小型微型计算机系统

过刊目录

  • 全选
    |
  • FGITA:一种基于细粒度对齐的多模态命名实体识别框架
    吕学强,王涛,游新冬,赵海兴,才藏太,陈玉忠
    2025, 46(4): 769-775.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    命名实体识别任务旨在识别出非结构化文本中所包含的实体并将其分配给预定义的实体类别中.随着互联网和社交媒体的发展,文本信息往往伴随着图像等视觉模态信息出现,传统的命名实体识别方法在多模态信息中表现不佳.近年来,多模态命名实体识别任务广受重视.然而,现有的多模态命名实体识别方法中,存在跨模态知识间的细粒度对齐不足问题,文本表征会融合语义不相关的图像信息,进而引入噪声.为了解决这些问题,提出了一种基于细粒度图文对齐的多模态命名实体识别方法(FGITA:A Multi-Modal NER Frame based on Fine-Grained Image-Text Alignment).首先,该方法通过目标检测、语义相似性判断等,确定更为细粒度的文本实体和图像子对象之间的语义相关性;其次,通过双线性注意力机制,计算出图像子对象与实体的相关性权重,并依据权重将子对象信息融入到实体表征中;最后,提出了一种跨模态对比学习方法,依据图像和实体之间的匹配程度,优化实体和图像在嵌入空间中的距离,借此帮助实体表征学习相关的图像信息.在两个公开数据集上的实验表明,FGITA优于5个主流多模态命名实体识别方法,验证了方法的有效性,同时验证了细粒度跨模态对齐在多模态命名实体识别任务中的重要性和优越性.
  • 基于哈希桶的快速三支决策邻域分类器
    贾润亮,张海玉
    2025, 46(4): 776-782.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    三支决策邻域分类器作为邻域粗糙集的重要扩展,目前已成为数据挖掘中一种有效的分类方法.然而,三支决策邻域分类器当前仍存在两方面的局限,一是获得测试样本邻域类的计算复杂度较高,二是测试样本对于多个最大决策类场景无法确定最终的类别标签,为了解决此问题,本文提出一种基于哈希桶方法的快速三支决策邻域分类器.首先,对分类训练集通过哈希规则将样本对象映射到对应的哈希桶中,通过哈希桶实现了邻域的搜索范围被限制在对象所属桶和相邻两个桶中;然后,为了避免测试样本针对多个最大决策类存在类别无法判定的情况,定义一种平均距离度来描述对象与决策类之间的距离程度,在多数投票规则基础上结合平均距离度,实现了测试对象对最大决策类的识别能力;最后,综合快速邻域类计算和平均距离度,建立了基于哈希桶的快速三支决策邻域分类器模型.实验结果表明了所提出的分类器具有较好的分类性能和分类效率.
  • 融合动态样本选择器的时序因果关系挖掘方法
    王梓行,李帅,周晓锋
    2025, 46(4): 783-788.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    时序因果关系挖掘一直是一个备受关注的研究领域,然而当前基于神经网络的时序因果关系挖掘方法会受到数据集样本不均衡的影响,从而导致因果信息的丢失,因果关系挖掘准确率下降.为解决这一问题,本文提出了一种融合动态样本选择器的时序因果关系挖掘方法.首先,本文通过一个智能体动态选择样本以构建动态训练集,有效解决了因样本不均衡而导致的因果信息丢失问题;然后,使用动态训练集对时序因果关系挖掘网络进行训练;最后,计算因果关系挖掘网络训练后得到的权重模值,获取因果关系图.实验结果表明本文提出的方法在时序因果关系挖掘性能上显著优于现有的基线方法.该方法为解决时序因果关系挖掘中的样本不均衡问题提供了一种新的思路.
  • 译文质量估计中的对抗学习方法
    邱辉,朱俊国
    2025, 46(4): 789-795.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    译文质量估计旨在没有参考译文的情况下预测机器翻译的质量,在机器翻译领域发挥着重要作用.该文提出了一种新的译文质量估计方法,将对抗训练融入其中,以解决译文质量估计任务中两阶段训练目标不一致的问题.该模型主要包括机器翻译的生成器和二分类的判别器.在对抗训练过程中,生成器动态生成数据,经过质量筛选后用于判别器的训练,接着判别器计算奖励并更新生成器.对抗训练后,生成器的翻译性能和判别器的准确率都得到显著提升.此外,该文还针对判别器在译文质量估计任务相关数据上的二分类实验结果进行了深入分析,证明了对抗训练能够有效提升判别器的性能,进而用于更准确的译文质量估计.
  • 融合时间上下文信息的序列推荐系统框架
    逯暄,昝晓亮,彭甫镕,颜无瑕
    2025, 46(4): 796-802.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    序列推荐相对于协同过滤方法在考虑用户行为顺序和个性化推荐等方面具有明显优势.然而现有的大多数序列推荐模型着重关注用户历史行为间的关系,忽略了用户兴趣随时间的演化特征,对此,本文提出了一种融合时间上下文信息的序列推荐通用学习框架.该框架将Tucker分解技术与注意力机制相融合,为每个用户行为分配适当的注意力权重,使模型关注对当前推荐任务更重要的时间上下文信息.此外,使用了分布鲁棒性损失函数来解决训练数据与测试数据之间可能存在的分布漂移问题.3个公开数据集上的实验结果表明,本文框架适用于不同的序列推荐模型并能提升推荐性能.
  • 解耦全局与局部偏好的会话推荐算法
    张莉,汪海涛,贺建峰,陈星
    2025, 46(4): 803-809.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为了提高会话推荐算法的准确性,针对现有会话推荐算法易受数据稀疏性影响,以及并未充分解耦全局偏好与局部偏好的问题,提出解耦全局与局部偏好的会话推荐算法.该算法不仅实现预测任务,而且从项目属性中导出自监督信号进行解耦任务.首先,针对会话推荐算法的数据稀疏性问题,利用项目属性信息为每个会话生成会话视图.其次,针对会话的全局与局部偏好未被充分解耦的问题,通过对会话视图的全局与局部偏好进行对比式自监督学习,进而实现解耦任务.此外,为了在预测任务中获取更准确的偏好估计,将属性信息融入项目的初始嵌入.在两个公开数据集上与现有优秀方法比较,实验证明提出的算法在评估指标P@K和MRR@K上较基线方法均有所提升.
  • 多无人机变时域分布式模型预测控制
    朱俊威,应良焕,侯鑫,宣琦,李家鑫
    2025, 46(4): 810-817.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文针对具有避碰和避障功能的四旋翼无人机系统的轨迹跟踪和编队问题,提出了一种基于收缩约束的变时域分布式模型预测控制(VDMPC)算法.首先,以实际四旋翼为控制对象,建立单机解耦线性时变模型及编队控制框架.在考虑多约束条件下,以编队轨迹跟踪与队形保持为控制目标,并对该两项目标权重自适应调整,以实现队形反馈控制.此外,将多步控制李雅普诺夫函数纳入DMPC方案中,其优化问题采用具有代价函数最小的可变长度的block优化策略,进而应用收缩约束保证了整个闭环系统的稳定性.该方法对优化问题求解计算量和控制性能方面作了最优权衡,提高了滚动优化效率,也避免了传统MPC稳定性中终端成分的设计.最后,通过多无人机仿真验证了所提算法的有效性.
  • 持续记忆的流图神经网络
    郭虎升,孙玉杰,王文剑
    2025, 46(4): 818-824.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    流图的节点和边以流的形式持续产生,导致整个图结构随着时间推移而不断演化.图神经网络作为图嵌入技术的一种,在捕获流图的动态信息以及快速适应流图持续演化等方面仍然面临着巨大的挑战.为解决这些问题,本文提出了持续记忆的流图神经网络(CMSGNN).该模型能够根据流图持续的演化充分学习历史信息,通过增量学习的方式更新已记忆的历史信息,并且能够自适应地调整模型以适应流图的变化程度,以获得更符合当前信息的流图嵌入.该模型将历史信息与当前信息相结合使得模型能够获得更准确的流图嵌入,从而提高下游任务的准确率.实验结果表明,本文提出的CMSGNN在现实生活中的多个数据集上执行多个任务上均有更好的性能.
  • 融合图神经网络的多模态微视频推荐算法
    王子文,游进国,胡荣笙,贾连印
    2025, 46(4): 825-832.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现有多模态图神经网络推荐算法在进行多模态融合时,普遍使用图神经网络提取的节点特征进行融合,而未考虑到全局图结构信息和模态信息对融合的影响;并且现有的多模态融合方法大多只考虑模态间的差异,而忽视了模态内部的情况.对此,本文提出一种融合图神经网络的多模态微视频推荐算法(MCCF,Multi-modal Contrast-Conflict Fusion).该算法利用一种感知模态信息的注意力机制,将节点级特征转化为表征不同模态的图级特征;同时,分别使用节点级和图级特征表示,计算模态内“对比性”和模态间“冲突性”,客观评价了不同模态的重要性,实现了多模态融合.在Movielens和Tiktok两个微视频公开数据集上进行的实验表明,本文提出的算法在推荐性能上较基线方法有明显提升.
  • 一种神经网络的多方向GWO优化方法
    张晓丽,闻俊,朱贵富,许诺,聂佳磊,杨璨
    2025, 46(4): 833-840.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对标准的GWO算法不稳定性和表现性能不佳问题,本文从多个方向提出优化路径.首先,为灰狼群体中增加最优解、候选狼群定义步长、候选狼群步长的权值进行优化、以及各优化方向相结合,对标准GWO算法进行优化改进,总共形成8种优化算法;然后将优化算法融入RNN、MLP和CMLP 3种神经网络中,总共构成24种预测模型;最后通过公共数据集进行了240次测试,结果表明,不同方向的优化可以提高各个神经网络预测模型的准确率及稳定性,具有更好的实用性.
  • 基于冲突避让策略的CBS多机器人路径规划
    闫星宇,毛剑琳,王宁,徐志昊,王燕
    2025, 46(4): 841-846.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    狭窄路段环境中,部分机器人占据关键通道会引发局部冲突加剧,进而导致路径求解效率降低.针对该问题,本文提出基于冲突避让策略的多机器人路径规划方法.首先,在基于冲突搜索(Conflict-Based Search,CBS)算法框架上层的冲突消解方面,针对关键通道上的终点阻碍机器人实施主动避让策略,采用邻域搜索获得终点阻碍机器人的最优避让位置作为临时等待位置.其次,待其他机器人通过关键通道后,再重新规划出终点阻碍机器人到原有目标位置的路径.最后,在标准算例地图中的实验结果表明,求解时间相较于CBS-BP算法缩短15.06%.
  • 多特征提取和网络嵌入的蛋白质交互网络比对
    何浩发,马汇东,钟诚
    2025, 46(4): 847-855.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    为快速获得高得分的拓扑和生物属性比对结果,提出一种利用生成式对抗网络的蛋白质交互网络全局比对高效方法.通过提取蛋白质网络中节点的序列比对得分、边的度、聚类系数和节点的Page Rank值,以组成节点的特征向量嵌入;将源网络的嵌入通过生成式对抗网络映射到目标网络的嵌入空间来得到初步比对结果;通过计算映射后嵌入向量之间的欧氏距离来获得最终比对结果.在真实的蛋白质交互网络数据集测试的结果表明,与已有的同类算法相比,在拓扑指标边正确性、诱导保守结构以及对称子图得分和基因同源一致性上,本文方法整体上具有优势.
  • UniRec：融合项目表示一致性信息的会话推荐模型
    翟雨欣,彭敦陆,朱金玲
    2025, 46(4): 856-862.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    会话推荐是根据匿名的交互序列预测下一个商品的任务.基于用户历史行为准确建模用户的下一个动作对提高推荐性能至关重要.近些年,许多研究者使用对比学习来改进向量的表示以提高建模的准确性.但现有的基于对比学习的方法大多数都涉及复杂的建模过程,过度依赖于模型结构,从而忽视了优化项目表示空间的重要性.为此,本文提出了一种融合项目表示一致性信息与会话信息的会话推荐模型(UniRec).模型通过构建位置感知图来提取细粒度的全局级信息,并利用图注意力网络(GAT)学习项目间成对的过渡关系捕获会话级信息,引入额外的损失函数关注项目表示空间的一致性.最后,使用融合函数获得最终项目表示预测出下一个可能交互的item.在3个真实数据集上的对比实验结果表明,相对基线模型,本文所提模型在P@20、MRR@20等指标上具有一定的提升.
  • 云边协同环境下一种面向任务的多智能体强化学习任务卸载方案
    唐宁昆,王高才
    2025, 46(4): 863-875.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在云边协同计算环境中,计算任务的卸载决策问题是当前的研究热点.现有的方案通常采用单智能体强化学习算法求解该问题,存在鲁棒性低、决策空间过大等缺陷,且未考虑用户移动性、奖励延迟性以及信息观测与同步问题.针对上述不足,本文提出一种考虑设备局部观测能力的云边协同网络模型及任务计算队列和传输队列模型,并设计一种基于“面向任务”的多智能体强化学习的分布式卸载方案.首先,该方案给出信息同步协议以便设备获取网络全局状态,同时设计任务卸载调度规则以规定服务器在用户跨区移动和线路故障等场景下的计算和调度流程.然后,该方案以边缘服务器为智能体构建基于Actor-Critic框架的多智能体系统,给出智能体之间的协作方法,同时考虑线路故障时智能体的独立工作问题.随后为解决奖励延迟问题,本文将卸载决策问题建模为一种“面向任务”的马尔可夫决策过程,摒弃了常用的等距时隙模型,转而以任务处理时间为步长,采用动态且并行的时隙.最后以此过程为数学基础,本文提出一种任务卸载决策算法TOMAC-A2C.该算法利用多智能体强化学习思想,给出智能体之间协作完成卸载工作并相互评价以更新神经网络参数的方法,同时引入长短期记忆网络以对用户的移动性进行记忆和预测.基于来自现实世界的安卓设备移动情况数据集的实验结果表明,本文所提出的分布式卸载决策方案在面临高负载和高线路故障率时均能有效降低服务时延、能耗及任务丢弃率.
  • 一种多视角图嵌入的miRNA-疾病关系预测方法
    翁骞,孙宇平,凌捷
    2025, 46(4): 876-882.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    MicroRNA(miRNA)在人类复杂疾病的发生发展中发挥着重要作用.由于生物学实验耗时费力,开发一种准确的计算预测方法对于识别疾病相关的miRNA是必不可少的.本文提出了一种多视角图嵌入的miRNA-疾病关联识别新方法(MGEMDA).该方法首先构建miRNA与疾病的多个相似网络,表征miRNA与疾病的关系.其次引入混合图表示学习框架,同时学习miRNA和疾病的特征.最后将特征输入到神经归纳矩阵补全模型中进行miRNA-疾病关联预测.在5折交叉验证中AUC值达到0.9454,与现有几种最先进的方法相比具有优异的性能.此外,对3种疾病(结肠癌、肺癌、乳腺癌)的案例研究进一步证实了MGEMDA 对潜在疾病相关miRNA的预测能力.
  • 基于扩散概率模型的去噪预测网络预测人体运动
    王婷玉,谢文军,王冬,李琳,刘晓平
    2025, 46(4): 883-891.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块,包含一个无softmax的修正线性自注意力,提升了人体运动预测的准确性.此外,本文还提出了一种基于DPM-Solver++的扩散模型采样策略,预测出更加连续和多样性的人体运动姿态序列,并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后,将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明,本文方法优于最先进的单一阶段的方法.
  • 多视图数据的增量式鲁棒融合模型
    张晓静,彭甫镕
    2025, 46(4): 892-897.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现有多视图融合方法大多通过区分共享特征和独有特征来减少信息冗余.然而,当融合的视图质量较差时,盲目融合会导致模型性能下降,即发生负迁移.针对此问题,提出一种新颖的无监督多视图数据的增量式鲁棒融合模型(MVIF),将多视图分为目标视图和辅助视图,借助编码器学习各视图的独有特征和不同视图之间的共享特征.该模型使用互信息和跨视图重构对学习到的共享特征施加一致性约束,对独有特征施加相关性约束,并联合互信息和重构约束构建信息瓶颈进行联合优化.最终利用辅助视图中与目标视图相关的信息来补充增强目标视图,得到增量式鲁棒融合表示用于下游任务.在真实数据集上进行的广泛实验证明该模型是有效的,对负迁移具有良好的鲁棒性.
  • 多尺度特征融合的双阶段Transformer去雨网络
    李世平,周冬明
    2025, 46(4): 898-906.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图像去雨研究旨在提升图像质量,强化视觉感知.现有去雨算法由于通常采用单阶段实现,在去除雨纹干扰的同时会造成无雨背景的信息缺失,导致无法兼顾去雨效果和图像清晰度.为此,本文提出了一种基于Transformer的多尺度、双阶段U型去雨网络,将去雨任务通过两个分别侧重于雨纹提取和细节修复的子网络逐步完成.第1阶段,引入反投射技术提出了一种特征融合模块,通过迭代逐渐融合不同尺度下的特征信息以弥补U型结构造成的信息缺失.同时,基于Boosting算法提出了一种增强连接的特征提取模块,以增强细节特征,提高输出信噪比.第2阶段,提出了一种细节增强注意力模块对粗糙去雨图像进行细节修复以生成轮廓清晰的无雨图像.实验结果表明,本文提出的算法在合成和真实数据集上都取得了出色的去雨效果,在Rain100H、SPA-data等数据集上相比近期其他优秀去雨算法均有一定程度的指标提升.
  • 基于集成自监督的工业视觉大模型算法研究
    林而贤,张潮,周雄图,张永爱
    2025, 46(4): 907-913.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对工业视觉检测场景多样,模型迁移相较其他计算机视觉任务频繁更多,同时工业质检领域还存在小样本,缺乏异常数据的问题,本文将掩码自编码器(Masked Autoencoders,MAE)与对比自监督相结合,提出了一种适用于工业大模型训练的集成自监督算法(Integrated Autoencoders,IAE),在工业场景下开发原创的工业视觉大模型训练方法以帮助工业视觉大模型在工业图片上抽取更好的特征,提高下游任务图像分类准确率,以及算法训练效率和模型的泛化性.对比传统MAE算法,本文提出的IAE算法训练出来的大模型预训练权重在迁移到同一下游工业站点的小数据集分类任务上精度提高了2.42%;大数据集分类任务上精度提高了0.86%.
  • 面向腺体组织病理学图像分割的改进U2-Net模型
    张正旭,陈庆奎,付直兵,黄陈
    2025, 46(4): 914-921.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    结直肠癌是全球癌症患病人数当中致死率最高的癌症之一,为提高结直肠腺体的分割准确率,本文把U2-Net引入到医学图像分割领域,并对其改进以提高分割效果.首先,为减弱下采样带来的细节特征丢失和上采样时插值误差,在RSU内部的桥接处引入ASPP模块并且使用深度可分离卷积替换普通卷积以提高有效特征的提取能力同时减少参数量;其次,在外层解码器阶段引入了注意力机制以加强特征间的融合,减少因跳跃连接而丢失的空间信息;最终,把交叉熵损失和Dice相结合作为最终损失函数来解决类不平衡问题.在SJTU_GSFPH数据集与U2-Net相比F1-Score和Dice分别提升了1.43和1.03,HD降低了10.93;在GlaS数据集中与U2-Net相比Dice提升了1.29,HD降低了3.82.实验结果表明,本文方法有效提升了结直肠腺体分割的精准度.
  • 医学视觉问答中的问题类型与答案一致性校验
    戴舒婷,刘利军,杨小兵,黄青松,袁钰博
    2025, 46(4): 922-931.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    医学视觉问答(Med-VQA)旨在根据医学影像内容准确回答临床问题,具有巨大应用潜力.现有Med-VQA方法大都统一处理开放式问题和封闭式问题,忽略了问题的复杂多变性,导致模型准确率较低.同时,受语言先验影响,模型容易利用数据集中问答对的分布规律,削弱了问题与答案的深层关系,导致出现答非所问现象.针对以上问题,本文提出一种即插即用的细粒度问题类型与答案一致性校验方法.首先,识别输入问题为开放式或封闭式类型以实现参数不共享的独立推理;然后,对开放式问题细粒度分类以进一步捕获复杂开放式问题对答案的约束关系;最后,根据问题类型生成答案掩码掩盖无关答案,实现问题类型与答案的一致性校验,进而缓解答非所问现象.在公共数据集SLAKE和VQA-RAD上的实验结果表明,本文方法能有效提高Med-VQA准确率.
  • 一种交互连接CNN和Transformer的肠道息肉图像分类网络
    曹博,叶淑芳,饶钰君,汤晓恒,何熊熊,李胜
    2025, 46(4): 932-939.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    利用内镜图像对结直肠息肉进行风险分类至关重要,能够提高临床诊断准确性并降低结直肠癌死亡率.然而,目前基于卷积神经网络(CNN)或视觉Transformer(ViT)的分类方法不能很好地区分类内尺度大和类间相似性高的息肉图像,针对息肉风险的分类任务亟需改善.CNN中的卷积算子擅长提取局部特征.ViT通过级联自注意力模块可以捕获长距离依赖关系和全局特征.本文提出一个交互连接模块,以交互式的方式将CNN和ViT相连接,以整合多尺度特征;所设计的交互混合模型,能最大限度地保留局部特征和全局表示,显著缓解息肉多分类的类内差异性大、类间相似性高的问题;在大规模自然图像数据集中进行预训练;通过微调模型结构,使用预训练的交互混合模型参数初始化主干网络,并迁移至结直肠息肉数据集中再次训练,实现息肉多分类.在结直肠息肉私有数据集和Kvasir公共数据集上评估所提出模型,实验结果显示总体分类准确率分别达到了85.83%和96.84%,优于本文比较的其他算法;且引入迁移学习可以在降低训练成本的同时提升交互混合模型的分类性能和泛化性,在有限的训练数据集下有助于提高临床诊断效率.
  • 面向物联网边缘的轻量化DDoS攻击检测方法
    唐亚东 ,程光,赵玉宇
    2025, 46(4): 940-947.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    物联网(Internet of Things,IoT)技术的发展给工业界和日常生活带来便利的同时,海量易受到各种攻击和破坏的IoT设备也降低了分布式拒绝服务(Distributed Denial of Service,DDoS)攻击发起的成本,使被攻击方无法响应正常用户访问.为了在物联网边缘中快速、准确地完成DDoS攻击检测,弥补现有方法资源开销大、不精确的缺陷,本文提出了一种基于轻量化卷积神经网络(Lightweight Convolutional Neural Networks,LCNN)的DDoS检测方法.面向物联网流量特性,方法首先提取包级特征和经冗余分析筛选得到的流级特征.之后设计了低参数和运算量的卷积神经网络LCNN,最后基于变维后的特征,快速检测定位攻击.实验结果表明,方法检测准确率达99.4%.同时LCNN在FPGA中能够以较少的资源消耗,保证在1ms时间内完成对一条流的推理判断.
  • 遗传算法在模糊测试中的应用研究综述
    马航,董卫宇,唐之卓,吕鑫,雷久刚
    2025, 46(4): 948-957.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    遗传算法在模糊测试领域的应用提高了这一主流漏洞挖掘方法的性能和效率,诞生了一批研究成果.目前对基于遗传算法的模糊测试还没有全面的分析和总结.首先介绍了模糊测试、遗传算法,说明了遗传算法在模糊测试中应用的基本流程,其次,分3个方面(提高漏洞发现能力、执行效率和自动化程度)总结了遗传算法在模糊测试中的作用和实现方式,然后分析了遗传算法用于模糊测试的适应性改进(编码、进化组织、适应度函数设计),最后讨论了当前研究的不足并提出了进一步研究方向.
  • 多模态深度学习的区块链智能合约漏洞检测方法
    常萨,冯勇
    2025, 46(4): 958-965.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    智能合约推动了区块链技术的深化发展,然而其存在的安全隐患给区块链应用带来了诸多挑战.在现有研究中,源代码通常被视为序列,以向量形式进行表示,或者被建模为图结构,利用图神经网络进行分析.在此基础上,本文提出了一种基于多模态深度学习的区块链智能合约漏洞检测方法.该方法充分利用智能合约的计算机视觉特征、代码语义特征和图特征进行漏洞检测.具体而言,该方法首先提取智能合约的代码属性图(CPG),并利用计算机视觉模型SwinV2学习CPG图像视觉特征;同时,利用预训练模型UniXcoder学习智能合约源代码的代码语义特征;最后,利用多组交错的GNN块学习CPG的图特征.将这3个特征向量拼接,构建出一个特征向量,实现特征融合.为了验证多模态检测方法的有效性,本文在真实智能合约的数据集上,与多种主流的智能合约漏洞检测方法进行对比实验.实验结果表明,多模态检测方法在检测重入漏洞方面的召回率、准确率和F1值分别可以达到0.94、0.92和0.93.
  • 多三元组网络攻击本体半自动化构建方法
    王丽,李华,刘玉林,张培龙,李明月
    2025, 46(4): 966-973.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    网络攻击对信息安全、社会稳定和国家安全等方面都构成了极大的威胁.针对现有网络攻击本体构建方法过度依赖领域专家且无法全面提取关键信息的问题,本文提出了一种基于自然语言处理技术的网络攻击本体半自动化构建方法.该方法包括将非结构化网络攻击文本通过段落拆分方法拆分为简单句,从而降低数据处理难度并减少信息丢失;设计三种类型的三元组以捕捉网络攻击的方式、目的、特征和后果等关键信息;以及基于这些三元组手工构建网络攻击本体.在评估本文方法时,不仅考虑常规的准确性指标,还提出了一种新颖的全面性评估指标.实验结果表明,本文方法能在减少领域专家依赖的同时,自动提取更全面准确的关键信息,有效提升本体质量.这为网络攻击本体的半自动化构建提供了一种新的可行途径.
  • 软件定义网络中一种优化的拓扑发现策略
    姚纤纤,夏鸿斌,刘渊
    2025, 46(4): 974-979.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    软件定义网络中,目前大部分控制器采用的拓扑发现协议都是OpenFlow发现协议(OFDP),然而随着网络规模增大,拓扑发现过程中控制器与交换机之间的控制消息不断增加导致拓扑发现效率降低.针对这一问题,本文提出了一种新的拓扑发现策略——基于最小顶点覆盖的拓扑发现策略(Minimum Vertex Cover Based Topology Discovery Strategy,MVC-OFDP),通过获取最小顶点覆盖交换机集合,预安装流表规则,同时对交换机实例设置端口标记避免消息的重复发送,大大减少了控制器发送和接收的LLDP消息数量,从而提高拓扑发现过程的效率.并且使用单向链路探测机制保证获得的拓扑信息的准确性.和已有的拓扑发现方法OFDP、OFDPv2和Im-OFDP进行对比,最终的实验结果表明本文提出的策略显著优于这些拓扑发现策略.
  • 一种解决经济调度问题的有限时间共识的分布式优化算法
    覃海华,喻昕,黄庆洲,林日新
    2025, 46(4): 980-986.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在智能电网中,研究经济调度问题具有重要意义.经济调度问题的本质是通过控制各个发电单元的发电量,并在满足各种约束的情况下,最小化电力系统的总发电成本.本文提出一种有限时间共识的连续时间分布式优化算法,融入了投影法和罚函数法的思想.该算法直接从经济调度问题的原问题出发解决,无需将其转化为对偶问题,从而简化了问题构建过程.此外,算法设计了一种新的共识机制,实现了所有智能体在有限时间内达成共识,这一特性提高了算法在经济调度问题中的效率和实用性.最后,通过两个仿真实验验证了所提出的分布式优化算法的有效性.
  • 二进制翻译研究综述
    张义磊,杨佳宁,郭健美,黄波
    2025, 46(4): 987-1002.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    二进制翻译技术能够在缺少源代码的情况下将一种指令集架构芯片上的软件移植到另一种指令集架构芯片上.该技术被应用于不同指令集架构芯片间的软件移植.然而,现有二进制翻译相关综述更多侧重在动态二进制翻译上,在总结静态和动静结合的二进制翻译的技术难点上仍存在不足.随着该领域的不断发展,动静结合的二进制翻译已成为热门研究方向.该文深入调研了2000年到2024年间的103篇相关文献,以指令集架构的演变和软硬件技术的发展为切入口,并结合二进制翻译的优化目标,特别针对静态和动静结合的二进制翻译,对当前的技术难点和研究现状进行综述.此外,该文结合国内芯片产业的发展背景,对国内二进制翻译的未来研究方向进行了展望.
  • 面向高性能纠删码的内存数据布局优化研究
    杨湘睿,汪少华,詹晔康,姚杰,曹强
    2025, 46(4): 1003-1013.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    大数据时代,数据作为核心生产要素,其规模与日俱增且需要大容量、低成本、高性能、高可靠的存储系统储存.为满足该需求,纠删码,尤其是宽条带纠删码,具有高存储效率和可靠性越来越多的被应用于各种存储系统之中.然而,本研究发现在采用主流纠删码编解码库时,宽条带纠删码编解码性能相比窄条带纠删码的性能严重下降,并通过实验发现现有数据布局导致大量的缓存缺失.为此,本文提出了编码条带优先的数据布局(Stripe-Wise Optimization Placement)方法来实现高性能纠删码.本工作据此方法设计了编码条带优先的内存布局的编码算法,并且进行了综合的性能测试.实验结果表明,与传统排列方法相比在宽条带下SWOP方法能够提升78%~109%的吞吐率,对于窄条带能够提升28%~72%编码吞吐率.
  • 深入理解IoTDB在时序数据工作负载下的性能表现
    刘健,程建勋,闫高锋,吕泽涛,孙国道,梁荣华,蒋莉
    2025, 46(4): 1014-1024.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    IoT设备的大量部署导致时序数据呈现 爆炸式增长,为了更好地管理大规模时序数据,高效满足上层时序用户的高性能访问需求,各种时序数据库被广泛开发和部署.但目前从业人员对于时序数据库的理解还不够深入,积累的知识和经验往往局限于传统数据库,并不适用于新兴的时序数据库.本文以面向IoT设计的开源时序数据库IoTDB为基础,利用基准测试工具IoT-Benchmark生成多样化的时序数据工作负载,深入探究IoTDB在处理时序数据工作负载时的性能表现和行为特征.本文的研究能够为时序数据库的设计者和开发者在开发和部署高性能时序数据库方面提供更有价值的帮助和指导.