计算机科学

第52卷第12期目录

计算机科学. 2025, 52 (12): 0-0.

摘要 ( 42 )

PDF(411KB) ( 76 )

相关文章 | 多维度评价

基于RISC-V指令扩展的神经网络计算加速架构

蔡成欢, 王一品, 许嘉滨, 张逢喆, 周学功, 曹伟, 张帆, 余新胜

计算机科学. 2025, 52 (12): 1-8. doi:10.11896/jsjkx.250600014

摘要 ( 52 )

PDF(2143KB) ( 73 )

参考文献 | 相关文章 | 多维度评价

针对现阶段以RISC-V为核心的神经网络加速器对Transformer架构模型中矩阵计算及非线性计算加速不足的问题,开展了基于RISC-V指令扩展的神经网络计算加速架构研究,提出名为Taurus的神经网络加速器架构。针对模型架构特点,进行了矩阵指令扩展,并使用脉动阵列进行矩阵乘累加计算;为支持非线性计算加速,进行向量指令扩展,并设计特殊向量单元完成LayerNorm和Softmax的计算;为保证数据供给平衡,优化访存指令扩展,以保证矩阵计算单元、向量计算单元的数据供给,在进行指令扩展时采用标量寄存器的扩展方式,将运算数据信息存入寄存器中增大了寻址空间,以保证进行大规模数据运算时生成较少的指令条数。Taurus神经网络加速器架构在Gem5平台上完成了周期精确的模拟仿真,与开源加速器Gemmini相比,进行通用矩阵乘法运算时,脉动阵列利用率提高80%;在ResNet50和BERT模型推理中,Taurus与Gemmini相比,分别获得1.3倍和31.3倍的加速;与RISC-V相比,性能分别获得1 467倍和4 513倍的加速。

AFL-VTest:航天嵌入式软件模糊测试框架

王帅, 黄晨, 江云松, 肖喜, 王冠霖, 于婷婷, 许奇臻

计算机科学. 2025, 52 (12): 9-17. doi:10.11896/jsjkx.250400144

摘要 ( 37 )

PDF(2691KB) ( 35 )

参考文献 | 相关文章 | 多维度评价

航天嵌入式软件的可靠性是确保航天任务成功执行的关键之一。模糊测试已经成为当今缺陷检测与漏洞挖掘的一种主流方式,并在软件安全领域取得了较大的成功。研究针对航天嵌入式软件的模糊测试方法,对于强化此类软件的可靠性、推动航天科技的进步具有深远意义。因此,提出了一套面向航天嵌入式软件的模糊测试框架AFL-VTest。AFL-VTest针对航天嵌入式软件内存资源受限和包含较多校验和检查的特点,分别提出了一种精简源码插桩方法与一种校验和修补算法,在多个样例程序及实际航天嵌入式程序上的评估实验结果表明了所提精简源码插桩方法和校验和修补算法的有效性。最后,AFL-VTest成功揭露了实际项目中未曾被发现的3个缺陷,从而证明了其在提升航天嵌入式软件安全性与可靠性方面的有效性与实用价值。

基于扰动和冻结预训练模型的程序自动修复

张李政, 杨秋辉, 代声馨

计算机科学. 2025, 52 (12): 18-23. doi:10.11896/jsjkx.241100182

摘要 ( 58 )

PDF(1837KB) ( 29 )

参考文献 | 相关文章 | 多维度评价

随着软件复杂性的增加,程序缺陷的规模和复杂度也随之增加,程序缺陷不仅消耗大量开发成本,还会导致现实世界中的安全问题。现有的程序修复方法普遍存在修复效果不佳、训练成本高的问题。针对这些问题,提出了基于扰动和冻结预训练模型的程序自动修复方法。该方法通过基于矩阵的扰动方法对模型参数增加噪声,缓解了微调过程中预训练模型在程序修复任务上的过拟合问题;冻结预训练模型中的编码器,缩短了模型的训练时间和减少了计算资源的消耗。此外,通过检查点集成策略,增强了模型的修复效果。在QuixBugs数据集中的40个Python程序上进行实验,结果表明,所提方法在缩短模型训练时间和降低计算资源消耗方面以及修复效果方面都具有显著优势,它仅需要训练原始模型41.62%的参数量,训练时间缩短了39.16%,能修复数据集中70%的缺陷,修复的缺陷类型具有多样性。

基于隐式谓词抽象和属性导向可达的SCADE模型检测

张聪, 陈哲, 王慧杰, 韦依洋

计算机科学. 2025, 52 (12): 24-31. doi:10.11896/jsjkx.241100062

摘要 ( 38 )

PDF(1609KB) ( 56 )

参考文献 | 相关文章 | 多维度评价

SCADE被广泛应用于航空航天、核电站、轨道交通、医疗设备等关乎生命安全的关键行业。将模型检测应用于这些安全关键领域,能够有效地确保系统的安全。目前,针对SCADE模型检测的研究较少,多数研究基于程序转化,借助其他更简单的语言模型检测工具来完成验证,而少有的可实现对SCADE程序进行模型检测的全流程工具则验证效率较低。为此,提出了一种基于隐式谓词抽象和属性导向可达的模型检测算法(IAPDR),将其并行集成到现有的针对SCADE程序的模型检测工具(PSMC)上,该工具实现了SCADE程序的分析、建模和模型检测的全流程。此外,通过理论证明了所提出算法的正确性,通过实验评估了IAPDR算法以及扩展后的工具(PSMCWI)的效果和性能。与传统的BMC,K-Induction和CEGAR算法相比,IAPDR 算法在数据集上具有最高的验证成功覆盖率和最短的验证总耗时。与原生的PSMC工具相比,PSMCWI在数据集上能够多验证139个SCADE程序,验证成功覆盖率提升了15.1%,验证的总耗时减少了43%。与JKind的对比实验的结果表明,IAPDR算法能够正确地对SCADE程序进行模型检测,相比于将SCADE模型转化为Lustre模型后,用JKind对Lustre模型进行模型检测来实现对SCADE程序进行模型检测的方法,PSMCWI具有更高的效率。

支持类型敏感场景的跨过程代码依恋检测

厉剑豪, 白瑶瑶, 密杰, 张迎周, 曹文龙, 王栋, 王刚

计算机科学. 2025, 52 (12): 32-39. doi:10.11896/jsjkx.241200007

摘要 ( 22 )

PDF(1763KB) ( 33 )

参考文献 | 相关文章 | 多维度评价

代码依恋现象的存在会影响系统的稳定性和可维护性。目前的代码依恋检测方法均未考虑对象类型的敏感性,导致检测精度较低。为解决此问题,提出一种基于高阶函数的过程间代码依恋检测方法。该方法根据预定义的代码依恋度量规则,将过程内带参数的局部性引用比的计算过程抽象为可复用的高阶函数式摘要;过程间检测时,在方法调用点处取出目标方法的高阶代码依恋检测摘要,并根据形实参对应关系将形参的实际类型代入摘要中,计算得到最终的局部性引用比集合,基于该集合来检测代码依恋现象以及对应的依恋集。整合了部分Java项目作为基准测试集,选取IntelliJDeodorant和IDE Inspection工具进行对比实验,结果表明:提出的方法在检测依恋实例的精度上较IDE Inspection提高了16.6%,比IntelliJDeodorant提高了1.3倍;在检测依恋集的精度上较IDE Inspection提高了37.2%,比IntelliJDeodorant提高了1.6倍。

基于强化学习的分布式Android应用自动化测试方法

宋日荣, 陈钦文, 陈星

计算机科学. 2025, 52 (12): 40-47. doi:10.11896/jsjkx.241100054

摘要 ( 26 )

PDF(2728KB) ( 20 )

参考文献 | 相关文章 | 多维度评价

Android应用程序已经深深融入人们日常生活的方方面面,确保这些应用的正确性是一个极具挑战性的任务。传统测试方法主要依赖于手工操作,自动化测试技术尽管有所发展但仍有待改进。Android应用程序不断迭代以完善性能和功能需求,导致了应用程序复杂性的增加和状态组合的爆炸性增长。测试Android应用的核心在于探索复杂的用户交互下的深层故障,但是这些故障的搜索空间是巨大的,需要花费大量的时间来进行测试。近年来,研究人员开始使用强化学习来测试Android应用,利用智能体与Android应用交互过程中获得的奖励来调整探索策略。然而,现有工作仅利用单台设备进行测试,测试效率十分有限。为了应对上述挑战,提出了一种基于强化学习的分布式Android应用自动化测试框架DistributedAndroidExplore(DAE),利用多个智能体同时对应用程序进行基于强化学习的测试,并定期迭代地聚合每个智能体累积的学习经验,以此提高测试效率。在10个真实世界的Android应用程序上对DAE进行了评估,结果表明,在大多数情况下,DAE的故障检测率、代码覆盖率均优于所对比的基准算法。同时测试效率明显优于其他方法,性能提高了16.5%~34.3%。

飞行模式转换的RSML^-e到Lustre模型转换与验证方法

王智艺, 胡军, 徐恒

计算机科学. 2025, 52 (12): 48-59. doi:10.11896/jsjkx.250600027

摘要 ( 25 )

PDF(2496KB) ( 31 )

参考文献 | 相关文章 | 多维度评价

自动飞行系统是现代大型飞机飞行控制的核心系统,飞行导引系统作为自动飞行系统的核心子系统,管理和控制自动飞行系统的模式转换。自动飞行系统的不同飞行阶段本质上是飞行模式的转换,决定了飞机的飞行安全。然而,飞行模式转换具有耦合兼容的多维度复杂静态结构,以及交互合作和过渡切换的多层次模式动态组合的本质特征,因此保证飞行模式转换的正确性至关重要。基于模型驱动的软件建模方法将飞行模式转换需求建模为半形式化模型或形式化模型,从而分析和验证模型满足的性质。现有方法面临两方面挑战:1)自然语言需求到半形式化需求模型的建模,大多为手工建模,且不同建模语言建立的需求模型之间存在差异;2)半形式化需求模型无法直接进行模型检验,需将其转换为模型检验工具的输入模型,且不同的验证工具的验证效率也存在差异。为此,基于自动飞行模式转换的RSML^-e需求模型,提出一种将RSML^-e模型转换为Lustre同步数据流语言的系统性方法。首先,从数据类型、变量、逻辑短语、AND-OR表、宏等多个维度构建映射规则,将RSML^-e模型中元素逐一转换为Lustre同步数据流语言所支持的形式,并在描述安全性质时对变量的数量进行缩减;其次,模型转换后,将转换所得的 Lustre 模型及安全性质输入Jkind模型检验工具进行验证,基于Jkind模型检验工具内置的多种优化技术,较好地缓解了模型验证过程中状态空间爆炸的问题,实现了对大规模模型的高效验证;最终,通过该流程成功验证了自动飞行系统模式转换需求相关的安全性质,确保系统在各类工况下运行的可靠性。

基于分解与集成的多尺度太阳黑子数量预测

赵宇轩, 余定峰, 李冬雪, 徐以东, 李北明

计算机科学. 2025, 52 (12): 60-70. doi:10.11896/jsjkx.241100011

摘要 ( 25 )

PDF(6677KB) ( 26 )

参考文献 | 相关文章 | 多维度评价

太阳活动直接影响日球层环境和地球上的生命,太阳黑子数(SN)是最重要和最常预测的太阳活动指数之一。提高SN预测精度可以为气候模型提供更可靠的数据支持,对于理解太阳活动周期具有重要意义。对此,提出一种结合自适应噪声完备集合经验模态分解(CEEMDAN)、混合神经网络和注意力机制的多尺度SN序列预测模型。该方法使用3种不同的数据集,分别是1818－2024年每日SN、1749－2024年月均SN和1700－2023年年均SN。由于SN序列的非平稳性、非高斯性和非线性性质,因此先利用CEEMDAN将太阳活动在各时间尺度上的变化分量分解为若干不同频率子序列,将子序列与原始序列相结合作为强化特征集,增强模型对太阳活动变化的表征能力,再利用时序卷积神经网络(TCNs)作为特征提取的前沿,融入双向长短时记忆神经网络(BiLSTM)捕捉时间序列的长期依赖性,同时引入注意力机制(Attention)动态识别并加权序列中的关键时间特征。在3种数据集上进行消融实验,结果表明,所提模型各模块之间具有良好的协同作用。在此基础上对比部分已有模型,各数据集的预测精度均有所提高。利用该模型预测SN,得到年、月、日3种不同频率的预测结果,将预测结果作为多时间尺度特征融合形成最终预测结果。结果表明,太阳活动在2025年呈现出显著增强的趋势,并预计将在本年达到第25个太阳活动周期的活动高峰,年均SN峰值预计为233.9。

基于智联电动车流量生成的跨区域换电站部署算法

陈佳怡, 顾丞毅, 周继华, 赵涛, 王双超, 朱明星, 向朝参

计算机科学. 2025, 52 (12): 71-80. doi:10.11896/jsjkx.250200010

摘要 ( 19 )

PDF(4376KB) ( 13 )

参考文献 | 相关文章 | 多维度评价

随着换电模式的兴起,以智联电动车为主要交通工具的短途出行方式变得越来越流行,这促使提供换电服务的公司在城市中不断扩张业务规模。扩张时,公司倾向于在用户活跃度较高的区域设置换电站,活跃度水平可以通过智联电动车区域流量来体现。然而,在实际部署换电站之前,新区域的运营数据缺乏,使得依赖历史数据进行部署优化的数据驱动方法难以发挥作用,形成“数据缺失—难以部署—无法获取数据”的循环困境。对此,提出了一种基于智联电动车流量生成的跨区域换电站部署算法。首先,构建基于去噪扩散概率模型的区域流量生成模型,捕捉区域流量时空特征,利用已部署区域的数据来生成待部署区域的数据。然后,将区域流量纳入换电站部署问题,构建最大化换电站部署效益的优化模型。最后,基于自适应遗传特性做出跨区域换电站部署决策。基于四川省成都市真实换电数据集对所提算法进行了性能评估,实验结果验证了所提解决方案的有效性。

基于跨模态融合和多生成器的热带气旋预测

刘倩, 孙虎, 归耀城, 周国强

计算机科学. 2025, 52 (12): 81-91. doi:10.11896/jsjkx.250100030

摘要 ( 24 )

PDF(3632KB) ( 15 )

参考文献 | 相关文章 | 多维度评价

准确预测热带气旋的运动轨迹和强度对减轻和预防灾害至关重要。基于深度学习的方法虽然表现出出色的预测性能,但这类方法大多只关注单模态数据,忽略了不同模态之间的相关性。为了充分利用多模态数据中的丰富信息,提出一种基于跨模态融合和多生成器的热带气旋预测模型。该模型包括一个多模态特征提取模块、一个跨模态特征融合模块和一个生成对抗网络。多模态特征提取模块从历史最佳轨迹数据、大气再分析数据以及环境场数据中分别提取相应的特征表示。跨模态特征融合模块通过一种新颖的跨模态特征互补策略融合多模态特征。生成对抗网络通过多个生成器生成最终的热带气旋预测结果。此外,还构建了一个特征融合损失以帮助提高模型的性能。实验表明,所提方法不仅能在训练和推理阶段都保持较高的效率,而且具有更好的预测性能。

基于层加权和重力中心性的多层网络重要节点识别

王建波, 罗雨, 许小可, 杜占玮, 李平

计算机科学. 2025, 52 (12): 92-101. doi:10.11896/jsjkx.241000090

摘要 ( 21 )

PDF(4493KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

识别多层网络中的重要节点是网络科学中的一个研究热点,对于理解网络的结构和功能起着至关重要的作用。受引力模型启发,现有大多数方法主要基于局部或全局拓扑结构信息,忽略了多层网络的层内和层间结构对节点的影响,限制了节点识别的最终性能。对此,提出了一种基于层加权和重力中心性算法来识别多层网络的重要节点。首先,该算法结合网络的层内和层间结构赋予每层网络权重,以此量化度中心性在不同层的影响力。其次,考虑网络的层间结构对传播路径的影响,进而定义节点之间的有效距离。最后,根据引力公式获得节点在整个网络中的影响力值。在9个真实网络上的多个实验表明,所提算法与6种具有代表性的方法相比,具有较高的准确率和分辨率。

基于超图网络嵌入的蛋白质复合体识别算法

王杰, 杨贤灿, 赵兴旺

计算机科学. 2025, 52 (12): 102-114. doi:10.11896/jsjkx.250900062

摘要 ( 23 )

PDF(8620KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

蛋白质复合体在细胞生物学过程中起着关键作用,对理解细胞功能和生物过程的识别至关重要。在蛋白质-蛋白质相互作用(Protein-Protein Interaction,PPI)网络中采用网络聚类识别蛋白质复合体已经成为数据挖掘与生物信息学的研究热点,各种计算方法被提出用于识别蛋白质复合体。然而,大多数方法仅利用原始网络来挖掘密集子图或子网络,未能突破传统图结构对多节点交互关系的局限。针对生物网络中普遍存在的多对多复杂交互特性问题,提出基于超图网络嵌入的蛋白质复合体识别算法(Protein Complex Identification Method Based on Hypergraph Network Embedding,PCIHNE)。该算法首先利用超图网络对多元关系的直接建模能力,将原始PPI网络转换为超图网络。其次,对超图网络采用分层压缩策略递归地压缩为多个不同层次的较小超图,以此构建多尺度分析框架。再次,将超图卷积应用于不同层次,得到每个节点在不同尺度下的表示。将这些节点表示进行连接,得到完整的节点嵌入表示。基于节点嵌入表示,在低阶原始网络上构建加权PPI网络。最后,在加权PPI网络上采用基于核心附属策略,得到预测的蛋白质复合体。在多个酵母和人类真实的数据集上将所提算法与其他蛋白质复合体识别算法进行比较,实验结果表明,所提方法在F-measure和Accuracy指标上取得了较好的蛋白质复合体识别性能。

PIEnum:高效的概率图上路径枚举算法

谢文林, 杜明, 周军锋

计算机科学. 2025, 52 (12): 115-124. doi:10.11896/jsjkx.241100090

摘要 ( 18 )

PDF(4363KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

枚举概率图上两个顶点间的路径是分析两点间关系的基本手段。为了解决已有算法存在的剪枝不充分、冗余计算等问题,提出了一种基于剪枝和索引的算法——PIEnum,其任务是在概率图G上枚举所有从起点s到终点t,长度不超过k且路径上所有边的概率累积值不低于γ的简单路径,其中k和γ分别为给定的路径长度约束值和概率阈值。对于一个查询,PIEnum首先剔除无效顶点以缩减路径枚举的搜索空间,然后构建一个轻量级的在线索引来避免路径枚举过程中重复的剪枝判断,最后在路径枚举的过程中将无效的搜索分支剪枝。为了进一步提升算法在稠密图上的查询效率,基于Join模式实现了PIEnum⁺。在10个真实数据集上检验了该算法的性能,实验结果表明,PIEnum整体性能比已有算法提升了10倍以上。

面向并发图分析的局部性感知的缓存管理策略

李汉桥, 赵苑君

计算机科学. 2025, 52 (12): 125-132. doi:10.11896/jsjkx.250200062

摘要 ( 18 )

PDF(4195KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

随着图计算技术的蓬勃发展,现有图平台上通常运行着大量的并发图分析任务以获得数据背后的价值。因此,并发图计算技术被广泛应用于智能教育、公共管理和新闻媒体等领域。然而,目前图计算系统大多为执行单个图分析任务设计,在支持并发图分析任务时存在大量冗余数据访问。尽管一些工作已经观察到这一问题,并试图利用其中的时间和空间局部性共享底层图数据减少冗余数据访问,但是其忽视了私有状态数据更新访问的数据局部性,依然面临着缓存利用率低的问题,导致系统吞吐率低。为此,提出了面向并发图分析的局部性感知的缓存管理策略CCG,以充分感知并发图分析任务之间的时间和空间局部性,减少冗余数据访问和同步开销。具体而言,该策略通过高效缓存数据的更新并以增量的方式合并冗余更新,利用并发图分析任务的数据局部性,实现内存数据的高效批量更新,减少数据访问开销并避免缓存抖动,有效提升并发图分析任务的吞吐率。同时,高效利用多级缓存进行分层缓冲与合并,让并发图分析任务在更新访问私有数据时避免同步开销和锁开销,进一步提升系统吞吐率。实验结果显示,在用目前最新的并发图计算系统Glign运行并发图分析任务时,相比于现有最好的图计算缓存策略GRASP,CCG可以将系统吞吐率提升2.3~7.8倍。

构建场景-行人-行人交互的行人轨迹预测时空图卷积网络

洪铭骏, 纪庆革

计算机科学. 2025, 52 (12): 133-140. doi:10.11896/jsjkx.241200212

摘要 ( 24 )

PDF(2187KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

行人轨迹预测是自动驾驶和智能监控系统中的一项基础而关键的任务。场景的限制是影响行人运动轨迹的重要因素之一。尽管现有的研究已经尝试将场景因素融入轨迹预测中,但这些方法在整合场景信息时往往存在不足,尤其是没有考虑到场景的全面融合。对此,提出了一种新的行人轨迹预测模型——构建场景-行人-行人交互的时空图卷积网络SPP-STGCN(Spatio-Temporal Graph Convolutional Network with Scene-Perdestrian-Perdestrain Interactions)。SPP-STGCN模型采用两阶段架构来提高预测准确性。第一阶段,模型将轨迹和场景数据整合输入,通过场景邻接矩阵融合块SAFB实现两种特征的融合,构建出融合场景特征的时空图邻接矩阵,为预测提供丰富的上下文信息。同时,模型在时间、空间两个维度并行执行,结合轨迹信息分别构造出描述时间相关性的和空间相关性的行人轨迹时空图。第二阶段,场景图卷积网络对时间与空间维度的时空图进行特征提取。提取的特征随后被融合,并通过时间金字塔外推卷积进行处理,以获得行人未来轨迹的二维高斯分布。最后SPP-STGCN以该分布作为预测行人轨迹的概率模型,通过采样生成行人未来轨迹。在ETH和UCY公开数据集上的对比实验结果显示,SPP-STGCN模型在与9种主流模型的对比实验中的表现达到了目前的最佳水平。消融实验与定性分析进一步证实了所提模型的有效性与合理性。SPP-STGCN模型通过有效整合场景特征,显著提升了行人轨迹预测的性能。

基于外观增强和语义分割的神经辐射场

曹明伟, 黄宝龙, 赵海峰

计算机科学. 2025, 52 (12): 141-149. doi:10.11896/jsjkx.250400075

摘要 ( 28 )

PDF(3683KB) ( 13 )

参考文献 | 相关文章 | 多维度评价

神经辐射场(Neural Radiance Fields,NeRFs)因其高效的场景建模和表达能力,已经成为视图合成和渲染领域的重要基础方法。然而,在动态环境中,NeRF在应对复杂光照变化和瞬态对象干扰方面仍存在挑战。由于光照条件发生变化,因此场景中存在大量不一致外观,进而影响视图合成质量。同时,场景中的动态干扰影响了合成图像的真实感。针对上述问题,提出了一种基于外观增强和语义分割的神经辐射场(Appearance Enhancement and Semantic Segmentation-based Neural Radiance Fields,AS-NeRF)。该方法通过结合锥形体采样与集成位置编码机制,提高外观特征的融合效率,增强模型对光照和相机参数变化的适应能力,从而提升渲染结果的色彩一致性和真实感。此外,采用端到端的轻量级分割网络预测瞬态可视性掩模,有效分离动态对象,避免瞬态元素对合成图像质量的影响。为了验证该方法的有效性,在Photo Tourism数据集上进行了实验,并与多种现有方法进行定性与定量对比分析,实验结果表明所提出的方法在合成精度上优于现有经典方法,并进一步验证了分割掩模在瞬态物体分离中的准确性。

ETF-YOLO11n:交通图像的多尺度特征融合目标检测方法

夏淑芳, 尹昊楠, 瞿中

计算机科学. 2025, 52 (12): 150-157. doi:10.11896/jsjkx.241200021

摘要 ( 26 )

PDF(5245KB) ( 14 )

参考文献 | 相关文章 | 多维度评价

近年来深度学习算法在计算机视觉领域取得了显著的进展,但是由于复杂交通图像中存在目标尺寸小、特征信息不明显、易受干扰等问题,目标检测精度依旧不高。针对这一问题,对最先进的检测模型YOLO11进行改进,设计了多尺度特征融合模型ETF-YOLO11n(Effective Traffic Feature YOLO)。首先,设计了三重特征融合模块TFF,将主干网络提取到的不同尺寸特征信息进行有效融合;其次,设计了基于混合空洞卷积的特征加强模块HDCFE,并添加至模型的颈部网络中整合不同感受野提取到的特征,降低因为遮挡等情况对模型的干扰;最后,用提出的GeoCIoU替代CIoU,通过两个不同的惩罚项,模型能更精准地反馈检测框与真实框的匹配情况。所提出的ETF-YOLO11n在交通数据KITTI上AP达到65.6%,mAP@0.5达到90.7%,与基线模型YOLO11n相比分别提升了2.4个百分点和1.2个百分点,体现了良好的检测效果。此外,ETF-YOLO11n在COCO-Traffic数据集上AP和mAP@0.5分别达到了42.5%和59.8%;所提出的方法迁移至YOLOv8模型,在KITTI数据集上AP和mAP@0.5分别达到66.9% 和91.5%。实验结果表明,所提出的方法能显著提升模型的检测能力,且对不同模型和数据集都有较好的泛化性,在精度与参数量上达到了很好的平衡¹⁾。

利用Involution级联注意力机制的古代壁画图像修复网络

周啟雪, 余映, 胡家绿

计算机科学. 2025, 52 (12): 158-165. doi:10.11896/jsjkx.241000124

摘要 ( 19 )

PDF(4974KB) ( 11 )

参考文献 | 相关文章 | 多维度评价

中国古代壁画是珍贵的人类文化遗产,记录了中国历代各地区人们的社会、宗教、文化、艺术活动等方面的特征。由于长时间暴露在自然环境中,很多壁画出现了裂隙、划痕、腐蚀、甚至大面积脱落等病害现象,因此,壁画的保护和修复工作非常迫切。破损壁画数字修复技术通过重新构建壁画图像的结构和纹理,对其破损区域进行虚拟填充,成为解决这一问题的重要手段。大多现有的壁画图像修复方法难以较好地修复结构复杂、色彩丰富变化的缺失壁画内容。针对该问题,提出利用Involution级联注意力机制的古代壁画图像修复网络。该网络首先利用对合(Involution)操作代替传统卷积,以提高破损壁画纹理和颜色修复的质量。其次,提出一个级联注意力模块,可以捕捉不同尺度的上下文信息,更好地修复不同大小的壁画破损区域。此外,引入FFC残差块来捕捉全局结构信息,以提升网络对壁画破损区域的色彩修复能力。在模拟和真实破损壁画数据集上进行实验,将修复结果与其他4种经典方法进行比较。实验结果表明,提出的模型在修复壁画纹理清晰度、颜色一致性和结构连续性方面均优于其他对比方法。

基于Sc-DeepLabV3+模型的铁轨扣件分割方法

黄坤, 何朗, 王展青

计算机科学. 2025, 52 (12): 166-174. doi:10.11896/jsjkx.241000130

摘要 ( 20 )

PDF(4262KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

铁轨扣件病害是影响铁路交通安全的重要因素。利用深度学习图像识别方法对铁轨扣件检测机器人所采集的图像进行分割,可以有效提高扣件病害检测的效率。针对目前缺乏公开可用的铁轨扣件数据集,以及扣件数据量大但背景环境复杂导致分割难度大、耗时长等问题,人工制作了RFS铁轨扣件数据集并提出基于Sc-DeepLabV3+模型的铁轨扣件分割方法。在原始DeepLabV3+模型的基础上,替换其主干网络为轻量MobileNetV4网络以加快运算速度,提出改进的S-ASPP模块,使网络能够获得更密集的像素采样,从而增强网络提取细节特征的能力。此外,加入CSWin注意力机制并行地计算横向和纵向的注意力,减少复杂背景环境的干扰。实验部分,提出了RailAugment数据增强技术,有效增加了数据集的多样性和覆盖度,最终获得的扣件数据集共有6 832张图像,其中训练集4 782张,验证集1 366张,测试集684张。实验结果表明,mIoU和mPA分别达到了95.17%和97.14%,相较于原模型提高了2.19个百分点和0.3个百分点。尽管性能提升幅度较小,但在细节特征提取和背景干扰处理上有明显改善。在公共DeepGlobe数据集上验证了Sc-DeepLabV3+模型的鲁棒性和泛化能力,其推理速度较主流Swin-UNet模型和Segmenter模型快51.4 ms和66.5 ms,展现了良好的效率与实时性。因此,该模型在铁路维护等领域具有广泛应用潜力,能够有效降低人力和算力成本,提高检测效率。

面向嵌入式应用的路面裂缝检测方法

胡鹏, 夏晓华, 钟预全

计算机科学. 2025, 52 (12): 175-188. doi:10.11896/jsjkx.241200214

摘要 ( 18 )

PDF(11836KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

针对基于深度学习的路面裂缝检测模型在嵌入式平台部署应用中存在模型复杂、处理速度慢等问题,基于YOLO提出一种面向嵌入式应用的路面裂缝检测方法。首先,在主干网络中构建两级串联卷积模块,优化卷积通道和输入空间的特征感知,并使用考虑预测框与真实框间向量角度的平滑交并比SIoU作为网络的损失函数,提高预测框回归的准确率和速率。其次,提出联级通道逐卷积剪枝的方法,先后进行通道剪枝和权重剪枝,移除非必要通道并逐卷积去除冗余权重,在保证模型性能稳定的同时显著压缩模型。接着,将YOLOv5l模型对裂缝特征的泛化能力蒸馏到剪枝后模型中,进一步提高模型对裂缝的表征能力。最后,在TensorRT引擎下,通过层优化等方式提高模型推理速度。实验结果表明,提出的方法与原模型相比,平均精度均值提高2.7%,模型参数量、模型体积分别减小78.24%和76.13%,检测速率提高587.88%;模型经TensorRT部署在NVIDIA Jetson Nano嵌入式设备上进行测试,在检测精度不受影响的同时,检测速率提高140%,与YOLOv5-Lite等常用模型及YOLOv10,RT-DERT等最新模型相比,具有最高检测精度以及最显著的轻量化效果,适合在嵌入式端应用。

面向高光谱图像去噪的超像素级图特征学习方法

吴颖, 叶海良, 曹飞龙

计算机科学. 2025, 52 (12): 189-199. doi:10.11896/jsjkx.250100082

摘要 ( 21 )

PDF(5942KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

基于传统深度学习的高光谱图像去噪方法通常难以捕捉空间位置的长程相关性和全局不规则局部块的相似性,导致去噪后细节信息丢失和结构完整性不足。为此,提出一种新的面向高光谱图像去噪的超像素级图特征学习方法,旨在利用图神经网络提取空谱特征,捕捉不规则局部块空间位置的长程相关性,以保留纹理细节和结构信息。首先,设计了门控注意力模块来抑制噪声并增强光谱相关性,为后续的超像素分割奠定基础。然后,设计了超像素级图聚合模块,将高光谱图像按空间维分割成多个空间相连的超像素,并使用共享线性层学习超像素中像素的加权值。接着,使用图卷积更新节点信息,从而有效地保持高光谱图像结构的完整性和内部细节的清晰度。最后,利用高光谱图像的低秩性,在训练过程中引入核范数正则化进行约束,提出了低秩-空谱损失,以关注结构信息的保留。实验结果表明,所提方法在性能上优于当前先进方法。

一阶逻辑中一类多线型标准矛盾体的结构

曾丹, 何星星, 李莹芳, 李天瑞

计算机科学. 2025, 52 (12): 200-208. doi:10.11896/jsjkx.250200060

摘要 ( 13 )

PDF(1537KB) ( 14 )

参考文献 | 相关文章 | 多维度评价

自动推理是人工智能的重要研究领域,推理规则是影响其效率的关键因素。基于矛盾体分离的演绎推理是一种可靠且完备的推理规则,具有多文字、多子句协同和动态演绎等优势。矛盾体构造方法对演绎效率至关重要。基于此,提出基于命题逻辑一类矛盾体结构——多线型标准矛盾体,给出此类矛盾体在不同情况下的复合策略,即利用两个多线型标准矛盾体生成新的标准矛盾体的条件与方法,并对复合性质上的共性结论和特性结论进行区分;指出通过向子句添加特定文字,多线型标准矛盾体可以转换为更多条线的标准矛盾体,并给出此类矛盾体的文字添加策略;设计在命题逻辑中生成多线型标准矛盾体的算法;给出双线型矛盾体及完全标准矛盾体基于一阶逻辑的结构与性质。

含凸抽象约束的逻辑程序复杂性

王翔龙, 王以松, 谢仲涛

计算机科学. 2025, 52 (12): 209-214. doi:10.11896/jsjkx.241000148

摘要 ( 20 )

PDF(1446KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

基于回答集语义的逻辑程序(Answer Set Programming,ASP )是描述性问题求解的典范,广泛应用于规划、诊断、调度以及生物信息学等领域。为了增强 ASP 的表达能力,一些工作在ASP 引入了数据库系统中的聚合函数约束,并提出了 SPT,FLP 等语义,抽象约束剥离聚合函数约束的具体形式成为研究 ASP 语义等性质的重要工具,并得到了抽象约束逻辑程序的各种回答集语义之间的关系和复杂性问题等的相关结果。对此,进一步研究了仅含凸抽象约束原子抽象约束逻辑的性质,证明了仅含凸抽象约束原子的正规逻辑程序判定是否存在 FLP 回答集是Σ^p₂完全的,其审慎推理和大胆推理分别是Π^p₂完全的和Σ^p₂完全的。这些复杂性结果进一步理清了各类逻辑程序间的表达能力关系,为设计有效的回答集求解器提供了新的思路,也为进一步探索ASP在解决用凸抽象约束表示的问题中的应用提供了理论基础。

基于话语重写的无监督对话主题分割算法

李彤亮, 李奇峰, 侯霞, 陈小明, 李舟军

计算机科学. 2025, 52 (12): 215-223. doi:10.11896/jsjkx.241000136

摘要 ( 29 )

PDF(2161KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

对话主题分割(DTS)任务旨在将一段多轮对话自动划分为不同的主题片段,从而更精准地理解和处理对话内容,在对话建模任务中具有重要作用。传统的DTS方法主要依赖语义相似性和对话连贯性来进行无监督的对话主题划分,但这些特征难以全面捕捉对话中的复杂主题转换,且未标注的对话数据尚未被充分挖掘和利用。为此,最新的DTS方法通过相邻话语匹配和伪分割,从对话数据中学习主题感知的对话表示,进一步挖掘未标注对话中的有用线索。然而,多轮对话中常见的共指和省略现象可能影响语义相似性的计算,进而削弱相邻话语匹配的准确性。为解决这一问题并充分利用对话关系中的有用线索,提出了一种新颖的无监督对话主题分割方法,结合了话语重写(UR)技术与无监督学习算法。该方法通过重写对话中的共指和省略信息,使其恢复为完整表达,从而更好地捕捉对话中的主题线索。实验结果表明,提出的话语重写主题分割模型(UR-DTS)在主题分割的准确性上取得了显著提升,达到了目前的最好水平。在DialSeg711数据集上,错误分数P_k和WinDiff(WD)两个指标的性能表现均提升了约6个百分点,分别达到11.42%和12.97%。在更复杂的Doc2Dial数据集上,P_k和WD的性能表现分别提升了3个百分点和2个百分点,达到了35.17%和38.49%。这些结果表明,UR-DTS在捕捉对话主题转换方面具有显著优势,且对未标注对话数据有更大的利用潜力。

高低资源下思维链增强的药物不良反应关系抽取

李浩, 杨雨濛, 赵博扬, 郑朴琪, 林鸿飞

计算机科学. 2025, 52 (12): 224-230. doi:10.11896/jsjkx.250600140

摘要 ( 16 )

PDF(3410KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

药物不良反应(Adverse Drug Reactions,ADRs)是指正常剂量的药物用于预防、诊断、治疗疾病或调节生理机能时出现有害的、与用药目的无关的反应,这些反应是预期之外的,会严重影响患者的身体状态与健康情况。为了从社交媒体数据与医药文献数据中发现药物不良反应关系三元组,从而为患者和医疗系统提供警示作用,并为药物研发机构提供药物迭代的参考,结合生成式大语言模型分别针对有标注数据低资源和高资源的情况提出两个框架:思维链提示下GPT的药物不良反应关系抽取ADR-GPT框架,以及思维链增强下微调的药物不良反应关系抽取CADRE-LLM框架。分别在Twitter和Pubmed数据集中评估了两个框架的性能结果,其中CADRE-LLM相比于之前最先进的模型,F1值分别提高1.51个百分点和1.74个百分点;低资源下的ADR-GPT框架也取得了优秀的效果,在Pubmed数据集中超越了Qwen2.5模型的全监督微调。最后,通过消融实验证明了两个框架中各模块的有效性。

基于记忆增强的长文本建模方法

刘炜杰, 汤泽成, 李俊涛

计算机科学. 2025, 52 (12): 231-238. doi:10.11896/jsjkx.250100094

摘要 ( 17 )

PDF(3735KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

大语言模型(LLMs)近年来取得了显著进展,并在多个领域展现出卓越的性能。然而,由于注意力机制的二次时空复杂度以及生成过程中键值对缓存不断增长所带来的显存消耗,处理长文本相关任务仍然是LLMs面临的一大挑战。为了解决此问题,提出了基于记忆增强的长文本建模方法MemLong,旨在利用外部检索器检索历史信息来增强长上下文语言建模的能力。MemLong将一个非参数化的检索-记忆模块与一个部分可训练的大语言模型相结合,并引入了一种能够利用语义层面相关的文本块的细粒度可控的检索注意力机制。非参数化的检索-记忆模块负责从外部知识库中检索与当前输入相关的历史信息,而大语言模型则将检索到的信息和当前输入融合在一起并生成输出。细粒度可控的检索注意力机制允许模型在生成过程中动态地调整对检索信息的关注程度,从而实现更精准的文本生成。在多个长上下文语言建模基准测试上的综合评估表明,MemLong方法始终优于其他先进的LLMs。此外,MemLong显著提升了模型处理长文本的能力。在单卡3090 GPU上,MemLong可以将上下文长度从4 000扩展到80 000,提升了20倍。这一突破性的进展使得MemLong能够处理更长的输入文本,从而更好地理解和生成长文本内容,为处理超长文本任务提供了新的可能性,并为未来长文本语言建模的研究开辟了新的方向。

视线引导与自专家克隆融合强化学习的无人船路径跟踪

刘嘉辉, 赵一诺, 田丰, 齐光鹏, 李江涛, 刘驰

计算机科学. 2025, 52 (12): 239-251. doi:10.11896/jsjkx.250200059

摘要 ( 21 )

PDF(4348KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

无人船路径跟踪对海上自主作业至关重要,然而,风、浪、流以及无人船自身的控制误差等因素会影响路径跟踪的性能。强化学习算法凭借在线交互与实时反馈的特点,能够主动适应动态环境,在无人船路径跟踪任务中展现出良好的应用前景。然而,其试错训练模式在实际应用中存在安全风险,且理想仿真场景与现实复杂环境之间的差距也进一步制约了强化学习在实际应用中的效果。针对这些挑战,提出了一种视线引导与自专家克隆融合强化学习的无人船路径跟踪算法LECUP。LECUP算法首先在静水环境中训练专家策略,随后通过自专家克隆将智能体迁移至更复杂的环境中。为了确保知识能够有效传递,LECUP算法引入数据填充机制,将自专家在静水环境中积累的经验数据进行升维填充并存储,并以此初始化复杂环境中的智能体。之后,运用强化学习算法对智能体在复杂环境中进行微调,从而进一步适应复杂环境。此外,LECUP算法结合视线算法计算目标航向,将路径跟踪控制与路径几何形状解耦,增强了无人船对不同路径形状的适应能力。该方法不仅能够在复杂环境中持续优化策略,还能缓解随机初始化带来的安全风险。大量实验结果表明,相较于基线方法,LECUP算法能够更好地完成无人船路径跟踪任务。

数据知识双增强的医学视觉问答网络

闫玉静, 侯霞, 郭玉婷, 张铭梁, 宋文凤

计算机科学. 2025, 52 (12): 252-259. doi:10.11896/jsjkx.241000105

摘要 ( 17 )

PDF(3305KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

医学视觉问答(Medical Visual Question Answering,Med-VQA)旨在正确回答与给定医学图像相关的临床问题,在临床医学智能化中起着至关重要的作用。虽然该领域研究已获得一定进展,但是在文本和图像多模态输入信息的深度提取,以及小规模数据集上的有效模型训练方面仍然面临挑战。对此,提出一种数据知识双增强的医学视觉问答网络。针对小规模数据集,设计了多模态条件混合模块对输入的图像和文本进行数据增强,利用问题类别作为约束条件对输入样本对进行线性组合,以提高答案生成的合理性。针对多模态特征提取,设计了一个基于卷积神经网络的图像位置识别器,将其捕获的图像位置特征编码到图像特征和问题特征的融合过程中进行知识增强,可在较少的参数下实现有效的特征提取。在SLAKE和VQA-RAD数据集上的实验结果表明,与基线模型相比,所提模型的性能有明显提升。

基于邻域匹配概率与类型商图的实体对齐解释方法

张晓明, 邱菁菁, 王会勇

计算机科学. 2025, 52 (12): 260-270. doi:10.11896/jsjkx.241100081

摘要 ( 21 )

PDF(4550KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

近年来,出现了多种基于嵌入的实体对齐方法,此类方法通过将实体和关系映射到低维向量空间,并计算这些向量表示来实现实体对齐。尽管这些方法都取得了很好的性能,但对其可解释性的研究相对较少。因此,提出了一种事后解释的实体对齐算法PE-EA,为基于知识图嵌入的实体对齐模型的预测结果生成解释。该方法首先通过计算知识图谱中实体及其关系的连接数来评估其功能性,进而量化实体邻域结构的重要性。之后,结合实体的功能性与实体的嵌入向量计算关系的嵌入向量,据此获取关系对的匹配概率。然后,根据模型预测实体对的邻域信息,计算邻域中候选解释对的匹配概率,筛选出预测实体对的解释三元组,将它们组合成解释子图。最后,引入类型商图概念,将解释子图抽象化,压缩数据并简化解释生成过程,从而在减少候选解释数量的同时,提升解释的质量和有效性。在5个常用的实验数据集上,使用fidelity和sparsity两种评价指标验证了模型生成的解释有较高的准确性和简洁性。

人工智能在金融领域的数据预测方法综述

陈夏伊

计算机科学. 2025, 52 (12): 271-284. doi:10.11896/jsjkx.250700166

摘要 ( 39 )

PDF(3289KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

面对金融市场的高度复杂性与数据的高噪声、非线性特性,以机器学习和深度学习为代表的人工智能技术已成为金融数据预测领域的核心驱动力。文中系统性地梳理与总结了近3年人工智能在该领域的最新研究进展与核心方法论。在传统机器学习层面,研究趋势已从单一学习器的应用,发展至以堆叠(Stacking)为代表的模型融合策略,以及结合优化算法进行自动化特征选择与超参数调优的混合范式。在深度学习层面,其应用展现出一条清晰的演进路径,即从作为基石的循环神经网络(RNN)及其与数据分解、注意力机制的融合,到能够捕捉多维度信息的CNN-RNN混合架构;并进一步聚焦于更前沿的图神经网络(GNN)、Transformer架构以及深度强化学习(DRL),系统阐述了它们如何分别在网络关联建模、长序列依赖捕捉以及实现“预测到决策”的范式转变中展现出独特优势。此外,还归纳了关键的特征工程与数据处理技术,并创新性地提出一个旨在反映金融产品内在拓扑结构的“结构化神经网络建模”新范式,以增强模型的可解释性。最后,在对现有成果进行总结的基础上,指出了当前研究在数据质量、模型可解释性与鲁棒性等方面面临的核心挑战,并对深度多模态融合、因果推断、金融大语言模型(LLM)以及可信赖AI(XAI)等未来关键研究方向进行了展望,以期为相关领域的学术研究与业界实践提供全面且具有前瞻性的参考。

多簇NOMA-UAV网络的节能轨迹与资源优化

李志坷, 徐涴砯

计算机科学. 2025, 52 (12): 285-293. doi:10.11896/jsjkx.250100016

摘要 ( 14 )

PDF(3170KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

针对无人机(Unmanned Aerial Vehicle,UAV)辅助多簇非正交多址(Non-Orthogonal Multiple Access,NOMA)下行网络中有限资源下的服务质量(Quality of Service,QoS)保障问题,提出了一种优化方案。UAV作为空中移动基站,向地面用户提供通信业务。由于能量有限,为使更多能量用于通信,将通信(悬停)时间作为优化变量,通过分别优化用户分簇、簇内用户功率分配和通信时间分配来最大化总吞吐量。由于其非凸性,将其分解为3个子问题,其中功率分配问题采用逐次凸逼近方法(Successive Convex Approximation,SCA)求解,而通信时间分配通过线性规划求解。首先,采用均值偏移(Mean Shift)算法进行用户分簇,相较于K-means算法,它通过计算局部密度峰值实现分簇,确保簇内用户相对集中;随后,考虑到该算法导致簇间用户数量不均衡,影响个体用户QoS,提出改进Mean Shift分簇算法,将用户数量较多的簇分裂为多个小簇;最后,为避免新增子簇增加飞行距离,提出本簇头悬停方案,并采用遗传算法(Genetic Algorithm,GA)进行轨迹优化,在保证用户QoS的前提下,通过减少UAV悬停节点的非通信能耗,来提升总吞吐量。该优化方案的计算复杂度较低,具有较强的实时性。仿真结果表明,改进Mean Shift算法的优化方案比K-means算法减少了非通信能耗,在不同的发射功率下,系统吞吐量平均提升了5.94%,在不同的用户数量下,能效平均提升了6.82%。

基于克隆反向学习灰狼优化算法的WSNs高效分簇路由方法

陈海燕

计算机科学. 2025, 52 (12): 294-301. doi:10.11896/jsjkx.250200116

摘要 ( 21 )

PDF(2218KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

针对无线传感器网络簇路由中节点能耗不均衡与簇首选择优化问题,提出一种基于克隆反向学习灰狼优化的能耗均衡路由协议(Clone Reverse Learning Grey Wolf Optimizer-based Energy-Balanced Routing Protocol,CRLGWORP)。该算法在传统灰狼优化框架中引入克隆选择机制,通过复制优质个体增强种群多样性,并结合反向学习策略扩大解空间搜索范围,有效提升全局寻优能力。设计以网络平均剩余能量和簇首到基站平均距离为优化目标的自适应加权函数,根据网络能量分布动态调整权重,平衡能量效率与通信距离的优化重点。簇首选举阶段优先选取高能量且靠近基站的节点,数据传输阶段采用多跳梯度中继机制优化通信路径,降低长距离传输能耗。实验结果表明,与LEACH,LEACH-C,HEED,FIGWO和HGWCSOA-OCHS算法相比,该算法显著延长了网络生命周期,提升了节点能量均衡性。

解决联邦学习Non-IID问题的基础模型方法综述

王鑫, 陈坤, 孙凌云

计算机科学. 2025, 52 (12): 302-313. doi:10.11896/jsjkx.241200056

摘要 ( 15 )

PDF(2313KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

联邦学习因具有隐私保护的天然特性,已经逐渐成为一个被广泛认可的分布式机器学习框架。但由于参与方数据分布的差异性,特别是呈现非独立同分布(Non-Independent and Identically Distributed,Non-IID)时,其面临着泛化性能不足、收敛性能下降、数据倾斜等严峻挑战。用预训练基础模型缓解Non-IID问题作为一种新颖的方法,演变出了各种各样的解决方案。对此,从预训练基础模型的角度,对现有工作进行了综述。首先介绍了基础模型方法,对典型的基础模型编码结构进行对比分析。其次从修改输入、基础模型部分结构再训练,以及参数高效微调3个角度,提出了一种新的分类方法。最后探讨了该类工作的核心难题和未来研究方向。

一种对时延敏感的去中心化联邦学习算法

彭姣, 常永娟, 严韬, 游张政, 宋美娜, 朱一凡, 张鹏飞, 贺月, 张博, 欧中洪

计算机科学. 2025, 52 (12): 314-320. doi:10.11896/jsjkx.241100085

摘要 ( 12 )

PDF(2197KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

近年来,深度学习、移动设备及物联网技术的快速发展,导致在边缘设备上进行模型推理和数据存储的需求激增。传统的集中式模型训练方法受限于数据量、通信带宽及用户数据隐私等问题,无法有效应对新的挑战。为此,联邦学习技术应运而生。联邦学习允许边缘设备基于本地数据训练模型,并上传模型参数至中央服务器进行聚合与分发,保证数据在不出各方可信域的前提下进行联合建模,并进一步发展了分布式联邦学习以解决时延、带宽限制及单点故障风险等问题。受限于真实网络环境下的网络延迟和带宽等因素,联邦学习的训练效率受到严重影响,造成多方联合建模困难。针对这一问题,提出一种对时延敏感的去中心化联邦学习算法DBFedAvg,通过动态选择算法选取平均时延较小的节点作为主节点,降低通信成本,提高全局模型训练性能,加速模型收敛。Sprint网络等场景下的实验结果,验证了所提方法在通信成本和模型收敛性能等方面带来了巨大提升。

基于API序列特征工程与特征学习的恶意代码检测方法

杨一哲, 芦天亮, 彭舒凡, 李啸林

计算机科学. 2025, 52 (12): 321-330. doi:10.11896/jsjkx.250300056

摘要 ( 16 )

PDF(2502KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

基于API序列的恶意代码分析方法能够有效捕捉程序运行时的行为特征。然而,现有检测方法通常仅关注API名称,而忽略了参数以及返回值,或者难以充分挖掘它们的语义信息以及参数间的关联性,导致检测性能受限。为解决此问题,提出了一种结合系统化特征工程与深度神经网络架构的恶意代码检测方法。该方法针对API名称、参数及返回值的数据特性,对API序列实施结构化编码,继而通过多个RefConv卷积块来提取每个API调用的多尺度特征,最终将特征向量输入基于BiGRU-BiLSTM的并行循环神经网络,以学习API序列之间的长短期依赖关系。实验构建并开放了规模为2.5万的API序列数据集,在综合性能检测实验中,所提方法达到了93.55%的准确率;并通过时间概念漂移、空间概念漂移以及消融实验,验证了所提方法可以有效检测恶意代码。

面向5G城市交通的轻量级安全认证和密钥更新方案

苏新忠, 徐友云

计算机科学. 2025, 52 (12): 331-338. doi:10.11896/jsjkx.241100093

摘要 ( 18 )

PDF(2825KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

随着5G技术的发展,城市交通系统能够以更高效的方式实现信息交互,极大提升了参与者的道路体验。在该系统中,路侧单元通过5G接入访问并转发车载单元、行人终端和道路传感器等节点的数据,可为驾驶员和行人提供有效的态势感知视野,降低事故发生率,提高行车效率。然而,现有认证方案存在安全性低、开销大、可拓展性低等缺陷,为此,提出了一种端到端的车联网轻量级安全认证和密钥更新方案。首先,通过阶乘树实现RSU权限的细粒度访问控制;然后,利用物理不可克隆函数等低开销算法为RSU和车联网设备设计相互认证协议。针对车联网移动性等问题,为参与节点提供动态在线的密钥更新方法,并借助Proverif以及非形式化分析验证其面对各种攻击的安全性。与其他方案在性能开销等方面的对比表明,所提方案适用于资源有限的车联网场景。

变电站远程监控网络攻击路径自动发现方法

史俊楠, 陈泽茂, 张立强

计算机科学. 2025, 52 (12): 339-350. doi:10.11896/jsjkx.250100143

摘要 ( 17 )

PDF(3855KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

随着变电站从孤立系统发展为跨越IT和OT的复杂联网系统,其面临的安全威胁日益严峻,识别针对变电站远程监控网络的潜在攻击路径变得尤为重要。针对该问题,提出了一种基于MITRE ATT & CK框架的自动化攻击路径规划方法,将MITRE ATT & CK技术作为攻击原语,基于Cyber Kill Chain进行攻击阶段映射,在构建形式化的威胁模型的基础上,设计了PDDL(Planning Domain Definition Language)描述自动生成方法,将网络攻击路径发现问题转换为通用的自动规划问题,实现了对攻击路径的细粒度的自动化分析。实验结果表明,该方法有效降低了对用户专业知识的依赖,能够结合具体的网络拓扑信息,自动生成全面且具有实战指导价值的攻击路径,为自动化渗透测试及安全防护体系建设提供了有力支持。

优良平衡布尔函数的Rank排序混合遗传搜索算法

赵海霞, 李鑫, 韦永壮

计算机科学. 2025, 52 (12): 351-357. doi:10.11896/jsjkx.241200039

摘要 ( 16 )

PDF(1668KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

对称密码算法通常采用安全指标良好的平衡布尔函数作为核心部件,以保障整个算法的安全性。使用启发式算法进行搜索是获得优良平衡布尔函数的一个重要途径。对此,设计了Rank排序混合遗传算法,用于搜索高非线性度、低自相关绝对值指标的平衡布尔函数。与传统的遗传算法相比,Rank排序混合遗传算法在交叉阶段设计了交叉保护策略,以保障子代的平衡性;在选择步骤,采用基于适应度函数值的精英选择策略,以防止优秀个体流失;在进入下一轮迭代之前,设计了Rank排序环节,以增大下一轮进行交叉的个体间的差异,提高生成优秀子代的可能性,降低算法陷入局部最优解的风险。实验结果表明,以6至14元的偶变元数的布尔函数为搜索对象,使用Rank排序混合遗传算法均可搜索得到非线性度严格几乎最优、自相关绝对值指标低的平衡布尔函数。

基于异构图归纳学习的恶意域名检测研究

梁建鹏, 莫秀良, 王鹏翔, 王焕然, 王春东

计算机科学. 2025, 52 (12): 358-366. doi:10.11896/jsjkx.241000083

摘要 ( 20 )

PDF(2688KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

当前基于图神经网络的恶意域名检测技术需要依赖领域专家进行元路径选择,才能将异构图转换为同构图进行直推式学习。这种方法难以利用图中丰富的拓扑信息,不具有良好的扩展性和泛化能力。对此,提出一种基于异构图归纳学习的恶意域名检测技术。首先,利用元路径生成算法构建以域名、主机和域名注册信息为节点的异质信息网络。其次,为克服直推式训练方式下的模型在真实网络中适用能力差的问题,使用归纳式图神经网络HeteroGAT来学习由训练样本构成的异构图的通用结构,并利用基于自编码器的域名特征表示来提升检测性能。最后,在公开数据集上将所提算法与机器学习和深度学习方法进行了对比。实验结果显示,所提出的方法取得了更优的性能指标,且在训练样本较少的条件下依旧能够有效处理数据不平衡问题,具有良好的鲁棒性。

基于异构图和指令序列的智能合约字节码漏洞检测方法

宋建华, 曹凯, 张龑

计算机科学. 2025, 52 (12): 367-373. doi:10.11896/jsjkx.241100076

摘要 ( 23 )

PDF(1608KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

近年来,智能合约安全问题日益突出,漏洞检测成为关键挑战。在源代码不公开的情况下,字节码检测方法备受关注。然而,现有深度学习方法通常仅基于序列或图结构,难以全面捕捉漏洞特征。为此,提出一种基于异构图和指令序列的智能合约字节码漏洞检测方法RGCN-ResNet1D(Relational Graph Convolutional Network and ResNet-based 1D Convolutional Network)。该方法将字节码建模为异构图和指令序列,分别利用关系图卷积网络(RGCN)提取结构特征和基于ResNet的一维卷积网络(ResNet1D)提取序列特征,并融合两类特征进行漏洞检测。同时,设计了一种基于误分类样本数量动态调整权重的交叉熵损失函数,有效缓解训练集类别不平衡问题。实验结果表明,RGCN-ResNet1D在检测整数溢出、时间戳依赖和自毁3类漏洞时,F1得分分别为95.43%,90.67%和92.31%,显著优于对比方法。

基于特征分布的高鲁棒模型结构后门方法

陈先意, 张成娟, 钱江峰, 郭倩彬, 崔琦, 付章杰

计算机科学. 2025, 52 (12): 374-383. doi:10.11896/jsjkx.250300064

摘要 ( 17 )

PDF(5058KB) ( 6 )

参考文献 | 相关文章 | 多维度评价

模型后门攻击通常将待触发后门隐藏在模型参数中,而在其构造的特定样本下激活预设输出。但这类方法容易遭受参数净化等防御技术的削弱,导致后门难以触发。为此,首次基于特征分布设计后门触发机制,构建了不依赖模型参数的结构后门,从而实现高隐蔽、高鲁棒的后门植入。首先,使用模型特征空间中的分布式触发器生成后门图像,使得后门激活更加稳定,从而提升攻击可靠性;其次,构建由分布检测器和后门寄存器组成的后门结构,并嵌入至目标层中,该结构化后门不依赖模型参数,可显著增强后门的鲁棒性和抗检测性;最后,利用分布检测器提取分布式触发模式,同时后门寄存器将被激活并完成模型特征污染,从而确保后门在预期条件下精确触发,使得后门效果更具针对性。实验结果表明,所提方法在模型经历20轮参数修改后依然能够达到100%的攻击成功率,且能够躲避多种先进的后门检测器。

基于国密算法SM9的环签名方案

谢振杰, 张耀, 杨启超, 宋恩舟

计算机科学. 2025, 52 (12): 384-390. doi:10.11896/jsjkx.241000072

摘要 ( 23 )

PDF(1582KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

环签名具备自发性和匿名性,其在实现数字签名的同时保护了用户隐私,已被广泛应用于区块链、电子选举和数字货币交易等需要隐藏签名者真实身份的场景。基于标识的密码可避免复杂的公钥基础设施建设和公钥证书管理,具有更好的系统性能。以基于标识密码体制的国密算法SM9数字签名算法为基础,构造了满足一般系统模型和安全模型的环签名方案,在随机预言机模型下基于q-SDH困难问题,证明了提出的方案具有EUF-CMIA安全性,即使在掌握系统主私钥的敌手面前也具备完全匿名性。理论分析和测试表明,该方案相较于现有同类方案具有明显性能优势,当环用户数量为1 024时,签名和验证速率较同类方案分别提升121%和111%,签名数据减少近50%。

基于主动学习的多模态谣言检测模型

商云娴, 蔡国永, 刘庆华, 蒋艺明

计算机科学. 2025, 52 (12): 391-399. doi:10.11896/jsjkx.241000161

摘要 ( 20 )

PDF(2953KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

传统的谣言检测方法仍然有许多不足,如没有充分利用多模态信息,未考虑样本稀缺、标注昂贵、领域变化等实际情况,无法满足需求。为了解决样本稀缺和领域变化的问题,提出了一种新的基于主动学习的多模态谣言检测模型ALMF。ALMF设计了一种基于传播结构图增强的不确定性查询策略,使得主动学习筛选的样本更具有学习价值,同时减少了样本标注量;另外,ALMF使用多模态数据,充分结合文本特征、图像特征以及传播结构特征,通过不同模态特征之间的互补增强,提升了谣言检测能力。在PHEME和WEIBO两个数据集上进行了实验,结果表明,ALMF的性能优于对比模型,准确率提高2%~9%。相比于基于基础查询策略的主动学习,ALMF仅标注约5%的样本取得的性能与全样本时的性能相当。通过使用传播结构图增强的查询策略和跨模态增强的融合方式,ALMF模型成功应对了新领域事件谣言检测面临的挑战。

基于新型混沌系统和二进制块压缩感知的图像加密算法

范海菊, 岳爽, 窦育强, 李名, 张明珠

计算机科学. 2025, 52 (12): 400-410. doi:10.11896/jsjkx.241100045

摘要 ( 16 )

PDF(6652KB) ( 6 )

参考文献 | 相关文章 | 多维度评价

提出了一个适合在嵌入式设备上实现的基于新型整数混沌系统和二进制块压缩感知(Block Compressed Sensing,BCS)的图像加密方案。首先,设计了一个一维变参数扰动整数混沌系统;然后,在压缩感知过程中,利用该整数混沌系统生成一个二进制测量矩阵来减少嵌入式设备进行压缩时的计算量;为进一步提高压缩感知效率,对原始图像进行分块处理;最后,对图像进行扩散处理,以实现二次加密。解密部分使用PL(Projected Landweber)算法和wiener滤波器来加速解密,提高了图像的解密质量。仿真实验和性能分析表明,提出的整数混沌系统具有较好的混沌特性,当计算机字长为32时,其李雅普诺夫指数总是在20.2以上。基于该混沌系统所提出的图像加密方案不仅能获得较高的图像解密质量,而且具有很高的安全性能,可以抵抗常见的攻击手段。

基于固件修复的工业网关仿真与测试方法

卫子涵, 麻荣宽, 李贝贝, 杨亚辉, 李卓, 宋云凯

计算机科学. 2025, 52 (12): 411-418. doi:10.11896/jsjkx.241200143

摘要 ( 15 )

PDF(2457KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

随着智能制造产业的不断发展,以工业网关为代表的边缘计算设备被广泛应用于工业现场中。因此,工业网关中的程序漏洞也开始威胁工业网络的安全。然而,工业网关功能设计的专用性以及固件提取的低保真度问题,会导致现有安全测试方法难以适用于工业网关的测试。针对以上问题,提出了一种基于固件修复的工业网关仿真与测试方法。首先,在固件文件系统提取的基础上,采用启发式修复方法对文件系统中的重复和错误文件进行资源释放和修复,为测试提供了满足仿真运行需要的文件系统条件;其次,通过启发式干预方法对二进制程序运行时发生的错误进行修复,实现被测程序在仿真环境中运行;最后,设计实现了针对网关固件的模糊测试工具。在评估实验中,通过以上方法对4款真实的工业网关进行了固件文件系统修复,并对其中2款工业网关设备中的重要应用程序进行了仿真运行和模糊测试。实验结果表明,经过修复后的文件系统无序程度平均降低27.2%,且针对工业网关主要服务程序仿真运行效果良好,并在模糊测试中发现了真实工业网关设备中的1个未公开拒绝服务漏洞,证明了该工具的有效性。

基于静态分析驱动型的IOS-XE Web命令注入漏洞检测方法

鲁波, 吕晓

计算机科学. 2025, 52 (12): 419-427. doi:10.11896/jsjkx.250100060

摘要 ( 27 )

PDF(2364KB) ( 7 )

参考文献 | 相关文章 | 多维度评价

目前针对网络设备webUI的漏洞挖掘已经变得非常普遍,漏洞滥用带来严重威胁,网络设备的安全稳定成为安全领域关注的重点。模糊测试是针对网络设备Web接口漏洞挖掘的主流方法,但这些方法在Cisco IOS-XE系统上效果均不理想。为此,针对IOS-XE系统的Web框架提出了一种基于静态分析驱动型模糊测试框架IOXFuzzer,用于检测底层命令注入漏洞。IOXFuzzer通过对后端Lua脚本进行抽象语法树建模,构建危险路径库反向追溯危险路径,再构建参数树筛选高质量种子库,生成高覆盖率测试用例,增加了发现脆弱代码的概率。最后在Cisco ASR 1000系列、ISR 4000系列实体设备和CSR 1000v系列虚拟设备上用2019年至今的69个不同版本固件对IOXFuzzer进行了评估,共检测出8个底层命令注入漏洞,其中1个为未公开漏洞。

基于检索增强分类与解耦表示的NLP对抗鲁棒性提升方法

张錋, 张道娟, 陈凯, 赵宇飞, 张英杰, 费克雄

计算机科学. 2025, 52 (12): 428-434. doi:10.11896/jsjkx.250500005

摘要 ( 23 )

PDF(2002KB) ( 10 )

参考文献 | 相关文章 | 多维度评价

虽然自然语言处理(Natural Language Processing,NLP)模型在各类文本分类任务中表现优异,但面对对抗性攻击时依然存在较大脆弱性。为应对这一问题,提出了一种创新性的检索增强分类方法,有效提升了模型在对抗环境下的鲁棒性。该方法引入了 k-最近邻(K-Nearest-Neighbor,KNN)检索机制,将模型自身的标签预测结果与检索到的相似样本标签分布相结合,使模型在遭受攻击时能做出更为稳健的判断。该方法的一大创新在于将分类与检索所用的表示空间分开设计,从而避免了共享表示带来的性能下降和训练不稳定。通过在多种基准数据集和多样化对抗攻击场景下的实验,证明了所提出的方法显著提升了模型的鲁棒性:在对抗攻击下,可使模型准确率下30个百分点到40个百分点,即使在强烈攻击下依然能够保持较为稳定的表现。大量实验进一步验证了该方法的有效性,表明检索增强分类和解耦表示对于构建更可靠的系统具有重要意义。