1974年1月创刊(月刊)
主管/主办:重庆西南信息有限公司
ISSN 1002-137X
CN 50-1075/TP
CODEN JKIEBK
编辑中心
当期目录
2021年第9期, 刊出日期:2021-09-15
  
目录
目录
计算机科学. 2021, 48 (9): 0-0. 
摘要 ( 142 )   PDF(8284KB) ( 607 )    Suppl. Info.
相关文章 | 多维度评价
前言
大力推进数据治理技术与系统的学术研究
计算机科学. 2021, 48 (9): 0-1. 
摘要 ( 213 )   PDF(318KB) ( 456 )    Suppl. Info.
相关文章 | 多维度评价
智能数据治理技术与系统*
人工智能治理理论及系统的现状与趋势
朝乐门, 尹显龙
计算机科学. 2021, 48 (9): 1-8.  doi:10.11896/jsjkx.210600034
摘要 ( 361 )   PDF(1734KB) ( 750 )   
参考文献 | 相关文章 | 多维度评价
人工智能(Artificial Intelligence,AI)治理是解决AI挑战的主要手段。AI治理的主要目的是充分发挥人工智能带来的优势和有效降低人工智能导致的风险,并通过整合技术、法律、政策、标准、伦理、道德、安全、经济、社会等多个方面的影响因素,最终建设负责任的人工智能(Responsible Artificial Intelligence,RAI)。AI治理可以从智能个体治理、智能群体治理以及人机合作与共生系统的治理等3个方面,分技术层、伦理层、社会及法律层等3个层面进行。AI治理的主要关键技术有4种:可理解性人工智能、防御对抗性攻击技术、建模及仿真技术和实时审计技术。从谷歌、IBM和微软等公司的AI治理实践来看,产业界主要关注的是RAI研发,在AI系统的可解释性、隐私保护和公平性检查等方面已出现一些专用组件工具。目前,AI治理需要研究的科学问题有:软件定义的AI治理、AI治理关键技术、大规模机器学习中的AI治理评价、基于联邦学习的AI治理、AI治理的标准制定、增强人工智能与人在回路型AI训练等。
面向跨模态隐私保护的AI治理法律技术化框架
雷羽潇, 段玉聪
计算机科学. 2021, 48 (9): 9-20.  doi:10.11896/jsjkx.201000011
摘要 ( 302 )   PDF(1659KB) ( 1685 )   
参考文献 | 相关文章 | 多维度评价
随着虚拟社区在网络用户中的普及,虚拟社区群已经成为一个小型社会,可通过用户浏览所留下的“虚拟痕迹”和发布的用户生成内容提炼出与用户相关的隐私类型资源。根据隐私类型资源自身的特性,可将其分类为数据资源、信息资源和知识资源,三者构成了用户的数据信息知识与智慧图谱(DIKW图谱)。虚拟社区中的隐私类型资源有4个流通过程,即隐私资源的感知、存储、传输和处理;4个过程分别由3个参与方(用户、AI系统和访问者)单独或合作完成,3个参与方所拥有的隐私权包括知情权、参与权、遗忘权和监督权。通过明确3个参与方在4个流通过程中的隐私权范围,结合隐私价值保护,设计了匿名保护机制/风险评估机制和监督机制,用于构建一个虚拟社区隐私保护的AI治理法律框架。
面向推荐应用的差分隐私方案综述
董晓梅, 王蕊, 邹欣开
计算机科学. 2021, 48 (9): 21-35.  doi:10.11896/jsjkx.201100083
摘要 ( 340 )   PDF(3571KB) ( 652 )   
参考文献 | 相关文章 | 多维度评价
大数据时代背景下,各行各业希望能基于用户行为数据来训练推荐模型,为用户提供精准推荐,所用数据的共性特点为总量庞大、携带敏感信息、易于获取。推荐系统在带来精准推荐和市场盈利的同时也正在实时分享着用户的隐私数据,差分隐私保护技术作为一门隐私保护技术,能够巧妙地解决推荐应用中存在的隐私泄露问题,其优势在于不需要考虑攻击方所具备的任何相关的背景知识、严格地对隐私保护进行了定义、提供了量化评估方法来保证数据集(在不同参数条件下)所提供的隐私保护水平具有可比较性。首先简述了差分隐私的概念和主流推荐算法的近期研究成果,其次重点分析了差分隐私与推荐算法相结合的应用情况,涉及的推荐算法有矩阵分解、深度学习推荐、协同过滤等,并对基于差分隐私保护的推荐算法的准确性进行了对比实验;然后讨论了与每种推荐算法结合的使用场景以及目前仍存在的问题,最后对基于差分隐私的推荐算法的未来发展方向提出了有效建议。
面向科技前瞻预测的大数据治理研究
王俊, 王修来, 庞威, 赵鸿飞
计算机科学. 2021, 48 (9): 36-42.  doi:10.11896/jsjkx.210500207
摘要 ( 146 )   PDF(4195KB) ( 356 )   
参考文献 | 相关文章 | 多维度评价
从模仿到创新、从跟随到引领,不仅是现阶段我国科学技术发展需要完成的重大转变,更是国家发展的重大战略需求。近年来,国内外相关学者陆续开展了科技发展趋势分析和热点跟踪等方面的研究,但由于缺乏系统的大数据采集与治理体系,其数据分析与挖掘范围往往局限于科技文献这一单一数据样本。文中面向科技发展前瞻预测这一目标,全面分析了影响科学技术发展过程的各类科技文献、学者动态、论坛热点和社交评论等海量异构数据,通过构建数据驱动的大数据治理体系,解决科技大数据在探测发现、精准采集、清洗聚合、融合处理、模型构建、预测计算过程中的数据整治难题。同时,在大数据整治基础上采用LDA模型实现技术趋势预测与分析,研究成果为系统解决海量科技大数据中隐含信息发现和关系推理提供了技术支撑。关键词:大数据;大数据治理;前瞻预测;体系研究;LDA模型;数据清洗
时间感知的兴趣点推荐方法
王营丽, 姜聪聪, 冯小年, 钱铁云
计算机科学. 2021, 48 (9): 43-49.  doi:10.11896/jsjkx.210400130
摘要 ( 180 )   PDF(1964KB) ( 253 )   
参考文献 | 相关文章 | 多维度评价
在基于位置的社交网络(Location-based Social Networks,LBSN)中,用户共享位置和与位置信息相关的内容。兴趣点推荐是LBSN的重要应用,根据用户历史访问签到记录推荐其可能感兴趣的位置。与其他推荐问题(如产品推荐或电影推荐)相比,用户对兴趣点的偏好在时间感知特征上尤为凸显。文中探索了时间感知特征对兴趣点推荐任务的影响,提出了时间感知的兴趣点推荐方法TAPR(Time Aware POI Recommendation)。该算法基于不同的时间尺度构建不同的关系矩阵,并且利用张量分解将构建出的多个关系矩阵分解从而得到用户与兴趣点的表示。最后,该算法利用余弦相似性计算用户与未访问POIs的相似性得分,并结合用户偏好建模的算法得到最终推荐分数。在两个公开数据集上的实验结果表明,TAPR算法比其他基于兴趣点推荐算法表现更好。
基于多模态多层级数据融合方法的城市功能识别研究
周新民, 胡宜桂, 刘文洁, 孙荣俊
计算机科学. 2021, 48 (9): 50-58.  doi:10.11896/jsjkx.210500220
摘要 ( 143 )   PDF(3639KB) ( 325 )   
参考文献 | 相关文章 | 多维度评价
城市功能区的划分与识别对分析城市功能区的分布现状和了解城市内部空间结构具有重要意义。这激发了多源地理空间数据融合的需求,特别是城市遥感数据与社会感知数据的融合。然而,如何有效实现城市遥感数据与社会感知数据的融合是一个技术难题。为了实现城市遥感数据与社会感知数据的融合,提高城市功能识别精度,以遥感图像和社会感知数据为例,引入多模态数据融合机制,提出了一种联合深度学习与集成学习的模型来推断城市区域功能。该模型分别利用DenseNet和DPN网络,从多源地理空间数据中提取城市遥感图像特征和社会感知特征,并进行特征级融合、决策级融合以及混合融合的多层级数据融合,对城市功能进行识别。所提模型在URFC数据集上得到了验证,其混合融合总体分类准确度、Kappa系数和平均F1值3个评价指标值分别为74.29%,0.67,71.92%。相比单模态数据的最佳分类方法,所提融合模型的3个评价指标值分别提高了18.83%,0.24,35.46%。实验结果表明,该数据融合模型具有更好的分类性能,能有效融合遥感图像数据和社会感知数据,实现城市区域功能的精准识别。
基于频繁航路模式的航迹类型识别
宋嘉庚, 张扶桑, 金蓓弘, 窦竹梅
计算机科学. 2021, 48 (9): 59-67.  doi:10.11896/jsjkx.210100014
摘要 ( 96 )   PDF(3566KB) ( 279 )   
参考文献 | 相关文章 | 多维度评价
随着全球定位系统和雷达技术的发展,越来越多的轨迹数据可以被收集到,其中,飞机、轮船、候鸟等对象产生的轨迹复杂多变,自由度较大。为了帮助识别飞行对象的行为和意图,航迹类型识别具有重要作用。文中提出了一种基于频繁航路模式的航迹分类方法。该方法包含一个频繁航路提取算法和一个卷积神经网络模型。算法首先对轨迹进行压缩,获得关键点;接着通过寻找轨迹自相交点提取闭合航路,然后寻找闭合航路中的频繁航路模式作为模型的分类依据;最后通过图像处理完成航迹类型的识别。文中利用FlightRadar24网站公开的真实航迹数据和模拟数据进行了大量的实验,结果表明,所提方法能有效识别复杂轨迹类型,与不经过轨迹提取的LeNet-5 CNN分类模型相比,所提方法性能更优,在轨迹分类上实现了95%以上的平均准确率。
融合不完整多视图的异质信息网络嵌入方法
郑苏苏, 关东海, 袁伟伟
计算机科学. 2021, 48 (9): 68-76.  doi:10.11896/jsjkx.210500203
摘要 ( 111 )   PDF(3412KB) ( 245 )   
参考文献 | 相关文章 | 多维度评价
异质信息网络(Heterogeneous Information Network,HIN)嵌入将复杂的异质信息映射到低维稠密的向量空间,有利于网络数据的计算和存储。现有的基于多视图的HIN嵌入方法考虑了节点之间的多种语义关系,但忽略了视图的不完整性。大多数视图存在数据缺失,直接融合多个不完整的视图会导致嵌入效果不佳。为此,文中提出了一种融合不完整多视图的HIN嵌入方法(Incomplete Multi-view Fusion Based HIN Embedding,IMHE)。IMHE的关键思想是聚合其他视图的邻居以重建不完整的视图。由于不同的单视图描述的是同一个网络,因此其他视图中的邻居可以一定程度上恢复不完整视图的结构信息。IMHE首先在不同视图中生成节点序列,并利用多头注意力方法学习单视图嵌入。对于每个不完整视图,IMHE在其他视图中找到缺失节点的k阶邻居,然后将不完整视图中邻居的单视图嵌入聚合在一起,为缺失节点生成新的嵌入。最后使用多视图典型相关性分析方法获得节点的统一嵌入,同时提取多个视图的隐藏语义关系。在3个真实数据集上的实验结果表明,相比现有研究,该方法的嵌入性能有显著提升。
基于代价敏感卷积神经网络的非平衡问题混合方法
黄颖琦, 陈红梅
计算机科学. 2021, 48 (9): 77-85.  doi:10.11896/jsjkx.200900013
摘要 ( 141 )   PDF(2590KB) ( 245 )   
参考文献 | 相关文章 | 多维度评价
非平衡问题是数据挖掘领域中普遍存在的一个问题,数据的偏态分布会使得分类器的分类效果不理想。卷积神经网络作为一种高效的数据挖掘工具,被广泛应用于分类任务,但其训练过程若受到数据非平衡的不利影响,则将导致少数类的分类准确率下降。针对二分类非平衡数据分类问题,文中提出了一种基于代价敏感卷积神经网络的非平衡问题混合方法。首先将密度峰值聚类算法与SMOTE相结合,通过过采样对数据进行预处理,降低原始数据集的不平衡程度;然后利用代价敏感思想对非平衡数据中的不同类别给予不同权重,并考虑预测值与标签值之间的欧氏距离,对非平衡数据中多数类和少数类赋予不同的代价损失,构建代价敏感卷积神经网络模型,以提高卷积神经网络对少数类的识别率。选取6个不同的数据集,用于验证所提方法的有效性。实验结果表明,所提方法可以提高卷积神经网络模型对非平衡数据的分类性能。
基于历史行车轨迹集的车辆行为可视分析方法
罗月童, 汪涛, 杨梦男, 张延孔
计算机科学. 2021, 48 (9): 86-94.  doi:10.11896/jsjkx.200900040
摘要 ( 97 )   PDF(4512KB) ( 306 )   
参考文献 | 相关文章 | 多维度评价
随着智慧城市的不断发展,基于交通卡口自动获取车辆行车轨迹,为基于轨迹的车辆行为分析奠定了基础。但是,因为卡口的位置固定,车辆轨迹表示为卡口序列,所以文中首先将卡口和轨迹分别映射为单词和句子,应用语句的语义相似性方法计算轨迹相似性;然后在轨迹相似性的基础上提出轨迹熵,用轨迹熵度量某个车辆所有轨迹的规律性;最后基于轨迹熵分析车辆的行为特征,如轨迹熵低的车辆意味着行车特别有规律,很可能是通勤车。为便于用户进行深入分析,文中进一步提供了包含多联动视图的可视分析系统,允许用户观察和比较车辆轨迹和轨迹熵,结合聚类分析和相关交互,帮助用户发现有意义的车辆行为,如上下班的通勤车的轨迹熵较低、游街模式的出租车轨迹熵很高。对昆明市2019年2月份的卡口数据集进行了分析,结果表明所提方法能有效发现不同轨迹熵区间内的车辆出行行为及其特点,证明了所提方法的有效性。
基于关联分析的铁路旅客同行预测方法
李思颖, 徐杨, 王欣, 赵若成
计算机科学. 2021, 48 (9): 95-102.  doi:10.11896/jsjkx.200700097
摘要 ( 96 )   PDF(2875KB) ( 190 )   
参考文献 | 相关文章 | 多维度评价
随着运输技术的快速发展,铁路已成为人们出差、度假、探亲时选择的主要出行方式之一。与此同时,旅客共同出行(以下简称同行)的行为特征也越来越普遍。依据旅客间的同行关系,可以构建同行关系网络;而对该网络中潜在的链接进行预测,将有助于提供个性化的服务和产品。为此,文中提出一种原创的方法,用于在旅客同行关系网络中发现潜在的同行关系。首先对传统的图模式关联规则进行扩展,提出了两类“同行图模式关联规则”,用于预测新的同行关系和未来的同行频次。然后,将上述规则挖掘计算的问题分解为频繁同行模式挖掘、规则生成以及关联分析3个子问题,并设计了有效的分布式和集中式的算法。通过在大规模真实数据集上的测试,证明了所提方法能够高效且准确地预测旅客同行关系网络中潜在的同行关系,且两类规则的预测准确率均高于50%,远高于传统方法(如Jaccard的预测准确率为24%)。
融合偏置深度学习的距离分解Top-N推荐算法
钱梦薇, 过弋
计算机科学. 2021, 48 (9): 103-109.  doi:10.11896/jsjkx.200800129
摘要 ( 139 )   PDF(1816KB) ( 228 )   
参考文献 | 相关文章 | 多维度评价
针对传统矩阵分解算法大多是浅层的线性模型,难以学习到深层次的用户和物品的隐特征向量,且在数据稀疏的情况下容易产生过拟合的问题,文中提出一种融合偏置深度学习的矩阵分解算法,在解决数据稀疏问题的同时,还能学习到表征能力更强的距离特征向量。首先,通过用户与物品的显式和隐式数据构建用户与物品的交互矩阵,并将交互矩阵转化为相应的距离矩阵;其次,将距离矩阵分别按行和按列输入加入偏置层的深度神经网络,学习得到具有非线性特征的用户和物品的距离特征向量;最后,根据用户和物品的距离特征向量计算用户和物品之间的距离,用距离值对物品按升序排列,生成Top-N的推荐列表。在4个真实数据集上进行实验,采用Precision,Recall,MAP,MRR和NDCG指标进行评估,结果表明所提算法在上述指标方面相比其他主流推荐算法有明显提升。
面向大数据分析的智能交互向导系统
余乐章, 夏天宇, 荆一楠, 何震瀛, 王晓阳
计算机科学. 2021, 48 (9): 110-117.  doi:10.11896/jsjkx.200900083
摘要 ( 124 )   PDF(3234KB) ( 254 )   
参考文献 | 相关文章 | 多维度评价
传统的大数据工具一般为专业数据分析人员打造,具有难以上手、操作交互性差以及不够智能化等特点。而智能交互向导系统是针对大数据交互式分析系统目前存在的问题而研制的一套大数据分析辅助工具。系统既研发了用户意图理解、数据抽样及列推荐、可视化推荐、分析方法推荐等核心关键技术,也拥有良好的图形化界面与人性化的智能交互体验。在满足用户多种交互式分析需求的同时,还具有极高的响应速度。不仅可以随时回溯到分析流程任意一步重新选择方法的执行流程,还可以通过接口与各种分析应用快速集成以部署应用于不同场景。经过实验测试,系统的平均交互时间均在3 s以内,且与传统分析方法相比系统交互的执行时效加快了3倍左右。通过用户用例测试,系统的满意度相比传统工具更加优秀。智能交互向导系统通过在易用性、时效性、可交互性和智能性等方面的探索,让不同基础的用户群体都可以使用此系统完成所需的大数据分析目标。
基于Spark的舆情情感大数据分析集成方法
戴宏亮, 钟国金, 游志铭, 戴宏明
计算机科学. 2021, 48 (9): 118-124.  doi:10.11896/jsjkx.210400280
摘要 ( 146 )   PDF(2038KB) ( 317 )   
参考文献 | 相关文章 | 多维度评价
随着移动互联技术的不断发展,社交媒体成为了公众分享观点和抒发情感的主要平台,在重大社会事件下对社交媒体文本进行情感分析能够有效监控舆情。针对现有中文社交媒体情感分析算法的准确性能和运行效率较低的问题,提出了一种基于Spark分布式系统的集成情感大数据分析方法(Spark Feature Weighted Stacking,S-FWS)。该方法首先基于Jieba库预分词和PMI关联度完成新词发现;然后考虑词语重要度混合提取文本特征,并使用Lasso进行特征选择;最后改进传统Stacking框架忽略特征重要度的缺点,使用初级学习器的准确率信息对类概率特征进行加权处理并构造多项式特征,进而训练次级学习器。分别在单机模式和Spark平台下引入多种算法进行对比实验,实验结果证明所提S-FWS方法的准确性能和耗时性能具备一定优势,并且分布式系统能够大幅提高算法的运行效率,同时随着集群工作节点的增加,算法耗时逐渐降低。
计算机图形学&多媒体
基于深度学习的人群异常行为检测综述
徐涛, 田崇阳, 刘才华
计算机科学. 2021, 48 (9): 125-134.  doi:10.11896/jsjkx.201100015
摘要 ( 207 )   PDF(1927KB) ( 520 )   
参考文献 | 相关文章 | 多维度评价
随着安防需求的日益增长,人群异常行为检测已经成为计算机视觉的研究热点。人群异常行为检测旨在对监控视频中行人的行为进行建模和分析,区分出人群中的正常行为和异常行为,及时发现灾难和意外事件。文中对基于深度学习的人群异常行为检测算法进行了梳理总结。首先,针对人群异常行为检测任务及其现状进行介绍;其次,重点探讨卷积神经网络、自编码网络和生成对抗网络在人群异常行为检测任务中的研究进展;然后,列举该领域常用的数据集,并比较和分析了深度学习方法在UCSD行人数据集上的性能;最后,总结人群异常行为检测的任务难点,并对该领域的未来发展趋势进行了展望。
基于双目视觉的车辆速度测量方法
常子霆, 施雨晴, 王俊, 于明鹤, 姚兰, 赵志滨
计算机科学. 2021, 48 (9): 135-139.  doi:10.11896/jsjkx.201000047
摘要 ( 89 )   PDF(1497KB) ( 223 )   
参考文献 | 相关文章 | 多维度评价
为配合高速公路入口处的货车称重工作,需要测量车辆通过称重台时的实时速度。利用双目视觉技术测速具有成本低、部署简单、稳定性高的优点,具有广阔的应用前景。双目视觉测速的技术难点是目标的位移测量,其核心问题是目标在多帧图像间的精准匹配。文中提出了一种基于空间位置的匹配区域对齐算法与基于模板匹配的空间位移计算方法。具体地,利用车轮的空间位置关系来限制车轮的匹配区域,可有效降低相似车轮的误匹配问题;使用模板匹配的方法追踪车轮的关键点,进而获得多帧之间车轮的空间位移。使用某高速公路入口的真实通行视频数据进行实验验证,结果表明,与其他双目测速方法相比,所提方法使得测速结果的RMSE下降了20%~40%,且更加适用于车辆以较快速度(10~20 km/h)通过高速公路入口测速点的实际场景。
基于边缘特征融合的高分影像建筑物目标检测
赫晓慧, 邱芳冰, 程淅杰, 田智慧, 周广胜
计算机科学. 2021, 48 (9): 140-145.  doi:10.11896/jsjkx.200800002
摘要 ( 102 )   PDF(3703KB) ( 199 )   
参考文献 | 相关文章 | 多维度评价
高分辨率遥感图像建筑物目标检测在国土规划、地理监测、智慧城市等领域有着广泛的应用价值,但是由于遥感图像背景复杂,建筑物目标的部分细节特征与背景区分度较低,在进行检测任务时,容易出现建筑物轮廓失真、缺失等问题。针对这一问题,设计了自适应加权边缘特征融合网络(VAF-Net)。该方法针对遥感图像建筑物检测任务,对经典编解码器网络U-Net进行拓展,通过融合RGB特征图和边缘特征图,弥补了基础网络学习中的细节特征缺失;同时,借助网络的学习自动更新融合权重,实现自适应加权融合,充分利用不同特征的互补信息。该方法在Massachusetts Buildings数据集上进行了实验,其准确率、召回率和F1-score分别达到了82.1%,82.5%和82.3%,综合指标F1-score相比于基础网络提升了约6%。VAF-Net有效提高了编解码器网络对于高分影像建筑物目标检测任务的表现性能,具有良好的实用价值。
一种基于改进三元组损失和特征融合的行人重识别方法
张新峰, 宋博
计算机科学. 2021, 48 (9): 146-152.  doi:10.11896/jsjkx.200800200
摘要 ( 93 )   PDF(2329KB) ( 189 )   
参考文献 | 相关文章 | 多维度评价
行人重识别旨在跨摄像头条件下,从目标数据库中检索出特定的行人目标,其在视频监控领域有重要的应用价值。目前其研究难点为样本图像类内差异大、类间差异小,因此如何设计并训练深度神经网络对行人图片提取一个判别力更强的特征成为了其关键。针对以往研究只单独进行全局特征或局部特征学习的不足,提出了一种联合全局特征和局部特征学习的网络结构,该结构能够同时提取全局特征和具有较强区分力的局部细节特征;针对每部分局部特征对行人特征描述的重要性不同,文中提出了一种局部特征的融合方式,该方法能够自适应地生成各个局部特征的权重,最后将融合后的局部特征和全局特征结合使行人特征得到更全面的表征;另外,针对以往的基于难样本挖掘的三元组损失具有优化目标模糊的特点,提出了一种改进的基于难样本挖掘的三元组损失函数。文中分别在行人重识别主流数据集Market-1501和DukeMTMC-reID上验证了所提方法的有效性,其mAP值分别达到了82.16%和74.02%,Rank-1值分别达到了92.75%和86.8%。
光谱重建约束非负矩阵分解的高光谱与全色图像融合
官铮, 邓扬琳, 聂仁灿
计算机科学. 2021, 48 (9): 153-159.  doi:10.11896/jsjkx.200900054
摘要 ( 80 )   PDF(3727KB) ( 139 )   
参考文献 | 相关文章 | 多维度评价
基于光谱重建约束的非负矩阵分解,提出了一种高光谱与全色图像的有效解混方法。首先在高光谱图像的非负矩阵分解中引入光谱重建误差最小化的正则项,通过多目标寻优寻找最佳的正则项参数,以鼓励分解的光谱特征矩阵包含更真实的光谱特征;然后对全色图像进行非负矩阵分解,以获得描述图像细节的丰度矩阵;最后利用光谱特征矩阵和丰度矩阵重建得到融合结果。实验仿真结果表明,所提方法的融合结果能在较好地保留全色图像细节的同时,有效地避免光谱畸变,在视觉效果和客观评价方面均优于传统方法。
基于非局部相似及加权截断核范数的高光谱图像去噪
郑建炜, 黄娟娟, 秦梦洁, 徐宏辉, 刘志
计算机科学. 2021, 48 (9): 160-167.  doi:10.11896/jsjkx.200600135
摘要 ( 86 )   PDF(3912KB) ( 178 )   
参考文献 | 相关文章 | 多维度评价
受仪器噪声干扰,高光谱图像(Hyperspectral Image,HSI)往往会受到高斯噪声的破坏,严重影响图像后续处理的精度,因此图像去噪是一项重要的预处理工作。此外,由于高光谱数据维度极高,因此算法效率成为模型应用能力的重要指标。为实现高效HSI去噪,文中首先将高维高光谱图像投影到低维光谱子空间上,从中学习一个正交基矩阵,然后结合高光谱的空间非局部相似性与全局光谱低秩性对低维子空间进行去噪,最后将复原后的低维图像与正交基结合恢复成原始数据维度。其中,非局部去噪过程要先通过图像的非局部相似性以邻域匹配方法寻找相似张量块组成具有强低秩属性的张量群组。针对各张量群组,文章联合加权核范数与截断核范数各自的优势,提出加权截断核范数作为低秩约束正则项,能更好地逼近本质秩属性。进一步,为快速获取模型的最优解,提出改进的近端加速梯度(Accelerated Proximal Gradient,APG)算法对低秩项进行优化求解。通过两组高光谱图像和一组多光谱图像对所提算法进行实验验证,结果表明,所提方法在视觉效果和时间效率上取得了良好的平衡,综合性能明显优于其他基于非局部去噪的对比算法。
融合改进密集连接和分布排序损失的遥感图像检测
袁磊, 刘紫燕, 朱明成, 马珊珊, 陈霖周廷
计算机科学. 2021, 48 (9): 168-173.  doi:10.11896/jsjkx.200800001
摘要 ( 88 )   PDF(3191KB) ( 128 )   
参考文献 | 相关文章 | 多维度评价
针对遥感图像中小目标尺寸较小、样本分布不均匀、特征不明显等问题,提出一种改进的YOLOv3目标检测算法。在使用Stitcher数据增强解决小目标样本分布不均匀的问题后,提出VOVDarkNet-53基础网络,将DarkNet-53基础网络中第4次下采样后的8个残差模块减少为4个残差模块。然后采用VOVNet的密集连接方式,使网络利用更多的浅层小目标特征信息,增加网络感受野。最后,采用分布排序损失改进YOLOv3中的分类损失,解决单阶段目标检测器正负样本不平衡的问题。实验使用YOLOv3目标检测算法和改进后的YOLOv3算法在HRRSD遥感数据集上进行对比。结果表明,改进后的YOLOv3算法对小目标和中目标的检测精确度分别提升了7.2%和2.1%,尽管对大目标的检测精度下降了1%,但在平均单张图片处理时间几乎不变的情况下,平均检测精度均值(mAP)提升了4.1%,召回率和准确率也有所提升。
利用生成对抗网络的人脸图像分步补全法
林椹尠, 张梦凯, 吴成茂, 郑兴宁
计算机科学. 2021, 48 (9): 174-180.  doi:10.11896/jsjkx.200800014
摘要 ( 118 )   PDF(3447KB) ( 248 )   
参考文献 | 相关文章 | 多维度评价
人脸图像修复技术是近年来图像处理领域的研究热点,而人脸图像大面积缺失导致损失语义信息过多,一直是该领域的重点难点问题。针对这一问题,文中提出了一种基于生成对抗网络的图像分步补全算法。将人脸图像修复问题分为两步,设计两个串联的生成对抗网络,首先残缺图像通过预补全网络进行图像的预补全,预补全图像进入增强网络进行特征增强;判别器分别判断预补全图像和增强图像与理想图像的差异性;采用长短时记忆单元连接两部分的信息流,增强信息的传递。然后使用内容损失、对抗损失和全变分损失相结合的损失函数,提高网络的修复效果。最后在CelebA数据集上进行实验,结果显示,所提算法相较于对比算法在峰值信噪比指标上提高了16.84%~22.85%,在结构相似性指标上提高了10%~12.82%。
基于PCANet的非下采样剪切波域多聚焦图像融合
黄晓生, 徐静
计算机科学. 2021, 48 (9): 181-186.  doi:10.11896/jsjkx.200800064
摘要 ( 83 )   PDF(3610KB) ( 183 )   
参考文献 | 相关文章 | 多维度评价
近年来,基于深度学习模型的图像融合方法备受关注。而传统的深度学习模型通常需要耗时长和复杂的训练过程,并且涉及参数众多。针对这些问题,文中提出了一种基于简单的深度学习模型PCANet的非下采样剪切波(Non-Subsanmpled Shearlet Transform,NSST)域多聚焦图像融合方法。首先,利用多聚焦图像训练两阶段PCANet,用于提取图像特征。然后,对输入源图像进行NSST分解,得到源图像的多尺度和多方向表示。低频子带利用训练好的PCANet提取其图像特征,并利用核范数构造有效的特征空间进行图像融合。高频子带利用区域能量取大的融合规则进行融合。最后对根据不同融合规则融合后的频率系数进行NSST重构,获取清晰的目标图像。实验结果表明,所提算法的训练和融合速度比基于CNN的方法提高了43%,该算法的平均梯度、空间频率、熵等融合性能分别为5.744,15.560和7.059,可以与现有融合方法相媲美或优于现有的融合方法。
基于融合损失函数的3D U-Net++脑胶质瘤分割网络
张晓宇, 王彬, 安卫超, 阎婷, 相洁
计算机科学. 2021, 48 (9): 187-193.  doi:10.11896/jsjkx.200800099
摘要 ( 200 )   PDF(2558KB) ( 342 )   
参考文献 | 相关文章 | 多维度评价
胶质瘤是大脑和脊髓胶质细胞癌变所产生的、最常见的原发性颅脑肿瘤。从多模态MRI中对胶质瘤组织进行可靠的分割具有很重要的临床价值,但是由于脑胶质瘤本身及周边组织较为复杂以及浸润性导致的边界模糊等,导致对脑胶质瘤的自动分割有一定的难度。文中构建了使用融合损失函数的3D U-Net++网络来对脑胶质瘤的不同区域进行分割,该网络使用不同层级的U-Net模型进行密集嵌套连接,使用网络的4个分支的输出结果作为深度监督以更好地结合深层和浅层的特征进行分割,并结合了Dice损失函数和交叉熵损失函数作为融合损失函数来提升小区域的分割精度。在2019年多模态脑肿瘤分割挑战赛(BraTs)的公共数据集划分的独立测试集中,采用Dice系数、95% Hausdorff距离、平均交并比(mIoU)、查准率(PPV)指标对所提方法进行了评估。结果表明,全肿瘤区域、肿瘤核心区域和增强肿瘤区域的Dice系数分别为0.873,0.814,0.709;其95% Hausdorff距离分别为15.455,12.475,12.309;其mIoU分别为0.789,0.720,0.601;其PPV分别为0.898,0.846,0.735。与基础的3D U-Net以及带深度监督的3D U-Net相比,所提方法可以有效地利用多模态的深层和浅层的信息,有效利用了空间信息,同时使用了Dice系数和交叉熵的融合损失函数,从而有效提升了对肿瘤各区域的分割精度,尤其是对小面积的增强肿瘤区域的分割精度。
基于特征优化的SAR图像水华识别方法
毋琳, 白澜, 孙梦伟, 郭拯危
计算机科学. 2021, 48 (9): 194-199.  doi:10.11896/jsjkx.200800142
摘要 ( 72 )   PDF(2916KB) ( 162 )   
参考文献 | 相关文章 | 多维度评价
内陆湖泊水华现象的频繁爆发,严重影响着地表水环境安全,严重阻碍了我国的生态文明建设。充分发挥合成孔径雷达(Synthetic Aperture Radar,SAR)遥感技术全天时、全天候的优势,可实现大尺度、周期性的水华识别与监测工作,对于地表水生态环境的保护与监管具有重大的现实意义。立足于SAR遥感目标识别技术的研究与应用,文中提出了一种基于特征优化的水华识别方法。该方法基于对水华SAR图像特征的深入分析与提取,应用ReliefF特征优化算法对全部的22个水华特征进行筛选与优化,得到包含10个特征的最优特征子集,并以反向传播(Back Propagation,BP)神经网络为分类识别器完成了多组对比实验,水华识别总体精度最高达81.39%,较优化之前提升了19.38%。实验结果表明,使用最优特征集不仅可以大幅降低算法复杂度,还可以有效地提升水华总体识别精度,具有进一步推广的实用价值。
融合深度典型相关分析和对抗学习的跨模态检索
刘立波, 苟婷婷
计算机科学. 2021, 48 (9): 200-207.  doi:10.11896/jsjkx.200600119
摘要 ( 81 )   PDF(2650KB) ( 211 )   
参考文献 | 相关文章 | 多维度评价
文中提出一种融合深度典型相关分析和对抗学习的跨模态检索方法(DCCA-ACMR),该方法提高了无标签样本的利用率,能够学习到更有力的特征投影模型,进而提升了跨模态检索准确率。具体而言,在DCGAN框架下:1)在图像与文本两个单模态的表示层间增加深度典型相关分析约束,构建图文特征投影模型,充分挖掘样本对的语义关联性;2)以图文特征投影模型作为生成器,以模态特征分类模型作为判别器共同构成图文跨模态检索模型;3)利用有标签样本和无标签样本,在生成器和判别器的相互对抗中学习到样本的公共子空间表示。在Wikipedia和NUSWIDE-10k两个公开数据集上,采用平均准确率均值(mAP)作为评价指标对所提方法进行验证。图像检索文本和文本检索图像的平均mAP值在两个数据集上分别为0.556和0.563。实验结果表明,DCCA-ACMR优于现有的代表性方法。
快速局部协同表示分类器及其在人脸识别中的应用
陈长伟, 周晓峰
计算机科学. 2021, 48 (9): 208-215.  doi:10.11896/jsjkx.200800155
摘要 ( 67 )   PDF(3613KB) ( 168 )   
参考文献 | 相关文章 | 多维度评价
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别。首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类。该方法利用样本的局部相似性,使识别率得到了一定的提升。同时该方法无需样本重构,求解复杂度大幅度降低。在AR和CMU PIE数据集上的实验结果表明,所提方法的时间复杂度极大幅度优于CRC,且在各种光照、表情、角度等状态下其识别率均高于现有其他相关算法。
基于语义边缘驱动的实时双目深度估计算法
张鹏, 王新晴, 肖毅, 段宝国, 许鸿辉
计算机科学. 2021, 48 (9): 216-222.  doi:10.11896/jsjkx.200800203
摘要 ( 94 )   PDF(7033KB) ( 169 )   
参考文献 | 相关文章 | 多维度评价
针对立体匹配中不适定区域视差边缘模糊、视差不平滑、单个物体视差不连续、存在空洞的问题,提出了一种轻量化的实时双目深度估计算法,将场景图、通过语义分割得到的语义标签图和通过边缘检测得到的边缘细节图作为辅助损失,以地面真值图为主要损失,构造了联合损失函数,以更好地监督视差图的生成。此外,构造了一个轻量化的特征提取模块,以降低特征提取模块的冗余性,从而更好地简化特征提取步骤,提高了网络的实时性和轻量性。最后利用由粗到精的思想实现视差图的渐进细化过程,利用低分辨率视差图变形与高分辨率特征图融合的方式,分阶段生成不同尺度的视差图,细节特征逐渐丰富,从而获得了最终的精准视差图。在KITTI 2012数据集上得到1.72%的3px错误率,在Middlebury 2014数据集中,Vintge错误率为1.23%,Playroom错误率为2.23%,Recycle错误率为1.65%,并且在Scene Flow数据集上计算时间低至0.76 s,内存占用量为2.4 G,显著提高了立体匹配算法在不适定区域的准确性和计算效率,能够满足工程实践中的实时性要求,对于实时三维重建任务有着很重要的指导意义。
人工智能
室内移动机器人的SLAM算法综述
田野, 陈宏巍, 王法胜, 陈兴文
计算机科学. 2021, 48 (9): 223-234.  doi:10.11896/jsjkx.200700152
摘要 ( 151 )   PDF(2080KB) ( 892 )   
参考文献 | 相关文章 | 多维度评价
SLAM(Simultaneous Localization and Mapping),即同时定位与地图构建,目前被广泛应用于机器人领域。SLAM算法使得机器人处于陌生环境时,能够通过自身搭载的传感器来感知环境信息并建立环境地图,并完成对自身位姿的计算,从而能够在未知环境中进行移动。随着研究者们对SLAM问题的深入研究,SLAM领域相关成果已非常丰富,但是有关室内场景SLAM的论述还不够系统。通过对现有的关于SLAM算法发展成果的总结和对比,对室内SLAM进行了综合性的阐述。首先介绍了SLAM的技术现状和室内场景SLAM在不同传感器下的分类问题;其次介绍了SLAM的经典框架;然后根据相关传感器种类的不同,简要介绍了不同传感器下常见的SLAM算法的原理,同时讨论了传统室内SLAM算法中存在的诸多局限性问题,引出了基于多传感器融合技术的SLAM和基于深度学习技术的SLAM两个研究方向;最后介绍了SLAM的未来发展趋势和应用领域。
基于动作约束深度强化学习的安全自动驾驶方法
代珊珊, 刘全
计算机科学. 2021, 48 (9): 235-243.  doi:10.11896/jsjkx.201000084
摘要 ( 100 )   PDF(3070KB) ( 198 )   
参考文献 | 相关文章 | 多维度评价
随着人工智能的发展,自动驾驶领域的研究也日益壮大。深度强化学习(Deep Reinforcement Learning,DRL)方法是该领域的主要研究方法之一。其中,安全探索问题是该领域的一个研究热点。然而,大部分DRL算法为了提高样本的覆盖率并没有对探索方法进行安全限制,使无人车探索时会陷入某些危险状态,从而导致学习失败。针对该问题,提出了一种基于动作约束的软行动者-评论家算法(Constrained Soft Actor-critic,CSAC),该方法首先对环境奖赏进行了合理限制。无人车动作转角过大时会产生抖动,因此在奖赏函数中加入惩罚项,使无人车尽量避免陷入危险状态。另外,CSAC方法又对智能体的动作进行了约束。当目前状态选择动作后使无人车偏离轨道或者发生碰撞时,标记该动作为约束动作,在之后的训练中通过合理约束来更好地指导无人车选择新动作。为了体现CSAC方法的优势,将CSAC方法应用在自动驾驶车道保持任务中,并与SAC算法进行对比。结果表明,引入安全机制的CSAC方法可以有效避开不安全动作,提高自动驾驶过程中的稳定性,同时还加快了模型的训练速度。最后,将训练好的模型移植到带有树莓派的无人车上,进一步验证了模型的泛用性。
基于子图结构的局部社区发现算法
陈湘涛, 赵美杰, 杨梅
计算机科学. 2021, 48 (9): 244-250.  doi:10.11896/jsjkx.201100010
摘要 ( 74 )   PDF(2662KB) ( 223 )   
参考文献 | 相关文章 | 多维度评价
局部社区发现算法通常选取种子节点进行社区发现,针对现有重叠社区发现算法中种子节点选取时有效性不足的问题,提出了一种基于子图结构的局部社区发现算法(Subgragh Structure Based Overlapping Community Detection,SUSBOCD)。该算法提出了一种新的节点重要性度量指标,不仅考虑了节点的邻居数量,同时也考虑了邻居间的链接紧密程度。首先,选取未被访问且重要性最大的节点以及与其最为相似的邻居节点,将该两个节点及其公共邻居节点合并形成一个初始种子子图,该过程迭代运行直到所有节点均被访问;其次,根据种子子图的邻域信息进行相似度判断,若相似则进行合并,从而形成初始社区结构,持续扩展该过程直到所有种子子图均被访问;最后,对社区进行优化处理,若存在未分配社区的节点,则将其加入到最相似的初始社区,再合并重叠度较高的初始社区结构。在人工数据集和真实数据集上,对所提算法进行实验验证,实验结果表明,与其他重叠社区发现算法相比,SUSBOCD算法在ONMI,EQ和Omega这3个评价指标上均有所提升,即该算法能有效地提高重叠社区的划分质量。
基于融合神经网络模型的药物分子性质预测
谢良旭, 李峰, 谢建平, 许晓军
计算机科学. 2021, 48 (9): 251-256.  doi:10.11896/jsjkx.200700066
摘要 ( 90 )   PDF(2832KB) ( 317 )   
参考文献 | 相关文章 | 多维度评价
在生物信息学领域,人工智能方法在预测药物分子的物理化学性质和生物活性中获得了重大成功,特别是神经网络已被广泛应用到药物研发中。但是浅层神经网络的预测精度低,深度神经网络又容易出现过拟合的问题,而模型融合策略有望提升机器学习中弱学习器的预测能力。据此,文中将模型融合方法首次应用到药物分子性质的预测中,通过对药物分子的化学结构进行信息化编码,采用平均法、堆叠法融合浅层神经网络,提高对药物分子pKa预测的能力。与深度学习方法相比,堆叠法(Stacking)融合的模型具有更高的预测准确性,其预测结果的相关系数达到0.86。通过将多个弱学习器的神经网络有机组合可使其达到深度神经网络的预测精度,同时保留更好的模型泛化能力。研究结果表明,模型融合方法可提高神经网络对药物分子pKa预测结果的准确性和可靠性。
基于相对熵的元逆强化学习方法
吴少波, 傅启明, 陈建平, 吴宏杰, 陆悠
计算机科学. 2021, 48 (9): 257-263.  doi:10.11896/jsjkx.200700044
摘要 ( 59 )   PDF(2395KB) ( 177 )   
参考文献 | 相关文章 | 多维度评价
针对传统逆强化学习算法在缺少足够专家演示样本以及状态转移概率未知的情况下,求解奖赏函数速度慢、精度低甚至无法求解的问题,提出一种基于相对熵的元逆强化学习方法。利用元学习方法,结合与目标任务同分布的一组元训练集,构建目标任务学习先验,在无模型强化学习问题中,采用相对熵概率模型对奖赏函数进行建模,并结合所构建的先验,实现利用目标任务少量样本快速求解目标任务奖赏函数的目的。将所提算法与REIRL算法应用于经典的Gridworld和Object World问题,实验表明,在目标任务缺少足够数目的专家演示样本和状态转移概率信息的情况下,所提算法仍能较好地求解奖赏函数。
计算机网络
面向实际信道观测环境的时限约束无线下行调度策略
张帆, 宫傲宇, 邓磊, 刘芳, 林艳, 张一晋
计算机科学. 2021, 48 (9): 264-270.  doi:10.11896/jsjkx.210100143
摘要 ( 55 )   PDF(2239KB) ( 107 )   
参考文献 | 相关文章 | 多维度评价
时限约束无线下行传输广泛应用于各类关系国计民生的实时通信业务,要求每个数据分组在严格传输时限内进行高可靠性传输。尽管如此,基站往往不能完全观测自身与各设备之间的信道状态,而需要借助反馈所携的信息对信道状态进行观测,从而增加了下行调度策略的设计难度。文章基于此实际信道观测环境设计时限约束下行调度策略,允许基站根据当前数据分组信息以及部分观测的各信道状态决定传输优先级。首先仅考虑队首数据分组信息对下行传输进行无限时域部分观测马尔可夫决策过程简化建模,但求解此建模的最优或近优策略在计算上不可行。鉴于此,文章应用有限时域Q函数马尔可夫决策过程算法,提出了一种低复杂度次优策略,并进一步提出一种更简单的启发式策略。仿真结果验证了所提策略相比对照策略在各种网络场景下的网络吞吐率优势,并且表明了信道的部分观测特性对吞吐率性能有较大影响。
基于深度强化学习的无人机辅助弹性视频多播机制
成昭炜, 沈航, 汪悦, 王敏, 白光伟
计算机科学. 2021, 48 (9): 271-277.  doi:10.11896/jsjkx.201000078
摘要 ( 79 )   PDF(2636KB) ( 181 )   
参考文献 | 相关文章 | 多维度评价
文中提出了一个异构网络下无人机基站辅助的弹性视频多播机制。结合SVC编码,将无人机动态部署和资源分配问题联合考虑,目的是最大化用户整体的视频质量。考虑到宏基站覆盖范围内用户的移动会使网络拓扑结构发生改变,传统的启发式算法难以应对用户移动的复杂性。对此,采用基于深度强化学习的DDPG算法训练神经网络来决策无人机的最佳部署位置和带宽资源分配比重。在模型收敛后,学习代理可以在较短的时间内找到最优的无人机部署和带宽分配策略。仿真结果表明,所提方案达到了预期目标并且优于现有的基于Q-learning的方案。
基于CHBL的P2P视频监控网络分层管理机制
夏中, 向敏, 黄春梅
计算机科学. 2021, 48 (9): 278-285.  doi:10.11896/jsjkx.201200056
摘要 ( 58 )   PDF(3338KB) ( 131 )   
参考文献 | 相关文章 | 多维度评价
络的负载均衡性和响应时延是视频监控对等网络重点关注的问题。文中提出了一种基于有限负载一致性哈希的P2P视频监控网络分层管理机制。首先根据节点地理位置将P2P视频监控网络划分为不同的自治域,自治域内分为一层超级节点和多层普通节点,采用节点上行带宽与每条视频传输通道所需带宽的比值作为节点负载上限,当上层节点总负载量到达上限后进行分层,每一层节点均被映射到一个hash环上,并使用CHBL算法控制层内节点的负载均衡。然后采用独立信息数据波动赋权法计算出节点的各指标权重,通过线性加权得到节点综合价值,当节点脱离网络时,选择其子节点层中综合价值最高的节点作为脱离节点的替换节点。在长期运行的网络中,综合价值最高的节点将汇聚到上层。仿真结果表明,相比基于DHT的P2P网络,所提管理机制能有效改善网络的负载均衡性,同时也可降低网络的整体响应时延。
无线帧间隔特征提取方法
李双秋, 余志斌, 杨玲, 张译方, 刘莉萍
计算机科学. 2021, 48 (9): 286-291.  doi:10.11896/jsjkx.201100130
摘要 ( 66 )   PDF(2038KB) ( 130 )   
参考文献 | 相关文章 | 多维度评价
针对现有无线网络设备个体识别方法精度不高、高采样率以及需解析协议等问题,文中从无线帧行为角度出发,研究并提出了无线帧间隔特征提取算法。该方法基于无线帧间隔特征生成机理,利用不同型号设备的无线帧间的间隔差异,研究面向单目标无线设备和多目标无线设备的信标帧帧间隔特征提取算法,并以无线路由器为例验证了该方法的有效性。实验结果表明,在同型号和不同型号无线设备混合且每次单个设备开启的情况下,所提方法对设备个体的平均识别率达到了94%,比传统方法提高了近10%;当多个无线设备同时开启时,所提方法对设备个体的识别率也达到了90%。从理论分析和实验验证结果可知,信标帧间隔作为识别无线路由设备的指纹特征,能够有效区分不同型号的无线路由设备。所提方法无需高精度采样即可获取瞬态信号,不易受调制方式的影响,也无需解析协议,非常适合通信对抗和网络安全中无线网络设备的个体识别。
基于改进型多目标樽海鞘群算法的RFID阅读器天线优化部署
罗文聪, 郑嘉利, 全艺璇, 谢孝德, 林子涵
计算机科学. 2021, 48 (9): 292-297.  doi:10.11896/jsjkx.200700167
摘要 ( 59 )   PDF(1953KB) ( 125 )   
参考文献 | 相关文章 | 多维度评价
随着射频识别(Radio Frequency Identification,RFID)技术的飞速发展,在各种特殊的环境下(如工厂、仓库、监狱等),对RFID阅读器天线优化部署的需求开始受到广泛关注。针对目前RFID阅读器天线部署中存在的部署难度大、约束条件多且不易找到最优解和Pareto前沿等问题,文中提出了一种基于改进型多目标樽海鞘群算法(Multi-objective Salp Swarm Algorithm,MSSA)的RFID阅读器天线优化部署方法。预先构建多目标RFID阅读器天线优化部署模型,设定优化目标;多目标樽海鞘群算法对RFID阅读器天线优化部署模型进行优化训练,引入分离算子以优化搜索能力,并通过迭代不断寻找满足条件的非支配解,构建满足条件的Pareto解集,其即为优化的结果。实验数据表明,MSSA算法求解时无需先验知识和设置加权系数,收敛速度快;在相同实验环境下,MSSA算法与带观察者机制的蝙蝠(BA-OM)算法、粒子群(PSO)算法、细菌觅食优化(MC-BFO)算法相比,覆盖率分别提高了33%,28%,20%;与同类型的求Pareto解集的混合萤火虫(HMOFA)算法相比,MSSA算法的负载均衡提高了7.14%,经济效益提高了59.74%,阅读器干扰减少34.04%。
信息安全
基于码分复用的音频文件大容量可逆信息隐藏算法
马宾, 侯金程, 王春鹏, 李健, 施云庆
计算机科学. 2021, 48 (9): 298-305.  doi:10.11896/jsjkx.200800199
摘要 ( 76 )   PDF(8535KB) ( 129 )   
参考文献 | 相关文章 | 多维度评价
针对音频文件可逆信息隐藏算法嵌入容量小、安全性不高的问题,文中提出了一种基于码分复用(Code Division Multiplexing,CDM)的音频文件大容量可逆信息隐藏(Reversible Data Hiding,RDH)算法。所提算法采用正交扩展序列将秘密信息可逆地嵌入音频文件中,不但可以保障所嵌入信息的无损提取,而且能够完全恢复原始音频信号;同时,基于嵌入向量的正交特性,将机密信息叠加嵌入到原始载体图像中,在嵌入过程中,不同嵌入向量中的大部分元素相互抵消,使得所提算法在大容量信息嵌入的情况下可取得更高的音频保真能力。而且,接收方只有采用相同的嵌入向量才能实现嵌入信息的正确提取与原始音频信息的无损恢复,有效提升了算法的安全性能。实验结果表明,与其他音频可逆信息隐藏算法相比,基于码分复用(CDM)的音频文件可逆信息隐藏(RDH)算法在相同文件失真情况下具有更大的可逆信息嵌入容量。
基于区块链的工业控制系统角色委派访问控制机制
郭显, 王雨悦, 冯涛, 曹来成, 蒋泳波, 张迪
计算机科学. 2021, 48 (9): 306-316.  doi:10.11896/jsjkx.210300235
摘要 ( 97 )   PDF(4408KB) ( 235 )   
参考文献 | 相关文章 | 多维度评价
IT和OT的融合模糊了工业控制系统“网络边界”的概念,细粒度的访问控制策略是保障工业企业网络安全的基石。基于角色委派的访问控制机制可把域中用户对网络资源的访问权限委派给其他域的用户或企业合作伙伴,这样为企业员工或企业合作伙伴远程访问企业网络资源提供了便利。然而,这种便利可能增加工业控制系统的攻击面。区块链技术固有的去中心化、防篡改、可审计等特征可以成为基于角色委派访问控制管理的基础架构,因而提出了基于区块链技术的角色委派访问控制方案(Delegatable Role-Based Access Control,DRBAC)。DRBAC包括用户角色管理及委派、访问控制、监控机制等几个重要组件,并基于智能合约实现该方案,DRBAC的目的是保证每个网络连接必须受到细粒度访问控制策略的保护。最后,通过搭建本地私有区块链网络测试分析了DRBAC的正确性、可行性和开销。
用于联盟链的非拜占庭容错共识算法
王日宏, 周航, 徐泉清, 张立锋
计算机科学. 2021, 48 (9): 317-323.  doi:10.11896/jsjkx.200600051
摘要 ( 106 )   PDF(2512KB) ( 228 )   
参考文献 | 相关文章 | 多维度评价
随着区块链技术的发展,区块链出现了多种分类,兼顾公有链多中心特点和私有链高性能优势的联盟链成为了我国区块链的发展重心。结合联盟链中存在节点信任的特性,非拜占庭容错共识算法能为联盟链提供更好的性能支持。文中选取Raft共识算法作为研究对象,针对Raft共识算法中Leader节点选举和日志复制过程中的诸多问题,提出了一种可应用于联盟链的非拜占庭容错共识算法——KRaft(Kademlia-Raft)共识算法,该共识算法结合区块链网络层的双层Kademlia路由协议改进了Raft共识算法中的Leader节点选举和日志复制过程。首先,针对Raft共识算法Leader节点选举中存在的多Candidate节点分票和Follower节点增多引发的投票效率问题,KRaft共识算法利用双层Kademlia协议建立的K桶实现了Candidate节点集合内的稳定选举;其次,针对Raft共识算法日志复制过程中Leader节点单节点日志复制过程效率低和节点负载不均的问题,提出了均衡Leader节点负载的多Candidate节点并行日志复制方案,在提升数据吞吐量的同时提升了算法的可拓展性。本地多节点仿真实验的结果表明,KRaft共识算法相较于Raft共识算法,数据吞吐量提升了34.5%,Leader节点选举速度提升了55.6%。
基于数字承诺的区块链交易金额保密验证方法
张小艳, 李秦伟, 付福杰
计算机科学. 2021, 48 (9): 324-329.  doi:10.11896/jsjkx.200800123
摘要 ( 94 )   PDF(1561KB) ( 188 )   
参考文献 | 相关文章 | 多维度评价
传统区块链交易中,隐私保护都是在匿名机制下加密用户的敏感信息,引入公正的第三方对交易明文信息进行验证,然而一旦第三方受到攻击,用户的交易信息便会被泄露,且在理性状态下不存在真正公正的第三方。为了能够更好地解决区块链交易中存在的隐私问题,针对交易者非匿名状态下的交易金额保密验证问题,采用PVC数字承诺协议,将交易金额隐藏在承诺中,并构造公开可验证的零知识证明方案,使验证者能在不获取交易敏感信息的情况下对交易的合法性进行保密验证。同时,利用椭圆曲线同态加密特性加密金额,进而解决交易者密文账本的更新问题。对所提出的隐私保护方案的正确性进行验证和分析,结果表明,与已有方案相比,所提方案具有计算复杂度相对较低、安全性强、高效等优点。
基于红黑树的共享电子病历数据完整性验证方案
周艺华, 贾玉欣, 贾立圆, 方嘉博, 侍伟敏
计算机科学. 2021, 48 (9): 330-336.  doi:10.11896/jsjkx.200600139
摘要 ( 90 )   PDF(2044KB) ( 162 )   
参考文献 | 相关文章 | 多维度评价
为了解决共享电子病历的隐私性及数据完整性问题,在平行区块链架构的基础上,文中提出了一种基于红黑树的共享电子病历数据完整性验证方案。首先,医患完整性验证信息以不同的属性基加密的方式分别存储在患者链和医生链上,而医患数据具体信息存储在云服务提供商CSP的链下服务器上;其次,构造基于红黑树的数据完整性验证方案及动态数据更新方案。安全性分析表明,所提方案不但具有公开可验证性,能有效抵抗云服务器的伪造攻击,而且能保障用户及患者信息的隐私性,具有较高的完整性验证效率及数据更新效率。
基于核密度估计的轻量级物联网异常流量检测方法
张叶, 李志华, 王长杰
计算机科学. 2021, 48 (9): 337-344.  doi:10.11896/jsjkx.200600108
摘要 ( 70 )   PDF(2213KB) ( 183 )   
参考文献 | 相关文章 | 多维度评价
为了有效应对僵尸网络对家庭和个人物联网的安全威胁,尤其针对家用环境中用于异常检测的资源不足的客观问题,提出了一种基于核密度估计的轻量级物联网异常流量检测(Kernel Density Estimation-based Lightweight IoT Anomaly Traffic Detection,KDE-LIATD)方法。首先,KDE-LIATD方法使用高斯核密度估计方法估计了训练集中正常样本每一维特征的特征值概率密度函数以及对应的概率密度;然后,提出了基于核密度估计的特征选择算法(Kernel Density Estimation-based Feature Selection Algorithm,KDE-FS),获得了对异常检测贡献突出的特征,从而在提升异常检测准确率的同时降低了特征维度;最后,通过三次样条插值方法计算测试样本的异常评估值并进行异常检测,这一策略极大地减少了使用核密度估计方法计算测试样本异常评估值时所需要的计算开销与存储开销。仿真实验结果表明,提出的KDE-LIATD方法在面向异构的物联网设备的异常流量检测方面具有比较强的鲁棒性和兼容性,能够有效地对家庭和个人物联网僵尸网络的异常流量进行检测。
基于降噪自编码器和三支决策的入侵检测方法
张师鹏, 李永忠
计算机科学. 2021, 48 (9): 345-351.  doi:10.11896/jsjkx.200500059
摘要 ( 97 )   PDF(2012KB) ( 210 )   
参考文献 | 相关文章 | 多维度评价
入侵检测在计算机网络安全防御中起着至关重要的作用,是网络安全的关键技术之一。随着网络环境越来越复杂,网络入侵行为也逐渐表现出了多样化及智能化的特点,且越来越难以被检测到。基于上述原因,人们对已有入侵检测方法的可行性与可持续性表示担忧,具体来说就是已有的入侵检测算法很难完美地抽象出入侵行为所包含的特征,且已有的入侵检测方法在未知攻击上大都表现不佳。针对这些问题,文中提出了基于降噪自编码器和三支决策的入侵检测算法DAE-3WD。该方法通过降噪自编码器对高维数据进行特征提取,利用多次的特征提取来构造多粒度的特征空间,然后基于三支决策理论对属于入侵或正常的行为做出立即决策,而对于疑似入侵或者疑似正常的行为则根据不同粒度的特征进行进一步的分析。深度学习具有优越的分层特征学习能力,且三支决策可以规避因信息不足而盲目分类造成的风险,该方法利用这些特性可以达到提升入侵检测表现的目的。在NSL-KDD数据集上进行了实验,实验结果证明,所提算法能提取到有意义的特征并能有效提升入侵检测算法的表现。