首页
状态空间爆炸问题严重制约了Petri网显式状态线性时序逻辑(Linear Temporal Logic,LTL)模型检测的可扩展性。结构约简通过迭代应用局部结构变换删除冗余库所与变迁,在保持性质判定...
1974年1月创刊（月刊）
主管/主办:重庆西南信息有限公司
CODEN JKIEBK
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TPCODEN JKIEBK
编辑中心
热点文章推荐更多...
-
2026年第10期, 刊出日期：2026-10-15
-
第53卷第10期目录
. 第53卷第10期目录[J]. 计算机科学, 2026, 53(10): 0-0.
- 计算机科学. 2026, 53 (10): 0-0.
-
摘要
(
30 )
PDF(386KB) (
67
)
- 相关文章 | 多维度评价
目录-
多模态机器学习在视听语义分析中的研究进展
刘振宇, 姚登峰, 赵源, 孟子文, 徐成, 李妍. 多模态机器学习在视听语义分析中的研究进展[J]. 计算机科学, 2026, 53(10): 1-17.
LIU Zhenyu, YAO Dengfeng, ZHAO Yuan, MENG Ziwen, XU Cheng, LI Yan. Research Progress of Multimodal Machine Learning in Audio-Visual Semantic Analysis[J]. Computer Science, 2026, 53(10): 1-17. - 刘振宇, 姚登峰, 赵源, 孟子文, 徐成, 李妍
- 计算机科学. 2026, 53 (10): 1-17. doi:10.11896/jsjkx.260300074
-
摘要
(
54 )
PDF(2202KB) (
102
)
- 参考文献 | 相关文章 | 多维度评价
-
随着短视频、智能监控和人机交互等应用不断发展,如何联合建模音频与视觉信息以实现复杂视频语义理解,成为多模态机器学习的重要问题。视听语义分析关注声音事件、视觉对象、行为动作及其时空关系的联合建模,其核心挑战在于跨模态对齐、长时序建模与感知证据约束。对此,围绕视听语义分析的任务体系与技术框架,系统综述该领域的研究进展,梳理数据集与评测方法的演进,并从基础表示学习、音视频联合建模、视听预训练模型及多模态大语言模型等方面总结关键技术路线。进一步结合典型应用场景分析模型能力需求,归纳细粒度音视频对齐、长视频建模、多模态幻觉与证据可追溯等核心挑战。综述指出,视听语义分析正从封闭类别识别转向开放场景下的证据驱动推理,其关键在于构建时间、空间与语义一致的跨模态证据链。相关总结可为后续研究与实际应用提供参考。
大模型与多模态智能感知-
视觉语言大模型安全攻防研究综述
钟悦, 谷杰铭. 视觉语言大模型安全攻防研究综述[J]. 计算机科学, 2026, 53(10): 18-40.
ZHONG Yue, GU Jieming. Survey on Security Attacks and Defenses for Large Vision-language Models[J]. Computer Science, 2026, 53(10): 18-40. - 钟悦, 谷杰铭
- 计算机科学. 2026, 53 (10): 18-40. doi:10.11896/jsjkx.260500079
-
摘要
(
55 )
PDF(4326KB) (
93
)
- 参考文献 | 相关文章 | 多维度评价
-
视觉语言大模型(LVLMs)在多模态理解、推理与生成任务中展现出卓越性能,但视觉模态的引入也使其安全风险呈现出跨模态脆弱性、隐蔽性增强和风险路径复杂化等新特征,LVLM安全问题已成为多模态人工智能领域的重要研究方向。现有研究已围绕LVLMs的攻击构造、安全评测与防御机制展开广泛探索,但不同工作在威胁模型、任务设定、评价指标和技术路径等方面差异较大,缺乏对攻击类型、防御逻辑及其适用边界的系统归纳。对此,从攻击与防御双重视角对LVLM安全研究进行综述。首先,从模型结构、数据资源和评价指标3个方面构建LVLM安全研究的基础分析框架;其次,在攻击层面,将现有方法归纳为对抗攻击、越狱攻击、提示注入攻击和后门攻击4类,并从攻击目标、威胁模型、实现机制和适用场景等方面比较其作用逻辑与适用边界;在防御层面,从训练阶段和推理阶段两个角度,总结现有防御策略的作用机制、适用条件与局限性。最后,进一步讨论LVLM安全领域面临的关键挑战和未来研究方向,旨在为后续攻防方法设计、安全评测体系完善和可信多模态系统构建提供系统化参考。
-
SRG-RAG:融合图重排序与自反思机制的检索增强生成框架
孙天珍, 张顺, 李彤亮, 李舟军. SRG-RAG:融合图重排序与自反思机制的检索增强生成框架[J]. 计算机科学, 2026, 53(10): 41-50.
SUN Tianzhen, ZHANG Shun, LI Tongliang, LI Zhoujun. SRG-RAG:Integrating Graph Re-ranking and Self-reflection into Retrieval-augmented Generation[J]. Computer Science, 2026, 53(10): 41-50. - 孙天珍, 张顺, 李彤亮, 李舟军
- 计算机科学. 2026, 53 (10): 41-50. doi:10.11896/jsjkx.260500139
-
摘要
(
44 )
PDF(3190KB) (
91
)
- 参考文献 | 相关文章 | 多维度评价
-
科技查新是评估科研项目新颖性与专利授权可行性的关键环节,整套比对流程对逻辑严谨性要求极高。传统检索增强生成范式在处理长文本技术文献时,常因“语义平滑”效应丢失微观工艺特征与拓扑关联;同时,在底层证据缺失的情境下,大模型易受参数化先验知识干扰而诱发级联幻觉,导致查新结论的事实性偏离。针对上述问题,提出一种融合图重排序与自反思机制的检索增强生成框架SRG-RAG。首先,该框架设计了多维意图解耦模型以提升文献初筛精度;其次,通过动态抽取技术特征子图并引入拓扑差分打分算法,对高混淆度查新方案完成精细化重排序;最后,构建基于伪相关反馈的自反思评估器,通过动态查询改写实现检索生成的闭环纠错。在自建的拓扑结构对齐评测基准TopoNovelty-Bench上的实验结果表明,SRG-RAG以Qwen2.5-72B-Instruct为底层基座,将事实幻觉率由基线的22.4%压降至6.2%,显著提升了查新报告的证据效力与判决准确性,为垂直领域的高信度生成任务提供了参考范式。
-
多阶段时-频谱保持扩散网络的多模态缺失模态恢复方法
戴瑞婷, 蒙灏冉, 鲁天琪, 王鑫雨, 李晨熙, 何涛, 莫李思. 多阶段时-频谱保持扩散网络的多模态缺失模态恢复方法[J]. 计算机科学, 2026, 53(10): 51-67.
DAI Ruiting, MENG Haoran, LU Tianqi, WANG Xinyu, LI Chenxi, HE Tao, MO Lisi. Multi-stage Time-spectral Preserving Diffusion Network for Multimodal Missing ModalityRecovery[J]. Computer Science, 2026, 53(10): 51-67. - 戴瑞婷, 蒙灏冉, 鲁天琪, 王鑫雨, 李晨熙, 何涛, 莫李思
- 计算机科学. 2026, 53 (10): 51-67. doi:10.11896/jsjkx.260500084
-
摘要
(
46 )
PDF(3446KB) (
97
)
- 参考文献 | 相关文章 | 多维度评价
-
不完整多模态学习依赖视觉、语音和文本等异构模态的互补融合,但真实场景中模态常因传感器故障、带宽约束或隐私限制而缺失,严重削弱了模型的鲁棒性。现有条件扩散恢复方法多基于单一时域建模,难以保持全局谱结构,易产生局部性偏差;同时,静态条件注入可能导致条件模态过度主导,抑制缺失模态的真实表征。为此,提出了多阶段时-频谱保持扩散模型(Multi-stage Time-Spectral Preserving Diffusion,MT-SPD),在时域-频域联合建模下设计全局结构构建、条件谱对齐和局部细节强化三阶段生成策略,以兼顾宏观一致性与局部保真度。进一步地,引入双路扩散机制,使模态内分支保持共享谱特征自洽,缺失模态分支专注于目标模态重建,并通过交叉引导实现模态内外协同。实验结果表明,MT-SPD 在 IEMOCAP,CMU-MOSI 和 CMU-MOSEI 等多模态基准数据集上均取得优于现有方法的性能,在 CMU-MOSI 的 {A,V} 场景下 F1 较次优模型提升 3.92个百分点,并在不同缺失率下表现出良好鲁棒性。
-
HLDNet:基于高低频双流解耦的红外可见光图像融合网络
李烨, 王琦, 夏靖远, 黄星桦, 姜卫东. HLDNet:基于高低频双流解耦的红外可见光图像融合网络[J]. 计算机科学, 2026, 53(10): 68-76.
LI Ye, WANG Qi, XIA Jingyuan, HUANG Xinghua, JIANG Weidong. HLDNet:High-Low Frequency Dual-stream Decoupling Network for Infrared and Visible ImageFusion[J]. Computer Science, 2026, 53(10): 68-76. - 李烨, 王琦, 夏靖远, 黄星桦, 姜卫东
- 计算机科学. 2026, 53 (10): 68-76. doi:10.11896/jsjkx.260500078
-
摘要
(
43 )
PDF(4189KB) (
84
)
- 参考文献 | 相关文章 | 多维度评价
-
红外和可见光图像融合的目的在于融合红外图像清晰的轮廓结构和可见光图像丰富的纹理信息来得到一张融合图像,该图像拥有两种模态的互补优势特性,可用于医疗诊断、自动驾驶等场景。现有深度融合方法虽然已逐步引入频域变换、频率注意力或频谱约束,但多数工作仍将频域信息作为辅助增强项嵌入统一主干,缺少对低频结构与高频细节的显式分离和差异化建模。由此,提出一种基于高低频双流解耦的红外与可见光图像融合网络(High-Low Frequency Dual-stream Decoupling Network,HLDNet)。首先,利用高斯低通与残差高通将红外图像和可见光图像分解为低频结构分量与高频细节分量;随后,构建低频流和高频流两个异构分支来分别承担主体结构建模和局部边缘纹理增强,在融合阶段,低频流采用跨注意力引导与门控机制突出热目标和场景结构,高频流采用差分驱动的细节掩码强化边界与纹理;最后,通过跨流一致性模块,利用低频空间先验增强主体结构和显著区域,并利用高频边界信息增强图像细节纹理。与其他先进方法的对比实验表明,所提方法在ROADSCENE数据集上的MI和Qabf分别达到4.21和0.70,在M3FD数据集上的EN和SF分别达到7.30和17.99,在MSRS数据集上的VIF和Qabf分别达到1.12和0.75。实验结果验证了所提方法在边缘增强和细节保真方面的有效性。
-
基于大模型与知识图谱增强的仇恨模因检测框架
成城, 钟寒. 基于大模型与知识图谱增强的仇恨模因检测框架[J]. 计算机科学, 2026, 53(10): 77-91.
CHENG Cheng, ZHONG Han. Hateful Meme Detection Framework Enhanced by Large Models and Knowledge Graphs[J]. Computer Science, 2026, 53(10): 77-91. - 成城, 钟寒
- 计算机科学. 2026, 53 (10): 77-91. doi:10.11896/jsjkx.260500030
-
摘要
(
44 )
PDF(3569KB) (
72
)
- 参考文献 | 相关文章 | 多维度评价
-
互联网模因因具有高度隐喻性与多模态特征,已成为网络仇恨言论传播的新型隐蔽载体。现有的端到端检测方法缺乏深层隐喻解码能力,而基于大语言模型的生成式推理又容易脱离视觉事实产生“推理幻觉”,且面临高参数部署瓶颈。针对上述问题,提出一种基于大模型与知识图谱增强的仇恨模因检测框架。该框架实现了感知与推理的模态解耦:首先,引入视觉结构先验字典精准提取图像要素;其次,结合知识图谱增强构建深层多跳逻辑证据链,建立深层语义关联;随后,设计“起草-审计-精炼”的反思式推理机制,通过跨模态自我审计强制锚定客观事实,从底层机制上遏制幻觉;最后,提出渐进式多模态知识蒸馏策略,将复杂推理能力高效迁移至轻量级目标模型。实验验证,所提框架在Harm-P数据集上的检测准确率高达91.92%,优于现有基线方法。特别地,模型生成解释的事实一致性获4.63分(满分5分),显著抑制了推理幻觉;在跨架构实验中,该框架使基础模型准确率最高提升33.82个百分点。
-
基于跨模态对比学习的加密流量分类研究
曹扬, 李鹏, 陈树翰, 莫永梅. 基于跨模态对比学习的加密流量分类研究[J]. 计算机科学, 2026, 53(10): 92-101.
CAO Yang, LI Peng, CHEN Shuhan, MO Yongmei. Cross-modal Contrastive Learning for Encrypted Traffic Classification[J]. Computer Science, 2026, 53(10): 92-101. - 曹扬, 李鹏, 陈树翰, 莫永梅
- 计算机科学. 2026, 53 (10): 92-101. doi:10.11896/jsjkx.260300110
-
摘要
(
40 )
PDF(3278KB) (
79
)
- 参考文献 | 相关文章 | 多维度评价
-
针对当前加密协议不断演进导致传统单模态检测方法表征能力受限、模型在高度混淆环境下鲁棒性不足等挑战,通过构建保留字节逻辑与时空纹理的多级流表示矩阵(FLR),并结合微调大语言模型(LLM)提取流量语义特征,提出了一种基于跨模态对比学习的多模态加密流量分类方法 CMCL-ETC。该方法解决了单模态检测能力不足、异构特征对齐困难等问题。具体地,设计了双向跨模态注意力交互机制与自适应门控融合策略,利用共享语义空间映射与对比损失约束,实现了流量的字节物理分布与语义特征的对齐互补。在CSTNET-TLS 1.3 和CipherSpectrum两个加密流量数据集上的实验结果表明,CMCL-ETC在全量数据下的准确率分别达到93.65%和97.33%,均优于当前先进的基准模型。实验证实,通过引入LLM与跨模态交互机制,能够提升大规模加密流量分类任务的性能。
-
融合异常度与参考差异的软加权聚合预训练数据检测方法
白皓丞, 杜彦辉, 周杰, 段奕晨, 仵一铭, 张挺. 融合异常度与参考差异的软加权聚合预训练数据检测方法[J]. 计算机科学, 2026, 53(10): 102-112.
BAI Haocheng, DU Yanhui, ZHOU Jie, DUAN Yichen, WU Yiming, ZHANG Ting. Soft-weighted Aggregation for Pretraining Data Detection via Token Surprisal and Reference Gap[J]. Computer Science, 2026, 53(10): 102-112. - 白皓丞, 杜彦辉, 周杰, 段奕晨, 仵一铭, 张挺
- 计算机科学. 2026, 53 (10): 102-112. doi:10.11896/jsjkx.260400118
-
摘要
(
63 )
PDF(2863KB) (
73
)
- 参考文献 | 相关文章 | 多维度评价
-
预训练数据检测判断候选文本是否在预训练阶段被大语言模型(LLM)学习。现有方法采用硬阈值或关键词选定词元后等权平均,将未选中词元丢弃,且仅依赖词元异常度(token surprisal),忽略了参考差异(reference gap,目标模型相对同族小型参考模型的对数概率优势)。针对上述权重固定与信号单一两点局限,将现有方法统一为加权聚合框架的特例,提出软加权聚合方法SoftTail:利用17个参数的多层感知机(Multilayer Perceptron,MLP)为所有词元生成连续权重,并引入参考差异作为互补信号。在MIMIR基准175次交叉验证上,SoftTail在宏平均曲线下面积(AUC)和5%假阳性率下的真阳性率(TPR@5%FPR)两项指标上均取得最高值,后者相对于Min-K%++提升4.77个百分点,配对自助法(bootstrap)检验表明差异显著。消融实验表明参考差异的引入是性能提升的关键。WikiMIA基准与GPT-2跨架构验证中,所提模型检测优势保持一致。
-
FlowSem-LLM:面向流量语义理解的TLS加密流量分类方法
陈树翰, 李鹏. FlowSem-LLM:面向流量语义理解的TLS加密流量分类方法[J]. 计算机科学, 2026, 53(10): 113-122.
CHEN Shuhan, LI Peng. FlowSem-LLM:TLS Encrypted Traffic Classification Method for Flow Semantic Understanding[J]. Computer Science, 2026, 53(10): 113-122. - 陈树翰, 李鹏
- 计算机科学. 2026, 53 (10): 113-122. doi:10.11896/jsjkx.260300072
-
摘要
(
93 )
PDF(3138KB) (
65
)
- 参考文献 | 相关文章 | 多维度评价
-
大语言模型在复杂语义理解方面表现出强大的能力,但由于数据模态差异、特征表达复杂性及高昂的训练成本,其在网络流量领域的应用面临着诸多挑战。为应对上述挑战,提出了FlowSem-LLM(Flow Semantic Large Language Mo-del)——一种面向网络流量语义理解的TLS加密流量分类方法。在无需特定领域预训练的条件下,该方法通过对通用大语言模型进行任务定向微调,实现对加密流量的精准分类。为充分挖掘加密流量特征,设计了一种融合统计特征与TLS协议特征的多维度特征提取方法,分别在应用层、传输层与网络层提取统计特征,并深入解析TLS握手过程,提取协议握手元特征与动态行为特征。在此基础上,将结构化的流量特征转化为指令式语料,使其能够以语义化形式输入大语言模型,并采用参数高效微调的低秩自适应方法对Llama 3.1模型进行指令式监督微调。实验结果表明,FlowSem-LLM在CSTNET-TLS1.3数据集上的120类流量分类任务中取得了0.8662的准确率,验证了该方法在协议语义理解与加密流量分类任务中的有效性。
-
面向电动网约车在线调度的LLM评判引导启发式进化框架
杨明楚, 陈伟能, 魏凤凤, 史宣莉, 杨圣. 面向电动网约车在线调度的LLM评判引导启发式进化框架[J]. 计算机科学, 2026, 53(10): 123-133.
YANG Mingchu, CHEN Weineng, WEI Fengfeng, SHI Xuanli, YANG Sheng. LLM-assisted Evolution of Heuristic with Critic Guidance for Online Dispatching of ElectricRide-hailing Vehicles[J]. Computer Science, 2026, 53(10): 123-133. - 杨明楚, 陈伟能, 魏凤凤, 史宣莉, 杨圣
- 计算机科学. 2026, 53 (10): 123-133. doi:10.11896/jsjkx.260300162
-
摘要
(
88 )
PDF(4601KB) (
78
)
- 参考文献 | 相关文章 | 多维度评价
-
随着电动网约车规模的扩大,其在线调度面临实时性要求高与决策复杂度高的挑战。传统启发式规则因具备实时性与可解释性而在工业界得到广泛应用,但其高度依赖人工设计,且难以适应复杂动态环境。传统遗传规划等启发式自动设计方法受限于预定义的模块化组件,难以充分利用问题语义信息;而现有基于大语言模型(LLM)的启发式自动设计方法虽具备语义表达能力,却缺乏有效的局部优化引导,通常需要多轮交互才能获得高质量规则。针对上述问题,提出了一种结合评判引导的LLM启发式进化框架LEHR-C。通过构建LLM驱动的进化搜索机制,在基于LLM的子代生成阶段,仅利用交叉与变异算子实现对启发式规则设计思想与代码结构的语义级全局引导;并提出LLM评判机制对候选规则进行缺陷分析与反馈,从而为规则演化提供针对性的局部优化方向。在真实路网数据集上的实验结果表明,相比代表性LLM启发式自动设计方法,LEHR-C能够在减少约45%的LLM交互次数与推理开销的情况下,生成具有良好泛化能力的高质量启发式规则,有效提升在线动态订单处理与车辆路径构建效率,并在启发式规则质量与训练成本之间取得良好平衡。
-
基于多模态数据特征融合的光纤外破事件识别方法
李莞坡, 石文玉, 张用明, 徐鹤, 张玉杰. 基于多模态数据特征融合的光纤外破事件识别方法[J]. 计算机科学, 2026, 53(10): 134-141.
LI Wanpo, SHI Wenyu, ZHANG Yongming, XU He, ZHANG Yujie. Method for Optical Fibers External Damage Event Recognition Based on Multi-modal DataFeature Fusion[J]. Computer Science, 2026, 53(10): 134-141. - 李莞坡, 石文玉, 张用明, 徐鹤, 张玉杰
- 计算机科学. 2026, 53 (10): 134-141. doi:10.11896/jsjkx.260400023
-
摘要
(
39 )
PDF(2429KB) (
67
)
- 参考文献 | 相关文章 | 多维度评价
-
针对地下管线环境复杂、噪声干扰严重及光纤长距离信号衰减等问题,提出一种基于多模态数据特征融合的光纤外破事件识别方法,以降低第三方施工破坏事件的误报率。该方法将光纤信号的时序数据与时频图像数据相结合,构建多模态数据输入;提取时频域特征并建模光纤通道间的空间关联,以更全面地表征事件;引入一种分层注意力融合机制,利用模内注意力与模间注意力分别学习各模态内部的关键信息及模态间的互补性互信息,并利用门控单元进行自适应加权融合,从而构建了一个鲁棒性更强的光纤外破事件识别模型。实验结果表明,所提出的模型在人工挖掘、挖掘机、疑似事件等6类事件分类上有效提升了光纤振动信号事件识别的准确性,其召回率较传统机器学习与深度学习等基准模型分别提升了约20个百分点和30个百分点。
-
基于深度学习的跨语言语音合成技术综述
周祉彤, 周若华, 郭子夜, 赵明园. 基于深度学习的跨语言语音合成技术综述[J]. 计算机科学, 2026, 53(10): 142-155.
ZHOU Zhitong, ZHOU Ruohua, GUO Ziye, ZHAO Mingyuan. Review on Deep Learning-based Cross-lingual Speech Synthesis Technology[J]. Computer Science, 2026, 53(10): 142-155. - 周祉彤, 周若华, 郭子夜, 赵明园
- 计算机科学. 2026, 53 (10): 142-155. doi:10.11896/jsjkx.250800113
-
摘要
(
38 )
PDF(2703KB) (
81
)
- 参考文献 | 相关文章 | 多维度评价
-
随着语音合成技术的持续进步,跨语言语音合成技术也取得了显著的进展。尽管如此,现有研究在跨语言的发音与韵律一致性、说话人音色保持,以及统一可比的评价协议等方面仍存在提升空间。为此,系统梳理了跨语言语音合成领域的最新研究进展,内容涵盖经典模型架构、跨语言关键技术、数据集以及评价体系等方面。首先,概述了当前跨语言语音合成的主要类型与存在的不足;随后,深入分析了跨语言语音合成中的模型架构、低资源语言合成、特征解耦、零样本学习、对抗性学习、情感迁移以及大规模预训练模型等核心技术。此外,还归纳总结了跨语言语音合成数据集及其特性,并系统归纳、比较了主观和客观评价指标。最后,对跨语言语音合成技术的未来发展趋势进行了前瞻性探讨。
计算机图形学 & 多媒体-
基于图Transformer的CAD模型加工特征识别方法
蓝旺, 周宇, 贺志飞. 基于图Transformer的CAD模型加工特征识别方法[J]. 计算机科学, 2026, 53(10): 156-163.
LAN Wang, ZHOU Yu, HE Zhifei. CAD Model Machining Feature Recognition Method Based on Graph Transformer[J]. Computer Science, 2026, 53(10): 156-163. - 蓝旺, 周宇, 贺志飞
- 计算机科学. 2026, 53 (10): 156-163. doi:10.11896/jsjkx.250800066
-
摘要
(
32 )
PDF(2465KB) (
86
)
- 参考文献 | 相关文章 | 多维度评价
-
加工特征识别在计算机辅助设计(CAD)和制造(CAM)中至关重要,是连接CAD和CAM的关键。传统的加工特征识别方法主要有基于规则和基于学习的方法,但是这些方法存在泛化性差、维护成本高等问题。针对上述问题,提出了一种基于图Transformer的CAD模型加工特征识别方法,该方法以边界表示法(B-Rep)描述 CAD 模型的几何拓扑结构,通过面邻接图建模三维模型的局部与全局空间关系,用多通道卷积神经网络(CNN)对曲面和曲线的几何属性进行离散化编码,再利用图 Transformer多头注意力机制动态捕捉节点间的长距离依赖与交互特征,最终通过多层感知机(MLP)实现加工特征的分类。在公开数据集MFCAD++上的实验结果表明,该方法取得了99.73%的分类准确率(Acc)、99.65%的平均类别准确率(Per-class Acc)和99.58%的平均交并比(mIoU)。此外,消融实验验证了扩展邻接矩阵与属性编码等关键模块对模型鲁棒性的贡献,而域自适应方法的引入有效提升了模型的泛化能力。
-
面向长程依赖建模的高效人-物交互检测方法
林胜杰, 白琳, 刘日, 蒋晓昱. 面向长程依赖建模的高效人-物交互检测方法[J]. 计算机科学, 2026, 53(10): 164-173.
LIN Shengjie, BAI Lin, LIU Ri, JIANG Xiaoyu. Efficient Human-Object Interaction Detection Method for Long-range Dependency Modeling[J]. Computer Science, 2026, 53(10): 164-173. - 林胜杰, 白琳, 刘日, 蒋晓昱
- 计算机科学. 2026, 53 (10): 164-173. doi:10.11896/jsjkx.260100047
-
摘要
(
108 )
PDF(2604KB) (
83
)
- 参考文献 | 相关文章 | 多维度评价
-
人-物交互检测旨在同时识别图像中人与物、交互物体及其对应的交互关系,是行为理解与高层视觉语义分析中的关键任务。针对复杂场景下普遍存在的远距离、跨区域人-物交互关系难以有效建模,以及现有方法计算开销较大的问题,提出了一种高效的人-物交互检测框架,在保证检测精度的同时降低了模型复杂度。该框架引入Mamba Encoder对图像特征序列进行建模,以高效整合全局上下文信息,从而增强对长程人-物交互关系的建模能力。在此基础上,设计关键点选择机制,引导模型聚焦于与交互语义高度相关的判别性区域,并结合可变形注意力对关键特征进行精细建模,以提升复杂场景条件下的交互识别性能。此外,构建了一种融合空间关系的人-物交互对表示方式,通过显式引入空间关系编码并进行联合特征融合,进一步增强交互语义表征的鲁棒性与判别性。在HICO-DET和V-COCO等主流HOI检测数据集上的实验结果表明,该方法在检测精度与计算效率之间取得了良好的平衡,相较于现有方法在多个评价指标上表现出明显优势,同时在参数量和计算量方面保持了更优的复杂度水平。定性与定量分析进一步验证了该方法在长程依赖建模、复杂场景适应性以及高效推理方面的有效性。
-
基于双域调谐门控与参数高效迁移学习的高光谱目标跟踪
赵徐增, 郑天托, 崔放, 刘兆国, 卢树华. 基于双域调谐门控与参数高效迁移学习的高光谱目标跟踪[J]. 计算机科学, 2026, 53(10): 174-188.
ZHAO Xuzeng, ZHENG Tiantuo, CUI Fang, LIU Zhaoguo, LU Shuhua. Hyperspectral Object Tracking via Dual-domain Tuning Gate and Parameter-efficient TransferLearning[J]. Computer Science, 2026, 53(10): 174-188. - 赵徐增, 郑天托, 崔放, 刘兆国, 卢树华
- 计算机科学. 2026, 53 (10): 174-188. doi:10.11896/jsjkx.260300152
-
摘要
(
31 )
PDF(6344KB) (
97
)
- 参考文献 | 相关文章 | 多维度评价
-
针对高光谱目标跟踪中训练样本不足、跨模态差异显著以及光谱表征与空间建模协同不足等问题,提出一种基于双域调谐门控与参数高效迁移学习的高光谱目标跟踪方法。首先,构建面向高光谱目标跟踪任务的跨模态协同调谐机制,实现空间结构一致性约束下的光谱-空间联合建模,从而减少跨模态信息映射过程中的结构信息损失并提升匹配可靠性。其次,设计参数高效迁移学习适配结构,在冻结预训练主干参数条件下实现跨模态特征分布自适应调节,以少量可训练参数完成高光谱跟踪任务的高效适配,并缓解小样本条件下全量微调易引发的过拟合与知识退化问题。最后,在HOTC20与HOTC24数据集上的实验结果表明,所提方法在跟踪精度、成功率和参数效率方面均优于多数对比方法,在HOTC20上取得0.930的精确率和0.693的成功率,在更具挑战性的HOTC24数据集上同样表现出较强的鲁棒性与竞争力。
-
YOLOv11-CSW:轻量化多尺度矿石纹理缺陷检测模型
张用明, 贺祥, 刘维来, 徐鹤. YOLOv11-CSW:轻量化多尺度矿石纹理缺陷检测模型[J]. 计算机科学, 2026, 53(10): 189-197.
ZHANG Yongming, HE Xiang, LIU Weilai, XU He. YOLOv11-CSW:Lightweight Multi-scale Ore Texture Defect Detection Model[J]. Computer Science, 2026, 53(10): 189-197. - 张用明, 贺祥, 刘维来, 徐鹤
- 计算机科学. 2026, 53 (10): 189-197. doi:10.11896/jsjkx.250800084
-
摘要
(
81 )
PDF(3276KB) (
101
)
- 参考文献 | 相关文章 | 多维度评价
-
针对矿石图像中存在微裂隙、矿物杂质、分层裂纹及不规则破碎区域等复杂缺陷的局部纹理特征问题,提出一种融合轻量化主干网络特征提取模块CIR、轻量化颈部结构Slim-neck和损失函数WIoU的改进YOLOv11目标检测模型YOLOv11-CSW。首先,在骨干网络引入反向残差移动块IRMB模块,并使用级联分组注意力模块CGA(Cascaded Group Attention)对其进行改进,降低模型参数量与计算量。其次,引入轻量化网络模块(Slim-neck)对颈部进行改造,在不增加参数成本的前提下,增强多尺度特征融合能力。最后,利用WIoU损失函数精准计算损失并加速边界框回归过程。在矿石数据集上进行的实验表明,与原始 YOLOv11算法相比,改进方法参数量减少6.2%,运算量减少8%,mAP50提升2.9%。所提模型在提高检测精确度的同时也减少了模型参数,实现了模型轻量化和性能的平衡,能够应用于矿石识别实时检测系统中。
-
基于4D Gaussian Splatting的语音驱动数字人脸生成方法
邵明慧, 鹿浩然, 王国栋. 基于4D Gaussian Splatting的语音驱动数字人脸生成方法[J]. 计算机科学, 2026, 53(10): 198-206.
SHAO Minghui, LU Haoran, WANG Guodong. 4D Gaussian Splatting for Speech-driven Digital Human Head Avatar Generation[J]. Computer Science, 2026, 53(10): 198-206. - 邵明慧, 鹿浩然, 王国栋
- 计算机科学. 2026, 53 (10): 198-206. doi:10.11896/jsjkx.250900045
-
摘要
(
70 )
PDF(3389KB) (
95
)
- 参考文献 | 相关文章 | 多维度评价
-
在语音驱动数字人的头部生成中,面部和躯干动作的自然性与逼真度问题尤为重要。为了解决这一问题,提出了一种基于4D Gaussian Splatting(4DGS)和可学习位置扰动模块的语音驱动数字人脸视频生成方法,采用4DGS代替3D Gaussian Splatting(3DGS),在时空建模中引入时间维度,实现了对动态面部表情的精确建模和高效渲染。同时,引入多分辨率六平面位置编码,对三维空间特征和时间信息进行高效编码,以捕捉人脸细节的多层次信息,并通过解码为高斯属性而非颜色和密度,实现了高效的高斯渲染。该方法首次将多分辨率六平面编码面向语音驱动场景进行重构,并针对性设计了一种可学习的位置扰动模块,该模型能够自适应调整位置编码,确保语音驱动下面部表情的精确同步与自然还原。实验结果表明,该方法在面部动作同步性、表情细节还原以及渲染效率方面均表现出色,能够在动态场景中高效捕捉复杂的时空变化和面部表情的细节变化。
-
孤立核函数及其分布扩展在离线马尔可夫决策序列中的可达性建模
商元义, 万盛华, 甘乐, 詹德川. 孤立核函数及其分布扩展在离线马尔可夫决策序列中的可达性建模[J]. 计算机科学, 2026, 53(10): 207-215.
SHANG Yuanyi, WAN Shenghua, GAN Le, ZHAN Dechuan. Reachability Modeling in Offline Markov Decision Process Sequences via the Isolation Kernel and Its Distributional Extension[J]. Computer Science, 2026, 53(10): 207-215. - 商元义, 万盛华, 甘乐, 詹德川
- 计算机科学. 2026, 53 (10): 207-215. doi:10.11896/jsjkx.260600049
-
摘要
(
34 )
PDF(2400KB) (
67
)
- 参考文献 | 相关文章 | 多维度评价
-
在离线马尔可夫决策过程序列中,状态相似性的定义影响经验可达性建模。几何型距离、时序型距离和局部动力学型距离分别侧重观测空间接近性、轨迹时间邻近性或短期转移差异,难以同时反映经验到达难度与未来演化一致性。为此,构建状态级与分布级相结合的分析框架:采用孤立核(IK)完成状态检索、离线k近邻目标重标注和图规划,采用孤立分布核(IDK)比较H步后继状态集合。在D4RL的PointMaze-Umaze-v2,PointMaze-Large-v2和AntMaze-Umaze-diverse-v1数据集上,评估局部排序、目标重标注、图规划和H步后继区域匹配。IK在PointMaze-Large和AntMaze重标注任务中的Spearman相关系数最高,而马氏距离在PointMaze-Umaze上更优,说明其优势依赖于任务。H=10时,IDK在3个数据集上的AUROC分别为0.9734,0.9938和0.9955;相较于保留访问顺序的原始H步距离,其在PointMaze-Umaze上的差异很小,在AntMaze上的增益较为明显。敏感性分析表明,性能受表示空间、随机划分规模、未来窗口长度和规划验收阈值影响。重复随机划分可降低给定离线状态池下的估计波动,但不能消除数据覆盖偏差;均值嵌入具有排列不变性,不能保留完整的访问顺序。规划结果属于相似性度量的独立诊断,不构成端到端离线策略回报改善的证据。该实验结论主要适用于具有明确几何瓶颈和可用轨迹覆盖的迷宫环境。
数据库 & 大数据 & 数据科学-
数据溯源模型研究及领域溯源模型构建
许玉琪, 宋金玉, 陈连勇, 张所娟, 黄钱文, 李昌原. 数据溯源模型研究及领域溯源模型构建[J]. 计算机科学, 2026, 53(10): 216-228.
XU Yuqi, SONG Jinyu, CHEN Lianyong, ZHANG Suojuan, HUANG Qianwen, LI Changyuan. Research on Data Provenance Models and Construction of Domain-specific Provenance Model[J]. Computer Science, 2026, 53(10): 216-228. - 许玉琪, 宋金玉, 陈连勇, 张所娟, 黄钱文, 李昌原
- 计算机科学. 2026, 53 (10): 216-228. doi:10.11896/jsjkx.260500092
-
摘要
(
73 )
PDF(2729KB) (
74
)
- 参考文献 | 相关文章 | 多维度评价
-
数据溯源模型是数据溯源技术体系的核心支撑。针对现有数据溯源模型跨域复用难、结构差异大等问题,系统分析OPM和ProVOC等8类典型溯源模型的技术演进脉络与实践应用,挖掘出现有数据溯源模型可追溯数据流转链路和可追踪数据状态演变两个溯源核心需求,总结提炼了8个溯源模型为实现核心需求所包含的模型要素和结构,及其溯源信息描述。构建了可追溯数据流转链路溯源和追踪数据状态演变溯源两类溯源模型的基本框架,并针对应用领域存在的特殊溯源需求,进一步给出对基本框架进行应用扩展的方法。最后,结合数据管理领域的数据溯源需求,运用这两类溯源模型的基本框架及其应用扩展方法,设计可实现具体应用领域问题溯源的溯源模型,来验证构建的两类基本框架的科学性及普适性,以及应用扩展方法的有效性。
-
基于双自适应约束的对抗学习过采样方法
徐贞顺, 郑顺国, 苏梦瑶, 赵泽宇, 张耀欢, 郭焱. 基于双自适应约束的对抗学习过采样方法[J]. 计算机科学, 2026, 53(10): 229-241.
XU Zhenshun, ZHENG Shunguo, SU Mengyao, ZHAO Zeyu, ZHANG Yaohuan, GUO Yan. Adversarial Learning with Dual Adaptive Constraints for Oversampling Method[J]. Computer Science, 2026, 53(10): 229-241. - 徐贞顺, 郑顺国, 苏梦瑶, 赵泽宇, 张耀欢, 郭焱
- 计算机科学. 2026, 53 (10): 229-241. doi:10.11896/jsjkx.250900067
-
摘要
(
30 )
PDF(5495KB) (
72
)
- 参考文献 | 相关文章 | 多维度评价
-
分类算法在处理不平衡数据集时面临显著挑战,过采样方法通过合成新样本来平衡各类别样本数量,已成为主流解决方案之一。然而,现有方法在样本生成质量、高失衡率下模型的过度泛化以及特征学习稳定性方面存在显著局限。为此,提出基于双自适应约束的对抗学习过采样方法。该方法包括联合对抗学习框架和双自适应约束两部分。首先,联合对抗学习框架通过变分自编码器和判别器形成对抗训练,提高生成样本的质量和多样性;其次,采用差异自适应与标准自适应约束协同筛选,防止高失衡数据集中少数类样本的过度泛化和特征学习不稳定,确保生成样本逐步逼近真实分布并稳定合成。实验结果表明,该方法的F1-Score,G-mean和AUC等指标平均排名第一,其中在高失衡率数据集上的G-mean平均提升16.8%。所提方法有效提升了样本生成质量与特征表达能力,为不平衡数据分类中的关键问题提供了一种有效的解决方案。
-
处理演化新结构的扩散图聚类方法
沈盛涛, 赵杰煜. 处理演化新结构的扩散图聚类方法[J]. 计算机科学, 2026, 53(10): 242-253.
SHEN Shengtao, ZHAO Jieyu. Diffusion Graph Clustering with Evolving Novel Structure[J]. Computer Science, 2026, 53(10): 242-253. - 沈盛涛, 赵杰煜
- 计算机科学. 2026, 53 (10): 242-253. doi:10.11896/jsjkx.250700037
-
摘要
(
75 )
PDF(3820KB) (
88
)
- 参考文献 | 相关文章 | 多维度评价
-
深度卷积图学习在许多图聚类任务中展现了其有效性。然而,传统的图卷积网络(GCN)设计用于聚类任务时,要求图是静态的。现实世界复杂多变,图会随时间发生变化。这种动态图学习问题面临以下挑战:由于标记能力有限以及环境的动态变化,新出现的节点可能属于已知类别,也可能不属于任何已知类别。为此,提出一种新颖的开放图扩散聚类模型(OGDC)。首先,使用一种方差波动学习方法(GDD),该方法将方差与图卷积网络相结合。在这种方法中,嵌入向量造成的标准差波动被用于对未标记节点的区分,并基于期望最大(EM)算法指导模型学习。然后,扩展扩散模型,基于Tweedie公式将其与模型结合,以引导低概率区域内标准差的范围;并通过将数据牵引至高密度区域的方式,减轻边缘数据带来的难以训练的问题并生成同类样本,从而减小小类样本带来的难以训练的影响。实验结果证明了所提算法的有效性,其与基线方法相比表现良好,在Cora等数据集上F1等各项指标有1%~8%的提升。
-
大语言模型赋能强化学习智能体研究综述
周鑫, 曹雷, 陈希亮, 曹育箐. 大语言模型赋能强化学习智能体研究综述[J]. 计算机科学, 2026, 53(10): 254-267.
ZHOU Xin, CAO Lei, CHEN Xiliang, CAO Yuqing. Review of Research on Large Language Model-empowered Reinforcement Learning Agents[J]. Computer Science, 2026, 53(10): 254-267. - 周鑫, 曹雷, 陈希亮, 曹育箐
- 计算机科学. 2026, 53 (10): 254-267. doi:10.11896/jsjkx.250800110
-
摘要
(
37 )
PDF(2376KB) (
81
)
- 参考文献 | 相关文章 | 多维度评价
-
随着大语言模型能力的快速发展,利用大语言模型在样本处理、推理生成和任务规划等方面展现的强大能力赋能强化学习技术,正成为机器学习领域的新兴热点,为应对强化学习面临的挑战与提升其性能提供了新思路。首先,从任务分解与规划、状态表征及增强、奖励设计和塑形、策略生成与优化这4个角度系统阐述了大语言模型对强化学习基本要素的优化机制,揭示了如何将大语言模型整合到强化学习中以提高其性能,并通过分析强化学习的局限及大语言模型的能力,对上述优化机制及整合方法的原理和架构进行了解析;然后,介绍了其在游戏AI、机器人技术和自动驾驶等领域的应用情况;最后,总结了当前面临的主要挑战,并对未来探索领域进行了展望。
人工智能-
面向大语言模型的强化学习技术研究综述
商炳楠. 面向大语言模型的强化学习技术研究综述[J]. 计算机科学, 2026, 53(10): 268-276.
SHANG Bingnan. Survey on Reinforcement Learning Techniques for Large Language Models[J]. Computer Science, 2026, 53(10): 268-276. - 商炳楠
- 计算机科学. 2026, 53 (10): 268-276. doi:10.11896/jsjkx.251200192
-
摘要
(
116 )
PDF(1683KB) (
67
)
- 参考文献 | 相关文章 | 多维度评价
-
强化学习作为机器学习的一个重要分支,已广泛应用于各类复杂决策任务中。近年来,随着大语言模型的迅速发展,强化学习在大语言模型中的应用逐渐成为研究热点。为此,回顾了强化学习的基本原理,并系统梳理了常见的强化学习算法,包括基于值的强化学习算法、基于策略的强化学习算法以及基于模型的强化学习算法。在此基础上,从全新的视角对现有大语言模型中的强化学习算法进行分类,并讨论了其面临的挑战。最后,指出优化强化学习算法,提高其计算效率和训练稳定性,依然是未来研究的重要方向。
-
面向角色扮演智能体的情绪感知检索增强生成模型
李桥, 魏义彪, 邹杰, 杨阳. 面向角色扮演智能体的情绪感知检索增强生成模型[J]. 计算机科学, 2026, 53(10): 277-284.
LI Qiao, WEI Yibiao, ZOU Jie, YANG Yang. Emotion-aware Retrieval-augmented Generation Model for Role-playing Language Agents[J]. Computer Science, 2026, 53(10): 277-284. - 李桥, 魏义彪, 邹杰, 杨阳
- 计算机科学. 2026, 53 (10): 277-284. doi:10.11896/jsjkx.251000065
-
摘要
(
93 )
PDF(2455KB) (
67
)
- 参考文献 | 相关文章 | 多维度评价
-
随着大语言模型的快速发展,角色扮演智能体因其能够模拟特定角色的语言风格与个性特征,提供了更自然、沉浸的人机交互体验。为增强回复的角色化与共情性,研究者引入了检索增强生成技术,通过结合外部知识来支持个性化生成。但现有方法多采用固定权重,难以根据对话情境实现语义与情绪的动态平衡。为解决该问题,提出一种面向角色扮演智能体的情绪感知检索增强生成模型。该模型采用“表征—检索—生成”三阶段架构。在表征阶段,基于大语言模型和情绪轮盘理论构建语义情绪嵌入表征。在检索阶段,通过改进传统余弦相似度与设计情绪-语义融合策略计算综合相似度,并设计两种指标优化情绪-语义融合策略。在生成阶段,通过融合检索到的角色文档与用户输入,引导大语言模型生成语义相关、情绪契合的回复。基于CharacterEval公开数据集的实验结果表明,所提模型在准确率、均方误差和平均绝对误差3项指标上均优于基线模型。
-
基于双阶段触发的反向验证逻辑推理方法
李鹏, 邱浙宇, 胡素君. 基于双阶段触发的反向验证逻辑推理方法[J]. 计算机科学, 2026, 53(10): 285-294.
LI Peng, QIU Zheyu, HU Sujun. Reverse Verification Logical Reasoning Method Based on Two-stage Triggering[J]. Computer Science, 2026, 53(10): 285-294. - 李鹏, 邱浙宇, 胡素君
- 计算机科学. 2026, 53 (10): 285-294. doi:10.11896/jsjkx.260500060
-
摘要
(
37 )
PDF(3468KB) (
77
)
- 参考文献 | 相关文章 | 多维度评价
-
针对大语言模型在复杂逻辑推理任务中存在的单向生成误差累积、高置信错误难以识别以及全量外部验证计算开销高的问题,提出一种基于反向验证的逻辑推理方法。以前向推理器输出的终端Token置信度和候选判别裕度为依据,构建两阶段动态触发机制,并利用受试者工作特征曲线与约登指数确定最优验证阈值,实现高风险样本筛选;复用前向生成的Top-K候选空间构造反事实假设,通过外部判题器多轮投票获得独立判别信号,完成逻辑一致性校验;进一步结合判题裕度设计动态决策门控,抑制不可靠反向信号造成的误纠错。LogiQA 2.0数据集上的实验结果表明:在候选空间大小 K=3、外部判题器独立投票次数 N=3,并结合双阶段置信度筛选的配置下,所提方法的准确率达到77.16%,较标准思维链(Standard CoT)基线提升6.94个百分点,触发验证比例为34.94%,平均验证耗时为1.3206s,体现出较好的精度与效率平衡。在进一步引入动态门控后,系统准确率为76.41%,修正精度提升至66.89%,破坏性翻转数由57降至33,表明该机制能够以少量整体精度代价换取更高的纠错可靠性与系统鲁棒性;在ReClor上也取得了一致增益,验证了方法的泛化性。结果表明,该方法能够在较低的附加开销下缓解大语言模型逻辑推理中的高置信错误问题。
-
CLERAG:基于认知层次评估的法律问答检索增强生成方法
赵旭楠, 赵卓峰. CLERAG:基于认知层次评估的法律问答检索增强生成方法[J]. 计算机科学, 2026, 53(10): 295-300.
ZHAO Xunan, ZHAO Zhuofeng. CLERAG:Retrieval-augmented Generation Framework for Legal QA with Cognitive-levelEvaluation[J]. Computer Science, 2026, 53(10): 295-300. - 赵旭楠, 赵卓峰
- 计算机科学. 2026, 53 (10): 295-300. doi:10.11896/jsjkx.250900130
-
摘要
(
70 )
PDF(2562KB) (
58
)
- 参考文献 | 相关文章 | 多维度评价
-
随着大语言模型在法律问答领域的广泛应用,现有方法在语义理解、法条匹配与推理链条构建方面暴露出诸多问题。为此,设计了一种基于认知层次评估的检索增强生成方法CLERAG,引入认知外包思想,将语义理解与法条筛选流程化拆分,通过外部模型协作完成检索增强生成。CLERAG包括面向认知的查询增强与“发散-收敛”式的认知层次评估两部分。前者通过基于法律认知结构和约束的标准化重写与关键词扩展,将用户查询转换为规范化法律表达,提高检索相关性与覆盖率;后者模拟法律专家“发散-收敛”认知路径,结合语义评分和验证模型进行法条筛选,并通过融合策略确定最适用的法条片段。在CivGuideQA与LawBench两个中文法律问答数据集上进行了实验,结果显示,CLERAG在多个指标上均超越现有基线,在CivGuideQA数据集上,其ROUGE-L指标相较于标准RAG方法提升了13.30%。
-
基于路径分层建模的长距离知识图谱嵌入方法
谢新兴, 刘琰, 贾萌萌, 王凌. 基于路径分层建模的长距离知识图谱嵌入方法[J]. 计算机科学, 2026, 53(10): 301-311.
XIE Xinxing, LIU Yan, JIA Mengmeng, WANG Ling. Long-distance Knowledge Graph Embedding Method Based on Hierarchical Path Modeling[J]. Computer Science, 2026, 53(10): 301-311. - 谢新兴, 刘琰, 贾萌萌, 王凌
- 计算机科学. 2026, 53 (10): 301-311. doi:10.11896/jsjkx.250800116
-
摘要
(
96 )
PDF(2511KB) (
67
)
- 参考文献 | 相关文章 | 多维度评价
-
知识图谱嵌入在自然语言处理和推荐系统等领域应用广泛。但传统方法处理多跳关系关联实体时,难以精准建模多跳关系路径累积语义,易导致语义衰减并忽略全局结构特征,难体现深层关联;且长距离路径中冗余实体既增加计算负担,又掩盖关键实体作用,干扰语义捕捉的精准性,致使多步推理任务表现不佳。针对现有方法,如KnowFormer的过度压缩问题和HittER 的浅层网络限制,提出一种同时处理长距离语义传递和高效邻居聚合的统一框架。与现有方法相比,所提方法创新性地将分层路径建模与多头注意力机制深度融合,实现了O(｜V｜2)的线性复杂度优化。针对长距离关系路径建模不足的问题,提出多头自注意力机制增强的分层关系路径建模(MHA-HRPM)方法。核心创新包括:1)分层关系路径建模,通过分层构建与逐层交互,使路径表示同时保留自身特征与上层增强特征,实现长距离路径语义的逐层传递与精准捕捉;2)引入多头自注意力机制,从多视角动态调整邻居实体的权重,自适应选择关键邻居,隐式捕获高阶交互特征,丰富实体表示的语义多样性。实验结果表明,该方法在长距离关系路径依赖建模上表现出色。
-
基于拥塞避免和振荡解除的多智能体路径规划
张永良, 赵国友, 王小妃, 李子文, 王保红. 基于拥塞避免和振荡解除的多智能体路径规划[J]. 计算机科学, 2026, 53(10): 312-319.
ZHANG Yongliang, ZHAO Guoyou, WANG Xiaofei, LI Ziwen, WANG Baohong. Congestion-avoidance and Oscillation-resolution Enabled Multi-agent Pathfinding[J]. Computer Science, 2026, 53(10): 312-319. - 张永良, 赵国友, 王小妃, 李子文, 王保红
- 计算机科学. 2026, 53 (10): 312-319. doi:10.11896/jsjkx.250800030
-
摘要
(
31 )
PDF(2648KB) (
58
)
- 参考文献 | 相关文章 | 多维度评价
-
基于深度强化学习的多智能体路径规划算法因其对环境的良好适应性而受到广泛关注。随着相关领域应用需求的增长,地图规模日趋复杂,智能体数量持续增加,导致智能体间的交互难度显著提升。现有方法主要通过通信机制增强智能体间的信息交互,但在高密度场景下,仍难以避免智能体陷入区域拥塞或产生往返振荡的运动,进而影响整体路径规划效率。针对上述问题,提出一种基于拥塞避免和振荡解除的多智能体路径规划方法(CAOR),该方法综合考虑智能体周围物体密度与相邻智能体的活跃度,据此重构奖励函数以引导智能体规避拥塞区域;同时针对振荡问题,通过检测各智能体的往返动作识别振荡状态,为出现振荡的智能体打上振荡标签,并对带有该标签的智能体采用搜索算法重新规划路线。实验结果显示,在结构化地图中,当智能体数量不超过64个时,CAOR的求解成功率均为100%;在大规模场景下,相较于现有基于学习的方法,CAOR也展现出更优的求解性能。
-
基于语义驱动执行的代码质量评测框架
张赛, 许方舟, 张小旺, 韩亚洪, 邢振昌, 冯志勇. 基于语义驱动执行的代码质量评测框架[J]. 计算机科学, 2026, 53(10): 320-335.
ZHANG Sai, XU Fangzhou, ZHANG Xiaowang, HAN Yahong, XING Zhenchang, FENG Zhiyong. Semantic-driven Execution-based Framework for Code Quality Evaluation[J]. Computer Science, 2026, 53(10): 320-335. - 张赛, 许方舟, 张小旺, 韩亚洪, 邢振昌, 冯志勇
- 计算机科学. 2026, 53 (10): 320-335. doi:10.11896/jsjkx.250900140
-
摘要
(
63 )
PDF(6410KB) (
73
)
- 参考文献 | 相关文章 | 多维度评价
-
代码质量评测是在特定任务下对代码的质量进行自主度量与评分的过程。现有评测技术大致分为基于匹配和基于执行两种方式。前者侧重在代码文本层面与参照代码进行静态比对,难以全面评测代码行为语义上的差异。后者依赖大量手工或半自动构造的测试用例执行评测,构建成本高且覆盖范围受限。随着大语言模型(Large Language Model,LLM)的快速发展,越来越多工作尝试将 LLM 作为自动评测器,然而在缺乏完备测试用例和高质量参照代码的现实环境中,如何减轻LLM推理中的幻觉、获得与专家判定及真实执行表现高度一致的自动评测结果,仍然是亟待解决的关键问题。为此,提出基于语义驱动执行的代码质量评测框架SDEval及其细粒度评分变体SDEval-FG。该框架首先通过代码语义递归理解,将复杂程序拆分为细粒度语义单元并逐层推理,以强化对程序中控制流与数据流关系的理解能力,捕获代码片段之间的逻辑依赖,抑制幻觉产生。随后通过自动测试用例生成与补全模块,构建动态语义驱动执行视角,使LLM兼顾语义正确性与功能完整性,从而弥合代码文本与实际执行效果之间的鸿沟。相对于仅针对提升测试用例生成与覆盖的现有方法来说,SDEval将评测重心从生成高质量测试用例,转为面向缺陷类别的可解释评分,以提高与人类专家判定的相关性。实验结果表明,在HumanEval数据集上,SDEval相较于基于执行的ChatTester在Pearson相关系数上提升了11.86%。在CodePair数据集上,变体SDEval-FG相较于CoT提示基线在Pearson指标上提升了31.4%。
计算机软件-
开源基金会的治理模式分类与对比分析
贺祥, 徐汉川, 王甜甜, 王忠杰. 开源基金会的治理模式分类与对比分析[J]. 计算机科学, 2026, 53(10): 336-344.
HE Xiang, XU Hanchuan, WANG Tiantian, WANG Zhongjie. Classification and Comparative Analysis of Governance Models in Open Source Foundations[J]. Computer Science, 2026, 53(10): 336-344. - 贺祥, 徐汉川, 王甜甜, 王忠杰
- 计算机科学. 2026, 53 (10): 336-344. doi:10.11896/jsjkx.260100120
-
摘要
(
46 )
PDF(1986KB) (
74
)
- 参考文献 | 相关文章 | 多维度评价
-
开源软件已成为关键的数字公共基础设施,开源基金会则是支持其良性发展的治理主体。然而,基金会的制度设计需在相互冲突的目标间进行战略权衡。为此,构建了一个融合公共物品理论、委托代理理论与资源基础观的多维度分析框架;并在此基础上提出了一个核心的理论模型“开源治理三难困境”,即任何基金会都无法同时最大化战略方向、社区自治与生态中立。通过对3种典型治理模式(以Apache软件基金会为代表的“精英贤能共同体”、以云原生计算基金会为代表的“产业驱动平台整合者”以及以开放原子开源基金会为代表的“国家生态催化剂”)的深度案例比较,揭示了不同模式如何在该三难困境中进行取舍与平衡。研究发现,成功的开源治理是一个动态适应的过程,而非静态的结构选择。所提出的分析框架和三难困境模型,为理解和设计兼具韧性与全球影响力的开源生态系统提供了新的理论视角,并对中国开源基金会的未来发展路径具有重要的参考价值。
-
面向安全关键软件单元测试的数据集智能生成方法
潘天乐, 薛雯耀, 任庆玮, 王轶辰. 面向安全关键软件单元测试的数据集智能生成方法[J]. 计算机科学, 2026, 53(10): 345-355.
PAN Tianle, XUE Wenyao, REN Qingwei, WANG Yichen. Intelligent Dataset Generation Method for Safety-critical Software Unit Testing[J]. Computer Science, 2026, 53(10): 345-355. - 潘天乐, 薛雯耀, 任庆玮, 王轶辰
- 计算机科学. 2026, 53 (10): 345-355. doi:10.11896/jsjkx.250900141
-
摘要
(
37 )
PDF(2037KB) (
65
)
- 参考文献 | 相关文章 | 多维度评价
-
如果航空、航天等领域的安全关键软件质量得不到保障,会造成极大的危害性事故。软件测试,是保障软件质量的主要方式。单元测试作为软件测试的基础环节,是保证安全关键软件质量的必要步骤。单元测试的核心环节是测试用例设计,传统单元测试用例设计方法有人工编写和自动生成两类。大语言模型(LLM)等人工智能技术的发展,为单元测试用例设计提供了全新的智能生成思路。对于单元测试用例设计这类复杂任务,通用大语言模型通常不具备较高的适配度,使用数据集训练大语言模型是一种能有效改善模型任务表现且被广泛使用的方式。目前,面向模型训练的单元测试数据集大多使用静态分析等传统方式构建,存在映射关系有误、缺乏统一的定义与评估标准以及全面性和逻辑性不足的问题。针对上述问题,提出了结构化的单元测试数据集的全面定义和基于LLM的单元测试数据集的构建方法UTDCM-LLM。方法包括基于人工的单元测试数据点的构建、基于思维链的大语言模型提示词设计、基于LLM的单元测试数据集智能批量生成和基于静态检查的数据集评估四大环节。此外,还设计了基于数据集的模型微调实验。实验成功验证了单元测试数据集在模型训练上的有效性和UTDCM-LLM方法的可行性。
-
HGTS-IPR:融合异质图与文本序列的链接预测模型
娄泽华, 戴文同, 黄温瑞, 耿航航, 韩凡宇, 彭佳恒, 王伟. HGTS-IPR:融合异质图与文本序列的链接预测模型[J]. 计算机科学, 2026, 53(10): 356-366.
LOU Zehua, DAI Wentong, HUANG Wenrui, GENG Hanghang, HAN Fanyu, PENG Jiaheng, WANG Wei. HGTS-IPR:Link Prediction Model Integrating Heterogeneous Graph and Text Sequence[J]. Computer Science, 2026, 53(10): 356-366. - 娄泽华, 戴文同, 黄温瑞, 耿航航, 韩凡宇, 彭佳恒, 王伟
- 计算机科学. 2026, 53 (10): 356-366. doi:10.11896/jsjkx.260100148
-
摘要
(
56 )
PDF(5291KB) (
79
)
- 参考文献 | 相关文章 | 多维度评价
-
此研究聚焦开源代码托管平台中Issue-PR 链接预测任务。首先,构建了基于开源协作的 Issue-PR 真实链接数据集采集框架,基于 IPCrawler 框架,结合 GitHub API 和 GH Archive 数据高效采集开源协作数据,用自然语言处理方法解析潜在链接,引入微调后的预训练语言模型进行语义理解与分类,构建高质量基准数据集,其准确率较基于规则的方法提升8.05个百分点。其次,设计了融合异质图和文本序列学习的 GitHub Issue-PR 链接预测模型 HGTS-IPR,构建异质信息网络,采用基于元路径和图注意力机制的异质图神经网络提取特征,结合文本序列学习方法增强语义建模能力,使用多任务学习框架联合进行优化,在5个主流开源项目数据集上,所提方法AP 和 AUC 指标整体优于基线方法。
-
基于分层搜索与分区间分析的浮点表达式误差检测
牛梦锦, 王磊, 张旭林, 梁军达. 基于分层搜索与分区间分析的浮点表达式误差检测[J]. 计算机科学, 2026, 53(10): 367-375.
NIU Mengjin, WANG Lei, ZHANG Xulin, LIANG Junda. Floating-point Expression Error Detection Based on Hierarchical Search and Interval Partitioning Analysis[J]. Computer Science, 2026, 53(10): 367-375. - 牛梦锦, 王磊, 张旭林, 梁军达
- 计算机科学. 2026, 53 (10): 367-375. doi:10.11896/jsjkx.250700073
-
摘要
(
33 )
PDF(2192KB) (
75
)
- 参考文献 | 相关文章 | 多维度评价
-
计算机用有限的二进制位表示实数,其固有的舍入误差在计算过程中可能会造成累积,在某些情况下,还会导致严重的错误。检测浮点误差对于确保程序正确输出至关重要。理论上,检测浮点误差最准确的方法是穷举搜索所有可能的浮点输入,但由于搜索空间巨大,该方法在实践中是不可行的。而浮点误差具有稀疏性,只有有限数量的输入值会导致严重的错误,如何有效地检测这些输入并选择合适的搜索技术,对于检测最大浮点误差是一项艰巨的挑战。为了应对这一挑战,基于分层搜索与分区间分析,设计并实现了一种针对浮点表达式进行误差检测的工具HSIBA。HSIBA修改双精度浮点数的尾数部分,通过模拟不同精度进行分层搜索结合分区间分析,检测可能的浮点误差极大值及对应的输入并报告。从FPBench标准测试集中选取28个表达式作为测试用例,并将HSIBA与先进检测工具PSOED和ATOMU进行对比。实验结果中,HSIBA有16个测试用例的检测效果优于PSOED,有20个测试用例的检测效果优于ATOMU。同时,PSOED耗费的平均时间是HSIBA的3.15倍,而HSIBA的性能不如ATOMU。
-
基于线程执行序列反馈的模糊测试方法
王安祺, 陈哲, 殷家乐. 基于线程执行序列反馈的模糊测试方法[J]. 计算机科学, 2026, 53(10): 376-383.
WANG Anqi, CHEN Zhe, YIN Jiale. Feedback-guided Fuzzing Based on Thread Execution Sequences[J]. Computer Science, 2026, 53(10): 376-383. - 王安祺, 陈哲, 殷家乐
- 计算机科学. 2026, 53 (10): 376-383. doi:10.11896/jsjkx.251000107
-
摘要
(
103 )
PDF(1549KB) (
64
)
- 参考文献 | 相关文章 | 多维度评价
-
C语言因其高效性与灵活性在内核与嵌入式等关键领域被广泛使用,但手动内存管理使其容易存在内存安全缺陷。当前主流的覆盖率制导模糊测试可以在单线程程序中有效挖掘内存安全漏洞,然而在多线程环境下,由于模糊测试不关注线程交错,部分漏洞隐藏于复杂的程序流程难以被挖掘。针对这一挑战,提出一种基于线程执行序列反馈的增强型灰盒模糊测试方法,通过将动态分析工具Movec与模糊测试器AFL深度协同,创新性地收集线程执行的时序信息进行反馈,并结合线程上下文信息与指针元数据进行种子的筛选与优先级调整。通过与覆盖率引导的模糊测试器进行对比实验,结果表明,以线程执行序列为额外反馈的模糊测试方法在多线程环境下挖掘内存漏洞的能力优秀,并且平均缩短了38.21%的挖掘耗时。
-
ExprRL:基于强化学习的浮点表达式精度优化方法
梁军达, 王磊, 张旭林, 牛梦锦, 郜振琦. ExprRL:基于强化学习的浮点表达式精度优化方法[J]. 计算机科学, 2026, 53(10): 384-395.
LIANG Junda, WANG Lei, ZHANG Xulin, NIU Mengjin, GAO Zhenqi. ExprRL:Method for Optimizing Floating-point Expression Accuracy Based on ReinforcementLearning[J]. Computer Science, 2026, 53(10): 384-395. - 梁军达, 王磊, 张旭林, 牛梦锦, 郜振琦
- 计算机科学. 2026, 53 (10): 384-395. doi:10.11896/jsjkx.250700009
-
摘要
(
41 )
PDF(4689KB) (
71
)
- 参考文献 | 相关文章 | 多维度评价
-
随着数值计算领域的快速发展,浮点程序的精度优化已成为提升计算可靠性的关键问题。传统方法如混合精度优化、近似正确舍入误差、误差检测与修复及表达式优化重写等,虽然取得了一定进展,但仍面临搜索空间庞大、优化效率低下、依赖专家经验等局限性。为了解决这些问题,提出了一种基于强化学习的浮点表达式自适应优化方法,并实现了表达式优化工具ExprRL,通过结合强化学习与动态精度优化经验库,实现了高效且自适应的精度优化。ExprRL采用Tree-LSTM模型计算表达式的符号、结构和语义特征嵌入向量,并通过余弦相似度检索匹配经验库中的优化策略,加速优化过程;若匹配失败,则启动强化学习模块,将表达式优化问题建模为马尔可夫决策过程,通过Q-learning算法探索最优重写动作序列,并动态更新至经验库中。实验选取FPBench标准数据集中的31个表达式作为测试集,结果表明经过ExprRL优化后,平均ulp误差降低41.42%,最大ulp误差降低46.92%,ExprRL性能优于传统精度优化工具Herbie和exprAuto。
-
自动化代码重构:基于大语言模型的提示演化方法
张杨, 范梓硕, 武少广. 自动化代码重构:基于大语言模型的提示演化方法[J]. 计算机科学, 2026, 53(10): 396-412.
ZHANG Yang, FAN Zishuo, WU Shaoguang. Automatic Code Refactoring:LLM-based Prompt Evolution Approach[J]. Computer Science, 2026, 53(10): 396-412. - 张杨, 范梓硕, 武少广
- 计算机科学. 2026, 53 (10): 396-412. doi:10.11896/jsjkx.251200012
-
摘要
(
94 )
PDF(5938KB) (
102
)
- 参考文献 | 相关文章 | 多维度评价
-
针对现有基于大型语言模型提示比较固定、对复杂代码模式的适应性有限而导致的代码重构效果不佳的问题,提出一种基于大语言模型和提示演化的自动代码重构方法RefPro。该方法基于进化算法的思想,构建一个自反馈的提示和代码优化方法,进而生成高质量的代码重构结果。首先,RefPro将提示模板作为可进化个体,在每一轮迭代中,LLM根据当前种群中的提示生成优化后的提示和重构代码。然后,代码经评估后得到适应度得分,将该得分作为反馈用于驱动提示词的优化与变异,从而更新种群。最后,通过多轮迭代生成高质量提示,进而获得重构后代码。为了验证该方法的有效性,选取HumanEval,CoderEval和LC-325等多个开源数据集对RefPro进行评估。实验结果表明,RefPro可以将代码的圈复杂度平均降低24.85%,PyLint评分平均提高4.31,该方法能够有效优化代码结构复杂度和质量。
-
Linux环境中容器异常检测综述
陈昊, 周娜琴, 陈泽宇, 陈浩钦. Linux环境中容器异常检测综述[J]. 计算机科学, 2026, 53(10): 413-422.
CHEN Hao, ZHOU Naqin, CHEN Zeyu, CHEN Haoqin. Survey of Container Anomaly Detection in Linux Environments[J]. Computer Science, 2026, 53(10): 413-422. - 陈昊, 周娜琴, 陈泽宇, 陈浩钦
- 计算机科学. 2026, 53 (10): 413-422. doi:10.11896/jsjkx.250700146
-
摘要
(
37 )
PDF(1690KB) (
62
)
- 参考文献 | 相关文章 | 多维度评价
-
容器技术因其轻量化、高性能和良好的扩展性,广泛应用于云计算和边缘计算。然而,复杂且动态的容器运行环境在Linux平台下引发了资源滥用、权限提升和容器逃逸等异常检测挑战,对系统安全与性能构成威胁。高效的异常检测技术需同时满足实时性、低开销、多样性和高精度等需求。对此,围绕 Linux 内核机制对容器异常检测技术进行了系统梳理。首先,理论性地分析了容器运行时的资源分配逻辑与系统调用行为模式;其次,从资源消耗与系统调用两个关键特征出发,归纳了基于规则与基于学习的检测方法;最后探讨了容器异常检测未来潜在方向。
信息安全-
差分隐私结构化数据合成研究综述
方贤进, 罗晨悦. 差分隐私结构化数据合成研究综述[J]. 计算机科学, 2026, 53(10): 423-439.
FANG Xianjin, LUO Chenyue. Survey on Differential Privacy Synthesis of Structured Data[J]. Computer Science, 2026, 53(10): 423-439. - 方贤进, 罗晨悦
- 计算机科学. 2026, 53 (10): 423-439. doi:10.11896/jsjkx.250900163
-
摘要
(
30 )
PDF(3213KB) (
58
)
- 参考文献 | 相关文章 | 多维度评价
-
数据开放共享是人工智能与大数据分析的基础需求,但其存在数据安全与隐私保护问题,生成具有隐私保护的合成数据是解决该问题的一种路径。差分隐私(Differential Privacy,DP)因具备严格的数学可证明性,成为合成数据生成的研究热点。基于差分隐私的数据合成通过生成与原始数据分布近似且隐私可证的合成数据,成为兼顾数据效用性与安全性的实用性方案。由于大数据时代数据的多源、异构特点,因此数据合成方案众多,但缺乏通用性的数据合成方法。对此,系统总结了结构化数据(表格数据、轨迹数据和图数据)的数据合成研究成果,提出了一种通用的差分隐私结构化数据合成的主流框架,给出了度量合成数据隐私性与效用性的多个维度和评价指标,总结了差分隐私结构化数据合成面临的挑战,并结合AI安全与人工智能生成内容(Artificial Intelligence Generated Content,AIGC)的发展背景,探讨了差分隐私数据合成技术在大语言模型训练、联邦学习等方面的应用潜力及未来研究方向。
-
PacketScope:大语言模型赋能eBPF的协议栈安全防御
冯学伟, 唐启勋, 李敏, 杨宇翔, 李兆曦, 詹兴祥, 何艺, 陈驰, 李琦, 徐恪. PacketScope:大语言模型赋能eBPF的协议栈安全防御[J]. 计算机科学, 2026, 53(10): 440-446.
FENG Xuewei, TANG Qixun, LI Min, YANG Yuxiang, LI Zhaoxi, ZHAN Xingxiang, HE Yi, CHEN Chi, LI Qi, XU Ke. PacketScope:LLM-enhanced eBPF Framework for Protocol Stack Security[J]. Computer Science, 2026, 53(10): 440-446. - 冯学伟, 唐启勋, 李敏, 杨宇翔, 李兆曦, 詹兴祥, 何艺, 陈驰, 李琦, 徐恪
- 计算机科学. 2026, 53 (10): 440-446. doi:10.11896/jsjkx.260100048
-
摘要
(
30 )
PDF(3991KB) (
83
)
- 参考文献 | 相关文章 | 多维度评价
-
近年来,随着互联网规模扩张和应用生态演化,网络安全面临前所未有的挑战。越来越多的新型攻击利用TCP/IP协议栈端到端交互中的语义安全问题,突破协议边界,直接危及端侧主机,导致服务中断、会话劫持和数据投毒等问题,传统基于特征匹配或离线分类检测的防御手段已难以应对。针对这些问题,提出了PacketScope——首个由大语言模型(LLM)驱动eBPF的端侧协议栈安全防御系统。PacketScope基于eBPF实现对分组在协议栈处理路径中的动态观测,构建细粒度协议交互图,定位风险与性能瓶颈,并通过XDP将实时流量导入LLM进行协议交互长上下文推理与深度分析,判别socket行为、识别攻击,并最终生成eBPF规则实现栈内实时防御。在Linux 6.8内核上的实现与开源验证表明,PacketScope可完整重建分组交互全景图,并结合TrafficLLM,DeepSeek等模型识别和阻断DoS,TCP劫持等攻击,额外开销低于1.9%。
-
在线友好的SM2两方门限签名方案
王少辉, 孙思源, 张平, 王化群. 在线友好的SM2两方门限签名方案[J]. 计算机科学, 2026, 53(10): 447-454.
WANG Shaohui, SUN Siyuan, ZHANG Ping, WANG Huaqun. Online-friendly Two-party Threshold Signature Scheme on SM2[J]. Computer Science, 2026, 53(10): 447-454. - 王少辉, 孙思源, 张平, 王化群
- 计算机科学. 2026, 53 (10): 447-454. doi:10.11896/jsjkx.250800109
-
摘要
(
28 )
PDF(1989KB) (
61
)
- 参考文献 | 相关文章 | 多维度评价
-
在数字签名算法中,如果签名私钥被泄露,敌手就可以随意伪造合法用户的签名,从而致使合法用户的权益受到侵害。两方门限签名将签名私钥拆分成两个部分,签名参与双方分别持有其中的一部分并协作生成数字签名,有效提高了方案的安全性。针对国产SM2签名算法,提出了一个新的两方门限签名算法。新算法将两方签名生成过程分为不需要用到待签名消息的线下阶段和需要用到待签名消息的线上阶段,并将现有的MtA协议应用于线下阶段一次,从而实现线上阶段的高效性。通过验证分析表明,相比其他的SM2两方签名方案,所提方案在协作签名的线上阶段只需完成简单的整数加法、乘法及取模运算,具有极高的效率和极低的计算开销,因而在全场景特别是低延迟场景下具有高协作签名运行效率和低带宽要求等显著优势。
-
低投毒率下基于敏感度优化的隐形后门攻击
闫雷鸣, 吉丽菁, 王金伟. 低投毒率下基于敏感度优化的隐形后门攻击[J]. 计算机科学, 2026, 53(10): 455-463.
YAN Leiming, JI Lijing, WNAG Jinwei. Stealthy Backdoor Attack with Sensitivity-based Optimization Under Low Poisoning Rate[J]. Computer Science, 2026, 53(10): 455-463. - 闫雷鸣, 吉丽菁, 王金伟
- 计算机科学. 2026, 53 (10): 455-463. doi:10.11896/jsjkx.251200087
-
摘要
(
31 )
PDF(4055KB) (
76
)
- 参考文献 | 相关文章 | 多维度评价
-
后门攻击是指在深度神经网络模型训练过程中对原模型植入特定的触发器,导致模型误判的攻击。针对目前后门攻击方案普遍存在触发器隐蔽性差、投毒效率低与中毒模型易被检测的问题,提出了低投毒率下基于敏感度优化的隐形后门攻击方法。通过分析深度神经网络对局部语义特征的依赖性差异,利用模型误判主要受特定空间区域的特征激活主导这一特性,设计稀疏敏感掩码优化算法,定位对目标类敏感的特征区域,并设计触发模式来有效影响这些敏感特征。同时,采用敏感样本的筛选机制,基于梯度范数量化候选样本的毒化价值,自适应地选取对后门触发最具影响力的子集。在“特征-样本”双重优化框架中,稀疏敏感掩码使得触发器精准植入模型决策依赖的特征区域,而敏感样本筛选则从有限数据中识别出对后门触发最具贡献的样本子集,通过协同优化触发模式的空间敏感性与样本的毒化敏感性,实现了即使在极低投毒率的条件下仍然能够达成隐蔽且高效的后门攻击。实验结果表明,在投毒率低于0.5%的情况下,该方法在Cifar-10,Cifar-100,VGGFace2和RImageNet数据集上的平均攻击成功率高于94%,在多个评价指标上优于既有的后门攻击方法,并能有效规避Neural Cleanse等主流防御机制的检测,验证了所提方法的有效性。
-
融合时序特征图神经网络的智能合约漏洞检测方法
陈虹, 王明君, 金海波, 武聪, 芦奇. 融合时序特征图神经网络的智能合约漏洞检测方法[J]. 计算机科学, 2026, 53(10): 464-475.
CHEN Hong, WANG Mingjun, JIN Haibo, WU Cong, LU Qi. Smart Contract Vulnerability Detection Method Based on Temporal Feature Graph NeuralNetwork[J]. Computer Science, 2026, 53(10): 464-475. - 陈虹, 王明君, 金海波, 武聪, 芦奇
- 计算机科学. 2026, 53 (10): 464-475. doi:10.11896/jsjkx.250800080
-
摘要
(
30 )
PDF(3238KB) (
61
)
- 参考文献 | 相关文章 | 多维度评价
-
针对智能合约安全漏洞检测中静态分析高误报与动态分析低效率导致准确率低的问题,提出一种融合时序特征图神经网络(Fusion of Temporal-Feature Graph Neural Network,FTF-GNN)的智能合约漏洞检测方法。首先,通过静态分析提取专家模式特征Pr与图特征Gr,Pr降低盲目检测导致的误报,Gr避免全图遍历瓶颈;其次,基于风险概率阈值λ筛选高危函数,提升整体分析效率;再次,构建时序图神经网络,通过自注意力机制强化复杂漏洞捕捉能力;最后,聚焦于可重入漏洞和时间戳依赖漏洞检测。在以太坊和VNT链双平台真实合约数据集上进行评估,实验表明,该模型对可重入漏洞检测准确率达93.12%、F1值达94.41%,比现有对比方法最优者提升0.31个百分点和2.73个百分点,对检测时间戳依赖漏洞准确率达91.71%、F1值达92.47%,比现有对比方法最优者提升0.07个百分点和1.10个百分点。
-
面向跨域迁移攻击的稳定结构表征与分布级相对优化方法
易晓银, 陈龙, 朱小飞. 面向跨域迁移攻击的稳定结构表征与分布级相对优化方法[J]. 计算机科学, 2026, 53(10): 476-485.
YI Xiaoyin, CHEN Long, ZHU Xiaofei. Stable Structural Representation and Distribution-level Relative Optimization for Cross-domain Transferable Adversarial Attacks[J]. Computer Science, 2026, 53(10): 476-485. - 易晓银, 陈龙, 朱小飞
- 计算机科学. 2026, 53 (10): 476-485. doi:10.11896/jsjkx.260600130
-
摘要
(
31 )
PDF(5044KB) (
58
)
- 参考文献 | 相关文章 | 多维度评价
-
跨数据域黑盒迁移攻击旨在使对抗扰动在未知目标域上保持稳定的攻击能力。然而,域偏移会破坏特征统计的一致性并诱发语义漂移,使现有生成式方法容易依赖源域特有的统计模式,难以学习跨域稳定的扰动表示;同时,标签级攻击目标过度依赖源域类别语义与判别边界,限制了扰动的跨域迁移能力。针对上述问题,提出一种结合跨域稳定结构表征建模与分布级相对优化的跨域可迁移对抗扰动生成框架。设计中值增强的通道-空间特征增强模块(MECS),通过稳健统计建模和多尺度空间建模,增强生成器对跨域相对稳定结构信息的表征能力。进一步提出相对KL散度损失(RKL),以干净样本预测分布为参考,在分布层面调整模型决策结构,从而降低攻击优化对显式标签监督的依赖。实验结果表明,所提方法在多种跨域与同域迁移设置下均优于现有方法。在不同扰动预算条件下,以 Paintings 和 Comics 为源域、ImageNet 为目标域的跨域攻击场景中,所提方法的平均 Fooling Rate 相比基于交叉熵优化的生成式基线方法分别提升 7.49 和 5.88 个百分点。
-
第53卷第10期目录