量；最后，使用BiLSTM对CNN输出的关键特征信息进行保存，形成向量与预测序列，并通过分析时序特征的潜在特点，提取用户的内在消费模式.实验比较了该模型与其他时序模型在不同时间分辨率下的预测效果，实验结果表明，CNN-BiLSTM模型在不同的回望时间间隔下表现出了最佳的预测性能，能够实现更好的短期负荷预测.
  • 基于变分自编码器和差分隐私的轨迹数据发布方案
    王永军，王金帅，王辉，申自浩，刘沛骞
    2024, 45(9): 2261-2268.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    轨迹数据对各种应用都有很大研究价值，但其包含用户的敏感信息，直接发布真实的轨迹数据会对用户的隐私造成严重威胁.针对此问题，本文提出了一种结合变分自编码器和差分隐私的轨迹数据发布方案.首先，利用基于变分自编码器的轨迹生成模型生成相似轨迹，将其代替真实轨迹提交给可信第三方；其次，使用K-means++算法对相似轨迹进行聚类，借助指数机制选取每个子簇的位置代表元；最后，连接位置代表元构造泛化轨迹，统计相似计数sc，利用判断机制，过滤异常数据，对sc添加Laplace噪声，得到噪声计数nc，并对nc添加一致性约束处理，保证nc的可用性.实验结果表明，本方案与现有的方案相比，其隐私保护强度提高了10%~40%，而且具有较高的数据可用性.
  • VANET中隐私保护的格基异构签密方案
    崔剑阳，蔡英，张宇，范艳芳
    2024, 45(9): 2269-2277.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对车载自组织网络(Vehicular Ad hoc Network,VANET)中车辆跨密码系统通信过程中的隐私泄露问题，提出了一种格基异构签密方案.首先，方案实现了无证书密码系统(Certificateless Cryptosystem,CLC)的车辆与基于身份密码系统(Identity-Based Cryptosystem,IBC)的车辆相互通信；其次利用签密的**性和可认证性防止车辆用户在跨密码系统通信过程中发生隐私泄露，并实现了接收方对消息完整性以及发送方身份合法性的认证；最后在随机预言机模型下证明了方案在适应性选择密文攻击下具有不可区分性(Indistinguishability against adaptive Chosen Cipher Text Attack,IND-CCA2)，在适应性选择消息攻击下具有存在性不可伪造性(Existential Unforgeability against adaptive Chosen Messages Attack,EUF-CMA).性能分析表明，与其他方案相比，本文方案在计算开销、通信开销和安全性方面具有一定优势，适用于车辆跨密码系统通信的场景.
  • 融合多层注意力机制与CNNLSTM的反向散射信道预测
    徐双，文永新，刘文斌，李佳龙，李灯熬，赵菊敏
    2024, 45(9): 2278-2284.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    反向散射通信系统频谱资源十分有限且易受链路突变性影响，信道预测是提高其频谱资源利用率和通信质量的一种有效方法.但大多数现有预测方法的预测精度偏低、依赖完全已知的信道状态信息、适用性受限.为此，本文提出了一种融合多层注意力机制与卷积神经网络长短期记忆网络（Convolutional Neural Networks-Long Short-Term Memory，CNNLSTM）的信道预测方法.利用CNN模型与注意力机制提取接收信号强度序列的特征，并进一步使用LSTM模型与注意力机制提取其跨时间步长的特征，从而实现对信道指标的预测.最后，借助商用阅读器与标签采集3种不同场景下的信道状态数据，并基于Tensorflow与Keras验证了所提预测方法性能.结果表明，融合多层注意力机制与CNN-LSTM的信道预测方法具有较强的场景适用性，且其预测准确性较高.
  • MEC环境中面向5G网络切片的计算卸载方法
    张俊杰，王鹏飞，陈哲毅，于正欣，苗旺
    2024, 45(9): 2285-2293.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    5G网络切片与计算卸载技术的出现，有望支持移动边缘计算（Mobile Edge Computing，MEC）系统在降低服务延迟的同时提高资源利用率，进而更好地满足不同用户的需求.然而，由于MEC系统状态的动态性与用户需求的多变性，如何有效结合网络切片与计算卸载技术仍面临着巨大的挑战.现有解决方案通常依赖于静态网络资源划分或系统先验知识，无法适应动态多变的MEC环境，造成了过度的服务延时与不合理的资源供给.为解决上述重要挑战，本文提出了一种MEC环境中面向5G网络切片的计算卸载（Computation Offloading towards Network Slicing，CONS）方法.首先，基于对历史用户请求的分析，设计了一种门控循环神经网络对未来时隙的用户请求数量进行精确预测，结合用户资源需求对网络切片进行动态调整.接着，基于网络切片资源划分的结果，设计了一种双延迟深度强化学习对计算卸载与资源分配进行决策，通过解决Q值过高估计和高方差问题，进而有效逼近动态MEC环境下的最优策略.基于真实用户通信流量数据集，大量仿真实验验证了所提的CONS方法的可行性和有效性.与其他5种基准方法相比，CONS方法能够有效地提高服务提供商的收益，且在不同场景下均展现出了更加优越的性能.
  • 开源GPU研究综述
    贾珍珍，杨凌，黄立波，郭辉，王勇，刘胜，常俊胜，王永文
    2024, 45(9): 2294-2304.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，深度学习、科学计算等需要大量数据并行处理的应用蓬勃发展，高算力GPU愈发受到关注.相比于传统的CPU计算平台，GPU并发高、带宽高，可以大幅提升计算效率.然而，GPU的硬件架构和设计细节通常闭源，且GPU厂商提供的驱动程序也是闭源的，尽管其会提供一定的文档和技术支持，但GPU研究者难以深入了解GPU的具体架构和细节实现，这增加了GPU的开发门槛.开源可以解决这一问题，目前已有开源的编程模型如OpenCL等，帮助开发者更好的利用GPU进行并行计算，开源GPU生态初具雏形.本文以开源GPU为中心，首先阐述开源GPU的发展背景及相关概念，介绍开源GPU的生态，指出开源GPU当前发展的契机，并对现有开源GPU的架构实现进行总结，最后在此基础上对未来发展进行展望.