小型微型计算机系统

过刊目录

  • 全选
    |
  • 时频空间Transformer网络在主机负载预测中的应用
    赵卫东, 潘智涛, 张睿, 吴乾奕
    2025, 46(6): 1281-1288.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着大型电子业务系统和科研计算任务日益复杂，预测主机集群未来的指标数据变化趋势具有很强的现实意义.然而，主机时序数据的时空依赖问题很大程度上阻碍了主机集群资源的高效利用.为此，本文提出了TFSformer模型，该模型利用全局时空注意力和窗口卷积注意力解决了时空依赖问题.在时序数据预处理阶段，本文通过引入Wavelet-TCNEmbedding，实现了对主机负载特征序列的小波分解，将短期和全局时序依赖的特征有效地提取出来，从而提高了预测的准确性.其次，模型通过引入全局时空注意力和窗口卷积注意力，可以挖掘不同负载指标之间的空间依赖关系并且实现了对不同时间尺度下的时间依赖关系的关注，以此解决主机时间序列的时空依赖问题.同时，在主机系统上的实验证明了TFSformer在短期序列预测方面具备出色的性能，模型有效地提高了集群资源利用率并且降低了运维成本.
  • 面向非独立同分布数据的联邦知识蒸馏算法
    陈聪，李京
    2025, 46(6): 1289-1297.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    通过在本地训练阶段引入知识蒸馏技术，可以有效保护全局模型的潜在知识，从而缓解联邦学习中的知识遗忘问题.然而，全局模型识别不同类别数据的能力差异很大，在训练样本上直接使用经典的交叉熵蒸馏损失可能会对本地模型造成误导.为了解决这个问题，本文提出了一种面向非独立同分布数据场景的联邦蒸馏算法.该算法在原始训练样本上使用基于知识解耦和全局模型预测置信度加权的蒸馏损失函数，以避免全局模型的错误预测产生的负面影响；以及通过激进的数据增强方法破坏原始样本的关键特征，在生成样本上使用交叉熵蒸馏损失进行训练，进一步提升蒸馏效果.实验结果表明，本文提出的方法能够有效地缓解非独立同分布数据场景中的知识遗忘现象，在收敛速度和测试精度上优于其它现有算法.
  • 一种改进粒子群优化算法的多接入边缘计算中服务迁移方法
    颜西山，韩卫光
    2025, 46(6): 1298-1304.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在5G网络中，托管服务是多接入边缘计算设施中实现低延迟、高带宽的关键.当边缘设施过载时，将会执行必要的服务迁移，这样可以满足用户的服务水平协议.而这样的操作无疑是具有挑战性的，现有的很多方法很少考虑应用程序特征或服务质量需求，大多以用户的地理位置、系统资源利用率来决定何时触发边缘计算中的服务迁移.本文综合考虑应用程序特性、用户的服务质量和系统资源利用率，提出了一种改进粒子群优化算法的多接入边缘计算中服务迁移方法，此方法可以主动进行业务迁移，利用改进的粒子群优化算法来触发边缘计算中的业务迁移.仿真实验结果表明，与标准粒子群算法和三参数平滑指数加权移动平均算法相比，本文方法具有更好的性能.与基于资源利用率的服务迁移相比，本文方法所触发执行的服务迁移可以显著地减少服务水平协议的违规.
  • ROMM：一种用于联邦逻辑回归的加密方法
    牛琬茹，黄一珉，付海燕，王湾湾，何浩，姚明，郭艳卿
    2025, 46(6): 1305-1311.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    目前联邦学习中通常采用加密技术（如同态加密、差分隐私）提高隐私保护能力，但这会导致高通信开销和低准确率.因此，针对如何兼顾隐私保护、加密效率和准确预测的问题，该文提出基于随机正交矩阵的数据屏蔽方法.在训练阶段，利用分块矩阵的思想高效生成随机正交矩阵，对参与方的原始数据进行扰动，由发起方结合扰动后的数据主导服务器训练纵向联邦逻辑回归模型，并在预测阶段应用秘密分享技术增强数据隐私保护.在4个不同规模的数据集上的实验结果表明，相较于同态加密技术，该加密方法的计算效率提高了100~800倍，模型准确率提升约0.4%，相较于差分隐私提升约1.2%，且能够有效保护原始数据.
  • 双向A*路径规划算法的邻域改进方法研究
    虞立斌，张亿，黄磊，郝宇，袁宇辰
    2025, 46(6): 1312-1318.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对A*算法在路径规划中扩展节点过多和探索时间过长等问题，进行了改进研究.提出了一种多邻域方向判断的扩展方法，通过将传统的八邻域扩展优化为四加八的十二邻域选择扩展，可以有效减少路径搜索过程中的节点扩展数量，同时路径也更加符合机器人运动；然后根据前置节点与目标节点的位置，通过方向搜索规则将邻域扩展过程中的不必要节点剔除，进一步减少扩展节点的数量；再通过改进双向搜索机制将搜索速度提高一个数量级、算法效率明显提升；最后通过仿真实验和实际环境实验，在扩展节点数量、路径合理性、搜索速度这些方面都要远优于传统A*算法，进一步证明本文提出的改进A*算法的合理性和有效性.
  • 融合网络剪枝和动态扩展的终身文本分类方法
    张泽，王炯，王晓艺，聂凯峰，刘杰，周建设
    2025, 46(6): 1319-1325.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着互联网技术的发展，产生了大量的各种背景下的文本信息，包括新闻资料，科学文献等等，这些文本信息所包含的内容并不统一.对于神经网络而言，不断地增加新领域的训练数据必然会导致对旧信息的灾难遗忘.因此在实际应用中，训练出可以终身学习的文本分类器具有很高的应用价值.为此，该文提出了一种基于网络剪枝和动态扩展策略的终身文本分类方法，适用于知识背景不断增加的文本分类场景.具体而言，该文将网络剪枝、参数正则化更新和网络扩展相结合，保证神经网络可以在不遗忘旧任务知识的前提下更有效的学习新任务.通过使用不确定正则化参数更新策略防止旧领域信息的遗忘，实现任务之间的知识迁移.在5个流行的文本分类数据集上进行终身学习的实验设置下进行验证，实验结果表明本文的方法与BERT预训练模型相比高出约10%，并且均优于其他终身学习的方法.
  • 基于自适应替代梯度和阈值脉冲池化的脉冲神经网络
    吕兆麟，梁正友，孙宇，浦斌
    2025, 46(6): 1326-1332.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    脉冲神经网络（SNN）与传统人工神经网络（ANN）相比具有更好的生物可解释性和更低的能耗，并被认为是扩展神经网络应用领域的一种极有前景的解决方案.但由于不能直接使用梯度下降算法来训练SNN，因此SNN在模型性能上仍与ANN存有一定的差距，这限制了SNN的实际应用.为此提出一种新型自适应替代梯度方法（ASG）以更好地将梯度下降算法应用在SNN的训练上；还提出一种阈值脉冲池化结构（TSPooling）以提升模型表达能力，从而使训练后的SNN模型在保持低能耗特性的同时拥有更好的推理性能.使用所提出的方法训练改进ResNet-18网络模型，在CIFAR-100数据集和CIFAR10-DVS数据集上进行实验，识别结果较基准网络模型有明显提升，改进的模型在CIFAR-100数据集上的准确率达到了76.41%，优于其他6个主流模型，验证了其有效性.
  • 多任务特征交互的三元组抽取方法
    徐新黎，卢齐林，杨旭华，黄玉娇，龙海霞，马钢峰
    2025, 46(6): 1333-1341.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    从非结构化的文本中抽取实体关系三元组是构建大规模知识图谱的基础.由于实际抽取任务的数据标注往往是不平衡的，例如负样本的数量远超于正样本，或者简单样本的比例过高，导致模型训练易受到负样本或简单样本的支配.为了提高标注不平衡的三元组抽取性能，提出一个基于多任务交互特征提取的联合优化框架.该框架首先扩展切分网络（PFN）完成3个子任务（主语识别，宾语识别和主宾对齐）的特征提取，使得3个子任务既能互相交互，又能专注于自己的任务.其次引入改进的Dice损失以解决主宾关联矩阵不平衡的问题，同时在联合优化中引入均方差不确定性，以减少各个子任务噪声的影响.实验结果表明，所提方法在数据集NYT和WebNLG上取得了最好的综合性能.
  • 基于噪声注入的图类别遗忘框架
    胡真，杨哲
    2025, 46(6): 1342-1348.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在图神经网络模型的训练中会涉及大量的隐私数据，出于隐私和数据安全的考虑，图遗忘技术得到了快速发展.然而，现有图遗忘问题的研究大多依靠数据划分的方法，这将破坏节点间的连接关系，也有部分方法仍然赖于对待遗忘的数据进行分析，从而带来数据泄露的风险和额外的计算开销.针对这些不足，本文提出一种全新的图类别遗忘框架.首先根据伪样本噪声生成策略对需要遗忘的数据类别生成对应的噪声，随后根据自适应邻域混合策略将生成的噪声对模型进行噪声注入和快速回忆操作.在不同数据集和图神经网络模型上的实验结果表明，与现有方法相比，该框架在实现了高效的类别级数据遗忘的同时，还能够在剩余类别上保持较高的准确率和较低的时间开销.
  • 一种采用伪随机分区的自适应并行密度聚类算法
    曾鸿斌，钱雪忠，宋威
    2025, 46(6): 1349-1357.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对大数据环境下并行密度聚类算法存在数据分区效率低下、负载不均衡、局部聚类合并不准确以及并行化效率较低等问题，本文提出了一种基于伪随机分区策略构建单元子图的并行密度聚类算法.该算法采用伪随机分区策略快速进行数据分区，并使用Spark在每个分区中构建单元子图实现局部聚类.同时，本文还提出了一种新的局部簇合并策略，提高了合并的准确率.此外，针对传统DBSCAN算法需要手动确定参数的问题，本文使用了一种改进的自适应参数方法，通过使用高斯核函数和最小化积分均方误差（MISE）方法确定eps和minpts的值.经实验证明，该算法在人工数据集和大规模真实数据集上都展现出了出色的并行性能和高准确率.
  • 面向生成对抗网络直接优化精度指标的排序学习方法
    曾寰，李金忠
    2025, 46(6): 1358-1364.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在评估排序学习方法的性能优劣时，常用的信息检索评估指标，如NDCG、ERR和AP，都是基于文档列表位置信息的指标.由于这些指标中的位置信息是离散值，难以直接用于生成对抗网络的训练中，使得基于生成对抗网络的排序学习算法的损失函数未能考虑排序列表中文档的位置信息.针对此问题，本文提出一种基于条件生成对抗网络直接优化近似平均精度AP指标的listwise排序学习算法(APGAN-LTR)以进行精细化训练模型.该方法采用Gumbel-softmax重参数化技巧采样，使用梯度可导的Plackett-Luce模型模拟用户对检索出文档的偏好采样过程,对平均精度AP指标进行近似，并将包含近似位置信息的AP指标融入条件生成对抗网络的损失函数中以被直接优化性能指标，用于挖掘排序列表的位置信息，以期更进一步提升性能.在公共排序学习基准数据集上的实验结果表明：对比基于生成对抗网络的排序学习方法IRGAN-List，本文提出的排序学习方法APGAN-LTR在信息检索指标NDCG,P,AP,NERR上都有明显提升.
  • 一种面向中文胸片报告生成的疾病标注器
    王梦伟，颜瑞馨，侯泽毅，郎宁，周修庄
    2025, 46(6): 1365-1372.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在医学图像分析领域，中文胸片报告数据集的缺乏限制了中文胸片报告生成技术的发展.一方面，构建中文胸片报告数据集时，专家准确地标注疾病耗时长成本高.另一方面，单一的自然语言生成指标通常用于评价生成报告与真实报告之间的相似性，而评价生成报告的临床正确性和有效性依赖于一个准确的疾病标注器（分类器）.针对专家标注疾病耗时长成本高及疾病标注器缺乏的问题，研究提出了一种面向中文胸片报告生成的疾病标注器.该标注器利用双BERT结构分别处理诊断报告和临床信息，并通过疾病与身体部位的隶属关系构建层级标签学习算法，以提升文本分类性能.利用该疾病标注器，构建了一个包含51262例胸片报告样本的中文胸片报告数据集.最后，在专家标注的中文胸片报告子集上进行了实验和分析，验证了该疾病标注器的有效性.
  • 混合点云语义分割：预训练模型与在线学习
    郝鹏举，秦健翔，张严辞
    2025, 46(6): 1373-1382.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    城市点云语义分割通过解析城市元素，为城市规划提供精确的场景理解能力.城市环境的数据分布不一致性对点云语义分割方法的实际应用提出了极高的要求.现有点云分割方法尚不足以高效地完成任意点云场景上的语义分割流程.本文提出一种混合点云语义分割方法，基本思想是结合深度学习预训练模型对不同数据分布之间分布共性的良好提取和在线学习方法对分布差异的良好表达，共同高效完成任意点云场景上的语义分割流程.预训练模型对点云场景的初始分割结果可以替代在线学习所需的大量标注数据，在线学习机制则能够纠正预训练模型因泛化能力不足导致的分割错误.实验证明，本文算法在新点云场景上的分割准确率和所需时间均优于主流点云分割方法.
  • FOAnet：面向图像特征退化自适应调整的盲超分辨率算法
    冯浩，张瑞欣，高磊怡，程倚宁，贾凡，邓红霞
    2025, 46(6): 1383-1390.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对经典的盲超分辨率方法存在模糊核估计精度有限且难以有效使用预测的模糊核实现超分辨率重建的问题，提出了一种面向图像特征退化自适应调整的盲超分辨率算法.首先，在核估计子网络主干编码器和解码器中引入残差和跳跃连接，融合不同层次和通道数的图像特征，以提高核估计的性能和精度.另外将当前层次的图像特征与模糊核做自注意力查询即面向图像特征自适应调整退化并将其映射到潜在的特征核空间和通道系数，以灵活处理模糊核与图像之间的特征差异.基于Gaussian8和4个开源数据集，与7种代表性算法比较，结果显示在合成数据4倍因子场景下该算法领先所有模型.同时，该方法在未知退化的真实世界图像上也表现出了良好的泛化能力.
  • 多样性特征增强与低秩表示的多视图聚类算法
    陈梦瑶，陈秀宏
    2025, 46(6): 1391-1399.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于低秩表示的多视图聚类方法能够提取数据的全局结构且具有对噪声强鲁棒的优点.然而，低秩表示往往忽略了不同视图的多样性特征信息，这可能会影响多视图聚类算法的性能.针对上述问题，提出一种多样性特征增强与低秩表示的多视图聚类算法（Multi-view clustering algorithm with diversity feature enhancement and low-rank representation，MVC-DL）.首先，MVC-DL通过表征出各视图的多样性特征信息，将其与一致性特征矩阵联合使得学习到的多视图特征信息更准确；其次，提出一种多视图加权谱结构融合策略来构建多视图一致性相似矩阵，有效减少了各个视图间的数据差异及噪声的影响；最后，利用增强拉格朗日乘子法并结合交替迭代优化算法求解该模型.在6个广泛使用的多视图数据集上将MVC-DL与10个先进多视图聚类算法进行对比，验证了MVC-DL的有效性.
  • 采用线性注意力机制的语音驱动三维人脸动画技术
    童程凯，叶阳
    2025, 46(6): 1400-1408.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    语音驱动三维人脸动画技术，旨在通过输入语音，驱动三维人脸模型生成视觉对应的人脸表情动画.当前的常用方法是基于Transformer结构以自回归形式完成人脸动画生成，但是这些方法在面对长语音生成动画时的二次运算复杂度限制了其性能瓶颈，在数据集稀疏情况下的过拟合问题也使得其在生成动画的准确性以及泛化性上存在不足.为了解决以上问题，本文提出一种基于线性注意力的语音驱动三维人脸动画方法.该方法采用一种新的端到端网络模型，通过语音自监督表示学习构建编码器提取语音特征，并利用线性注意力变体的结构RWKV构建人脸表情映射解码模块生成人脸动画.实验结果表明，本文的方法在人脸表情生成的准确度和时效性上都优于目前的相关方法，三维人脸网格顶点平均误差在标准化条件下上较sota方法降低了0.15，单帧人脸预测时延上也比基于传统Transformer的方法快了4倍左右.
  • 傅里叶神经算子在医学图像配准中的应用研究
    黄沛明，陆飞，方路平
    2025, 46(6): 1409-1415.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    医学图像配准在医学图像分析领域扮演着至关重要的角色.众多学者已经在医学图像配准方面展开深度学习技术的算法研究，以取得比传统方法更好的性能.然而，绝大多数算法更专注于图像的空域信息，忽视了频域信息的潜在作用.本文提出了一种基于傅里叶神经算子（Fourier Neural Operator，FNO）的算法，利用傅里叶变换将图像转化到频域空间，在频域空间内学习图像特征，结合空域和频域的信息，利用深度网络模型能更全面地提取图像的各种特征.该算法经在ACDC和OASIS两个数据集上进行验证，均能够在保证配准速度的前提下，得到很好的配准效果.同时，本文对FNO模块进行了详细评估.
  • 一种基于多尺度特征和有效注意力的病理图像分割方法
    王建宇，王朝立，孙占全，刘晓虹
    2025, 46(6): 1416-1426.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    病理图像分割作为病理学图像分析的一项重要任务，为医生对患者的病情进行诊断以及后续治疗方案的制定起到了至关重要的作用.然而，病理图像因其复杂的结构，例如血管、空洞、图像中病变区域与正常区域间边界模糊及对比差异小等问题，使得现有模型分割效果不理想.因此，本文提出了一种基于多尺度特征和有效注意力的病理图像分割模型，其挑战性困难在于如何有效地利用空间和通道的相关性从病理图像中精确分割边界平滑的癌变组织.首先，该模型用金字塔视觉Transformer架构对输入图像提取包含丰富语义信息的多尺度特征，再用级联融合解码器对高层特征进行聚合，得到全局映射图指导后续解码过程.其次，在解码器部分，提出局部增强的反向注意力模块和联合注意力模块对级联解码器中的特征进行有效处理.最后，使用深度监督的方式对模型进行有效训练，并将提出的方法在3个病理图像数据集上与多个先进的分割模型进行对比实验.大量的定性以及定量结果显示，本文提出的方法比其他模型表现出更好的性能，可以对病理图像进行有效的分割.
  • 基于混合尺度注意力的视觉运动整合评估方法
    王海森，王丽萍，陈宏，陆中山
    2025, 46(6): 1427-1434.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    视觉运动整合能力是衡量儿童手眼协调能力发展水平的重要评价指标.目前常用的评估方法通过纸质形式，给定一系列标准图案由测试者临摹，由专业人员根据规则标准进行评分.这种方法耗时且评分结果易受评分人员的主观影响.为解决前述问题，本文提出一种基于混合尺度的规则多标签分类模型，用于学习评分规则，对纸质评估方法产生的临摹图形进行智能评分.该模型通过混合尺度注意力，捕获图像的全局特征和局部细粒度特征，并估算图像不同区域的显著性，使模型更加关注图像的显著性区域，通过跨模态注意力，有效建立图像特征和规则标签特征之间的相关性.本文在包含1567张图像的VMI数据集上进行实验，结果表明，本文方法在前12类图形的准确率达到了91.62%.
  • YOLO-SP：面向工业安全的局部多尺度目标检测检测网络
    朱飞宇，彭敦陆
    2025, 46(6): 1435-1441.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在工业生产中，安全事故往往是由不规范的操作引起的.目前，在工业生产活动中存在着不同尺度之间数据的不平衡，导致了通用目标检测网络性能的检测准确率不足.为此，本文设计出一种适用于工业安全场景的目标检测算法—YOLO-SP，该算法通过引入滑动注意力检测（Swin-Transformer Detection，STD）模块及混合偏分损失函数（Partitioning Discrepancy，PD Loss），能够提升图像局部多尺度特征的提取能力，加强了传统YOLO模型在微小尺度目标检测上的性能.YOLO-SP通过巧妙的运用STD模块，在不显著增加计算负担的前提下，引入局部注意力机制，深入提取不同安全隐患之间的聚合性特征，使用显著的目标与细小目标的相关性，提高了细小目标的检测性能.同时设计了一种新颖的PD Loss，代入了工业先验知识，缓解了工业生产安全中不同尺度带来的数据不平衡问题.为验证本研究提出方法的有效性与实用性，本研究收集并创建了一个来自真实工业生产场景的工业安全（Industrial Safety，IS）数据集，复现了实际工业安全检测中遇到的困难，并在 IS数据集及公开的 VisDrone数据集上进行了实验.实验结果显示，在这两个数据集上的平均精度（mAP）分别达到了91.4%和65.5%，均实现了当前最佳性能水平.
  • 新解码器的CNNs-Transformers融合网络及其病理图像肿瘤分割应用
    马丽晶，王朝立，孙占全，程树群，王康
    2025, 46(6): 1442-1449.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    病理图像是肿瘤诊断的"金标准"，但超高分辨率的病理图像使得医生需要消耗大量的精力和时间，而且诊断结果主观性比较强.随着人工智能技术的发展，深度学习模型提供了计算机代替人对病理图像进行快速、准确和可靠诊断的可能性.然而，目前大多数的网络更注重如何在编码器部分提取更准确的特征，而对于同等重要的解码器部分的结构设计研究则稍显不足.针对该问题，本文提出了由三类上采样模块组成的新网络，而编码器部分采用Swin Transformer和ConvNeXt作为网络的双分支并行独立结构.三类上采样模块分别是多重转置卷积采样、双线性上采样和Swin Transformer上采样，其特点是可以充分利用病理图像特征之间局部和全局的依赖关系.该网络分别在肝癌数据集和GLAS数据集上进行了验证，并与不同类型的主流网络进行了对比，性能指标皆达到比较好的结果.
  • 面向Linux下游内核的漏洞危害性评估
    卢嘉东，顾康正，张源
    2025, 46(6): 1450-1457.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    开源操作系统Linux有众多下游发行版.下游发行版的系统内核以Linux内核主线（上游）为基础进行二次开发.因此若上游代码存在安全漏洞，下游系统的安全性也可能受到这些漏洞的威胁.动态测试能够及时验证漏洞的存在性.然而调研显示，85.3%的上游漏洞触发程序无法直接在下游系统上触发漏洞.为了在下游系统上进行漏洞复现，这些漏洞触发程序通常需花费大量时间进行调整.调整漏洞触发程序的核心难点在于理解何种上下游差异致使漏洞无法复现.因此本文设计并实现了基于执行路径差异分析的下游内核漏洞危害性评估系统KVulAssess.实验结果显示，本系统可以有效追踪34个真实内核漏洞触发时执行路径，并在下游系统OpenEuler和Debian上以89.7%的正确率评估漏洞的实际危害性.
  • Java第三方库依赖冲突自动化修复框架
    毛祥煜，施游堃，张源
    2025, 46(6): 1458-1464.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现代Java项目通常依赖于数量庞大的开源第三方库，导致依赖冲突问题频繁出现，影响项目稳定性.由于依赖冲突问题成因复杂，人工修复成本极高，但现有工作仅能为开发者提供有限的依赖冲突修复建议，且存在策略单一的缺陷，在面对复杂的项目依赖关系时难以降低修复成本.对此，本文实现了一个基于多样化修复策略的Java第三方库依赖冲突自动化修复框架DCSolver，利用新增与移除依赖关系边等多种操作灵活调整项目依赖结构，构建依赖冲突问题的修复方案，并完成自动化部署.实验结果表明，DCSolver能够高效地帮助开发者修复依赖冲突问题，同时保证项目兼容性与修复方案的轻量性.
  • 面向以太坊的高效多版本状态存储方案
    王永福，李京
    2025, 46(6): 1465-1472.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着以太坊等区块链技术的发展，其账本状态数据库也日渐膨胀，当前以太坊状态存储所使用的Merkle Patricia Trie（MPT）存在严重的性能问题.本文深入分析了MPT导致性能瓶颈的原因，协同考虑MPT访问特征与底层存储引擎设计，针对性地提出了一种高效多版本状态数据存储方案MVSLT.该方案通过写时复制技术，实现了轻量级快照与多版本存储；通过Lazy-Trie结构，优化了热点数据读写路径；利用基于创建-销毁集合的版本快照空间管理机制，实现了历史状态的高效修剪，从而应对以太坊节点在处理增长的交易量时遭遇的读写效率和存储空间的挑战.本文实现了MVSLT的原型系统，并通过与现有以太坊客户端实现相比较，验证了该方案的有效性与实用性.实验结果表明，MVSLT在交易执行性能、写入放大、以及历史状态修剪等方面均表现出明显优势.
  • 面向模型量化的安全性研究综述
    陈晋音，曹志骐，郑海斌，郑雅羽
    2025, 46(6): 1473-1490.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着边缘智能设备的飞速发展，为了在资源受限的边缘端设备上部署参数和存储需求巨大的深度模型，模型压缩技术显得至关重要.现有的模型压缩主要包含剪枝、量化、知识蒸馏和低秩分解4类，量化凭借推理快、功耗低、存储少的优势，使它成为了边缘端部署的常用技术.然而，已有的量化方法主要关注的是模型量化后的模型精度损失和内存占用情况，而忽略模型量化可能面临的安全性威胁.因此，针对模型量化的安全性研究显得尤为重要.本文首次针对模型量化的安全性问题展开分析，首先定义了模型量化的攻防理论，其次按照模型量化前和模型量化过程中两个阶段对量化攻击方法和量化防御方法进行分析归纳，整理了针对不同攻击任务进行的通用基准数据集与主要评价指标，最后探讨了模型量化的安全性研究及其应用，以及未来潜在研究方向，进一步推动模型量化的安全性研究发展和应用.
  • SDN环境中基于注意力机制的DDoS检测和缓解
    姚纤纤，夏鸿斌，刘渊
    2025, 46(6): 1491-1496.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    软件定义网络（Software Defined Network，SDN）通过控制平面和数据平面的解耦实现了网络的集中控制和灵活调度，但是这种架构设计也给可靠性、负载均衡和安全性等方面带来了挑战.其中，针对SDN环境中的分布式拒绝服务攻击（Distributed Denial of Service，DDoS），本文提出了一种结合门控循环单元（Gated Recurrent Unit，GRU）和注意力机制的DDoS攻击检测与缓解模型.相较于近期众多先进的DDoS攻击检测方法，本研究所提出的模型在检测性能上表现出了优越性，在数据集InSDN、CICIDS2018和CICDDoS2019上的检测准确率达到了100%、100%和99.62%.同时，为了进一步验证模型的有效性，本文在基于Mininet的SDN模拟环境中模拟DDoS攻击场景并对模型的缓解模块进行了检验.实验结果显示，该模型的缓解模块能够在检测到攻击后迅速采取有效的防御措施，显著减轻DDoS攻击对网络造成的影响.
  • 一种面向资源的基于能力的访问控制扩展方法
    杨晓，李茹
    2025, 46(6): 1497-1505.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于能力的物联网访问控制系统主要围绕设备服务接口展开权限控制，却忽视了对接口内部资源的精细化管理，这增加了资源被非法访问的风险.本文提出了一种面向资源的基于能力的访问控制扩展方法，该方法将资源从逻辑上划分，并使用访问控制策略表示划分依据，从而构建出代表精细资源范围的资源对象.通过将资源对象与受限权限绑定，确保了权限只能访问服务接口中对应范围的资源，解决了服务接口内资源难以被精细访问控制的问题.实验结果表明，该方法能够有效实施对资源的细粒度访问控制，具备良好的安全性和灵活性.同时，该方法所采用的验证算法表现出稳定的性能和良好的可预测性.与现有模型相比，该方法显著提升了基于区块链的验证流程的执行效率.
  • 针对工业物联网应用的组件部署策略
    朱洪潮，林兵，陈星，郑松
    2025, 46(6): 1506-1514.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    工业物联网（ Industrial Internet of Things，IIoT）是物联网（Internet of Things，IoT）在制造系统中的实现，随着它的快速发展，许多应用需要处理来自分布式终端设备的大量数据，以确保工业物联网的系统性能.本文从工业物联网应用管理者的角度出发，考虑工业物联网应用需要及时响应，组件需要处理敏感数据的特点，提出在应用允许最大响应时间，隐私保护和数据中心资源限制的约束下，优化云边环境中工业物联网应用的组件部署代价.本文提出了基于遗传算法（Genetic Algorithm，GA）和粒子群优化算法（Particle Swarm Optimization，PSO）的多应用部署算法（Multi Application Deployment Algorithm based on GA and PSO，MADPG）来得到应用组件的部署策略.该算法基于粒子群算法设计了数据中心与组件相映射的编码方式，在粒子进化过程中动态的改变相关学习因子并使用遗传和变异两种操作来提高算法的局部和全局搜索能力.仿真实验表明，与其他策略相比，基于MADPG的部署策略能够在满足工业物联网应用的约束下有效降低工业物联网应用的组件部署代价.
  • PIM-DFT：面向第一性原理计算的近存架构软硬件协同设计
    曹振伟，涂布新，谭邵杰，姜庆彩,陈俊仕，安虹
    2025, 46(6): 1515-1522.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    第一性原理计算是材料分析、凝聚态物理、量子化学等领域用于研究物质性质的一种常见方法，同时也是一种典型的访存密集型应用.现代计算系统大多以计算为中心，计算和访存之间的性能差距大，程序的执行往往受限于访存密集部分.近存计算，是一种赋予存储端一定的计算能力的技术，被认为是解决访存移动瓶颈的非常具有潜力的方法.本文以第一性原理计算软件PWDFT为例，根据计算访存特征进行合理的划分与调度，结合以共享内存为核心的数据访问优化模式，提出了PIM-DFT近存架构软硬件协同设计.实验表明，采用近存计算技术能提高计算效率，相比于x86核心，PIM-DFT通过将计算负载卸载到靠近主存端的计算单元，取得了2.6倍的加速效果和约50%的能量节省.
  • 数据库条件查询的非语义等价关系建模
    何培蕾，游进国，王宇轩，丁家满
    2025, 46(6): 1523-1529.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在数据库中，通过识别等价查询可以减少重复计算.现有方法通常从查询的语义等价关系方面来验证等价查询，然而查询的语义等价是查询结果等价的充分非必要条件，因此，仅依据语义等价关系来判断等价查询会漏掉一些语义不等价但结果相同的查询.针对这一问题，本文面向数据库条件查询提出一种非语义等价关系模型（Non-Semantic Equivalence Relation Model，NSERM）：以查询的过滤条件间的包含关系作为偏序关系构建查询格，结合查询结果相等划分得到等价类，依据等价类的凸集性质，即包含等价类上界且被下界包含的查询属于该等价类，从而直接识别或回答语义不等价但结果相同的条件查询集.所提出的模型在开源数据库PostgreSQL中实现，基于TPC-H测试集的实验结果表明，NSERM能识别非语义等价的等价查询，同时还能为数据库带来性能上的提升.
  • 编码器-解码器结构的刀具磨损状态预测研究
    刘本刚，吴文江，赵丹，王裴岩，彭春杨
    2025, 46(6): 1530-1536.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对航空钛合金加工中刀具磨损状态监测难题，提出了面向刀具磨损状态预测的编码器解码器网络结构，构建了Transformer、BiLSTM、BiGRU等72种组合模型，通过在航空钛合金高效加工实测数据样本集上验证发现：以Transformer为编码器的模型性能最优，其中Transformer-BiGRU组合模型F1值达69.61%，显著优于GS-XGBoost（58.01%）、Attention-CNN（57.65%）等方法，研究表明基于编码器解码器的刀具状态预测模型在航空钛合金复杂切削工况下具有显著优势，未来可通过模型优化和扩充样本数据进一步提升其性能.