小型微型计算机系统

过刊目录

  • 全选
    |
  • PassConR2T:一种对比学习增强的Honeywords生成策略
    钱秋妍,曾剑平
    2025, 46(10): 2305-2312.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在基于口令的身份认证系统中,口令文件的泄露会带来严重的安全威胁.Honeywords是注入数据库的假口令,用于检测口令泄露事件.生成攻击者难以区分的honeywords是这项技术成功的关键.现实世界的攻击者通常具有语义感知能力,而用户设置的口令也往往带有自然语言信息,因此,在生成honeywords时考虑语义信息是至关重要的.对比学习是一种增强预训练模型语义表征的方法.基于这些认知,本文提出了一种新颖的基于对比学习的honeywords生成技术——PassConR2T.该技术利用预训练模型的自然语言信息强化口令表征,同时通过对比学习进一步提升了预训练模型的口令语义表征能力.本文设计了多种攻击场景,并在大量真实数据集上进行了评估.实验结果表明,PassConR2T在应对语义感知攻击者时表现出色,生成了从语义上难以区分的honeywords.
  • 知识与关系协同提示增强的中文事件关系抽取方法
    李嘉,卜凡亮,梁家杰
    2025, 46(10): 2313-2320.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对预训练语言模型在中文事件关系抽取中存在上下游任务不匹配、抽取准确度较低等问题,本文提出了知识和关系语义协同进行提示增强的中文事件关系抽取模型.首先基于提示学习的方法构建提示模板和标签表达器,通过改造下游的关系抽取任务以对齐差异,随后针对中文场景设计了一种融入关系标签语义和常识背景知识的提示模板改建策略,将含有高质量先验知识的关系标签和外部背景常识的知识注入提示模板,形成关系语义和知识的双重提示增强.最后利用RoBERTa编码,完成对事件关系的多标签分类.结果表明,模型在CEC2.0数据集上F1值达到了90.88%,效果优于当前大多数集基线模型与先进模型,即使在少样本场景下也能表现良好.
  • 基于数值增强图卷积网络的数学应用题求解
    肖伶盛,陈羽中,俞俊毅
    2025, 46(10): 2321-2327.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    数学应用题求解是机器阅读与数学推理结合的关键任务,其核心目标是通过对题目文本的理解,生成准确的数学表达式以求解问题.近年来,深度学习技术的快速发展推动了数学应用题自动求解模型的进步,此外,预训练语言模型的引入进一步提升了模型对文本语义的理解能力.然而,现有模型仍未能充分捕捉数学问题中的结构化依赖关系,缺乏对数值信息间隐含逻辑的深度建模.针对上述问题,本文提出了一个基于数值增强的图卷积网络(Number-Enhanced Graph Convolutional Network,NEGCN).NEGCN通过构建数值比较图捕捉数值的大小、类型及其相互关系,实现数值信息与文本语义特征的有效融合,从而显著提升模型的数值推理能力.此外,本文设计了一种基于句法依赖的结构化信息提取机制,将数学问题文本转化为具备句法依赖关系的图表示,并通过图卷积神经网络学习句法结构特征,为问题求解过程提供更丰富的结构化语义信息.最后,NEGCN利用交互注意力机制强化不同子句间的语义交互,提取全局语义信息,提高了模型对数学问题整体语义的把握.实验结果表明,NEGCN在MAWPS和Math23K两个数据集上的总体性能优于对比模型,表现出更高的解题准确率与稳定性.
  • 社交媒体上连边推荐机制对用户意见演化的影响
    袁科佳,殳欣成,彭松涛,宣琦,阮中远
    2025, 46(10): 2328-2337.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在当今社交媒体环境下,个性化推荐算法发挥着至关重要的作用,平台通过分析用户特征来提供针对性的内容或推荐潜在的新朋友,极大地增强了用户体验.然而,长期暴露在基于推荐算法导向的社交媒体下也可能导致一些负作用,其中最受研究关注的是回音室现象和观点极化.目前对于社交媒体连边推荐机制的研究通常关注用户网络结构和意见的相似性,但很少有工作深入探讨用户活跃度的异质性.对此,本文提出了一种基于连边推荐的Deffuant-Weisbuch模型(Link Recommendation-based DW Model,LRDW),该模型在考虑了用户之间的意见冲突的基础上,还将用户活跃度纳入推荐策略.此外,本研究探讨了不同推荐策略对意见极化的具体影响.在人工网络和真实社交媒体网络上的模拟实验结果显示,基于用户活跃度的推荐机制会加剧意见极化.同时,本文发现通过控制活跃人口的意见,在一定程度上能够引导总体意见的走向.最后本文在推荐策略中引入了随机元素,有效减弱了极化现象.
  • 基于多模态联合建模的端到端语音到文本翻译
    欧佳乐,昝红英,许鸿飞
    2025, 46(10): 2338-2344.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    通过联合建模或多任务学习,可以利用大规模的语音识别和文本翻译数据来提升端到端语音到文本翻译的性能.然而,现有大多数方法通常需要对语音翻译模型进行架构调整,或者依赖多阶段的预训练和微调.此外,语音与文本之间的模态差异使得使用共享编码器同时处理二者变得具有挑战性.为了解决这些问题,本文提出了一个简单的多模态联合建模框架.该框架将语音翻译和文本翻译的联合建模视作多语言神经机器翻译建模,并在自注意层中引入模态感知的相对位置编码,使用模态感知的单一编码器来同时处理语音和文本编码,而无需复杂化模型架构.然后结合大规模语音识别数据,和提出的基于翻译损失方法筛选的文本翻译数据,进行多模态联合建模训练.在两个基准测试中的实验结果表明,与基线方法相比,使用单编码器方法对内部和外部的语音识别及文本翻译数据进行联合建模后,可以显著提高多个语音翻译任务上双向翻译(从英语和到英语)的性能.
  • 融合多头注意力TCN网络与触地预分类模块的六足机器人步态识别模型
    陈逸阳,费世杰,毕晓宇,吴狄,潘昱杉
    2025, 46(10): 2345-2350.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为提高六足机器人在多样地形下的环境感知能力,提出了一种融合了多头注意力机制的TCN网络和触地预分类模块的六足机器人步态识别网络模型,使用多头注意力机制的TCN网络有效地捕获足端力时间序列中的重要特征,并将其与六足机器人的步态进行关联,通过接触预分类网络可以预先提取接触力信号初步特征,多头注意力机制在步态识别中能够帮助模型更好地关注关键信息、建模长期依赖关系、适应不同步态特征以及处理不同速度和地形条件下的步态变化,触地预分类通道可以与多头注意力的TCN网络融合预测,从而提高步态识别的准确性和鲁棒性.实验表明该模型具有良好的泛化性能,整体准确率比多头注意力TCN网络提升了0.9%,相比GRU网络和Transformer网络提升了1.6%和0.4%,并且拥有更高的抗噪声能力.
  • 披露主题引导的在线心理健康支持回答生成
    张丽园,刘德喜,陈启,彭文忠,万齐智,刘喜平
    2025, 46(10): 2351-2363.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    由于在线平台具有便捷、易获得、支持匿名等特点,人们倾向在平台上披露心理问题并寻求帮助.现有研究发现显式标注支持者支持策略能够提升问答模型自动生成心理健康支持回答的质量,但较少探索求助者披露主题对心理健康支持回答效果的影响.该文认为求助者披露主题与支持者支持策略存在关联,显式标注披露主题有助于引导问答模型选择合适的支持策略,进而提升心理健康支持回答的生成质量.因此,该文首先基于PsyQA数据集,标注了求助者披露主题,构建了首个包含披露主题和支持策略的中文在线心理健康支持问答数据集PtsQA.其次,该文分析了披露主题的词汇特征、分布规律和转换模式,并基于关联规则挖掘验证了披露主题与支持策略之间存在关联关系.最后,为探索披露主题对生成心理健康支持回答效果的影响,该文将披露主题显式地融入问题中作为问答模型的输入,以生成相应的支持策略和回答内容.实验结果表明,披露主题的加入有助于问答模型有效学习并预测合适的支持策略,在线心理健康支持回答的生成效果得到显著提升.
  • 考虑长度限制的X结构Steiner最小树算法
    郑瀚,杨智宏,刘耿耿
    2025, 46(10): 2364-2373.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    长度限制Steiner最小树模型能够充分利用障碍内布线资源以进一步缩短总线长,进一步考虑X结构具有更好的线长优化效果,同时麻雀搜索算法具有良好的优化能力,本文基于动态种群麻雀搜索算法,提出了一种高质量的考虑长度限制的X结构Steiner最小树算法.首先,提出了一种基于动态种群机制改进麻雀搜索机制,通过动态调整种群结构以提高麻雀的多样性,避免算法过早陷入局部最优解.其次,提出了一种混合初始化策略以提高初始种群的多样性,有利于算法找到质量更佳的解.最后,提出了一种考虑角点复用的调整策略,通过在调整期间复用障碍物角点,有效缩短了绕行所需的线长.实验结果表明,相比于同类工作,本文所提出的算法能够取得良好的线长优化效果,证明了该算法的有效性,为电子设计自动化领域的布线优化提供了一种新的方法和思路.
  • 改进多子群合作的约束多目标粒子群优化算法
    周茹平,李雪英,刘耿耿
    2025, 46(10): 2374-2383.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为解决约束多目标优化问题中约束性、收敛性与多样性之间的矛盾,本文提出一种改进多子群合作的约束多目标粒子群优化算法.算法将种群划分为一个主群和多个子群,主群专注于探索可行域,子群关注解空间探索而不考虑约束条件,以此有效平衡三者.针对子群,设计循环动态重组策略,定期重组子群,提升多样性.针对主群,设计动态抖动更新策略,通过加入抖动项,有助于跳出局部最优;设计分布多元化增强策略,利用权重向量选择后代种群,确保解集的均匀分布;设计渐进式限域策略,随着迭代收缩探索空间,保证约束性与收敛性.实验结果显示,对比同类算法,该算法在14个测试用例中表现最佳,并在其中10个用例中取得最优结果.
  • 融合多尺度特征的弱监督异常行为检测方法
    肖波,许辰月,李胜广,曾昭龙,王蓉
    2025, 46(10): 2384-2391.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对视频异常行为检测中目标多尺度变化以及特征衰减问题,提出了一种融合多尺度特征的视频异常行为检测方法.首先,在特征提取阶段构建了交互式局部和全局特征提取模块,采用并行结构以最大限度保留卷积神经网络和Transfomer各自的特征提取优势,并以多层次特征融合的方式融合局部和全局特征.其次,设计了多尺度特征感知模块,通过自适应池化和一维卷积层来提取并融合多尺度上下文信息以获取更丰富的语义特征表示,然后,设计了非局部特征提取模块,通过捕捉长距离特征依赖关系,实现每个位置特征与其他任意位置的特征交互,从而增强网络的全局语义信息理解能力.最后,本文在Shanghai Tech和UCF-Crime数据集上进行实验,分别取得了98%和86.25%的准确率,表明了提出方法能够有效提升异常行为检测方面的精度.
  • 多视角特征融合的孤立手语识别方法
    唐翱,薛珮芸,强彦,白静,乔安然,许乾明
    2025, 46(10): 2392-2400.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前国内尚无公开的多视角手语数据集,手语识别研究主要围绕单一视角数据展开,由于手势遮挡问题,模型识别效果不佳.针对这些问题,创建了一个多视角孤立手语数据集(Multi-View Chinese Isolated Sign Language Dataset,MV-CISL);基于该数据集,提出了一种多视角特征融合的孤立手语识别方法,该方法使用基于改进的3D-ResNet18的端到端多流网络提取不同视角的特征信息,并通过决策级融合来整合这些特征信息;为提高网络识别性能,使用CSL-500单视角数据集对所提出网络进行迁移学习,并将其应用于MV-CISL数据集.实验结果表明,所提出方法在性能上优于单视角和双视角方法;在多流网络骨干模型ResNet+LSTM、ResNet+BiLSTM、3D-MobileNet和3D-ShuffleNet上进一步验证了该方法的有效性;与基于正面视角RGB和深度信息融合的方法相比,数据采集成本更低,性能更优良.
  • 带标签噪声的人脸表情识别模型
    李慧,师文
    2025, 46(10): 2401-2408.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    真实场景下人脸表情数据集中标签噪声大量存在且难以避免,因此降低标签噪声对人脸表情识别效果的影响,提高真实环境中人脸表情识别的准确率具有重要现实意义.为解决此问题,本文提出融合自注意力机制和人脸局部特征的对抗自编码器SLAAE.首先,在AAE模型中加入自注意力机制,实现图像内部信息的交互,帮助网络更好地提取特征;其次,提取面部图像中更能体现表情特征的人脸关键点,作为局部特征输入模型,从而提高表情识别的准确率;最后,在真实数据集中添加不同比例、不同类型的标签噪声进行对比实验.实验结果表明本文提出的SLAAE模型与其他模型相比,能有效提升带标签噪声的人脸表情识别效果.
  • 结合单流网络的自监督语音-人脸跨模态学习方法
    钟方昊,卜凡亮,秦昊铭,马启明
    2025, 46(10): 2409-2416.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现有的非监督语音-人脸跨模态关联学习方法多采用双流网络结构,在降低计算复杂度和实现高效非监督方法方面还面临一些挑战,为了改善模型性能,提高跨模态学习的效率,提出一种结合单流网络的自监督语音-人脸跨模态学习方法.首先,将预处理的两种模态数据送入单流特征提取网络,然后对提取的两种模态特征向量进行基于注意力机制的特征融合得到视频粒度的特征表示用以在线深度聚类,最后使用聚类步骤生成的伪标签指导度量学习方法来学习两种模态的关联,从而完成跨模态关联学习任务.实验结果表明,本文提出的方法在语音-人脸跨模态验证、匹配和检索任务上均取得了良好的效果,在考虑网络结构轻量化和灵活性的同时保证了优秀的性能.
  • 信息引导的注意力网络低光照图像增强方法
    王浚瞩,杨茂达,王瑛,李靖琳,邓红霞
    2025, 46(10): 2417-2423.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在低照度条件下获取的图像通常存在亮度不足和对比度低的问题,简单的亮度增强则可能引入明显的噪声.针对低光照图像增强,提出了一种信息引导的注意力模型——ILEFormer(Information-guided Low-light image Enhancement Transformer).该模型通过两级增强网络(亮度增强网络和去噪网络)实现对低光照图像的有效增强.亮度增强网络采用编码器-解码器结构,对图像的亮度分量进行特征增强并生成指导信息.骨干网络设计了一种全新的混合注意力机制,在亮度增强网络生成的信息指导下,对通道特征进行自注意力计算,同时插入空间注意力,增强了模型的特征提取能力.实验结果表明,ILEFormer在主观和客观图像质量评价上均优于大多数主流算法,并且具备高效的计算性能,适用于各种低光照环境下的图像增强任务.
  • 标签引导的图神经网络小样本图像分类方法
    赵宇,魏巍,岳琴,王锋
    2025, 46(10): 2424-2430.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    小样本学习旨在通过有限数量的标记样本来训练分类器,以增强模型的泛化能力.现有方法主要依赖于样本特征作为图节点进行消息传递,并对样本间的关系进行隐式建模.然而,这种方法容易导致特征相似但类别不同的样本之间发生混淆,同时未能充分探索样本间潜在的复杂关系.针对这一问题,本文提出了一种标签引导的图神经网络小样本图像分类方法.该方法通过结合类原型和类标签信息作为图节点构建原型图神经网络,利用样本标签信息引导的相似性网络生成的邻接矩阵构建样本关系图神经网络,并采用一致性损失函数实现了两个图神经网络之间的相互指导与优化.在miniImageNet和tieredImageNet数据集上的实验验证表明,所提出的方法在小样本图像分类任务中的性能优于其它现有代表性方法.
  • 双通道噪声抑制网络及在阴影去除中的应用
    黄璞,苏畅,杨章静,杨国为
    2025, 46(10): 2431-2439.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对图像中阴影覆盖导致信息缺失的问题,提出了一种基于Transformer的阴影去除方法——双通道噪声抑制网络(DNSNet).该方法在Transformer的基础上集成了全局双通道注意力模块,结合通道注意力和空间注意力机制,以捕获全面的全局上下文信息,从而实现精确的阴影去除,显著提升了阴影区域的清晰度和准确性.在阴影处理阶段,DNSNet进一步引入了噪声抑制注意力聚合模块,有针对性地突出关键特征,从而有效改善了阴影区域的处理效果.在ISTD、ISTD+和SRD数据集上的实验结果表明,DNSNet在阴影去除任务中,相较于现有方法,表现优异,不仅有效减少了阴影对图像质量的影响,还成功保留了图像的关键细节和自然纹理.
  • 跨模态对比学习的医学影像报告自动生成方法
    陈淮玺,吴运兵,刘建成,曾坤,陈开志
    2025, 46(10): 2440-2449.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    医学影像报告自动生成领域因图像与文本在不同语义空间中的分布差异,导致模态之间映射困难,从而出现误判、漏判、以及报告描述缺乏专业性与流畅性等问题.为此,本文提出一种基于跨模态对比学习的自动生成方法.首先,通过检索和比较医学图像与其相关病史信息,获取图像差异,然后结合患者病史语义特征生成初步报告.接着,将初步报告输入跨模态语义同步记忆单元,记忆单元中存储输入图像与真实报告特征信息,计算报告与记忆单元样本点之间对比损失,不仅缩小生成报告与正样本之间距离,还扩大与负样本间距离,以优化视觉-文本特征提取器,最终生成优化后与图像信息高度一致的报告.实验结果表明,与DeltaNet模型相比,在IU X-Ray和MIMIC-CXR两个基准数据集上,BLEU-4和CIDEr指标分别提升1.3%和11.5%,表明本文方法可以有效提升报告准确性与可读性.
  • 高效安全的分布式身份管理机制
    熊天民,甄逸飞,叶哲名,张召,金澈清
    2025, 46(10): 2450-2456.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    数字身份在数字经济时代的信任体系中扮演着至关重要的角色,公共服务、电子政务以及供应链管理等应用都依托于真实可信的数字身份.传统的中心化身份管理模式下,各系统和平台的身份作用域彼此割裂,相互认证和验证效率低下,且身份隐私泄露和伪造身份凭证等现象层出不穷.本文借助区块链的分布式身份,结合提高系统安全性的隐私保护技术,设计了一种支持跨平台身份认证且高效安全的分布式身份管理机制,提出了智能合约多版本数据管理方案,提升了智能合约的存储效率并支持版本数据查询.提出了基于零知识证明的灵活隐私保护凭证,设计了一种计算证明与默克尔证明混合电路,能够减少凭证出示时的隐私泄露风险,并保证身份数据的真实性.实验表明,该机制在存储开销和查询性能上与现有的方案相比有较大优势,零知识证明各阶段的性能验证了机制的安全性和实用性.
  • 去蜂窝大规模MIMO系统中基于贪婪禁忌搜索的导频分配算法
    周围,余明明,黎飞雨,向曾,陈黎
    2025, 46(10): 2457-2462.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在去蜂窝大规模多输入多输出系统中,因正交导频数量有限,导频复用会产生严重的导频污染.传统导频分配算法无法较好地协调导频污染抑制能力和复杂度.针对该问题,本文提出了一种低复杂度的贪婪禁忌导频分配算法.首先进行贪婪导频分配来提高较低性能用户的有限性能,然后将贪婪导频分配的结果作为禁忌搜索算法的初始迭代导频分配索引矩阵,通过局部邻域搜索,引入禁忌表避免陷入局部最优.算法还设置了停止准则来减少搜索次数.通过理论分析和数值仿真,对不同导频分配算法的复杂度及吞吐量进行了对比.结果表明,与传统算法相比,本文所提算法能够在较低的复杂度下显著降低导频污染,提高系统的吞吐量,实现了性能和复杂度的平衡.
  • SDN中基于流长度分布和多控制器的轻量级流表空间优化方案
    何亨,王佳,彭哲喆,聂雷
    2025, 46(10): 2463-2470.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了支持软件定义网络(SDN)中高速数据包转发,商用OpenFlow交换机通常使用三元内容寻址存储器(TCAM)来存储流表项.然而,交换机中TCAM容量有限,可能导致流表溢出,难以满足大规模网络的性能需求.基于互联网上流量长度的实际分布,本文提出了一种SDN中基于多控制器的轻量级流表空间优化方案(FODC).FODC设计了一种轻量级的大象流检测算法和混合转发策略,基于概率性数据结构使控制器能快速准确区分数据包属于老鼠流还是大象流,老鼠流由控制器通过Packet-Out消息直接转发,大象流通过在交换机上安装流表项转发.同时,设计了一种基于Gossip协议的分布式多控制器架构和相关算法,实现多个控制器间负载均衡和协同工作.仿真实验表明,FODC可以有效缓解OpenFlow交换机流表空间受限的问题,具有较好的扩展性,并快速实现多控制器负载均衡,满足大规模网络的性能需求.
  • 一种面向车联网的联邦学习参与者选择算法
    田杰,吴旭,李元鹏,张国强
    2025, 46(10): 2471-2477.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于联邦学习的数据共享在车联网领域具有广泛的应用前景.作为一种原始数据仅在本地处理的分布式机器学习框架,联邦学习有效减少了车联网用户的隐私顾虑,并能够有效利用存储在车辆本地的海量道路数据.不过,不同车辆的数据分布异构、硬件资源受限、行为不可预测等因素对联邦学习的进一步应用提出了挑战.为此,本文提出了一种基于多目标优化的新型联邦学习参与者选择算法FedMOOCS,该算法将车辆的可信度、数据传输能力、算力、可用内存、剩余能量等指标作为优化目标,通过基于NSGA-II的多目标优化算法综合评估上述指标并在每一轮训练中选出最合适的参与者集.与3个基线方法的对比证实了该方案不仅能够显著提高联邦学习的性能,而且有效降低了每轮训练的平均时延.
  • DockDepend：一种Dockerfile指令行依赖关系抽取方法
    陈铁明,钟云锦,朱志凌,王婷,宋琪杰
    2025, 46(10): 2478-2486.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对Dockerfile指令行间依赖关系判断精度差、效率低的问题,提出了Dockerfile指令行依赖关系抽取方法DockDepend.通过数据处理模块抽取各指令行的特征信息,转换为统一的Meta特征结构,结合覆盖全指令组合的依赖判定规则,DockDepend可实现精准高效的依赖关系判断.实验结果表明,DockDepend的精准度显著优于基于关键词匹配方法和基于大语言模型的方法,平均准确率提升64.02%和44.17%.同时,DockDepend在处理效率方面明显优于人工手动标注和大语言模型,对于不同长度的Dockerfile解析速度均稳定在秒级.DockDepend实现了精准高效的Dockerfile指令行间依赖关系抽取,为Docker构建过程的优化和自动化提供了有力的技术支持.
  • 基于跨层优化的无人机自组网BBR拥塞控制算法
    张伟,任智,张琳权,杨建军
    2025, 46(10): 2487-2494.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对无人机自组网中的连接迁移和流量突发等现象带来的时延上升和吞吐量降低的问题,本文提出了一种基于跨层优化的无人机自组网BBR拥塞控制算法(Cross-Layer Optimization-Based BBR,CO-BBR).首先,设计了基于路由变化的跨层自适应速率及时延更新机制,以改善在连接迁移时网络吞吐量和时延的性能表现.其次,设计了按需带宽连续探测机制,以改善网络流量突发时的网络吞吐量和时延的表现.最后,通过使用OPNET Modeler 14.5软件进行仿真验证,发现本文所提CO-BBR算法在无人机自组网中的网络吞吐量和时延的性能表现均优于BBR算法;同时,在网络吞吐量没有太大损失的情况下,算法在时延这个性能指标的表现上明显优于IBCCA算法.
  • 一种结合自监督学习与解耦注意力的DGA域名检测方法
    李子川,罗文华
    2025, 46(10): 2495-2501.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着网络空间战略地位的不断提升和网络安全事件的频发,在网络安全领域,检测和分类由域名生成算法(DGA)生成的恶意域名是防范恶意软件和高级持续性威胁的关键挑战.现有检测方法大多依赖人工提取特征或大量带标记数据集,这不仅耗时且容易受到复杂网络环境的影响,尤其是当攻击者识别并规避这些特征时,检测效果会大打折扣,因此传统检测方法在应对复杂且动态变化的DGA域名时常常表现不佳.为了解决已有方法泛化能力弱的缺点,本文提出了一种基于自监督学习和解耦注意力机制的DGA恶意域名检测系统,该系统基于DeBERTa序列模型,包含自监督预训练和微调两个训练步骤.首先自监督预训练从未标注的大规模数据中自动学习特征表示,减少了对标记数据的依赖.随后,在DGA数据集上对预训练模型进行微调,进一步优化其在异常检测任务中的表现.通过引入解耦注意力机制,模型能够更准确地融合URL中的位置和字符信息,从而提升恶意域名的检测性能.实验结果显示,所提出的基于DeBERTa的自监督预训练模型在DGA检测中的准确率、召回率和F1分数显著优于传统方法,展示了其在复杂网络环境中的卓越性能和鲁棒性.该研究为利用先进的自监督学习技术提升网络安全检测系统的效果提供了重要参考.
  • 一种并发漏洞主题建模与分析方法
    薄莉莉,胡宇飞,刘静,孟醒
    2025, 46(10): 2502-2507.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    传统的主题模型在训练过程中仅利用了单个文档内词语的相互关系,未能充分利用与该文档主题相关的其他文档和词语信息.工作提出了一种基于图注意力网络的并发漏洞文档间主题建模方法(GATTM),旨在捕捉并发漏洞文档间的相关性,克服了传统方法的局限性.该方法将并发漏洞语料库中文档和词语表示为文档关系图,并引入了注意力机制,强化了节点特征表示,并通过聚合文档邻接节点信息来识别主题分布.通过所构建的数据集进行对比实验,GATTM在主题建模中的性能表现优于其他常见方法,能够深入探讨并发漏洞数据集中受用户欢迎和困惑程度较高的主题.通过分析主题难度和流行度,提升了Stack Overflow用户的指导效率和问题解决准确性.
  • 面向无人机通信的VSSDM盲均衡算法研究
    苏恒,周帆,费顺超,陈曦,王巍
    2025, 46(10): 2508-2514.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    信道均衡是解决无人机通信信号码间串扰问题的关键技术之一.为减小无人机通信信号传输过程中因信道畸变而产生的码间串扰带来的影响,加快均衡收敛速度,降低通信系统的误码率,本文提出了一种新的变步长双模式(VSSDM)盲均衡算法,在均衡阶段将接收端信号的实部和虚部进行并行处理,校正无线电信道引入的载波相位旋转问题,在此基础上根据收敛圆切换准则调整误差控制函数,并引入变步长控制,加快收敛速度,进一步降低稳态误差.仿真结果表明,该算法相对于传统的均衡方法具有更好的收敛性能,均衡后期ISI降至-27dB,收敛速度提高,在600个符号左右算法完成收敛.
  • 无服务边缘环境中的镜像缓存与资源分配
    曾旺,池梦莉,于正欣,苗旺,陈哲毅
    2025, 46(10): 2515-2522.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    新兴的无服务边缘计算(Serverless Edge Computing,SEC)可在降低任务计算延迟的同时高效应对多变的服务模式,进而提升资源利用效率.然而,在资源受限的SEC中部署服务时常出现频繁的镜像置换,导致了过度的服务延迟与通信成本.现有的解决方案通常通过修改镜像结构或移动仓库位置来降低镜像请求时间,但其在一定程度上违背了容器隔离的设计初衷,并造成了额外的计算与存储开销.为了解决这些重要挑战,本文提出了一种新颖的面向SEC环境的镜像缓存与资源分配(Image Caching and Resource Allocation,ICRA)框架,并将原问题解耦为两个子问题分别进行求解.针对镜像缓存子问题,设计了一种基于改进深度强化学习(Deep Reinforcement Learning,DRL)的镜像缓存方法,通过引入双critic网络与延迟更新机制,以提升镜像缓存性能.针对资源分配子问题,根据任务属性与队列负载,引入凸优化理论进行容器资源分配以降低任务完成延迟.大量实验验证了所提ICRA框架的有效性.与基准方法相比,ICRA框架能够在保证服务质量的同时显著降低系统成本,并在不同场景下均表现出更加优越的性能.
  • 利用事件视觉传感器的古筝琴弦振动测量方法
    朱春霖,李当先,余洪伟,江未来
    2025, 46(10): 2523-2530.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    古筝的音色高度依赖琴弦振动特性,而振动过程中的瞬态位移与基频又直接决定了琴弦的发声品质.现有的非接触式测量方法易受运动模糊和数据处理困难的限制.事件相机凭借高时间分辨率、高动态范围、低延迟等优势,其捕捉高频信号的能力更优越.琴弦振动产生的位移引起的光强度变化会触发事件,从而形成稀疏的琴弦振动事件流.因此,本文提出了一种基于事件视觉传感器的古筝琴弦振动测量方法,利用事件相机实时捕获琴弦振动事件信息,得到琴弦的瞬态位移和基频信息.实验表明本文方法不仅测量准确、有效,而且可以提取振动的关键参数,可视化琴弦的振动过程,实用性强.可应用于古筝、吉他等弦乐器的制作、调音和音质分析.
  • BseCS：结合协同注意力的双向语义扩充代码搜索模型
    董以越,金大海,宫云战
    2025, 46(10): 2531-2540.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    开发者会使用大量时间检索可复用代码片段以提高整体开发效率.传统代码搜索引擎无法理解代码和查询间语义关联,对查询中关键词准确度要求极高.现有基于深度学习的代码搜索模型一定程度上可建立有效语义关联,但仍对关键词准确度有较高要求,且代码与查询间存在模态差异,不规范命名与模态差异对语义理解造成严重负面影响.本文提出双向语义扩充机制并构建代码搜索模型BseCS,使用协同注意力机制将代码结构信息与查询语句自然语言信息分别融入查询特征和代码特征,减少对关键词的过度依赖并增强代码段自然语言成分以弥合模态差异.在两个代码搜索数据集上进行了评估,BseCS在两数据集上平均倒数排名分别达到0.561/0.667,较最佳基线模型提升9.14%/19.96%.
  • 实时系统中的逻辑执行时间模型研究综述
    单茂洋,林宇晗,王书墨,邓庆绪
    2025, 46(10): 2541-2547.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着实时嵌入式系统日益复杂化,系统时间确定性需求变得愈发迫切.逻辑执行时间(LET)模型作为一种实时编程抽象模型,通过确定从读取输入到写入输出的时间间隔,使系统行为与物理执行时间解耦.LET模型区别于零执行时间(ZET)和有界执行时间(BET)模型,其核心在于将任务输出延迟到任务周期结束时才发布,以消除输出抖动.研究者基于LET模型开发了Giotto等编程语言,并针对多核平台提出了通信同步机制和内存访问优化方法.同时,系统级LET等扩展形式解决了分布式环境中的非零通信延迟和时钟同步问题.本文的贡献在于系统综述LET模型的理论基础、应用实现及其扩展与优化,为下一代智能网联汽车、工业控制器等领域的实时系统设计提供可靠的技术参考.
  • RISC-V指令集扩展研究：设计、实现与应用
    邵宴萍,黄立波
    2025, 46(10): 2548-2560.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    指令集架构是沟通软件和硬件之间的关键技术.RISC-V指令集以其简洁性、模块化和开源特性逐渐脱颖而出,它允许设计人员灵活扩展以提升处理器功能和性能,满足特定场景下的需求.RISC-V标准组织也不断推出新的标准扩展,以适应不断变化的应用需求.本文以RISC-V指令集扩展为核心,首先阐述了RISC-V指令集的架构及现有扩展,并分析了自定义扩展的设计流程.然后介绍了在软硬件上实现指令集扩展的通用方法,并通过具体的研究案例详细探讨了RISC-V指令集扩展在人工智能、高性能计算及后量子密码学领域的实际应用.最后,在此基础上,对RISC-V指令集扩展的未来发展方向进行了展望.