计算机科学

第51卷第3期目录

计算机科学. 2024, 51 (3): 0-0.

摘要 ( 94 )

PDF(284KB) ( 208 )

相关文章 | 多维度评价

基于模糊逻辑的物联网流量攻击检测技术综述

商钰玲, 李鹏, 朱枫, 王汝传

计算机科学. 2024, 51 (3): 3-13. doi:10.11896/jsjkx.230700130

摘要 ( 199 )

PDF(2244KB) ( 1118 )

参考文献 | 相关文章 | 多维度评价

物联网越来越多地出现在日常活动中,将我们周围多样化的物理设备连接到互联网,奠定了智慧城市、电子健康、精准农业等应用的基础。随着物联网应用的迅速普及,针对这类设备和服务的网络攻击数量也有所增加,且这些攻击具有不精确性和不确定性,使得对其进行正确检测和识别更加困难。为了应对上述挑战,学者们引入了基于模糊逻辑的攻击检测框架,在各种操作步骤中结合不同的模糊技术,以便在数据不准确和不确定时更精确地检测网络攻击。文中首先对物联网的安全性进行了详细的探讨,如其应对的安全挑战、所需的安全要求、面临的攻击类型等;其次对入侵检测系统(Intrusion Detection Systems,IDS)进行了描述,进而简述了物联网中IDS的基础框架;然后阐述了模糊逻辑的技术原理,分析了将其应用在流量攻击检测中的合理性;接着比较了各种基于不同技术的流量攻击检测方案,以说明它们在该领域的性能和重要性;最后总结了本文的主要工作,指出了未来的研究方向,为该领域的研究者提供了新的视角,以更好地应对不断升级的网络攻击。

基于对比图学习的跨文档虚假信息检测

廖劲智, 赵和伟, 连小童, 纪文亮, 石海明, 赵翔

计算机科学. 2024, 51 (3): 14-19. doi:10.11896/jsjkx.230800063

摘要 ( 166 )

PDF(2068KB) ( 1102 )

参考文献 | 相关文章 | 多维度评价

当前,网络上充斥着大量虚假信息,严重阻碍了社会各行业的正常运转,如何精准检测虚假信息成为了亟待解决的问题。现有研究主要从账户特征、文本内容和多模态3个角度开展工作,但大多忽视了虚假信息赖以传播的关键特征(即内容新奇性),仅是孤立地分析判别目标信息的真实性,未能把握舆论环境的特征。因此,提出了一种基于对比图学习的跨文档虚假信息检测方法(Contrastive Graph Learning,CAL),聚焦于内容新奇性,主要包含两个关键模块:对比学习模块和异构图模块。前者致力于扩大客观事实与虚假信息在向量空间中的表示差异性;后者包含实体、事件、事件集、句子和文档5种类型实体,尽可能向实体表示中注入舆论环境的语义特征。最后,在IED,TL17和Crisis这3个数据集上,在文档级和事件级这两个层次上开展了相关实验,CAL在所有测试中均取得了最优的结果,验证了所提方法的有效性。

跨机构联邦学习的激励机制综述

王鑫, 黄伟口, 孙凌云

计算机科学. 2024, 51 (3): 20-29. doi:10.11896/jsjkx.230700194

摘要 ( 127 )

PDF(1876KB) ( 1039 )

参考文献 | 相关文章 | 多维度评价

联邦学习作为一种分布式机器学习,有效地解决了大数据时代的数据共享难题。其中,跨机构联邦学习是机构之间互相合作的一种联邦学习类型。如何在跨机构合作的过程中设计合理的激励机制十分重要。文中从跨机构合作的角度,对现有的跨机构联邦学习的激励机制研究进行了综述。首先介绍跨机构合作过程中的3个基本问题,即高隐私性、数据异质性、公平性,然后分析了以全局模型为中心和以参与者为中心这两种不同的跨机构合作模式下的激励机制设计方法,最后总结了影响跨机构合作稳定发展的几个影响因素,即参与者的数据演变、参与者合作关系变动和参与者的负面行为,并展望了跨机构联邦合作的未来方向。

基于隐空间扩散模型的差分隐私数据合成方法研究

葛胤池, 张辉, 孙浩航

计算机科学. 2024, 51 (3): 30-38. doi:10.11896/jsjkx.230700177

摘要 ( 89 )

PDF(2931KB) ( 969 )

参考文献 | 相关文章 | 多维度评价

数据共享与发布可以有效发挥数据的价值,能够在数智时代推动科技进步和经济社会的发展。在数据共享的同时如何保护数据版权及个人隐私仍是一项巨大的挑战。差分隐私数据合成是数据隐私保护的有效手段,数据持有者通过发布合成数据取代真实数据,一方面可以保护数据隐私,另一方面也可以提高数据的泛用性与可用性。针对差分隐私生成模型合成图像数据样本可用性低的问题,提出了基于隐空间扩散模型的两阶段差分隐私生成模型。首先对原始图像进行差分隐私感知信息压缩,将其从像素空间投射至隐空间中,获得原始敏感数据的脱敏隐向量表示。然后将隐向量输入扩散模型,使其逐渐转变为先验分布,并通过去噪过程进行采样。最后,使用MNIST和Fashion MNIST数据集训练并进行数据合成,结果表明该模型在FID和下游任务准确性上相比DP-Sinkhorn等SOTA模型均有明显提升。

基于区块链的联邦蒸馏数据共享模型研究

刘炜, 刘宇昭, 唐琮轲, 王媛媛, 佘维, 田钊

计算机科学. 2024, 51 (3): 39-47. doi:10.11896/jsjkx.230700186

摘要 ( 76 )

PDF(3006KB) ( 917 )

参考文献 | 相关文章 | 多维度评价

零散、孤立的海量数据形成“数据孤岛”使得数据无法交互和连接,如何在保护原始数据隐私的前提下安全有效地共享数据中的知识信息已成为热点研究问题。基于以上内容,提出了一种基于区块链的联邦蒸馏数据共享模型(BFDS)。区别于中心化架构,采用区块链联合多参与方组建教师网络,实现分布式协同工作;通过交换蒸馏输出的方式,传递数据中的知识信息,联合训练轻量化模型;提出了一种多权重节点可信评估算法,调用智能合约分配权重并生成可溯源全局软标签,降低因参与方质量差异而产生的负向影响。实验结果表明,BFDS模型能联合多参与方安全可信共享数据知识,协同蒸馏训练模型,降低了模型的部署成本;所提出的多权重节点评估算法能有效减小低质量节点的负向影响,提高了全局软标签的质量与安全性。

基于启发式粗化算法的半监督图神经网络的训练加速框架及算法

陈裕丰, 黄增峰

计算机科学. 2024, 51 (3): 48-55. doi:10.11896/jsjkx.221200158

摘要 ( 82 )

PDF(1576KB) ( 586 )

参考文献 | 相关文章 | 多维度评价

图神经网络是当前阶段图机器学习的主流工具,发展势头强劲。通过构建抽象图结构,运用图神经网络模型能够高效地处理多种应用场景下的问题,包括节点预测、链接预测和图分类等方向。与之相对应,一直以来,在大规模图上的应用是图神经网络训练中的关键点和难点,如何有效、快速地在大规模图数据上进行图神经网络的训练和部署是阻碍图神经网络进一步工业化应用的一大难题。图神经网络因为能够利用图的网络结构的拓扑信息,所以在如节点预测的赛道上能够取得比一般其他神经网络如多层感知机等更好的效果,但是图的网络结构的节点个数和边的条数的规模增长制约了图神经网络的训练,真实数据集的节点数量规模达到千万级别甚至亿级别,或者是部分稠密的网络结构中边的数量规模亦达到了千万级别,使得传统的图神经网络训练方法均难以直接取得成效。针对以上问题,改进并提出了基于图粗化算法的新型图神经网络训练框架,并在此基础上提出了两种具体的训练算法,同时配合提出了两种简单的启发式图粗化算法。在精度损失可以接受和内存空间消耗大大降低的前提下,所提算法能够进一步显著地降低图神经网络的计算量,缩短训练时间,实验结果表明其在常见数据集上均能取得令人满意的成绩。

基于在线学习稀疏特征的大规模多目标进化算法

高梦琦, 冯翔, 虞慧群, 王梦灵

计算机科学. 2024, 51 (3): 56-62. doi:10.11896/jsjkx.230100004

摘要 ( 69 )

PDF(2353KB) ( 967 )

参考文献 | 相关文章 | 多维度评价

大规模稀疏多目标优化问题(Sparse Multiobjective Optimization Problems,SMOPs)广泛存在于现实世界。为大规模SMOPs提出通用的解决方法,对于进化计算、控制论和机器学习等领域中的问题解决都具有推动作用。由于SMOPs具有高维决策空间和Pareto最优解稀疏的特性,现有的进化算法在解决SMOPs时,很容易陷入维数灾难的困境。针对这个问题,以稀疏分布的学习为切入点,提出了一种基于在线学习稀疏特征的大规模多目标进化算法(Large-scale Multiobjective Evolutio-nary Algorithm Based on Online Learning of Sparse Features,MOEA/OLSF)。具体地,首先设计了一种在线学习稀疏特征的方法来挖掘非零变量;然后提出了一种稀疏遗传算子,用于非零变量的进一步搜索和子代解的生成,在非零变量搜索过程中,其二进制交叉和变异算子也用于控制解的稀疏性和多样性。与最新的优秀算法在不同规模的测试问题上的对比结果表明,所提算法在收敛速度和性能方面均更优。

基于注意力-生成对抗网络的任务分析方法研究

周琳茹, 彭鹏菲

计算机科学. 2024, 51 (3): 63-71. doi:10.11896/jsjkx.221100012

摘要 ( 61 )

PDF(3338KB) ( 123 )

参考文献 | 相关文章 | 多维度评价

合理的任务分析可帮助分析者快速、准确地进行任务规划,目前使用案例推理方法进行任务分析存在分析时间长、分析结果准确性较低等问题。针对该问题,提出了基于注意力-生成对抗网络的任务分析方法。以长短时记忆网络(LSTM)为生成器、循环神经网络(RNN)为判别器,针对离散数据细微梯度的更新无法回传的问题,在生成器中使用rollout policy对生成的不完整序列进行推理补充,在判别器中使用蒙特卡罗(MC)进行数据采样得到完整的数据序列动作价值函数,从而指导生成器的参数更新;针对稀疏数据特征不明显、数据重点不明确等问题,在生成对抗网络训练前加入软注意力机制,为不同特征赋予不同权重从而过滤冗余数据,筛选出重要的特征数据。将该方法与未加入注意力机制的生成对抗网络在同一模拟数据集上进行对比实验,结果表明,加入注意力机制后的方法在精确率(P)、召回率(R)、F1值和准确率(Accuracy)4种评价指标上分别提升了0.088,0.092,0.094和0.068,与其他神经网络推荐算法相比,在P,R,F1值和Accuracy上分别提升了0.1~0.3,0.1~0.2,0.1~0.25和0.07~0.17,证明了该方法的有效性。

基于缺失数据的交通速度预测算法

黄坤, 孙未未

计算机科学. 2024, 51 (3): 72-80. doi:10.11896/jsjkx.230100045

摘要 ( 62 )

PDF(2498KB) ( 555 )

参考文献 | 相关文章 | 多维度评价

交通速度预测是智能交通系统的基础,可以缓解交通拥堵,节约公共资源,提高人们的生活质量。在真实情况下,采集到的交通速度数据通常存在缺失,而现有研究成果大多数只考虑了数据相对完整的场景。文章主要针对缺失场景下的交通速度数据进行研究,捕捉其中的时空相关性,并对未来交通速度进行预测。为了充分利用到交通数据的时空特征,提出了一种新的基于深度学习的交通速度预测模型。首先,提出了“还原-预测”算法,先使用自监督学习方法让模型还原缺失数据,再对交通速度进行预测;其次,引入了对比学习的方法,使得速度时间序列的特征表示更鲁棒;最后,模拟了不同数据缺失率的场景,通过实验验证了所提方法在各种缺失率下的预测准确率都优于现有方法,并设计了实验对对比学习方法和不同的还原算法进行分析,证明了所提方法的有效性。

基于主题声望和动态异构网络的学术影响力排序算法

陈潘, 陈红梅, 罗川

计算机科学. 2024, 51 (3): 81-89. doi:10.11896/jsjkx.230100037

摘要 ( 34 )

PDF(2796KB) ( 489 )

参考文献 | 相关文章 | 多维度评价

有效地挖掘学术大数据,分析论文的学术影响力,有助于科研工作者获取重要的信息。文本内容与学术网络结构的动态变化,会对论文的学术影响力排名结果产生重要的影响。但现有的论文学术影响力排序算法或是缺乏对文本内容的考虑,或是缺乏对学术网络结构的动态变化的考虑。针对该问题,提出了一种学术影响力排序算法,称之为基于主题声望和动态异构网络的学术影响力排名(TND-Rank)。TND-Rank衡量了论文主题在某一时间对论文的影响,并将其嵌入考虑时间因素的论文影响力排序算法中。TND-Rank通过考虑影响主题声望水平、期刊、作者、时间等多种因素的综合影响来计算论文的动态学术影响力相关排名。在实验中,对AMiner数据集1936-2014年间发表且信息保存完整的文章进行了分析,将所提算法与近年来的4种相关算法进行了比较,采用Spearman相关系数、归一化折损累积增益(NDCG)和分级平均精度(GAP)对算法性能进行了评估。实验结果验证了TND-Rank算法的可行性和有效性,其可以有效地综合各种信息对论文的学术影响力进行排序。

异质信息网络中基于解耦图神经网络的社区搜索

陈伟, 周丽华, 王亚峰, 王丽珍, 陈红梅

计算机科学. 2024, 51 (3): 90-101. doi:10.11896/jsjkx.221200029

摘要 ( 54 )

PDF(4234KB) ( 518 )

参考文献 | 相关文章 | 多维度评价

在异质信息网络(HINs)中搜索包含给定查询节点的社区具有广泛的应用价值,如好友推荐、疫情监控等。现有HINs社区搜索方法大多基于预定义的子图模式对社区的拓扑结构施加一个严格的要求,忽略了节点间的属性相似性,导致结构关系弱而属性相似性高的社区难以定位,并且采用的全局搜索模式难以有效处理大规模的网络数据。为解决这些问题,首先设计解耦图神经网络和基于元路径的局部模块度,分别用于度量节点间的属性相似性和结构内聚性,并利用0/1背包问题优化属性和结构两种凝聚性度量指标,定义了最有价值的c大小社区搜索问题,进而提出了一种基于解耦图神经网络的价值最大化社区搜索模型,执行3个阶段的搜索过程。第一阶段,依据查询信息与元路径,构造候选子图,将搜索范围控制在查询节点的局部范围内,保证整个模型的搜索效率;第二阶段,利用解耦图神经网络,融合异质图信息和用户标签信息,计算节点间的属性相似度;第三阶段,根据社区定义以及凝聚性度量指标,设计贪心算法查找属性相似度高且结构凝聚的c大小社区。最后,在真实的同质和异质网络数据集上测试了搜索模型的性能,大量实验结果验证了模型的有效性和高效性。

基于多空间属性信息融合的序列推荐

王子泓, 邵蓥侠, 何吉元, 刘金宝

计算机科学. 2024, 51 (3): 102-108. doi:10.11896/jsjkx.230600078

摘要 ( 102 )

PDF(2941KB) ( 575 )

参考文献 | 相关文章 | 多维度评价

序列推荐旨在从用户的历史行为中建模用户不断变化的兴趣,从而做出与用户兴趣相关的推荐。近年来,物品属性信息被证明可以提升序列推荐的性能,很多工作基于属性信息融合去提升序列推荐的性能,都取得了成效但仍存在一定的不足。首先,它们没有显式地建模出用户对物品属性的偏好或者只建模了一个属性偏好向量,无法充分表达用户的偏好。其次,它们的物品属性信息融合过程未考虑用户个性化信息的影响。因此,针对上述不足,提出了基于多空间属性信息融合的序列推荐(MAIF-SR)。文中提出了多空间属性信息融合框架,在不同的属性空间下融合属性序列并建模出用户对不同属性的偏好,用多维兴趣充分表达用户的偏好;设计了个性化属性注意力机制,在融合信息的过程中引入用户个性化信息,增强融合信息的个性化效果。在两个公开数据集以及一个工业私有数据集上进行实验,结果表明,MAIF-SR优于用于对比的基于属性信息融合的序列推荐。

一种基于变分多跳图注意力编码器的深层协同真值发现

张国昊, 王轶, 周喜, 王保全

计算机科学. 2024, 51 (3): 109-117. doi:10.11896/jsjkx.221200063

摘要 ( 32 )

PDF(2850KB) ( 519 )

参考文献 | 相关文章 | 多维度评价

大数据时代,数据价值的释放经常需要融合多源数据,数据冲突成为这一过程中无法避免的关键问题。为了从冲突数据中筛选出真实声明以及可靠数据源,研究人员提出了真值发现方法。然而,现有的真值发现大多注重数据源与声明之间的直接协同信息,忽略了更深层的间接协同与对抗信息,导致不足以表达出数据源与声明的特征。针对此问题,提出了基于变分多跳图注意力编码器的真值发现方法(TD-VMGAE),基于数据源与声明之间的包含关系构建二分图网络,采用多跳图注意力层为每个节点表征汇聚间接协同信息以及对抗信息,并设计真值发现变分自编码器,抽取节点表征中所需的分类分布,对数据源和声明进行协同分类。实验结果表明,所提方法在3个不同尺度的数据集中均有不错的表现,消融实验和可视化也验证了所提方法的有效性和泛化能力。

基于局部数据增强动态图的事件预测

潘磊, 刘欣, 陈君益, 程章桃, 刘乐源, 周帆

计算机科学. 2024, 51 (3): 118-127. doi:10.11896/jsjkx.221200054

摘要 ( 57 )

PDF(2251KB) ( 529 )

参考文献 | 相关文章 | 多维度评价

事件指在真实世界中特定的时间和地点发生的与特定主题相关的活动,例如,社会动乱、暴恐袭击、自然灾害和传染病流行等事件会对国家安全和人民群众的生活产生重大威胁。如果能对此类事件的发生进行有效预测,将最大程度地减少负面事件带来的影响或最大化正面事件带来的利益。关于事件的研究中,准确预测事件仍然是一个非常具有挑战性的任务。文中提出了一种基于图注意力网络的事件预测方法LAT-GAT(Local Augmented Temporal-GAT),该方法使用条件变分编码器,在所构建的事件图中对目标节点的邻居节点生成新的特征样本,与节点原有特征进行拼合,形成新的节点特征,实现了对事件的传播结构的利用;另外,LAT-GAT还考虑了历史事件发生的时间先后顺序,将网络在上一时间点的输出结果集成到当前时间的特征中,从而实现了对事件传播时间特性的利用。最后,在泰国、印度、埃及和俄罗斯这4个国家真实事件数据集上,与多种代表性基线方法进行了对比实验。实验结果表明,LAT-GAT在4个国家数据上的F1评分都优于基线方法;在泰国、俄罗斯和印度数据集上召回率优于基线方法;在泰国、埃及和印度数据集上也获得了最高的准确率。还通过消融实验考察了模型参数对最终结果的影响。

基于双通道回声状态网络的时间序列补全及单步预测

郑伟楠, 於志勇, 黄昉菀

计算机科学. 2024, 51 (3): 128-134. doi:10.11896/jsjkx.221200055

摘要 ( 82 )

PDF(1486KB) ( 532 )

参考文献 | 相关文章 | 多维度评价

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高。而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用。针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络。两个通道的网络虽共用输入层,但具有各自的储备池和输出层。两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值。最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能。两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法。

基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型

郝然, 王红军, 李天瑞

计算机科学. 2024, 51 (3): 135-140. doi:10.11896/jsjkx.230600109

摘要 ( 70 )

PDF(2412KB) ( 512 )

参考文献 | 相关文章 | 多维度评价

检测输电线路缺陷并及时维修可以确保电网的安全稳定,具有重大的实际意义。但输电线路图像背景复杂、元件尺寸小,导致现有的目标检测模型不能取得很好的效果,因此文中提出了基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型。该模型设计了DBSA(Dual-branch Serial Attention)双分支串行混合注意力,从而将更多的权重放在缺陷上,并提出了WCFPN(Well-connected Feature Pyramid Network)特征金字塔,让经DBSA提取的特征充分融合,从而增强模型检测小目标的能力。DBSA将特征图沿高度和宽度两个分支压缩并用一维卷积提取注意力,WCFPN设计了一种包含跨尺度融合和跳层连接的新型融合路径,让经DBSA提取的高层语义信息和低层空间信息进行更充分的交互。最后在绝缘子自爆、防振锤损坏、鸟巢异物、水泥杆破损和输电线路缺陷5个数据集上进行实验,结果显示所提模型取得了最佳的检测效果,在5个数据集上的平均AP₅₀和AP分别为84.3%和46.1%,相比目前最先进的模型YOLOv7分别提升了3.7%和3%。

基于多视图自编码器的多被试者脑影像功能校准

黄硕, 孙亮, 汪美玲, 张道强

计算机科学. 2024, 51 (3): 141-146. doi:10.11896/jsjkx.230600166

摘要 ( 57 )

PDF(1936KB) ( 127 )

参考文献 | 相关文章 | 多维度评价

功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)研究面临的主要挑战之一是不同被试者fMRI数据的异质性。一方面,多被试数据分析对于确定所生成结果跨被试的通用性和有效性至关重要。另一方面,分析多被试者fMRI数据需要在不同被试者的神经活动之间进行准确的解剖和功能校准,以提升最终结果的性能。然而,现有大多数功能校准研究都采用浅层模型来处理多被试者间的复杂关系,这严重束缚了多被试信息的建模能力。为此,提出了一种基于多视图自编码器的功能校准(Multi-view Auto-encoder Functional Alignment,MAFA)方法。具体地,该方法通过重构不同被试者的响应空间来学习节点嵌入,捕获不同被试者之间共享的特征表示,从而创建一个公共的响应空间。此外,通过引入自训练聚类目标,利用高置信度节点作为软标签来监督图聚类过程。在4个数据集上的实验结果表明,相比其他多被试者脑影像功能校准方法,所提方法在解码精度方面取得了最佳效果。

一种自适应去噪保真的无监督暗光图像增强模型

高仁, 郝世杰, 郭艳蓉

计算机科学. 2024, 51 (3): 147-154. doi:10.11896/jsjkx.221200074

摘要 ( 67 )

PDF(4732KB) ( 186 )

参考文献 | 相关文章 | 多维度评价

暗光环境下成像往往受到低照度和成像噪声等多种因素干扰,所得图片的视觉质量往往较低。当前各类暗光增强方法多侧重于改善可视度,却常忽略了保持增强结果真实感这一同样重要的目标。为解决该问题,提出了一种自适应去噪保真的无监督暗光图像增强方法,旨在高效便捷地实现改善图像可视度和去噪保真两个目标。模型由暗光增强阶段和去噪保真阶段组成。在暗光增强阶段,构建无监督图像分解模块和光照增强模块,实现改善可视度的目标;在去噪保真阶段,基于前一阶段所得的光照分布来自动构造成对训练数据,驱动去噪模块抑制原本昏暗处的噪声并保持原本明亮处的细节,实现增强结果保真的目标。实验结果表明,相比其他暗光增强方法,所提方法在改善可视度和去噪保真之间能够取得良好的均衡。该模型无须事先采集或准备“昏暗-明亮”成对图像来进行训练,且具有较小的模型尺寸和较快的计算速度,实用性良好。

外观融合运动感知的运动目标分割算法

徐邦武, 吴秦, 周浩杰

计算机科学. 2024, 51 (3): 155-164. doi:10.11896/jsjkx.221200153

摘要 ( 36 )

PDF(4262KB) ( 136 )

参考文献 | 相关文章 | 多维度评价

现实场景中的运动目标分割旨在分割当前场景下的运动物体,对于许多计算机视觉应用有着至关重要的作用。现有的运动目标分割算法大多通过2D光流图中的运动信息来分割运动物体,然而,这些方法还存在一些问题。当运动物体在极面内运动或者其3D运动方向和背景一致时,很难通过光流图分割得到;另外,错误的光流预测也会影响分割的结果。为了解决以上问题,提出了不同的运动代价,以提升运动目标分割的正确率。针对和背景共线或共面运动的物体,设计均衡重投影代价和多角度光流对比代价,通过运动物体的2D光流与背景2D光流的差异来检测运动物体。针对自我运动退化,设计差异单应性代价。最后,提出了一种基于外观融合的运动感知结构,以分割各种场景下的运动物体。采用多模态共同注意力门控,更有效地捕获运动特征和外观特征的关系,以促进外观特征和运动特征更好地交互。此外,为了突出运动的物体,提出了多层运动注意力模块,以减少冗余的外观特征对结果的影响。实验结果表明,所提方法在KITTI,JNU-UISEE,KittiMoSeg和Davis-2016数据集上均能获得较优的运动目标分割结果。

多尺度特征融合的遥感图像目标检测方法

张洋, 夏英

计算机科学. 2024, 51 (3): 165-173. doi:10.11896/jsjkx.230200030

摘要 ( 79 )

PDF(4906KB) ( 155 )

参考文献 | 相关文章 | 多维度评价

遥感图像目标检测是计算机视觉领域中的一个重要研究方向,广泛运用在军事和民用领域。遥感图像中的目标具有尺度多样、密集排列和类间相似等特点,使得用于自然图像的目标检测方法在遥感图像目标检测中存在较多漏检和误检等现象。针对这一问题,在YOLOv5的基础上,提出一种基于多尺度特征融合的遥感图像目标检测方法。首先,在骨干网中引入融合多头自注意力的残差单元,通过该模块充分提取多层次特征信息,缩小不同尺度间的语义差异;其次,引入融合轻量级上采样算子的特征金字塔网络,用于获取高层语义特征和低层细节特征,通过特征融合的方式获得特征信息更丰富的特征图,从而提升不同尺度目标的特征分辨率。在公开数据集DOTA和NWPU VHR-10上评估了所提方法的有效性,相比基准模型,所提方法的准确率(mAP)分别提高了1.5%和2.0%。

基于级联U-Net的遥感影像道路分割和轮廓提取方法

李余, 杨祥立, 张乐, 梁雅麟, 高显, 杨建喜

计算机科学. 2024, 51 (3): 174-182. doi:10.11896/jsjkx.221200032

摘要 ( 89 )

PDF(4205KB) ( 141 )

参考文献 | 相关文章 | 多维度评价

针对基于深度学习的遥感图像道路信息提取模型往往只能输出单任务结果且多任务之间相关性利用不充分的问题,提出了一种基于级联U-Net的道路语义分割和轮廓联合检测方法,将道路语义分割后的特征图与原始图像融合后进行道路轮廓的提取,实现道路语义分割和边界轮廓的联合训练。首先使用U-Net网络结构提取光学遥感图像丰富的层次化特征,通过级联结构将特征串联融合,分别用于提取道路的语义类别和边界轮廓。其次在每级U-Net结构中引入注意力机制模块,进行空间上下文信息和深层次特征提取,改善网络提取过程中出现的细节模糊现象。最后,使用骰子系数和交叉熵误差组成的联合损失函数进行多任务整体训练,实现深度学习模型对遥感图像中道路语义类别和边界轮廓的同时提取。通过在加拿大渥太华城市地区的光学遥感数据集上进行实验,基于级联U-Net的道路信息联合提取方法在分割指标上分别获得了42%的精确度、58%的召回率、48.2%的F1分数以及71.6%的平均交并比,在道路检测指标上取得了0.896的全局最佳阈值(ODS)。结果表明,该模型在满足联合提取道路多任务信息的同时具有更优的检测精度。

面向策略探索的强化学习与进化计算方法综述

王尧, 罗俊仁, 周棪忠, 谷学强, 张万鹏

计算机科学. 2024, 51 (3): 183-197. doi:10.11896/jsjkx.230400058

摘要 ( 59 )

PDF(3628KB) ( 145 )

参考文献 | 相关文章 | 多维度评价

强化学习与进化计算作为两类自然启发的学习范式,是当前求解策略探索问题的主流方法,两类方法的融合为策略探索问题的求解提供了通用解决方案。通过对比强化学习与进化计算,从强化学习与进化计算的基本方法、策略探索的基础方法分析、策略探索的融合式方法分析以及前沿挑战4个方面全面分析了策略探索问题的方法,以期能够为该领域的交叉融合研究带来启发。

基于标签信息融合与多任务学习的中文命名实体识别

廖梦, 贾真, 李天瑞

计算机科学. 2024, 51 (3): 198-204. doi:10.11896/jsjkx.230200114

摘要 ( 67 )

PDF(1537KB) ( 108 )

参考文献 | 相关文章 | 多维度评价

随着中文命名实体识别研究的不断深入,大多数模型关注融入词汇或字形信息来丰富特征表示,但是却忽略了标签信息。因此文中提出了一种融合标签信息的中文命名实体识别模型。首先,通过预训练模型BERT-wwm得到字符的嵌入表示,并将标签向量化,使用Transformer解码器结构将字符表示与标签表示进行交互学习,捕捉字符与标签的相互依赖关系,丰富字符的特征表示。为了促进标签信息的学习,构建了基于文本句的监督信号,增加了多标签文本分类任务,采用多任务学习的方式进行训练。其中,命名实体识别任务采用条件随机场进行解码预测,多标签文本分类任务采用双仿射机制进行解码预测,两任务共享除解码层以外的所有参数,保证了不同的监督信息反馈到每个子任务。在公开数据集MSRA,Weibo和Resume上进行了多组对比实验,分别获得了95.75%,72.17%,96.23%的F1值。与多个基准模型相比,所提模型的实验效果有一定的提升,证明了该模型的有效性与可行性。

基于依赖类型剪枝的双特征自适应融合网络用于方面级情感分析

郑诚, 石景伟, 魏素华, 程嘉铭

计算机科学. 2024, 51 (3): 205-213. doi:10.11896/jsjkx.230100035

摘要 ( 79 )

PDF(2039KB) ( 125 )

参考文献 | 相关文章 | 多维度评价

现有的模型将基于依赖树的图神经网络用于方面级情感分析,一定程度上提升了模型的分类性能。然而,由于依赖解析技术的限制,语法解析结果的不精确导致依赖树存在大量噪声,使得模型的性能提升有限。此外,一些句子本身并不符合标准的句法结构。以往的研究以同样的置信度利用句法信息和语义信息,没有充分考虑它们对于确定方面词极性的贡献的不同,导致模型在相应的数据集上性能较差。为了克服这些困难,文中提出了一种基于依赖类型剪枝的双特征自适应融合网络。具体来说,该模型使用一种新型的混合方法,命名为依赖关系类型剪枝和邻接矩阵平滑,来缓解句法解析产生的噪声。此外,该模型通过双特征自适应融合模块充分考虑句子的句法信息的可用程度,以一种更灵活的方式将句法特征和语义特征结合起来用于方面级情感分析。在5个公开可用的数据集上进行广泛的实验,结果证明了该方法明显优于基线模型。

基于可变生成概率和多差分柯西变异的均衡优化算法

李克文, 牛小楠, 李国庆, 崔雪丽

计算机科学. 2024, 51 (3): 214-225. doi:10.11896/jsjkx.221200129

摘要 ( 46 )

PDF(3629KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

针对标准均衡优化算法(EO)存在全局搜索和局部搜索的平衡能力不足以及易陷入局部最优的问题,提出了一种基于可变生成概率和多差分柯西变异的均衡优化算法(Variable generation probability and multi-difference Cauchy variation equilib-rium optimization algorithm,VDEO)。首先,结合Tent混沌映射增加初始化种群的多样性,为寻优提供基础;其次,引入可变的生成概率代替原始的固定值,使算法在迭代前期增加全局搜索能力,后期关注求解精度,以提升全局搜索和局部搜索的平衡能力;最后,融合多种差分策略和柯西变异帮助寻优过程跳出局部最优。针对包含单峰、多峰和固定维多峰在内的15个基准测试函数和CEC2022测试函数,将VDEO在多种维数下与EO,GWO,WOA,SCA,MFO,AOA,AVOA,BWO,AHA,POA这10个启发式算法进行仿真对比实验,并对基准测试函数的实验结果进行Wilcoxon秩和检验,实验结果表明,VDEO实现了更好的全局搜索和局部搜索的平衡,并具有更好的跳出局部最优的能力以及更高的收敛精度。

航母航空保障作业中异质群体的动态路径规划算法

孙迪迪, 李超超

计算机科学. 2024, 51 (3): 226-234. doi:10.11896/jsjkx.221200119

摘要 ( 46 )

PDF(3911KB) ( 86 )

参考文献 | 相关文章 | 多维度评价

航母保障作业中路径规划任务存在着场景高动态性以及智能体的强异质性问题,传统的全局路径规划算法虽然能获得全局最优的结果,但无法适应高度动态变化的场景,且不能很好解决智能体的异质性所带来的安全性问题;当前的局部路径规划算法能够很好地解决智能体体型差异,但是异质群体行为控制表示难以统一表达。为了解决以上问题,提出了一种航母航空保障作业中的异质群体的动态路径规划算法。首先,将优化的全局和局部路径规划算法融合,解决航空保障作业场景的高动态性问题,根据动态环境信息及时调整路径,并充分考虑场景的高动态性给异质智能体带来的安全性问题。然后,该方法考虑异质智能体不同的行为特性,在局部碰撞避免过程中采用基于运动学特性的异质智能体行为控制模型。最后,以美国尼米兹号航母为例,使用UE4进行仿真实验,从路径长度、平滑度、安全性和避障能力等方面对该算法进行了评价。仿真实验结果表明,与其他路径规划算法相比,所提算法不仅可以生成航母甲板异质群体的安全路径,还能够满足异质群体在动态航空保障作业场景中的应用需求。

TMGAT:类型匹配约束的图注意力网络

孙首男, 汪璟玢, 吴仁飞, 游常凯, 柯禧帆, 黄皓

计算机科学. 2024, 51 (3): 235-243. doi:10.11896/jsjkx.221200097

摘要 ( 53 )

PDF(2327KB) ( 95 )

参考文献 | 相关文章 | 多维度评价

近年来利用图结构来解决知识图补全(KGC)问题取得了不错的进展,其中图神经网络(GNNs)通过聚合实体的局部邻域信息来不断更新中心实体的表示,图注意力网络(GATs)使用注意力机制有侧重地聚合邻居,以获得更准确的中心实体表示。这些模型虽然在KGC中取得了不错的性能,但它们都忽略了中心实体的类型信息,仅仅使用邻域信息来计算注意力,将导致计算出来的注意力不够精准。针对这些问题,文中提出了一种类型匹配约束的图注意力网络(TMGAT),该方法通过计算中心实体类型对每个邻域关系的注意力,来得到实体类型-关系级别的注意力,以进一步计算出中心实体与各邻域关系的类型匹配度,再通过邻域关系及对应的邻居实体,结合类型匹配度计算实体-关系级别的注意力,得到邻域节点对中心实体的最终注意力。使用类型匹配度来约束传统的注意力机制,提升注意力机制的准确性,得到更加精准的中心实体嵌入,进而提升知识图补全的准确性。截至目前,文中提出的TMGAT是第一个在GATs中结合显式类型进行知识图补全任务的模型。文中加工了两个现有的数据集,使数据集中每个实体都拥有若干个类型,以验证TMGAT模型的性能。最后,实验部分展现了TMGAT在知识补全任务中优秀的竞争力,并研究了类型个数对模型性能的影响。

自校准首脉冲时间编码神经元模型

冯忍, 陈云华, 熊志民, 陈平华

计算机科学. 2024, 51 (3): 244-250. doi:10.11896/jsjkx.221200003

摘要 ( 34 )

PDF(2046KB) ( 90 )

参考文献 | 相关文章 | 多维度评价

由于脉冲神经元具有复杂的时空动力过程且脉冲信息不可导,脉冲神经网络(SNN) 的训练一直是一个难题。基于人工神经网络(ANN)转SNN间接训练深度SNN的方法,避免了直接训练深度SNN的难题,但该方法所获得的SNN的性能在很大程度上会受到脉冲信息编码机制的影响。在众多编码机制中,首脉冲时间编码(TTFS)具有良好的生物学基础和更高的能效,但现有TTFS编码采用单脉冲形式,信息表征能力较弱,编码所需时间窗较大。为此,在TTFS的单脉冲编码基础上,增加一个校准脉冲,形成一种自校准首脉冲时间(SC-TTFS)编码机制,并构建相应的SC-TTFS神经元模型。在SC-TTFS中,首脉冲为必定发放的脉冲,而校准脉冲根据首脉冲发放后剩余的膜电位来确定是否发放,用于对编码脉冲所引起的转换量化误差和截断误差进行补偿,同时缩小编码所需的时间窗。通过对多种编码对应的转换误差进行对比分析,以及在多种网络结构上进行ANN-SNN转换实验,验证了所提方法的优越性。采用CIFAR10和CIFAR100数据集,基于VGG和ResNet两种网络结构进行了实验验证。结果表明,所提方法在两类网络结构和两种数据集上均实现了精度无损的ANN-SNN转换,且相较于最先进的同类方法,所提方法所构建的SNN具有最短的网络推理延迟。另外,在VGG结构上,所提方法相比TTFS编码能源效率提升了约80%。

融合实体描述的水泥制造领域知识图谱嵌入模型

周泓林, 宋华珠, 张娟

计算机科学. 2024, 51 (3): 251-256. doi:10.11896/jsjkx.221200080

摘要 ( 42 )

PDF(1904KB) ( 107 )

参考文献 | 相关文章 | 多维度评价

针对知识图谱嵌入模型在进行知识嵌入时大多缺乏对语义信息的考虑,不能很好地提取水泥制造领域专业性的实体语义信息问题,文中将实体描述文本加入到水泥制造领域知识图谱(CMFKG)的嵌入工作中,提出了融合实体描述的知识图谱嵌入模型(KGEED)。该模型采用TransE模型得到CMFKG结构信息的嵌入,采用基于CNN的实体描述嵌入模块获得CMFKG基于语义的嵌入,并用CNN对结构信息嵌入与语义信息嵌入的三元组进行融合,从而可以很好地考虑水泥制造领域知识图谱丰富的实体描述文本信息。经实验表明,该模型在水泥制造领域知识图谱的嵌入工作中取得了不错的效果。

基于 VMD-ELMAN的肌电信号对下肢关节角度预测

汪文淼

计算机科学. 2024, 51 (3): 257-264. doi:10.11896/jsjkx.231000040

摘要 ( 42 )

PDF(2871KB) ( 104 )

参考文献 | 相关文章 | 多维度评价

表面肌电信号(Surface Electromyography,sEMG)提前于人体动作产生,常用于预测人体行为运动意图。但由于其自身的非平稳性与时变特性,因此难以较为准确地预测人体下肢关节角度变化。文中研究人体下肢肌肉针对正常行走、上下楼梯这3种动作进行的肌肉选取,提出了一种VMD-ELMAN角度拟合算法,提高了表面肌电信号角度预测精度,增强了角度预测的实时性,为提升人与外骨骼设备人机融合度提供了有效的解决方案。实验结果表明,相比常见角度拟合算法,所提算法的时间耗时较短,在3种常见动作中,髋关节角度预测值RMSE的最高精度达0.578 9,膝关节角度预测值RMSE均在0.2以内,预测精度均优于常见模型,模型鲁棒性强。

碳达峰约束下电动汽车在线充电调度算法

曹永胜, 刘洋, 王永全, 夏天

计算机科学. 2024, 51 (3): 265-270. doi:10.11896/jsjkx.230800051

摘要 ( 39 )

PDF(1727KB) ( 105 )

参考文献 | 相关文章 | 多维度评价

随着电动汽车数量的增加,电动汽车充电对社区电网总负荷和碳排放量产生了很大的影响,导致社区电网不太稳定,降低了电能质量。文中基于碳达峰的约束条件,研究了未提前知晓电动汽车到达时间、出发时间和充电需求等情况下的电动汽车充电碳排放问题。首先,建立了电动汽车充电碳排放问题,并在未来信息未知的情况下进行了研究。针对电动汽车充电行为的不确定性,提出了一种改进型演员-评论家的智能充电碳排放算法。该算法采用的是连续碳排放动作的电动汽车充电碳排放策略,而不是离散近似碳排放动作。仿真结果表明,相比OA和AEM两个基准算法,所提算法能够降低电动汽车预期成本约24.03%和21.49%。

结合元学习的去中心化联邦增量学习方法

黄楠, 李冬冬, 姚佳, 王喆

计算机科学. 2024, 51 (3): 271-279. doi:10.11896/jsjkx.230100125

摘要 ( 39 )

PDF(3796KB) ( 104 )

参考文献 | 相关文章 | 多维度评价

针对联邦增量场景中持续学习和数据安全的问题,构建了结合元学习的去中心化联邦增量学习框架。首先,为解决增量场景中持续学习带来的灾难性遗忘问题,提出了结合最近类均值样本回放的增量元学习方法NMR-cMAML,利用元训练对不同任务流的快速适应进行元更新,得到适用于新旧样本的模型。然后,为解决联邦增量场景中的数据安全问题,设计了基于对等网络架构的去中心化联邦增量学习框架,对等架构中每个客户端采用NMR-cMAML对私有的持续任务流进行增量学习。不同于传统的基于服务器-客户端的中心化架构,该去中心化架构采用客户端间通信的策略,消除了传统中央服务器易被攻击的隐患;同时,在联邦通信过程中,通过共享元学习的模型参数实现客户端间知识的有效迁移。最后在图像数据集(Cifar100和Imagenet50)上进行了不同任务场景的实验,结果表明所提方法能在提高系统的数据安全性的同时提升客户端本地性能。

基于改进NSGA-III的D2D协同MEC多目标优化研究

王志鸿, 王高才, 赵启飞

计算机科学. 2024, 51 (3): 280-288. doi:10.11896/jsjkx.221100250

摘要 ( 47 )

PDF(2479KB) ( 104 )

参考文献 | 相关文章 | 多维度评价

在当前的移动边缘计算(Mobile Edge Computing,MEC)模型中,由于任务是直接上传到MEC服务器执行,存在边缘服务器的计算压力大、空闲移动设备上的资源未得到充分利用等问题。使用边缘网络中的空闲设备进行协同计算,能够实现用户闲置资源的合理利用,增强MEC的计算能力。因此,提出了一种利用终端直通(Device-to-Device,D2D)进行协同计算的部分卸载MEC模型(D2D Collaborative MEC for Partial Offloading,DCM-PO)。在该模型中,除本地计算和MEC服务器计算外,还能将部分任务上传到空闲D2D设备进行辅助计算。首先,以最小化边缘网络的时延、能耗和费用为目标建立多目标优化问题。然后,在多染色体混合编码、自适应交叉率和变异率等方面对基于参考点的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm III,NSGA-III)进行改进,使之适合DCM-PO模型中的多目标优化问题求解。最后,仿真结果表明,相比基准MEC模型,DCM-PO模型在多项性能指标上有明显优势。

基于链路关联度模型的绿色节能路由框架

王玲, 金子琨, 吴勇, 耿海军

计算机科学. 2024, 51 (3): 289-299. doi:10.11896/jsjkx.230800103

摘要 ( 79 )

PDF(2657KB) ( 88 )

参考文献 | 相关文章 | 多维度评价

随着信息技术的高速发展,互联网的规模逐渐增大,与此同时,网络的能耗也随之攀升。业界普遍采用关闭利用率较低的链路来降低网络能耗。然而,目前的网络节能方案并不能有效平衡能量节约率、计算开销和路径拉伸度三者之间此消彼长的关系。为了应对上述问题,文中提出了一种基于链路关联度模型的绿色节能路由框架。该框架支持不同的链路关联度模型,仅需要网络拓扑结构,而不需要网路中的实时流量矩阵,更易于在实际网络中部署。基于提出的链路关联度模型的绿色节能路由算法的框架,文中实现了链路行关联度算法LRC(Link Row Correlation)、链路列关联度算法LCC(Link Column Correlation)、链路行-列关联度算法LRCC(Link Row Column Correlation)和链路介数关联度LBC(Link Betweenness Correlation)4种不同的绿色节能路由算法。实验结果表明,在The Internet Topology Zoo公布的真实拓扑和由Brite模拟生成的拓扑中,LRC,LCC,LRCC和LBC的平均能量节约率比DLF算法的平均能量节约率高12.65%和7.17%,且它们的平均路径拉伸度比DLF算法的平均路径拉伸度低3.00%和13.75%。

DTN中基于虚拟货币交易的高效率路由算法

崔建群, 刘珊, 常亚楠, 刘强强, 吴清铖

计算机科学. 2024, 51 (3): 300-308. doi:10.11896/jsjkx.221200135

摘要 ( 40 )

PDF(2762KB) ( 80 )

参考文献 | 相关文章 | 多维度评价

由于容迟网络的间歇性连接等特点,以及节点自身缓存、能量等资源受限,DTN中的节点往往会表现出一定的自私性。自私节点的存在可能会提高网络的开销,降低消息的成功投递率。为了促进自私节点参与合作,提出了一种基于虚拟货币交易的高效率路由算法PVCT(Efficient RoutingAlgorithm Based on Virtual Currency Transaction in DTN),并结合容迟网络的小世界特性,提高了路由算法的效率。该算法利用虚拟货币交易的方式,并根据节点的基本属性、位置属性、社会属性等进行定价,节点根据设计的价格函数给出对应的报价,并利用价格函数合理地分配消息副本数。在PVCT策略中,节点根据判断情况分为正常节点和自私节点,当消息的跳数小于或等于两跳时,按照概率路由的策略进行转发;反之,当消息的跳数大于两跳时,若遇到的为自私节点,则执行虚拟货币交易的路由算法。携带消息节点的出价若高于转发节点的价格,则进行交易,更新各自的收益状态;否则,进入二次价格调整阶段以协调节点双方之前的虚拟报价。仿真实验表明,PVCT路由算法在DTN中能更好地促进消息的转发,从而提升网络的整体性能。

多无人机辅助MEC环境中基于Wardrop路由博弈的计算卸载

汪昕隆, 林兵, 陈星

计算机科学. 2024, 51 (3): 309-316. doi:10.11896/jsjkx.221100242

摘要 ( 75 )

PDF(2717KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

无人机(Unmanned Aerial Vehicles,UAVs)与多接入边缘计算(Multi-access Edge Computing,MEC)技术的结合突破了传统地面通信的局限性,已成为解决MEC中任务卸载问题的重要手段。由于单无人机可提供的计算资源和能量有限,为了应对日益扩大的网络规模,考虑了多无人机辅助MEC环境中的任务卸载问题。基于问题定义,任务卸载过程可以视为一个在平行链路上进行的、具有玩家特定延迟函数的Wardrop路由博弈,目的是得到均衡状态和最优状态下的卸载策略,并量化分析两者间的差距。由于均衡解难以计算,因此构造了一个新的势函数,将均衡问题转换成最小化势函数问题。同时使用Frank-Wolfe算法最终获得均衡和最优卸载策略。算法在每次迭代中将目标函数线性化,通过求解线性规划得到可行方向,进而沿此方向在可行域内作一维搜索。仿真实验表明,相比其他基准测试方法,基于平行链路Wardrop路由博弈的均衡卸载策略能够有效降低模型总成本,且与最优卸载策略下总成本的比值约为1。

基于改进型白鲸算法的RFID网络规划

陈奕君, 郑嘉利, 李芷芊, 张江波, 朱兴洪

计算机科学. 2024, 51 (3): 317-325. doi:10.11896/jsjkx.230300019

摘要 ( 43 )

PDF(3536KB) ( 81 )

参考文献 | 相关文章 | 多维度评价

随着射频识别(Radio Frequency Identification,RFID)技术的发展,人们对其应用的要求越来越高,在阅读器部署方面的研究也逐渐深入。为了解决规定区域内RFID阅读器位置规划问题,在划定的区域内,以标签覆盖率、阅读器间的碰撞干扰、负载均衡为目标来建立数学优化模型,在白鲸算法的基础上提出了一种改进型白鲸算法。首先,针对标准白鲸算法存在易陷入局部最优、丢失次优解的缺陷,提出了一种更新精英群体机制;其次,为了增强算法的探索能力,加入了反向学习策略;最后,运用该算法来解决RFID网络规划问题。通过在一定环境中放置不同数量集群和随机分布的标签,将改进型白鲸算法与粒子群算法、灰狼算法和标准白鲸算法进行对比。仿真结果表明,在相同环境下,改进型白鲸算法的性能相比粒子群算法平均提高了21.1%,比灰狼算法提高了28.5%,比白鲸算法提高了3.3%,说明该算法相比其他3种算法在搜索精度上具有更好的性能,并通过阅读器优化部署测试,验证了该应用的有效性和可行性。

基于信息熵与闭合频繁序列的密码协议逆向方法

梁晨, 洪征, 吴礼发, 吉庆兵

计算机科学. 2024, 51 (3): 326-334. doi:10.11896/jsjkx.221200147

摘要 ( 53 )

PDF(2810KB) ( 89 )

参考文献 | 相关文章 | 多维度评价

未知密码协议被广泛用于敏感信息的安全传输,对其进行逆向分析对攻防双方都具有重要意义。为从网络流量中推断结构复杂的密码协议格式,提出了一种基于信息熵与闭合频繁序列的密码协议逆向方法。利用字节信息熵划分报文的明文域与密文域,使用BIDE算法挖掘闭合频繁序列,划分报文的动态域和静态域;设计了一种长度域识别算法,对报文进行字节片切,将片切后的字段值与长度域取值集合进行循环比对,实现了密码协议中多种形式的长度域识别;设计了启发策略,用于对加密套件、加密算法等密码协议特有的关键字段进行语义识别。实验结果表明,该方法可以有效地对密码协议进行域划分,提取密码协议的格式,并且在长度域识别和密码协议特有关键字段的语义识别上优于现有方法。

基于同态加密的区块链混币方案

王冬, 李政, 肖冰冰

计算机科学. 2024, 51 (3): 335-339. doi:10.11896/jsjkx.230100059

摘要 ( 56 )

PDF(1347KB) ( 88 )

参考文献 | 相关文章 | 多维度评价

区块链混币技术是一种保护交易隐私、实现交易的不可链接性的重要方案。然而,其结合了Pedersen承诺的验证过程,需要数百字节的空间开销,极大地降低了可用性。利用国密SM2算法、同态加密和混淆地址,提出了一种新的区块链混币方案。该方案通过使用EC-ElGamal半同态加密技术加密交易金额,在链上交易过程中完全隐藏交易金额,将隐藏金额后的交易进行两次验证和一次重随机化后发送到一次性的混淆地址中,打破交易发起方和接收方的联系,实现了交易的不可链接性和不可追踪性。所提方案能够有效提高交易数据隐私保护的强度,增强对分析攻击、密钥重放攻击和女巫攻击的抵抗能力,同时单次交易的空间占用减少了82.25%,交易吞吐量显著提高。

基于可更新加密的保护搜索模式的动态可搜索加密方案

徐承志, 徐磊, 许春根

计算机科学. 2024, 51 (3): 340-350. doi:10.11896/jsjkx.230100016

摘要 ( 54 )

PDF(1709KB) ( 88 )

参考文献 | 相关文章 | 多维度评价

动态可搜索对称加密(Dynamic Searchable Symmetric Encryption,DSSE)技术作为静态可搜索加密技术的拓展,因解决了数据密态场景下的安全检索问题并支持数据动态更新而备受关注。众所周知,目前大多数DSSE方案会泄露一些额外的信息以寻求更好的效率,如搜索模式与访问模式。最近的研究表明,这些泄露的信息面临着严重的安全问题,拥有数据库背景知识的敌手可能利用这些泄露信息恢复查询或重构数据库。由于这些泄露是伴随着查询的过程泄露出来的,因此不少学者提出在搜索时更新加密数据库来降低上述潜在的风险,即用户下载搜索到的密文数据到本地,解密后重新加密再上传到云服务器端。但这种方法会导致巨大的客户端通信、存储和计算开销。针对这一问题,提出了一种基于可更新加密的保护搜索模式的DSSE方案,该方案可以在不泄露数据隐私的情况下直接在服务器端进行数据更新,从而降低传统更新方法的通信开销以及客户端的计算开销。安全性分析表明,所提方案能有效保护搜索模式泄露;性能分析表明,所提方案相比传统利用更新密文方法保护搜索模式的方案能有效降低通信开销。在关键词匹配100个文档的情况下,与下载到本地重加密重传方式相比,所提方案的通信开销降低了70.92%。

CheatKD:基于毒性神经元同化的知识蒸馏后门攻击方法

陈晋音, 李潇, 金海波, 陈若曦, 郑海斌, 李虎

计算机科学. 2024, 51 (3): 351-359. doi:10.11896/jsjkx.221200035

摘要 ( 35 )

PDF(2366KB) ( 121 )

参考文献 | 相关文章 | 多维度评价

深度学习模型性能不断提升,但参数规模也越来越大,阻碍了其在边缘端设备的部署应用。为了解决这一问题,研究者提出了知识蒸馏(Knowledge Distillation,KD)技术,通过转移大型教师模型的“暗知识”快速生成高性能的小型学生模型,从而实现边缘端设备的轻量部署。然而,在实际场景中,许多教师模型是从公共平台下载的,缺乏必要的安全性审查,对知识蒸馏任务造成威胁。为此,我们首次提出针对特征KD的后门攻击方法CheatKD,其嵌入在教师模型中的后门,可以在KD过程中保留并转移至学生模型中,进而间接地使学生模型中毒。具体地,在训练教师模型的过程中,CheatKD初始化一个随机的触发器,并对其进行迭代优化,以控制教师模型中特定蒸馏层的部分神经元(即毒性神经元)的激活值,使其激活值趋于定值,以此实现毒性神经元同化操作,最终使教师模型中毒并携带后门。同时,该后门可以抵御知识蒸馏的过滤被传递到学生模型中。在4个数据集和6个模型组合的实验上,CheatKD取得了85%以上的平均攻击成功率,且对于多种蒸馏方法都具有较好的攻击泛用性。

基于最大熵强化学习的最优渗透路径生成方法

王焱, 王天荆, 沈航, 白光伟

计算机科学. 2024, 51 (3): 360-367. doi:10.11896/jsjkx.221200104

摘要 ( 54 )

PDF(3454KB) ( 98 )

参考文献 | 相关文章 | 多维度评价

从攻击者角度分析入侵意图和渗透行为对于指导网络安全防御具有重要意义。然而,现有的渗透路径大多依据瞬时的网络环境构建,导致路径参考价值降低。针对该问题,文中提出了一种基于最大熵强化学习的最优渗透路径生成方法,该方法可以在网络环境动态变化的情况下,以探索的形式捕获多种模式的近似最优行为。首先,依据攻击图和漏洞评分对渗透过程进行建模,通过量化攻击获益来刻画渗透行为的威胁程度;然后,考虑到入侵行为的复杂性,开发基于最大熵模型的Soft Q-学习方法,通过控制熵值和奖励的重要程度来保证求解渗透路径的过程具有稳定性;最后将该方法应用于动态变化的测试环境中,生成高可用的渗透路径。仿真实验结果表明,相比于现有基于强化学习的基准方法,所提方法具有更强的环境适应性,能够以更低的代价生成更高收益的渗透路径。

基于差分隐私的人口普查关联多属性数据发布

尤菲芙, 蔡剑平, 孙岚

计算机科学. 2024, 51 (3): 368-377. doi:10.11896/jsjkx.230100013

摘要 ( 45 )

PDF(5130KB) ( 110 )

参考文献 | 相关文章 | 多维度评价

发布未经保护的人口普查统计数据有泄露居民个人隐私信息的风险。基于差分隐私的人口普查数据保护方案已经得到研究者的广泛关注。在解决人口普查统计数据的地理区域之间的一致性约束时,具有更复杂层次性、一致性约束的关联多属性数据在现有方法下面临无法在单棵层次树中构建的挑战。文中提出了一种基于差分隐私的人口普查区域内部关联多属性统计数据最优一致发布方法,该方法能够实现复杂一致性约束统计数据的高效发布。首先将复杂的关联多属性之间的一致性约束划分为相对独立且易于求解的多重一致性约束,然后根据人口普查关联多属性数据的结构特性,通过数学分析在现有方法的基础上进行进一步的效率优化,最后结合多重一致性约束问题的逼近方法实现最优一致发布。在真实的人口普查数据集和合成数据集上进行实验,结果表明,所提方法能够在效率表现上优于同类方法1~2个数量级的同时保持与同类方法一致的精度。