计算机科学

第52卷第8期目录

计算机科学. 2025, 52 (8): 0-0.

摘要 ( 10 )

PDF(3795KB) ( 16 )

相关文章 | 多维度评价

基于大语言模型的移动应用隐私政策合规性检测方法

王立梅, 韩林睿, 杜祖炜, 郑日, 时建中, 刘奕群

计算机科学. 2025, 52 (8): 1-16. doi:10.11896/jsjkx.250300156

摘要 ( 27 )

PDF(3795KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

隐私政策是网络服务提供者对其合法采集和利用个人信息行为的自律性承诺,旨在增强用户对个人信息处理过程的信任并提升其控制能力。然而,实际应用中却存在内容冗长、术语复杂、合规边界模糊等问题。传统方法依赖分类模型,通过对隐私政策文本进行标注实现自动化合规检测,但存在评估标准单一化、标注数据获取成本高、模型泛化能力不足等局限性。对此,提出一种基于大语言模型的移动应用隐私政策合规性检测方法,核心流程为“构建合规性评估体系－设计层级式推理框架－实现自动化合规检测”。首先,依据《民法典》《个人信息保护法》等9部法律法规及国家标准,构建包含6个一级指标、14个二级指标和41个三级指标的合规性评估体系;其次,基于动态最优轨迹搜索方法设计三阶段层级式推理框架DOTS-THCE,通过小样本提示工程引导大语言模型实现隐私政策的多层次动态评估;最后,基于从“腾讯应用宝”移动应用商店采集的PPC-Bench数据集(涵盖10个类别、4 821份隐私政策文本)开展实验。实验结果表明,与Deepseek-LLM-7B-Chat,Llama3.1-8B-Chinese-Chat和GLM-4-9B-Chat相比,Qwen2.5-7B-Instruct模型经DOTS-THCE方法增强推理后性能更优。Qwen2.5-7B-Instruct@DOTS-THCE模型在隐私政策合规性检测中宏F1值达89.30%,显著优于SVM,CNN,RNN,BERT以及Qwen2.5-7B-Instruct@RAG等基线模型。研究不仅验证了大语言模型在隐私政策合规性检测中应用的有效性,更为破解司法领域高质量标注数据稀缺的困境提供了有益参考。

数据市场制度建设的理论建模和动态分析

商希雪, 韩海庭, 朱郑州, 屈秀伟

计算机科学. 2025, 52 (8): 17-28. doi:10.11896/jsjkx.250400023

摘要 ( 16 )

PDF(3998KB) ( 14 )

参考文献 | 相关文章 | 多维度评价

在人工智能等技术涌现和飞速发展的新时期,数据已成为企业和社会的核心资产,但数据市场治理始终面临经济激励不足、科学量化评估难和隐蔽性侵权多等挑战。对此,基于演化博弈理论构建了包括数据提供方、需求方和监管平台在内的三方博弈框架。通过分析企业数据开发能力、公共监管强度,以及参与者不同策略选择等对数据市场演化的动态影响发现:提高企业数据开发能力是激活市场活力、提高社会福利的根本办法,也是导致企业违规行为的诱因之一;公共监管强度的增加可以规范市场秩序,但也可能会抑制部分企业的创新实践。通过理论求解和数值仿真,不仅揭示了监管效力、开发能力等要素的非线性特征,也为科学量化执法的实现提供了重要依据。通过“激励-约束-补偿”三位一体的动态监管机制和分析模型,可以有效预测市场演化特征,结合市场短期、中期和长期发展目标,改变“激励-约束-补偿”相关参数设定,使政策制定更科学,政策强度更精确。

深度学习编译器研究综述

刘正煜, 张帆, 祁晓峰, 高彦钊, 宋怡景, 范旺

计算机科学. 2025, 52 (8): 29-44. doi:10.11896/jsjkx.250100062

摘要 ( 17 )

PDF(3106KB) ( 21 )

参考文献 | 相关文章 | 多维度评价

随着人工智能的快速发展,越来越多的神经网络模型和算法相继涌现。与此同时,摩尔定律逐渐失效,新型加速器和计算机体系架构层出不穷,这推动了神经网络模型在这些新硬件平台上实现高效部署的迫切需求。在此背景下,深度学习编译器应运而生。与传统编译器不同,深度学习编译器将不同的网络模型作为输入,采用多级中间表示设计,逐层优化模型,并在编译器后端针对特定硬件架构进行优化,最终生成优化后的可执行程序。首先,介绍了深度学习编译器的通用框架,包括各个核心组件和总体流程;随后,系统地分类探讨了编译器的各类优化技术,并对近年来的研究进展进行总结,揭示了领域内的热点和发展趋势;最后,整理了现阶段的深度学习编译器研究,并根据现有研究现状展望了未来的研究方向。

数据驱动的开源学术成果演化规律与合作模式分析

叶波甸, 高敏, 王伟, 陈阳

计算机科学. 2025, 52 (8): 45-50. doi:10.11896/jsjkx.250200013

摘要 ( 15 )

PDF(2190KB) ( 19 )

参考文献 | 相关文章 | 多维度评价

开源已经成为当今软件开发领域中不可忽视的潮流,也是推动技术创新与进步的关键力量。深入探究开源发展的趋势及其合作模式,不仅有助于揭示学术界和工业界的发展态势,也能为相关研究人员或者政策制定者提供制定合理目标与规划的依据。基于DBLP数据库,收集1998至2023年间的5 990篇开源主题论文,系统分析了开源领域的整体发展轨迹。通过分析论文发表的期刊/会议、标题、引用数等统计性信息,发现当前开源成果可以被分为开源软件设计开发与开源领域实证研究两种类型,且前者在数量上占据明显优势。为了更有效地揭示开源领域研究者间的合作关系以及对应国家间的合作模式,建模开源领域研究者合作的高阶关系,同时进一步挖掘研究者背后所反映的国家合作网络。研究表明,开源领域大多数研究者来自高校,并且他们的研究兴趣主要集中在软件工程或者开源软件方面。此外,在国家合作网络中占据重要地位的国家是以美国为代表的发达国家,而以中国为代表的发展中国家对开源领域的重视程度也在提高。通过对比各国的合作模式,发现开源领域中跨国合作的模式尚未形成主流。

基于多元混合特征的源代码作者性别属性识别

刘泓玏, 陈娟, 付才, 韩兰胜, 郭晓威, 江帅

计算机科学. 2025, 52 (8): 51-61. doi:10.11896/jsjkx.241000073

摘要 ( 9 )

PDF(3772KB) ( 21 )

参考文献 | 相关文章 | 多维度评价

随着互联网的发展,网络安全日益受到关注,打击恶意代码作者是其中重要一环。目前,通过恶意代码编写风格进行作者识别已取得显著成果。但若要深入了解作者真实信息,需对其社会属性进行分析,形成完善的人物画像。性别作为人类社会属性的关键分类指标,是个体真实信息的重要组成部分。其他社会属性也基本会与性别特征关联,对性别的区分成为深入研究其他社会属性特征的必要前提。本研究通过对程序员的源代码编写风格进行深入分析,总结了22种源代码作者性别识别关联特征。基于作者性别识别关联特征利用自适应提升算法(AdaBoost)训练源代码作者性别识别分类器,保证高识别率的同时提高模型鲁棒性。同时与自然语言性别识别算法做比较,突出源代码作者性别识别特征的适用性。从Github上分别收集115 004和22 700个带有性别标签的Java和C++源代码文件,为学术界提供了第一个带有源代码作者性别标签的研究数据集。所提出的方法在收集到的C++和Java数据集上均表现出不错的性能,分别可以达到98%和94%的准确率。提出的研究结论为从源代码作者风格到其他社会属性的映射做了探索,有助于指导从源代码作者风格到其他社会属性的进一步研究。

OpenRank动力学:面向开源生态的影响力评估与动态传播模型

赵生宇, 彭佳恒, 王伟, 黄帆

计算机科学. 2025, 52 (8): 62-70. doi:10.11896/jsjkx.250300005

摘要 ( 9 )

PDF(2716KB) ( 12 )

参考文献 | 相关文章 | 多维度评价

随着开源生态系统的快速发展,影响力评估已成为衡量开发者贡献和项目价值的重要工具。在开源生态中,复杂的异质网络结构使得传统静态评估方法难以全面捕捉节点间的影响力传播。为解决这一问题,提出了一种OpenRank动力学方法,结合静态评估与动态传播模型,从多维度和动态视角对开源社区中的节点影响力进行综合评估。首先,基于矩阵代数法和Pregel框架的图迭代法,实现了OpenRank算法在中小规模和大规模网络中的高效计算,确保了算法在不同规模网络中的适用性与高效性。其次,结合经典的独立级联模型(IC)、线性阈值模型(LT)和传染病模型(SIR),从传播机制的角度分析了影响力的传播规律、速度与范围,进一步弥补了传统静态评估方法在传播过程中的不足。实验结果表明,OpenRank 动力学方法在影响力传播效率和范围方面显著优于传统方法,并展现出良好的工程适配性和可扩展性。

时空图神经网络在PM_2.5浓度预测中的应用综述

唐博源, 李琦

计算机科学. 2025, 52 (8): 71-85. doi:10.11896/jsjkx.240700153

摘要 ( 12 )

PDF(3476KB) ( 15 )

参考文献 | 相关文章 | 多维度评价

大气细颗粒物(PM_2.5)因对健康和环境有着严重的负面影响而备受公众关注。实现PM_2.5浓度的高精度时空预测,对于指导居民有效防范健康风险和协助环境监管部门制定科学的环境保护策略至关重要。研究旨在探索提高PM_2.5浓度预测准确性的有效方法,特别是时空图神经网络技术在该领域的应用潜力与挑战。首先,回顾了PM_2.5浓度预测方法的发展历程;随后,深入探讨了时空图神经网络与空气质量监测网络的结合点,包括图的构建策略;进一步,系统地概述了应用于PM_2.5浓度预测的时空图神经网络模型,并分析了在预测任务中应考虑的主要因素以及时空模块的设计;最后,从多源数据融合、动态图建模、数据稀疏性问题以及模型评估标准的缺失等多个维度,全面探讨了基于时空图神经网络的PM_2.5浓度预测所面临的挑战,并展望了未来可能的发展方向。

低资源语言自动语音识别中的数据处理与数据增强综述

杨健, 孙浏, 张丽芳

计算机科学. 2025, 52 (8): 86-99. doi:10.11896/jsjkx.240900009

摘要 ( 13 )

PDF(3517KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

由于标注语音数据不足,端到端自动语音识别(Automatic Speech Recognition,ASR)技术难以直接应用到低资源语言场景,低资源语言ASR也成为NLP领域的热点问题。目前,低资源环境下ASR的研究可以从数据增强和模型改进两方面开展,以低资源语言ASR中的训练数据处理为主要研究对象,重点从数据增强、样本处理、特征工程等角度,对近年来该领域的重要研究成果进行梳理和总结。分析了不同类型的数据增强方案,强调未配对语音和文本的利用,并从特征抽取、嵌入和融合等不同方面对低资源环境下ASR的特征工程进行分析和总结,阐述了低资源语音语料库建设等问题,并对低资源环境下用于语音识别的数据增强技术未来可以进一步深入研究的重要方向进行展望。

基于动态阈值伪标签筛选的深度图对比聚类算法

王沛, 杨希洪, 管仁祥, 祝恩

计算机科学. 2025, 52 (8): 100-108. doi:10.11896/jsjkx.240700112

摘要 ( 14 )

PDF(3603KB) ( 20 )

参考文献 | 相关文章 | 多维度评价

近年来,图神经网络在处理复杂结构数据方面表现出色,被广泛应用于节点分类、图分类、链接预测等领域。深度图聚类结合了GNNs强大的表示能力与聚类算法的目标,从复杂的图结构数据中发现隐藏的簇结构。然而,现有的基于伪标签的图聚类算法在进行模型优化时常使用固定阈值,根据类别对样本进行筛选,以获得高置信度的样本数据来引导模型优化。但固定阈值的方法会导致类别不平衡问题,进而影响模型聚类的性能。为了解决上述问题,提出了一种基于动态阈值伪标签的深度图对比聚类算法。具体来说,采用两个不共享参数的多层感知机(MLP)结构捕捉图数据的潜在结构特征,并使用K-Means算法得到聚类结果。在此基础上,引入信赖强度来动态调整获得伪标签的阈值,在训练过程中动态调整每个类别中高置信度的样本数量,缓解类别不平衡的问题。此外,优化了对比学习策略,改进了样本对的构造方法,提高了模型的判别能力。实验结果表明,所提方法在6个基准数据集上均表现出色,在多个评估指标上超越了现有方法,展现了其有效性。

基于学习排序的查询优化算法

余阳, 彭煜玮

计算机科学. 2025, 52 (8): 109-117. doi:10.11896/jsjkx.250100151

摘要 ( 10 )

PDF(3206KB) ( 17 )

参考文献 | 相关文章 | 多维度评价

查询优化是关系型数据库中的关键环节。在传统的查询优化过程中,为了获得较优的执行计划,通常需要对查询中的连接和过滤操作进行基数估计。然而,基数估计存在不准确的问题,导致查询优化效果往往不尽如人意。目前,已有部分研究通过基于机器学习的方法改善基数估计问题并取得了一定进展。尽管这些方法在处理查询中数值类型的过滤谓词时表现较好,但对于其他复杂的过滤谓词效果不佳。为解决这一问题,文中提出了一种基于学习排序的查询优化算法。该算法能够为单一查询智能评估多个执行计划并排序,从而选择最佳计划执行。该查询优化算法通过迭代挖掘较优执行计划,并协同机器学习方法,最终筛选出最优计划。实验结果表明,该算法在常规数据集上的性能优于当前基于学习的查询优化算法,并且在复杂数据集中具有更加显著的优势。

随时间持续演化的流图神经网络

郭虎升, 张旭飞, 孙玉杰, 王文剑

计算机科学. 2025, 52 (8): 118-126. doi:10.11896/jsjkx.241000186

摘要 ( 8 )

PDF(4341KB) ( 12 )

参考文献 | 相关文章 | 多维度评价

流图在现实应用中广泛存在,其节点特征和结构特征会随时间推移而动态变化。尽管图神经网络在静态图节点分类中表现卓越,但其难以直接应用于流图,流图的持续演化会导致信息滞后和遗漏问题,所以模型难以准确提取流图特征。针对上述挑战,提出了一种随时间持续演化的流图神经网络(Continuously Evolution Streaming Graph Neural Network,CESGNN),以解决流图节点分类问题。该方法首先通过持续更新的图卷积网络(Continuous Updates Graph Convolutional Network,CU-GCN)增量地更新参数,以适应流图节点特征的变化,缓解信息滞后问题,然后自适应扩展的图神经网络(Adaptive Deepening Graph Neural Network,AD-GNN)通过将聚合和更新操作解耦,以挖掘流图深层特征,从而缓解信息遗漏问题。CESGNN通过有机地融合原始特征、CU-GCN提取的浅层特征和AD-GNN提取的深层特征,获得更准确、全面的流图特征表示。实验结果表明,CESGNN模型对流图具有良好的适应性和稳定性,提高了流图节点分类的准确率。

基于层次结构嵌入的动态社区检测

朱瑞, 叶亚琴, 李圣文, 汤子健, 肖玥

计算机科学. 2025, 52 (8): 127-135. doi:10.11896/jsjkx.240600103

摘要 ( 9 )

PDF(2457KB) ( 12 )

参考文献 | 相关文章 | 多维度评价

作为理解复杂网络内在模式和组织结构的有力工具,动态社区检测揭示了网络中相互密集连接的节点集合的演化过程,是社会科学、城市规划等领域的一项基本任务。近年来,动态社区检测领域涌现了大量基于表征学习的方法。这些方法通过融合网络拓扑结构和演化特征,将节点映射到低维连续向量空间中,实现了对节点相似度和差异性的准确度量。然而,现有表征学习方法未能充分考虑节点的长距离信息,导致节点表征未能全面捕捉网络的全局特征。对此,提出了一种基于层次结构嵌入的动态社区检测算法 DHM。具体而言,DHM基于网络的多粒度特性生成层次结构,并通过设计自底向上和自顶向下的消息传递机制,将不同层次的节点组织关系嵌入至节点表征。在人工网络数据集和真实网络数据集上进行的实验结果显示,DHM在标准互信息、调整兰德指数和模块度3个指标上优于现有的动态社区检测算法,可以较好地完成时序网络下的社区检测任务。

基于道格拉斯-普克算法的路网轨迹学习索引结构

缪祝青, 韩京宇, 李彩云, 王彦之, 毛毅, 张怡婷

计算机科学. 2025, 52 (8): 136-145. doi:10.11896/jsjkx.240600075

摘要 ( 11 )

PDF(2924KB) ( 14 )

参考文献 | 相关文章 | 多维度评价

近年来,基于位置服务的技术迅猛发展,产生了海量的路网轨迹数据。而路径范围查询作为一种路网轨迹查询类型,是支持其他查询类型的基础。为了实现对海量路网轨迹数据的高效索引,同时提供精确的路径范围查询服务,提出了一种基于道格拉斯-普克算法的学习型索引结构(Douglas-Peuker Based Learned Index Structure,DPLI)。首先将轨迹数据分为多个轨迹段,然后取轨迹段中的点作为轨迹数据的表征,利用映射函数将其映射为一维映射值序列,而后根据键值数量将其划分为多个数据分片。在分片内将首尾数据组成一条线段,然后计算其余数据点距离线段的拟合误差,将超过误差阈值的数据点作为新的线段端点,递归分割原有的直线段,直到所有数据点的拟合误差小于阈值,从而拟合分段线性函数。采用多个路网数据和轨迹数据进行了充分的实验,实验结果表明:与传统索引方法相比,DPLI具有更快的构建效率和磁盘访问效率;与学习索引方法相比,DPLI保持了构建效率的优势,并且达到了100%查询召回率。

基于Inverted-B+树的海量三维地质块体模型高效索引方法

陈根深, 刘刚, 董洋, 范文遥, 易强, 姜子鑫

计算机科学. 2025, 52 (8): 146-153. doi:10.11896/jsjkx.240700127

摘要 ( 9 )

PDF(5355KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

三维地质块体模型中大量的零值或空值使得基于B+树的属性索引结构频繁分裂和调整,导致索引维护成本高;同时,B+树的单向链表结构加剧了大规模块体模型中数据顺序遍历和范围查询效率低下的问题。为此,提出了一种基于Inverted-B+树(IBT)的索引方法。该方法通过构建IBT索引结构,在将重复键插入叶子节点时,为每个重复键创建倒排节点,从而有效减少了数据处理中的结构调整。通过在内部节点存储中间索引值来加速查询过程,并在叶子节点和倒排节点之间建立双向链表,实现了从任意叶子节点按顺序访问整个数据集从而进行高效的范围查询。利用三维地质结构模型经过体元剖分、插值和降维处理所得到的6个块体模型进行测试,结果表明:与传统B+树相比,IBT方法在索引构建时间、空间占用和查询性能方面均有显著提升,特别是在处理大规模数据集中,其索引构建效率提升了71%,空间占用减少了83%,查询效率得到了显著提升。

基于运动特征的多目标航迹生成方法

张浩然, 王桂玲

计算机科学. 2025, 52 (8): 154-161. doi:10.11896/jsjkx.241100031

摘要 ( 9 )

PDF(3751KB) ( 13 )

参考文献 | 相关文章 | 多维度评价

在空间跟踪船海上多目标跟踪场景中,目标船的航迹关联一直是严峻的挑战。由于海洋表面是一个高度动态的环境,海杂波的存在有很强的不规则性和随机性,使得探测到的目标点中夹杂着大量的不真实点。对此,提出了一种基于运动特征的多目标航迹生成方法,该方法包括预处理和航迹段关联两个关键环节。在预处理阶段,通过目标船数据的经纬度、速度和航向角的阈值剔除轨迹异常点,并采用基于B-spline的采样-分段-插值方法,增强目标轨迹的完整性、连续性和平滑性;在航迹段关联阶段,设计了一种结合运动特征和时间约束的多目标航迹关联策略。实际海域实验结果表明,该方法能够有效提高航迹生成的准确性和鲁棒性。

基于改进SOM网络的聚类算法

蒋锐, 范姝文, 王小明, 徐友云

计算机科学. 2025, 52 (8): 162-170. doi:10.11896/jsjkx.240700017

摘要 ( 11 )

PDF(3616KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

在自组织映射(Self-organizing Map,SOM)模型的训练过程中,不同类数据对权重矩阵的更新有不同作用,某一类数据对权重矩阵的更新会对其他类获胜神经元特征向量产生偏离其数据特征的影响,从而降低算法聚类精度。针对以上问题,提出一种改进的基于置信度SOM模型(Improved Confidence-based SOM Model,icSOM)。样本数据首先由K-means算法初步分类,为模型训练提供更多的数据信息;然后将预分类后的数据分别训练相互独立的SOM模型,以消除不同类之间的影响;最后在传统SOM模型基础上提出置信度矩阵概念,通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元,根据置信神经元所属类别给数据分配聚类标签。在鸢尾花数据集(Iris)及葡萄酒数据集(Wine)上利用icSOM进行聚类分析,实验结果表明,所提算法可以更好地处理样本数据,取得了较好的聚类效果。

基于关键语义驱动和对比学习的文本聚类方法

张士举, 郭朝阳, 吴承亮, 吴凌俊, 杨丰玉

计算机科学. 2025, 52 (8): 171-179. doi:10.11896/jsjkx.240700008

摘要 ( 11 )

PDF(2636KB) ( 14 )

参考文献 | 相关文章 | 多维度评价

文本聚类是指将大量文本数据按照它们的相似性进行分组的过程,其可以帮助理解文本数据的结构和内容,发现其中的模式和趋势,通常用于信息检索、文档管理等。现有文本聚类模型在信息抽取过程中存在过度依赖原始数据质量和容易造成关键信息提取不充分的问题,而且不同类别的数据在表示空间中会相互重叠。针对以上问题,提出了一种基于关键语义驱动和对比学习的文本聚类方法(KSD-CLTC)。该方法在数据处理环节通过数据增强模块丰富原始数据来提高泛化性,并设计了一个关键语义驱动模块提取文本中的关键词,补足关键语义信息的丢失;在特征提取环节借助预训练模型和自动编码器对数据进行高质量表征;然后,在聚类学习环节借助聚类模块将聚类损失与关键语义驱动模块的重构损失相结合,进一步学习更适用于聚类的特征表示,并利用对比学习模块来实现更好的类别划分效果。实验结果表明,KSD-CLTC在公共数据集和工业数据集上的聚类效果优于对比的聚类算法,相比先进的SCCL方法,其在所有数据集上的ACC平均提高了2.92%,NMI平均提高了1.99%。聚类结果也证明了关键语义驱动模块对文本聚类的重要性。

基于动态平衡和距离抑制的点云语义分割主动学习

曾欣然, 李天瑞, 李崇寿

计算机科学. 2025, 52 (8): 180-187. doi:10.11896/jsjkx.240900104

摘要 ( 11 )

PDF(4533KB) ( 13 )

参考文献 | 相关文章 | 多维度评价

近年来,基于深度学习的点云语义分割取得了巨大的成功,但是它在很大程度上依赖于大量密集标注的点云数据。为了降低标注成本,许多弱监督学习方法应运而生。主动学习就是弱监督学习方法的一种,它通过选择点云的一个子集进行标注来降低标注成本。但是,目前的方法对区域信息量的估计没有充分考虑区域内所有点之间的联系,并且之前的多样性选择方法需要耗费较多的时间。为了缓解这些问题,提出一种基于动态平衡和距离抑制的点云语义分割主动学习方法。该方法通过引入区域不一致性来考虑区域中所有点之间的联系,并使用动态平衡策略来调整点级不确定性和区域不一致性的重要性以衡量区域信息量。此外,设计了特征-法线距离抑制策略来选择具有代表性的区域。该策略在考虑区域之间的空间结构时使用了一种更简单的方法,通过删除邻近的相似区域来避免冗余标注,从而提高了多样性选择的效率。在S3DIS和Semantic3D数据集上的实验结果表明,所提框架展现了最先进的性能,并且有效地减少了标注成本和多样性选择时间。

MTFuse:基于Mamba和Transformer的红外与可见光图像融合网络

丁政泽, 聂仁灿, 李锦涛, 苏华平, 徐航

计算机科学. 2025, 52 (8): 188-194. doi:10.11896/jsjkx.240600106

摘要 ( 11 )

PDF(3789KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

红外与可见光图像融合旨在保留红外图像的热辐射信息和可见光图像的纹理细节,以表示成像场景并全面促进下游视觉任务。基于卷积神经网络的融合模型由于专注于局部卷积运算,在捕获全局图像特征方面遇到限制。基于Transformer的模型虽然在全局特征建模方面表现出色,但也面临着二次复杂性带来的计算挑战。选择性结构化状态空间模型(Mamba)在具有线性复杂性的远程依赖建模方面表现出了巨大的潜力,为解决上述问题提供了一条有希望的路径。为了高效建模图像远程依赖,设计了一个残差选择性结构化状态空间模块(RMB)提取全局特征。同时,为了对多模态图像之间的关系进行建模,设计了一个跨模态查询融合注意力模块(CQAM)用于特征的自适应融合。此外,设计了一个由两项组成的损失函数,包括梯度损失和亮度损失,旨在以无监督的方式训练所提出的模型。与大量其他先进的方法在融合质量的对比实验和消融实验上证明了所提出的方法的有效性。

IBSNet:用于估计单视角扫描点云交互平分面的神经隐式场

袁右文, 金朔, 赵玺

计算机科学. 2025, 52 (8): 195-203. doi:10.11896/jsjkx.240900086

摘要 ( 8 )

PDF(4313KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

三维物体之间的空间关系分析对于多物体场景的理解及合成具有重要意义。传统的三维空间关系分析方法计算物体之间的交互平分面(Interaction Bisector Surface,IBS)并进一步提取其特征。然而,当输入为单视角扫描点云时,由于数据完整性的缺失,使用传统方法往往难以计算出准确的交互平分面,从而极大地影响了下游任务(如场景分类、分析、合成等)。针对此问题,提出一种面向单视角扫描点云的交互平分面估计方法,使用神经网络框架IBSNet估计双物体的差分无符号距离场,然后基于这种隐式距离场的表示提取交互平分面。在ICON数据集上对该方法与其他方法(几何方法、IMNet、Grasping Field)进行了对比实验,并测试了各个方法在面对不同残缺程度和噪声程度的单视角扫描点云时的鲁棒性。实验结果表明,该方法对于残缺的单视角扫描点云有一定的鲁棒性,可以有效地估计出形状之间的交互平分面。

基于混合注意力与偏振非对称损失的哈希图像检索

刘华咏, 徐明慧

计算机科学. 2025, 52 (8): 204-213. doi:10.11896/jsjkx.240600057

摘要 ( 7 )

PDF(3752KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

随着互联网的不断发展,人们每天都在制造大量且复杂的图像数据,使当今主流的社交媒体充满了图像等媒体数据,快速且准确地对图像进行检索已经成为了有意义且亟待解决的问题。卷积神经网络(CNN)模型是现有的主流哈希图像检索模型。然而,CNN的卷积操作只能捕捉局部特征,无法处理全局信息;且卷积操作的感受野大小固定,无法适应不同尺度的输入图像。为此,基于Transformer模型中的Swin-Transformer模型实现了图像的有效检索。Transformer模型利用自注意力机制和位置编码操作,有效地解决了CNN的问题。而现有的Swin-Transformer哈希图像检索模型的窗口注意力模块在提取图像特征时对于图像的不同通道给予了相同的权重,忽略了图像不同通道特征信息的差异性和依赖关系,使得提取的特征的可利用性降低,造成了计算资源的浪费。针对上述问题,提出了基于混合注意力与偏振非对称损失的哈希图像检索模型(HRMPA)。该设计基于Swin-Transformer的哈希特征提取模块(HFST),在HFST中的(S)W-MSA模块加入了通道注意力模块(CAB),得到基于混合注意力的哈希特征提取模块(HFMA),从而使模型对输入图像的不同通道的特征赋予不同的权重信息,增加了提取特征的多样性且最大限度地利用了计算资源。同时,为了最小化类内汉明距离、最大化类间汉明距离,并充分利用数据的监督信息,提高图像的检索精度,提出了偏振非对称损失函数(PA),使偏振损失和非对称损失以一定的权重分配比进行组合,从而有效地提高了图像的检索精度。实验表明,在哈希编码长度为16 bits时,所提模型在CIFAR-10单标签数据集上,最高平均精度均值达到98.73%,比VTS16-CSQ模型提高了1.51%;在NUSWIDE多标签数据集上,最高平均精度均值达到90.65%,比TransHash提高了18.02%,比VTS16-CSQ模型提高了5.92%。

改进RT-DETR的遥感图像小目标检测算法

沈涛, 张秀再, 许岱

计算机科学. 2025, 52 (8): 214-221. doi:10.11896/jsjkx.241000019

摘要 ( 11 )

PDF(4336KB) ( 15 )

参考文献 | 相关文章 | 多维度评价

针对遥感图像目标检测算法漏检率和误检率高,且对小目标检测效果差的问题,提出一种改进RT-DETR(Real-Time Detection Transformer)的目标检测算法。为提升模型对遥感图像中不同尺寸目标的检测能力,采用可变核卷积与多样化分支结构,丰富多尺度表征能力;为避免下采样造成小目标信息丢失的问题,采用Haar小波下采样保留尽可能多的特征信息;针对小目标特征信息在复杂的网络迭代与池化中丢失的问题,设计SPABC3模块,通过对称激活函数和残差连接增强检测目标信息和抑制冗余信息。实验结果表明,改进RT-DETR算法在VisDrone2019数据集和RSOD数据集上,mAP@0.5分别达到42.7%和95.3%,优于其他对比主流算法,提升了对遥感图像中小目标的检测精度,满足遥感图像小目标的检测需求。

VSRI:基于视觉语义关系交互的图像字幕生成方法

刘健, 姚任远, 高楠, 梁荣华, 陈朋

计算机科学. 2025, 52 (8): 222-231. doi:10.11896/jsjkx.240600082

摘要 ( 10 )

PDF(3588KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

图像字幕是多模态图像理解的关键目标之一,为此需要生成细节丰富且准确的图像字幕。目前,主流的图像字幕方法主要关注区域之间的相互关系,忽略了区域与网格之间的视觉语义关系,导致生成效果不佳。为此,提出了一种视觉语义关系交互框架,在区域与网格之间动态地构建视觉语义关系交互,以生成具有丰富场景细节和准确关系的描述。首先,提出语义关系构造器用于构建区域语义关系;然后,提出视觉-语义关系联合编码器,用于构建区域和网格内外的视觉和语义关系交互;最后,提出自适应桥接解码器,用于自适应地平衡区域和网格特征的贡献,并融合这两种特征以生成文本。在MSCOCO数据集上进行的实验表明,提出的方法在BLEU,Meteor等指标上均优于主流的基线方法。

基于隐式对齐的视频超分辨率模型

王凤玲, 魏爱敏, 庞雄文, 李智, 谢景明

计算机科学. 2025, 52 (8): 232-239. doi:10.11896/jsjkx.240500069

摘要 ( 6 )

PDF(3634KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

视频帧之间不仅具有空间相关性,还存在时间相关性。根据低分辨率视频重建高分辨率视频时,可以利用相邻的多帧信息对齐到目标帧,以指导当前帧的恢复。相邻帧之间的对齐一般采用光流指导的可变形卷积进行显式对齐,这种方法克服了可变形卷积的不稳定性,但会影响帧中高频信息的恢复,降低对齐信息的准确性并放大伪影。为解决上述问题,提出了一种基于隐式对齐的视频超分模型IAVSR(Implicit Alignment Video Super-Resolution)。IAVSR通过偏移量和原始值将光流编码到特定像素位置,以此计算光流预对齐的信息而不是利用插值函数插值获得,随后利用光流指导的可变形卷积对计算后的预对齐特征进行重对齐,以帮助高频信息的恢复。在双向传播中利用前两帧传播的信息进行对齐来指导当前帧的恢复,并引入残差网络结构,在提高对齐信息准确性的同时避免引入过多的参数。在REDS4公开数据集上的实验结果表明,IAVSR的峰值信噪比(PSNR)比基准模型提高了0.6 dB,且模型训练时的收敛速度提升了20%。

基于张量环子空间平滑与图正则的高光谱图像超分辨率方法研究

杨飞霞, 李正, 马飞

计算机科学. 2025, 52 (8): 240-250. doi:10.11896/jsjkx.240600026

摘要 ( 7 )

PDF(7145KB) ( 12 )

参考文献 | 相关文章 | 多维度评价

针对现有经典的矩阵分解模型会导致三维数据结构信息丢失,特别是受到噪声污染时重构图像质量严重下降等问题,提出了一种子空间平滑正则化与图正则相结合的高光谱与多光谱图像融合的方法,在保持立方体结构特征的同时利用流形结构与局部平滑特性来实现高光谱图像超分辨率的重建。首先,利用空间子空间与光谱子空间的局部自相似性,通过张量环因子构建空间图和光谱图来挖掘空间光谱流形结构,以提升重建图像质量;其次,引入子空间平滑正则化用于促进目标图像子空间的分段平滑;最后,设计一种高效的近端交替最小化算法对所提出的算法进行求解。在3个常用的实验数据集上进行的实验表明,所提出的模型不仅能改善空间细节和结构,在一定程度上还能抑制噪声。

基于两阶段时空对齐的小样本视频行为识别

王佳, 夏英, 丰江帆

计算机科学. 2025, 52 (8): 251-258. doi:10.11896/jsjkx.240900127

摘要 ( 9 )

PDF(3353KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

小样本视频行为识别旨在利用有限的训练样本构建高效学习模型,从而减轻传统行为识别对大规模且精细标注数据集的依赖。目前,小样本学习模型大多依据视频之间的相似性进行分类,但不同的动作实例呈现出不同的时空分布,导致查询视频与支持视频之间出现时间错位和动作演化错位,从而影响模型的识别性能。针对此问题,提出两阶段时空对齐网络TSAN,以提高视频数据的对齐精度,进而提升小样本视频行为识别的准确率。该网络采用元学习的基本架构,第一阶段通过动作时间对齐模块ATAM,构建元组模式的视频帧对,将视频动作细分为子动作序列,并结合视频数据中的时序信息,提升小样本学习的效率;第二阶段通过动作演化对齐模块AEAM,及其中包含的时间同步子模块TSM和空间协调子模块SCM,对查询特征进行校准,以匹配支持集的时空动作演化,从而提高小样本视频行为识别的准确率。在HMDB51,UCF101,SSV2100和Kinetics100这4个数据集上的实验结果表明,TSAN网络相较于现有小样本视频行为识别方法,具有更高的识别准确率。

基于对齐查询的跨语言信息检索方法

李俊文, 宋雨秋, 张维彦, 阮彤, 刘井平, 朱焱

计算机科学. 2025, 52 (8): 259-267. doi:10.11896/jsjkx.241000055

摘要 ( 9 )

PDF(2853KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

跨语言信息检索是自然语言处理中一项重要的信息获取任务。最近,基于大语言模型的检索方法在这一任务中获得了广泛关注并取得了显著的进展。然而,现有基于提示大语言模型的无监督检索方法在效果和效率上仍有不足。对此,提出了一种全新的基于对齐查询的跨语言信息检索方法。具体而言,采用“预训练-微调”范式,基于预训练多语言模型提出了一种自适应的自指导编码器,通过同一语言内的检索学习指导跨语言检索学习。该方法引入与文档语种相同的语义对齐的查询,并设计了一种自适应的自指导机制,利用不同语种视角下的单语言检索结果的概率分布来指导跨语言检索。在22对语言组合上进行了广泛的实验来评估所提模型的有效性和效率,结果表明,所提方法的MRR指标达到了当前最先进水平。具体而言,其在高资源语种组合上相较于次优基线的平均MRR提高了15.45%,在低资源语种组合上相较于次优基线提高了18.9%。此外,相比基于大语言模型的方法,该方法在训练时间和推理时间上均更短,并且显著提升了收敛性能。相关代码已公开。

基于持续事件知识网络的持续社会事件分类研究

张袁, 张胜杰, 刘利龙, 钱胜胜

计算机科学. 2025, 52 (8): 268-276. doi:10.11896/jsjkx.240600146

摘要 ( 9 )

PDF(2781KB) ( 13 )

参考文献 | 相关文章 | 多维度评价

随着互联网的快速发展和社交媒体规模的不断扩大,社会事件分类(Social Event Classification,SEC)越来越受到人们的关注。现有的社会事件分类研究侧重于识别一组固定的社会事件。然而,在现实世界中,社交媒体上会不断出现新的社会事件,这就需要一种实用的SEC模型能够迅速适应社会事件不断发展的环境。因此,研究了一个新的关键问题,即持续社会事件分类(C-SEC),在持续收集的社会数据中会不断出现新事件;提出了一种新颖的持续事件知识网络(Continual Event Knowledge Network,CEKNet),用于持续学习持续事件知识,以实现具有持续增量事件的C-SEC分类。所提出的持续学习框架由两个部分组成:当前事件知识学习和过去事件知识重放。首先,进行当前事件知识学习,学习当前输入数据中新出现事件的分类。其次,设计了具有知识自蒸馏功能的过去事件知识重放,以巩固所学到的过去事件知识,防止灾难性遗忘。在真实世界的社会事件数据集上进行的综合实验表明,与先进的方法相比,为C-SEC而提出的CEKNet更具优势。

解耦知识蒸馏在文档级关系抽取中的应用

刘乐, 肖蓉, 杨肖

计算机科学. 2025, 52 (8): 277-287. doi:10.11896/jsjkx.240600050

摘要 ( 8 )

PDF(2530KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

文档级关系抽取是自然语言处理领域中的一个重要研究方向,旨在从无结构或半结构的自然语言文档中提取实体之间的语义关系。提出了结合使用解耦知识蒸馏方法和交叉多头注意力机制来解决文档级关系抽取任务。首先,交叉多头注意机制不仅能够并行关注不同注意力头中的元素,使模型在不同粒度和层级上进行信息的交流和整合,而且允许模型在计算头实体与尾实体之间的注意力时,同时考虑它们与关系之间的相关性,从而提升模型对复杂关系的理解能力,增强模型对实体特征表示的学习。此外,为了进一步优化模型性能,还引入了解耦知识蒸馏方法去适应远程监督数据。该方法将原始KL散度损失中的目标类别知识蒸馏损失TCKDL和非目标类别知识蒸馏损失NCKDL解耦为了两个可以通过超参数调整其权重重要性的独立部分,提高了知识蒸馏过程的灵活性和有效性,特别是在处理DocRED远程监督数据中的噪声时,能够更精准地进行知识迁移和学习。实验结果表明,所提模型在DocRED数据集上能够更有效地提取实体对之间的关系。

基于局部中心解聚类的多模态多目标优化算法

岳彩通, 叶文豪, 张颖洁, 梁静, 林泓宇

计算机科学. 2025, 52 (8): 288-299. doi:10.11896/jsjkx.240700094

摘要 ( 12 )

PDF(3393KB) ( 15 )

参考文献 | 相关文章 | 多维度评价

在多模态多目标优化问题中,求得多个全局及局部最优解可以为决策者提供更加灵活的选择方案。然而,目前大多数多模态多目标算法的研究工作侧重于寻找多个等效的全局帕累托最优解,忽略了同样有保留价值的局部帕累托最优解。基于上述问题,提出了一种基于局部中心解聚类的多模态多目标优化算法。该算法通过局部中心解的选择策略来定位尽可能多的最优区域,然后针对种群在最优区域的不同探索情况设计了两种不同的搜索策略,使得种群可以根据自身情况自适应地选择变异策略,从而对每个最优区域进行更好的开发。在CEC2020多模态多目标测试问题集上进行了测试,所设计的进化算法在求解含多个全局帕累托解集和同时含全局及局部帕累托解集的测试问题中都表现出了良好的性能。

结合预训练模型和数据增强的跨领域属性级情感分析研究

陈舸, 王中卿

计算机科学. 2025, 52 (8): 300-307. doi:10.11896/jsjkx.240900114

摘要 ( 14 )

PDF(2318KB) ( 22 )

参考文献 | 相关文章 | 多维度评价

属性级情感分析(ABSA)是一项细粒度情感分析任务,旨在识别文本中的具体属性并探测其情感倾向。针对ABSA模型因无法适应不同领域的语言风格而导致性能不佳以及目标领域缺乏标注数据的问题,提出了一种结合预训练模型的跨领域属性级情感分析方法。该方法利用预训练模型对目标领域文本进行标签生成,再利用大语言模型重新生成更具目标领域风格的自然语句,最后将生成的样本和源领域样本组合训练,以对目标领域进行预测。在SemEval语料库的restaurant和laptop数据集以及一个公开的网络服务评论数据集上进行实验,结果表明,与现有跨领域情感分析方法相比,所提方法在F₁值上至少提升了5.33%,充分证明了该方法的有效性。

基于多轮LLM和犯罪知识图谱的多被告人法律判决预测

王东升

计算机科学. 2025, 52 (8): 308-316. doi:10.11896/jsjkx.240900170

摘要 ( 13 )

PDF(3167KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

一些研究利用先进的大模型(LLM)技术理解法律事实,预测被告人的罪名、刑期等判决结果。为进一步深入研究,选择了更为复杂的多被告人法律判决预测任务,它比单被告人预测更困难。具体地,将与LLM的交互由单轮升级为多轮,以此提高LLM对案件的理解能力。此外,构建了描述案件的两类犯罪知识图谱,其中犯罪关系知识图谱刻画了被告人之间的帮助关系,量刑情节知识图谱展示了案件的核心犯罪情节。通过犯罪知识图谱,设计了一个检索系统为LLM提供类案判决的参考。在多被告法律判决预测实验中,所提方法的预测结果优于对比方法,这表明多轮LLM交互和犯罪知识图谱的设计是有效的。

基于拥塞感知和缓存通信的多智能体路径规划

张永良, 李子文, 许家豪, 江雨宸, 崔滢

计算机科学. 2025, 52 (8): 317-325. doi:10.11896/jsjkx.240900012

摘要 ( 9 )

PDF(2811KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

多智能体路径规划任务(MAPF)是大规模机器人系统的重要组成部分。基于冲突搜索的传统规划器受限于计算时间,导致可扩展性低,而基于通信机制的多智能体强化学习策略显著改善了这一问题。随着任务规模的扩大,如何有效通信和避免拥塞成为基于学习方法的主要障碍。针对这些问题,提出了一种基于缓存通信并具备拥塞感知能力的分布式规划器(C3MAP),在合理降低通信频率的同时保持优异的求解成功率。具体而言,当且仅当智能体的可观测信息与上一次通信内容存在显著差异或接收到其他智能体传来的广播请求信号时,才对局部视野内的智能体进行广播通信;同时,引入拥塞信息作为局部可观测信息,以指导智能体避开拥塞区域。基准测试的实验结果表明,C3MAP在结构化场景中的求解成功率均高于90%,显著优于现有基于学习的方法,且在大规模场景实验中进一步验证了缓存通信机制优越的稳定性以及拥塞感知的有效性。

基于改进Dueling-DQN的多无人机路径规划算法

付文浩, 葛礼勇, 汪文, 张淳

计算机科学. 2025, 52 (8): 326-334. doi:10.11896/jsjkx.240600104

摘要 ( 10 )

PDF(3634KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

为了解决多无人机在三维未知障碍环境中对动态目标追击的路径规划问题,将人工势场法与深度强化学习算法结合,提出一种基于改进dueling deep Q network(Dueling-DQN)的多无人机路径规划算法,用于解决多无人机合作捕捉动态目标的路径规划问题。首先,将人工势场法的思想融入到多无人机合作捕捉动态目标的训练奖励函数中,不仅解决了传统人工势场法复杂环境中表现不佳,易陷入局部最优的问题,同时解决了多无人机合作和无人机复杂环境避障问题。此外,为了使无人机之间能更好合作捕捉动态目标,设计了一种多无人机与动态目标的捕捉逃逸策略。仿真结果表明,与Dueling-DQN算法相比,提出的APF-Dueling-DQN算法有效降低了无人机航迹规划任务过程中发生碰撞的概率,缩短了捕捉动态目标所需规划路径长度。

Cubic+:用于跨数据中心网络的改进Cubic拥塞控制算法

龙铁, 肖甫, 樊卫北, 何昕, 王俊昌

计算机科学. 2025, 52 (8): 335-342. doi:10.11896/jsjkx.250100056

摘要 ( 6 )

PDF(3165KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

跨数据中心网络是处于不同地区的数据中心网络(Data Center Networks,DCNs)通过广域网(Wide-Area Network,WAN)连接组成的网络,分布式应用通常基于该网络为用户提供高质量的服务。DCNs和WAN的缓冲区大小、往返时延存在显著差异,这导致现有的Cubic拥塞控制算法在跨数据中心网络场景下出现降速不准确、丢包率过高以及与其他拥塞控制算法兼容性差等问题。针对以上挑战,提出了一种通过匹配不同发送速率模式的改进Cubic算法Cubic+。具体地,Cubic+整合了网络中的时延、ECN(Explicit Congestion Notification)和丢包信号。当拥塞发生在浅缓冲交换机时,Cubic+会周期性地排空队列;当拥塞发生在深缓冲路由器时,Cubic+会快速减少堆积的数据包。基于大规模NS3仿真实验结果表明,在跨数据中心网络流量模型下,Cubic+与现有流行算法相比,平均流完成时间最多减少了20.77%,第99百分位流完成时间最多减少了15.88%,为跨数据中心网络提供了一种高吞吐的拥塞控制算法。

基于SDN的通存一体化边缘在网存储节点选择方法

叶苗, 王珏, 蒋秋香, 王勇

计算机科学. 2025, 52 (8): 343-353. doi:10.11896/jsjkx.240900174

摘要 ( 10 )

PDF(3580KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

通常的边缘分布式存储系统将数据存储在多个边缘端服务器上,不仅传输时延受限于数据到边缘服务器的距离,而且服务器节点之间的网络通信管理和配置不够灵活,数据通过网络传输完成边缘存储受到带宽、吞吐量和网络故障等因素的影响,并且在考虑数据存储位置时只考虑存储节点容量,忽略了边缘网络负载和存储节点负载的因素给数据存储效率带来的影响。为解决这些问题,设计了一种通存一体化边缘在网存储架构。该架构融合了软件定义网络(SDN)的灵活性与服务消息块协议(SMB)的高效性,将边缘网络产生的数据存储在部分网络转发节点,并通过开发定制边缘通存一体化网络交换机实现了所设计的原型系统。首先,利用开发定制一种耦合存储功能的SDN交换机作为具备在网存储功能的存储节点,将数据存储到这些网络转发节点上,以有效减少数据传输的网络延迟;然后,通过使用SDN技术实时获取网络状态信息和存储节点自身信息,不仅实现了网络传输的动态优化,解决了网络配置管理繁琐的问题,还能以此为基础,建立一种数据存储节点选择的多属性决策模型和设计相应的层次分析求解算法,综合考虑网络状态和节点状态来完成数据在网存储位置的选择;最后,通过系列实验表明,与现有边缘分布式存储系统的数据存储方法相比,所设计和实现的通存一体化边缘在网存储系统能够更灵活地进行网络管理和配置,显著地降低数据存储的时延。

基于异构节点的高效任务卸载策略

范兴刚, 姜新阳, 谷文婷, 徐骏涛, 杨友东, 李强

计算机科学. 2025, 52 (8): 354-362. doi:10.11896/jsjkx.240700088

摘要 ( 8 )

PDF(2788KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

在车联网边缘计算中,如何利用有限的网络资源实施高效的任务卸载,是近年来车联网的研究热点。通过研究异构节点模式下的任务卸载,设计了一种异构节点模式下的高效任务卸载策略TOS-HN。当车辆产生任务时,优先考虑移动节点卸载,将任务卸载到附近空闲车辆上。若移动卸载不能满足任务需求,则采用固定节点卸载策略。在移动节点卸载模式中,先根据任务处理时延和能耗构建代价矩阵,再通过匈牙利算法确定任务车辆和处理车辆的最优匹配。仿真实验证明,TOS-HN算法相比于其他算法具有显著优势,在时延、能耗、任务成功率和基站负载方面均具有较好的性能。

基于运动角度的视频帧删除检测算法及其证据效力规范

王康庆, 夏立款, 李硕

计算机科学. 2025, 52 (8): 363-373. doi:10.11896/jsjkx.250500051

摘要 ( 11 )

PDF(4752KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

近年来视频恶意篡改行为屡见不鲜,已对电子证据的真实性与可靠性提出严峻挑战。其中,视频帧删除篡改行为可以掩盖事实真相,对视频类电子证据的破坏尤为严重。因此,帧删除检测问题受到越多越多的关注。目前,主流帧删除检测方法主要依赖帧删除行为在时域所产生的内容连续性衰减来甄别篡改视频。然而视频的时域信息较为复杂,通过时域内容连续性衰减来捕捉帧删除痕迹的方法并不稳定。针对此问题,以视频中运动目标的运动角度为研究对象,建立了一阶马尔可夫模型,推导出频域马尔可夫连续性衰减痕迹;随后基于频域马尔可夫连续性衰减痕迹,提出了一种基于时频分析技术的视频帧删除检测算法。实验结果表明:相较于时域连续性衰减痕迹,基于频域连续性衰减痕迹的视频帧删除检测算法具有更加优越的取证性能。在此基础之上,从证据合法性、证据真实性以及证据关联性等维度构建的法律规范框架,为数字时代电子证据规则的完善提供了理论参考,实现了技术正义与程序正义的双重目标。

基于双重分类和重建的跨域图异常检测

苏世玉, 于炯, 李姝, 酒世承

计算机科学. 2025, 52 (8): 374-384. doi:10.11896/jsjkx.241000140

摘要 ( 11 )

PDF(2992KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

跨域图异常检测通过带标签的源图辅助无标签目标图,提升了异常节点检测的准确性,进而有效降低了无监督图异常检测中的高误报率。尽管已有多种领域自适应方法被相继提出,但图数据复杂的拓扑结构与节点属性之间的关系使得源图与目标图之间的特征难以对齐;此外,图异常节点的多样性进一步增加了域对齐后的检测难度。为了解决上述问题,提出了一种新的跨域图异常检测框架,即双重分类和重建网络(Dual Classification and Reconstruction Network,DCRN)。该网络采用重建策略进行领域自适应,通过联合优化结构和属性的共享编码器、异常分类器和解码器,使共享编码器能够有效捕捉源图与目标图之间复杂的拓扑结构和节点属性关系,实现特征对齐与知识迁移。在对目标图进行异常检测的过程中,DCRN结合异常分类器和解码器的检测结果,识别与源图相似的异常节点以及仅存在于目标图中的特有异常,从而提升了模型的检测效果。在4个真实数据集上的实验表明,与10种基线方法相比,DCRN的AUC-ROC和AUC-PR平均提升了4.5%和20.5%,且FAR指标降低了16.13%。这些结果表明DCRN能够有效地检测目标图中的异常节点。

基于代理人的区块链双向混币协议

冯艺萌, 冯雁, 谢四江, 张青

计算机科学. 2025, 52 (8): 385-392. doi:10.11896/jsjkx.240600079

摘要 ( 9 )

PDF(2475KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

针对区块链交易图谱分析可能泄露用户隐私,第三方混币服务商不可信的情况,提出了一种无需第三方的基于代理人的双向混币协议PBShuffle。协议过程无需第三方混币服务商参与,采用代理人向汇总用户传递输出地址的方式,代理人由参与者在所有参与者中随机选择,需进行两轮混合,分别向两名汇总用户传递输出地址。协议利用双重加密方式实现对输出地址传递过程中的隐私保护,代理人仅能解密使用汇总用户公钥加密过的加密消息,汇总用户仅能得知消息由代理人传递,无法得出消息的源头参与者。通过理论分析可知协议在不可连接性、可验证性和健壮性3方面具有较高的安全性。与CoinShuffle的对比实验表明,在参与用户数量较多的情况下,PBShuffle具有更高的效率和更低的开销,更适用于实际应用。

基于自适应采样的超级传播者检测算法

孙靖宇, 黄河, 孙玉娥, 张博宇

计算机科学. 2025, 52 (8): 393-402. doi:10.11896/jsjkx.240900085

摘要 ( 9 )

PDF(3074KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

在高速网络环境中,超级传播者被界定为那些具有大量连接的主机或设备。准确的超级传播者检测在网络监控、安全分析及流量管理等多种应用中起着至关重要的作用。基于Sketch的可逆算法因具有卓越的内存效率与从内部结构中恢复超级传播者ID的能力,受到了广泛关注。根据应用需要,通常将同一台主机或设备发出或接收的所有数据包抽象为一条流。在高速网络中,流的分布通常高度偏斜,仅有少部分流为大流,绝大多数是小流。然而,现有研究的内存结构设计无法高效地适应高度偏斜的流分布,使得内存资源利用率较为低下。为此,设计了一种基于自适应采样的超级传播者检测算法AS-SSD(Adaptive Sampling Based Super Spreader Detection),该算法通过一种基于寄存器共享的自适应采样策略,弥补了上述不足。AS-SSD首先将到达的流元素映射到一个寄存器数组中,使得小流仅使用少量寄存器,而越大的流使用越多的寄存器,从而适应偏斜的流分布;接着,将所有流的元素映射到一个寄存器数组中,使得小流仅使用少量寄存器,大流使用更多的寄存器,从而适应偏斜的流分布;然后,利用自适应采样策略动态调整不同规模流的元素采样概率,在保证精度的前提下,减少大流对寄存器的占用,进一步提升内存资源的利用效率。实验评估显示,AS-SSD在维持高吞吐量的同时,在超级传播者检测任务中展现出了更高的检测准确度,相比目前最先进的算法,最高可以将F1值提高0.609以上。

一种基于线性插值的对抗攻击方法

陈军, 周强, 鲍蕾, 陶卿

计算机科学. 2025, 52 (8): 403-410. doi:10.11896/jsjkx.240700058

摘要 ( 8 )

PDF(2389KB) ( 12 )

参考文献 | 相关文章 | 多维度评价

深度神经网络在对抗性样本面前表现出显著的脆弱性,易遭受攻击。对抗性样本的构造可被抽象为一个最大化目标函数的优化问题。然而,基于梯度迭代的方法在处理此类优化问题时往往面临收敛性挑战。这类方法主要依赖梯度符号进行迭代更新,却忽略了梯度的大小和方向信息,导致算法性能不稳定。研究表明,I-FGSM对抗攻击算法源自优化领域中的随机投影次梯度方法。已有文献指出,在优化问题中,采用线性插值方法替代随机投影次梯度方法能够获得优异的性能。鉴于此,提出一种新型的基于线性插值的对抗攻击方法。该方法将插值策略应用于对抗攻击中,并以实际梯度替代传统的符号梯度。理论上,所提出的线性插值对抗攻击算法已被证明在一般凸优化问题中能够实现最优的个体收敛速率,从而克服符号梯度类算法的收敛难题。实验结果证实,线性插值方法作为一种通用且高效的策略,与基于梯度的对抗攻击方法相结合,能够形成新的攻击算法。相较于已有算法,这些新的攻击算法在保持对抗性样本的不可察觉性的同时,显著提升了攻击成功率,并在迭代过程中保持了较高的稳定性。

有向网络下隐私在线约束优化问题的状态分解分布式对偶平均算法

代祥光, 贺成龙, 管明宇, 张伟, 周炀, 刘建峰, 吕庆国

计算机科学. 2025, 52 (8): 411-420. doi:10.11896/jsjkx.250300083

摘要 ( 9 )

PDF(3045KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

文中研究了一类具有公共约束集的分布式在线约束优化问题。网络中的各个节点通过局部计算和通信协同求解该问题,每个节点仅能访问自身的局部损失函数,该函数的取值依赖于其每次迭代中的决策变量。然而,由于节点在通信过程中不断广播与隐私相关的信息,大多数现有算法可能面临隐私泄露的风险。为此,提出了一种高效的状态分解分布式对偶平均算法。该算法结合状态分解和梯度调整策略,以增强隐私保护能力,同时消除有向网络中的不平衡性。值得注意的是,该算法无需额外的隐藏信号,也不会显著增加计算量。理论分析表明,该方法不仅能实现次线性遗憾,还能够有效保护各节点损失函数的隐私性。此外,通过仿真实验验证了该算法的收敛性和可行性。