2026年, 第52卷, 第9期 刊出日期：2026-09-15
-
全选|
-
-
计算机工程. 2026, 52(9): 1-30. https://doi.org/10.19678/j.issn.1000-3428.0252895
随着巨型星座逐步成为空天地一体化网络的核心基础设施, 其资源调度正面临高维约束、动态任务分配与多目标优化等多重挑战。针对这一领域的智能调度方法, 可归纳为数学模型驱动、基于启发式算法以及深度学习与强化学习(RL)方法3类。数学模型驱动方法借助混合整数规划、图论建模等工具构建优化模型, 通过精确的数学推演描述资源调度中的约束条件与目标函数, 在静态场景下能够提供理论最优解, 但其计算复杂度会随问题规模呈指数级增长, 难以应对大规模动态调度需求。基于启发式算法的方法依托仿生机制快速生成近似解, 在处理中等规模问题时展现出较高的效率与灵活性, 不过解的质量易受参数设置影响, 且无法保证全局最优性。深度学习与强化学习方法凭借数据驱动和交互学习机制, 能够从海量调度数据中挖掘隐含规律, 通过智能体与环境的持续交互优化决策策略, 在动态拓扑、突发任务等复杂场景中表现出独特优势, 但其对训练数据的依赖性较强, 且决策过程的可解释性仍有待提升。当前研究在跨层协同调度、鲁棒性优化、异构资源融合等方面仍存在不足, 未来需进一步探索多模态学习与自适应决策机制, 推动巨型星座资源调度向智能化、高效化、可靠化方向发展, 为空天地一体化网络的大规模部署与应用提供关键技术支撑。
-
计算机工程. 2026, 52(9): 31-48. https://doi.org/10.19678/j.issn.1000-3428.0252663
经典公钥密码体系所依赖的大整数分解与离散对数难题, 在量子计算迅猛发展的背景下正面临严峻挑战。为应对此威胁, 能够抵抗量子攻击的后量子密码(PQC)应运而生。其中, 基于格的密码因具备可证明的安全性、高效的执行效率以及良好的功能通用性等优势, 被广泛视为最具应用前景的后量子密码候选方案之一, 近年来在算法设计与工程实现上均取得了显著进展。本文系统综述了基于格的密码算法研究现状。首先, 阐述了格基础理论及其核心困难问题; 接着, 重点梳理并对比分析了基于格难题构造的加密与密钥封装机制、数字签名方案以及密钥交换协议的技术特点与性能表现; 然后, 深入剖析了基于格的密码实现中的两项关键技术——快速数论变换(NTT)多项式乘法和原像采样算法的原理与优化路径; 最后, 结合美国国家标准与技术研究院(NIST)后量子密码标准化进程, 对基于格的密码未来在发展更"简洁"的基础困难问题、强化安全归约、提升算法效率以及应对新型攻击等研究方向进行了展望, 以期为推动基于格的密码的实用化部署与后续研究提供参考。
-
计算机工程. 2026, 52(9): 49-63. https://doi.org/10.19678/j.issn.1000-3428.0252962
组网雷达干扰资源分配问题是典型的非确定性多项式(NP)问题, 需采用各种优化算法对其进行求解。针对传统干扰资源分配优化算法计算速度慢、适应性差的问题, 系统梳理干扰资源分配智能优化算法的研究进展。首先构建组网雷达干扰资源分配的数学模型及求解框架, 分析其求解难点, 强调智能优化算法在计算效率、全局优化能力、鲁棒性等方面的明显优势; 然后以遗传算法(GA)、粒子群优化算法(PSO)、蚁群算法(ACA)及其各种改进算法为典型代表, 对智能优化算法在组网雷达干扰资源分配中的实施流程、求解效果、优缺点等进行详细分析, 并对融合算法及其他仿生/机器学习智能优化算法在该领域的应用进行总结归纳, 从适应性、收敛性、全局搜索能力等方面对比分析了各类算法的优劣, 充分展现了智能优化算法在该应用方向上的发展现状; 最后结合当前组网雷达干扰资源分配所面临的多重挑战, 从算法对比、寻优速度、融合创新与动态适应性4个方面对智能优化算法未来的发展方向做出了展望。本文研究内容对组网雷达干扰资源分配中智能优化算法的研究及工程实践具有重要的参考价值。
-
计算机工程. 2026, 52(9): 64-80. https://doi.org/10.19678/j.issn.1000-3428.0253388
数字时代下, 文本、图像、音频等模态的复杂交互形成了多模态虚假信息, 其传播速度与隐蔽程度远超传统单模态虚假信息, 对信息安全与社会治理构成严峻挑战。但在国内该领域相关研究较为匮乏, 尚未形成完整体系。为此, 研究系统梳理了多模态虚假信息检测领域的研究现状及发展脉络, 对多模态虚假信息检测的研究进行了全面总结。在明确多模态虚假信息检测的核心概念与任务谱系的基础上, 详细总结了数据集与测评指标特征, 分析了SAFE、CAFE、CFFN、SSA-MFND、PSCC-Net、DGM4、CCN、SNIFFER、KGAlign等不同多模态方法模型的适用场景与检测性能, 归纳了跨模态一致性、异常特征识别、外部事实驱动三大核心检测方法, 并且对多模态虚假信息检测的可解释性与泛化鲁棒性进行了探讨。同时, 随着大规模视觉语言模型(LVLM)的崛起, 其在多模态虚假信息检测中的应用不断深化, 对此研究梳理了LVLM在该领域的多种应用场景、优势与局限。最后展望了多模态虚假信息检测的未来研究方向, 以期为多模态虚假信息检测领域的发展提供借鉴与启示。
-
计算机工程. 2026, 52(9): 81-91. https://doi.org/10.19678/j.issn.1000-3428.0252092
现有表格数据预测方法主要聚焦于传统分类和回归的研究, 然而在表格数据领域中存在一种标签具有有序关系的数据类型, 其预测任务被称为表格有序分类。目前的表格有序分类方法主要采用检索相似特征的方式, 通过相似特征与类间有序距离融合增强样本特征表示。但现有方法忽略了标签有序知识的充分利用, 因此提出一种基于标签有序熵优化的方法, 通过挖掘标签有序知识中蕴含的有序熵, 有效指导模型学习有序信息。具体而言, 首先建立有序熵计算模块, 利用预测标签与真实标签之间的等级顺序差异量化有序熵。通过逐步分析和推导, 将标签有序熵设计为一种新颖的排序损失函数作为正则项引入模型, 鼓励模型学习标签等级顺序关系, 以减少无序预测带来的信息损失。然后, 将有序熵优化排序损失函数与模型原有损失函数相结合, 共同提升模型的预测能力。在多个有序表格数据集上的实验结果显示, 该方法相较于多种基线模型取得了性能提升, 充分证明了有序熵优化模型在表格有序分类任务中的有效性与优势。
-
计算机工程. 2026, 52(9): 92-101. https://doi.org/10.19678/j.issn.1000-3428.0070496
在命名实体识别(NER)方法中, 通过将句子中的所有跨度表示组织成平面化句子表示, 可以有效解析命名实体的嵌套语义结构。然而, 平面化句子表示中的跨度是句子中不同长度短语的抽象表示, 一个跨度既可能表示单个字, 也可能表示整个句子。这种特性导致短跨度中上下文语义依赖不足和长跨度的语义信息在压缩过程中损失的问题。针对上述问题, 提出一种基于语义平面插值的命名实体识别方法。该方法通过对平面中的相邻跨度进行最近邻插值, 实现句子平面的扩张。这种扩张策略可以显著放大跨度间的语义特征及其上下文依赖关系, 有效构建短跨度之间的语义依赖, 同时增强长跨度中的语义表达, 从而更好地支撑命名实体。此外, 为避免原始平面信息的丢失, 构建一个语义感知网络, 用于提取并融合原始句子平面表示中的全局和局部信息, 实现特征表达的多层细化。该方法在ACE2004、ACE2005、GENIA、简历和微博数据集上的F1值最高分别达到88.87%、88.52%、81.55%、96.49%和72.84%, 与基准模型相比分别提升了1.13、1.61、0.15、0.37和0.46百分点, 验证了该方法在命名实体识别任务中的通用性和有效性。
-
计算机工程. 2026, 52(9): 102-112. https://doi.org/10.19678/j.issn.1000-3428.0252032
现有的时间序列预测方法未能充分考虑变量间的时空依赖关系, 影响了预测精度的提升。基于图神经网络(GNN)的空间建模方法在图结构的构建上也存在局限性, 即静态预定义图难以捕捉变量间的动态交互特性, 且自适应图结构学习受参数初始化影响, 易陷入局部最优。为解决上述问题, 提出结合时空和Kolmogorov-Arnold网络(KAN)的多变量时间序列预测方法。在空间维度上, 设计图结构学习模块, 利用皮尔逊相关系数建立变量的初始邻接矩阵, 引入可学习参数动态调整和优化图结构, 并通过堆叠多层图卷积, 有效捕捉变量间的空间依赖关系。在时间维度上, 结合多头自注意力机制和门控循环单元(GRU)提取不同子空间下的时间依赖关系, 同时捕捉局部时间模式和全局关键信息。为进一步提升模型的表征能力, 使用KAN代替传统的多层感知机(MLP), 通过可学习的激活函数实现时空特征的非线性融合。实验结果表明, 在7个基准数据集上, 所提模型的均方误差(MSE)和平均绝对误差(MAE)分别平均下降36.9和24.8百分点。利用澳大利亚电力负荷数据集进行测试, 结果验证了所提模型的泛化性能。相比其他主流模型, 该模型能够精确捕捉变量间的依赖关系并有效融合时空特征, 提升预测的准确性和鲁棒性。
-
计算机工程. 2026, 52(9): 113-122. https://doi.org/10.19678/j.issn.1000-3428.0070677
现有知识图谱补全(KGC)方法未能有效区分不同层级路径的语义差异, 且关系表示未能充分利用邻域上下文信息进行动态调整, 导致对上下文语义的理解不够全面。针对以上问题, 提出一种融合关系上下文语义的知识图谱补全模型RCSKGC, 旨在增强学习路径和邻域信息的语义表达。首先, 通过双向门控循环单元(Bi-GRU)和注意力机制, 针对不同层级的多跳路径进行局部和全局编码, 从而提取有效路径信息, 同时, 通过关系嵌入对比学习进一步增强不同层级路径信息的细粒度语义特征; 其次, 采用双重注意力机制和动态加权策略捕捉关系的邻域层级信息, 通过"邻域-实体-关系"的方式学习关系的语义; 最后, 聚合两种关系表示, 并将其作为解码器的输入以完成KGC。实验结果表明: 在FB15k-237数据集上, 相较于基线方法的最优结果, RCSKGC的平均倒数排名(MRR)、Hits@1、Hits@3和Hits@10分别提升1.4、0.8、1.3和2.1百分点; 在WN18RR数据集上, 与基线方法的最优结果相比, RCSKGC的MRR、Hits@3分别提升0.8、1.0百分点, 验证了所提方法的有效性。
-
计算机工程. 2026, 52(9): 123-132. https://doi.org/10.19678/j.issn.1000-3428.0070629
实体链接(EL)是一项将自然文本中的实体提及链接到知识库中相应实体的任务, 在信息检索、问答系统等领域发挥着重要作用。EL的挑战在于如何利用提及的上下文和知识库中实体的特征信息, 生成候选实体并选择其中正确的实体。尽管一些方法依靠某种策略生成了相关的候选实体, 并结合特征信息选择了合适的实体, 但是这些方法往往未能学习更深层次的语义信息, 导致不能得到高质量的候选实体, 甚至正确的实体不包含在候选实体中。同时, 在一些特定领域, 实体信息资源会出现不充分的情况, 使得一些方法缺乏在多个层面上进行交互的能力。为了解决以上问题, 提出一种两阶段的EL方法, 首先生成高质量的候选实体, 随后聚合实体特征信息以实现粗粒度和细粒度层面的重排序。具体地, 使用基于混合负样本采样的对比学习方法检索得到高质量的候选实体, 然后利用弱监督的方式预测实体细粒度的类型, 并使用粗粒度和细粒度的类型信息对候选实体进行重排序。在3个公共数据集上的实验结果表明, 该方法可以有效提升EL的效果。
-
计算机工程. 2026, 52(9): 133-142. https://doi.org/10.19678/j.issn.1000-3428.0070679
个性化联邦学习(pFL)算法在处理非独立同分布(non-IID)数据集和客户端模型个性化方面有着巨大优势。而基于超网络的pFL利用客户端各自的超网络实现了客户端模型的个性化训练。然而, 针对客户端超网络参数和客户端数据的共享对客户端个性化模型准确率的影响, 提出多层超网络个性化联邦学习(pFedMHN)框架, 利用局部和全局超网络完成客户端超网络模型的加权聚合, 进而优化客户端模型。在服务器端学习全局超网络和每个客户端的多层局部超网络, 并加权聚合得到客户端超网络, 在客户端利用超网络参数迭代更新客户端模型, 超网络参数的共享实现了客户端更精确的个性化模型。实验结果表明, 在通用公开数据集上, pFedMHN的准确率优于基准算法, 有效解决了在non-IID数据集上个性化联邦学习中数据异构性和模型准确性的问题, 利用超网络参数和客户端数据共享实现了客户端更精确的个性化模型。
-
计算机工程. 2026, 52(9): 143-153. https://doi.org/10.19678/j.issn.1000-3428.0070449
在现代工业领域, 文本数据的感知和分析已成为推动智能制造和优化生产流程的重要手段。然而, 工业文本数据通常具有高专业性、多样性和复杂性等特点, 且标注成本较高, 因此传统的大规模标注方法难以适用。现有的小样本命名实体识别(NER)方法多采用原型网络对实体进行分类, 其中原型为属于同一类别的所有样本特征的平均值。然而, 这类方法对于支持集数据的敏感性较强, 容易出现样本选择性偏差的问题。为此, 提出基于分布校正的小样本命名实体识别(DC-NER)模型。采用跨度检测和实体分类两阶段方式进行小样本NER任务, 在第1个阶段, 利用实体抽取器选出候选实体, 在第2个阶段, 利用类型判别器将实体划分到预定义好的类别。为了解决小样本NER任务中利用少量标签样本难以捕捉到类别真实分布的问题, 进而使得类原型的计算不够准确, 提出一种利用源域数据中的有效信息校正目标域的类别分布, 进而通过改进后的类别分布生成更多的样本用于构建更准确的原型, 从而提高其在小样本NER任务中的性能。在同领域数据集Few-NERD和跨领域数据集Cross-NER上的实验结果表明, DC-NER在F1值上显著优于对比模型, 验证其在小样本NER中的有效性。
-
计算机工程. 2026, 52(9): 154-164. https://doi.org/10.19678/j.issn.1000-3428.0252119
针对现有学术文献分类方法忽略文献数据之间关联信息的问题, 提出一种融合图卷积网络(GCN)和对比学习的文献分类模型对比图卷积网络(CGCN)。首先, 基于文献内容和引用关系定义两类"同质-异质"关联信息, 并将其转换为构建对比损失的自监督信息; 然后, 利用对比损失优化GCN特征提取过程, 推动同质文献特征表示彼此接近、异质文献特征彼此远离; 最后, 利用交叉熵损失和Softmax函数实现"端到端"的学术文献分类。在3个基准学术文献数据集上, CGCN的文献分类表现优于当前较为先进的基线模型, 特别是Cora数据集上Micro-F1和Macro-F1指标值相较原始的GCN模型分别提高8.29和7.91百分点。CGCN通过基于"同质-异质"关系构建的对比损失, 增强了模型对文献数据潜在信息的表征能力, 提高了分类的准确性和泛化性, 为学术文献分类研究提供了新思路和新方法。
-
计算机工程. 2026, 52(9): 165-175. https://doi.org/10.19678/j.issn.1000-3428.0252022
复杂天空背景下, 小目标与背景局部对比度低导致红外强度检测的准确率降低。红外偏振成像技术能有效提高目标与背景之间的局部对比度, 但同时也带来了背景高亮边缘处的对比度提升, 给检测工作带来新的挑战。针对这一问题, 提出一种基于偏振特征重构与局部差异度量加权的空中红外目标检测方法。首先, 该方法考虑了小目标独有的梯度特性, 通过图像的梯度矢量信息构建了偏振特征(Stokes矢量分量S1、S2)的全局背景梯度特征抑制矩阵。然后, 考虑到S1、S2之间的空间关联性, 构建了一种偏振特征重构方法, 在保留目标的同时抑制了绝大多数背景杂波。同时, 根据目标、残留背景、噪声之间的特征差异, 提出一种改进的局部灰度值方差变化率(VSL)来估计局部区域的复杂程度, 从而更好地实现残留背景的抑制。在不同场景下与LCM、TLLCM、IPI、PSTNN等算法进行对比, 实验结果表明, 该方法信杂比(SCR)、信杂比增益(SCRG)和背景抑制因子(BSF)分别较次优算法提高了14.06%、4.79%和14.43%, 且在不同类型背景下均能取得良好的目标检测性能, 具有较好的鲁棒性。
-
计算机工程. 2026, 52(9): 176-192. https://doi.org/10.19678/j.issn.1000-3428.0252073
公共场所人群逃逸行为极易引发严重的公共安全灾难事故, 传统计算机视觉技术能检测其少许特征, 但面对复杂动态视觉场景则难以应对。针对该问题, 基于蝗虫视觉神经结构特性, 借助蝗虫小叶巨型运动检测器(LGMD)危险感知机理、哺乳动物视网膜流明自适应机制, 提出一种增强型人群逃逸检测神经网络(ECEDNN)。所提出的神经网络首先采集视野域中人群活动引发的流明变化; 然后借助哺乳动物视网膜流明自适应机制, 调谐视觉响应兴奋以适应光照场景; 接着视觉兴奋与抑制混合过滤背景噪声并采用中心环绕机制增强运动边缘; 最后神经尖峰自适应调谐用于实现对人群突发逃逸行为的检测并对其输出强烈膜电位兴奋。实验结果表明, ECEDNN能有效检测并预警复杂场景中的人群逃逸行为, 在多个视频数据集上的平均准确率达到98.90%。本文涉及生物视感机制启发的人群活动检测研究, 可为人工智能中的人群行为活动感知、异常检测等提供新思路、新方法。
-
计算机工程. 2026, 52(9): 193-203. https://doi.org/10.19678/j.issn.1000-3428.0070764
生物医学成像在诊断和治疗多种疾病中起着至关重要的作用。将深度学习方法应用于医学图像分析能够提高医学图像的可读性, 为临床决策提供更可靠的支持。然而, 传统的医学图像处理方法在有效捕获三维图像中的空间特征和复杂结构信息方面存在一定局限性, 尤其是在处理不同成像方式生成的复杂三维医学图像时, 模型的精度和泛化能力常常受限。针对这一挑战, 提出了一种MTM3D模型用于医学图像分类任务, 该模型结合了Mamba模型在复杂序列任务上的优异性能与改进令牌图灵机(TTM)网络的外部记忆存储功能。通过引入链式循环存储结构, MTM3D能够在记忆单元中有效交互不同空间结构的特征, 从而提升对复杂空间关系的捕捉能力; 此外, Mamba的引入进一步增强了记忆单元与处理单元的交互能力, 使模型具备更强的泛化能力, 在不同的医学图像数据集上表现出色。实验结果表明, MTM3D在MedMNIST v2数据集上的医学图像理解能力表现优异。相比现有最佳的医学图像分析网络, MTM3D的平均准确率(ACC)提升了3.97%, 平均曲线下面积(AUC)提升了2.00%, 充分展示了其在医学图像解读和协助医疗专业人员进行诊断与治疗规划中的巨大潜力。
-
计算机工程. 2026, 52(9): 204-217. https://doi.org/10.19678/j.issn.1000-3428.0070406
现有跨视角地理定位研究主要聚焦于判断查询图像是否准确对应预定义图集中某个特定地理位置, 然而这种研究模式往往忽略了地理空间中固有的大量多空间尺度结构信息。为了实现更为稳健的定位效果, 模型不仅需要捕捉局部建筑细节, 还需理解通过建筑群和环境特征体现的目标之间的空间关系, 从而在不同空间尺度下提高定位准确性。为应对这些挑战, 提出多空间尺度跨视角地理定位任务, 并专门为此任务构建ML-Campus(Multi-Level Campus)数据集。ML-Campus数据集包含多视角、多来源的建筑图像, 并为每个图像标注了多空间尺度标签, 以体现不同空间尺度下的关联性和连续性。基于该数据集, 对现有的跨视角地理定位方法进行了实证评估, 以此为基准衡量其在此背景下的性能表现。为了进一步提升模型性能, 使用提出的CV-HAPPIER(Cross-View HAPPIER)方法进行训练, 以增强模型在不同空间尺度下的特征表示能力。大量在ML-Campus数据集上的实验结果表明, CV-HAPPIER方法显著提升了跨视角地理定位检索排名结果的空间鲁棒性。
-
计算机工程. 2026, 52(9): 218-227. https://doi.org/10.19678/j.issn.1000-3428.0070529
针对目前已有的复杂网络图像形状分类算法中复杂网络构建的稳定性不足、在复杂情形下提取的形状特征分类性能较差等问题, 提出一种基于持续同调与复杂网络的图像形状分类算法。该算法将复杂网络与Vietoris-Rips复形过滤相结合, 在图像轮廓点云上构建持续性复杂网络, 利用持续同调计算持续性复杂网络中不同维度的全局拓扑特征; 选择从度分布提取的度特征和相关度特征作为局部形状特征, 分别融合全局拓扑特征得到两组特征PHCND和PHCNJD, 使得图像具有更为丰富的形状特征表示。将融合后的特征向量通过线性判别分析(LDA)进行分类, 在9个公共图像数据集上, 与其他传统算法以及深度学习算法ResNet-50进行对比实验, 同时设计消融实验验证了全局拓扑特征的有效性以及在持续性复杂网络下局部形状特征与全局拓扑特征的互补性。实验结果表明, 该算法在5个公共数据集上取得了最高的准确率和F1值, 相较于其他7种传统图像形状分类算法的分类准确率提高了2.2~30.3百分点, F1值提高了2.2~30.9百分点。上述结果验证了该算法在图像形状数据集上的分类是有效的, 且提取出的形状特征具有一定的鲁棒性。
-
计算机工程. 2026, 52(9): 228-241. https://doi.org/10.19678/j.issn.1000-3428.0253485
低光图像增强(LLIE)是计算机视觉领域的一项关键技术, 旨在从质量退化的低光图像中恢复丰富的视觉信息。然而, 现有方法因对颜色空间敏感, 常出现色彩偏差问题, 且在单阶段框架下难以兼顾噪声抑制与色彩保真度。针对上述问题, 提出一种基于HVI颜色空间变换的双阶段网络(DHTNet)。该网络模型通过解耦I和HV图, 实现对两者的独立优化与协同增强, 从而显著提升低光图像的视觉质量。第一阶段采用集成了自适应引导交互模块(AGIM)的分层Transformer网络建模了I和HV特征之间的长距离依赖关系, 以实现全局噪声抑制和精准色彩校正。第二阶段引入多尺度增强协同注意力(MESA)模块, 通过跨分支的协同优化机制增强局部色彩与细节特征。该双阶段框架在保留复杂图像结构的同时有效提升了视觉真实性, 解决了现有LLIE方法的局限性。在SICE和SID数据集上的实验结果表明: DHTNet的峰值信噪比(PSNR)均达到最高水平, 较次优模型提升0.717 dB和1.897 dB; 在LOLv1、LOLv2-Real和LOLv2-Synthetic数据集上, PSNR分别达到28.756 dB、24.683 dB和25.950 dB, 性能优于Retinexformer、CIDNet等对比模型。
-
计算机工程. 2026, 52(9): 242-252. https://doi.org/10.19678/j.issn.1000-3428.0252122
针对图像拼接中因视差效应引发的几何畸变、重影伪影及拼接缝显露等关键问题, 提出一种强结构保护的宽视差图像无缝拼接算法。该算法通过构建多维度约束模型, 实现了从优化配准到精准融合的全流程结构保护: 首先, 在配准阶段建立场景引导的自适应网格变形模型, 基于特征分布与重叠区域比例构造动态加权向量, 显著提升了配准空间准确性; 其次, 提出强弱双重边缘检测机制以捕捉残余结构错位, 并基于特征坐标卷积设计一种新型显著纹理度量模型, 实现对重叠区域显著结构的精准感知; 最后, 在融合阶段构建最优拼接缝代价函数, 将色差、结构差和显著纹理度联合作为平滑度约束条件, 得到兼顾图像结构完整性和自然性的拼接缝掩膜。实验结果表明, 该算法能有效解决宽视差拼接图像中存在的结构失真问题, 生成清晰度高且视觉连贯性强的大视角全景图像。与6种先进的图像拼接算法相比, 该算法的峰值信噪比(PSNR)和结构相似度指数度量(SSIM)指标分别提升了8.14%和10.44%以上, 验证了其技术优势。
-
计算机工程. 2026, 52(9): 253-264. https://doi.org/10.19678/j.issn.1000-3428.0070685
壁画作为重要的文化遗产, 其数字化保护和修复在近年来得到了广泛关注。然而, 在壁画图像的超分辨率(SR)重建过程中, 往往面临纹理模糊和原有信息丢失的问题。针对这一问题, 本文提出一种基于参考的两阶段壁画图像超分辨率重建(RTMISR)方法。首先, 采用多尺度残差特征提取模块(MRFEM), 通过精准捕捉高分辨率(HR)与低分辨率(LR)壁画图像间的特征联系, 确保LR图像信息的完整保留, 并实现对壁画轮廓和部分细节的初步重建。随后, 通过壁画纹理特征增强模块(MTFEM), 利用由粗到细的特征匹配方法, 从参考图像中提取高质量纹理信息, 并将其有效融合至重建图像中, 以增强纹理细节表现。此外, 为了确保参考图像的相关性和质量, 本文设计一种参考图像筛选模块(RIFM), 用以选择与目标LR图像高度相关的参考图像。在壁画数据集上的实验结果表明, 与SRGAN、MADNet、ESRT等代表性超分辨率方法相比, RTMISR方法在客观指标峰值信噪比(PSNR)、结构相似度指数度量(SSIM)上取得了更好的表现: 在2倍缩放尺寸下PSNR平均提升了2.83 dB、SSIM平均提升了0.04, 在4倍缩放尺寸下PSNR平均提升了2.00 dB、SSIM平均提升了0.02;在主观视觉效果上, RTMISR方法能够在保留壁画原始信息的同时, 增强壁画图像的纹理细节, 更好地平衡了模型复杂度与重建性能。
-
计算机工程. 2026, 52(9): 265-281. https://doi.org/10.19678/j.issn.1000-3428.0260093
面向物联网(IoT)场景中海量、连续的时序数据共享需求, 传统基于双线性映射或椭圆曲线的无证书签密(CLSC)方案在量子计算威胁下安全性受限, 且在多段数据的重复签密中引入了较高的计算与通信开销。为此, 提出一种面向时序数据共享的后量子轻量化无证书混合签密方案。首先, 设计双向哈希链驱动的对称密钥生成与管理机制, 实现多段连续数据的密钥快速生成与前向/后向安全; 然后, 在模块格框架下构建条件隐私保护的轻量化混合签密体制, 并结合离线/在线分离将部分计算前移, 在实现后量子安全的同时显著降低端侧与链路负担。在随机预言机模型下证明了该方案满足IND-CCA机密性与EUF-CMA不可伪造性。在资源受限的终端设备上开展原型实现与评测, 对比实验结果显示, 该方案相较代表性对比方案具有显著优势, 端侧整体时延与传输体量平均可降至同类后量子方案的40%左右。在长时段、连续时序数据场景下, 该方案优势将进一步扩大, 其能兼顾后量子安全、轻量化与可扩展性要求, 适用于新一代智能IoT中的时序数据共享应用。
-
计算机工程. 2026, 52(9): 282-292. https://doi.org/10.19678/j.issn.1000-3428.0070637
开源软件在各个行业, 尤其是在航空航天、汽车电子等关键领域广泛应用, 但大部分开源软件存在安全漏洞。在我国, 开源软件的成分分析和验证在软件开发及评测中严重缺失, 导致关键领域软件安全难以保障。因此, 软件成分分析(SCA)对确保软件安全不可或缺, 其中, 准确的第三方依赖项(TPD)识别是软件漏洞管理与合规性评估的关键。针对上述问题, 提出一种面向SCA的轻量化依赖分析方法, 提高了TPD识别的准确性和大规模项目文件处理的效率。1)该方法包含一种针对Java语言Maven项目的分析算法, 算法通过识别项目的构建配置文件, 构建项目结构模型并提取TPD信息; 2)该方法包含一种基于Winnowing算法的冗余依赖检测算法, 通过分步对比代码文件与识别到TPD信息的哈希指纹, 检测TPD的实际使用情况, 排除冗余依赖项; 3)基于提出的算法, 设计并实现了一种轻量化的成分分析框架, 该框架通过特定的分析器类包装分析算法, 使用Java中的ServiceLoader API注册并执行分析任务。为了验证所提方法的有效性, 构建一个包含56 870个不同版本TPD的数据库, 并从GitHub收集了4个真实的开源项目进行实验验证, 实验结果表明, 所提算法在检测准确度上表现出色, 与基于机器学习的聚类算法和基于代码相似性比较的技术相比, 所提算法有更高的准确率、F1值, 更低的检测耗时。另外, 该系统应用的ServiceLoader API使得系统有较强的拓展性, 便于增加不同的分析算法, 有较强的实用性, 为后续实现多语言TPD检测工作奠定基础。
-
计算机工程. 2026, 52(9): 293-305. https://doi.org/10.19678/j.issn.1000-3428.0070741
超文本传输协议(HTTP)作为互联网通信的核心基础设施, 其现代通信模型依赖多个服务器协同工作。若处理链中的服务器未严格遵循协议规范或存在语义解释差异, 将引发具有系统性特征的语义不一致问题, 导致访问控制策略绕过、多Host、请求走私及缓存污染等安全威胁。差分模糊测试通过观测不同服务器对报文处理结果的差异, 分析语义不一致问题。为了解决现有工具中字段集合范围失准、突变效率低、观测维度单一的问题, 提出了一种改进的差分模糊测试方法。首先, 通过基于关键首部的报文构建方法, 筛选核心字段精简测试空间; 然后, 采用字段语义的突变方法, 结合语义分类与漏洞特征设计突变方法, 丰富测试用例; 接着, 利用扩展的报文分析方法, 将报文分析范围扩展至请求和响应报文, 完整观测通信过程, 覆盖现有存在语义不一致问题的场景; 最后, 针对常用的7款服务器进行测试, 分析发现18类服务器处理差异问题并验证9对存在语义不一致问题的组合。相比同类工具t-reqs, 该方法将测试集合规模降低1个数量级, 平均提升12.67百分点的有效测试用例占比, 在相同观测条件下额外发现2类新的差异问题, 扩展测试范围覆盖当前语义不一致问题的4类场景。
-
计算机工程. 2026, 52(9): 306-319. https://doi.org/10.19678/j.issn.1000-3428.0252239
传统的干净标签后门攻击通常无法在触发器和目标类之间建立有效的强连接关系, 导致攻击成功率(ASR)降低。大量实验结果表明, 这种失效现象在联邦学习(FL)中更加严重。攻击失败的主要原因在于触发器的随机选择使其缺少和目标类的直接联系。为此, 面向FL设计一种可学习触发器后门攻击, 充分利用中心服务器下发的任务信息和共享模型训练与目标类强相关的触发器, 将该训练过程形式化为双目标优化问题并求解。在约束条件下找到最佳扰动尽可能模糊图像的原始特征, 从而最大化模型对触发器的学习能力; 然后对这些模糊图像添加规定范围内允许的触发器作为输入进行训练, 最小化其图像分类损失并利用小批量投影梯度下降(PGD)的优化方法快速生成最优触发器。利用该触发器激活的后门攻击在FL中仍能保证出色的攻击性能。在3个数据集上的实验结果表明, 所提方法在FL中攻击成功率远高于现有的各类干净标签后门攻击, 尤其在CIFAR-10上其ASR相较于基线方法提升了约82百分点, 所提出的攻击方法对FL的安全性提出了新的挑战。
-
计算机工程. 2026, 52(9): 320-332. https://doi.org/10.19678/j.issn.1000-3428.0252251
随着多媒体技术的发展, 未经授权伪造和传播虚假信息的难度大大降低, 可能引发一系列负面后果, 亟需有效的内容认证方法以确保图像内容的真实性和安全性。近年来, 感知图像哈希在图像认证领域展现出了非常优越的性能, 然而, 现有算法在处理文字占比较大的图像时效果并不理想, 也无法有效应对划线等新型内容保留操作。因此, 提出了一种基于感知哈希的图文图像内容(TPMI)认证算法。所提算法采用了环分割的图像划分方法, 统计了每个环内尺度不变特征变换(SIFT)关键点的频率特征和分布特征, 这些特征具有旋转不变性, 可以有效提升所提算法的抗冲突性。通过获取关键点信息, 所提算法对包括不规则划线在内的内容保留操作都具有良好的鲁棒性。构建了一个图文图像数据集对所提算法进行实验, 与一些有代表性的算法相比, 该算法在感知鲁棒性、抗冲突性和安全性方面都具有更好的性能; 对于图像进行部分篡改, 能够准确判定各篡改图像与原始图像相似。此外, 还针对现实中常见的划线攻击进行了实验, 结果表明所提算法能够有效识别这类攻击图像。
-
计算机工程. 2026, 52(9): 333-347. https://doi.org/10.19678/j.issn.1000-3428.0252041
针对现有代码克隆检测工具在多语言适配与大规模克隆分析方面存在的不足, 提出一种基于解析树和图形处理器(GPU)加速的大规模代码克隆检测方法——TGMM。该方法采用三级处理架构进行克隆分析: 首先, 根据各编程语言的词法与语法规则生成标准化解析树, 并从中提取满足特定粒度要求的子树; 其次, 通过对子树进行剪枝和语义等价转换, 实现子树的简化与非功能性差异的消除; 最后, 利用GPU并行构建全局后缀数组, 实现大规模代码块相似度的快速计算。实验环节从克隆检测效能和语言扩展性两个维度对TGMM进行了测试: 在公开的基准数据集BigCloneBench上, TGMM以97%的精确率显著优于对比的7种主流工具, 其执行时间较次优工具缩短50%以上, 同时保证召回率在各类克隆类型上与对比工具相当; 在语言拓展性测试中, TGMM成功解析22种主流编程语言中的19种。此外, 通过应用TGMM对GitHub排名前45的项目(涵盖9种编程语言)执行多粒度克隆分析, 揭示了不同语言在克隆分布密度上的显著差异, 并详细分析了其背后成因, 从而为软件维护提供了切实有效的参考依据。
-
计算机工程. 2026, 52(9): 348-364. https://doi.org/10.19678/j.issn.1000-3428.0252080
二分图中bi-triangle的枚举是局部聚类系数(CC)计算等图分析任务的核心操作。随着实际二分图数据规模不断扩大, 其数据量已超出单机处理能力, 亟需依托分布式算法实现高效枚举。然而, 现有分布式分图枚举算法GP存在子图组合数据量庞大、消息过载及重复枚举等问题。对此, 基于bi-triangle拓扑特性定制分图策略, 提出两种优化算法。方法1将bi-triangle视为由3个wedge结构组成, 以wedge组为基本单位生成子图, 并提出基于A型和V型wedge组拼接的子图组合构造机制, 显著减少子图组合的数量和数据规模, 最终以wedge三元组枚举bi-triangle。此外, 为解决消息过载和重复枚举问题, 方法1提出基于分布式存储系统的子图读取机制和顶点有序性的去重机制。方法2将bi-triangle视为由2个zedge结构组成, 先以wedge组为基本单位执行第一次分图, 再通过"压缩zedge组"的构造与还原机制完成第二次分图, 最终以zedge二元组枚举bi-triangle, 实现比方法1更低阶的计算复杂度。实验结果表明, 与GP算法相比, 方法1平均只需处理0.5%的子图组合数据, 所用时间不到原来的2.2%;方法2平均处理约3.3%的数据量, 时间压缩至原来的1.0%以内。
-
计算机工程. 2026, 52(9): 365-375. https://doi.org/10.19678/j.issn.1000-3428.0260413
针对YOLOv11的快速空间金字塔池化(SPPF)、C3K2与C2PSA模块在昇腾神经网络处理器(NPU)上存在的冗余访存、细粒度核函数启动和多分支同步通信瓶颈, 本文研究一种不改变网络语义和参数规模的算子级重构方法。基于Ascend C设计3类硬件友好融合算子: SPPF采用片上数据闭环与边界缓存减少多级池化的全局内存往返; C3K2采用多核任务分配和多队列异步流水线降低细粒度算子串行开销; C2PSA采用并行归约-广播机制重构注意力分支间通信。在Ascend 910B NPU上, 完整重构后COCO数据集上单轮训练时间缩短23.2%, 训练吞吐量提升27.6%。实验结果表明, 所提方法通过适配昇腾片上存储、异步队列和多核同步机制, 提高了YOLOv11关键模块的训练执行效率, 并保持推理性能稳定, 可为复杂目标检测网络在昇腾平台上的部署提供可复核的算子映射方案。
-
计算机工程. 2026, 52(9): 376-387. https://doi.org/10.19678/j.issn.1000-3428.0070438
异构集群中充分利用各节点资源是提高集群资源利用率的关键。Kubernetes作为容器编排领域的首选系统, 其主要功能之一是将作业调度到合适节点。合理调度策略能够减少资源碎片的产生, 提高节点资源利用率, 减少作业等待时间。在异构集群资源调度场景下, Kubernetes默认的中央处理器(CPU)与内存调度算法已难以有效应对多维资源作业调度需求。面对这一挑战, 提出一种融合层次分析法(AHP)和装箱调度思想的多指标调度算法, 不仅考虑了传统的CPU和内存资源指标, 还融入了存储、类GPU加速卡、镜像等多种资源指标, 实现了更全面的资源评估, 同时将用户主观决策与节点客观资源限制量化相结合, 从多个节点中决策出最符合作业需求的节点进行调度, 并基于Kubernetes调度框架设计了自定义调度器。使用多指标调度算法的自定义调度器能够更高效利用节点资源, 减少因资源碎片化造成的作业等待。在异构集群中对不同类型作业的混合部署进行实验, 实验结果表明, 多指标调度算法能够有效提高集群资源利用率, 减少了49.79%的Pod等待调度时间, 这为未来大型云平台和数据中心在调度策略上的优化提供了重要参考。
-
计算机工程. 2026, 52(9): 388-401. https://doi.org/10.19678/j.issn.1000-3428.0252206
在分布式计算框架中, Shuffle阶段的数据传输效率较低已成为数据连接的关键瓶颈。现有方法在处理表连接时存在一定的局限性, 如Spark中的广播连接和哈希连接均易受数据倾斜影响, 使得节点之间负载不均衡。针对此问题, 聚焦于连接聚集查询, 提出一种基于格结构的表连接方法。通过预计算存储表分区数据为格结构形式, 利用等价类的凸集性质, 即包含等价类上界且被等价类下界所包含的数据单元, 其聚集值与等价类聚集值相等, 从而实现对查询语句所映射生成的查询单元进行快速匹配和计算。由于查询单元作为基本表数据的一种压缩形式, 数据大小和倾斜度更加简洁、均匀, 使用查询单元代替基本表数据执行数据的传输和连接, 极大程度地减少了Shuffle阶段的数据大小和计算复杂度。所提方法已在Spark中实现, 基于TPC-H数据集的实验结果表明, 所提方法在大数据集场景中减少数据Shuffle约45.06%, 同时, 节点间的工作负载相较于基准方法更加均衡, 查询响应时间平均缩短了14.23%。
-
计算机工程. 2026, 52(9): 402-412. https://doi.org/10.19678/j.issn.1000-3428.0070608
针对恐怖袭击事件频发的状况, 现有的疏散路径规划方法在面对复杂、动态环境时显得力不从心, 尤其在面临突发恐怖分子袭击时, 无法有效应对路径的阻塞和危险因素的变化。因此, 如何在复杂和高密度环境中实现高效、安全的人群疏散成为一个亟待解决的技术问题。针对室内公共场所人群疏散路径规划问题, 提出一种基于近端策略优化(PPO)算法的路径规划方法, 以提高行人疏散效率和安全性。首先, 对室内恐怖袭击场景进行描述, 采用元胞自动机模型对室内公共场所的静态障碍物、空闲位置、动态障碍物、出口和行人进行建模。然后, 在建模基础上, 提出基于距离信息的特征构建方法, 结合无威胁环境和面临威胁情况下行人到出口的距离, 构建包括最短路径特征和安全路径特征在内的行人特征, 以此刻画疏散路径的逃生难度。最后, 通过将疏散路径规划问题描述为强化学习问题, 设计基于疏散效率、死亡惩罚和成功逃离奖励的奖励函数。通过实时环境的反馈, 为行人提供疏散策略, 进而实现PPO算法对逃生路径的整体优化。与现有场域方法相比, 该方法能够提高不同仿真场景下的人群疏散效率和安全性, 尤其在复杂和高密度环境中。同时, 通过消融实验验证了最短路径特征和安全路径特征的有效性。
-
计算机工程. 2026, 52(9): 413-423. https://doi.org/10.19678/j.issn.1000-3428.0252052
贝叶斯优化(BO)是实现序贯配方优化设计的有力工具。然而, BO对初始点敏感, 易陷入局部最优, 且难以动态适应原料、目标函数及工艺条件的变化。结合强化学习(RL)的全局搜索能力与BO的高效探索策略, 提出一种基于深度确定性策略梯度(DDPG)的序贯配方优化设计方法, 实现自适应配方优化。该方案通过数据的实时反馈, 动态调整优化策略, 能够利用随机初始点实现高效的全局寻优, 并有效应对数据量少、代理模型不准确及测量噪声等问题。在优化过程中, 该方法利用高斯过程(GP)构建目标函数的代理模型, 并采用内外双循环框架提升优化效率。其中, 内循环通过Actor网络生成候选动作, 并结合置信上界(UCB)策略选择最优实验点, 外循环则基于历史经验动态调整实验策略并利用新观测值更新代理模型。仿真案例和白酒勾调实验的结果表明, 该方法在优化效率、收敛速度及质量方面均优于传统优化方法, 并在新环境下展现出良好的泛化能力, 为复杂配方优化问题提供了一种新的解决方案。
-
计算机工程. 2026, 52(9): 424-435. https://doi.org/10.19678/j.issn.1000-3428.0252768
软件项目中的冗余依赖可能导致构建体积增加、性能开销上升, 以及维护负担加重。尽管已有研究关注Maven生态系统中的冗余依赖问题, 但对冗余依赖在不同依赖作用域(如编译和测试)中的分布特征、演化模式及其对项目受欢迎程度等的影响仍缺乏分析。为此, 选取GitHub平台上2 214个Java Maven开源项目作为研究对象, 采用mvn命令识别各项目中引入但未被实际使用的冗余依赖, 并结合依赖的作用域信息进行冗余比例的定量分析。接着, 在698个项目的3 817个历史版本中采用Mann-Kendall非参数趋势检验方法, 识别冗余依赖的演变趋势。此外, 为评估冗余依赖与项目受欢迎程度和社区活跃度之间的关系, 构建包括Star增长率、Fork增长率、Issue关闭率等在内的5种GitHub流行度和活跃度指标, 并进行皮尔逊相关性分析。实验结果表明, 冗余依赖主要分布在编译和测试作用域, 其冗余比例中位数分别为33.33%和30%;在演化趋势上, 48.1%的项目冗余比例保持稳定, 36.2%的项目冗余比例波动, 少数呈现增加或减少趋势; 在相关性分析中, 仅Issue关闭率与冗余依赖比例表现出显著弱负相关性。研究结果可为开发者提供细致的依赖管理视角, 助力优化项目配置与提升软件可维护性。
-
计算机工程. 2026, 52(9): 436-448. https://doi.org/10.19678/j.issn.1000-3428.0070417
电力负荷预测是电网优化调度的重要环节, 但面对复杂的动态环境和非完全平稳的负荷特性, 现有纯数据驱动方法和结合领域知识的策略仍存在对长期趋势和周期性规律捕捉不足的问题, 影响了预测精度和鲁棒性。为此, 提出一种基于领域先验知识融合的电力负荷预测模型(DPK-ELF)。该模型通过先验知识抽取模块深入分析时间序列数据的动态行为特征, 构建针对具体数据的领域先验知识, 并利用动态分段堆叠平均平滑法提取电力负荷的先验趋势。先验趋势分解模块将电力负荷序列分解为先验平滑趋势和残差局部随机波动, 结合PatchTST数据驱动模型进行预测。同时, 在模型训练阶段采用软约束优化技术, 将领域先验知识作为损失函数的边界约束, 提升模型的鲁棒性。在4个公开电力负荷数据集上的实验结果表明, DPK-ELF在均方误差(MSE)、平均绝对误差(MAE)和相对平方误差(RSE) 3个关键性能指标上均优于PatchTST、DLinear、Autoformer、Informer等对比模型。在澳大利亚电价与电力负荷数据集上, 与PatchTST模型相比, DPK-ELF的MSE、MAE、RSE分别提升28.31%、19.57%、14.94%;在PDB电力需求数据集上, 与PatchTST模型相比, DPK-ELF的MSE、MAE、RSE分别提升12.25%、7.77%、6.29%。这些结果充分证明了DPK-ELF模型在提升预测精度方面的显著优势。
-
计算机工程. 2026, 52(9): 449-456. https://doi.org/10.19678/j.issn.1000-3428.0070580
溶解气体分析(DGA)旨在通过监测绝缘油中的溶解气体来识别潜在的故障类型。然而, 现有DGA方法受到有限标记数据制约导致性能不佳。为此, 提出一种新的图知识蒸馏方法(GKDG), 旨在提高DGA的准确性和效率。采用双视角图构建策略从样本邻域中获得额外的监督, 通过传播直接从其他样本中聚合信息。进一步地, 将教师图神经网络(GNN)中的知识蒸馏到学生GNN模型中, 确保学生模型能够有效地捕捉并解释溶解气体之间的复杂关系。此外, 为了对齐嵌入空间中的学生图和教师图, 引入多种知识, 从而增强学生模型的学习能力, 使其更好地学习教师模型。实验结果验证了GKDG在提升DGA性能方面的显著效果, 其能为电力设备的维护和故障检测提供有力支持。
-
计算机工程. 2026, 52(9): 457-468. https://doi.org/10.19678/j.issn.1000-3428.0252025
成岩相样本标注是保证成岩相智能识别准确的关键环节。针对成岩相样本自动标注技术存在样本需求量大和准确率低的问题, 提出一种融合亲和传播(AP)聚类和图卷积神经网络(GCN)相结合的自动标注方法AP-GCN。该方法充分融合了AP聚类捕捉复杂关联关系的优势和GCN挖掘空间分布特征的能力, 选取松辽盆地三肇凹陷州六区块扶余油层为靶区, 实现成岩相样本的自动标注。首先, 归纳成岩相类型并预处理测井曲线数据, 进行少量标签标注, 由此构建自动标注数据集, 为后续自动标注过程奠定了基础; 其次, 利用AP聚类构造图结构, 建立测井曲线深度节点之间的关联关系; 然后, 通过图卷积层聚合节点特征, 实现成岩相的快速准确标注。最后, 设计对比实验验证所提方法的有效性。实验结果表明, AP-GCN方法对各类成岩相标注精确率在86%以上, 召回率在90%以上, F1值在88%以上, 成岩相样本自动标注准确率为90.6%, 证明了该方法的有效性和实用性, 为成岩相样本自动标注提供了新的解决思路。
第52卷 第9期
主管：中国电子科技集团公司
主办：华东计算技术研究所
上海市计算机学会
出版：《计算机工程》编辑部
主编：邬江兴
学术执行主编：苏金树
执行主编：张帆 胡冰（全职）
电话：021-67092514(费用/发票)
（稿件问题请直接联系栏目编辑） E-mail: ecice06@ecict.com.cn
国内刊号：CN 31-1289/TP
国际刊号：ISSN 1000-3428