小型微型计算机系统

Select

彭超，王泽泷，赵培泽，黄沁，戈维峰

2025, 46(12): 2817-2823.

摘要 ( ) PDF全文 ( )

可视化

抗体是由B细胞产生的一类蛋白质，在免疫系统中发挥着至关重要的作用.针对抗体互补决定区域建模困难的问题，提出了基于深度学习的抗体结构预测模型AbFold，该模型融合同源序列与蛋白质语言模型之间互补信息.首先，从同源序列提取抗体序列的进化约束与序列中氨基酸对间的相互关系；同时从抗体语言模型中提取抗体序列的氨基酸间依赖关系；然后，通过基于全连接层的神经网络融合同源序列与蛋白质语言模型之间互补信息；最后，基于注意力机制与变分自编码器的结构模块迭代优化，以预测抗体的三维结构.实验结果表明，AbFold模型能够有效预测抗体结构，预测结果中互补决定区域精度优于对比方法.

Select

进阶状态感知的知识追踪模型

张一帆，袁景凌，张鑫，唐星

2025, 46(12): 2824-2831.

摘要 ( ) PDF全文 ( )

可视化

知识追踪任务旨在通过分析学生的交互记录来追踪其知识状态，并预测学生下一步的答题情况.在实际教学中，对学生在学习过程中从初步了解知识到逐步掌握和应用的过程进行建模至关重要.然而，现有的知识追踪方法忽略了这一动态变化，导致现有方法难以根据学生不同学习阶段的表现针对性分析.对此，本文提出一种进阶状态感知的知识追踪模型（Progression-State-Aware Knowledge Tracing model，PSA-KT），细粒度地考虑学生进阶状态对知识掌握状态变化的影响.PSA-KT通过对学生的知识掌握情况进行量化分级以构建学生进阶状态，细粒度地刻画学生在不同学习阶段的学习状态；提出学生进阶状态预测作为辅助任务，通过结合学生的进阶状态和历史的知识掌握状态进行知识追踪预测，以更准确地反映学生的学习状态.本文在4个真实在线教育公开数据集上进行实验，结果表明PSA-KT模型相比最优模型在AUC上平均提高1.92%，ACC上平均提高1.48%，分析并验证了所提出的学生进阶状态量化分级在提升知识追踪对学习过程自适应方面的有效性.

Select

一种结合自监督预训练与多种注意力适配器微调的伪造语音检测方法

曾高俊，任英杰，芦天亮，陈卓鹏，张溢文，黄万鑫

2025, 46(12): 2832-2839.

摘要 ( ) PDF全文 ( )

可视化

语音自监督预训练模型可以从大量未标记数据中获取语音任务通用特征表示，从而解决伪造语音检测算法泛化性不高的问题，但全参数微调预训练模型存在参数效率低、训练开销大的问题.因此，本文提出了一种结合自监督预训练模型与多种注意力适配器微调的伪造语音检测方法，以自适应低秩微调方法为基础，设计并引入了基于空间注意力的并行卷积适配器与基于隐藏维度注意力的串行前馈适配器，通过插入这两种轻量级适配器模块来减少微调可训练参数和降低训练开销.同时，这两种适配器可以通过弥补模型在空间位置与隐藏维度关系方面捕捉能力的不足，从而提高模型的检测性能与泛化能力.基于ASVspoof2019 LA、PA数据集的实验证明了所提检测方法的有效性，在LA数据集上将竞赛基线模型的等错误率指标降低了98%，在PA数据集上将竞赛基线模型的等错误率指标降低了91.6%.基于多个数据集的跨数据集测试实验进一步验证了所提检测方法的良好泛化性能.

Select

一种基于语境的学生在线讨论认知过程分析模型研究

叶俊民，罗晟，于爽，尹兴翰，谢易良

2025, 46(12): 2840-2847.

摘要 ( ) PDF全文 ( )

可视化

认知过程分析作为教育领域一大热点内容，其能够帮助教师理解学习者的认知能力，以帮助教师更好了解学生学习状态.然而，当前的学生在线协作学习认知过程分析研究中存在以下问题：1）现有认知过程分析模型仅考虑了基础的语义信息，没有考虑将语义信息进行增强，模型准确性较低；2）当前研究仅考虑了语句本身信息，没有考虑语境信息，这导致模型难以正确分析表达不同认知过程的相同语句.为此，提出一种基于语境的认知过程分析模型.首先，使用BERT模型构建词嵌入层对学生讨论进行词嵌入.其次，构建语义信息增强层捕获重要语义特征.再次，构建语境信息捕获层捕获并强化讨论的语境特征.最后，构建输出层分析学生讨论的认知过程.在三门真实课堂产生的数据集上进行实验，结果表明，所提出模型的F1值和AUC值均优于现有模型.在此基础上，利用混合增长模型分析了认知过程与小组成绩的关系.

Select

距离图辅助的蛋白质复合物多种群组装方法

宋自超，崔新月，张贵军

2025, 46(12): 2848-2855.

摘要 ( ) PDF全文 ( )

可视化

自然界中许多蛋白质通过形成复合物来发挥其生物功能，解析这些蛋白质的结构对于理解其功能和相互作用、揭示分子机制极其重要.随着深度学习的发展，蛋白质单体结构预测获得了显著进展，但复合物结构预测依然面临诸多挑战.本文提出了一种基于距离图辅助多种群协同进化的复合物组装方法C-DeepAssembly.首先，运行AlphaFold-Multimer和DeepAssembly，并通过其预测结构提取距离图.随后，在模拟过程中，通过多种群协同进化算法计算得到链间旋转平移量.最后，将旋转平移量施加到单体上，实现单体间对接，从而组装得到最终复合物结构.在21个CASP15二聚体目标蛋白和105个二聚体蛋白上的测试结果表明，C-DeepAssembly方法组装得到的最好模型比AlphaFold-Multimer方法平均TM-score分别提升了7.9%，16.6%.

Select

改进侏儒猫鼬算法在降低阻塞流水车间分批调度问题中碳足迹的应用

刘西洋，栾方军，赵明,金宁,门蕊

2025, 46(12): 2856-2865.

摘要 ( ) PDF全文 ( )

可视化

随着绿色环保意识和可持续发展理念的深入人心，考虑碳足迹的阻塞流水车间分批调度问题作为一种极具应用价值的调度问题受到了广泛关注.为此本文建立了最小化makespan、阻塞时间和碳足迹多目标优化模型.首先利用AFRB5算法对该问题求解初始优质解；然后对侏儒猫鼬算法进行了创新性的改进，基于实验设定成为阿尔法组成员的参数，并采用保留优势编码段的CM1和CM2双策略修改侦查组的运动轨迹；最后制定了保姆组的交换标准.在Taillard标准数据集上进行实验并对比分析目标函数值和评价指标，结果表明本文提出方法在70%以上的算例中都可以得到最优解，对调度方案的优化能力和帕累托解集的稳定性方面都表现出优越性.

Select

融合图破坏与对比学习的跨域推荐方法

翟远鹏，魏楚元，卓胜达，王昌栋，黄书强，刘杰

2025, 46(12): 2866-2875.

摘要 ( ) PDF全文 ( )

可视化

跨域推荐作为一种有效解决传统推荐系统数据稀疏性问题的方法，近年来广泛受到关注.现有的跨域推荐模型通常通过迁移源领域的丰富信息来弥补目标领域的稀疏数据，从而提升推荐效果.这些方法面临两个主要挑战：一方面，迁移的辅助信息可能包含噪声，干扰源领域有效信息的传播；另一方面，许多模型未能充分挖掘用户-物品交互图中的高阶信息，尤其是物品之间的潜在关系.为解决这些问题，本文提出了一种融合图破坏与对比学习的跨域推荐方法，引入“超级用户”和“超级物品”的概念.通过将活跃的超级用户和超级物品作为信息传播的核心，构建用户圈和物品圈，形成跨域知识关联的桥梁.此外，本文还提出了一种创新的图破坏技术框架，结合对比学习，能够更加有效地挖掘潜在的用户与物品关系，优化推荐性能.实验结果表明，所提出的方法在多个现有推荐模型中展现了显著优势，验证了其在复杂推荐任务中的有效性和优越性.

Select

时空注意力驱动的分组异步多智能体强化学习框架

陈涛，唐静峰，成科扬，彭长生

2025, 46(12): 2876-2883.

摘要 ( ) PDF全文 ( )

可视化

在无人驾驶、智能制造和自动化物流等实际应用中，智能体需要高效协同以应对复杂多变的场景.然而，现有的合作模型对合作动态变化的刻画仍显不足.为解决这一问题，提出一种结合动态时空注意力机制和分组异步学习策略的多智能体强化学习框架.该框架能够更好地捕捉智能体之间的时空协作特性，并提高系统的训练效率与稳定性.框架中的动态时空注意力网络通过时域卷积网络分析智能体的轨迹，扩展卷积范围以捕捉更大范围的依赖关系，即使没有显式位置编码，也能通过多层卷积逐步聚合上下文信息，提升时空特征的表达能力.通过计算智能体间的动态影响权重，模型能够优化关键注意力的分配，从而提升多智能体的协作效率，特别是在复杂动态合作任务中.此外，分组异步更新模块通过将智能体分组并异步更新，显著提高训练效率和稳定性.组内智能体采用同步更新策略，组间则采用异步更新，从而减少梯度波动，增强系统的鲁棒性.实验结果表明，该方法在保持高效性和鲁棒性的同时，能够更全面地建模智能体间复杂的协作动态关系.

Select

多语言机器翻译驱动的复述生成

阎子悦，昝红英，许鸿飞

2025, 46(12): 2884-2890.

摘要 ( ) PDF全文 ( )

可视化

复述（Paraphrase）使用不同的词汇、句子结构或表达方式，传达相近的语义.复述可以有效地扩充训练数据，提升低资源自然语言处理（Natural Language Processing,NLP）任务的性能，现有的工作通常利用机器翻译将双语平行语料中一种语言的语句翻译到另一种语言，作为相应语句的复述.由于机器翻译模型通常在同一个平行语料库中训练，利用翻译模型生成复述库再在复述库上训练复述模型，较原始的双语数据可能会导致信息损失.本文提出在双语平行语料上训练双向的多语言神经机器翻译（Multilingual Neural Machine Translation,MNMT），通过设置语言标记，将多语言机器翻译模型直接作为复述模型使用，要求多语言机器翻译模型直接生成指定语言的复述.人工评估和自动评估结果表明，本文提出的方法生成的复述句较现有的复述库具有更高的流畅性、多样性和语义一致性.在GLUE（General Language Understanding Evaluation）任务上的实验表明利用本文基于多语言机器翻译的复述模型可以更有效地提升多个方面的自然语言理解任务性能.

Select

全局图感知驱动的细粒度3D实例分割算法

张道康，张严辞

2025, 46(12): 2891-2899.

摘要 ( ) PDF全文 ( )

可视化

零样本3D实例分割在无需预定义类别的情况下分割3D场景中的实例对象，近年来受到广泛关注.然而，有限的3D点云标注数据限制了该领域的发展.为了避免数据匮乏带来的影响，一些方法尝试借助2D视觉模型辅助3D实例分割，但受限于场景的重建质量或局限于相邻帧的局部信息，导致分割精度不足.为了提高分割质量，本文提出了一种基于全局图感知的3D实例分割算法，不依赖于场景重建质量，同时整合所有帧提供的全局决策信息.算法利用全局图结构来捕捉并理解点之间的关系，并基于不同的掩码集的特性应用多种图聚类技术，在保留场景细节的同时提取出高质量3D实例.实验结果表明，本文方法在Scannet200基准数据集上的零样本3D实例分割任务中实现了优异的性能.

Select

图像扩频水印技术综述

郭慧娟，牛保宁，贺艺斌，赵鹏

2025, 46(12): 2900-2918.

摘要 ( ) PDF全文 ( )

可视化

随着网络和多媒体技术的飞速发展，数字图像的传输、复制和编辑更加方便，数字图像的版权保护成为研究热点.数字水印将版权信息作为水印隐藏于数字图像中，在发生版权纠纷时，提取水印以确定所有权.扩频水印技术将扩频通信原理应用于水印领域，嵌入和提取策略简明，不可见性和鲁棒性好，一直是图像水印研究的一个热点，有大量的研究和应用.全面总结图像扩频水印技术，梳理存在的问题十分必要.首先，在水印嵌入部分，对扩频水印嵌入过程中确定嵌入方式、嵌入位置、嵌入权重的方法进行了归纳、分析和比较；其次，在水印提取部分，分类探讨扩频水印的提取方法；然后，分析宿主信号成为扩频水印提取时内在干扰源的原因，并详细讨论去除宿主信号干扰的方法—嵌入端去除法和提取端去除法；另外，介绍并分析了水印性能的评价指标和数据集;最后，对未来图像扩频水印技术的研究方向进行了展望.

Select

结合高效骨干网络与跨尺度特征融合的X光图像违禁品检测方法

王奕轩，江松林，朱松豪，梁志伟

2025, 46(12): 2919-2926.

摘要 ( ) PDF全文 ( )

可视化

X光安检在现代安防中发挥着重要作用，其可以检测出隐藏的危险品、违禁品，以防止非法物品的扩散，确保公共场所的安全.针对公共场所X光图像违禁品检测中存在的图像对比度差、遮挡物体定位不准确、检测效率低下等问题，提出了一种结合高效骨干网络与跨尺度特征融合的X光图像违禁品检测方法.首先，采用FasterNet为骨干网络的RT-DETR模型，旨在优化特征图的冗余度，在保证性能的同时提高X射线违禁品检测效率.X射线图像通常存在的低对比度和噪声使得物品的边缘和细节不清晰，增加了检测难度.不同种类物品的材质、形状和大小都可能影响检测效果.针对该问题，提出一种反向残差聚合网络，并将其与轻量级上下文下采样模块相结合使用，旨在通过增强模型的特征融合能力，以提高模型对不同物品的检测能力，并实现更好的参数利用率.最后，针对实际场景中存在的遮挡物体的定位问题，采用EIoU损失函数替代原有的GIoU损失函数，用以提高复杂背景下的违禁品定位能力，同时加快模型的收敛速度.与目前目标检测算法中精度最高的RT-DETR-R50方法相比，本文所提方法在SIXray数据集和OPIXray数据集上的mAP50指标分别高出了1.4%和1.3%，达到了95.2%和92.3%；同时FPS达到了42.9帧/秒，满足了实际场景中X光图像违禁品实时检测要求.实验结果与Grad-CAM可视化特征热图表明，本文方法在公共X光图像数据集上取得了良好的检测效果.

Select

基于可形变规范化点云的三维人脸重建

刘姝，张宇峰，王科选，潘昱杉，王皓

2025, 46(12): 2927-2933.

摘要 ( ) PDF全文 ( )

可视化

为了从单幅二维人脸图像中重建出高质量的三维人脸模型，本文提出一种可形变规范化点云的三维人脸重建方法DNPR.DNPR跳出显式人脸先验模型的固定拓扑方式，将人脸表示为规范空间中与姿态无关的几何形状和外观的点云，通过优化规范空间中的可学习点，使其在映射空间和着色空间中进行有效的变形和渲染，加速向目标人脸形状收敛，且训练后期的密集点可以很好地再现纹理细节.在IMavatar提供的基准数据集上的对比实验表明，DNPR的平均结构相似性达到0.854，平均峰值信噪比达到23.863，相较于多数传统隐式重建方法，表现出一定的优势.且训练速度为0.06h/轮次，相比于PointAvatar提高了4个百分点.

Select

多尺度信息提取融合的尘肺病X射线图像分期方法

吴健，纪国华，赵涓涓，强彦，施熠炜，杨帆

2025, 46(12): 2934-2940.

摘要 ( ) PDF全文 ( )

可视化

在尘肺病诊断过程中，X射线影像的低清晰度和病灶的轻薄弥漫性常导致人工阅片分级困难.为提升诊断分级准确性，提出了一种分割分类级联式的多尺度信息提取及跨尺度融合的尘肺病分期分类诊断模型.首先利用含有自适应卷积核模块的非对称编解码网络分割肺野，再将肺野输入到分期网络中，分期网络利用Res2Net提取5个不同层次特征，每层采用（Inception Dilation-Gated，IDG）模块捕捉病灶特征，并进行跨层级信息融合，最后，引入多尺度注意力机制，使模型能够更加聚焦于关键病灶区域，减少背景噪声干扰，提升分类性能.该模型在收集到的尘肺病数据集上测试，与基线模型相比，准确率提升了3.98个百分点，敏感度提升了5.54个百分点，F1分数提升了7个百分点，表明相比其他分类模型具有更好的分类性能.

Select

SLAW-YOLOv8：一种密集行人检测方法

陈汝熠，闫河，王艳，沈其乐

2025, 46(12): 2941-2948.

摘要 ( ) PDF全文 ( )

可视化

针对YOLOv8密集场景行人检测易出现漏检、误检现象，通过引入具有强特征提取能力的空间通道重建卷积模块（SCConv）和可分离大核注意力机制(LSKA)对其主干网络进行改进；分别在其颈部网络和检测头引入通道注意力模块（EMA）和自适应空间特征融合模块（ASFF），有效增强多通道上下文信息和目标尺度不变性能；提出一种新的WiseMPDIoU边界损失函数，从而构建出一种新的密集行人检测方法：SLAW-YOLOv8.对比实验结果表明，在PASCAL VOC2012数据集上，mAP@0.5提高了4.4%，mAP@0.5∶0.95提高了4.7%；在WiderPerson数据集上mAP@0.5提升了1.5%，mAP@0.5∶0.95提高了1.9%，有效消除了密集场景行人检测的漏检、误检现象.

Select

分层梯度约束与潜码编辑融合的年龄化模拟

刘耀晖，刘佳鑫，孙鹏，沈喆，郎宇博

2025, 46(12): 2949-2956.

摘要 ( ) PDF全文 ( )

可视化

随着人像年龄化模拟技术在刑事侦查与数字身份认证领域的重要性日益凸显，该技术已经成为计算机视觉领域的重要研究方向之一.然而现有主流人像年龄化模拟网络过于关注年龄信息的嵌入，极大程度上限制了身份相关多尺度特征的保留，此外在模拟受头发遮挡部分面部信息的人像时通常无法避免伪影的产生.针对以上问题，提出一种分层梯度约束与潜码编辑融合的年龄化模拟(Hierarchically Optimized Disentangled Editing Generative Adversarial Networks,HODEGAN).通过分层梯度约束(HGOS)分阶段优化潜在空间，在StyleGAN2框架下分别完成粗粒度形态特征建模与细粒度纹理增强，有效解决了年龄化模拟人像身份信息保留不足的问题；针对受头发遮挡人像年龄化模拟过程中产生随机分布的伪影，设计基于潜码编辑的发型迁移模块，通过构建虚拟语义区域突破传统分割约束.在CACD、CelebA等基准数据集上的实验结果表明，HODEGAN在定性及定量指标的评估中均优于对比方法，特别在受头发遮挡人像的测试中，生成结果能够有效避免伪影的产生，确保年龄特征嵌入准确的同时显著提升了人像的身份置信度.

Select

实现图像描述的超关系知识图谱的实体关系推理模型

袁健，李蓉，胡子豪

2025, 46(12): 2957-2966.

摘要 ( ) PDF全文 ( )

可视化

针对视障人士在日常生活中面临的图像识别困难，研究通过计算机视觉的图像描述技术来改善其生活很有实用价值.现有图像描述方法具有实体关系描述不全面及关系推理不准确的局限性，论文构建了一种新颖的三层超关系知识图谱TH-KG，该图谱通过分层结构，系统地呈现了实体的多维属性与复杂的多元关系，为图像内容的深度理解提供了丰富的语义基础.在此基础上，本文设计了实现超关系知识图谱的实体关系推理模型，其中，提出了一种分层随机游走推理算法HRWIA，该算法巧妙地结合了全局与局部推理策略，既保持了随机游走模型的计算高效性，又显著提升了关系推理的精确度.实验表明，本文方法的实体关系推理的效果优于其它主流基线模型，Hits@1、Hits@10、MRR评价指标均有明显提升.

Select

并行双分支融合网络及其在医学图像分割中的应用

余辰婷，王朝立，孙占全，冯小晨，张雅颖

2025, 46(12): 2967-2975.

摘要 ( ) PDF全文 ( )

可视化

医学成像技术能够清晰展示患者的解剖结构，辅助医生非侵入性观察患者体内结构和功能.近年来，基于CNN和Transformer的图像分割算法在医学图像处理领域得到了广泛应用.但两者的结合方式往往过于简单，不能充分发挥其各自的优势.本文提出了一种新型的双分支融合网络（PDBF），该网络在继承编码器解码器基本结构的基础上，设计了由深度可分离卷积分支和窗口自注意力分支组成的并行模块.这一双分支结构能够同时提取Transformer窗口内和窗口间的特征信息，从而有效扩大感受野.此外，模块中引入了跨分支的双向注意力融合机制，用以弥补因权重共享导致的通道或空间维度上的信息缺失问题.以DSC和HD95为评价指标，本文在BCV、ACDC及私有胰腺肿瘤数据集上的对比实验结果表明，PDBF与其他医学图像分割网络相比，可以取得更好的分割效果.

Select

利用扩散模型的网络入侵检测增强方法

周瑞，梁文龙，马扬，廖奕嘉，匡平

2025, 46(12): 2976-2981.

摘要 ( ) PDF全文 ( )

可视化

为解决网络入侵检测模型训练数据不平衡和泛化能力不足导致防御效果差的问题，本文提出一种基于扩散模型的网络入侵检测增强方法.通过改进现有检测过程和扩散模型，使其适用于复杂多样的入侵检测数据，该方法能够合成高质量训练数据和多样化对抗样本，从增强训练数据和增强对抗样本两方面提升入侵检测模型的性能.在入侵检测数据集上的实验表明，相比业界常用的基于变分自编码器和基于对抗生成网络的数据增强方法，本文方法能够获得更好的数据保真度和多样性，在缓解数据不平衡的同时提高检测性能.通过本文方法增强对抗样本后，能够生成更加多样化的对抗样本，使得扩散对抗训练效果优于对抗训练，增强入侵检测系统的防御能力.

Select

基于同态映射的密文计算完整性验证方法

刘泽梅，吴黎兵，霍丽娟，冯佳琪，李春朔，刘芹

2025, 46(12): 2982-2993.

摘要 ( ) PDF全文 ( )

可视化

云计算推动了外包计算发展，使得客户端能将数据存储并委托给云服务器进行计算，但会引发隐私泄露与计算结果错误等隐患.现方案用同态加密保护隐私、可验证计算验证结果，但同时使用两者会出现计算与验证空间不适配及验证低效等问题.针对上述问题，本文提出一种基于同态映射的密文计算完整性验证方法—MRinocchio，设计了一种基于同态映射的密文压缩方法，利用同态映射将密文从高维空间映射到低维空间，提高了验证算法的计算效率.此外，本方法还提出了一种基于快速插值的多项式环SNARK验证算法，有效解决了传统验证算法中函数转化成QRP时效率低的问题.本方法对内积计算、一元多项式和多元多项式3种外包计算进行了评估，结果表明在验证效率方面MRinocchio是Rinocchio的6倍左右.

Select

融合关系邻域的SDC错误检测异构图注意网络模型

贾丰沛，庄毅，许涛，史建伟

2025, 46(12): 2994-3000.

摘要 ( ) PDF全文 ( )

可视化

目前，由软错误引起的系统漏洞呈指数级增长，其中软错误可能导致不正确的输出，也称为静默数据损坏(SDC)，它不会在系统中引起警告，因此很难检测到.检测SDC错误对系统可靠性至关重要.然而，现有故障检测方法通常使用机器学习模型来学习指令的静态特征进行检测，忽略了指令间上下文信息，缺乏对SDC的传播推理能力.本文提出了一种融合关系邻域的SDC错误检测异构图注意网络模型（SDC Error Detection Heterogeneous Graph Attention Network Model With Fused Relational Neighborhoods,HGATFR）.HGATFR表示一种异构图，可用不同类型的边表示不同的指令关系.HGATFR能够自动捕获有助于SDC传播的语义信息和结构信息.通过堆叠层，节点可以从邻域内其他节点获取相关的语义信息，使注意力机制可量化故障对其邻域内其他节点的影响.此外通过聚合该节点的关系邻域信息，模型能够更好的捕获有助于SDC传播的结构特征.对比实验结果表明，HGATFR在SDC脆弱性检测方面具有更高的准确率和更好的效果.

Select

灾害环境下无人机联盟搜救的改进拍卖算法研究

张淳，汪文，付文浩，伍永江

2025, 46(12): 3001-3005.

摘要 ( ) PDF全文 ( )

可视化

针对随机灾害环境下的无人机救援任务分配问题，本文提出了一种改进的灾后联盟拍卖算法（Post-Disaster Coalition Auction，PDCA）.该算法在传统拍卖机制的基础上，结合任务优先级、无人机飞行成本以及路径中的随机灾害影响，通过优化代价函数实现任务分配的全局效益最大化.PDCA算法通过动态调整竞标策略和任务分配，能够适应复杂环境下的多样化任务需求.实验通过设置不同完成概率和标称奖励，模拟无人机异构性和任务优先级的场景，验证了PDCA算法在搜救任务分配中的有效性.

Select

比特币交易资金合法性证明的隐私池方案

叶丹莲，钟智龙耀，谭良

2025, 46(12): 3006-3015.

摘要 ( ) PDF全文 ( )

可视化

比特币作为点对点数字加密货币，凭借高度匿名性和去中心化特性，广泛应用于全球各领域.然而，由于缺少对交易资金的合法性验证，不法分子常将比特币用于洗钱、非法融资等活动.为此，本文提出基于隐私池的比特币资金合法性验证方案—YT-Bit，以防范非法活动并增强隐私保护.YT-Bit方案在比特币系统中引入用户交易行为评分系统，根据评分通过Merkle树构建合法资金关联集.在交易中附带关联集的Merkle根作为公共输入，通过zk-SNARK零知识证明验证交易的真实性，确保交易资金来源的合法性.仿真实验表明，该方案在提高用户交易隐私性的同时，支持监管合规性，构建了隐私保护与合法监管相结合的平衡机制，为用户提供了更安全的交易环境.

Select

SDN数据平面的无监督FC-BiGAN攻击检测方法

尹震宇，杜江林，张飞青，徐光远，张文波

2025, 46(12): 3016-3026.

摘要 ( ) PDF全文 ( )

可视化

网络安全对钢铁制造车间安全高效生产至关重要，然而在钢铁制造车间的软件定义网络架构中，控制器易遭受分布式拒绝服务攻击，对生产安全构成重大威胁.针对此挑战，本文提出一种全连接双向生成对抗网络模型和基于FPGA的控制器节点优化策略.本文首先设计了RYU控制器和改进FPGA交换机，并提出一种自定义数据集，解决了现有数据集无法反映车间软件定义网络架构应用场景的问题.随后，本文利用提出的方法，有效解决了数据集不平衡时模型训练问题以及模型在FPGA中部署难的挑战.结果表明，该方法在CIC-DDoS2019和自定义数据集上准确率分别为99.81%和99.36%，均优于现有无监督方法.此外，模型迁移到FPGA后准确率可达99.02%，实现了数据平面的高效攻击检测，显著缓解控制器性能瓶颈.

Select

面向多部门数字身份存储与验证的区块链机制设计

张鹏，罗文华，苏可馨

2025, 46(12): 3027-3034.

摘要 ( ) PDF全文 ( )

可视化

数字身份权限证书应用协作复杂性高，容易形成信息壁垒与数据孤岛.针对上述问题，提出多部门数字身份证书区块链存储与验证架构，实现多领域数字身份证书高效可信安全管理；设计聚合签名验证机制，支持跨部门跨权限场景下多用户数字证书合法高效验证.引入日志链确保数字证书授权与验证同步记录，设计聚合拜占庭优化共识机制提升日志链共识效率，解决双链结构同步性能瓶颈，促进高效审计追溯.实验结果表明，该架构在确保隐私性、完整性及不可伪造性的前提下有效降低计算开销，聚合签名实现多证书场景下高效验证，共识机制避免了日志链同步记录潜在滞后问题.

Select

面向自动驾驶网络的智能体中毒攻击方法

陈晋音，刘欣然，吴炜，郑海斌

2025, 46(12): 3035-3044.

摘要 ( ) PDF全文 ( )

可视化

自动驾驶网络结合图神经网络和深度强化学习技术实现了无需人工干预的网络管理和优化.现有研究表明，深度强化学习模型易受中毒攻击影响.然而在动态变化的网络路由优化场景中，传统的中毒攻击方法难以适应这种动态性且隐蔽性不足.针对这一问题，本文提出了4种中毒攻击方法.包括3种无目标中毒攻击（策略梯度中毒攻击、无目标动作中毒攻击、奖励翻转中毒攻击）和一种有目标动作中毒攻击.通过在两种常见的网络拓扑结构中进行验证，结果显示所提出的无目标中毒攻击方法在干扰比例仅为0.5%的情况下相较于传统的随机噪声在20%干扰比例时对智能体性能的影响更为显著.此外，通过在特定业务中引入后门触发器的目标动作中毒攻击，一旦后门触发，受害者智能体将很大概率执行目标操作且目标动作触发率在88%以上.

Select

基于动态变异分析的深度神经网络测试输入优先级排序方法

杨珍，杨志斌，周勇，张海

2025, 46(12): 3045-3054.

摘要 ( ) PDF全文 ( )

可视化

深度神经网络（DNN）测试是确保DNN质量的常用方法之一.然而，标记测试输入以验证DNN预测正确性的成本非常高，这会在很大程度上影响DNN测试的效率，甚至影响整个DNN开发过程.因此，优先标注能够揭示DNN模型错误行为的测试输入，不仅有助于加速模型缺陷的修复，还能显著提高测试效率.本文提出了一种基于动态变异分析的深度神经网络测试输入优先级排序方法DMAPRI，旨在有限时间内标记更多能暴露DNN错误行为的测试输入，从而提高测试效率.DMAPRI通过对测试输入进行变异操作后，构建其学习轨迹并提取相关特征，将特征输入到训练好的排序模型中对测试输入进行优先级排序.本文通过与5个广泛使用的DNN模型和3个数据集下的九种基线方法进行比较，实验结果表明，DMAPRI在故障检测能力和指导DNN重训练方面显著优于现有的基线方法.

Select

融合双重编码器和词注意力机制的安全补丁识别模型

唐建平，魏书宁，王植，刘曜玮，彭文

2025, 46(12): 3055-3062.

摘要 ( ) PDF全文 ( )

可视化

及时应用安全补丁对软件安全至关重要.然而，用户通常等待漏洞披露平台发布补丁后才进行修复，延长了漏洞暴露时间并增加了安全风险.现有方法依赖专家经验，通过人工定义提交日志和代码更改的特征进行补丁分类，但难以全面涵盖特征.为此，本文提出了一种融合双重编码器与词注意力机制的安全补丁识别模型—PatchInsight.该模型融合提交消息和代码更改特征，采用双重编码器（BERT& CodeBERT）、双向门控循环单元（BiGRU）与词注意力机制提取和分析特征.具体而言，使用BERT进行提交日志嵌入，CodeBERT进行代码嵌入，随后将两者特征向量融合并输入BiGRU-Attention模型以识别安全补丁.与现有方法相比，PatchInsight克服了单一特征与模型的局限性，提升了识别效果.在PatchDB和SPI-DB数据集上的评估结果显示，PatchInsight的准确率相较最新基线GraphSPD分别提升11.92%和15.16%，精确率提升9.83%和10.45%，并略微降低假阳性率，验证了其有效性.

Select

融合多头交互注意力表征的电力负荷预测方法

吴鹏，郑涛，司亚东，刘丽，孙伟，朱良双，杨金柱

2025, 46(12): 3063-3072.

摘要 ( ) PDF全文 ( )

可视化

针对电力负荷预测中多元特征间的动态耦合关系建模不足，以及周期模式与局部波动特征的协同学习机制缺失的问题，本文提出了一种基于多头交互注意力融合的表征学习方法，用于提升预测准确性.通过构建交互式多头注意力融合表征架构，采用解耦-交互耦合范式实现负荷时序动态演化与跨通道特征隐含关联特性的协同建模；深度融合周期自适应分段机制与深度表征学习框架，精准捕获多元负荷序列周尺度依赖模式与深层时空演化规律.基于国网朝阳供电公司的实测数据验证表明，本方法较现有模型在预测精度上提升显著，尤其对负荷峰谷时段的预测表现突出.研究成果为复杂电力系统的精准负荷预测提供了新的技术途径.

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录

作者投稿

专家审稿

编辑办公

主编办公

编委审稿

下载中心