小型微型计算机系统

过刊目录

  • 全选
    |
  • 基于深度学习的自然语言需求到时序逻辑的生成方法
    王喜龙，杨志斌，周勇
    2025, 46(9): 2049-2057.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    在嵌入式实时系统当中，时序逻辑是形式化规约的重要组成部分.现有自然语言需求到时序逻辑的生成方法往往局限于特定领域，缺乏泛化性.本文提出的基于深度学习的方法DeepTL能够完成不同领域自然语言需求到多种时序逻辑的生成任务.DeepTL包含原子命题识别、时序逻辑结构翻译、原子命题翻译3个模块.通过拆分为多个模块，DeepTL不仅显著减少了所需的模型训练数据量，还使得时序逻辑结构翻译不再受限于特定领域.本文在3个领域进行了实验，结果表明，DeepTL在具备较高翻译准确率的同时，减少了对于大规模训练数据和计算资源的依赖.
  • 基于新闻环境的可解释虚假新闻检测方法
    顾亦然，顾立强，黄丽亚
    2025, 46(9): 2058-2065.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着互联网媒体的兴起，社交网络监管难度大，导致虚假新闻在网络平台泛滥，准确识别虚假新闻并生成可解释的结果已经成为研究热点.现有的基于深度学习的可解释虚假新闻检测方法存在信息量少、过度依赖社交上下文的问题.该文通过构建反映主流媒体焦点和公众注意力分布的新闻环境，提出一种基于新闻环境的可解释虚假新闻检测模型.首先构建新闻环境，对构建的新闻环境进行感知学习，捕捉虚假新闻创作时新闻环境中的客观信息，其次，通过评估句子的重要性分数筛选出新闻环境中重要的句子用于生成解释，最后将环境感知向量作为辅助信息进行融合，完成虚假新闻的检测工作.在两个公共数据集上进行的实验表明，该模型在macF1和ROUGE两个指标上较于基线模型均有提升.
  • 结合多尺度注意力和自训练的超图聚类方法
    刘志成，王慧颖，林晓丽，朱峰冉，郭宇恒，闫炳鑫，庞俊
    2025, 46(9): 2066-2074.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    单个较大的非均匀超图聚类旨在将非均匀超图包含的节点划分为多个簇，使得簇内节点越相似越好，簇间节点越不相似越好，具有广泛的应用前景.目前最优的基于超图神经网络的非均匀超图聚类模型MADC（Non-uniform hypergraph clustering combining multi-scale attention and dynamic construction）仍存在不足：超图特征嵌入的学习效率不高.针对这个问题，提出了一种基于多尺度注意力和自训练网络的非均匀超图聚类模型STHC（Self-Training non-uniform Hypergraph Clustering）.STHC模型采用并行的多尺度注意力网络学习超图特征嵌入，以提高其学习效率.此外，该模型还构造自训练网络，联合优化超图特征嵌入和超图聚类结果，以进一步得到更好的超图聚类结果.STHC模型在真实数据集上的大量实验结果验证了其在非均匀超图聚类上的聚类准确率（Accuracy，ACC）、标准互信息（Normalized Mutual Information，NMI）和调整兰德指数（Adjusted Rand Index，ARI）均优于所有对比方法.
  • 三支提示知识的持续学习方法研究
    杨晓龙，刘家芬，王向坤，李昱洁，李艳花，杨新
    2025, 46(9): 2075-2081.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    当前基于预训练模型和提示微调的持续学习范式受到了广泛的关注.然而，该范式在选取提示时未考虑知识的不确定性，若选取对任务有负作用的不确定性提示将导致模型性能下降.如何有效处理不确定性提示成为提升模型性能的关键.本文结合三支决策理论，提出了一种基于三支提示知识的持续学习方法，将可学习的参数化提示作为知识构建三支决策知识系统，对提示知识做出接受、拒绝和延迟的决策，相应地将其划分为正知识、负知识和不确定性知识，并在持续学习过程中累积正知识、丢弃负知识、更新不确定性知识，构建提示知识库并利用其帮助新任务的学习.本文在经典持续学习数据集上进行了全面的实验，并取得了优秀的表现.
  • 多尺度信息系统下基于证据理论的三支多属性决策建模
    李瑞，张超，李德玉
    2025, 46(9): 2082-2089.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    多尺度信息系统为智能决策提供多个粒度层次的数据信息.本文旨在克服单尺度信息系统的局限，改进三支决策的主观性缺陷，并解决D-S证据理论在处理高度冲突证据时的矛盾问题，进而探索三支多属性决策方法.首先，提出基于熵权法的多尺度信息系统融合模型，以综合考虑各尺度的重要性.其次，将灰色关联度融入TOPSIS法，获取备选方案的评价值，并作为三支决策的条件概率.然后，利用D-S证据理论和信息散度融合三支决策的多组阈值，以获得最终决策结果.最后，通过高等教育综合评估数据集验证该方法在人才评价中的可行性与有效性.本文模型丰富了多尺度信息系统、三支决策、证据理论和信息散度的理论，并有效降低了多属性决策的风险.
  • 球谐函数诱导下的变分近似高斯过程模型
    刘力瑶,支凯茹,郑心仪,门昌骞,于君,王文剑
    2025, 46(9): 2090-2097.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    高斯过程通过概率建模能够有效地捕捉数据中的复杂关系,并提供关于预测结果的不确定性评估,是一个强大而灵活的工具．但由于矩阵求逆的较高计算复杂度,限制了模型在其他领域内的应用．本文针对高斯过程模型的矩阵求逆问题,提出了一种基于球谐函数的高斯过程近似模型（Variational Sparse Gaussian Processes based on Spherical Harmonic,SHVSGP）,通过球谐函数将数据映射到超球面上,在一个不同于数据原始输入域的空间中寻找一个更紧凑的输入特征代表集,使得产生的稀疏高斯过程模型能够包含有更丰富的信息特征,同时获得诱导变量相关的对角协方差矩阵,这极大简化了矩阵运算的复杂度,节省了计算成本．本文将SHVSGP模型与当下流行的其他近似方法在大规模数据集上进行比较,结果表明SHVSGP模型可以获得高效且精确的预测.
  • 基于多重注意力机制的时空频融合的脑电情绪识别方法
    潘雨青，张琬琳，任庆桦，许峰
    2025, 46(9): 2098-2104.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，脑电情绪识别在心理治疗和人机交互领域展现了重要的应用前景.然而，现有研究大多未能充分挖掘脑电信号中复杂时空频模式的耦合和互补性特征.本文提出了一种基于多重注意力机制解耦时空频融合特征的网络模型，以有针对性地捕捉脑电信号的时空域与空频域互补特征.该模型通过将多域融合特征解耦为时间流模块、空间增强模块以及频域流模块，同时将空间注意力机制与频域注意力机制聚合到该网络模型中，从而更有效地提取信号中的关键判别信息.在DEAP数据集上进行了大量实验，实验结果表明，该模型在唤醒度和效价维度上的准确率分别达到了93.68%和92.96%，优于现有模型，证明了其在提升情绪识别性能方面的优越性.
  • 方面语义增强的融合网络用于方面级情感分析
    郑诚，陈雪灵
    2025, 46(9): 2105-2112.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    方面级情感分析旨在识别方面词表达的情感.最近，基于依赖树的图卷积网络已被证明在方面级情感分析任务中是有效的.然而，句法依赖树并不是特定于情感分析的工具，不能关注到特定的方面词.针对上述问题，本文提出一种方面语义增强的融合网络模型，该模型将句法，语义和词法信息与方面词相结合，用于方面级情感分析.首先，使用快速梯度对抗训练算法进行数据增强.其次，为了充分利用句法依赖树中的有效信息，分别使用图卷积网络和注意力机制学习依赖树中的句法信息和词法信息.同时，将方面增强注意力机制与自注意力机制相结合，来增强句子的方面语义感知能力.最后，使用非对称损失作为损失函数.在基准数据集上进行了实验，验证了本文模型的有效性.
  • 融合字符级与单词级特征的跨领域方面词抽取
    王登雄，李卫疆，朱俊国
    2025, 46(9): 2113-2120.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    方面词抽取作为一项序列标记任务，通常需要依赖于大量标记数据.这在标记数据稀缺的领域变成了一项巨大的挑战.为克服该任务对于标记数据的依赖，主要是将源域与目标域中相似的句法信息或语义信息作为枢轴信息进行领域自适应，但仅仅依靠语义或句法信息作为枢轴信息其性能是有限的.故而本文在此基础上进一步将单词内部的特征信息拓展为额外的枢轴信息，使得源域与目标域之间可以更好的进行领域自适应.同时，为了提高数据的利用率，本文设计了多通道编码器，使其可以将全局特征、局部特征、字符特征进行分散编码，间接提高了单个编码通道对于数据的利用率.最终在3个基准数据集上获得了不错的性能表现.
  • 面向不平衡数据的联邦类别增量学习
    方子希，付晓东，丁家满，刘骊，彭玮，代飞
    2025, 46(9): 2121-2129.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    联邦增量学习作为一种新兴学习范式，在保护用户隐私的同时利用数据孤岛的知识，有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题，该文提出了一种基于条件生成对抗网络的无数据存储重放再训练方法（ARR）.具体来说，用户模型训练分为两个阶段：第1阶段结合条件生成对抗网络生成模拟的历史任务数据和当前任务数据共同训练本地模型；第2阶段则冻结特征提取层，采用平衡采样技术对其他层进行再训练.服务器通过利用条件生成对抗网络生成的所有用户任务数据来优化全局模型.实验结果显示，ARR在不平衡程度逐渐加剧的情况下，全局模型准确率相较于现有的相关方法提高了8.64%~31.03%，有效缓解了灾难性遗忘问题，显著提高了全局模型的最终精度.
  • 融合图对比学习的个性化序列推荐模型
    楚庆龙，汪海涛，贺建峰，陈星
    2025, 46(9): 2130-2136.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对现有基于图对比学习和Transformer架构的序列推荐模型中所存在的序列融合以及单峰激活问题，提出解决方案.对于并行架构下的序列融合问题，该文设计了一个个性化图特征融合单元，将图特征个性化的融入序列推荐模型中.此外，由于注意力机制中的softmax激活函数要求所有项目得分之和等于一，造成了单峰激活问题，阻碍了多个高度相关项目的同时激活.为此该文提出了一个多峰激活模块，对每个项目的重要性重新加权，使得模型可以同时捕获多个高相关度项目，以提升推荐性能.该模型在两个公开数据集上与多个基线模型进行了比较，实验结果显示该文所提模型在不同的评估指标上较基线模型都有所提升，验证了模型的有效性.
  • DeT+：基于Mamba的多模态融合色彩美学评价算法
    倪雯倩，郝煦泽，姜旭浩，谭伟敏，颜波
    2025, 46(9): 2137-2144.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    图像色彩美学评价是评估图像是否符合用户色彩美学偏好的关键标准，在评估智能手机和相机性能方面起着重要作用.传统的图像色彩美学评价方法通常依赖于像素统计或色轮理论，仅能量化色彩特征，而基于深度学习的方法目前提取隐式的色彩特征进行最终分数回归，缺乏捕捉色彩与图像内容和语义互动的能力.为了解决这些问题，本文提出通过对比视觉-语言预训练模型获取的高级语义特征来增强传统的隐式色彩特征.除此之外，本文方法引入了Mamba视觉状态空间增强与融合模块，以获取更高质量的特征.此外，通过计算高级语义特征与特定主导色彩提示词之间的相似性，提取显式色彩特征，增强了模型对色彩使用的直观理解和评价能力.广泛的实验结果表明，本文方法在多个公开数据集上性能明显优于State-Of-The-Art方法（如EAT （ACMMM′23）、DeT （ICCV′23）），SRCC指标最高提升达3.3%.
  • 引入局部特征对齐和原型修正的少样本图像分类模型
    李平，宋琦，张锋
    2025, 46(9): 2145-2152.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    少样本学习是目前机器学习领域研究的热点问题.其目标是学习一个具有良好泛化能力的模型，在面对新类别时，该模型能够利用少量的标注图像来掌握新类别的概念.本文针对现有少样本模型仅单独使用全局特征或单独使用局部特征导致的信息未能充分利用问题，以及未考虑噪声影响导致样本服从不同分布假设问题，提出一种引入局部特征对齐和原型修正机制的少样本图像分类模型（ARNet）.该模型首先通过卷积神经网络提取数据的全局和局部特征，进而利用最大均值差异对全局特征进行加权，从而对类原型进行修正.同时，为了能够充分利用局部特征，模型使用神经网络建模局部特征权重，进而实现局部特征的语义对齐.在多个少样本学习数据集上的实验结果表明，ARNet通过充分利用图像数据的全局和局部特征，获得了明显优于现有模型的分类精度.本文实验代码下载链接为https：//github.com/zxCode6/ARNet.
  • 融合多类替换细化和多分支盲点网络的自监督图像去噪
    梁震远,朱松豪
    2025, 46(9): 2153-2159.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    现有的自监督图像去噪方法，特别是基于盲点网络的方法，在特征提取过程中会导致图像信息损失，这大大降低了图像去噪性能.因此，在实际去噪过程中，利用自监督盲点网络处理空间相关性噪声是一项具有挑战性的工作.为解决上述问题，本文提出一种基于多类替换细化和多分支盲点网络的自监督图像去噪方法.首先，利用不同步长的像素重组下采样模块，消除噪声的空间相关性；然后，利用提出的多类替换细化模块，在不增加网络模型参数的情况下，进一步消除噪声的空间相关性；最后，利用提出的多分支盲点网络，补偿去噪过程中损失的图像信息.在合成数据集和真实数据集上的大量实验结果表明，本文所提方法优于现有大部分图像去噪方法.
  • 标签关联性指导的半监督多标签医疗图像分类模型
    张凯，梁伟，曹鹏，杨金柱
    2025, 46(9): 2160-2167.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    深度学习在多标签医学图像分类上表现出色，但往往依赖于大量标注数据.然而，在医学图像分析中，获取高质量标签既费力又昂贵，因为准确标注医学图像需要医生的专业知识.为此，本文提出了一种用于多标签医学图像分类的半监督框架.该框架考虑了有标签数据和无标签数据的分布差异，通过引入领域鉴别器与特征提取器进行对抗性学习，使模型在学习特征表示的同时保持特征空间的一致性.此外，还提出了一个标签关联性一致性范式来充分利用无标签数据来促进标签关联性的学习，进而提高模型的分类性能.在两个公共基准医学图像数据集上的实验结果表明，所提出的方法不仅能够有效处理标注数据稀缺的问题，还能显著提升多标签医学图像分类的整体性能.
  • PillarTNet：基于Transformer的三维目标检测模型
    韩建栋，苏佳
    2025, 46(9): 2168-2175.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    针对三维点云目标检测中传统的卷积神经网络在特征提取阶段因下采样导致分辨率降低，影响小目标的识别准确性问题，本文提出一种基于Transformer的三维目标检测模型：PillarTNet.该模型首先使用双重注意力融合模块强化特征编码，然后通过区域扩张注意力模块提取特征，保持整个过程伪图像分辨率不变，更有利于小目标的检测，同时引入区域移位机制促进不同区域的信息交流.但是注意力操作会存在大量空体素，可能增加大目标的漏检与误检风险，为此，对检测头采用空体素关注模块以缓解这一问题.在KITTI数据集上的实验结果显示：PillarTNet在确保Car和Cyclist检测精度的同时，Pedestrian的检测在3个难度等级的AP3D分别达到了62.48%、53.21%和49.57%，且本模型在推理速度和内存需求方面均表现出色，充分验证了PillarTNet的优越性和适应性.
  • 视觉感知差异驱动的样本梯度自适应渲染算法
    姚伟勋，陈纯毅，申忠业，于波，胡小娟
    2025, 46(9): 2176-2182.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    当使用蒙特卡罗路径跟踪方法渲染三维场景时，由于采样不足，可能会出现噪声和细节缺失等问题.直接提升采样数水平则会产生冗余计算.为此本文提出了一种基于样本梯度的自适应渲染算法.首先在预处理阶段，获取粗渲染结果图.然后计算图像的恰可察觉差异值和熵值，进而获取控制渲染所需的阈值.随后对样本梯度进行池化和平滑滤波，然后通过对比样本差异和阈值来判断像素点是否达到收敛状态.实验结果表明，与现有的感知驱动渲染方法相比，其PSNR和SSIM分别提升了4.75%~9.98%，9.88%~17.22%.
  • 自我引导和特征引导增强的小样本分割网络
    吴杰，瞿绍军
    2025, 46(9): 2183-2192.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    小样本分割的一个关键要素是有效利用支持集中的信息.以往的方法大都通过掩码平均池化获取全局特征向量，这种方式获取的特征向量比较粗糙.设计了一种基于高层特征的自我引导模块（HSGM）来增强特征向量的质量；为了充分利用支持图像中的信息以及查询特征和支持特征间的相关性，设计了一种特征引导增强模块（FGEM），利用高层特征来引导低层特征得到强化的查询特征.这两个模块能够有效地挖掘支持图像中的上下文信息以及支持特征与查询特征之间的潜在相关性.针对以往k-shot分割大都是对特征向量进行平均融合，设计一种类注意力机制的分割策略来融合不同样本的信息.提出的自我引导和特征引导增强的小样本分割网络在PASCAL-5i和COCO-20i两个公共数据集上与近年来部分优秀方法进行实验对比，均取得较为先进的效果.实验结果表明所提出方法对挖掘支持样本中的信息以及提高小样本分割性能有较大帮助.
  • SignBot：一种基于轻量深度神经网络的人形手语机器人
    李新潮，袁野，刘娜
    2025, 46(9): 2193-2200.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    人形机器人凭借高度逼真的人类外观与灵活稳定的运动能力，能够深度参与到人类社会活动场景；人机交互是人形机器人进入现实世界，成为人们生活、学习和工作中的伴侣的必要能力.然而，现有机器人交互技术主要面向正常人群，缺乏适用于听力或者语言障碍人士的人机交互方案.为此，设计了一种轻量级的手语识别深度网络（SignNet），该模型能够快速集成到机器人硬件平台，使其具备手语识别能力.此外，本文将手语识别模型与现有表情控制算法、语音合成算法联合，使机器人能够识别手语，并通过表情和语音反馈进行交互.实验结果表明，SignNet在多个手语数据集（WLASL、CSL、SLR500）上识别准确率最高达到98.2%，进一步测试显示，该机器人能精准识别手语并提供适当反馈，为听力或语言障碍人士提供了有效的人机交互途径.
  • LFC-UNETR：一种用于多模态的脑肿瘤分割的全卷积网络
    罗康，丁德锐，庞飞翔
    2025, 46(9): 2201-2208.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    脑肿瘤作为大脑中异常细胞的集合体，其生长迅速且与周围组织相互浸润，导致边界模糊.针对传统CNN分割网络在捕获语义信息时远程依赖关系不足、池化下采样带来的信息丢失以及基于Transformer分割网络的高计算复杂度等问题，本研究受ConvNeXt和Transformer模型的启发，提出了一种新颖的基于编码-解码结构的全卷积网络LFC-UNETR.在编码阶段，提出了ConvReXt块以提取局部特征，并将其扩展为ConvReXt下采样块.该下采样块能够保留更丰富的语义信息，有效地避免了传统池化下采样导致的细节和空间关系的信息损失.进而，设计了密集并行全局注意力模块，在增强局部特征提取的同时提高了模型对远程依赖关系的捕捉能力，解决了普通卷积感受野受限的不足.此外，改进了跳接与解码器部分，采用密集多尺度模块以减轻编解码器之间的语义偏差，并增强网络在上采样阶段的特征提取能力.在BraTS 2020脑肿瘤数据集上的实验结果表明，LFC-UNETR在整体肿瘤、肿瘤核心和增强肿瘤3个区域的平均Dice系数分别为92.08%，91.53%和86.58%，不仅在Dice系数上表现出色，而且参数量相对较少.这一成果证明了LFC-UNETR在多模态MRI脑肿瘤分割任务中的有效性和优越性.
  • 一种高光谱重建的多域感知自注意力算法研究
    王万良，王婷婷，陈嘉诚，戴瑞
    2025, 46(9): 2209-2215.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    高光谱图像重建算法旨在解决编码孔径快照光谱成像（CASSI）的逆问题，当前的解决方案中，深度展开网络通过交替求解数据子问题和先验子问题能高效地获取场景光谱信息.在数据子问题中，考虑到3D数据中像素质量的下降程度与位置的相关性及感知矩阵与退化矩阵的差异，该网络联合残差学习和自适应梯度下降算法学习退化矩阵和梯度下降的参数来提升数据精准度；在先验子问题中，引入傅里叶变换从频域中捕获更多的高频突变信息，再结合光谱自注意力组成多域聚合自注意力模块，以自适应挖掘和聚合更全面的空间光谱信息.在仿真和真实数据集上的实验结果表明，相较于主流的方法，该算法在保持较小计算复杂度的情况下大幅度地提高了重建质量，PSNR指标高出0.89 dB.
  • 特征融合式轻量化调制识别方法设计与研究
    查燕平，王红军，沈哲贤
    2025, 46(9): 2216-2224.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    物联网、边缘计算和可穿戴设备等万物互联的应用场景对无线网络领域信号调制识别方法所消耗的计算资源提出了要求.本研究针对调制识别任务中模型复杂度高、识别精度低的问题，设计了一种特征融合式的，联合深度残差收缩网络与门控循环单元的轻量化调制识别方法.该方法首先对原始IQ信号数据进行转换，生成包含信号相位信息的瞬时相位值；然后针对IQ数据和瞬时相位值这两种特定类型的数据，创新性地结合深度残差收缩网络在信号降噪和提升训练效率方面的显著优势，以及门控循环单元在序列特征提取的优秀性能，设计了一种轻量化的特征提取和分类识别模型；最后在代表一个复杂调制识别任务的公开数据集RadioML2018.01a上进行仿真验证，并在实际的边缘设备上部署推理.实验结果表明，本文方法在调制识别任务中具有更少的参数量和更高识别精度，在边缘设备上具有更快的推理速度，适用于资源受限的应用场景.
  • 车联网中的区块链和可搜索加密数据共享方案
    周雄，王峥，程哲凡
    2025, 46(9): 2225-2232.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    云计算为车联网数据存储和资源共享带来了极大的便利.然而，云存储的集中化对数据安全共享构成了潜在的威胁，可能导致云服务提供商和非法用户未经授权访问和滥用车辆数据.为此，本文提出一种基于区块链和可搜索加密的车联网数据共享方案.首先，该方案采用隐藏向量加密技术为文件设置轻量级的访问控制策略，实现对加密数据的细粒度访问控制，以满足多用户密文搜索请求；其次，使用可搜索加密技术和智能合约实现加密数据在区块链上的公平搜索.此外，该方案支持多关键词搜索和结果的完整性验证.最后，安全性分析与实验表明，该方案在安全性和效率方面是可行的.
  • 一种利用大语言模型的安全关键系统失效模式识别方法
    林翰鑫,杨志斌,周勇,李维
    2025, 46(9): 2233-2241.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    基于模型的安全分析(MBSA)是安全关键系统（SCS）安全评估的最新方法.失效模式是指系统、组件或设计可能无法达到预期性能标准的表现方式，是MBSA故障行为建模的重要组成部分.然而，随着系统复杂性的增加，手动提取失效模式非常耗时，不同安全工程师的提取结果缺乏一致性.为了应对这些挑战，本文提出了LLM4IFM方法，该方法利用大语言模型（LLM）从故障历史记录、安全标准等文本源中提取失效模式.为了确保数据安全，LLM4IFM采用本地大语言模型，而非云部署大语言模型.首先，该方法对从安全关键领域收集的数据进行预处理，用于知识增强，从而构建特定领域的LLM；实验结果表明，与微调方法相比，检索增强生成方法（RAG）在长上下文处理和知识整合方面具有更好的表现.其次，提出了一种基于命题逻辑的提示框架，与标准提示相比，它显著提高了不同粒度级别下失效模式提取的准确性.最后，该方法在工业界弹射座椅控制系统中取得了成功应用.
  • 融合模糊攻防树和组合赋权的脆弱性评估方法
    姚洪磊，杨轶杰，刘吉强，牛温佳
    2025, 46(9): 2242-2250.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    本文通过研究组合赋权策略和模糊攻防树策略，并提出面向中国铁路电子客票的脆弱性评估方法.首先基于系统可能面临的安全威胁和既有安全防御措施构建了攻防树模型.采用FAHP法和熵权法来量化叶子节点各安全属性的权重，攻防树模型叶子节点和攻击路径的区间概率采用TFN进行计算，解模糊化后得到系统的整体脆弱性.以中国铁路电子客票为例，基于上述方法对其进行了脆弱性评估，评估结果表明，该方法有助于准确定位被评估系统的网络安全薄弱环节.实验结果表明，本文提出的方法能较好地反映网络安全攻击事件的不确定性，减少专家主观因素对脆弱性评估结果的影响，可为运营者实施针对性防御策略提供依据.
  • 一种三维定向无人机自组网邻居发现算法
    吕玉超，任智，张伟业，周逊
    2025, 46(9): 2251-2257.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    定向天线因其抗干扰、空间复用度高、传输距离远等特点广泛应用在无人机自组网中.在无人机进行分布式组网时，无人机需要发现周围的邻居节点，因此邻居发现是组网的必要过程，也是无人机自组网MAC协议设计的难点问题.目前的定向邻居发现算法大多局限于二维平面上，无法满足无人机更广泛的使用需求.因此本文提出了一种适用于三维空间的波束扫描路径，在基于确定性扫描算法（ScanBase AlgorithmDeterministic，SBAD）的基础上，改进节点收发模式的分配规则，并提出了3个碰撞避免机制，利用三维扫描路径将该算法应用于三维空间的邻居发现中.最后通过仿真分析了节点数量和波束宽度对算法性能的影响，验证了该算法的邻居发现时间、邻居发现率和控制开销与现有三维邻居发现算法相比均有一定提升.
  • Soft-DDPG算法驱动的综合能源系统优化调度方法
    韩光洁，邹昕莹，张帆，徐政伟
    2025, 46(9): 2258-2265.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    近年来，综合能源系统作为一种以多种能源形态和设备相互交互的能源系统方案得到了广泛应用和研究.然而，在面对动态复杂的多能源系统时，传统的优化调度方法往往无法满足其实时性和精准度需求.因此，本文设计了一种软深度确定性策略梯度（Soft Deep Deterministic Policy Gradient，Soft-DDPG）算法驱动的综合能源系统优化调度方法，以最小化调度周期内系统总运行成本为目标，建立设备运行综合能效评估模型，再采用SoftDDPG算法对每个能源设备的能效调度动作进行优化控制.Soft-DDPG算法将softmax算子引入到动作值函数的计算中，有效降低了Q值高估问题.与此同时，该算法在动作选择策略中加入了随机噪声，提高了算法的学习效率.实验结果显示，本文所提出的方法解决了综合能源系统能效调度实时性差、精准度低的瓶颈问题，实现了系统的高效灵活调度，降低了系统的总运行成本.
  • 多因素认证协议的通用可组合模型
    黄佳佳，马昕，李新慧，黄鑫
    2025, 46(9): 2266-2274.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    随着信息安全需求的不断增加，多因素认证协议的重要性日益凸显，其安全性问题以及通用的安全分析方法也受到了越来越多的关注.本文基于通用可组合（Universally Composable，UC）框架，提出一种多因素认证协议的可证明安全模型，与现有模型相比，该模型结合了多因素特性与通用可组合性.具体而言，本文首先综合考虑多因素认证协议中密码、硬件设备、生物特征因素的安全需求和潜在威胁，定义了多因素认证协议的理想功能.其次，提出了一种多因素认证协议，并且构造了对应的模拟器.最后，对改进后的多因素认证协议进行安全分析，分析结果表明，提出的理想功能可以描述多因素认证协议的特性.
  • 面向空天地一体化网络的切片划分与协作卸载
    王鹏飞，郑霖睿，于正欣，苗旺，陈哲毅
    2025, 46(9): 2275-2282.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    新兴的空天地一体化网络（Space-Air-Ground Integrated Networks，SAGIN）赋予移动边缘计算（Mobile Edge Computing，MEC）更广泛的通信覆盖范围与更灵活的网络接入能力.然而，多样化的用户需求与低效的资源利用严重影响了SAGIN中计算卸载的服务质量（Quality-of-Service，QoS）.现有研究工作大多针对静态环境或依赖系统先验知识，难以适应动态复杂的SAGIN环境.针对上述挑战，本文设计了一种新型的面向SAGIN的切片划分与协作卸载（Slice Partitioning and Collaborative Offloading，SPCO）框架.首先，提出了一种基于Transformer的切片资源划分方法，通过感知用户流量的变化趋势，实现高效的切片资源划分.接着，设计了一种基于改进深度强化学习（Deep Reinforcement Learning，DRL）的协作卸载与资源分配方法，通过应对Q值高估与高方差导致的难以收敛等问题，实现了通信和计算资源的合理分配以及异构平台的高效协作卸载.大量基于真实流量数据集的实验验证了SPCO的有效性.所提SPCO框架可有效增加服务商收益，且相较于其他基准方法可以取得更加优越的任务完成率与资源利用率.
  • 隐形社群检测结合节点意识形态在多层网络影响力最大化中的研究
    曹春萍，廖泽南，杨亿騄
    2025, 46(9): 2283-2290.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    当前多层网络影响力最大化研究在识别隐形社群方面存在局限，因其依赖拓扑结构而忽视了现实因素，导致影响力节点识别不全.针对上述问题，基于网络嵌入和启发式排序算法，提出一种基于隐形社群检测的多层网络影响力最大化模型.首先，对节点内在意识形态采用语义分析得到属性信息，利用图增强技术获取网络全局信息，并设计层对比学习方法提升嵌入向量质量，提高隐形社群识别的准确性.其次，针对节点间意识形态差异，为社群内邻居节点设计不同奖励点数改进启发式算法；为社群间潜在节点设计影响力识别算法，全面地提升多层网络的影响力最大化效果.根据研究结果显示，本文模型在现实数据集上F1值分别提升了8.38%和7.64%，且算法传播效果提升了139.89，均优于现有的先进方法.
  • 非易失内存的数据库索引结构综述
    蒋一赫，彭泽顺，张岩峰，于戈
    2025, 46(9): 2291-2304.
    摘要 ( ) PDF全文 ( )   可视化   收藏
    非易失存储（NonVolatile Memory，NVM）结合了动态随机访问存储器（DRAM）的高速存取特性和硬盘驱动器（HDD）或固态硬盘（SSD）的数据持久性，为传统存储和内存架构带来了革命性的变化.本文对NVM索引技术进行了综述，重点分析了NVM的关键特性和各种主流索引结构的研究进展.首先，介绍了NVM的基本概念、工作原理以及其在数据中心和高性能计算中的应用.接着，详细探讨了几种主要的NVM索引结构，包括基于哈希、B+-Tree和Radix-Tree的索引结构，以及几种基于NVM的学习型索引和混合索引，分析了它们的设计特点、操作机制和应用场景.此外，本文还介绍了用于测试NVM索引性能的benchmark工具PiBench，包括其设计原理、测试指标和实际应用效果.通过这些分析，本文希望为NVM相关领域的研究人员和技术开发者提供有价值的参考，推动NVM技术在实际应用中的发展和普及，最终实现更高效、更可靠的数据存储系统.