计算机科学

第53卷第9期目录

计算机科学. 2026, 53 (9): 0-0.

摘要 ( 101 )

PDF(407KB) ( 253 )

相关文章 | 多维度评价

基于大语言模型的图学习综述:方法、基准与进展

贺娇君, 李欣

计算机科学. 2026, 53 (9): 1-15. doi:10.11896/jsjkx.260400039

摘要 ( 195 )

PDF(4239KB) ( 500 )

参考文献 | 相关文章 | 多维度评价

大语言模型凭借强大的语义理解与知识推理能力,为突破传统图学习在零样本推理与跨领域迁移上的泛化瓶颈提供了重要路径,但现有研究缺乏对大语言模型赋能图学习的方法体系与评测基准的系统性分析。对此,梳理该领域三阶段发展脉络,并基于协同层级与图结构类型构建二维分类框架:前者涵盖仅依赖大语言模型的图建模、大语言模型与图神经网络分层协同及深度协同3类模式,深入剖析各类方法的核心机制与适用边界;后者聚焦大语言模型在文本属性图、多模态图、异构图与动态图等复杂结构下的适配机制。在此基础上,概括推荐系统、异常检测等典型应用中大语言模型赋能图学习的进展,从交互方式与任务类型等方面归纳现有基准并分析各类方法的能力边界。结果表明,协同方法通常更稳健,现有评测体系在动态基准构建与结构感知衰减量化等方面仍有不足。最后,总结当前研究在大规模时空图、跨场景泛化、效能优化与可信安全方面的挑战,并展望未来研究方向。

大模型安全对齐中文数据集综述:现状与展望

李罗政, 李凌波, 袁泉

计算机科学. 2026, 53 (9): 16-23. doi:10.11896/jsjkx.260100147

摘要 ( 670 )

PDF(1917KB) ( 418 )

参考文献 | 相关文章 | 多维度评价

大模型安全对齐是防范大模型生成有害内容、确保输出符合人类价值观与安全规范的关键技术,其有效性高度依赖高质量的数据集。当前研究多基于英文语境与西方文化背景,缺乏针对中文场景的专用数据集。为此,系统梳理了大模型安全对齐的技术框架,并重点综述了当前公开的中文安全对齐数据集的建设现状。首先,阐释了安全对齐在后训练安全中的定位及其技术演进,进而详细分析了现有中文数据集在安全风险分类、数据规模、用途分布等方面的特点与不足。最后,从数据建设的规模性、完备性与方向性3个维度对未来研究进行展望,提出了未来应关注数据质量、缓解“安全税”现象并探索预训练与对齐阶段的协同优化,以期为构建更高效、鲁棒且符合中文语境的安全对齐体系提供数据基础与研究方向。

基于大语言模型的任务规划智能体框架、技术与挑战

安冉, 程恺, 邵天浩, 李昌原, 陈艳

计算机科学. 2026, 53 (9): 24-37. doi:10.11896/jsjkx.260100066

摘要 ( 532 )

PDF(3642KB) ( 376 )

参考文献 | 相关文章 | 多维度评价

任务规划作为人工智能的核心研究内容之一,传统方法难以应对具有长时性、复杂逻辑关系及动态变化任务规划的实际需求。近期大型语言模型(LLM)展现出的强大上下文推理与类人认知能力,为解决上述难题提供了崭新途径。然而,直接将大语言模型应用于任务规划仍面临长期记忆缺失、复杂任务分解能力有限、动态变化响应不及时等瓶颈。针对这些挑战,提出了一种基于大语言模型的任务规划智能体框架。该框架在AI Agent结构基础上,以大语言模型为中心,通过抽象推理、动作驱动、反思、记忆等模块的有机协同,实现了高效的动态任务规划。深入研究了该框架中所涉及的相关关键技术现状,对比分析了不同方法的优势与不足,进行了技术权衡,并分析了框架在面对复杂度、资源消耗以及实时性不同情况下的技术选择。通过总结当前研究面临的挑战和困难,提出了未来研究方向,为基于大语言模型的任务规划提供了理论框架和方法指导。

大语言模型与知识图谱协同驱动的知识推理技术研究综述

夏毅, 周刚, 张凯翔, 兰明敬, 李珠峰, 苏本容, 贺浩峰, 冯世忠

计算机科学. 2026, 53 (9): 38-54. doi:10.11896/jsjkx.251000027

摘要 ( 951 )

PDF(3314KB) ( 388 )

参考文献 | 相关文章 | 多维度评价

知识推理技术是实现人工智能认知智能的核心,旨在通过已有知识推断新知识以完善知识体系,是衡量机器智能水平的重要标志。随着人工智能技术的快速发展,传统单一的知识表示与推理方法已难以满足复杂场景下的智能化需求。在此背景下,以知识图谱为代表的显式符号系统和以大语言模型为代表的隐式参数系统的协同推理成为研究热点。前者通过结构化三元组实现精准表征,后者依托神经网络编码海量语义信息。两大技术路线在推理领域均取得显著进展,特别是近年来,ChatGPT展现的泛化推理能力和DeepSeek-R1在参数化深度推理上的创新实践,为神经符号协同推理奠定了重要基础。然而,由于两种知识表示方式的差异,两种系统各有局限:符号系统受限于知识覆盖度与动态更新效率,参数系统面临事实性幻觉与推理可解释性等挑战。随着人工智能技术的快速发展,大语言模型与知识图谱的协同工作日益受到关注。通过结合大语言模型的语义理解能力和知识图谱的可解释性优势,可实现对自然语言问题语义逻辑的深层次分析,有效克服传统知识推理方法的局限,为信息检索、智能问答和推荐系统等下游智能化应用提供关键支撑,推动人工智能知识处理方法的全面性、可靠性和可控性发展。文章从大语言模型与知识图谱协同的角度,对知识推理领域进行了系统综述。首先,阐述了基于知识图谱和大语言模型的知识推理技术的概念与特点;其次,详细介绍了近两年协同工作的最新研究进展,从大语言模型增强知识图谱推理、知识图谱增强大语言模型知识推理以及两者交互协同的知识推理3个维度总结了不同方法;最后,总结并展望了大语言模型与知识图谱协同驱动的知识推理技术的当前挑战和未来研究方向。

时间序列任务中大语言模型微调策略与代理架构研究综述

张荣杰, 庞雄文, 王凤玲

计算机科学. 2026, 53 (9): 55-70. doi:10.11896/jsjkx.250800082

摘要 ( 724 )

PDF(2711KB) ( 316 )

参考文献 | 相关文章 | 多维度评价

大语言模型(Large Language Models,LLMs)在气候、物联网、医疗和金融等时间序列分析领域展现出广阔的应用前景,能够挖掘序列数据的时序依赖与潜在规律,更好地支持预测、诊断与决策任务。然而,目前该方向的研究缺乏对代理(Agent)架构与跨模态适配方面研究的系统性综述。为此,系统梳理了近年来 LLMs在时间序列建模中的最新研究进展,分类探讨了相关建模技术,包括文本提示词微调、向量编码微调以及结合外部工具库的代理架构。进一步从模型的应用领域进行细分,总结了常用的数据集与评估指标。最后,指出了当前LLMs在跨模态融合、可解释性与模型泛化方面的挑战,并探讨了潜在的研究方向,为未来技术的创新与落地应用提供有益启示。

基于杀伤链与大模型的时敏目标订单式打击

陈海, 范长俊, 孙博良, 程杰, 孔骏锋, 袁雨辰

计算机科学. 2026, 53 (9): 71-81. doi:10.11896/jsjkx.260100117

摘要 ( 148 )

PDF(4229KB) ( 339 )

参考文献 | 相关文章 | 多维度评价

针对时敏目标打击领域存在的传统优化方法建模僵化、决策过程不透明,以及深度强化学习方法样本需求大、奖励函数设计复杂、结果可靠性验证困难等挑战,提出一种订单式打击与大语言模型赋能的混合智能决策新方法。该方法构建了以动态“订单”为核心的火力资源自适应调度模型,并创新性地引入大语言模型作为战略顾问角色,形成STIRA-LLM与KPSA-LLM两大核心算法:前者利用大语言模型的逻辑推理能力加速复杂约束下的优化求解;后者则专注于生成符合战术逻辑的自然语言解释,以提升决策的可理解性。实验验证表明,该框架在多项关键指标上均取得显著提升,并能在大规模动态对抗环境中保持稳定高效的求解性能;同时,系统具备生成层次化、可审阅的战术意图与方案依据的能力,有效增强了人机协同的透明度与指挥信任。研究通过将机理模型与认知智能融合,为智能化战争条件下实现高效、可靠且具有解释性的自适应决策提供了一条具有实践价值的技术途径。

面向联合作战的智能指挥模型的构建与应用技术研究

张一鸣, 胡星辰, 朱子杰, 郑国, 刘鹏忠

计算机科学. 2026, 53 (9): 82-91. doi:10.11896/jsjkx.260100046

摘要 ( 150 )

PDF(6147KB) ( 392 )

参考文献 | 相关文章 | 多维度评价

面向未来高端战争体系作战能力需求,针对联合全域作战中不同军事信息系统间难以互理解、互操作造成的资源协同难、杀伤链构建慢等问题,以模型驱动的军事信息系统数字化转型,构建指挥流程中要素解耦与柔性重聚的核心能力,提出智能化的指挥模型管理应用体系。重点阐述模型集成平台的软件架构,强化模型的解耦、复用及语义一致性能力;深度研究基于大语言模型的优化推荐、大小模型协同及任务驱动的智能化模型编排组合等关键技术,旨在重塑模型体系的使用模式、流程形态和技术要素。

基于领域适配与动态检索增强的历史学科大模型构建方法

郭宇扬, 史磊, 刘欢, 董怡翔, 李睿

计算机科学. 2026, 53 (9): 92-100. doi:10.11896/jsjkx.250600103

摘要 ( 234 )

PDF(2913KB) ( 313 )

参考文献 | 相关文章 | 多维度评价

当前,教育信息化持续深入发展,人工智能技术为学科教育提供了新的方法论,其中大语言模型在构建知识体系与辅助学科任务方面展现出巨大潜力。然而,通用大模型在学科教育场景下面临知识边界模糊、事实性偏差显著、任务适配不足等核心问题。为此,聚焦历史学科,提出领域大模型构建及动态知识增强生成方法。该方法包含学科大模型构建与生成优化两个核心模块。首先,通过语义去重和上下文学习构建增量预训练数据集,提出基于指令微调的领域适配框架,采用跨段落因果关联建模融合文档全局语义与局部特征进行学科模型训练,并构建多维度学科模型评测体系;其次,提出动态决策检索增强生成机制,通过指令重构模块优化用户意图解析,设计多场景动态检索决策模块实现按需检索的智能路由,采用思维链引导的两阶段过滤机制筛选高价值知识。在历史学科任务上的实验结果表明,所提方法相较于通用大模型,在历史选择题准确率提升1.43%~10.19%,生成任务BLEU值提升1.02%~43.35%;相比传统检索增强方法,选择与生成任务分别提升3.54%~20.47%和0.18%~6.33%。该方法有效解决了知识偏差与低频知识覆盖难题,为教育领域大模型构建提供了动态知识增强的新范式。

基于大模型的行动方案生成思维链模型构建研究

雷坤翰, 陶九阳, 李辰宇, 钟琪, 叶林发

计算机科学. 2026, 53 (9): 101-109. doi:10.11896/jsjkx.260100163

摘要 ( 397 )

PDF(4613KB) ( 318 )

参考文献 | 相关文章 | 多维度评价

思维链是一种提示工程技术,其内涵是通过设计简单提示或者结合领域知识精心设计推理逻辑来引导大模型生成中间推理步骤,从而更好地解决复杂问题。目前思维链已在复杂推理任务中展现出显著的成效。在指挥决策、作战筹划等高度精细化的军事领域,需要精心设计思维链来模拟人类指挥员筹划生成作战方案的步骤和推理逻辑。通过针对判断上级意图、分析战场环境、开展作战筹划等内容描述指挥员思维过程,构建思维图景模型。根据指挥员思维图景模型,构建了一个作战方案生成和优化的双向思维链模型,创造性思维链负责生成作战方案,批判性思维链负责对生成的方案进行威胁、风险分析和优化调整。所构建的模型为后续用思维链引导大模型生成作战行动方案奠定了理论基础。

分子预训练模型及其在药物发现中的应用综述

许建军, 毕莹, 陈明明, 梁静

计算机科学. 2026, 53 (9): 110-123. doi:10.11896/jsjkx.260400142

摘要 ( 503 )

PDF(3717KB) ( 266 )

参考文献 | 相关文章 | 多维度评价

分子预训练模型作为人工智能与药物发现融合的重要方向,近年来在分子性质预测、虚拟筛选和分子设计等任务中展现出显著优势。该类方法通过在大规模无标注分子数据上进行自监督学习,获得具有良好迁移能力的特征,从而有效缓解药物研发中标注数据稀缺和任务泛化能力不足的问题。对此,首先系统综述了分子预训练模型在药物发现领域的研究进展,梳理了分子表示方法的发展脉络;然后,总结了主流分子预训练模型架构与学习策略,并分析其在分子性质预测、药物筛选和分子生成等关键应用中的表现与优势;最后,结合当前研究现状,讨论了分子预训练模型在数据质量、显式建模、多模态融合及可解释性等方面面临的挑战,并对未来发展方向进行了展望,旨在为相关研究与应用提供参考。

面向物联网场景的分布式时序数据库共识协议框架

谷新豪, 许京奕, 李永瑾, 赵馨逸, 乔嘉林

计算机科学. 2026, 53 (9): 124-135. doi:10.11896/jsjkx.260100146

摘要 ( 221 )

PDF(3582KB) ( 282 )

参考文献 | 相关文章 | 多维度评价

随着物联网的飞速发展,设备状态监控数据逐渐发挥越来越大的价值。这些数据主要包括不随时间变化的静态属性信息以及随时间变化的动态时序数据。然而,这两类数据的读写负载、价值密度存在显著差异。传统分布式时序数据库通常采用单一的共识协议来管理不同数据,未充分考虑不同数据的特点和价值,因而导致系统的整体表现受限。针对此问题,提出了一种面向物联网异构数据的分布式共识协议框架。该框架通过模块解耦和标准化接口定义提供多样的共识协议选择,即允许根据不同的应用场景和特定的数据类型来集成不同的共识协议。具体而言,该框架可让系统为价值高、容错低的静态属性信息配置强一致性共识协议,以保证其准确性和可靠性;同时为体量大、冲突少的动态时序数据配置弱一致性共识协议,以增强其写入性能。为验证该框架的灵活性和普适性,基于开源分布式时序数据库Apache IoTDB进行了实现,并评估了它在不同共识协议中的差异化表现。基于恰到好处的共识协议集成,该框架使IoTDB集群的写入吞吐量提升了2.5倍,能够充分满足物联网异构数据对共识协议的不同需求。该研究提升了分布式时序数据库处理物联网异构数据的灵活性和适应性,为不同价值的数据提供了定制化的共识保障,也为不同共识协议的对比提供了可靠平台,具有重要的理论意义和实用价值。

基于分布式缺失数据规则构建的舰船识别方法

胡意晖, 李妍, 郭天翔, 李文涛, 胡星辰

计算机科学. 2026, 53 (9): 136-144. doi:10.11896/jsjkx.260600032

摘要 ( 268 )

PDF(3257KB) ( 283 )

参考文献 | 相关文章 | 多维度评价

针对复杂海战场环境下多元探测信息汇聚难、缺失严重,以及现有深度多模态融合模型可解释性不足的问题,提出一种基于分布式缺失数据规则构建的舰船识别方法(Distributed Information-granule and Rule Construction,DIRC)。该方法以信息粒为跨节点共享的结构化载体,在不泄露原始数据的前提下,通过联邦共识约束完成局部缺失视图的语义对齐。在此基础上,构建面向舰船识别任务的TS模糊规则分类器,实现分布式场景下的可解释协同识别;同时,设计自适应加权聚合机制,有效缓解数据异质性导致的聚合偏差问题。基于“灵弈”兵棋推演系统构建的MyFleet数据集的实验表明,所提方法在高缺失场景下仍保持较好的识别性能,在MyFleet数据集75%缺失率下的准确率达到70.42%,且能够输出具有明确物理含义和战术指向的识别规则。所提方法可为受限通信和信息碎片化条件下的舰船目标识别与辅助决策提供一种兼具鲁棒性与可解释性的技术途径。

基于硬提示的多模态新能源数据特征图建模方法

王星越, 叶宏庭, 许洪华, 周苏洋, 孔佑勇

计算机科学. 2026, 53 (9): 145-156. doi:10.11896/jsjkx.250800036

摘要 ( 381 )

PDF(4256KB) ( 326 )

参考文献 | 相关文章 | 多维度评价

为满足新能源发电并网与建设智能电网的需求,研究新能源数据特征图建模方法具有重大意义。图结构数据能建模真实世界中的各类系统,在各个领域被广泛应用。但是,图结构数据复杂的非欧几何特性与标注数据的稀缺性对图神经网络的泛化能力提出了严峻挑战。传统监督学习依赖大规模标注数据,而“预训练、微调”范式又存在优化目标不一致和全量参数微调开销大的双重瓶颈。近年来,提示学习通过任务对齐与参数高效微调为突破上述瓶颈提供了新的思路,但现有图提示方法仍面临跨领域适配能力弱的共性问题。针对该问题,提出基于硬提示的多模态新能源数据特征图建模方法,利用文本属性图,通过自然语言的方式对多模态新能源数据进行统一描述,并结合大语言模型进行语义特征嵌入学习,使模型能够有效提取不同特征的语义表征,实现多模态新能源数据特征的语义一致性建模。同时,在图结构的构建上提出提示节点与类别节点的创新,以统一多领域多任务图任务的目标一致性,并为模型提供指导信息。此外,采用交替训练策略提升训练效率并增强模型的泛化能力。在5个图数据集和一个新能源风电数据集上的实验验证了所提方法的有效性,说明基于硬提示的多模态新能源数据特征图建模方法能够对包含新能源数据的多模态数据特征进行图建模。

基于全局相关性和冗余性的OE概念约简

赵世澄, 米据生

计算机科学. 2026, 53 (9): 157-164. doi:10.11896/jsjkx.260600026

摘要 ( 136 )

PDF(2057KB) ( 294 )

参考文献 | 相关文章 | 多维度评价

概念约简是形式概念分析的核心环节,其目的是在减少概念格中概念的个数的同时保留全部原始信息。三支概念格作为三支决策理论与经典概念格的融合形式,其约简任务与经典场景存在显著差异:经典概念约简聚焦单一正信息的结构保留,而三支概念约简需同时兼顾正、负及不确定三类知识的完整性,判定标准更为严苛,结果更适配复杂决策场景下对多维度知识的保留需求。当前,针对三支概念格的概念约简的研究仍较为匮乏,缺乏高效可行的约简方法。针对这一问题,提出一种基于全局相关性与冗余性的OE概念约简框架。该框架融合OE概念的相关性与冗余性分析,构建一种优化的OE概念约简方法,可在保障三支知识结构完整性的前提下,有效识别并剔除冗余概念,得到保留二元关系的OE概念约简结果。实验结果表明,相较于现有OE概念约简方法,该方法在约简计算效率上具有显著优势,可有效提升OE概念约简的处理性能,为OE概念格理论发展及其在复杂决策分析中的应用提供新的支撑。

基于双远离步的改进条件梯度算法求解最小闭包球问题

丛伟杰, 岳远艺, 王敏

计算机科学. 2026, 53 (9): 165-172. doi:10.11896/jsjkx.250800029

摘要 ( 459 )

PDF(2042KB) ( 259 )

参考文献 | 相关文章 | 多维度评价

最小闭包球(MEB)问题是机器学习和计算几何中一个经典的优化问题,其目标是寻找一个半径最小的球包围给定的数据点集。通过结合经典远离步与成对远离步两种远离步方向,提出一种改进的双远离步条件梯度(Double Away-step Conditional Gradient,DACG)算法,用于求解n维空间中m个数据点集的MEB。与其他结合远离步的双选条件梯度算法变体相比,DACG算法放弃选用原始条件梯度算法中的朝向步方向,在每次迭代中通过比较经典远离步与成对远离步方向下的目标函数精确增量进行选步。DACG算法求解MEB问题(1+∈)-近似解的线性多项式时间复杂度为O(mn/∈)。数值实验结果表明,DACG算法能显著提高求解高维大规模数据集MEB问题的计算效率。尤其是与经典的远离步条件梯度算法相比,DACG算法的迭代次数可减少31.8%~46.5%,运行时间可节省30.5%~54.5%。此外,在数值实验中将DACG算法扩展应用于机器学习中的支持向量数据描述,进一步验证了算法处理真实数据集的有效性。

融合模糊聚类与回滚式门控的结构深度聚类

邹敬, 王平心

计算机科学. 2026, 53 (9): 173-179. doi:10.11896/jsjkx.260500130

摘要 ( 386 )

PDF(2883KB) ( 247 )

参考文献 | 相关文章 | 多维度评价

结构深度聚类(SDCN)通过融合自编码器与图卷积网络(GCN),能够在聚类过程中同时利用样本特征信息与图结构信息。传统SDCN的聚类中心主要依赖目标分布驱动的隐式优化,对边界样本和类别不均衡情形较为敏感。尤其是在样本分布复杂、类间边界模糊或邻接关系存在噪声的情况下,中心偏移会进一步放大伪标签误差,并削弱结构分支与属性分支之间的协同优化效果。为解决这一问题,在SDCN的基础上引入模糊C-均值(FCM)中心细化和回滚式门控机制,提出一种改进的结构深度聚类算法(SDCN+FCM)。该算法通过周期性显式细化聚类中心,改善中心估计质量,并利用基于KL散度的回滚式门控判断是否接受本次中心更新,从而抑制有害更新并提高训练稳定性。在USPS,HHAR,REUT,ACM和DBLP 5个数据集上的实验结果表明,所提出的方法在多个数据集的核心指标上均优于原始SDCN,并表现出更好的训练稳定性。

基于分散式多目视觉基线的移动目标协同测距方法研究

刘馨琳, 吴克强, 徐畅, 李骁

计算机科学. 2026, 53 (9): 180-187. doi:10.11896/jsjkx.260300040

摘要 ( 94 )

PDF(4181KB) ( 290 )

参考文献 | 相关文章 | 多维度评价

摄像机广泛使用于公共场合及专业场景,但仅限于视频图像的捕捉,当有测距需求时,需要安装双目摄像机或其他测距设备。以变电站已安装的分散式摄像机为例,提出一种基于分散式多目视觉基线的协同测距方法,通过构建多组虚拟双目摄像机,实现对移动目标的测距。该方法利用变电站已有分散部署的高清摄像机,在已知位姿参数与基准目标的前提下,动态构建多组双目视觉测距基线,结合多视角图像的时间与空间一致性,实现移动目标的实时定位与安全距离测量。研究内容包括:多摄像机位姿参数的自标定与基线优选机制、基于双目几何约束的移动目标深度估计、融合语义分割的目标关键点匹配策略,以及多基线协同测距的加权融合算法。在实验室与真实变电站场景下的实验结果表明,所提方法能够在低算力边缘设备上实现厘米级测距精度,显著优于传统单基线双目系统,具有良好的工程适用性与推广价值。

基于GPU并行的高效B样条曲线Offset算法

杨逸轩, 王伟明, 杨周旺

计算机科学. 2026, 53 (9): 188-195. doi:10.11896/jsjkx.260600137

摘要 ( 137 )

PDF(4057KB) ( 305 )

参考文献 | 相关文章 | 多维度评价

针对集成电路版图设计、CAD/CAM、EDA等领域中大规模B样条曲线offset计算及自交消除的高效处理需求,虽然传统B样条offset算法能够在一定程度上控制offset后控制点的数量,但其整体计算流程难以统一在GPU上高效实现。针对这一问题,并综合考虑不同B样条offset算法在offset后控制点数量及OpenCascade中相关算法效率方面的差异,提出了一种GPU-CPU协同加速的B样条曲线 offset 算法。在该框架中,offset计算与求交运算统一在GPU上执行。首先,对offset曲线进行分段,并采用勒让德多项式进行逼近,构建一种包含细分阶段且能够避免分支发散的B样条offset算法,并输出分段Bézier曲线。随后,在GPU上对每一段Bézier曲线进行空间网格划分,根据包围盒平均尺寸自适应确定网格分辨率,并采用压缩稀疏行格式构建空间索引。在候选对筛选阶段,通过规范单元去重策略消除重复候选对,并结合凸包相交测试进行窄相位过滤。最后,对过滤后的候选曲线段并行计算交点,并将交点信息返回CPU进行拓扑重构,从而有效避免offset后产生的自交问题。所提算法在几何结构复杂的曲线以及实际EDA版图数据上进行了实验验证,结果表明,该方法具有良好的有效性和计算效率。

MSBF-Net:面向图像篡改检测与定位的多模态协同融合方法

杨刚, 芦天亮, 张配源

计算机科学. 2026, 53 (9): 196-208. doi:10.11896/jsjkx.250800071

摘要 ( 135 )

PDF(3531KB) ( 263 )

参考文献 | 相关文章 | 多维度评价

针对图像篡改检测领域中篡改手段日趋多样化和隐蔽化的挑战,现有方法虽尝试融合辅助模态信息以提升检测能力,但往往仅考虑融合单种辅助模态,限制了对多样化篡改线索的全面捕捉,从而抑制了整体融合性能的发挥。为应对这一关键挑战,首先提出了一种名为MSBF-Net的多阶段协同融合网络,该网络采用基于Transformer的编码器-解码器架构,能够有效处理不同层级的特征信息。其次,设计了多分支模态协同编码器,将RGB视觉特征与DCT,SRM和NoisePrint++3种互补的噪声指纹进行联合建模,从多个维度捕捉丰富的伪造线索,增强对多样化篡改的表征能力。再次,为实现各分支特征的高效交互,设计了三源注意力自适应融合模块,在编码器的不同阶段对多路特征流进行深度整合,通过自适应注意力机制加强模态间的互补信息。最后,为解决多模态学习中关键的模态不平衡问题并提升定位精度,设计了基于类别原型的PCE损失与PER正则化机制,引导各模态均衡发展。在5个公开数据集上进行综合实验,实验结果验证了该方法的有效性,并展示了MSBF-Net模型全面的性能优势。其先进性体现在:应对由先进扩散模型生成的CocoGlide数据集时,模型在像素级定位和图像级检测两项关键任务中均取得了当前最优结果,相较于当前最优模型,性能分别提升了约3.82%和5.95%。同时,该模型在处理包含传统拼接、复制-移动等篡改类型的多个基准数据集上,其核心指标也稳定地保持在第一梯队,各项平均指标均为最优表现,验证了其强大的泛化能力。此外,消融实验与鲁棒性测试进一步证实,模型内部各组件形成了高效的协同效应,且在多种图像失真条件下性能稳定。

融合频域与几何特征的六自由度位姿估计方法

何钰煌, 王乾垒, 戴允童, 杜戊, 秦小林

计算机科学. 2026, 53 (9): 209-218. doi:10.11896/jsjkx.260500015

摘要 ( 89 )

PDF(2714KB) ( 238 )

参考文献 | 相关文章 | 多维度评价

针对六自由度位姿估计在复杂场景下存在弱纹理与对称目标带来的特征不足与位姿歧义问题,提出了一种融合频域特征增强与几何增强的位姿估计网络SGF-Pose。该方法首先在特征提取阶段引入频域特征增强模块(Spectral Feature Enhancement Module,SFEM),通过学习频谱掩膜自适应地抑制背景高频噪声,以提升预测的鲁棒性;进而,设计了几何增强模块(Geometry Enhancement Module,GEM),通过计算坐标映射的空间梯度显式衡量像素级几何曲率;最后,通过可微的PnP解算模块,结合稠密预测图和几何置信度预测出6D位姿。实验结果表明,采用ADD-(S)指标,SGF-Pose在LineMOD数据集上达到了96.9%的精度,相较于DPOD算法提升了1.7个百分点;在Occlusion LineMOD数据集上达到了59.5%的精度,相较于GDR-Net提升了3.4个百分点;采用AR指标,SGF-Pose在T-LESS数据集上达到了66.4%的精度,相较于CosyPose算法提升了2.4个百分点。可见,SGF-Pose对弱纹理和对称性场景下的位姿估计具有较好的性能。

基于余切拉普拉斯算子的细分等几何配点法

徐海伦, 康红梅

计算机科学. 2026, 53 (9): 219-227. doi:10.11896/jsjkx.260600135

摘要 ( 91 )

PDF(6126KB) ( 308 )

参考文献 | 相关文章 | 多维度评价

细分基函数在规则区域内具有高阶连续性,并在整个定义域内保持光滑,因此非常适合复杂域的等几何配点法。针对细分曲面的等几何配点中面临的配点集选择与边界条件施加挑战,提出了一种配点方案,以实现配点与基函数的一一对应,从而避免最小二乘求解。具体来说,所有内部顶点作为内部配点,用于满足偏微分方程,边界的边中点及角点作为边界配点,用于施加边界条件。另外,针对细分曲面奇异点处曲率无界的问题,余切拉普拉斯算子被应用于奇异点处的方程组装。该方法实现简单,计算量小,可以获得稳定的配点解。数值实验结果表明,通过设置细分矩阵的次大特征值λ为0.50,采用调整的Loop细分的等几何配点法可以达到与规则区域一致的二阶收敛,而Loop细分则无法达到这一点。

基于对偶特征补偿和光照增强的红外与可见光图像融合方法

李笑宇, 郝应光, 王洪玉

计算机科学. 2026, 53 (9): 228-239. doi:10.11896/jsjkx.250700149

摘要 ( 90 )

PDF(6701KB) ( 312 )

参考文献 | 相关文章 | 多维度评价

红外与可见光图像融合的目的是综合源图像中的信息,生成纹理细节丰富且满足高级视觉任务需求的融合图像。模态差异以及环境的影响,有可能导致融合图像纹理细节及对比度损失,进而影响下游图像处理任务。为此,提出了一个集成语义分割任务的基于对偶特征补偿和光照增强的红外与可见光图像自适应融合网络。首先,在特征提取部分,设计了基于状态空间模型(Mamba)的对偶特征补偿模块,促进了不同模态之间的信息交互。其次,利用循环神经网络(RNN),根据不同方向特征的贡献动态生成红外与可见光的融合权重,从而实现红外与可见光图像的自适应融合。此外,在网络前端设计了基于光照理论的图像增强模块对可见光图像进行增强,为后续融合过程提供细节更丰富的输入特征。训练阶段,使用融合和分割交替训练的方式,实现两任务的协同优化。在 MSRS,TNO 和 RoadScene这3个数据集上对所提模型的融合性能进行了评估,并在 MSRS 数据集上测试了其语义分割效果。实验结果表明,与当前主流的融合方法相比,该模型在主观效果和客观评价指标上都取得了较好的结果。

基于采样代理与动态规划的高效点到网格近似距离查询

王鹏飞, 郭清昊, 曾琼, 陈双敏, 辛士庆, 屠长河

计算机科学. 2026, 53 (9): 240-248. doi:10.11896/jsjkx.260600085

摘要 ( 88 )

PDF(2223KB) ( 270 )

参考文献 | 相关文章 | 多维度评价

点到网格表面的最近距离查询是计算机图形学领域的基础任务,广泛应用于碰撞检测、物理模拟及曲面配准等场景。然而,传统基于空间划分(如KD树、八叉树)或包围体层级(BVH)的加速结构,常无法有效过滤冗余分支导致查询性能显著退化,在查询点远离模型表面时尤为明显。近年来,基于增量Delaunay构造的动态规划最近点查询算法(DP-NNS)在点云近邻查询中展现出显著优势,然而其查询表的构建依赖点与点之间的Voronoi cell邻接关系,三角网格广义Voronoi图的计算复杂且缺乏实用工具,使得该算法无法直接推广至点到网格的距离查询场景。为此,提出一种基于DP-NNS框架的近似点到网格距离查询算法。三角网格由顶点、边、面3类基本几何元素构成,为每类元素配置代理点以近似其广义Voronoi胞元:顶点直接作为代理点插入,边与面则基于统一的密度参数自适应采样代理点,将3类元素的邻接关系统一转化为代理点之间的Delaunay邻接关系,从而将DP-NNS框架近似延伸至几何元素粒度,构建几何元素级查询表。查询阶段针对3类元素分别设计距离计算策略,对面片结合包围球估计进行高效剪枝,仅在必要时计算精确距离。在多个标准数据集上的实验结果表明,与FCPW,Embree,Libigl等方法相比,所提方法的查询速度提升2至10倍,在查询点远离模型表面时优势尤为显著,同时保持了较高的近似精度。

基于对称先验与协同训练多视图子空间聚类的点云部件分割方法

戴叶青, 王春雪, 邓重阳

计算机科学. 2026, 53 (9): 249-260. doi:10.11896/jsjkx.260600097

摘要 ( 114 )

PDF(5686KB) ( 316 )

参考文献 | 相关文章 | 多维度评价

针对三维点云部件分割中存在的计算复杂度高以及多维特征融合产生的信息冗余等问题,提出一种基于协同训练多视图子空间聚类的点云部件分割方法。首先,以超点过分割为基础,提出一种对称性约束的亲和图优化策略,在精准锁定物体物理结构边界的同时,使后续聚类的计算复杂度大幅下降。其次,面向三维部件的结构特性,为超点构建包含空间位置、鲁棒代表法向以及定制化的多维几何属性的多元特征表达。随后,在协同聚类阶段,利用协同训练多视图子空间聚类框架对核矩阵进行特征分解,以获取低冗余的鲁棒数据表示,并将该表示学习与子空间聚类进行交替优化,实现特征降维与聚类精度的协同演进。最后,采用K近邻多数投票策略对超点标签进行逆向映射与边界平滑优化。在ShapeNet与MeshsegBenchmark-1.0三维点云数据集上的实验结果表明,所提方法有效克服了特征融合带来的冗余干扰,取得了具有竞争力的分割结果;同时,在可视化结果中,该方法在数据集的局部精细结构解析与复杂物理边界保持上,均展现出了高度一致的分割性能。所提方法不仅有效突破了传统多视图聚类应用于大规模点云的算力瓶颈,更结合启发式规则提升了算法的稳健性,为复杂三维物体的结构解析提供了一种可靠的几何驱动途径。

基于动态协同的测试时自适应长尾识别框架

刘晓燕, 程春怀, 张云峰, 包芳勋

计算机科学. 2026, 53 (9): 261-270. doi:10.11896/jsjkx.260600084

摘要 ( 89 )

PDF(2529KB) ( 253 )

参考文献 | 相关文章 | 多维度评价

现实视觉识别任务在训练与测试阶段面临双重挑战:训练数据普遍呈现显著的长尾分布,导致模型容易偏向头部类别;而在测试无关(test-agnostic)场景中,测试阶段的类别分布通常未知且可能动态变化,使得依赖测试先验或静态聚合的传统方法难以保持稳定的性能。现有基于多专家的方法仍存在专家特化粒度粗、测试时自适应参数量大、尾部类别路由效率低等问题。针对上述问题,提出一种基于动态协同的测试时自适应长尾识别框架(Dynamic Collaborative Framework,DCF)。该方法采用共享骨干网络与微专家头相结合的结构,通过细粒度专家建模提升对不同类别区域的特化能力;同时,设计带先验校正的分组训练目标,并结合预测级多样性正则化与分类头正交性正则化,促进专家之间形成动态协同的互补表示。在测试阶段,进一步提出一种仅优化组级聚合权重的轻量级测试时自适应机制,无须更新骨干网络和专家参数即可实现对未知测试分布的动态适应;此外,还给出一种基于组原型的快速聚合变体,以兼顾推理效率。多个主流长尾识别基准数据集上的实验表明,所提方法在多数测试分布下达到或超过现有先进方法,尤其在尾部偏置场景下表现出更强的鲁棒性。消融实验进一步验证了专家协同设计、双重正则化和测试时自监督优化的有效性。

DHMoE:基于多模态特征解耦和异构混合专家的阿尔茨海默病诊断模型

昝鹏, 王彬

计算机科学. 2026, 53 (9): 271-282. doi:10.11896/jsjkx.250700154

摘要 ( 101 )

PDF(4863KB) ( 275 )

参考文献 | 相关文章 | 多维度评价

阿尔茨海默病(Alzheimer’s Disease,AD)是一种发病机制极为复杂且几乎无法治愈的神经退行性疾病。鉴于其不可逆的病程进展,早期诊断对于患者至关重要。研究表明,多模态医学影像数据的联合分析有助于揭示AD在不同阶段的病理特征并提供更全面的视角,从而有助于早期诊断和及时干预。然而,现有多模态方法通常直接对不同模态的信息进行融合,忽略了模态间潜在的共性与特有特征,从而限制了模型对AD表征信息的深度挖掘。为此,提出了DHMoE——一种结合了特征解耦学习和异构专家网络的多模态深度学习模型,旨在实现AD的精准诊断。该方法构建了模态专属的深度编码网络,将每种模态的特征解耦为共性特征与特有特征,并将其分别映射至公共与私有特征子空间,从而实现对多模态数据中共性与差异性特征的深度建模,提升模型的表征能力与判别性能。进一步地,引入异构MoE结构,将解耦后的特征输入对应的专家网络,通过动态权重调控机制实现多粒度特征的自适应融合与判别建模。在ADNI数据集上的实验结果表明,DHMoE在ACC和AUC等多项评价指标上均优于所比较的主流方法,实现了较为精准的分类结果。

融合温度去除机制与互信息增强策略的对抗知识蒸馏框架

赵俊龙, 徐彬, 辛威威

计算机科学. 2026, 53 (9): 283-290. doi:10.11896/jsjkx.251000054

摘要 ( 81 )

PDF(1954KB) ( 256 )

参考文献 | 相关文章 | 多维度评价

随着深度神经网络规模与复杂度的增加,模型压缩技术已成为实现高效部署模型的重要手段。知识蒸馏通过引导结构更简单的学生模型学习教师模型的知识表示,在显著减少参数量的同时保持接近的性能。然而,传统蒸馏方法依赖温度缩放平滑教师模型的输出分布,既需要大量经验调参,又只能整体压缩logits,难以保留原始分布中的深层特征。此外,现有对抗学习中的判别器仅笼统地拉近教师与学生logits,缺乏对整体类别分布的理解,易导致过拟合。针对上述问题,首先,提出一种温度去除机制,采用z-score标准化统一教师与学生logits的尺度,减少参数调节,同时提升对齐过程的稳定性;其次,提出一种互信息增强的对抗蒸馏机制,在判别器损失中引入互信息项,以强化类别边界感知,促使同类logits聚集、异类分离,从而提升学生模型的区分能力和判别准确率,并有效抑制过拟合。在CIFAR-10,CIFAR-100基准数据集上的实验结果表明,所提方法不仅有效避免了传统温度参数调整的复杂性,还在模型准确率上较主流知识蒸馏方法提升了约2%。

基于跨模态一致性约束的多模态概率生成模型

陈亚瑞, 洪乐涵, 邵建林, 杨剑宁, 廖芸, 史艳翠

计算机科学. 2026, 53 (9): 291-298. doi:10.11896/jsjkx.250900090

摘要 ( 146 )

PDF(3277KB) ( 271 )

参考文献 | 相关文章 | 多维度评价

随着跨模态生成与理解任务的不断发展,模态间一致性问题已成为多模态深度概率生成模型研究中的关键挑战。针对此问题,提出了基于跨模态一致性约束的多模态概率生成模型(CCVAE)。该模型将隐空间解耦为模态共享与私有隐空间,利用专家积机制融合各模态共享信息。在共享隐空间中,通过对齐约束,在无监督条件下利用对比学习引导各模态共享表示对齐,缩小不同模态的分布差异;设计维度方差约束,抑制共享空间各维度均值的模态差异,实现模态间的特征结构对齐,提升跨模态共享表示的稳定性与一致性。在多个多模态数据集上进行了对比实验,结果表明,CCVAE在跨模态数据交叉生成与转换生成任务中表现优越,显著提升了生成结果的质量。隐向量的可视化分析进一步验证了该模型在共享表示对齐及跨模态判别能力方面的有效性。

基于提示学习和引导式门控融合的多模态情感分析

冯广, 孙相利, 林忆宝, 刘馨婷, 曹雨巧, 黄俊辉, 廖贝融

计算机科学. 2026, 53 (9): 299-308. doi:10.11896/jsjkx.250600227

摘要 ( 108 )

PDF(2609KB) ( 270 )

参考文献 | 相关文章 | 多维度评价

多模态情感分析是近年来多模态学习领域热门的任务之一,旨在通过结合不同模态的特性来对任务进行情感预测。由于不同模态在时间结构、语义空间和表示尺度等方面存在显著异质性,难以实现深层一致对齐,音频与视频模态的情感特征难以充分挖掘。此外,当前多数模型在融合阶段采用简单拼接或加权机制,缺乏对关键情感线索的动态建模与筛选,融合表达效果有限。因此,提出一种基于文本引导的提示学习与门控融合机制的多模态情感分析模型(TPGF)。该模型针对模态异质性问题,在跨模态语义交互过程中引入提示学习模块,以文本语义为先导,引导音频与视频模态充分对齐与融合,充分挖掘音视频模态互补的语义信息;同时,面向简单融合问题,设计一个跨模态层级引导与自适应特征选择门控融合机制,实现关键特征的动态选择与融合;此外,进一步对文本和音频模态引入语义增强策略,提升模型对文本和语音模态的鲁棒性与表达能力。在CMU-MOSI和CMU-MOSEI数据集上的实验结果表明,TPGF在情感分类任务中的准确率和F1值等都显著优于基准模型,证明了该模型的有效性与先进性。

基于梯度约束WGAN的平行权重关联与方向引导的大规模多目标优化算法

邓汉卿, 武向娟

计算机科学. 2026, 53 (9): 309-323. doi:10.11896/jsjkx.250600182

摘要 ( 94 )

PDF(3990KB) ( 298 )

参考文献 | 相关文章 | 多维度评价

大规模多目标优化问题在工程领域广泛存在,随着决策变量增加,在有限资源内获取高质量后代极具挑战。生成对抗网络应用于大规模问题求解时存在模型坍塌、种群多样性不足等缺陷,导致优化性能下降。针对上述问题,提出一种基于梯度约束 Wasserstein 生成对抗网络的平行权重关联与方向引导的大规模多目标优化算法。该算法采用具有梯度约束的 Wasserstein 生成对抗网络来学习种群分布,快速生成优质后代。同时,为确保模型学习到更优的种群分布,设计了两个有效策略,生成兼具收敛性与多样性的训练样本集:一是平行权重关联策略,通过在高维决策空间构造平行权重关联方向,聚焦收敛潜力大的区域搜索,增强种群收敛性;二是方向引导策略,构建兼具多样性与收敛潜力的搜索方向,引导种群进化,保持种群多样性,从而避免陷入局部最优。在标准测试集和一个实际应用问题中进行了算法有效性验证,结果表明,所提算法在解集质量上显著优于当前多个先进大规模多目标进化算法,为该类问题提供了高效解决方案。

ITRHG:基于超图的“图文合理化”虚假新闻检测方法

乔克祥, 李旸, 王素格

计算机科学. 2026, 53 (9): 324-332. doi:10.11896/jsjkx.250800074

摘要 ( 101 )

PDF(4593KB) ( 297 )

参考文献 | 相关文章 | 多维度评价

虚假新闻通常选择与文本语义表面匹配但深层信息矛盾的图片,使新闻内容看似合理化,进而误导受众。因此,多模态虚假新闻检测面临“图文合理化”现象的挑战。对此,提出了一种基于超图的“图文合理化”虚假新闻检测方法。具体地,跨模态交互增强模块生成引导权重并进行双向Hadamard乘积,建立单模态特征的语义对齐;超图学习模块将单模态特征进行拼接,建立多模态新闻的表征,设计新闻节点与超边的连接强度度量及自适应超边数量调整策略,建立新闻间关系的超图,自动学习新闻之间复杂的高阶关系;多模态分类模块聚合单模态表征和高阶关系表征,用于多模态虚假新闻检测。实验结果表明,所提方法在多模态虚假新闻检测任务上取得了先进的结果,在中文Weibo数据集和英文Twitter数据集上,其准确率分别提升了1.6个百分点和3.3个百分点,F1值分别提升了1.6个百分点和3.8个百分点。

基于超图卷积Transformer的知识型视觉问答方法

张虎, 徐国龙, 王宇杰

计算机科学. 2026, 53 (9): 333-339. doi:10.11896/jsjkx.250700144

摘要 ( 89 )

PDF(2745KB) ( 298 )

参考文献 | 相关文章 | 多维度评价

知识型视觉问答(Knowledge-Based Visual Question Answering,KBVQA)旨在通过整合外部知识解答与图像相关的问题,复杂的问题通常需要跨多个知识事实进行多跳推理。然而,现有方法在多跳推理过程中难以有效融合知识事实的全局语义和局部结构特征。为了解决上述问题,提出了超图卷积Transformer(HGCT)框架,该框架结合了卷积神经网络的局部结构建模能力和Transformer的全局上下文感知能力。首先,HGCT框架通过超图结构对视觉实体、问题和知识事实之间的高阶关系进行建模;其次,借助Transformer的注意力机制整合跨模态的全局语义信息,同时利用超边卷积捕获知识超图的局部结构特征,并通过层次化门控网络进行融合;最后,在此基础上设计知识精炼模块,对知识事实的重要性进行评估并加权聚合,结合问题语义输出答案,有效降低了无关知识的影响。在KBVQA数据集KVQA及多跳问答数据集PathQuestion和PathQuestion-Large上的实验结果,展示了所提方法在复杂多跳推理任务中的有效性。

基于多策略改进白鲨优化的无人机路径规划

李洁, 杜雪勇, 张潇

计算机科学. 2026, 53 (9): 340-350. doi:10.11896/jsjkx.250600054

摘要 ( 102 )

PDF(3725KB) ( 300 )

参考文献 | 相关文章 | 多维度评价

为了提高无人机在复杂三维环境中的路径规划能力,生成安全、高效且可行的飞行路径,提出了一种多策略改进的白鲨优化算法。利用螺旋搜索策略处理探索和开发的平衡问题,提升搜索效率;结合纵横交叉策略优化解的分布,提高全局搜索能力的同时进一步提升解的精度;引入柯西突变策略来扩展搜索空间,增加种群多样性,避免陷入局部最优。为验证该算法的优化能力和在无人机路径规划问题上的可行性,首先基于CEC2022测试函数进行了基准测试,然后面向三维地形环境和无人机飞行约束进行建模,并通过仿真实验与其他算法进行对比。实验结果表明,该算法表现出较好的寻优能力,得到的最优解适应度均值比其他算法降低了40.35%~68.64%,能够为无人机规划一条更安全高效的路径。

面向6G的通感一体化综述:演进、挑战与未来

廖云峰, 柯明星, 闫聪颖, 袁海洋, 李琛, 李康

计算机科学. 2026, 53 (9): 351-364. doi:10.11896/jsjkx.260400101

摘要 ( 102 )

PDF(3642KB) ( 338 )

参考文献 | 相关文章 | 多维度评价

集成感知与通信(Integrated Sensing and Communication,ISAC)被视为6G网络的核心使能技术,通过共享频谱与硬件,实现感知与通信的深度融合。为此,系统梳理了基于ISAC技术的应用场景,并从波形设计、系统架构、安全机制、人工智能(Artificial Intelligence,AI)赋能及通感算一体化5个维度揭示了技术从“分立共存”到“深度融合”的演进过程。同时,探讨了当前研究面临的多种核心挑战。最后,创新性地提出了4个可能的发展方向:利用时间反转与可重构智能表面实现近场多径时空聚焦,引入反事实因果推理驱动通感算内生智能,构建零信任内生安全的动态信任评估机制,以及建立跨介质统一信道模型支撑的全域通感覆盖,旨在为面向6G的ISAC技术从理论突破走向实际部署提供借鉴参考。

基于多视图邻域扰动感知的BGP异常检测与定位方法

陶泽坤, 陈迪, 祝凯捷, 夏毅, 张一辰, 陈越

计算机科学. 2026, 53 (9): 365-374. doi:10.11896/jsjkx.260100029

摘要 ( 84 )

PDF(3951KB) ( 262 )

参考文献 | 相关文章 | 多维度评价

边界网关协议(Border Gateway Protocol,BGP)是互联网各自治系统(Autonomous Systems,AS)互联互通的现行路由协议。然而,协议缺乏路由验证机制,恶意劫持或错误配置可在域间路由网络中迅速传播,导致大范围互联网中断并造成重大经济损失。尽管资源公钥基础设施(RPKI)等BGP安全机制已被提出,但其效能严重受限于各AS部署源地址验证等机制意愿。现有研究多基于BGP更新报文构建网络拓扑,通过提取图特征实现路由异常检测。然而,已有方法普遍存在图特征计算复杂度高、依赖长周期时间窗口导致图更新延迟等问题,难以满足实时异常检测需求。为此,提出一种在线多视图邻域扰动感知BGP异常检测与定位方法AnomLoc。从层级、地理与拓扑的视角构建能够感知路由更新扰动的邻域视图,据此设计邻域扰动感知模块,通过评估路由更新所引入的新链路是否显著偏离AS历史正常行为模式,实现BGP异常的检测与定位。实验基于公共BGP路由观测项目采集的真实数据,覆盖7起已确认的典型路由异常事件。实验结果表明,AnomLoc能够有效检测全部测试事件,且平均检测延迟控制在3 min内。相较于主流特征方法,其将每起异常事件的误报次数平均减少0.4~9.1次。

DTD3-AQM:基于信息时效性的卫星网络队列管理算法

魏德宾, 王欣睿, 杨力, 潘成胜

计算机科学. 2026, 53 (9): 375-384. doi:10.11896/jsjkx.250700002

摘要 ( 83 )

PDF(3515KB) ( 236 )

参考文献 | 相关文章 | 多维度评价

低轨卫星通信网络具有覆盖广、传播延迟低等优势,但其动态变化的拓扑结构、带宽受限等特性可能对高时效性业务的服务质量造成显著影响。针对此问题,提出了一种融合双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient,TD3)与对决网络(Dueling Network)的智能主动队列管理算法DTD3-AQM。该算法引入卫星网络的时变拓扑矩阵与多维队列性能指标,设计多目标奖励机制,在实现拥塞控制的同时兼顾数据新鲜度。基于MATLAB-NS3联合平台在Linux环境下开展的仿真实验表明,DTD3-AQM在各项性能指标中实现了较优的综合权衡。在200个TCP源的条件下,与侧重系统性能的QueuePilot相比,DTD3-AQM将排队时延减少11.3 ms、信息年龄降低87.2 ms,虽吞吐量略有下降,但提升了拥塞控制能力与信息时效保障水平;相较于侧重信息新鲜度的DeepAAQM,DTD3-AQM在吞吐量方面提升3.1 Mbps、丢包率下降0.29%,但DeepAAQM在降低信息年龄方面仍具有显著优势。

基于联邦学习的三支安全决策

王书谊, 张炜, 徐健锋, 苗夺谦, 姚一豫

计算机科学. 2026, 53 (9): 385-394. doi:10.11896/jsjkx.260600033

摘要 ( 126 )

PDF(4556KB) ( 300 )

参考文献 | 相关文章 | 多维度评价

在多机构联合安全决策场景中,存在隐私保护的约束要求,联邦学习能够为此类场景提供数据不出本地的协同决策方法。但经典的基于联邦学习的决策算法往往采用传统二元决策机制,该机制对不确定问题的处理能力有限。三支决策是一种不确定问题的求解方法,其对不确定性决策对象能进行更为审慎的延迟判定。对此,基于三支决策理论,提出了一种联邦三支安全决策框架(FL-3WSD),该框架在局部规则生成、多源规则融合和目标对象监控3个层面引入三支决策机制,包括参与方侧局部三支规则生成、中央云服务器侧三支多源规则融合以及目标对象三支监控方法。在本框架中,中央云服务器首先向各参与方下发训练模型及相关参数。然后,各参与方利用数据聚类及序贯三支决策方法实现了决策规则提取,并上传至中央云服务器。最后,由中央云服务器进行决策规则汇总、模糊融合,并结合三支决策机制生成全局三支安全决策表,最终用于目标对象的联合判定。实验结果表明,与经典采用二元决策机制的联邦决策方法相比,FL-3WSD框架在决策精度和误判风险控制等方面具有明显优势,体现出较好的科学价值和应用前景。

基于多粒度语义双重反思的科技风险结构识别

李振南, 钱佳妍, 王欣芝, 张辉

计算机科学. 2026, 53 (9): 395-404. doi:10.11896/jsjkx.250700112

摘要 ( 115 )

PDF(4881KB) ( 301 )

参考文献 | 相关文章 | 多维度评价

中美科技竞争背景下,科技领域呈现出传统风险与新兴风险非线性叠加、内生脆弱性与外源威胁性深度耦合的态势。科技网络中多风险交织隐匿,现有研究多聚焦于单一风险特征的检测,存在跨层风险耦合建模与动态语义表征方面的不足。针对该问题,提出基于多粒度语义双重反思的科技风险结构识别方法,构建知识与学习共同驱动的潜在多粒度耦合科技风险结构挖掘框架。首先,基于多源科技文本逐层提取科技信息并构建多层多粒度科技网络;其次,采用8种中心性指标识别多层多粒度科技网络中的显式风险结构;为了弥补中心性度量方法准确度高但覆盖不到隐匿风险结构的固有局限,进一步提出基于子结构事实与大语言模型双重反思的科技风险结构识别方法,通过建模科技风险结构高阶语义特征并建立双重反思机制,自动挖掘以关键子结构为载体的潜在科技风险。该方法自适应聚类构建风险结构特征模式,采用动态阈值策略筛选潜在不可靠风险识别结果,并通过风险特征模式差异驱动的反思机制修正初始决策。同时,利用大语言模型的预训练知识集成多模型评估结果,实现大模型引导的决策二次优化。基于中心性度量的方法与基于双重反思的方法互补协同,实现识别结果中准确度与覆盖范围的均衡优化。在两个私有数据集(Tech-Graph,Teen-Graph)和一个公共数据集(Citeseer)上的实验结果表明了提出方法的有效性,其在英文科技风险结构数据集上的F1值达到99.55%,提升达2.88个百分点。

强化学习引导日志序列图构建的日志异常预测方法研究

夏彬, 苏巾雅, 曹军民, 肖竣文, 孙国梓

计算机科学. 2026, 53 (9): 405-413. doi:10.11896/jsjkx.250900033

摘要 ( 102 )

PDF(2999KB) ( 249 )

参考文献 | 相关文章 | 多维度评价

在大规模软件系统运行中,硬件故障、恶意攻击、模块兼容冲突等异常易导致服务中断、系统崩溃。日志虽为异常分析提供关键依据,但面临多重挑战:1)传统机器学习方法仅依赖事件计数向量,忽略了日志序列的时序依赖与拓扑结构;2)深度学习方法受限于训练集既有模式,泛化能力弱,且无法建模复杂依赖关系;3)现有强化学习方法存在Q值高估、单一奖励机制等问题,无法对异常序列进行前瞻性预测与分级。针对上述挑战,提出了一种基于强化学习的解决方案:一是构建基于双重深度Q网络的日志序列图模型,在仅使用正常日志样本的条件下,通过经验回放机制与先验知识引导,以序列图结构化建模日志长期依赖,突破现有强化学习方法对单一状态向量的依赖,解决Q值高估与泛化性不足的问题;二是设计基于竞争深度Q网络的异常预测模型,通过对抗学习机制与多元奖励函数,结合异常分级机制,实现对未来异常序列的精准预测与分级,解决传统方法“只检测不预测”的局限,为运维提供充足的应对时间。

基于LKH和Blom的无人机网络密钥管理方案研究

李福林, 李含笑, 吴疆, 冯唐皓

计算机科学. 2026, 53 (9): 414-420. doi:10.11896/jsjkx.250700039

摘要 ( 83 )

PDF(2331KB) ( 256 )

参考文献 | 相关文章 | 多维度评价

无人机在灾害救援、物流配送、电力巡检等领域的应用日益广泛,其网络安全通信问题愈发凸显,安全高效的密钥管理方案是保障无人机网络安全通信的必要条件。为此,提出一种基于逻辑密钥树(Logical Key Hierarchy,LKH)和Blom的无人机网络密钥管理方案,通过构建自适应的LKH结构和优化的密钥管理算法,实现密钥的高效分发和管理,增强无人机网络通信的安全性和灵活性。结合Blom密钥预分配方案,增强系统可靠性和网络连通性。详细介绍了方案的密钥管理结构、密钥预分配协议、成员通信过程和密钥更新协议,并对方案的效率和安全性进行分析,为无人机网络的密钥管理提供了一种新的思路和方法。理论分析和性能测试表明,该方案能够在保证系统安全性的同时,有效降低密钥管理开销,具有一定的实际应用价值。

R2Fuzz:基于依赖图修复的键值型数据库管理系统的模糊测试框架

梁皓天, 曹琰

计算机科学. 2026, 53 (9): 421-431. doi:10.11896/jsjkx.250700127

摘要 ( 81 )

PDF(2922KB) ( 247 )

参考文献 | 相关文章 | 多维度评价

键值型数据库管理系统(Key-Value DBMS)因其高性能特性被广泛应用于云计算、物联网和分布式系统,但其数据库语言复杂性、多样性导致传统的模糊测试方法存在覆盖率低、语法语义正确率低等问题。为了实现键值型DBMS的安全测试,提出了基于依赖图修复的模糊测试方法。首先,基于状态快照的依赖感知,根据提供的初始测试用例队列的行为,从被测键值型DBMS中提取状态快照,创建测试用例的依赖图;其次,提出基于依赖图的语义修复和基于Token模型的变异策略来自动化生成测试用例集,根据DBMS的漏洞类型和覆盖率反馈,使得测试用例能够深入探索DBMS的安全边界,测试内存漏洞;最后,基于上述方法,实现了针对键值型DBMS的自动化模糊测试框架R2Fuzz。使用R2Fuzz对Redis,etcd和Memcached这3种主流键值型DBMS进行测试,实验结果验证了框架的有效性,其在语法语义正确率和覆盖率方面比其他框架效果更优。

基于动量对比与生成对抗网络的图对比学习采样方法研究

王晨旭, 王世豪, 王张共, 沈彦成, 蒙盼盼

计算机科学. 2026, 53 (9): 432-438. doi:10.11896/jsjkx.250900132

摘要 ( 74 )

PDF(2099KB) ( 268 )

参考文献 | 相关文章 | 多维度评价

节点级图对比学习通过构造高质量正负样本对,以学习判别性节点表示,但现有方法因均质化数据增强和随机负样本,导致存在语义失真、跨层次语义割裂及动态适应性不足等问题。针对上述问题,提出节点级多层次动态课程对比学习框架NL-AFANS。首先,基于节点度中心性设计自适应高斯噪声注入机制,动态调控关键节点的噪声强度,抑制结构扰动导致的语义漂移;其次,构建基于GCN的对抗生成器与双重约束损失,合成拓扑合理且具有高阶语义挑战性的难负样本,缓解假负样本污染与特征冗余问题;同时,提出层次化对比架构,联合节点级局部特征对齐与节点-图级全局互信息最大化,强化跨层次语义一致性;进一步引入动态课程策略,通过梯度解耦的交替训练与指数递增的负样本难度权重,适配模型训练的渐进式需求。实验结果表明,NL-AFANS在Cora(83.9%),Photo(93.08%)等主流图数据集上的无监督节点分类准确率显著优于DGI(Cora:82.3%),GRACE(Cora:81.7%)等基线模型。该研究为节点级图表示学习的动态样本优化与层次化语义对齐提供了新思路。

基于双通道信息传递的类别不平衡图欺诈检测算法

江航宇, 曹怀虎, 周凯, 陈福, 苏瑞

计算机科学. 2026, 53 (9): 439-450. doi:10.11896/jsjkx.260100159

摘要 ( 89 )

PDF(4467KB) ( 309 )

参考文献 | 相关文章 | 多维度评价

近年来,随着互联网服务的发展,欺诈行为逐渐增多且手法不断演变。图神经网络因其强大的结构信息建模能力而被广泛应用于欺诈检测任务。然而,现有大多数方法基于“同质性假设”,这在实际欺诈检测应用场景中常常不成立,因为欺诈行为本质上是异质性的——欺诈者通过连接正常节点来伪装自身。同时,节点类别不平衡问题显著存在,但边关系的不平衡及其潜在信息的利用仍未得到充分关注。为此,提出一种面向异质性与不平衡图的欺诈检测方法。具体而言,设计可学习的双通道图卷积滤波器,自适应地聚合邻居节点的低频和高频信号,实现对同质性和异质性边上节点特征的有效建模;同时,引入类别感知的节点与边采样器,以缓解图的节点和边不平衡的问题,并将采样的边作为辅助监督信号指导滤波器训练。在4个真实数据集上的实验结果表明,所提方法在提升欺诈节点识别能力和模型鲁棒性方面均优于各类典型的基线方法。