计算机科学

第52卷第6期目录

计算机科学. 2025, 52 (6): 0-0.

摘要 ( 83 )

PDF(374KB) ( 141 )

相关文章 | 多维度评价

开源软件组件漏洞检测与自动修复技术研究综述

张旭明, 史涯晴, 黄松, 王兴亚, 胡津昌, 陆江涛

计算机科学. 2025, 52 (6): 1-20. doi:10.11896/jsjkx.240400023

摘要 ( 186 )

PDF(2809KB) ( 313 )

参考文献 | 相关文章 | 多维度评价

不可阻挡的软件组件化趋势与多人协同作业模式的开发过程促使开源软件供应链逐渐形成,在蓬勃发展的开源软件带来巨大便利的同时,开源漏洞随着供应链悄然而至,威胁着软件系统的安全性和可靠性。软件成分分析可对维护脆弱的开源软件供应链的安全起到实质性的支撑作用,它通过开源软件组件漏洞检测与自动修复两个核心功能发现并修复软件项目中潜在的漏洞和风险。为加深相关研究人员对软件成分分析在安全漏洞方面的实践的了解,文中梳理归纳了近年的开源软件组件漏洞检测与自动修复技术的研究进展与成果;进一步地,从用户视角出发,基于8个分析维度对目前常见的8种软件成分分析工具进行了总结与探析;最后,探讨了开源软件组件漏洞检测与自动修复技术现存的挑战并展望了未来可能的发展方向。

软件中总故障个数相关的不完美排错可靠性模型建模机理与述评

张策, 孙智超, 纪可行, 王金勇, 王宇彬

计算机科学. 2025, 52 (6): 21-34. doi:10.11896/jsjkx.240300061

摘要 ( 89 )

PDF(5252KB) ( 147 )

参考文献 | 相关文章 | 多维度评价

挖掘可靠性研究中,软件故障总数对测试资源分配、可靠性变动影响以及最优发布等具有重要意义,但迄今为止鲜有从故障总数的角度进行可靠性研究。针对贴近真实测试环境的不完美排错等问题,对软件中故障总数相关的可靠性增长模型进行深入研究和系统述评。首先,对软件可靠性增长模型SRGM(Software Reliability Growth Model)进行评述,给出研究主题、本质与技术内涵,引出软件中故障总数分析。从排错的不完全角度引入不同的新故障模型视角,建立不完美排错模型,分类研究多种情况下软件中故障总数与累积检测到的故障数量二者的变动情况。然后,从排错的不完全性与引入新故障的角度,建立统一的二元一阶不完美排错微分方程组描述软件测试过程,求解得到相应的故障总数与累积检测故障数量表达式。对上述两大类情况下不完美排错模型在多个真实计算机工程系统失效数据集上进行验证,从拟合与预测角度分析不同模型的性能,进而分析软件中故障总数对可靠性的影响。结果表明,故障总数对可靠性模型具有明显影响,其自身性能能够支撑可靠性的增长与性能提升。最后,指出了下一步研究挑战与亟待解决的问题。

流敏感的C/C++程序编程风格检查方法

胡梦泽, 马旭桐, 张豪, 张健

计算机科学. 2025, 52 (6): 35-43. doi:10.11896/jsjkx.240300195

摘要 ( 83 )

PDF(1789KB) ( 165 )

参考文献 | 相关文章 | 多维度评价

C/C++编程语言应用于众多关键领域的软件系统中,在开发时对编程的规范性和语义的明确性有着极高的要求。为了避免不当使用C/C++语言带来潜在的安全问题,国内提出了面向C/C++语言的《C/C++语言编程安全子集》(后简称为GJB8114)。由于标准中规则较多,程序员在开发过程中难免存在不规范的写法,因此实现用自动化的规则检测工具检测相应的编码规则是必要的。而现有的编程规范检查工具对标准的检查并不全面,在针对需要理解程序上下文的规则的检查时,误报率较高甚至不支持检查。对此,将GJB8114中的规则分类并对复杂规则进行定义。通过调研Testbed工具检查GJB8114中的复杂规则的支持程度,总结得到现有工具存在流敏感分析不完善和无法进行跨文件的全局分析这两个问题。采取了结合语法树匹配的流敏感分析方法和跨文件的全局分析方法来解决这些问题。在此基础上,开发得到了CruletFS工具。实验结果表明,与常见的编程规范检查工具Cppcheck,Testbed等相比,CruletFS在检查复杂规则时有更好的效果。在针对规模较大的项目分析时,CruletFS在开销上也优于Cppcheck。这说明相较于已有的方法和策略,所提方法可以在占用开销较低的基础上有效提高复杂规则检查的准确率。

基于循环代价分析的循环不变量外提算法

姜军, 翟彦河, 曾志恒, 顾轶超, 黄亮明

计算机科学. 2025, 52 (6): 44-51. doi:10.11896/jsjkx.240300166

摘要 ( 102 )

PDF(1604KB) ( 161 )

参考文献 | 相关文章 | 多维度评价

循环不变量外提算法是一种针对程序中循环结构的常用编译优化算法,其通过将循环体中的不变计算移动到循环外部来减少重复计算的开销,从而提高程序运行的速度。但在LLVM编译器中,传统的循环不变量外提算法会将全部循环不变量外提到循环体外部,当循环不变量达到一定数量时会导致寄存器溢出,在循环内引入额外的访存代价,对循环产生负优化效果。针对上述问题,在传统LLVM循环不变量外提算法的基础上,引入了一种循环代价分析算法,通过计算循环不变量在循环体中的运行代价和外提操作可能带来的溢出代价,评估其外提可能带来的收益,只对产生正收益的循环不变量进行外提,在有效减少循环体内重复计算的同时,规避引入额外开销的风险。在国产申威831处理器平台,使用典型用例进行优化效果测评,在千万级循环下,相较于传统循环不变量优化算法,提出的新优化算法具有17%以上的性能提升;使用SPEC CPU2017基准测试集(SPECspeed 2017 Interger套件)、Perl解释器DKbench基准测试集、Python解释器pyperformance基准测试集进行综合优化效果测评,结果表明,相较于传统循环不变量优化算法,提出的新优化算法分别具有0.4%,0.63%和1%的性能提升。

结合开发者依赖的图神经网络缺陷预测方法

乔羽, 徐涛, 张亚, 文凤鹏, 李强伟

计算机科学. 2025, 52 (6): 52-57. doi:10.11896/jsjkx.240700119

摘要 ( 55 )

PDF(1476KB) ( 111 )

参考文献 | 相关文章 | 多维度评价

在软件开发过程中,及时识别和处理高风险缺陷模块是至关重要的。传统的软件缺陷预测方法主要基于代码相关的信息,但常常忽略了开发者个人特质对软件质量的影响。针对这一问题,提出了一种新型的结合开发者一致性依赖网络的软件缺陷预测模型DCN4SDP。首先利用开发者信息构建了一个开发者一致性依赖网络,并提取代码相关的度量作为网络的初始度量元,通过使用双向门控图神经网络学习网络结构上的节点特征。实验结果表明,DCN4SDP模型在多个标准数据集上的性能显著优于传统机器学习分类器和其他深度学习方法,AUC值达到了0.91,F1值达到了0.76,均显著高于其他对比模型。这些优势表明将开发者维度融入软件缺陷预测能够有效提升模型的预测能力和应用价值,且为未来的软件缺陷预测研究提供了新的思路和方向。

融合深度强化学习和图卷积神经网络的类集成测试序列生成方法

王晨源, 张艳梅, 袁冠

计算机科学. 2025, 52 (6): 58-65. doi:10.11896/jsjkx.240700115

摘要 ( 62 )

PDF(2584KB) ( 115 )

参考文献 | 相关文章 | 多维度评价

类集成测试确保软件系统中多个类之间正常交互和协作,合理的类集成测试序列可以降低测试成本。为了降低程序中类集成测试序列的测试成本,国内外研究人员提出了多种类集成测试序列生成方法,但已有的方法生成的类集成测试序列的测试成本过高。针对上述问题,提出一种融合深度强化学习和图卷积神经网络的类集成测试序列生成方法。该方法首先将图卷积神经网络作为深度强化学习中的神经网络部分,并对智能体的网络结构和环境状态等方面进行改进,使环境和智能体可以基于图结构的数据进行交互;然后通过设计强化学习中的动作空间和奖励函数等基本要素,完成类集成测试序列的生成场景;最终实现智能体在不断地学习和尝试中得到最佳的类集成测试序列。实验结果表明,在以总体测试桩复杂度作为度量指标时,该方法能够在一定程度上降低生成类集成测试序列所需的测试桩代价。

面向申威平台的SIMD编程接口设计与研究

姜军, 顾晓阳, 徐坤坤, 吕勇帅, 黄亮明

计算机科学. 2025, 52 (6): 66-73. doi:10.11896/jsjkx.240700009

摘要 ( 48 )

PDF(1910KB) ( 99 )

参考文献 | 相关文章 | 多维度评价

在国产申威处理器中,申威GCC编译器在对程序进行向量化时,使用自动向量化和内嵌汇编的方式很难对某些复杂的程序进行向量化,阻碍了国产申威处理器的性能发挥。针对部分程序不能向量化的问题,在申威GCC编译器中进行SIMD编程接口的设计与研究。在申威向量指令的基础上,通过在申威GCC编译器中添加向量机器模式和向量数据类型,编译器可以对向量参数类型进行识别。根据向量指令的类型和复杂度,分别使用内建函数扩展、操作符扩展和高级语言扩展3种方式实现SIMD编程接口函数。在后端添加不同的指令模板,使接口函数可以匹配相应的指令模板,生成对应向量指令的汇编代码。通过对FFTW库和Hyperscan库进行测试和分析,相比优化前的程序,使用SIMD编程接口进行向量化后,FFTW中Double类和Float类型程序的平均加速比分别为1.97和2.13,Hyperscan的平均加速比为2.94。

基于矩阵乘积算符的混合量子压缩经典生成对抗网络

张曜麟, 刘晓楠, 杜帅岐, 廉德萌

计算机科学. 2025, 52 (6): 74-81. doi:10.11896/jsjkx.240500017

摘要 ( 43 )

PDF(4141KB) ( 70 )

参考文献 | 相关文章 | 多维度评价

神经网络在人工智能图像生成领域研究中占据重要地位。生成对抗网络作为近年来的热门算法,在图像生成任务中展现了卓越性能。量子计算作为一种新型计算模式,正在与传统人工智能算法融合,这样不仅加快了处理速度,还提升了数据安全性,尤其适合处理高维数据和优化问题。其中,混合量子经典生成对抗网络在图像生成任务中表现良好。然而,当前的混合量子经典生成模型在生成高维图像方面存在挑战,且生成器中线性层的加入,导致模型参数量增多。因此,提出了一种采用矩阵乘积算符的混合量子压缩经典生成对抗网络模型。该模型通过改进分块量子生成器的结构,使单次调用能够生成多个数据块,提高了模型效率。同时,结合经典网络的非线性特性和矩阵乘积算符,既保证了高维图像的生成质量,又提高了模型的收敛速度,并减少了参数量。实验结果表明,优化后的生成器结构将总运行时间提升了约92.88%,模型参数减少了约5.59%,并且在MNIST和FMNIST数据集上的收敛速度优于传统及混合量子经典模型,展示了其在高维图像生成中的潜力。

基于申威平台寄存器溢出策略的预选先验优化

蔡淳豪, 梁淑萍, 姜军, 邵宁远

计算机科学. 2025, 52 (6): 82-87. doi:10.11896/jsjkx.240800128

摘要 ( 34 )

PDF(1530KB) ( 77 )

参考文献 | 相关文章 | 多维度评价

在国产多核处理器申威平台上,申威JDK的C2即时编译器通过图着色寄存器分配算法完成寄存器分配工作。即时编译器在分配寄存器时并没有考虑国产处理器的指令特征,导致编译器生成了过多的访存代码,从而无法更全面地发挥国产处理器的性能。为了更充分地发挥申威国产处理器的性能,提出了一种减少图着色寄存器分配时溢出代码的编译优化策略。优化策略基于图着色寄存器分配算法,根据在申威平台上特殊信息的寄存器规律,构造先验模型,并按照先验模型调整溢出策略,从而减少访存代码的生成。该策略在申威JDK上实现了优化,并基于基准测试集SPECjbb2015和SPECjvm2008验证了优化的效果。实验结果表明,优化后SPECjbb2015的max-jOPS 和critical-jOPS分数分别提升了4.20%和5.98%,SPECjvm2008的总分数提升了2.02%。

基于高斯混合判别的半监督学习流场预测方法

王枭, 李冠雄, 李娜, 袁东风

计算机科学. 2025, 52 (6): 88-95. doi:10.11896/jsjkx.241100026

摘要 ( 48 )

PDF(2368KB) ( 89 )

参考文献 | 相关文章 | 多维度评价

深度学习在飞机设计中备受瞩目,特别是在AI for Science的推动下,基于神经网络的数据驱动方法在翼型流场预测方面取得了显著成功。然而,在标注数据有限的情况下,这些方法往往表现欠佳。针对该问题,提出了一种名为 Semi-Flow 的半监督学习方法,用于翼型流场预测。Semi-Flow 利用神经网络的损失记忆特性,根据损失函数值,将伪标签数据分为简单和困难两个子集。这种聚类方法基于高斯混合模型,将损失函数结合数据损失和辅助物理监督,确保模型结果符合气动特性和数据约束。在数据选择过程中,选择两个模型共同的简单样本作为训练样本,避免噪声样本的影响。训练过程首先对标注样本进行几轮热身训练,然后逐步添加经过过滤的简单样本。实验结果表明,Semi-Flow 方法在标记数据有限的情况下相比于仅基于少量标记数据训练表现优异,总体预测性能提升了近30%。消融研究和定性结果验证了其有效性。Semi-Flow展示了 AI for Science 的潜力,通过减少对大量标注数据的依赖,为流场预测提供了有前景的方法。

基于Transformer的时间序列预测方法综述

陈嘉俊, 刘波, 林伟伟, 郑剑文, 谢家晨

计算机科学. 2025, 52 (6): 96-105. doi:10.11896/jsjkx.240500043

摘要 ( 146 )

PDF(2287KB) ( 112 )

参考文献 | 相关文章 | 多维度评价

时间序列预测作为分析历史数据以预测未来趋势的关键技术,已广泛应用于金融、气象等领域。然而,传统方法如自回归移动平均模型和指数平滑法等在处理非线性模式、捕捉长期依赖性时存在局限。最近,基于Transformer的方法因其自注意力机制,在自然语言处理与计算机视觉领域取得突破,也开始拓展至时间序列预测领域并取得显著成果。因此,探究如何将Transformer高效运用于时间序列预测,成为推动该领域发展的关键。首先,介绍了时间序列的特性,阐述了时间序列预测的常见任务类别及评估指标。接着,深入解析Transformer的基本架构,并挑选了近年来在时间序列预测中广受关注的Transfo-rmer衍生模型,从模块及架构层面进行分类,并分别从问题解决、创新点及局限性3个维度进行比较和分析。最后,进一步探讨了时间序列预测Transformer在未来可能的研究方向。

DCDAD:考虑上下文依赖差异化的时间序列异常检测模型

廖思睿, 黄飞虎, 战鹏祥, 彭舰, 张凌浩

计算机科学. 2025, 52 (6): 106-117. doi:10.11896/jsjkx.240600001

摘要 ( 51 )

PDF(4163KB) ( 79 )

参考文献 | 相关文章 | 多维度评价

时间序列异常检测旨在检测时间序列中与正常数据不符的时间点或片段。如何充分利用时间序列中的上下文信息以提升检测精度,是目前构建异常检测模型的关键。然而,现有方法未充分考虑数据中上下文依赖关系的差异性,也缺乏对异常样本的建模,导致正常和异常样本区分度不明显,检测效果欠佳。因此,提出了一种考虑上下文依赖差异化的异常检测(Diffe-rentiated Context Dependency for Time Series Anomaly Detection,DCDAD)模型用于时序异常检测。DCDAD模型通过自注意力捕捉时间维度的上下文依赖,并在聚类过程中学习用于区分正、异常样本的超球面。采用异常注入思想对数据集进行扩充,解决异常样本稀缺的问题,并针对性地设计了差异化学习的目标函数,扩大正、异常样本的差异性,进而提升异常检测性能。在5个真实时序数据集上进行了大量实验,在F₁分数上相比于现有最先进的算法提升了约1.2%,证实了以差异化方式学习上下文依赖关系可提升模型的异常检测效果,同时参数敏感性分析和消融实验的结果也验证了DCDAD模型的稳定性以及有效性。

自适应建模网络动力学的动态链路预测方法

郭翾, 侯锦霖, 王文俊, 焦鹏飞

计算机科学. 2025, 52 (6): 118-128. doi:10.11896/jsjkx.240400033

摘要 ( 46 )

PDF(3610KB) ( 55 )

参考文献 | 相关文章 | 多维度评价

动态网络链路预测是理解和分析动态网络的核心问题之一。针对链路预测面临的捕获复杂网络结构和真实演化规律等困难的问题,提出了一种融合图神经网络和神经常微分方程的自适应网络动力学建模方法——双层活跃度约束神经常微分方程模型DANOM。DANOM融合节点的重要性和相对位置信息,增强了网络结构的表征;通过节点活跃度约束下的神经常微分方程单元强化了演化规律的学习过程;并在节点活跃度和节点表示的重构损失优化下,挖掘到网络的有效信息。DANOM在多个真实数据集上的多种下游任务中均达到了最优效果,其中在单步链路预测任务中AUC与AP最高分别提升14%和9.7%,在快照缺失情况下的链路预测任务中AUC与AP分别平均仅降低0.43%和0.03%,在用户缝合实验中AUC与AP最高分别提升20.6%和24.4%。

基于自适应图自编码器的离群点检测方法

谭淇尹, 于炯, 陈子歆

计算机科学. 2025, 52 (6): 129-138. doi:10.11896/jsjkx.240500092

摘要 ( 41 )

PDF(4221KB) ( 57 )

参考文献 | 相关文章 | 多维度评价

离群点检测(Outlier Detection)是通过识别数据集中不同于大多数样本的少量个体来获取数据的整体健康状态与异常信息。目前,在处理欧氏结构数据集时,大部分检测算法侧重于将数据视为独立的个体,却忽视了数据实例之间的相关性。这种信息偏向性导致了一些可能位于正常数据区域内的潜在的离群值难以被有效检测出来。针对上述问题,提出了一种基于自适应邻居的图自动编码器的深度联合表示学习算法ANGAE(Adaptive Neighbor Graph Autoencoder)。该算法从图生成的角度构建图来捕捉数据点之间的关系,并利用结构和属性自动编码器学习数据的潜在表示。ANGAE引入了自适应邻居构图机制,以动态更新图结构,确保在模型训练过程中对不准确的图结构进行调整和改进。通过融合结构嵌入和属性嵌入,ANGAE实现了网络结构和节点属性之间的有效交互。实验结果表明,所提出的方法在11个数据集上表现优异,在保持高精度的同时展现了很好的鲁棒性,其有效性得到了充分证明。

标签稀疏场景下任意数据流在线学习方法

张帅, 周鹏, 张燕平

计算机科学. 2025, 52 (6): 139-150. doi:10.11896/jsjkx.240300155

摘要 ( 34 )

PDF(2327KB) ( 53 )

参考文献 | 相关文章 | 多维度评价

随着数据体量的剧增,机器学习方法已逐渐由传统的静态学习模式转向面向流式数据的在线学习模式。任意数据流是指数据实例随着时间以流的方式逐个到达的同时,其特征空间可能会发生任意变化,即旧的特征可能随时消失,新的特征也可能随时出现。例如,在环境检测领域,新增传感器或旧传感器突然异常会使得数据流的特征空间发生任意变化。此外,现有面向数据流的在线学习方法大多假设可以获取所有数据实例的真实标签。然而,在真实应用中,由于人工标注数据的代价高昂,数据标签大多是稀疏的。为了解决标签稀疏场景下任意数据流的在线学习问题,提出一种基于被动-主动学习的在线学习算法PAACDS(Passive Aggressive Active Learning for Capricious Data Streams)以及它的变体PAACDS-I。首先,利用在线主动学习方法选择有价值的数据实例,使得可以在最小的监督下建立优越的预测模型。随后,在获得所选择数据实例的查询标签后,结合在线被动-主动更新规则和边界最大化原则来更新基于任意数据流中共享和新增特征空间的动态分类器。最后,将所提算法与现有的最先进方法在12个数据集上进行了比较,大量的实验对比和分析验证了所提算法在任意数据流标签稀疏场景下的有效性。

三元概念约简与概念约简的关系

李萱, 张琴, 魏玲

计算机科学. 2025, 52 (6): 151-158. doi:10.11896/jsjkx.240600055

摘要 ( 32 )

PDF(1525KB) ( 47 )

参考文献 | 相关文章 | 多维度评价

三元概念分析是形式概念分析理论的扩展,三元背景所反映的三元关系与基于条件下的二元关系相对应,因此保持二元关系不变的概念约简与保持三元关系不变的三元概念约简之间有着紧密联系。基于此,研究概念约简和三元概念约简之间的关系。首先,将三元背景中每一个条件下的数据看作是一个形式背景,根据形式概念与三元概念的关系,证明了所有条件确定的形式背景的概念约简构成的集合可以生成三元概念协调集。其次,利用三元概念按照相同条件构成的集合可以得到对应条件下的概念集,进一步证明了三元概念约简可以生成每个条件确定的形式背景的概念协调集,并给出概念约简与三元概念约简相互生成的等价命题。最后,探讨并给出概念约简与三元概念约简中不同类型的3种概念之间的关系。

基于GAN的语义对齐网络半监督跨模态哈希方法

刘华咏, 朱婷

计算机科学. 2025, 52 (6): 159-166. doi:10.11896/jsjkx.240400022

摘要 ( 38 )

PDF(2464KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

监督方法在跨模态检索中已有不少成果,是比较热门的方法。然而,这类方法过于依赖标记的数据,没有充分利用无标签数据所包含的丰富信息。为了解决这一问题,人们开始研究无监督方法,但是仅依靠未标记数据的效果并不理想。对此,提出了基于GAN的语义对齐网络半监督跨模态哈希方法(GAN-SASCH)。该模型基于生成对抗网络,结合了语义对齐的概念。生成对抗网络分为两个模块,分别是生成器和判别器,生成器学习拟合未标记数据的相关性分布并生成虚假的数据样本,判别器则用于判断数据对样本是来自数据集还是生成器。通过这两个模块之间展开极大极小的对抗博弈游戏,不断提升生成对抗网络的性能。语义对齐能充分利用不同模态之间的相互作用和对称性,统一不同模态的相似性信息,有效地指导哈希代码的学习过程。除此之外,还引入了自适应学习优化参数以提升模型性能。在NUS-WIDE和MIRFLICKR25K数据集上,对比了所提方法与9种相关前沿方法,使用MAP与PR图两种评价指标验证了所提方法的有效性。

基于多视图表示学习的语义感知异质图注意力网络

王静红, 吴芝冰, 王熙照, 李昊康

计算机科学. 2025, 52 (6): 167-178. doi:10.11896/jsjkx.240600032

摘要 ( 38 )

PDF(4677KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

近年来,图神经网络因能够高效处理异质图中的复杂结构和丰富语义信息而受到了广泛的关注。学习异质图的低维节点嵌入,同时为节点分类、节点聚类等下游任务保留异质结构和语义,是一个关键且具有挑战性的问题。现有研究主要基于元路径来设计模型,但这种方法至少存在两方面的局限性:1)合适元路径的选择通常需要专家知识或额外的标注信息;2)该方法限制了模型按预定义的模式学习,从而难以充分捕获网络的复杂性。针对这些问题,提出了一种多视图和语义感知的异质图注意力网络(Multi-view and Semantic-aware Heterogeneous Graph Attention Network,MS-HGANN)。该网络无需人工设计元路径,即可融合节点和关系中的丰富语义信息。MS-HGANN主要包括3个部分:特征映射、二阶特定视图自我图融合和语义感知。特征映射将特征映射到统一的节点特征空间;二阶特定视图自我图融合设计了特定关系的编码器和节点注意力学习节点在局部结构上的表示;语义感知设计了两种相互协调的注意力机制来评估节点和关系的重要性,从而得到最终的节点表示。在3个公开数据集上进行实验,结果表明,所提模型在节点分类和聚类任务上达到了先进水平。

基于多层次嵌套Transformer的船名识别网络

王腾, 冼允廷, 徐浩, 谢宋褀, 邹全义

计算机科学. 2025, 52 (6): 179-186. doi:10.11896/jsjkx.240500064

摘要 ( 46 )

PDF(3596KB) ( 87 )

参考文献 | 相关文章 | 多维度评价

船舶身份识别在水上目标监管中具有重要意义和广泛应用。船名是船舶身份识别的重要组成部分,准确识别船名可以弥补传统AIS身份识别方法的不足,提高船舶身份识别的准确率。与传统的中文文本识别相比,水上环境复杂,光照变化大,船体受腐蚀严重,船名字体不规范,导致船名图像存在清晰度低、文字残缺、字体样式不一致等问题,进而使船名识别困难且准确率低。文中设计了一种基于多层次嵌套Transformer的轻量级识别网络,以解决船名识别中存在的问题。首先,通过空间变换网络对输入图片进行处理,纠正船名倾斜的情况;然后利用嵌套Transformer有效提取图像的多粒度特征;最后对文字和部首进行不同尺度的识别。实验结果显示,相比其他文字识别方法,所提算法在船名识别中表现优异;在CSLD数据集上,准确率达到了92.68%;在SCSLD数据集上,准确率达到了94.50%;在DCSLD数据集上,准确率达到了66.34%;同时,该方法具有低参数量和高帧率的特点。

面向开放环境的PRNU指纹提纯算法

刘宇飞, 肖延辉, 田华伟

计算机科学. 2025, 52 (6): 187-199. doi:10.11896/jsjkx.241100190

摘要 ( 32 )

PDF(5617KB) ( 65 )

参考文献 | 相关文章 | 多维度评价

数字图像后处理流程带来的非唯一性人造(Non-Unique Artifacts,NUAs)噪声掺杂在具有唯一性、稳定性的光响应非均质性(Photo-Response Non-Uniformity,PRNU)指纹中,极大地影响了下游成像设备溯源任务的精确性。然而,现有NUAs抑制方案主要针对实验环境,不仅需要额外的超参数设定,而且需额外的算力和存储空间,难以在开放环境中实际应用。为解决该问题,提出了一种面向开放环境的PRNU指纹提纯算法。首先,对现有PRNU指纹相关性度量指标即峰值相关能量比(Peak-to-Correlation Energy Ratio,PCE)进行改进,提出了基于归一化的PCE_norm和PCE_denuas,以实现开放环境下的自适应相关性度量。然后,通过构建对比学习机制缩小同一指纹和放大不同指纹的距离,实现NUAs离线抑制,从而在溯源任务中不需额外计算和存储成本进行在线抑制。最后,通过在Dresden和Daxing数据集上的实验证明了所提算法的有效性和鲁棒性。

基于局部与全局特征集成网络的跨被试驾驶疲劳检测

龚子安, 顾正晖, 陈迪

计算机科学. 2025, 52 (6): 200-210. doi:10.11896/jsjkx.240300124

摘要 ( 46 )

PDF(2816KB) ( 72 )

参考文献 | 相关文章 | 多维度评价

驾驶员疲劳检测在减少交通事故中发挥着重要作用。脑电信号作为能够直接反映驾驶员精神状态的指标,被公认为驾驶疲劳检测的有效工具。然而,脑电信号本身的高噪声特性以及在不同个体间的明显差异性,给基于脑电信号的跨被试驾驶疲劳检测带来了诸多挑战。对此,提出了一种基于局部特征处理和全局特征处理的集成网络来提取脑电信号中的特征,用于解决跨被试驾驶疲劳检测中面临的问题。在SEED-VIG数据集上进行跨被试三分类检测任务时,该模型取得了61.34%的准确率,显著优于基线方法。为了增强模型的性能,使用并改良了迁移学习方法,在跨被试三分类检测任务中,模型准确率提高了13.35%。综上,所提模型在基于脑电信号的跨被试驾驶疲劳检测上取得了良好效果,有望为该方向的研究提供新的策略。

基于先验驱动的体素内不相干运动的参数估计

胡国栋, 叶晨

计算机科学. 2025, 52 (6): 211-218. doi:10.11896/jsjkx.240300060

摘要 ( 27 )

PDF(4525KB) ( 53 )

参考文献 | 相关文章 | 多维度评价

体素内不相干运动(Intravoxel Incoherent Motion,IVIM) 模型利用扩散加权磁共振成像的原理(Diffusion-weighted Magnetic Resonance Imaging,DWI),能够无损获得生物活体组织的水分子扩散系数(D)和血液灌注信息(F,D^*)。但是传统的IVIM参数估计方法对噪音敏感,特别是在肝脏等受呼吸运动影响的腹部器官,因此参数估计效果不佳。为了提高参数估计模型的噪音鲁棒性,提出一个先验驱动的神经网络(Prior-Driven Neural Network,PDNN),利用全监督训练自适应学习到的先验知识去指导无监督训练。使用均方误差根(Root Mean Square Errors,RMSE)在不同信噪比上评估模型的噪音鲁棒性,采用变异系数(Coefficient of Variation,CV)分布来区分肝脏健康组和肝硬化组之间的显著性差异,并与非线性最小二乘、基于体素的深度学习方法IVIM-NET_optim和基于领域信息的2D卷积网络SSUN比较。结果表明,所提出的方法具有最好的噪音鲁棒性,拟合参数[D,F,D^*]在所有信噪比上的RMSE指标比次优方法分别低27.63%,23.72%,31.46%。此外,所提方法能更好地保存组织结构信息,有效区分了健康肝脏和肝硬化(CV分布具有显著性差异,P<0.05)。

基于语音语料对齐与自适应融合的抑郁症识别

沈心旸, 王善敏, 孙玉宝

计算机科学. 2025, 52 (6): 219-227. doi:10.11896/jsjkx.240400150

摘要 ( 34 )

PDF(2695KB) ( 46 )

参考文献 | 相关文章 | 多维度评价

抑郁症已成为全球性的重大公共卫生问题,语音抑郁症识别旨在以易推广、低成本的方式对抑郁症进行识别。现有研究通常将长序列语音信号划分成多个片段作为独立样本参与训练,未能充分利用语音信号不同位置间的相互关系,忽视了与识别目标无关的片段对结果产生的干扰。为解决以上问题,提出了一种基于语音语料对齐与自适应融合的抑郁症识别方法,对输入语音进行语料拆分后,通过多头注意力机制进行语料间关联性建模,并通过片段重要性挖掘模块自动学习语音中不同片段的重要系数,有效融合局部和全局特征进行识别,提升了识别准确率。所提方法在MODMA数据集和SEARCH数据集上的加权准确率、未加权准确率、F1分数分别达到了82.59%,82.17%,82.23%和74.44%,68.33%,69.25%,实验结果表明,所提方法能够通过语音信号对抑郁症进行准确识别。

彩色图像引导高低频特征调制融合的深度图像超分辨率算法研究

徐晗智, 李嘉莹, 梁宇栋, 魏巍

计算机科学. 2025, 52 (6): 228-238. doi:10.11896/jsjkx.241200092

摘要 ( 31 )

PDF(3581KB) ( 58 )

参考文献 | 相关文章 | 多维度评价

深度图像能够有效描述三维场景的信息,然而由于采集设备的局限性和不理想的成像环境,深度传感器获取的深度图像往往分辨率较低、高频信息较少,提高深度图像的分辨率具有重要意义。部分深度图超分辨率算法通过引入同一场景下的RGB图像为深度图超分辨率过程提供指导信息,显著提升了算法性能。如何充分、有效地利用RGB信息,改善深度图和RGB图像的模态不一致性,引导深度图超分辨率重建过程极具挑战。已有方法多关注于高频信息,忽略了低频全局的信息,影响了算法性能的提升。对此,提出了彩色图像引导的、高低频特征调制融合的深度图像超分辨率重建算法。具体地,设计了一个双分支特征提取模块,分别针对彩色图像和深度图像进行高低频特征提取,在各个分支采用CNN和Transformer分别提取局部高频和全局低频信息,通过构造双向调制模块,实现对彩色和深度图像高频信息之间和低频信息之间的双向转换与融合。模型经过不同模态不同频率内的双向调制及后续高低频信息的融合,充分挖掘深度图像与彩色图像之间的互补信息,使得基于彩色图像引导的深度超分辨率算法能够取得更好的重建效果。另外,利用可逆神经网络INN进行无损信息压缩,以更好地提取高频细节信息,采用四叉树注意力机制有效降低了Transformer提取全局信息的计算复杂度,提高了算法效率。在公开数据集上进行了实验,结果表明,所提方法在定量和定性两方面均优于对比方法,取得了较好的主观视觉效果。

基于级联的多尺度特征融合残差去噪网络

郭业才, 胡晓伟, 毛湘南

计算机科学. 2025, 52 (6): 239-246. doi:10.11896/jsjkx.240300058

摘要 ( 26 )

PDF(3411KB) ( 75 )

参考文献 | 相关文章 | 多维度评价

针对图像去噪特征提取单一化以及特征利用率低,不能生成更清晰图像的问题,提出了级联多尺度特征融合残差真实图像去噪网络。该网络双分支自适应密集残差块采用双路非对称扩张卷积扩展图像感受野,在水平尺度上选择性地提取丰富的纹理特征。在多尺度空间U-Net模块中,利用多尺度空间融合块增强网络对图像整体结构的学习能力,学习不同层次的信息,获取基于图像空间和上下文信息的多级特征。跳跃连接促进结构之间的参数共享,使不同尺度的特征充分融合,保证信息的完整性。最后,采用双残差学习构建出清晰的去噪图像。结果表明,该算法在真实噪声数据集(DND和SIDD)上的峰值信噪比分别为39.68 dB和39.50 dB,结构相似性分别为0.953和0.957,优于主流去噪算法。所提算法在增强去噪性能的同时,也保留了更详细的信息,使图像质量进一步提升。

基于多尺度感知增强的旋转目标检测

张达斌, 吴秦, 周浩杰

计算机科学. 2025, 52 (6): 247-255. doi:10.11896/jsjkx.240300076

摘要 ( 36 )

PDF(4269KB) ( 86 )

参考文献 | 相关文章 | 多维度评价

遥感图像中的旋转目标检测由于存在背景复杂、目标在任意方向分布且密集排列、尺度变化剧烈、高长宽比等问题而具有挑战性。针对这些问题,提出基于多尺度感知增强的旋转目标检测框架。首先,在特征提取阶段,提出多尺度感知增强模块,针对不同层级的特征图采用不同的卷积块来提取特征,确保低层特征图能保留足够的细节信息,高层特征图能提取足够的语义信息,使得提取的多级特征图对不同尺度具有自适应的特征学习能力。同时,利用自适应通道注意力模块来学习通道权重,缓解复杂背景带来的影响。其次,提出尺寸敏感的旋转交并比损失,通过在旋转交并比损失中增加目标长宽比和面积的损失项,来监督网络学习目标的尺寸信息,增加对高长宽比目标的敏感性。在公开的遥感图像数据集DOTA,HRSC2016和DIOR-R上,所提方法分别取得77.64%,98.32%和66.14%的mAP,检测精度优于现有的先进遥感图像检测网络。

基于显著性掩模混合的小样本图像分类

陈亚当, 高宇轩, 卢楚翰, 车洵

计算机科学. 2025, 52 (6): 256-263. doi:10.11896/jsjkx.240600123

摘要 ( 35 )

PDF(3105KB) ( 58 )

参考文献 | 相关文章 | 多维度评价

小样本图像分类解决了传统图像分类在数据量不足时表现不佳的问题,其难点在于如何充分利用稀缺的样本标签数据预测真实的特征分布。一些最新方法采用随机遮挡或混合插值等数据增强方法来提高数据标签样本的多样性和泛化性,但仍然存在以下问题:1)随机遮挡具有不确定性,会出现完全遮挡或暴露前景的情况,导致样本关键信息丢失;2)由于混合插值后的数据分布过于平均,模型难以准确区分不同类别之间的差异和边界。针对上述问题,提出一种基于显著性掩模混合的数据增强方法。首先,通过视觉特征隐蔽融合和置信度裁剪选择策略,对图像关键特征信息进行自适应的筛选与保留;其次,采用视觉特征显著性融合方法,计算出图片中各个区域的重要性,引导图片融合,增加所得图片的多样性和丰富性,使类别边界更加清晰。所提方法在多个标准小样本图像分类数据集(miniImageNet,tieredImageNet,Few-shot CIFAR100和Caltech-UCSD Birds-200)上表现出色,优于最先进方法约0.2%~1%,在小样本图像分类中具有显著的潜力和优势。

基于多尺度注意力和不确定性损失的两阶段左心房疤痕分割

张鑫艳, 唐振超, 李一夫, 刘振宇

计算机科学. 2025, 52 (6): 264-273. doi:10.11896/jsjkx.241200197

摘要 ( 27 )

PDF(3363KB) ( 61 )

参考文献 | 相关文章 | 多维度评价

心房颤动(AF)是临床上最常见的心律失常之一。左心房及其心肌梗死后疤痕区域的准确分割和面积评估,对于心肌梗死患者出现AF的早期诊断、治疗规划以及预后评估具有极其重要的临床意义。深度学习方法是进行左心房及其心肌梗死后疤痕区域自动分割的主流方向。但是由于心肌梗死后疤痕体积小且容易受到周围增强组织的影响,分割精度尚有待提高。为此,提出了一种基于多尺度注意力和不确定性损失的两阶段深度学习模型。一方面,在网络上采样之前引入多尺度注意力模块(MSAM),该模块能够编码丰富的多尺度语义信息并让模型更为关注重要的语义信息及空间信息。另一方面,引入不确定性损失(Uncertainty Loss)以增强模型对疤痕不确定性的建模能力。此外,还采用直方图匹配(HM)增强图像质量,提高网络的分割能力。将所提出的方法在验证集以及左心房和疤痕量化与分割挑战赛(LAScarQS++)验证平台上进行验证,实验结果均表明该方法分割的疤痕更加完整,分割精度也得到了提升。与nnU-Net相比,心肌梗死后疤痕分割骰子系数(Dice)提高了8.12%。

FDiff-Fusion:基于模糊逻辑驱动的医学图像扩散融合网络分割模型

耿胜, 丁卫平, 鞠恒荣, 黄嘉爽, 姜舒, 王海鹏

计算机科学. 2025, 52 (6): 274-285. doi:10.11896/jsjkx.240600006

摘要 ( 32 )

PDF(3453KB) ( 68 )

参考文献 | 相关文章 | 多维度评价

医学图像分割在临床诊疗和病理分析中具有重要的应用价值。近年来,去噪扩散模型在图像分割建模方面取得了显著成功,其能够更好地捕获图像中的复杂结构和细节信息。然而,利用去噪扩散模型进行医学图像分割的方法大多忽略了分割目标的边界不确定和区域模糊因素,从而造成了最终分割结果的不稳定性和不准确性。为了解决这一问题,提出了一种基于模糊逻辑驱动的医学图像扩散融合网络分割模型(FDiff-Fusion)。该模型通过将去噪扩散模型集成到经典U-Net网络中,有效地从输入医学图像中提取丰富的语义信息。由于医学图像的分割目标边界不确定性和区域模糊化现象普遍存在,因此在U-Net网络的跳跃路径上设计了一种模糊学习模块。该模块为输入的编码特征设置多个模糊隶属度函数,以描述特征点之间的相似程度,并对模糊隶属度函数应用模糊规则处理,从而增强了模型对不确定边界和模糊区域的建模能力。此外,为了提高模型分割结果的准确性和鲁棒性,在测试阶段引入了基于迭代注意力特征融合的方法。该方法将局部上下文信息添加到注意力模块中的全局上下文信息中,以融合每个去噪时间步的预测结果。实验结果显示,与现有的先进分割网络相比,FDiff-Fusion在BRATS 2020脑肿瘤数据集上获得的平均Dice分数和HD95距离分别为84.16%和2.473mm,在BTCV腹部多器官数据集上获得的平均Dice分数和HD95距离分别为83.82%和7.98mm,表现出良好的分割性能。

基于局部和全局特征表示的小样本绝缘子缺陷检测

崔克彬, 胡真真

计算机科学. 2025, 52 (6): 286-296. doi:10.11896/jsjkx.240300146

摘要 ( 32 )

PDF(4436KB) ( 55 )

参考文献 | 相关文章 | 多维度评价

为解决绝缘子缺陷样本数量少且缺陷目标小导致目前绝缘子缺陷检测精度偏低这一问题,提出一种结合CNN与Transformer的小样本目标检测模型(C-TFSIDD),通过融合图像局部和全局特征来更有效地实现绝缘子缺陷检测。首先,采用融合CNN局部细节捕捉能力与Transformer全局信息整合能力的Next-ViT作为特征提取模块,精准捕获绝缘子图像局部和全局特征信息;其次,采用改进路径聚合特征金字塔网络(Path Aggregation Feature Pyramid Network,PAFPN)进行双向多尺度特征融合,增强底层特征表示,以改善小目标的检测效果;最后,提出一个基于度量的判别性损失函数,在微调阶段优化分类器学习更具判别性的特征表示,以增加类别之间的可分性,减少类内变化的影响。在两个公开的绝缘子缺陷数据集上进行训练和评估,实验结果表明,与基线模型TFA相比,C-TFSIDD在样本为5shot,10shot,20shot的检测结果分别提升28.7%,35.5%,47.7%;与小样本目标检测模型FSCE相比,C-TFSIDD分别提升21.8%,26.7%,21.1%。结果表明,C-TFSIDD能有效提升小样本条件下的绝缘子缺陷检测精度。

边缘和颜色信息引导下的高分辨率低光图像增强算法

张玲, 李振宇

计算机科学. 2025, 52 (6): 297-305. doi:10.11896/jsjkx.240300004

摘要 ( 30 )

PDF(5720KB) ( 79 )

参考文献 | 相关文章 | 多维度评价

设备捕捉高分辨率图像的能力对图像处理提出了新的挑战,现有的低光图像增强算法多是针对低分辨率图像设计的,在处理高分辨率图像时,存在细节不清晰、颜色失真等问题。利用图像自身包含的纹理信息和颜色信息,提出了一种边缘和颜色信息引导的高分辨率低光照图像增强算法。为改善卷积神经网络局部特征学习的局限性,引入了边缘解码器,有助于捕获图像中远距离的关键信息,提高对边界语义信息的编码。此外,为处理高分辨率图像,在上下文注意力块中引入了稀疏注意力机制,集中关注图像中的重要信息,以有效减少噪声干扰。另一方面,颜色解码器有效利用了低光图像自身的色度线索,提升了颜色信息恢复的准确性。

基于改进DDPG的多AGV路径规划算法

赵学健, 叶昊, 李豪, 孙知信

计算机科学. 2025, 52 (6): 306-315. doi:10.11896/jsjkx.240500099

摘要 ( 39 )

PDF(3797KB) ( 71 )

参考文献 | 相关文章 | 多维度评价

在自动化和智能物流领域,多自动引导车(Automated Guided Vehicle,AGV)系统的路径规划是关键技术难题。针对传统深度强化学习方法在多AGV系统应用中的效率、协作竞争和动态环境适应性问题,提出了一种改进的自适应协同深度确定性策略梯度算法Improved-AC-DDPG(Improved-Adaptive Cooperative-Deep Deterministic Policy Gradient)。该算法通过环境数据采集构建状态向量,并实时规划路径,动态生成任务序列以减少AGV间的冲突,同时监测并预测调整避障策略,持续优化策略参数。实验结果表明,与常规DDPG和人工势场优化DDPG(Artificial Potential Field-Deep Deterministic Policy Gradient,APF-DDPG)算法相比,Improved-AC-DDPG在收敛速度、避障能力、路径规划效果和能耗方面均表现更佳,显著提升了多AGV系统的效率与安全性。本研究为多智能体系统在动态环境中的建模与协作提供了新思路,具有重要的理论价值和应用潜力。

一种基于产品复用模型的高效遥感共性产品生产算法

左宪禹, 周小虎, 周黎明, 谢毅, 刘成

计算机科学. 2025, 52 (6): 316-323. doi:10.11896/jsjkx.240300019

摘要 ( 27 )

PDF(1979KB) ( 52 )

参考文献 | 相关文章 | 多维度评价

随着各行业对遥感共性产品需求的不断增加,高性能遥感产品生产系统的应用范围不断扩大。优秀的任务调度算法作为该系统的关键部件,能显著提高生产效率。然而,在遥感共性产品的生产过程中面临特有的挑战,如果大量的工作流在短时间内被提交生产,这些工作流在处理中存在重复计算和数据处理的问题,且生成共性产品所需的数据量往往较大,流程处理时间长,很容易导致资源浪费和生产效率下降。为了解决这一问题,提出一种基于产品复用模型的任务划分策略。该策略着眼于优化工作流处理,首先将用户提交的工作流按照任务重复度打包成流程包,把带有重复任务的流程分配到同一个计算节点,旨在减少节点间的数据传输时间;然后引入一种产品复用模型,允许不同的处理流程复用已获得的产品结果,减少重复性计算和数据处理,从而提高生产效率,满足共性产品生产的高效化需求。为了验证所提算法的有效性,将所提算法和传统算法FCFS,SJF分别在CloudSim仿真模拟器中进行模拟实验。结果表明,所提调度算法任务的总完成时间和任务的平均响应时间均显著低于对比算法,展现出了更为优秀的性能。

基于混合检索增强的双塔模型研究

郜洪奎, 马瑞祥, 包骐豪, 夏少杰, 瞿崇晓

计算机科学. 2025, 52 (6): 324-329. doi:10.11896/jsjkx.240800017

摘要 ( 28 )

PDF(2085KB) ( 52 )

参考文献 | 相关文章 | 多维度评价

在知识检索的前沿领域,尤其是在大语言模型的应用场景下,研究焦点集中在用纯向量检索技术来高效捕获相关信息,继而将这些信息送入大语言模型进行综合提炼和概括。然而,这种方法的局限性在于,仅依赖向量表示可能无法全面把握检索的复杂性,且缺乏有效的排序机制,常使得无关信息冗余,进而削弱了最终答案与用户实际需求的匹配度。为解决这一难题,提出了基于混合检索增强的双塔模型。此模型创新性地融合了多路径召回策略,通过多样化的召回机制互补,确保检索结果既全面又高度相关。模型架构上,采用双层结构,结合了双向循环神经网络与文本卷积神经网络,使得模型可以对检索结果进行多层次的排序优化,极大地提高了结果的相关性和顶部结果的精确度。更进一步,将经过高效排序的高质量信息与原始查询一同送入大语言模型,充分利用其深层次的分析功能,生成更为精准和可信的答案。实验结果表明,提出的方法有效提升了检索的准确性和系统的整体性能,极大地增强了大语言模型在实际应用中的准确度和实用性。

基于提示学习的记叙文篇章成分识别研究

王晓艺, 王炯, 刘杰, 周建设

计算机科学. 2025, 52 (6): 330-335. doi:10.11896/jsjkx.240400043

摘要 ( 30 )

PDF(2009KB) ( 49 )

参考文献 | 相关文章 | 多维度评价

篇章结构分析是作文自动评分中的重要技术之一,也是自然语言处理领域中的重要研究内容。近年来,作文篇章结构分析的研究很少且主要集中于议论文,对记叙文的研究还较少,尤其是在记叙文篇章结构方面,研究方法和研究资源都相对有限。针对这些问题,文中构建了面向中小学记叙文篇章成分识别的数据集,使用基于BERT-BiLSTM的语料自动标注模型提高标注效率,并对内容分布以及语料标注的一致性进行了统计分析。提出了基于提示学习的记叙文篇章成分识别方法,通过自动构建识别篇章成分的前缀提示模板,利用层次注意力机制学习更为丰富的文本特征,从而提高记叙文篇章结构识别能力。在自建数据集下进行实验,结果表明,所提出的方法识别记叙文篇章结构的准确率提高到85.80%,优于对比的预训练语言模型。

云边协同环境下面向负载时间窗口的无服务器应用资源分配方法

张铭豪, 肖博怀, 郑松, 陈星

计算机科学. 2025, 52 (6): 336-345. doi:10.11896/jsjkx.240400073

摘要 ( 28 )

PDF(3406KB) ( 59 )

参考文献 | 相关文章 | 多维度评价

随着云边协同环境中的计算需求日益多样化,以虚拟机为最小资源粒度的传统计算架构暴露出灵活性不足、成本效益低下等问题。无服务器计算作为一种具有出色扩展性与灵活性的新兴计算架构,为解决上述问题提供了新的思路。针对云边协同环境下面向负载时间窗口的无服务器应用资源分配问题,提出了一种规则引导下基于协同进化算法的无服务器应用资源分配方法RARCA。该方法考虑某资源调整时刻及未来一段时间的工作负载情况,运用规则引导的分布式资源更新机制,实现计算资源的动态分配与调整。同时,协同进化机制的信息共享与协同优化能力,使得算法能够高效搜索全局最优的资源分配方案,显著提升了整体资源分配方案的实时性和有效性。实验结果表明,RARCA能够以秒级的决策时间获得更优质的资源分配方案,相比基准方法,在资源分配的性能上提高了2.8%~14.5%。

基于GMM的容器定制化调度策略

周凯, 王凯, 朱宇航, 普黎明, 刘树新, 周德强

计算机科学. 2025, 52 (6): 346-354. doi:10.11896/jsjkx.240900154

摘要 ( 28 )

PDF(3560KB) ( 74 )

参考文献 | 相关文章 | 多维度评价

在云计算环境中,随着容器数量和类型的不断增加,资源管理和调度复杂性也增加,如何有效地调度容器,优化资源利用率和集群性能成为一个重要的研究课题。现有的容器集群调度策略没有充分考虑容器的多样化需求,缺乏灵活性,难以实现针对不同场景的容器进行定制化调度,容易出现集群资源利用率低下、集群资源负载失衡等问题。为了满足容器多样化需求,提高集群资源负载均衡性,提出了一种基于GMM(高斯混合模型)的容器定制化调度策略(Customized Container Scheduling Strategy Based on GMM,CS-GMM)。首先,根据容器的资源和属性需求进行分类,将其划分为不同的类型。其次,对于每一类容器,分别计算并分配不同的独立权重,依次将容器根据其类型调度到合适的节点,从而实现定制化调度。通过这种方式,满足了容器多样化需求,使不同类型的容器可以根据其特定需求得到最优的资源配置,避免了资源竞争和冲突,从而提高了集群资源的整体利用率和负载均衡度。实验结果表明,与Kubernetes Scheduler相比,该调度策略在多种容器调度场景下均表现出优越的性能,集群节点之间最大资源利用率差值降低17.1%,容器调度成功率提升19%,集群节点负载均衡度提升57.51%。

无线可充电传感器网络中异构感知的限时移动充电调度

李德强, 任新一, 徐佳

计算机科学. 2025, 52 (6): 355-364. doi:10.11896/jsjkx.240400186

摘要 ( 28 )

PDF(2533KB) ( 60 )

参考文献 | 相关文章 | 多维度评价

无线传感器网络被广泛应用于军事监视、灾害预测、危险环境勘探等领域。然而,无线传感器的寿命有限,需要频繁更换电池才能维持正常工作,这带来了昂贵的维护成本和极大的不便。近年来,随着无线电力传输技术的发展,无线可充电传感器网络应运而生,为研究提供了新的思路。尽管如此,大多数相关工作仅考虑充电电量对调度的制约,未能体现现实情况下传感器质量不同与紧急任务中时间的重要性。将时间和电量同时作为约束,研究无线可充电传感器网络中异构感知的充电调度问题。首先,以最大化传感器的监控效用为目标,形式化了无线可充电传感器网络中针对异构感知的有限时间下的充电调度问题,并证明了该问题的NP困难性;然后,通过对充电时间离散化,将问题转化为子模最大化问题,并提出了针对转化后问题的近似算法;最后,通过大量的仿真实验验证了该算法的有效性。结果表明所提出的算法可以显著提高监控效用,且有理论支撑该效果与最优值之间的近似比,例如与传统NJNP算法相比,其将监控效用最多提高了279.79%。

二进制代码相似性检测方法综述

魏有缘, 宋建华, 张龑

计算机科学. 2025, 52 (6): 365-380. doi:10.11896/jsjkx.240400003

摘要 ( 33 )

PDF(2366KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

代码相似性检测按照研究对象可分为源代码相似性检测和二进制代码相似性检测两种,常用于恶意代码识别、漏洞搜索、版权保护等场景。基于目前国内的互联网环境,程序通常以二进制文件的形式发布,大多数程序都无法直接获得源代码,因此在软件安全领域的相关研究中,二进制代码相似性检测的应用范围相对更广。从二进制代码相似性检测的定义和实现流程出发,按照代码表征形式将其分为基于文本字符、基于代码嵌入、基于图嵌入三大类,对经典的二进制代码相似性检测方法和近5年的新方法共19篇文献进行了整理,并根据多架构、Baseline、基准数据集和检测性能对各类方法进行了分析和总结。最后,结合新方法的发展分析了当前存在的问题和未来可能的研究方向。

平衡可迁移与不可察觉的对抗攻击

康凯, 王家宝, 徐堃

计算机科学. 2025, 52 (6): 381-389. doi:10.11896/jsjkx.240300083

摘要 ( 33 )

PDF(3256KB) ( 66 )

参考文献 | 相关文章 | 多维度评价

基于数据驱动的深度学习模型由于无法覆盖所有可能样本数据,导致面临着精心设计的对抗样本的攻击问题。现有主流的基于RGB像素值的L_p范数扰动攻击方法虽然达到了很好的攻击成功率和迁移性,但是所生成的对抗样本存在极易被人眼感知的高频噪声,而基于扩散模型的攻击方法兼顾了迁移性和不可察觉性,但是其优化策略主要从对抗模型的角度展开,缺乏从代理模型的角度对可迁移性和不可察觉性的深入探讨和分析。为了进一步探索分析可迁移性和不可察觉性的控制来源,以基于代理模型的攻击方法为框架,提出了一种新的基于潜在扩散模型的对抗样本生成方法。该方法中,在基本的对抗损失约束条件下,设计了可迁移注意力约束损失和不可察觉一致性约束损失,实现了对可迁移性与不可察觉性的平衡。在ImageNet-Compatible,CUB-200-2011和Stanford Cars这3个公开数据集上,与已有方法相比,所提方法生成的对抗样本具有很强的跨模型迁移攻击能力和人眼不易觉察扰动的效果。

国密算法SM9的性能优化方法

谢振杰, 刘奕明, 蔡瑞杰, 罗友强

计算机科学. 2025, 52 (6): 390-396. doi:10.11896/jsjkx.240300141

摘要 ( 30 )

PDF(2048KB) ( 43 )

参考文献 | 相关文章 | 多维度评价

针对国密算法SM9的计算性能优化问题,提出椭圆曲线固定点标量乘预计算、采用预计算的Miller算法、最终模幂困难部分构造、分圆子群上的模幂运算、基于Comb固定基的模幂运算等性能优化方法,有效提升了SM9算法中椭圆曲线标量乘、双线性对、12次扩域上的模幂等耗时步骤的计算性能。通过Python编程实现SM9数字签名的生成与验证、密钥交换、密钥封装与解封装、加密与解密7项算法。测试表明,综合运用上述优化方法后,各项SM9算法的性能提升幅度为32%～352%。

物联网数据流威胁致效机理研究

孙瑞杰, 李鹏, 朱枫

计算机科学. 2025, 52 (6): 397-404. doi:10.11896/jsjkx.240400133

摘要 ( 28 )

PDF(2225KB) ( 60 )

参考文献 | 相关文章 | 多维度评价

随着物联网设备的数量呈爆炸性增长,针对物联网设备的攻击手段也开始变得多样且隐蔽。基于机器学习的检测方法已经得到广泛的研究,并具有巨大的潜力。然而,这些模型被认为是黑匣子,很难解释其分类结果,因此无法说明物联网威胁特有的手段与模式。为了解决这个问题,文中基于ATT&CK框架,构建了技术-特征字典,将攻击技术进行了流量的特征化描述;并构建了威胁-技术数据库,将网络威胁分解到了攻击技术层面。文中设计了基于致效机理的威胁检测模型,构建了实时流量特征矩阵,归纳了流量受到的攻击技术,将技术序列代入威胁-技术数据库,得到可能受到的威胁及其概率。实验结果表明,所提模型对于数据集中的威胁检测率高达99.595%,与传统方法效果相当,并且可以根据实验环境需要调节误报率,为分析人员提供了可靠的攻击路径解释。

基于妆容风格补丁激活的对抗性人脸隐私保护

袁霖, 黄令, 郝凯乐, 张家伟, 朱明瑞, 王楠楠, 高新波

计算机科学. 2025, 52 (6): 405-413. doi:10.11896/jsjkx.241200001

摘要 ( 47 )

PDF(4517KB) ( 69 )

参考文献 | 相关文章 | 多维度评价

人脸识别技术的飞速发展极大地便利了人们的生活,但也引发了大众对个人隐私的担忧。人们通过社交媒体和网络发布的人脸图像可能会遭到不法机构的收集,并被人脸识别系统识别出身份从而窃取与用户相关的隐私信息。因此,需要一种隐私保护机制,使得用户通过公开媒体发布的人脸图像能够被正常观看,却可以防止人脸识别系统从中提取准确的身份信息。主流的基于对抗样本的方法在某种程度上能够解决这一问题,但难免会在图像中引入可被轻易察觉的噪声。人们通过社交媒体等平台分享个人照片时往往会加入一些美颜特效,因此,在为图像添加美化效果的同时巧妙地嵌入对抗性扰动,从而实现对图片的身份隐私保护是一种两全的选择。对此,提出了一种基于妆容风格补丁激活的人脸图像身份隐私保护方法。该方法将参考人脸图像的妆容风格,通过特征补丁的方式激活到原始人脸图像的特征中,再将激活后的特征重建为含妆容的对抗性人脸图像,同时利用身份隐私增强模块,通过迫使生成图像的身份特征逼近一个目标身份从而获得对抗性隐私保护能力。实验结果表明,该方法生成的人脸图像不仅具有更好的视觉效果和多样化的妆容风格,还能够有效防御多种黑盒人脸识别模型造成的隐私侵犯。