计算机科学

第52卷第10期目录

计算机科学. 2025, 52 (10): 0-0.

摘要 ( 11 )

PDF(389KB) ( 15 )

相关文章 | 多维度评价

表格数据生成技术综述

王永鑫, 徐鑫, 朱鸿斌

计算机科学. 2025, 52 (10): 3-12. doi:10.11896/jsjkx.250800044

摘要 ( 10 )

PDF(2467KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

表格数据因在金融、医疗等关键领域广泛应用而具有重要价值。然而,对于表格数据的有效利用,常受到数据稀缺、类别不平衡及隐私法规的严格制约。为应对这些挑战,通过生成模型合成在统计特性上与真实数据高度相似的样本,已成为一种新兴的解决方案,旨在增强数据可用性并保护用户隐私。该领域的技术发展路径从传统的深度学习模型逐步演进至前沿范式。早期的探索以变分自编码器和生成对抗网络为代表,但这些方法常面临训练不稳定和模式坍塌等瓶颈,影响了生成数据的质量。为克服这些难题,扩散模型应运而生,其通过渐进式的去噪过程,在生成高保真度和多样性的样本方面展现出显著优势。尽管如此,这些模型的核心仍是模仿统计分布,缺乏对现实世界常识的理解。为此,最新的研究转向基于大型语言模型的方法,利用其丰富的世界知识,旨在生成不仅统计真实,而且在逻辑与语义上也更合理的合成表格数据。对该领域的系统性回顾,旨在为研究者和从业者提供全面的技术认知,并为不同应用场景下选择最合适的技术路径提供决策参考。

基于拓扑结构特征的投资组合构建研究

李瑞阳, 李庶祎, 杨越溪, 彭楚涵, 邢静雨, 乔高秀

计算机科学. 2025, 52 (10): 13-21. doi:10.11896/jsjkx.250100136

摘要 ( 14 )

PDF(3299KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

近年来,拓扑数据分析(Topological Data Analysis,TDA)在金融领域的应用逐渐显现出价值。TDA通过持久同调等方法构建复形,能有效量化数据的形状,以便提取数据信息,为时间序列分析,特别是金融时间序列的聚类与投资组合的构建提供了独特优势。基于此,通过采用TDA方法对中国股票市场的时间序列数据进行深入挖掘,结合聚类算法,并将其应用于投资组合的构建,分析其有效性。通过滑动窗口法进行验证,结果表明基于TDA(去噪)聚类的投资组合在回报风险比和稳定性方面表现良好,优于市场整体表现。研究表明,TDA方法可以更有效地挖掘股票数据中的信息,为投资者提供科学依据,从而取得最佳收益。

群组交叉对抗模型在股价预测中的应用

李奥, 白雪茹, 姜佳丽, 乔烨

计算机科学. 2025, 52 (10): 22-32. doi:10.11896/jsjkx.250300104

摘要 ( 12 )

PDF(3390KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

股票价格预测一直是金融研究和量化投资共同关注的重点话题。针对传统GAN模型存在模式崩溃与泛化能力弱的问题,同时为提高股价预测准确度,提出了群组交叉对抗模型(GCA),该模型包含多个生成器和多个判别器,同时在生成器和判别器间引入协作机制,以提升生成器的泛化能力,并通过知识蒸馏进一步提升生成器的预测性能。实验选取2015年1月1日至2025年1月1日期间A股(工商银行、华能国际、招商银行和青岛海尔)和美股(阿里巴巴、亚马逊、京东和美国银行)共8只股票的日度数据作为研究样本,构建了包括市场数据、技术指标在内的24个特征变量的数据集。研究结果表明,GCA模型在MAE,MAPE和MSE这3项评估指标上的表现明显优于单独应用的GRU,LSTM和Transformer模型,同时还优于结合了GAN的GRU-GAN,LSTM-GAN和Transformer-GAN模型,以及WGAN-GP和ResNLS模型;即使GAN并未对原始模型进行优化,但其引入GCA框架依旧提高了模型预测精度。进一步的讨论显示,增加生成器和判别器组数可以进一步提升预测效果。

融合机器学习预测和水波优化算法求解银行在线客服调度问题

卢雪琴, 谢歙铖, 唐燕, 陈世昆, 刘仰光

计算机科学. 2025, 52 (10): 33-49. doi:10.11896/jsjkx.250500086

摘要 ( 5 )

PDF(5164KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

在线客服的调度是银行客服中心的核心运营环节。高效的客服调度通过合理的人员配置与排班,确保客户能够及时获得服务,从而提升客户体验。然而,客户请求到达的随机性以及客服技能水平差异,使得在线客服调度问题变得复杂。对此,综合考虑客服技能等级、客户类型多样性以及匹配需求等因素,构建了一个以客户等待时间和运营成本最小化为优化目标的混合整数线性规划模型。针对客户需求的不确定性可能会导致客户需求和客服匹配困难,以及该问题在高维解空间中的求解复杂性,提出了一种融合机器学习预测与水波优化算法的混合方法来求解该客服调度问题。在该方法中,采用长短期记忆神经网络对客户到达量进行预测,充分捕捉其时间序列依赖性及外部因素的影响。对于客服调度的混合整数规划模型,则通过一种结合强化学习Q-learning的水波优化算法进行高效求解。以浙江泰隆银行宁波分行在线客服中心的真实数据为基础进行实验,结果表明,所提方法在运营成本控制方面显著优于对比方法。进一步的灵敏度分析揭示:当预测准确率低于90%时,因客户到达量的不确定性,调度成本与客户等待时长均显著上升;而当预测准确率达到或超过90%后,系统性能的提升趋于平缓。这些发现不仅验证了高精度预测对调度效果的显著影响,还为实际应用中平衡预测模型复杂度与调度效率提供了理论基础和实践指导。

可解释的信用风险评估模型:基于注意力机制的规则提取方法

王宝财, 吴国伟

计算机科学. 2025, 52 (10): 50-59. doi:10.11896/jsjkx.250300059

摘要 ( 7 )

PDF(2439KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

信用风险评估旨在预判客户是否会违约,被视为一项复杂的非线性二分类难题。尽管传统的统计模型在信用评估领域具有一定的应用价值,但其局限性也日益显现。鉴于此,机器学习技术,特别是支持向量机、深度神经网络和集成学习等先进方法,在信用风险评估领域得到了广泛应用,旨在提升模型的准确性和预测精度。然而,尽管这些机器学习模型性能卓越,但其内在的复杂性和不透明性导致模型预测结果难以向用户阐释,在实施过程中面临诸多挑战。为解决这一问题,提出了一种可解释的信用风险评估模型,该模型融合了注意力机制与树集成规则提取技术,能够自动识别训练数据中的复杂非线性关系,实现模型自身的可解释。首先从训练好的树集成模型中提炼出众多可解释的规则,并将这些规则转换为新的特征变量,然后将这些新的特征变量作为注意力神经网络的输入,以精确计算每条规则的注意力权重。在此基础上,模型根据注意力权重、目标函数及约束条件,综合考虑规则子集的预测精度、稳定性和可解释性,可在线性时间内高效地求得最优规则子集。在3个公开数据集上进行了实验,结果表明,所提方法在保持模型较高预测精度的前提下,实现了模型可解释性的显著提升。

基于时序图神经网络的资产管理反洗钱检测方法

徐鑫, 朱鸿斌, 谌杰, 李青汶, 张霄蓉, 吕智慧

计算机科学. 2025, 52 (10): 60-69. doi:10.11896/jsjkx.250800009

摘要 ( 6 )

PDF(3104KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

资产管理行业因高频且灵活的资金操作方式,已成为洗钱活动的重要目标。然而,资产管理行业中交易结构的稀疏性、客户间隐性资金流转路径的复杂性,以及交易行为的非统一特征,使得传统显式关系的图建模方法难以有效应对这些挑战。针对上述问题,提出了一种基于时序图神经网络的资产管理反洗钱检测框架(AM-GAML)。该框架通过融合时序模型与图神经网络,构建时间-结构联合嵌入表示,并设计了基于隐式交互关系的图生成机制,能够充分挖掘交易记录中的弱关联特征并捕捉客户间复杂的交易行为模式。在真实交易数据集上的实验验证了AM-GAML在准确率、召回率、F1-score和AUPRC等多个关键指标上显著优于多个先进方法,尤其在少数类识别和泛化能力方面表现突出。所提方法为资产管理行业的反洗钱检测提供了高效且可靠的解决方案,并为复杂金融场景下的风险防控研究提供了有力支持。

基于结构因果模型的城市出行流量预测方法

刘钰婷, 顾晶晶, 周强

计算机科学. 2025, 52 (10): 70-78. doi:10.11896/jsjkx.241000088

摘要 ( 7 )

PDF(3985KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

城市出行流量预测是智慧城市研究中的重要课题,为城市规划和资源优化提供了关键的数据支持。近年来,基于图神经网络的城市流量预测模型在提升预测精度上取得了显著进展。然而,大多数现有研究都假设训练数据和测试数据来自相同的分布,忽视了现实世界中城市流量分布动态变化的复杂性,导致模型在面对分布偏移时表现不佳。为了解决这一问题,提出一种基于结构因果模型的城市出行流量预测方法,旨在应对分布偏移带来的模型泛化挑战。该方法首先利用结构因果模型揭示环境因素作为混淆变量对流量预测的影响效应,并设计共享分布估计器以学习环境信息的先验分布,进而引入后门调整方法,结合变分推断有效消除环境因素引起的混淆影响。该方法能够公平地考虑不同环境信息,提升流量预测的准确性与鲁棒性。在两个真实世界数据集上的实验结果表明,所提方法在应对分布偏移时具有较高的预测精度和鲁棒性。与6种主流基线模型相比,预测性能提升了2.26%~9.18%。

基于相对邻近度的自适应谱聚类算法

原泽菲, 张正军, 姜国林

计算机科学. 2025, 52 (10): 79-89. doi:10.11896/jsjkx.240800102

摘要 ( 4 )

PDF(4244KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

针对以高斯核函数为相似性度量的传统谱聚类算法需人为设置尺度参数,相似度与样本分布结构无关的问题,定义了在自然k近邻基础上的共享邻居,结合数据点的近邻信息构造了能反映区域密度的多尺度参数,以新的尺度参数重新定义了相似性度量,提出了一种基于相对邻近度的自适应谱聚类算法(Adaptive Spectral Clustering based on Relative Proximity,RPASC)。改进的尺度参数结合了间隔尺度、顺序尺度及比例尺度等特性,体现了数据点之间的相对位置关系,反映了不同密度簇的分布特征和空间结构,提高了算法对不同分布数据集的适应性。新的相似性度量通过灵活调整局部尺度参数的大小,自适应地缩小不同密度簇边界上数据点的相似度,使聚类的簇边界更明确,有利于发现真实的簇形态。通过在人工合成数据集和UCI真实数据集上进行的实验,验证了RPASC算法在多个聚类性能指标上的有效性。

用于交通预测的时空传播图神经网络

雷二帅, 禹素萍, 范红, 许武军

计算机科学. 2025, 52 (10): 90-97. doi:10.11896/jsjkx.241000045

摘要 ( 5 )

PDF(3178KB) ( 3 )

参考文献 | 相关文章 | 多维度评价

在交通预测领域,数据间存在着复杂且长程的时空关系,现有的图结构未能充分挖掘数据间隐含的时空关系。针对上述问题,在MTGNN的基础上进行了一系列的改进,提出了一种用于交通预测的时空传播图神经网络(Spatial-Temporal Propagation Graph Neural Network,STPGNN)。首先,用多尺度卷积模块来捕获不同尺度的时序信息,并通过特征融合模块进行融合,以捕获复杂的时序信息。其次,在MTGNN单向自适应图结构的基础上,设计并加入了双向图学习层,以深入挖掘并利用数据间隐含的双向空间关系。接着,针对网络层级间的信息传递,提出一种新的层级间信息传递方法,将每层中多尺度的时序信息依次传递至下一层,以更好地挖掘复杂且长程的时空关系。最后,根据网络各层级的时间与空间信息,通过输出卷积获得预测结果。在METR-LA,PEMS-BAY和NE-BJ等数据集上进行了实验验证,结果表明,STPGNN能够有效提高预测精度,在常用的3个指标上优于一些现有的方法,尤其是在进行更长时的预测时,表现更为出色。

ACCF:时间预测机制驱动的top-k流测量

胡永庆, 杨含, 刘子源, 秦广军, 戴庆龙

计算机科学. 2025, 52 (10): 98-105. doi:10.11896/jsjkx.241000033

摘要 ( 3 )

PDF(2196KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

针对当前top-k流测量过滤算法依赖固定计数器阈值的问题,提出了基于活跃度预测机制的ACCF(Activity Counting Cuckoo Filter)测量结构。ACCF通过引入活跃度预测机制,利用时间序列分析和指数加权移动平均(Exponentially Weighted Moving Average,EWMA)机制,动态计算网络流的活跃度,实现对潜在的top-k流的实时识别与提前过滤。针对哈希冲突可能导致的精度损失,ACCF引入了自刷新存储表(Self-Refreshing Storage Table,SRST),用于存储踢出路径上的网络流信息。当踢出操作达到设定的MaxNumKicks值时,SRST会在局部范围内优先踢出活跃度最小的网络流项,避免重要流量信息丢失。实验结果证明,ACCF与SRST在合适的参数组合条件下,可以提前过滤65%左右的大流并减少41%左右的插入操作,并显著提升了在top-k流量测量中的精度,尤其是在与传统的Space Saving(SS),CM Sketch,LUSketch和Cuckoo Counter算法对比时,展现了明显的优势。

基于时空关节映射的骨架动作识别方法

赵晨, 彭舰, 黄军豪

计算机科学. 2025, 52 (10): 106-114. doi:10.11896/jsjkx.240800108

摘要 ( 7 )

PDF(3494KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

近年来,基于骨架的动作识别任务受到了研究人员的广泛关注,并取得了长足的研究进展。图卷积网络和卷积神经网络作为强大且有效的模型范式,在骨架动作识别领域同样受到了研究人员的青睐。1)大多数基于GCN(Graph Convolutional Network)的方法使用的是时间、空间分别建模的方式,这阻碍了时空信息的直接交互;2)基于CNN(Convolutional Neural Network)的方法有效地建模了时空信息,但相比于基于GCN的方法,它并没有很好地利用空间信息。针对上述问题,提出了一个新颖的时空信息聚合操作,称作时空节点映射(Spatial-Temporal Joint Mapping,STJM)。该方法既结合了基于GCN的方法中图的拓扑信息,又采用了基于CNN的方法来同时聚合时空信息。相较于传统的GCN方法,该方法将节点进行了高维映射,拥有更强的表意能力。在进行节点高维映射后,只需要一个简单的τ×K的卷积核即可同时聚合时间与空间特征。作为一个新颖的时空信息聚合模块,许多基于GCN的拓扑增强策略都可以应用在STJM block上。实验表明,将STJM作为一个即插即用的模块与现有模型进行结合,在NTU RGB+D 60和NTU RGB+D 120两个大规模骨架数据集上,其性能获得了显著提升。

基于成像切片连续性的PET直接生成CT的衰减校正算法

郑涵元, 葛荣骏, 何升级, 李楠

计算机科学. 2025, 52 (10): 115-122. doi:10.11896/jsjkx.240700135

摘要 ( 5 )

PDF(3915KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

PET衰减校正技术在临床上具有重要意义,其能够有效降低癌症误诊率并制定更为精确的治疗计划。然而,传统的PET衰减校正方法面临扫描时间较长和后期处理引入误差等问题,限制了其应用范围。近期,基于PET直接生成CT的衰减校正方法凭借更短的扫描时长和无后期处理误差的优势,逐渐流行于临床应用。然而,由于PET与CT之间的语义差异巨大且不对齐,使得PET直接生成CT的衰减方法在模态生成中面临着巨大的挑战。针对这一挑战,提出了一种基于Cycle-S2SCT-Net生成网络的PET衰减校正方法。Cycle-S2SCT-Net在整体上借助循环生成对抗结构学习PET与CT分布变换映射,实现了PET与CT两种模态间的语义转换。在单个生成对抗网络内部,Cycle-S2SCT-Net集成了成像切片连续性模块,以增强网络的语义对齐能力,从而提高生成成像的连续性和准确性。此外,还引入了网络特征层损失函数(Layer Loss),以增强生成网络的特征提取能力。实验结果表明,Cycle-S2SCT-Net生成的CT及其衰减校正后的PET,在定量评估指标峰值信噪比(PSNR)、结构相似性(SSIM)、均方根误差(RMSE),以及可视化结果上均表现出色。

SAM-Retina:基于SAM的双模态视网膜图像动静脉分割

许恒宇, 陈坤, 徐琳, 孙明斋, 陆洲

计算机科学. 2025, 52 (10): 123-133. doi:10.11896/jsjkx.240800013

摘要 ( 6 )

PDF(4437KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

动脉与静脉在RGB视网膜成像中形态高度相似,且其本身结构兼具细微性和复杂性,导致现阶段多数视网膜图像处理所使用的动静脉分割模型难以取得理想效果。为提高动静脉分割的准确性,同时降低训练成本,提出了一种基于SAM(Segment Anything Model)的视网膜分割模型——SAM-Retina。SAM-Retina采用特征融合器-适配型图像编码器-掩码解码器架构,使用同时包含RGB图像以及570 nm和610 nm单波长图像的结构-功能双模态视网膜图像代替原有的单模态(RGB)图像作为输入,利用特征融合器融合这3种图像的特征;通过在视觉转换器中插入Adapter模块并对其加以更新,保留图像编码器在大规模自然图像数据集上的预训练参数;使用静态提示嵌入代替提示编码器,去除原有SAM分割流程中的提示输入过程和提示编码过程。实验阶段将模型在DualModal2019和HRF数据集上进行训练和评估,并与U-Net,CRU-Net和TW-GAN进行对比。结果表明,相较于对比模型,SAM-Retina在各项评估指标上效果更好,尤其是双模态图像的引入,使得在无需扩大模型规模的前提下,有效提升了分割性能。

基于稀疏协同相关熵的鲁棒主成分分析

陈平, 刘珂菡, 梁正友, 胡奇兴, 张远鹏

计算机科学. 2025, 52 (10): 134-143. doi:10.11896/jsjkx.240800076

摘要 ( 5 )

PDF(12824KB) ( 3 )

参考文献 | 相关文章 | 多维度评价

主成分分析(Principal Component Analysis,PCA)广泛应用于许多领域,但其对非高斯噪声很敏感。研究者们已经提出了许多鲁棒主成分分析(Robust PCA,RPCA)模型来处理这个问题。然而,这些方法只能处理一种类型的噪声,如特征域中的脉冲噪声或样本域中的异常值。为此,提出了一种基于稀疏协同相关熵的RPCA模型(SCPCA),该模型对脉冲噪声和离群值同时具有鲁棒性。在此基础上,提出了一种基于Fenchel共轭和加速块坐标更新(Block Coordinate Update,BCU)策略的迭代算法。在聚类、背景重建和人脸建模方面进行了大量的实验来评估所提出的方法的鲁棒性。结果表明,在大多数情况下,所提出的方法优于目前先进的方法。

基于跨尺度融合特征与轨迹提示的目标跟踪方法

温静, 张松松, 李旭峰

计算机科学. 2025, 52 (10): 144-150. doi:10.11896/jsjkx.240800159

摘要 ( 4 )

PDF(3950KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

单纯使用Transformer进行目标跟踪的特征提取时,由于没有归纳偏差而无法自适应目标尺度和外观的变化。对此,借助CNN引入多尺度特性,提出了一种基于跨尺度融合特征与轨迹提示的目标跟踪方法(Cross Scale Fusion of Features and Trajectory Prompts Tracker,CSFTP-Tracker)。在构建目标跟踪网络输入时,将模板图像与搜索图像同时输入CNN与ViT网络融合的编码器中,设计了一种多级空间感知金字塔模块(Multi-Level Spatial Awareness Pyramid,MSAP)。首先,对多尺度CNN特征通过自注意力机制增强目标位置信息,然后将该多尺度特征与ViT中的F-embeddings特征相融合,输入ViT编码器。这种融合策略不仅增进了ViT内部补丁之间的信息交互,还使网络能够同时利用CNN的局部特性和Transformer的全局依赖能力。其次,将ViT提取的融合特征与轨迹提示特征输入解码器中,使用自回归学习目标位置。在GOT-10k数据集上的实验结果表明,相较于基线模型,所提出网络的平均重叠率(AO)提升了1.3%,成功率得分在阈值为0.5时(SR_0.5)也提高了1.4%。

基于小目标特征增强RT-DETR的SAR图像舰船目标检测方法

张弘森, 吴蔚, 徐建, 吴飞, 季一木

计算机科学. 2025, 52 (10): 151-158. doi:10.11896/jsjkx.250100097

摘要 ( 9 )

PDF(3003KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

在舰船检测任务中,SAR图像因其优异的成像条件被广泛应用于海洋资源管理、海上救援等场景。然而,舰船目标尺寸较小和海面杂波等问题,导致传统目标检测算法的性能表现不佳。近年来,许多算法通过引入Transformer的注意力机制,实现更好的语义解释;或采用较为复杂的网络结构,以提高特征提取能力。这在一定程度上改善了检测精度,却牺牲了检测速度。对此,提出了一种基于小目标特征增强RT-DETR的SAR图像舰船目标检测方法。该方法由以下3部分组成:1)大模型提示生成网络:借助多模态大模型的零样本学习能力生成提示,以提取图像模态中更具判别性的信息;2)AIFI-EAA模块:以RT-DETR为基线,改进尺度内特征交互模块,引入高效加性注意力机制,降低算法计算复杂度;3)轻量化小目标特征增强融合网络:在多尺度特征融合网络中加入小目标检测层,设计CSP-OmniKernel模块进行多尺度特征融合,提升小目标的检测性能。在SSDD,HRSID和SAR-Ship-Dataset 3个公开数据集上进行实验验证,结果表明所提方法在准确性上具有优势。

基于神经辐射场的即时高保真人脸生成算法

盛筱萌, 赵俊莉, 王国栋, 王洋

计算机科学. 2025, 52 (10): 159-167. doi:10.11896/jsjkx.241000066

摘要 ( 7 )

PDF(2791KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

针对数字娱乐、虚拟现实和元宇宙等领域对快速生成高精度数字人需求的日益增长问题,提出了一种基于单目RGB视频来快速生成高精度人脸模型的新方法,同时构建了一个专注于面部和颈部区域精确建模的新框架。具体来说,该框架将神经图元融入面部和颈部的参数化模型,同时采用Head-And-neCK(HACK)模型替代常用的Face Latent Animated Mesh Estimator(FLAME)模型,从而显著提升了3D面部重建的精度和效率。此外,针对性设计了一种实时自适应神经辐射场,有效加快了训练和重建过程。通过引入多分辨率哈希网格,并在变形空间内使用最近三角形搜索计算变形梯度,该方法能够在几分钟内快速重建高保真面部和颈部模型。通过广泛的定量和定性实验结果表明,相较于现有的先进方法,所提模型在渲染质量和训练时间方面表现出显著优势。

基于Retinex理论的低照度图像自适应增强算法

郑涤尘, 何继开, 刘艺, 高帆, 张登银

计算机科学. 2025, 52 (10): 168-175. doi:10.11896/jsjkx.240800057

摘要 ( 6 )

PDF(4125KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

现实环境中图像通常在次优照明条件下拍摄,导致亮度不足、观感较差。现有低照度图像增强方法往往结构复杂,侧重于改善暗光区域的可视度,但可能过度增强图像的明亮区域,放大隐藏的噪声。多数基于Retinex理论的方法存在噪点过多、细节损失和颜色失真等问题,影响增强结果的视觉质量。为了解决该问题,提出了一种基于Retinex理论的低照度图像自适应增强算法,旨在有效提升图像亮度的同时真实、自然地还原图像。首先,低照度图像经过投影模块去除不适合Retinex理论分解的噪声;其次,分解网络将图像分解为照度分量和反射分量;最后,照度分量经过自适应迭代曲线进行调整,与反射分量相乘得到增强图像。实验结果表明,相比于其他主流算法,所提算法在客观评价指标特别是PSNR和SSIM上优势明显:在LOL数据集上分别达到19.98 dB和0.76,较次优算法提高4.9%和4.1%;在LSRW数据集上分别达到18.94 dB和0.58,较次优算法提高1.5%和7.4%。在有参考数据集和无参考数据集上,所提算法得到的增强图像的亮度均有显著提升,色彩真实自然,主观视觉效果更好。

面向人机协作的智能体训练方法研究综述

黄炜烨, 陈希亮, 赖俊

计算机科学. 2025, 52 (10): 176-189. doi:10.11896/jsjkx.241000047

摘要 ( 6 )

PDF(2488KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

人机协作近年来受到广泛关注,多智能体强化学习在人机协作领域展现出了显著的优势和应用潜力。首先,对多智能体强化学习的基本概念和重要模型进行了介绍,分析了多智能体强化学习在人机协作任务中的优势,并将人机协作分为3种类型进行介绍。其次,论述了多智能体强化学习的3种训练范式,包括集中训练集中执行、分散训练分散执行和集中训练分散执行,以及每种训练范式的适用场景。接着,针对人机协作中智能体训练方法存在的泛化能力差、训练伙伴缺乏多样性以及无法更好地适应人类合作伙伴等问题,从是否使用人类数据的角度,论述了面向人机协作的智能体训练方法的研究进展。最后,讨论了人机协作的应用场景和未来发展趋势,提出了可能的解决思路与研究方向。

量子元启发式算法及其应用综述

阮宁, 李淳, 马昊月, 贾异, 李涛

计算机科学. 2025, 52 (10): 190-200. doi:10.11896/jsjkx.250500127

摘要 ( 7 )

PDF(1644KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

量子元启发式算法是将量子计算应用到元启发式算法中而开发出来的。该类算法擅于求解组合和数值优化问题,具有加速收敛、增强探索和开发能力等特点,且能获得比传统元启发式算法更高的性能结果。文中主要概述和回顾量子元启发式算法的理论方法及其应用。首先对量子计算的基本概念和计算原理进行阐述,并分析目前量子计算领域亟需解决的挑战性问题;然后阐述6种经典量子元启发式算法运行的基本原理,分析最新的研究进展,概括它们在求解特定领域问题的优劣势,并展示量子元启发式算法在不同学科及工程场景中的应用;最后对量子元启发式算法理论方法存在的问题进行剖析与探讨,并总结未来量子元启发式算法理论和应用发展方向。

基于选择题的语言模型学科知识评估方法

熊卓帜, 顾洲洪, 冯红伟, 肖仰华

计算机科学. 2025, 52 (10): 201-207. doi:10.11896/jsjkx.240800148

摘要 ( 4 )

PDF(3446KB) ( 3 )

参考文献 | 相关文章 | 多维度评价

基于选择题(Multiple Choice Question,MCQ)形式的预训练语言模型学科知识评估方法虽然能够快速、量化地评估模型的知识,但其可靠性受到选项顺序和选项长度等无关因素的干扰,存在稳健性问题。为解决这一挑战,首先提出了一个基于MCQ的预训练语言模型学科知识评测分析框架。该框架将MCQ评测方法形式化为提示和解析两个模块,系统探索了不同类别的MCQ模型评测方法对评测结果的影响。在中英文学科知识评测数据集上的实验分析了不同提示和解析方法的稳健性。基于分析结果,提出了一种改写增强的解析方法,该方法通过引入预训练语言模型对模型回复进行改写,有效解决了传统基于规则解析的方法在处理非标准回复时的局限性。通过结合改写和规则解析,不仅提高了答案提取的准确性,还增强了评测过程的稳健性,为语言模型评测提供了一种新的有效途径。

基于DS理论的多模态信息抽取方法

王剑, 王京岭, 张革, 王章全, 郭世远, 庾桂铭

计算机科学. 2025, 52 (10): 208-216. doi:10.11896/jsjkx.240200081

摘要 ( 8 )

PDF(2075KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

在过去多模态信息抽取(Multimodal Information Extraction,MIE)任务中,研究人员通常使用数据层融合的方式训练用于MIE的神经网络模型。但是,由于不同模态间的异构性,这种融合方式容易导致特征冗余、特征不兼容和缺乏解释性等问题,进而影响模型训练的效果。针对此问题,提出了一种基于Dempster-Shafer(DS)理论的决策层融合方法。该方法通过神经网络和狄利克雷函数处理不同模态特征生成证据,经证据修正和权重分配后,利用Shafer融合规则得出最终决策,有效提升了特征处理的准确性和模型的可解释性。采用精确率、召回率和F1分数作为评价指标,在公开和私有数据集上的实验结果表明,相较于现有方法,所提方法的总体性能提升了0.22个百分点到1.87个百分点。

SPEAKSMART:大语言模型共情说服性回复的评测

陈昱妍, 贾纪源, 常婧雯, 左凯文, 肖仰华

计算机科学. 2025, 52 (10): 217-230. doi:10.11896/jsjkx.241200055

摘要 ( 4 )

PDF(5717KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

近年来,大语言模型(Large Language Models,LLMs)在情感对话中展现了令人惊叹的能力,并且在实现目标方面表现出较强的能力。然而,现有研究主要集中在通过情感共鸣式的回复提供安慰,而不是通过这些回复实现特定的现实目标。为了填补这一研究空白,提出了一个名为SPEAKSMART的基准,其涵盖5个场景,用于评测LLMs在对话中通过高度共情的回复实现现实目标的能力。随后,引入了一个基于提供者满意度和请求者满意度的二维评测框架。利用SPEAKSMART对多种LLMs进行了评测,并设计了基线方法,以增强其在对话中生成具有说服力的共情回复的能力。实验结果表明,Claude3和LLaMA3-70B在不同场景中的表现最佳,而其他LLMs则有提升空间,这为增强LLMs处理需要高度共情回复以实现目标的现实任务的能力奠定了基础。

一种新的基于凸损失函数的离散扩散文本生成模型

李思慧, 蔡国永, 蒋航, 文益民

计算机科学. 2025, 52 (10): 231-238. doi:10.11896/jsjkx.240800147

摘要 ( 6 )

PDF(2056KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

扩散语言模型采用的非自回归生成方式能显著提高推理速度,通过迭代重建过程持续优化能提高生成文本质量,因此它在文本生成任务中具有极大潜力。然而,扩散语言模型训练多采用基于极大似然估计的交叉熵损失,即便生成了正确句,也可能因为没有与参考句严格对齐被惩罚,使扩散语言模型面临严重的多模态问题,进而大大降低了文本生成质量。为了缓解多模态问题,提出了一种基于凸损失函数训练的离散扩散语言模型ConvexDiffusion,该模型利用凸函数可以锐化最优分布这一特性,使模型更专注于高概率输出;为了进一步提高文本生成质量,降低生成词的重复率,设计了一种使噪声标记非线性变化的混合感知噪声表,并在解码过程中采用高置信度确定性去噪策略。在机器翻译、问题生成、问题阐述这3类文本生成任务上的实验结果表明,ConvexDiffusion相比现有领先的扩散模型RDM和非自回归模型CMLM等,性能提升了1~7个BLEU,且具有更快的生成速度。特别是在WMT16'EN-RO和WMT14'EN-DE这两个大型数据集上,ConvexDiffusion的表现超越了目前主导文本生成领域的自回归语言模型。

基于文本生成的多粒度评论情感分析

张佳威, 王中卿, 陈嘉沥

计算机科学. 2025, 52 (10): 239-246. doi:10.11896/jsjkx.240800025

摘要 ( 4 )

PDF(2726KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

随着社交媒体和在线评论平台的兴起,自动化的情感分析成为了理解公众情绪、消费者偏好及市场趋势的关键工具。传统的情感分析方法往往使用分类模型关注于提取文本的总体情绪倾向,忽视了评论中可能蕴含的复杂且多维度的情感信息。针对这一问题,提出了一种基于文本生成的多粒度评论情感分析模型,旨在细致地捕捉评论文本中方面级的情感和文档级的情感。同时,构建了一种结构化输出格式,其同时包含评论文本针对不同方面的情感标签和评论文本的总体情感标签。与传统的分类模型相比,所提模型通过不同的生成方式更全面地理解和反映了文本的情感结构,实现了对评论中多方面情感信息和总体情感的抽取和分类。实验结果表明,所提模型在总体情感和方面情感的识别中优于常规的分类方法,较Bert+LSTM模型F1值提升了4.4%。

基于大批次对抗策略和强化特征提取的文本情感分类方法

陈嘉昊, 段利国, 常轩伟, 李爱萍, 崔娟娟, 郝渊斌

计算机科学. 2025, 52 (10): 247-257. doi:10.11896/jsjkx.240800061

摘要 ( 3 )

PDF(2338KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

文本情感分类任务旨在对短文本语句进行分析并判断其对应的情感类别。为解决现有模型在情感分类方面缺乏大规模高质量语料数据集、文本特征非均匀重要性提取不足等问题,提出了一种基于大批次对抗策略和强化特征提取的文本情感分类方法。首先将文本数据集输入预训练语言模型BERT中,得到相应的词嵌入向量表示;再利用BiLSTM进一步学习序列中的上下文依赖关系;之后将局部注意力机制与TextCNN的局部感受野加权结合,实现强化特征提取能力;最后将BiLSTM的输出与TextCNN的输出进行拼接,得到两个空间的深层特征融合,再交由分类器进行情感分类的判断。整个训练过程采取大批次对抗策略,在词嵌入空间中加入对抗性扰动并进行多次迭代,进而提高模型的鲁棒性。在多个数据集上的实验结果验证了该模型的有效性。

基于大型语言模型文本简化的细粒度情感分析

王叶, 王中卿

计算机科学. 2025, 52 (10): 258-265. doi:10.11896/jsjkx.250100114

摘要 ( 6 )

PDF(1993KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

细粒度情感分析旨在识别句子中每个方面的情感极性。然而,现有研究大多忽视了评论文本中普遍存在的冗余信息,这些无关信息不仅增加了模型处理的复杂性,还可能导致模型无法准确捕捉原始文本中的情感元素。为解决这一问题,提出了一种将原始文本转化为简化子句的模型,以更简明的方式表达相同的情感观点。其基本思想是利用大型语言模型预识别文本中的方面词和意见词,再基于识别结果生成简化子句,并通过自我验证机制确保生成的子句满足情感一致性、相关性和简洁性。此外,所提模型结合原始文本和简化子句共同生成情感元素。在公开数据集 Restaurant和 Laptop以及 Phone上,所提模型的表现均优于现有基线模型,证明简化子句在细粒度情感分析中具有重要的作用。

基于数据增强和两阶段训练的摘要忠实度评估

赵金爽, 黄德根

计算机科学. 2025, 52 (10): 266-274. doi:10.11896/jsjkx.250100023

摘要 ( 6 )

PDF(2136KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

文本摘要的忠实度,即其与原文在事实层面的一致性,对于自动文本摘要的实际应用具有重要意义。现有的摘要忠实度评估方法在利用文本摘要数据集方面存在不足,且构建的不忠实摘要与原文差异显著,这限制了评估方法的有效性。针对此问题,提出一种基于数据增强和两阶段训练的摘要忠实度评估模型——FaithEval。首先,定义两种数据增强方法,即同主题相似检索和外插掩码填充,用于生成与原文内容相关联的不忠实摘要,应用这些方法从文本摘要数据集中提取训练数据;然后,充分利用数据集的信息,基于原文和参考摘要构建的训练数据,分两个阶段对模型进行训练,逐步强化模型的忠实度评估能力;最后,人工构建摘要忠实度评估测试集SFETS,为检验模型性能提供基准。实验结果表明,在SFETS和Rank19数据集上,FaithEval均表现出色,尤其在SFETS数据集上,达到了当前最优的效果。

GCE3S:基于进化搜索的自动驾驶安全关键场景生成方法

孙乐乐, 黄松, 郑长友, 夏春艳, 阳真

计算机科学. 2025, 52 (10): 275-286. doi:10.11896/jsjkx.240800030

摘要 ( 4 )

PDF(3718KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

自动驾驶技术的快速发展为交通出行带来了巨大的变革潜力,但在现实交通环境中,自动驾驶车辆的安全违规行为会导致巨大的损失。为了确保自动驾驶系统能够在各种复杂的交通环境中安全运行,在部署到实际道路之前必须对其进行充分的测试。由于自动驾驶测试场景空间的复杂性和高维性,现有安全关键场景生成方法存在成本高昂、效率低等问题。因此,提出了一种基于进化搜索的自动驾驶安全关键场景生成方法——GCE3S。GCE3S将场景中的障碍物及其属性映射为基因组成的染色体结构,从而对障碍物(车辆、天气、行人等)进行更加细致的扰动,构建具有对抗性的安全关键场景,并通过多个目标函数引导进化搜索算法生成多样化的安全关键场景。此外,在工业级自动驾驶系统百度Apollo和LGSVL模拟环境中对GCE3S进行了对比实验,实验结果表明,在相同的时间内,GCE3S生成的安全关键场景数量相较于最好的基准MOSAT方法提升了20.4%,生成的安全关键场景在多样性上增加了20%。

基于形状离散层的多智能体编队控制

潘云伟, 李敏, 曾祥光, 邢丽静, 黄傲

计算机科学. 2025, 52 (10): 287-295. doi:10.11896/jsjkx.240700193

摘要 ( 5 )

PDF(4227KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

由多个智能体组成的多智能体系统,能够完成复杂的任务。针对多智能体在复杂环境中的编队成型,以及编队遭受冲击时的编队重组,提出了一种基于编队形状离散层的分布式编队控制方法。首先,对编队形状进行离散和迭代,扩大其影响范围,并将编队信息共享给每个智能体;其次,针对存在障碍物的编队环境,设计动态协商算法实时调整编队集结位置;最后,采用分布式控制的方式,利用传感器信息和编队形状信息设计速度控制器,实现动态避障和复杂编队成型。实验结果表明,所提方法能够很好地引导多智能体形成复杂的编队形状,在有障碍物的环境中,实现编队避障、偏移和重组。通过编队成型时间和编队效果函数对实验结果进行评价和分析,验证了所提方法具有较好的环境适应性和有效性。

基于子问题有效性引导的多目标进化算法

孙良旭, 李林林, 刘国莉

计算机科学. 2025, 52 (10): 296-307. doi:10.11896/jsjkx.241000025

摘要 ( 4 )

PDF(3195KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

为了解决基于分解多目标进化算法求解具有非常规Pareto前沿(Pareto Front,PF)的多目标优化问题(Multi-Objective Problems,MOPs)出现的性能变差、普适性不高等问题,提出了一种新的基于子问题有效性引导的多目标进化算法(Sub-problem Effectiveness Guided Multi-Objective Evolution Algorithm Based on Decomposition,MOEA/D-SEG)。算法扩展了子问题结构并描述权向量在进化过程的表现。通过裂变“高效”子问题实现权向量调整,使算法能够更好地适应不同特征的多目标优化问题,保证求得解集的收敛性和多样性,提高算法求解各类复杂多目标优化问题的能力。通过一系列实验,证明了提出算法在不同特征测试问题上的有效性。通过与其他先进算法进行比较分析,证明了提出算法的优越性。该算法在炼钢-连铸调度问题中的应用进一步验证了算法的实用性。

考虑时变参数的自适应LQR智能车辆路径跟踪控制方法

张亚娟, 冯灵霞, 李国斌

计算机科学. 2025, 52 (10): 308-316. doi:10.11896/jsjkx.240800112

摘要 ( 5 )

PDF(4024KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

为解决智能车辆循迹过程中,轮胎侧偏刚度摄动引发模型不确定导致的车辆循迹精度及稳定性下降的问题,提出了一种考虑轮胎侧偏刚度时变特性的智能车辆循迹控制方法。首先,基于改进的集员滤波算法及双轨动力学模型建立轮胎侧向力估计器,利用轮胎侧向力模型计算值与估计值之差设计轮胎侧偏刚度自适应更新规则;其次,将实时更新的轮胎侧偏刚度用于求解实时最优前轮转角,进而提出一种轮胎侧偏刚度自适应的ALQR智能车辆循迹控制器。CarSim与Simulink联合仿真和硬件在环仿真实验结果表明:ALQR控制器在高、低路面附着系数条件下较LQR(Linear Quadratic Regulator)跟踪精度平均提高65.867%,尤其在低附路面,LQR控制器忽略了轮胎刚度变化引发的循迹性能显著下降的问题,而ALQR控制器可通过实时更新的轮胎侧偏刚度实时求解最优前轮转角,保证了车辆循迹精度与稳定性。提出的考虑轮胎实时侧偏刚度的智能车辆循迹ALQR控制方法具有良好的适用性与实时性,对智能车辆控制系统设计具有重要的参考价值。

WiLCount:一种适用于无线感知场景的轻量级人数识别模型

段鹏松, 张伊航, 方焘, 曹仰杰, 王超

计算机科学. 2025, 52 (10): 317-327. doi:10.11896/jsjkx.240800060

摘要 ( 4 )

PDF(4870KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

针对CSI中空间特征缺失导致人数识别模型精度有限且计算复杂度较高的问题,提出了一种基于幅相融合的轻量级人数识别模型WiLCount。首先,针对原始相位信息中存在载波频率偏移和采样频率偏移而无法直接使用的问题,使用线性变换方法对相位信息进行校准;其次,将幅相数据重构为二维图像,以充分利用CSI信息中蕴含的人数空间映射特征;最后,融合深度可分离卷积与多分支结构技术,设计了一种轻量级的人数识别模型WiLCount。目前,在Wi-Fi感知人数领域暂无公开数据集,为此精心构建了一个在人数规模、行为种类均处于业界领先水平的自采数据集,并已公开。实验结果表明,WiLCount在自采数据集上的识别准确率高达99.58%,参数规模仅为同类模型的4%,相比现有方法有显著提升,且具有较好的鲁棒性。

基于可编程数据平面的SRv6功能一致性验证机制

王鹏睿, 胡宇翔, 崔鹏帅, 董永吉, 夏计强

计算机科学. 2025, 52 (10): 328-335. doi:10.11896/jsjkx.240800163

摘要 ( 3 )

PDF(2399KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

现阶段SRv6(Segment Routing over IPv6)中,段标签(Segment Identifier,SID)设计为流量工程、安全认证等网络功能提供了可编程性。这些功能的实现依赖于数据平面中流表的精确匹配与执行,但当流表被恶意篡改或错误配置时,容易导致功能一致性问题的出现。而带内网络遥测(In-band Network Telemetry,INT)技术作为SDN场景中经典的具有可编程性的校验工具,可将二者天然结合。为此,提出了基于可编程数据平面的SRv6功能一致性验证机制(Programmable Data Plane Based Consistency Verification Mechanism for SRv6 Functional,SRv6FCV)。SRv6FCV采用数据平面可编程技术为探针包插入认证标识,首先依据监控需求动态地将SID转换为特定的INT元数据结构,然后构造探针报文注入并逐跳收集特定网络功能的流表执行信息,最后对遥测信息进行解析并基于符号执行算法完成功能一致性验证。仿真结果表明,SRv6FCV能够保证满足流表规则以及业务功能执行策略的一致性。相较于之前的研究,SRv6FCV在完成对网络功能一致性校验的基础上,拥有更低的运行开销,同时其校验时长也有显著缩短。

面向异构移动可充电设备的最大返岗时间最小化无线充电调度

徐佳, 刘婧怡, 徐力杰, 刘林峰

计算机科学. 2025, 52 (10): 336-347. doi:10.11896/jsjkx.240800113

摘要 ( 7 )

PDF(2978KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

随着无线可充电设备的广泛应用,无线功率传输技术成为提高设备续航能力的关键技术。然而,目前大部分研究工作聚焦于优化充电效率、充电成本等充电本身的性能,任务驱动的充电调度的研究尚不充分;另外,大部分充电系统假设充电器或可充电设备是同构的;进一步地,现有工作对移动可充电设备的充电调度问题关注较少。针对实际情况中可充电设备的异构性,提出了异构无线充电模型,形式化了异构无线可充电传感网中的移动可充电设备最大返岗时间最小化问题。首先,在忽略设备移动时间和移动能耗的前提下,研究了简化的最大返岗时间最小化问题,并提出了一个近似算法。为解决具有更大难度的最大返岗时间最小化问题,基于该近似算法的思想,提出了一个启发式算法。大量模拟实验和实物实验的结果表明,所提出的算法相对于其他算法有显著优势,可以减少最多38.78%的设备最大返岗时间。

基于区块链的轻量级可验证数据管理方法

武沫旬, 彭泽顺, 于明鹤, 李晓华, 董晓梅, 聂铁铮, 于戈

计算机科学. 2025, 52 (10): 348-356. doi:10.11896/jsjkx.250200001

摘要 ( 4 )

PDF(2175KB) ( 3 )

参考文献 | 相关文章 | 多维度评价

结合区块链和数据库两种技术的优势,提出了一种基于区块链的可验证数据管理方法。与现有工作不同,该方法不需要改变原有的数据库存储模式,即可在实现可验证查询和数据溯源功能的同时不影响原有数据库的性能和结构,从而更好地适用于各种应用场景。首先,基于事务的两阶段提交协议设计了一种用户、数据库和区块链的交互模式,以及高效的数据同步机制,以保证区块链与数据库事务执行的原子性。其次,提出了一种基于数据属性编码的索引树结构,以保证区块链进行准确、完整且高效的可验证查询。最后,进行了充分的理论分析和性能测试。所提方法在安全性方面实现了数据的防篡改以及用户隐私的防泄露;在系统有效性方面保证了区块链和数据库的数据一致性;在系统效率方面,与其他典型方案相比,减少了约90%的存储空间,提升了约77%的查询验证效率。

基于改进主动学习的入侵检测方法

何浩, 张辉

计算机科学. 2025, 52 (10): 357-365. doi:10.11896/jsjkx.240900142

摘要 ( 5 )

PDF(2495KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

传统基于深度学习的入侵检测技术需要大量的标注样本才能达到较高的准确率。然而,获取大量标注样本所需时间和人力成本巨大,限制了其在实际应用中的推广。为此,提出了一种结合主动学习和卷积神经网络的入侵检测方法。该方法通过改进的自适应主动学习策略,更高效地选择最具代表性的样本进行标注,有效降低模型训练过程中的计算成本,并提高模型的整体表现。在CCF-BDCI-2022和Malicious-URLs-2021数据集上的实验结果表明,在查询时间和迭代时间上,该方法优于传统基于深度学习的模型。在CCF-BDCI-2022数据集上,该方法的准确率达到97.10%,误报率为1.3%。在Malicious-URLs-2021数据集上,该方法的准确率达到99.05%,误报率为1.1%。与其他方法相比,该方法不仅在准确率和误报率上表现更优,而且显著减少了计算资源的消耗,提升了模型的效率和实用性。

针对视频识别模型的边界黑盒对抗样本生成算法

荆瑜琳, 吴立军, 李志圆, 邓棋

计算机科学. 2025, 52 (10): 366-373. doi:10.11896/jsjkx.240700045

摘要 ( 3 )

PDF(2199KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

随着深度学习的快速发展,神经网络在各个领域广泛应用。然而,当前神经网络仍然面临着对抗样本攻击的困扰。在所有类型的对抗样本攻击中,边界黑盒攻击只能获取被测试模型的最终分类标签,因此其最接近实际应用场景,被公认为最具有现实意义且最难实现的攻击,吸引了越来越多研究者的关注。但目前相关研究主要聚焦于图片识别模型,在视频识别模型方面的研究较少。为此,提出了一种基于边界的黑盒视频对抗样本生成算法BBVA。BBVA采用了一种渐进式探索机制生成视频对抗样本,有效提高了样本生成效率。实验表明,与最新的边界黑盒视频对抗样本生成算法STDE相比,BBVA较好地权衡了噪声大小和模型访问次数,在视觉效果、优化距离和欺骗率等多项衡量指标中均达到了该研究领域目前最优水平;此外,在条件更为苛刻的情况下,BBVA甚至优于一些最新的基于分数的黑盒视频对抗样本生成算法,如EARL和VBAD。所提算法可用于提供对抗训练样本,从而提升视频模型的安全性。

基于高频特征掩蔽的对抗攻击算法

王柳依, 周淳, 曾文强, 何星星, 孟华

计算机科学. 2025, 52 (10): 374-381. doi:10.11896/jsjkx.241000030

摘要 ( 3 )

PDF(2758KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

深度神经网络在图像识别领域取得广泛应用,但其结构复杂,容易受到对抗样本的攻击。构造人眼不可察觉的对抗样本,对测试网络的安全性有着重要的意义。现有针对图像的对抗样本生成方法通常是对原始样本进行微小扰动,而扰动通常用l_p范数距离进行约束,这种简单方案将所有像素点平等对待,每个点允许扰动的范围满足同样的约束,这限制了对抗样本的构造方式,使得扰动易被人眼察觉。而在现实应用中,人眼对不同颜色和区域的像素点扰动的敏感性亦不相同。针对这一特点,设计了一种基于观测敏感性的自适应扰动方案,为不同的像素点设计不同的扰动约束,从而提升对抗样本的鲁棒性。具体而言,该方法通过频谱分析将图像划分为高频和低频区域,并通过新的空间约束规范扰动,对高频不敏感区域增加更大的扰动,以提升对抗能力。基于ImageNet-1K和CIFAR-10数据集进行的一系列实验表明,新的对抗样本构造策略能与多种攻击方法相耦合,并在保障隐蔽性的前提下提升对抗性能。

基于良性显著区域的端到端恶意软件对抗样本生成方法

袁梦娇, 芦天亮, 黄万鑫, 何厚翰

计算机科学. 2025, 52 (10): 382-394. doi:10.11896/jsjkx.240800046

摘要 ( 6 )

PDF(4657KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

基于可视化和深度学习的恶意软件检测方法准确率高、成本低,因此受到广泛关注。然而,深度学习模型容易遭受对抗样本攻击,少量精心设计的对抗扰动就可以误导模型以高置信度做出错误决策。目前,针对Windows恶意软件可视化检测方法的对抗攻击研究侧重于改进对抗图像的攻击效果,而忽略了对抗样本的实际危害性。为此,提出了一种基于良性显著区域的端到端恶意软件对抗样本生成方法BREAM(Benign-salient Region Based End-to-end Adversarial Malware Generation)。首先,通过选取良性图像的显著性区域作为初始扰动来提高对抗图像的攻击效果,同时引入掩码矩阵限制扰动区域来保证对抗样本的功能性;其次,提出逆特征映射方法,将对抗图像转换成对抗恶意软件,最终实现了恶意软件对抗样本的端到端生成。在4种目标模型上评估BREAM的攻击性能,实验结果表明,当目标模型分别采用双线性插值和最近邻插值时,相比于现有方法,BREAM生成的对抗图像攻击成功率平均提高了47.96%和28.39%;对抗恶意软件攻击成功率平均提高了53.25%和61.93%,使得目标模型的分类准确率平均下降92.82%和73.64%。

基于双流深度学习的Dockerfile安全误配置检测方法

赵宁, 王金双, 崔帅

计算机科学. 2025, 52 (10): 395-403. doi:10.11896/jsjkx.241000014

摘要 ( 5 )

PDF(2467KB) ( 0 )

参考文献 | 相关文章 | 多维度评价

Dockerfile错误配置容易引发容器安全漏洞。现有检测方法侧重于文本的结构分析和语义理解,缺乏对指令使用频率、镜像层数、代码复杂度等度量特征的关注,准确率不高。针对该问题,提出一种融合特征度量与深度语义理解的双流深度学习检测方法。该方法首先采用静态检测工具识别并标注含有安全误配置的Dockerfile样本;然后构建抽象语法树解析并提取代码度量特征,并使用随机森林算法进一步筛选关键安全特征;最后提取文本信息和安全特征度量信息,输入双流模型进行检测。该模型采用双向长短期记忆网络追踪指令序列前后依赖,挖掘深度语义关联;应用Transformer模型构建高维度量表示,捕捉度量到安全配置缺陷的复杂映射;使用卷积神经网络子层和ReLU激活函数融合双流信息,实现Dockerfile安全误配置检测。实验表明,所提方法的查准率、查全率和F1值分别达到了96%,98%和97%,其性能相较于已有检测方法有所提升,可以有效识别Dockerfile安全误配置。

基于深度强化学习的安全感知服务功能链部署方法

朱子怡, 张建辉, 曾俊杰, 张洪源

计算机科学. 2025, 52 (10): 404-411. doi:10.11896/jsjkx.240800015

摘要 ( 6 )

PDF(3304KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

服务功能链作为提升网络资源利用率的关键技术,其结合深度强化学习能够实现灵活且安全的部署。然而,如何有效地部署具有安全需求的服务功能链,同时最大化长期平均收益是服务功能链面临的一个重要的挑战。为此,提出了一种基于深度强化学习的安全感知服务功能链部署方法(DRL-SASFCD)。首先,提出了一种安全感知机制,用于评估物理网络节点的可信度,并引入安全需求指数感知SFC对安全性的需求。其次,利用图注意力网络和序列到序列模型提取底层物理网络信息以及服务功能链请求序列信息的相关特征,并依据这些特征生成服务功能链部署策略。最后,采用近端策略的优化方法来优化策略和训练网络参数,通过限制新旧策略之间的更新幅度,避免策略更新过程中的剧烈波动,从而提高安全策略优化效率。仿真实验结果表明,DRL-SASFCD在考虑服务功能链部署安全需求的同时,与现有方法相比,在部署接受率、长期平均收益以及长期平均收益成本比3个方面均有所提高。

格上具有多功能的属性基加密

郭丽峰, 杨杰莹, 马添军, 张夏蕾

计算机科学. 2025, 52 (10): 412-422. doi:10.11896/jsjkx.240600137

摘要 ( 5 )

PDF(1900KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

格上属性基加密具有抗量子攻击的特性,并且将访问控制策略嵌入密文或者密钥,可实现属性的细粒度访问控制。但是由于属性基加密固有的弱点,相同属性的用户可能会泄露密钥。为避免密钥泄露,属性基加密方案需实现追踪并撤销特定用户解密权限的功能。然而,非法用户仍可能通过收集大量密文数据,试图恢复过去会话的密钥。为有效抵御这种攻击,方案必须实现前向安全。针对当前格密码领域的需求与挑战,提出基于判定性误差学习问题(Decisional Learning with Error,DLWE)可证明安全的格上具有多功能的属性基加密(Multi-functional Attribute based Encryption from Lattices)方案。使用完全二叉树追踪解密密钥中与用户相关的身份矩阵(即完全二叉树叶子节点的值),以便追踪恶意用户;引入用户撤销机制,允许属性权威在不重新为用户生成密钥的情况下,及时且有效地撤销用户的权限;采用标签穿刺的方法,确保即使当前密钥泄漏,过去密文仍然保持安全,实现前向安全。此外,由于格上采样算法的不确定性,目前格上的属性基加密实验难以实现,因此通过理论分析验证所提方案的安全性和正确性。该方案不仅优化了空间存储效率,还弥补了格密码中属性基加密方案功能单一导致的不足。

DLSF:基于双重语义过滤的文本对抗攻击方法

熊熙, 丁广政, 王娟, 张帅

计算机科学. 2025, 52 (10): 423-432. doi:10.11896/jsjkx.240700202

摘要 ( 8 )

PDF(2387KB) ( 1 )

参考文献 | 相关文章 | 多维度评价

在商业应用领域,基于深度学习的文本模型发挥着关键作用,但其亦被揭示易受对抗性样本的影响,例如通过在评论中夹杂混肴词汇以使模型做出错误响应。好的文本攻击算法不仅可以评估该类模型的鲁棒性,还能够检测现有防御方法的有效性,从而降低对抗性样本带来的潜在危害。鉴于目前黑盒环境下生成对抗文本的方法普遍存在对抗文本质量不高且攻击效率低下的问题,提出了一种基于单词替换的双重语义过滤(Dual-level Semantic Filtering,DLSF)攻击算法。其综合了目前存在的候选词集合获取方法,并有效避免了集合中不相关单词的干扰,丰富了候选词的类别和数量。在迭代搜索过程中采用双重过滤的束搜索策略,减少模型访问次数的同时,也能保证获取到最优的对抗文本。在文本分类和自然语言推理任务上的实验结果显示,该方法在提升对抗文本质量的同时,显著提高了攻击效率。具体来说,在IMDB数据集上的攻击成功率高达99.7%,语义相似度达到0.975,而模型访问次数仅为TAMPERS的17%。此外,目标模型在经过对抗样本进行对抗增强训练后,在MR数据集上的攻击成功率从92.9%降至65.4%,进一步验证了DLSF有效提升了文本模型的鲁棒性。