小型微型计算机系统

Select

邵怡阳，张鹏，卢暾，顾宁

2026, 47(3): 513-521.

摘要 ( ) PDF全文 ( )

可视化

近年来，许多研究关注情感支持模型的设计，但模型评估方法限于文本生成任务的通用指标，并不能直观反映真实交互中的情感支持能力.一些研究通过开展人工交互式评估弥补这一缺陷，然而需要的成本过大.为了自动化衡量情感支持能力，本文设计了一种能够模拟情感支持交互过程的评估方法，提出基于求助者状态的模拟模型SeekerView，通过模型预测求助者的情绪状态并基于此生成具体的对话内容，进而设计出更符合情感支持任务的评估指标，例如对话轮数、求助者情绪缓解度变化值等.同时本文对7个大模型开展评估实验，相比其他评估方法，本文设计的评估指标与人工评估中温情度和情感验证能力两个维度的分数呈现更高的一致性.

Select

利用形状保持采样的任意形状聚类方法

周泉，薛亮，黄浩，应时

2026, 47(3): 522-530.

摘要 ( ) PDF全文 ( )

可视化

任意形状聚类旨在快速、准确地分析识别出数据集中具有任意分布形状的数据簇.大多数现有方法具有二次方以上的时间复杂度.为降低计算代价，部分方法通过下采样来减少待分析的数据量，但采样结果常不能保持原始的数据分布形状，进而影响最终聚类结果.本文提出一种利用形状保持采样的任意形状聚类方法.首先，在原始数据集上进行下采样，使采样点均匀连续地分布于原始的数据分布内，从而保持原始的数据分布形状；然后，基于采样点选取代表点并调整各代表点位置，使其与近邻的同质代表点靠拢，提升邻近代表点属于同一聚类的概率；最后，基于类间最小距离对代表点进行凝聚聚类，将邻近代表点逐渐合并到同一聚类中.实验结果表明，本文方法在聚类结果准确性、运行效率上均优于现有代表性方法.

Select

超椭球障碍下移动机器人预定义时间跟踪控制

寇雯彬，张奇祥，罗晶，沈国鑫，唐必伟

2026, 47(3): 531-538.

摘要 ( ) PDF全文 ( )

可视化

针对复杂环境下移动机器人轨迹跟踪与避障控制问题，提出了一种基于控制障碍函数(Control Barrier Functions,CBF)—控制李雅普诺夫函数(Control Lyapunov Functions,CLF)优化框架的预设时间轨迹跟踪控制方法.在安全区域，基于预定义时间收敛定理设计一种光滑、有界的时变虚拟控制律，给出具有预定义时间收敛特性的控制律解析解.在避障区域，引入超椭球约束拟合复杂几何障碍，并构建线性化CBF，以降低求解复杂性.其次，引入松弛变量改进CLF，结合CBF将问题转化到线性凸二次规划框架下求解，实现避障与跟踪性能的平衡.仿真结果表明，该方法能在预设时间Tc内将跟踪误差收敛到μm级(1.3μm内)，同时在安全裕度内避开复杂障碍，在规避障碍后跟踪误差限制在1.2 Tc内收敛.对比实验进一步验证了该方法的精准度和控制效率.

Select

基于词对信息的嵌套命名实体识别

唐鹏，雷鸣，牛保宁，宋春花

2026, 47(3): 539-547.

摘要 ( ) PDF全文 ( )

可视化

命名实体识别是检测和分类文本中实体的任务.当实体彼此重叠时，该任务称为嵌套命名实体识别.基于跨度的方法处理嵌套命名实体识别是高效的，但在先前的研究中跨度表征通过融合跨度的端点词表征或者所有词表征生成，没有充分考虑跨度内不同词之间的依赖.其次，利用特征矩阵进行实体预测，实体之间的依赖信息以及实体在句子中的上下文信息没有被考虑.为了解决上述问题，本文提出跨度表征增强网络（Span Enhanced Network，SEnNet）.该网络利用跨度内的词对信息构建初始跨度表征，而不仅仅依赖于跨度的端点词表征或者简单融合跨度内部所有词表征.随后不同跨度之间的交互以及上下文信息的引入，初始跨度表征被逐渐丰富.在ACE04、ACE05、KBP17和CoNLL03数据集上的实验结果验证了本文提出的模型能够充分利用跨度内部的词对依赖信息和跨度外部的依赖信息以及上下文信息，提升实体识别的性能.进一步的实验表明，利用词对信息丰富跨度表征有助于长实体识别.

Select

融合条件独立采样与对数似然对数秩比机制优化的生成中文文本检测

朴明庆，罗文华，杨凯杰

2026, 47(3): 548-555.

摘要 ( ) PDF全文 ( )

可视化

随着人工智能技术的飞速发展，以ChatGPT为代表的生成式人工智能大模型深刻地改变了人类的生活，同时也对生成内容检测技术提出了更高要求.相较英文生成文本，中文生成文本检测研究起步较晚，资源相对匮乏.基于零样本学习思想，提出融合条件独立采样与对数似然对数秩比（LRR）机制优化的人工智能生成中文文本检测方法.首先验证了人工智能生成的中文文本同样具有经扰动变体后的文本概率位于模型负曲率区域的特点，之后通过条件独立采样替代了传统施加扰动的采样机制，添加注意力机制模块进一步提取采样文本的概率分布特征，并利用参数赋权法评估条件概率曲率指标与优化的LRR指标，最大限度发挥两个指标的检测作用.实验结果表明，该方法的准确率最高可达90%，平均准确率为87.7%，时间效率相对于施加扰动的DetectGPT方法提升了近6倍.

Select

Top-k不相交对比模式挖掘

王小丫，武优西，王月华，李艳

2026, 47(3): 556-562.

摘要 ( ) PDF全文 ( )

可视化

对比模式挖掘专注于识别不同类别数据库之间具有显著差异的模式，然而，现有的对比序列模式挖掘算法需要用户预先设置频繁阈值，导致最终的对比模式分类准确度难以达到理想效果；而且基于对比度的挖掘算法不满足反单调性，不能使用模式连接策略生成候选模式.为了解决上述问题，本文提出Top-k不相交对比模式挖掘算法TDCP，该算法采用Top-k策略，以对比度衡量模式分类能力，无需手动设置频繁阈值；采用位置索引结构计算模式支持度，有效提高算法的运行效率；结合枚举和剪枝策略来生成候选模式，既保证了模式生成的全面性又避免了大量冗余.实验表明，TDCP算法的挖掘性能和分类效果均优于其他对比算法.

Select

融合参考向量更新的约束高维多目标进化算法

李俊，刘伟康，吴颖波，陈黎

2026, 47(3): 563-578.

摘要 ( ) PDF全文 ( )

可视化

为有效解决约束高维多目标优化问题，本文提出了一种新型的融合参考向量更新的双种群双阶段进化算法WDPEA-RVU，旨在高维空间中有效平衡可行性、收敛性和多样性.首先，算法采用双种群双阶段机制，通过辅助种群与主要种群的信息交流，实现全局搜索与局部集中的有效协作.其次，针对在高维空间中传统Pareto支配关系影响力减弱的问题，算法结合θ -支配，提出新的环境选择策略，以增强在高维空间中收敛性的选择压力.最后，为解决可行区域内个体分布不均的问题，设计了一种参考向量更新机制，以改善可行区域内个体的分布多样性.通过与其它代表性算法在C_DTLZ、DC_DTLZ和MW测试套件上进行不同目标数量的对比实验，展现了WDPEA-RVU的先进性；并通过在ZXH_CF测试套件上进行不同目标数量的消融实验，验证了本文所提出参考向量更新机制的有效性.

Select

实体匹配策略驱动的增强社交网络表示学习框架

温志鹏，杜航原，王文剑

2026, 47(3): 579-586.

摘要 ( ) PDF全文 ( )

可视化

社交网络因其建模用户行为和关系的能力，被广泛应用于社交挖掘与推荐系统等领域.然而，仅依赖社交网络表示可能因缺乏用户背景信息而导致描述片面化，从而影响下游任务的性能.为此，本文引入知识图谱作为外部知识，与社交网络进行融合以实现信息补充.针对融合过程中存在的数据异质性和嵌入空间不一致问题，本文提出了一种实体匹配策略驱动的增强社交网络表示学习框架GEMF.GEMF通过独立编码器分别学习两种数据的嵌入表示，并设计显式与隐式实体匹配模块，捕捉重叠节点对以对齐嵌入空间.此外，本文构建了两个基准数据集，并在这些数据集上进行了大量实验.实验结果表明，GEMF不仅能准确识别重叠节点对，还能有效融合社交网络与知识图谱信息，显著提升下游任务性能.

Select

面向隐私保护的多平台移动群智感知定价策略

杨桂松，李嘉才，何杏宇

2026, 47(3): 587-593.

摘要 ( ) PDF全文 ( )

可视化

在移动群智感知（MCS）研究中，单平台MCS中隐私保护方法由于未考虑平台间竞争的影响，难以直接应用于多平台环境，而多平台MCS中尚未有针对平台隐私保护的相关研究.为解决这一问题，本文提出了一种面向隐私保护的多平台定价策略.具体而言，本文将平台定价问题建模为多领导者-多追随者的斯塔克尔伯格博弈：平台作为领导者设定价格，工人作为追随者根据价格优化其服务贡献.此外，提出了一种基于多智能体强化学习的去中心化定价机制（DMRL-PM），使平台无需透露私有信息，仅通过公开报价信息自主学习最优定价策略.该机制引入并改进了WoLF-PHC算法中的“赢或快速学习”机制，实现了策略学习率的自适应动态调整.实验结果表明，与现有方法相比，DMRL-PM在收敛性与有效性等方面具有显著优势.

Select

融合自适应切换机制的牛顿-拉夫逊算法

王谙博，潘家文，钱谦，冯勇，李英娜，张晓丽

2026, 47(3): 594-606.

摘要 ( ) PDF全文 ( )

可视化

牛顿-拉夫逊优化算法（NRBO）因其快速的局部收敛特性而被广泛应用，但在处理全局优化问题时，其性能受到初始种群单一和过度依赖近似梯度信息的影响.对此，本文提出了一种融合自适应切换机制的牛顿拉夫逊算法（ANRBO）.首先，ANRBO中设计了一种适应度加权的准反向学习初始化来构建初始解集，以丰富种群多样性.其次，使用自适应分段决策因子策略调节陷阱避免算子的触发概率，以平衡探索与开发.最后，当算法停滞时，ANRBO通过具有自适应切换功能的双扰动策略激活长距离跳跃，从而继续搜索未知区域.在100维的CEC 2017函数测试集上的综合优胜率达到62.07%，表明ANRBO在处理多模态和高维度问题上高效可行.将ANRBO应用于19个实际工程应用问题中，并与九种其他智能优化算法进行比较，ANRBO的Friedman平均值排名第一.证明了ANRBO在诊断精度上的优势，也体现了其自适应特性在实际工程问题中的有效性.

Select

结合层次序列特征和多粒度奖励的混合式中文摘要方法

黄高安，邵党国，马磊，唐开强，吴雨芯

2026, 47(3): 607-615.

摘要 ( ) PDF全文 ( )

可视化

自动文本摘要任务是自然语言处理领域的一个重要研究方向，其目的是通过捕获源文档中的关键信息自动生成简洁、准确且连贯的摘要.过去，基于基本注意力的编解码模型被广泛用于自动文本摘要任务，但由于其对文本特征质量的高度依赖，生成的摘要缺乏准确性和连贯性，而所涉及的计算能力和所达到的性能难以满足当前的需求.本文提出的编解码模型中，采用的预处理方法不仅提高了输入文本数据的质量，而且使得模型更容易捕捉到文本的通用模式；提出的层次融合机制，增强了生成摘要与源文档之间的相关性，降低了重复单词出现的频率；此外，提出的多粒度梯度批判策略降低了序列预测过程中误差累积和传播，生成了更符合源文档主题的摘要.在中文公共数据集NLPCC2017数据集上的实验结果表明，所提出的模型在ROUGE评分上优于基线和一些最先进的模型.

Select

微型四旋翼无人机抗扰动高机动飞行控制:理论和实验验证

韦振鸿，季云峰，任善俊，王刚，王朝立

2026, 47(3): 616-621.

摘要 ( ) PDF全文 ( )

可视化

微型四旋翼无人机在执行高机动飞行时，产生的复杂高速气流导致旋翼气动力不稳定，引发无人机角速度的震荡，进而影响其飞行稳定性.为解决这一问题，本文分析了由螺旋桨气动系数和扭矩延迟对无人机动力学的影响，提出了一种新的基于非线性扩张状态观测器的抗扰动控制策略.该方法将无人机在高机动飞行时受到的系统扰动视为总扰动，通过扩张状态观测器对其进行估计，并设计控制器对其进行补偿.理论分析和对比实验结果表明，所提出控制方法可以有效地抑制由气动不稳定性和扭矩延迟引发的震荡干扰，保证闭环系统的稳定性，提升微型无人机在高机动飞行时的性能.

Select

基于归一化流的情感可控语音驱动三维面部动画生成

刘文静，谢文军，韩汇东，李琳，刘晓平

2026, 47(3): 622-630.

摘要 ( ) PDF全文 ( )

可视化

当前的语音驱动面部动画生成方法主要关注唇音同步和身份保持，而对于面部动画的情感表达和情感控制等更具表现力的元素关注不足.为此，提出了一种基于两阶段归一化流的情感可控语音驱动三维面部动画生成方法EmoFlowTalk.首先，设计了时序优化的归一化流架构的面部动态参数生成器，改进仿射耦合层以显式建模面部动画序列的时序依赖关系，将不同情感表达的面部表情映射至混合分布的多情感类潜在空间.其次，设计了基于解耦的情感引导随机采样机制，融合音频、情感和风格特征，从混合分布中采样潜在表示，实现唇音同步与情感表达的精细化控制.实验表明，本方法在降低唇部顶点误差的同时，显著提升了情感动画的多样性和自然度.

Select

基于元学习的个性化人像面部语义特征提取与重建方法

张莞鑫，张伟，雷为民，张金

2026, 47(3): 631-637.

摘要 ( ) PDF全文 ( )

可视化

针对传统基于像素相关性的视频压缩编码方法在处理大量数据时的效率瓶颈，以及二维语义特征编码在处理大变化时的局限性，提出一种结合语义特征提取方法、三维重建技术和元学习个性化适应的视频压缩编码方法.在编码端，通过个性化内容编码器和纹理编码器分别提取视频帧的语义特征，避免表情动态变化与个体静态固有纹理之间的相互干扰；在解码端，采用改进FLAME模型来重建包含个性化特征和纹理的三维头部模型，确保重建的真实性；此外，引入元学习机制，结合个性化适应函数和元学习算法，提高模型的生成效率、质量和细节表现力.该模型在YouTube Faces数据集上进行训练，实验结果表明，在峰值信噪比、面部关键点损失、交并比和结构相似性4个关键指标上分别达到了31.144、0.022、0.827和0.915，均超越了现有主流面部重建技术，验证了基于元学习的个性化语义特征提取与重建方法具备良好的个性化能力和泛化能力，能够迅速准确地适应新任务，实现人像面部的精确重建.

Select

一种改进的基于3D高斯的CBCT重建方法：边缘暗化的缓解

陈盛款，丁国平，丁佳骏

2026, 47(3): 638-645.

摘要 ( ) PDF全文 ( )

可视化

锥形束计算机断层扫描（Cone Beam Computed Tomography，CBCT）是一种广泛用于医学领域的成像技术.基于高斯泼溅的R2-GS方法使用3D高斯表示CBCT三维图像，展现了出色的重建质量和实时的渲染速度.然而，R2-GS方法在重建区域边缘存在暗化现象，影响重建精度和诊断可靠性.分析表明，该问题源于3D高斯的平滑特性及渲染机制限制.为此，本文提出了一种在三维空间中对3D高斯进行监督的方法，以约束其作用范围至重建区域内，从而有效缓解边缘暗化问题.所提方法无需额外的训练数据，具有较高的适用性和实用性.此外，本文提出了预训练策略，在初始化阶段引入三维几何信息.大量实验表明，相较于R2-GS，本方法在PSNR指标上提升0.38dB，SSIM指标达到最佳，并且在训练时间和渲染速度方面保持了相近的水平.

Select

Gait-ViT：基于Vision Transformer的跨视角步态识别方法

沈澍，王森，黄苏岩，张秉睿

2026, 47(3): 646-652.

摘要 ( ) PDF全文 ( )

可视化

步态识别作为一种远程生物特征识别技术，在医疗康复、刑侦侦查及社会治安等领域展现出广泛的应用前景.近年来，随着深度学习的快速发展，步态识别方法逐渐从传统的卷积神经网络（Convolutional Neural Network，CNN）转向更为先进的Transformer架构.尽管CNN在图像处理任务中表现优异，但其对图像关键区域的关注能力有限，而注意力机制则能够通过聚焦图像局部区域来学习更具判别性的特征.为此，本文提出了一种融合注意力机制的Vision Transformer模型（Gait-ViT）用于步态识别，该方法首先将步态轮廓划分成多个小块并转化成块序列；然后通过位置嵌入和类嵌入对序列中的位置信息进行重新排列和编码；最后，将向量序列反馈给Vision Transformer进行预测.Gait-ViT模型在CASIA-B和OU-MVLP两个公开步态数据集上分别取得了98.1%和91.2%的识别准确率，验证了所提模型的有效性.

Select

PCS-TransUNet：基于多维度注意力机制与空间金字塔池化的医学图像分割

颜美丽，瞿绍军

2026, 47(3): 653-661.

摘要 ( ) PDF全文 ( )

可视化

医学图像分割在疾病诊断与治疗中具有关键作用，精准分割可为临床医生提供重要决策支持.然而，传统U-Net架构及其Transformer变体在捕获图像位置信息、通道特征和空间信息方面存在局限性，同时在参数效率和计算精度上仍有改进空间.为此，本文提出了一种基于多维度注意力机制与空间金字塔池化的医学图像分割模型PCS-TransUNet，提升分割精度和效率.其中利用包含Transformer的编码器，结合PCS-Block模块提纯多尺度特征，通过包含ASPP模块的解码器与改进跳跃连接的机制融合增强性能，并采用卷积模块实现上采样生成最终预测结果.同时，引入深监督机制强化中间层特征学习，并结合Dice与交叉熵损失函数优化训练过程，确保精度与效率的平衡.在Synapse数据集上，PCS-TransUNet在8个器官（主动脉、胆囊、左右肾脏、肝脏、胰腺、脾脏、胃）的分割任务中，Dice系数和Hausdorff距离分别达82.15%和18.73mm，在5个公开数据集（CVC-ClinicDB，Chest X-ray，Kvasir SEG，Kvasir-Instrument，ISIC 2018-Task）上的实验结果表明，PCSTransUNet在IoU和Dice系数方面均超越6种主流方法，展现了显著优势.此外，PCSTransUNet在可视化对比中也取得了最好的表现，由此表明PCS-TransUNet在智能医疗领域具有较好参考价值，能够提供高效可靠的解决方案.

Select

多尺度特征与语义增强的轻量化遥感图像描述生成模型

韦培键，唐振华，崔振雷

2026, 47(3): 662-673.

摘要 ( ) PDF全文 ( )

可视化

遥感图像描述技术是遥感领域的重要研究方向，能够对图像内容进行智能解析.然而，现有算法通常计算复杂度高、资源消耗大，难以在资源受限的终端或场合应用.为此，本文设计了一种轻量化遥感图像描述生成模型，旨在降低模型复杂度，同时保持描述生成的准确性.首先，在图像编码器中引入对比语言图像预训练模型算法，提取图像的多尺度特征，增强模型对不同尺度特征的感知能力.其次，提出基于图注意网络的语义增强算法，促进遥感图像的视觉表示与文本属性的匹配.最后，通过模型轻量化设计，显著减少了训练时间和内存消耗.实验结果表明，在中型数据集UCMCaptions和大型数据集RSICD上，所提模型在整体性能上优于对比模型，为资源受限场景下的遥感图像描述提供了有效解决方案.

Select

ZMG-ADS：基于零样本的多粒度产品表面异常检测与分割模型

王紫薇，彭敦陆

2026, 47(3): 674-681.

摘要 ( ) PDF全文 ( )

可视化

现有的产品表面异常检测与分割方法通常依赖于特定数据集进行训练，其泛化能力受限.为缓解模型泛化性不足的问题，本文提出了一种基于零样本学习的多粒度产品表面异常检测与分割模型.该模型首先利用对比语言图像预训练模型（Contrastive Language-Image Pre-training，CLIP）对图像-文本提示对进行异常特征提取，并引入多尺度跨模态注意力机制增强特征表达，获取粗粒度异常分割结果.随后，模型通过异常区域生成器识别异常区域，并以此为提示信息，引导分割一切模型（Segment Anything Model，SAM）进行细粒度异常分割.最终，通过融合粗细粒度的分割结果，生成最终异常分割结果.在MVTec AD和VisA数据集上的实验结果表明，本文模型在多个评估指标上优于对比模型，有效提升了检测精度和泛化能力.

Select

融合题目多维属性和代码表征的编程知识追踪研究

肖融，胡以欣，孙波

2026, 47(3): 682-691.

摘要 ( ) PDF全文 ( )

可视化

随着计算机编程教育的普及，编程学习场景中的知识追踪研究受到了广泛关注.本文针对编程学习的特点，提出了一种新型编程知识追踪模型，基于题目文本语义特征、题目与知识概念的关联关系，生成融合题目多维属性的编程题目表征；基于学生代码，通过对UniXcoder编程语言预训练模型微调，获取融合代码上下文和结构信息的学生代码表征，并利用多头自注意力机制捕获学生在同一题目上多次提交的代码迭代特征.然后，综合题目多维属性、学生代码和迭代过程，建立了更完备的编程知识追踪模型PKT-QCI.实验结果表明，与基线模型相比，该模型能够更准确地预测学生的编程答题表现，为个性化的编程教学提供了更有力的支持.

Select

稀疏贝叶斯学习在混合场信道估计中的应用

张家康，邓炳光，宋云鹏

2026, 47(3): 692-699.

摘要 ( ) PDF全文 ( )

可视化

为解决近场与远场信道估计方案在应对XL-MIMO混合场信道时的模型不匹配问题，以及克服现有信道估计算法在复杂混合场场景下的性能瓶颈与适用性限制，本文提出了一种双子空间贝叶斯优化算法.该算法基于稀疏信道假设，分别在角度域和极域对远场和近场信道分量进行估计，利用贝叶斯推断计算路径分量的后验分布，并依据最大后验概率准则动态更新路径支持集.通过最大化边际似然函数，算法对远场和近场路径分量的参数进行优化，并迭代更新直至完成路径估计.最终，合并远场和近场路径分量以重构混合场信道.实验结果表明，与现有的近场、远场以及混合场信道估计方案相比，该算法在混合场信道估计性能上分别提高了约2dB、2.5dB和1.7dB.

Select

CAPI溯源与图时序增强的安卓恶意应用涉案行为分析

史嘉琦，徐国天

2026, 47(3): 700-708.

摘要 ( ) PDF全文 ( )

可视化

近年来，利用安卓恶意应用实施的新型网络犯罪呈上升态势，现有方法在恶意应用行为解析的全面性、准确性及隐藏行为检出等方面存在不足，无法满足新型涉网案件快速侦办、有效打击的实战需求.基于此，提出一种新型安卓恶意应用行为细粒度解析框架：首先反编译安卓应用程序，以函数调用图（Function Call Graph,FCG）为基准，结合卷积神经网络中间层特征抽象与SHAP可解释机制(SHapley Additive exPlanations,SHAP)协同建模，溯源构建可疑API库(Critical Suspicious API Repository,CAPI)；其次，基于CAPI拓扑剪枝FCG，融合控制流图（Control Flow Graph,CFG）的时序特征构建时空耦合的行为子图；最后建立API-Java语义映射库，通过宏观API调用链与微观Java语义的双维度分析实现行为细粒度解析与隐藏行为提取，生成可解释的自然语义涉案行为链.实验结果表明，该方法在安卓恶意应用行为解析的全面性、准确性及隐藏行为识别上均有提升，具备公安实践应用价值.

Select

基于属性加密技术的去中心化跨链车联网数据共享方案

俞惠芳，周雯泽

2026, 47(3): 709-714.

摘要 ( ) PDF全文 ( )

可视化

针对车联网中隐私泄露、数据易被非授权访问及篡改、云存储系统单点故障等问题，提出一种基于属性加密技术的跨链数据交互方法.传统单区块链模式存在数据共享壁垒，难以实现不同品牌车辆链间的数据互通，存储模式单一且无法规避数据孤岛问题.所提方案通过中继链、云存储系统和可扩展的拜占庭容错共识机制的融合，解决了传统单区块链模式的可扩展性限制和海量数据的存储问题，设置访问树结构和文件访问有效期进行细粒度访问控制.分散的路侧单元采集车辆实时信息上传至区块链，协助用户完成数据上链；利用可信中继链实现同一城区内不同品牌车辆之间的数据交换.所提方案安全性高且适于复杂庞大的数据环境.相比而言，总计算效率相比同类算法提升约14.28%，通信总开销降低34.4%，极大地提升了跨链数据交换效率.

Select

深度特征合成与专家混合模型增强的信用欺诈检测算法

李子川，周志立，张龙

2026, 47(3): 715-722.

摘要 ( ) PDF全文 ( )

可视化

银行账户欺诈检测是安全行业中的一大难题，主要因为欺诈模式的快速变化和合法账户与欺诈账户之间的显著数据不平衡问题.传统检测方法在一定程度上能解决这一问题，但常常面临较高的误报率，并且在应对新型欺诈行为时表现较差.本文提出了一种创新方法，将专家模型（Mixture of Experts，MoE）与基于深度神经网络的少数类过采样技术（DNN-SMOTE）相结合，以提高银行账户欺诈检测的效果.MoE模型通过多个专门训练的子模型捕获不同类型的欺诈行为特征，而DNN-SMOTE则通过生成高质量的少数类合成样本，显著缓解了类别不平衡的问题.在一个公开的银行账户欺诈数据集上，实验结果表明该方法的分类准确率达到了97.38%，真阳性准确率为87.02%.这表明所提出的模型在检测欺诈账户和合法账户之间具有良好的平衡性能.这些结果验证了MoE与DNN-SMOTE结合的有效性，为实际场景中的银行账户欺诈检测提供了一个强健且高效的解决方案.

Select

多模态注意力机制驱动的恶意代码检测方法

赵学健，王文浩，王浩然，蒋应瑞

2026, 47(3): 723-728.

摘要 ( ) PDF全文 ( )

可视化

传统恶意代码检测方法难以应对多样化变体问题.为此，本文提出了一种基于多模态特征融合与注意力机制的恶意代码检测模型.该模型首先将恶意代码样本转化为灰度图像和对应文本表示，充分保留其静态特征.接着，利用卷积神经网络和多头自注意力机制分别提取图像和文本的多层次特征进行特征级融合，并通过正则化掩码机制区分互补特征与矛盾特征，抑制矛盾特征，减少模型的过拟合现象.随后，采用嵌入注意力机制的深度残差网络对融合特征进行动态加权处理，进一步强化对关键特征的捕捉能力.最后，将融合后的特征向量输入检测模型进行分类训练与优化.实验结果表明，该模型在检测精度方面优于现有主流方法，有效提升了分类效果和模型的泛化能力.

Select

融合直觉模糊集与区块链的时空数据共享方法

陈廷豪，李佳惠，韩笑歌，李英龙，陈铁明

2026, 47(3): 729-736.

摘要 ( ) PDF全文 ( )

可视化

为解决车联网时空数据共享过程中真实性、实时性与隐私性之间的矛盾，本文提出了一种融合直觉模糊集与区块链技术的实时模糊信任模型，通过结合车辆的地理时空信息与区块链历史行为数据进行共识节点选择，实现可信交通时空数据共享.该方法通过将模糊智能与区块链的优势相结合，提升了共识节点选择的可靠性，并针对时空数据共享、可解释信任管理及可靠共识节点选择等关键问题提出了创新性解决方案.具体而言，本文基于直觉模糊集构建了可解释车辆信任模型，并引入时空重合性以增强共识节点选择的可靠性，同时采用模糊投票共识机制优化数据验证流程，并通过模糊语义保护数据传输中的车辆隐私.实验结果表明，与传统方法相比，该方案在降低共识通信时延、提高共识投票的真实性以及数据共享的隐私性等方面具有显著优势，是一种高效、安全且可扩展的解决方案.

Select

基于虚拟力鲸鱼算法的船舶无线传感器网络覆盖优化方法

尹震宇，李硕，张飞青，徐光远，马雷乐，李东吉

2026, 47(3): 737-742.

摘要 ( ) PDF全文 ( )

可视化

在船舶制造环境中，无线信号容易受金属墙壁屏蔽和多路径效应影响，导致船舱内的无线传感器网络覆盖率下降，影响节点对环境信息的有效感知.为优化传感器节点部署以最大化网络覆盖率，本论文针对船舶制造环境中的无线传感器网络信号覆盖问题，提出一种基于虚拟力鲸鱼融合算法的优化方法.首先，建立了考虑金属墙壁障碍的物节点感知模型，以适应船舱环境的复杂性.其次，在鲸鱼群智能优化算法基础上，融合了虚拟力算法，并引入无限折叠迭代混沌映射（Iterative Map with Infinite Collapses，ICMIC）以提高种群多样性，增强算法的全局搜索能力和局部寻优能力，从而有效解决覆盖优化问题.仿真实验结果表明，本文所提算法在船舱复杂环境下能够显著提高最优覆盖率，且算法收敛速度优于对比算法.本文为解决复杂船舶环境中的无线传感器网络覆盖问题提供了一种创新性方法，为相关领域的研究和应用提供了参考.

Select

基于模型反演的深度强化学习黑盒迁移攻击

陈晋音，翟建乐，陈思毅，王诚熠

2026, 47(3): 743-750.

摘要 ( ) PDF全文 ( )

可视化

近年来，深度强化学习（Deep Reinforcement Learning，DRL）技术在自动驾驶、智能机器人、金融交易等领域得到了广泛应用.然而，针对DRL智能体的黑盒对抗攻击仍然面临诸多挑战，例如计算成本高和迁移性有限等问题.为了解决上述问题，本文提出了一种新型的黑盒迁移攻击方法.首先，通过行为克隆技术对目标智能体进行模型反演，得到影子智能体；随后，针对影子智能体设计并生成对抗样本；最后，将这些对抗样本应用于目标智能体，实现对目标的高效攻击.相比现有方法，本文的攻击方法具有以下显著优势：1）计算成本低：通过专家轨迹数据集训练影子智能体，无需复杂模型生成伪装数据；2）迁移性优越：生成的对抗样本可直接作用于未知目标模型，在不同任务和环境中均表现出稳定的攻击效果.通过在自动驾驶网络场景和OpenAI Gym仿真环境中进行大量实验，验证了所提方法的有效性和鲁棒性.本研究不仅揭示了DRL智能体潜在的安全威胁，也为提升黑盒攻击技术提供了新的思路和方向.

Select

swDaCe：一种申威众核处理器上以数据为中心的并行编程模型设计与实现

沈沛祺，陈俊仕，安虹

2026, 47(3): 751-759.

摘要 ( ) PDF全文 ( )

可视化

高性能科学计算是超级计算机的核心应用领域，包括粒子模拟、气候分析等关键任务.然而，随着摩尔定律逐渐失效，超级计算机体系结构日益趋向异构和复杂，导致科学计算应用的开发和优化变得更加困难.为解决这一问题，本文基于新一代申威超级计算平台，提出并实现了一种以数据为中心的并行编程模型—swDaCe.该模型通过解耦数据流图优化与原始程序，使得编程人员可以使用Python描述计算逻辑，并最终生成适配申威众核架构的高性能C++代码.此外，本文提出了一系列针对申威架构的数据流优化方法，包括从核任务映射、向量化并行以及DMA访存优化，以充分利用申威众核处理器的计算能力.实验结果表明，swDaCe生成的代码在稀疏矩阵计算等典型应用中实现了显著的性能提升，单核组加速比达到25倍以上，验证了该框架在申威架构上的有效性.

Select

ReL4：高性能异步微内核设计与实现

廖东海，陆慧梅，陈伟豪，赵方亮，向勇

2026, 47(3): 760-768.

摘要 ( ) PDF全文 ( )

可视化

微内核在安全性、稳定性和模块化方面相比于宏内核有着极大的优势.然而以seL4为代表的现代微内核在设计上有3点缺陷：1）在支持同步进程间通信（IPC）的情况下冗余地支持了异步通知，这违背了微内核的最小化原则；2）通知机制依赖内核的转发；3）系统调用和同步IPC需要频繁地进出内核，后两点导致了特权级切换成为系统的性能瓶颈.本文旨在设计一款基于用户态中断的高性能异步微内核ReL4，来解决上述问题，其主要特征有：1）在保证功能完备性的前提下，移除同步IPC，精简微内核机制；2）基于用户态中断，设计了无需内核转发的U-notification，减少了特权级切换的开销；3）在U-notification基础上，借助异步编程机制，设计了无需陷入内核的异步系统调用和异步IPC框架，在简化用户态编程模型的同时，进一步减少特权级的切换次数.经测试验证，ReL4将IPC性能最高提升了3x，在IPC频繁的系统（如网络服务器）中将吞吐量提升了1x，证明了ReL4在高并发系统上有着良好的性能.

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