2025年, 第51卷, 第8期 刊出日期：2025-08-15
-
全选|
-
-
计算机工程. 2025, 51(8): 1-15. https://doi.org/10.19678/j.issn.1000-3428.0069147
区块链作为一种分布式可信数据库，在数字版权保护领域得到有效应用，引起学术界和工业界的广泛关注。传统数字版权保护技术存在侵权追踪难、版权交易复杂、合法权益保护不足等问题，严重制约数字版权保护研究的发展。区块链的防篡改、可追溯和去中心化等特性为解决数字版权侵权风险提供了可信、透明和安全的解决思路。首先介绍了区块链技术的基本原理；然后针对传统版权保护方案存在的问题，介绍了区块链结合传统版权保护技术的最新研究成果；接着评估了区块链在实际应用中的效果和潜力，强调其对版权保护体系的积极影响；最后探讨了区块链版权保护面临的挑战和未来发展趋势，以实现更加完善和可持续的区块链版权保护体系。
-
计算机工程. 2025, 51(8): 16-38. https://doi.org/10.19678/j.issn.1000-3428.0070619
随着通用人工智能技术的快速发展，基础模型在多个领域的应用日益受到广泛关注。在图像分割领域，分割一切模型(SAM)作为一种核心基础模型，在提升图像理解和处理效率方面展现出了显著优势。尽管SAM在图像分割任务中表现出色，但在功耗、计算效率以及在不同应用场景中的适应性等方面，仍然存在一定的优化空间。为此，从多个维度对SAM的改进方向进行了深入探索，包括提升速度与计算效率、增强模型的精度与鲁棒性、提高模型的适应性与通用性、优化提示工程设计，以及提升数据利用效率与强化迁移学习能力等方面。通过这些改进，SAM不仅能够在更复杂的任务中保持高效性能，还能更好地适应各领域和应用场景的需求。在此基础上，总结SAM在医学、遥感、机械等领域中的实际应用，展示了其在不同场景下的适用性与挑战。此外，详细介绍了图像分割领域常用的数据集和评价指标，通过实验对比分析，进一步评估了视觉Transformer(ViT)变体对SAM性能的影响，以及EfficientSAM、EfficientViT-SAM、MobileSAM和RobustSAM等改进模型的性能表现。最后，总结了SAM及其改进模型在实际应用中面临的挑战，并展望了未来的发展方向，旨在帮助科研工作者更全面地了解SAM及其变体的改进与应用，为新模型的提出提供启发。
-
计算机工程. 2025, 51(8): 39-52. https://doi.org/10.19678/j.issn.1000-3428.0070248
组成边界网关协议(BGP)的自治系统(AS)之间存在不同的利益关系和路由策略，当实际的路由宣告超出预期范围时，可能产生路由泄露，从而导致因路由重定向引起的网络安全事件。然而，在BGP路由信息传播过程中，AS会无条件信任和接受邻居AS对外宣告的路由，而每个AS自主配置本地策略且信息保密，增加了路由策略验证的难度，成为BGP安全领域一直备受关注且尚未有效解决的难题。区块链以其独有的去中心化、可溯源、防篡改、开放透明等特征，可为AS间的数字资源认证与信任建立提供基础设施保障，有望成为应对路由泄露威胁的关键技术。首先，界定了邻居AS之间以及GR(Gao-Rexford)模型与BGP路由策略之间的关系，明确了导致路由泄露的根源和防御挑战；然后，梳理了针对路由泄露的传统解决方案的研究脉络，重点分析了其优缺点以及尚未解决的问题；接着，提出了区块链技术在BGP路由泄露防护中的优势及技术思路，探讨了典型解决方案的实现原理和应用特点；最后，在阐述存在问题和挑战的基础上，对下一步研究进行了展望。
-
计算机工程. 2025, 51(8): 53-61. https://doi.org/10.19678/j.issn.1000-3428.0069237
随着测序技术的发展和应用，人类基因组序列的研究已从个体分析逐步扩展到群体分析。为更好地展示种群不同样本之间的遗传变异信息，泛基因组图模型开始取代传统的线性多序列参考基因组模型，序列到图的比对成为生物序列分析的关键问题之一。现有比对算法通常采用种子与扩展策略，但由于图中组合的路径较多，定位和验证阶段的时间成本高，需要进一步优化单种子选取方法，减少候选位置的数量。为此，提出一种基于组合minimizer种子的序列比对算法，在定位阶段通过对minimizer种子的组合hash，扩展单个种子的覆盖范围。同时，通过序列和相对位置两方面信息查找种子，减少假阳性匹配位置的数量，从而降低后续筛选和验证的工作量。实验结果表明，与主流算法相比，该算法能够减少约80%的候选位置，时间性能提升1~3倍，同时保持相当的索引内存占用和精确比对能力。
-
计算机工程. 2025, 51(8): 62-73. https://doi.org/10.19678/j.issn.1000-3428.0069086
物理不可克隆函数(PUF)在资源受限的信息安全领域起着至关重要的作用，然而广泛使用的仲裁器PUF(APUF)及其变体因结构简单和防御维度单一，面临机器学习建模攻击的威胁，同时具有高防御能力的PUF设计通常伴随着较高的硬件成本。为应对这些挑战，提出一种新型的多维协同PUF(MS PUF)设计，旨在平衡强大的抗建模攻击能力和低硬件开销。该设计以APUF为基础，融合了弱PUF、线性反馈移位寄存器(LFSR)和多路复用器(MUX)，通过异或操作混淆输入信号并动态控制MUX输出，增强了PUF响应的安全性和不可预测性。在此设计中，MUX的输出有两种选择：一是直接采用弱PUF序列，二是通过分组异或处理并采用由弱PUF初始化的LFSR生成的序列。此外，MS PUF通过引入逐层异或混淆机制，构筑了一个多层次、多维度的协同安全防御策略。实验结果表明，MS PUF在均匀性、唯一性和可靠性等关键性能指标上表现优异，且硬件开销低，在防御逻辑回归(LR)、支持向量机(SVM)、人工神经网络(ANN)、卷积神经网络(CNN)以及全连接长短时记忆(FC-LSTM)网络等多种机器学习建模攻击时，MS PUF的预测准确率均接近50%，展示了出色的防御能力。
-
计算机工程. 2025, 51(8): 74-85. https://doi.org/10.19678/j.issn.1000-3428.0070623
API(Application Programming Interface)使用约束是开发者在调用API时必须遵守的条件或限制，以确保正确使用并避免API误用。API文档是提取这些约束的重要来源。现有的基于自然语言处理(NLP)的API使用约束提取方法通常依赖于句法模式，但对复杂并列句的处理能力有限，且对语法模式要求严格。为此，提出一种基于大语言模型(LLM)的API使用约束知识提取方法，记为AUCK。AUCK首先对Java API文档进行预处理，提取包含API使用约束的句子；其次，总结并列句的句法模式并设计相应案例，指导LLM将并列句拆分为简单句；最后，针对简单句总结出三元组句法模式，并设计案例指导LLM提取API使用约束三元组。实验结果表明，在Java API文档上，AUCK的准确率和召回率分别达到92.23%和93.14%，显著优于现有方法DRONE(准确率为80.61%，召回率为86.81%)、主流三元组提取工具OpenIE(准确率为76.92%，召回率为52.63%)以及大语言模型ChatGPT-3.5(准确率为82.23%，召回率为67.71%)。此外，将AUCK应用于Android和Python API文档的实验结果验证了其良好的迁移能力。
-
计算机工程. 2025, 51(8): 86-94. https://doi.org/10.19678/j.issn.1000-3428.0069461
针对传统相机视场角狭窄所导致的鲁棒性差，而现有全景同步定位与地图构建(SLAM)算法受限于图像畸变的问题，提出一种基于球面映射的全景视觉SLAM技术。通过戈德堡多面体构建球面网格，建立全景二维图像像素与球面像素的映射关系，实现在球面网格上进行特征提取与匹配。引入极弧线方程约束位姿求解，进而求解三维点坐标，并推导优化变量的雅可比矩阵，实现全景SLAM。该方法充分利用全景相机的几何特性并充分提取全景图像的信息，减小了畸变产生的影响。实验结果表明，该方法可以提升全景图像特征的信息提取能力，提高特征匹配的数量和准确率，同时保证SLAM算法的轨迹精度，相较于现有的OpenvSLAM算法，具有更高的定位精度和稳定性。
-
计算机工程. 2025, 51(8): 95-106. https://doi.org/10.19678/j.issn.1000-3428.0069317
针对动态三维人体重建场景下神经辐射场训练效率低和体渲染计算复杂度高的问题，提出一种神经辐射场(NeRF)加速方法。引入多分辨率哈希编码作为位置特征编码，提高神经辐射场的局部细节特征表示能力，加快模型收敛；设计体密度估计网络，添加不透明度损失函数，结合PP-Matting方法输出的人体透明度图优化体密度估计网络，通过估计体渲染过程中相机射线上透射率分布，结合逆变换采样实现体渲染重要性采样，减少无效采样点，提高体渲染计算效率；通过二值化透明度图获得高精度人体前景掩码，提高人体重建数据集质量。实验结果表明，引入多分辨率哈希编码和体渲染重要性采样策略后，该方法在ZJU-MoCap和SHTU-MoCap数据集上重建速度相较Neural Body、HumanNeRF和MonoHuman等人体重建方法提高17.7%、9.5%和37.5%，且重建精度更高，通过PP-Matting方法配合二值化操作将人体掩码提取精度提升至96%以上。
-
计算机工程. 2025, 51(8): 107-119. https://doi.org/10.19678/j.issn.1000-3428.0070202手语识别近年来受到广泛关注,但现有手语识别模型存在训练时间长和计算成本高的问题。为此,基于穿戴式数据手套提出一种融合注意力机制的首层宽卷积核扩展深度卷积神经网络(EWDCNN)和双向长短期记忆网络(BiLSTM)的混合深度学习方法——EWBiLSTM-ATT模型。首先通过加宽首层卷积层来减少模型参数量,提升计算速度,通过扩展WDCNN卷积层深度来提高模型自动提取手语特征的能力;其次引入BiLSTM作为时间建模器捕捉手语序列数据的时间动态信息,有效处理传感器数据中的时序关系;最后利用注意力机制通过映射加权和学习参数矩阵赋予BiLSTM隐含状态不同权重,通过计算每个时间段的注意力权重,模型自动选择与手势动作相关的关键时间段。以STM32F103为主控模块,以MPU6050与Flex Sensor 4.5传感器为核心搭建数据手套手语采集平台。选取16种动态手语动作用于构建GR-Dataset数据训练模型。同一实验条件下,EWBiLSTM-ATT准确率为99.40%,相对于CLT-net、CNN-GRU、CLA-net、CNN-GRU-ATT模型分别提升10.36、8.41、3.87、3.05百分点,训练总时间分别缩减至这4种对比模型的57%、61%、55%、56%。
-
计算机工程. 2025, 51(8): 107-119. https://doi.org/10.19678/j.issn.1000-3428.0070202
手语识别近年来受到广泛关注，但现有手语识别模型存在训练时间长和计算成本高的问题。为此，基于穿戴式数据手套提出一种融合注意力机制的首层宽卷积核扩展深度卷积神经网络(EWDCNN)和双向长短期记忆网络(BiLSTM)的混合深度学习方法——EWBiLSTM-ATT模型。首先通过加宽首层卷积层来减少模型参数量，提升计算速度，通过扩展WDCNN卷积层深度来提高模型自动提取手语特征的能力；其次引入BiLSTM作为时间建模器捕捉手语序列数据的时间动态信息，有效处理传感器数据中的时序关系；最后利用注意力机制通过映射加权和学习参数矩阵赋予BiLSTM隐含状态不同权重，通过计算每个时间段的注意力权重，模型自动选择与手势动作相关的关键时间段。以STM32F103为主控模块，以MPU6050与Flex Sensor 4.5传感器为核心搭建数据手套手语采集平台。选取16种动态手语动作用于构建GR-Dataset数据训练模型。同一实验条件下，EWBiLSTM-ATT准确率为99.40%，相对于CLT-net、CNN-GRU、CLA-net、CNN-GRU-ATT模型分别提升10.36、8.41、3.87、3.05百分点, 训练总时间分别缩减至这4种对比模型的57%、61%、55%、56%。
-
计算机工程. 2025, 51(8): 120-130. https://doi.org/10.19678/j.issn.1000-3428.0069739
针对传统知识追踪(KT)模型难以有效建模学习者在长交互序列下的知识状态变化的问题, 引入以Transformer为代表的注意力机制模型能够实现对学习者长交互序列中潜在信息的捕获, 并展现出良好的性能。然而, 现有模型在建模学习过程时, 往往忽视了学习者的能力差异, 且主要关注知识掌握状态的累加, 未能充分建模学习者的遗忘效益。因此, 提出一种基于个性化遗忘建模的知识追踪方法(PFKT), 通过引入额外的特征信息来建模学习者的答题能力, 并进一步探究学习者差异化的记忆遗忘能力。从学习者的历史交互序列出发, 综合考虑知识点的获取与遗忘现象, 以捕获学习者的真实知识掌握状态。同时, 结合额外的特征信息, 实现更为准确的个性化遗忘现象建模。实验结果显示, 所提出的PFKT模型在ASSISTments2017和Algebra 2005-2006数据集上均取得了较现有模型更优的性能。
-
计算机工程. 2025, 51(8): 131-140. https://doi.org/10.19678/j.issn.1000-3428.0069348
深度神经网络(DNN)极易受到对抗样本的影响, 仅需向原始文本中添加细微的扰动即可诱导目标模型做出误判。研究对抗样本的生成不仅有利于提升模型的鲁棒性, 还能推动DNN可解释性方面的工作。在中文对抗领域, 现有的中文对抗样本生成方法大多采用单一变换策略, 仅考虑了部分汉语特征, 并且忽视了攻击对上下文语境产生的影响。为了解决这些问题, 提出一种基于启发式算法的中文对抗样本生成方法BSCA。通过全面分析表音文字和意音文字之间的差异, 结合汉语的构字法、字音、字形、认知语言学等先验知识, 设计可准确评估汉字差异的中文文本扰动策略。利用扰动策略构建对抗搜索空间, 并运用改进的集束搜索算法对黑盒攻击过程进行优化。在严格限制扰动大小和语义偏移的情况下, BSCA能够自动选择不同的攻击策略, 以适应不同场景需求。在多个自然语言处理(NLP)任务上分别对TextCNN、TextRNN和BERT(Bidirectional Encoder Representations from Transformers)模型进行实验, 结果表明, BSCA具有较好的泛化能力, 能使分类准确率至少降低63.84百分点, 同时拥有比基线方法更低的攻击代价。
-
计算机工程. 2025, 51(8): 141-150. https://doi.org/10.19678/j.issn.1000-3428.0069575
随着信息技术的不断进步, 人们能够运用越来越多样化和复杂的方式来更准确地描述事物, 这导致了多视图数据的出现。对多视图数据聚类是数据挖掘、机器学习、模式识别等领域的基础和重要课题。在这个信息爆炸的时代, 数据的维度越来越高, 如何有效地对这类数据进行聚类仍然是一项巨大的挑战。针对目前多视图k-均值算法在处理高维数据时能力不足的问题, 提出一种全新的多视图聚类框架——自加权多视图k-均值(SwMKM)算法。首先, 通过采用最小绝对准则来引导鲁棒性, 降低异常值对结果的影响; 然后, 采用迭代重加权最小二乘法(IRLS)来求解最小绝对残差, 通过自适应地调整多个权重的分布, 实现重加权的控制; 最后, 通过引入具有
$\ell$ 2, 1范数惩罚项的投影矩阵, 将原始数据集的高维特征空间转换为统计上不相关的低维的子空间, 实现特征选择和噪声抑制。实验结果显示, SwMKM算法在Handwritten numerals、MSRCv1、Outdoor Scene等数据集上的表现明显优于其他多视图k-均值算法, 证明了该算法聚类的优越性。 -
计算机工程. 2025, 51(8): 151-159. https://doi.org/10.19678/j.issn.1000-3428.0069336
序列推荐是推荐系统中的一类重要任务, 其通过建模用户顺序行为来实现个性化、动态性的推荐。然而, 在现实环境中, 用户行为数据往往具有高度稀疏性, 同时行为序列中所包含的项目转移关系随项目特性而改变。因此, 如何充分利用用户-项目间的协同关系, 同时捕捉项目-项目间的转移规律, 成为序列推荐中至关重要的问题。针对这一问题, 提出一种融合转移关系正则化的联合矩阵分解方法。该方法通过对用户-项目交互矩阵和项目-项目间马尔可夫转移矩阵进行联合分解, 并在分解过程中设定项目表征因子共享, 共同捕捉协同关系和转移关系, 缓解用户行为数据的稀疏问题, 进而实现有效的序列推荐。在5个公开数据集上进行实验比较和分析, 结果表明, 该方法相比现有先进算法具有更好的序列推荐性能。
-
计算机工程. 2025, 51(8): 160-167. https://doi.org/10.19678/j.issn.1000-3428.0069057
跨语言摘要(CLS)旨在用目标语言(如中文)的文本对源语言(如缅甸语)的文本核心内容进行概括和总结。CLS实质上是机器翻译(MT)和单语摘要(MS)的联合任务, 需要模型同时具备这两方面的能力。在面向越南语、缅甸语等低资源语言场景时, CLS训练数据稀缺, 且中文与缅甸语、越南语属于不同的语系, 语言差异较大, 导致当前的CLS方法泛化性较差。为此, 以缅-中、越-中为研究对象, 提出一种语言关系增强的CLS方法。首先将输入序列转化为连续词对; 然后计算源语言和目标语言之间的连续词对之间的关系; 最后引入MT和MS的联合训练方法, 有效地捕捉目标语言和源语言之间的关系, 提高模型的泛化性和对连续文本的处理能力。在自建数据集上进行实验, 结果表明, 相较其他基线模型, 该方法在ROUGE-1、ROUGE-2和ROUGE-L评价指标上分别提升了5、1、4百分点。
-
计算机工程. 2025, 51(8): 168-180. https://doi.org/10.19678/j.issn.1000-3428.0069295
长链非编码RNA(lncRNA)在细胞的许多生命过程中发挥着重要作用, 而lncRNA亚细胞定位可为其功能识别带来关键信息。通过传统生物生化实验方法鉴定lncRNA亚细胞定位时存在程序复杂、难以复制、成本高等缺点, 为此, 提出一种面向lncRNA亚细胞定位预测的注意力双向长短时记忆(BiLSTM)与原型网络方法BP-lncLoc。首先, 基于原始序列数据获取K-mer初始特征, 并对其进行平衡处理; 其次, 结合注意力BiLSTM有效提取lncRNA序列的深层隐含特征, 并优化神经网络在处理高维数据时可能出现的梯度消失问题; 随后, 针对lncRNA亚细胞定位数据的小样本特性, 构建不依赖大规模训练样本的原型网络预测框架; 最后, 从量化输入特征对输出决策重要性的角度出发, 实现预测模型的可解释性。实验结果表明, 该方法在公开数据集上的准确率达到了98.89%, 优于对比方法, 为lncRNA亚细胞定位预测的应用提供了一种新思路。
-
计算机工程. 2025, 51(8): 181-189. https://doi.org/10.19678/j.issn.1000-3428.0069383
传统的图神经网络(GNN)模型缺乏对节点之间复杂关系的建模能力, 且对大规模图的处理能力较弱, 无法有效地从大规模图中提取代表性的子图, 由此导致训练和推理的精确率不高。为此, 提出一种基于改进图注意力网络(GAT)的多特征融合谣言检测模型MFLAN。首先, MFLAN通过加入带有注意力机制的特征融合方法, 为每个特征赋予不同的权重, 对原始特征进行加权求和操作, 获得融合后的特征向量; 其次, 加入正值位置编码, 使模型可以获取位置信息表示; 然后, 引入可学习的参数矩阵, 使得模型在训练过程中自动地学习和优化参数值; 最后, 对注意力分数进行稀疏化, 将大规模图中部分不重要节点的注意力置为0, 以此实现MFLAN模型。实验结果表明, MFLAN模型在Ma-Weibo和Weibo23数据集上的准确率分别达到97.71%和97.10%, 相较于Dir-GNN模型分别提升1.07%和1.12%, 与其他谣言检测模型相比, MFLAN各项性能指标均有提升。
-
计算机工程. 2025, 51(8): 190-202. https://doi.org/10.19678/j.issn.1000-3428.0069636
序列推荐算法通过对用户的历史行为进行动态建模, 以预测其可能感兴趣的内容。聚焦对比式自监督学习(SSL)在序列推荐中的应用, 通过设计有效的自监督信号, 增强模型在稀疏数据场景下的表征能力。首先, 针对随机数据增强易引入数据噪声的问题, 提出融合用户偏好的个性化数据增强方法, 通过用户评分引导增强过程, 同时对长、短序列使用不同的增强方法组合, 生成符合用户偏好的增强序列; 其次, 为了缓解训练中出现的数据特征学习不平衡问题, 设计一种混合增强训练法, 在训练前期, 通过随机选择增强方法生成增强序列, 提高模型的性能和泛化能力, 在训练后期, 选择与原始序列相似度较高的增强序列, 使模型全面学习用户的实际偏好和行为模式; 最后, 将传统的序列预测目标与SSL目标相结合, 推断出用户的表示。在数据集Beauty、Toys和Sports上进行实验验证, 结果表明, 相较于基线模型中的最优结果, 所提方法的HR@5指标分别提升了6.61%、3.11%和3.76%, NDCG@5指标分别提升了11.40%、3.50%和2.16%, 上述实验结果验证了该方法的合理性和有效性。
-
计算机工程. 2025, 51(8): 203-214. https://doi.org/10.19678/j.issn.1000-3428.0069432
无线介质的开放性使得信息安全成为其应用中的挑战性问题之一。时分多址(TDMA)协议是面向工业等时延敏感应用的主要协议。针对TDMA无线传感器网络的时隙调度特征, 提出空闲时隙攻击模型、重传时隙攻击模型这2种伪装攻击模型, 并针对这2种攻击模型, 从TDMA无线传感器网络自身的传输特点出发, 考虑网络传输的周期性及传输基本单元为一个时隙的特点, 提出一种基于细粒度时间特征提取的高精度入侵检测方法。首先, 利用数据包接收时间、超帧开始时间等信息进行时间维度上的细粒度特征提取, 计算传输时隙的位置信息; 然后, 将位置信息输入无监督模型IF(Isolation Forest)进行训练和学习; 最后, 对在一个超帧周期内收到的同一个节点的序列号相同的2个数据包进行合法性判断。实验结果表明, 所提2种伪装攻击能够逃避现有的入侵检测方法, 而所提入侵检测方法可以有效检测出这2种伪装攻击, 相较于传统方法, 该方法在丢包率为30%时检测成功率提升14.5%。
-
计算机工程. 2025, 51(8): 215-226. https://doi.org/10.19678/j.issn.1000-3428.0069494
软件定义网络(SDN)的控制平面与数据平面解耦, 该特性使其广泛应用于数据中心、物联网、云网络等大规模网络场景中。然而, 这种解耦的网络架构也使其面临饱和攻击的挑战。基于图神经网络(GNN)检测饱和攻击是SDN中的研究热点, 但目前GNN中常用的k近邻(k-NN)图忽略了短期流特征, 无法有效聚合节点信息, 使模型不能充分利用流的时间特征。为利用流的长短期特征提高饱和攻击检测精度, 提出一种基于长短期流图及混合GNN的饱和攻击检测方法HGNM。该方法通过设置2个采样时间来收集流的长短期特征, 同时基于灰色关联系数设计一种长短期流图生成方法LSGH以构建长短期流图, 使流图包含流的全部特征。此外, 设计一种混合GNN模型GU-GCN, 通过并联GRU与GCN来获取流的时间特征与空间特征, 从而提高模型检测饱和攻击的精度。实验结果表明: 在生成图上, 相比于k-NN算法和CRAM算法, LSGH方法能有效提高模型的检测精度; 与其他模型相比, GU-GCN模型在准确率、精确率、召回率、F1值、ROC曲线、PR曲线、混淆矩阵方面都有性能提升。
-
计算机工程. 2025, 51(8): 227-237. https://doi.org/10.19678/j.issn.1000-3428.0069281
数据中心作为信息化时代的重要基础设施, 承载着各类关键信息服务。目前, 数据中心是网络攻击的主要攻击目标。为了提高网络安全, 提出数据中心网络流量异常检测方法。研究内容包括特征选择、不平衡数据集分类和异常流量检测。首先, 提出了一种处理不平衡数据集的分类方法, 通过基于集成的特征选择和混合采样算法提高分类性能; 其次, 引入基于随机森林(RF)和LightGBM的流量异常检测方法, 充分利用它们在处理不平衡数据和噪声抵抗方面的优势。在CSE-CIC-IDS2018公开数据集上进行验证, 实验结果表明, 所提方法具有较高的精确率和召回率, 在15种流量类型中有9种类型的分类精确率都高于90%, 并且有13种类型的分类精确率都在74%以上, 对提高数据中心安全、保障服务质量和改善网络流量异常检测具有重要意义。
-
计算机工程. 2025, 51(8): 238-249. https://doi.org/10.19678/j.issn.1000-3428.0069363
随着能源行业的数字化转型, 能源区块链在能源数据的存储与检索方面发挥着重要作用。然而, 能源信息数据种类繁多、信息量巨大, 并且涉及市场参与者的商业机密和敏感信息。对于大规模的区块链系统而言, 提高其单位存储负载和保护数据隐私是一项具有挑战性的任务。在未来的应用中, 能源数据的存储模式以及如何对其进行安全检索将成为限制能源区块链发展的主要问题。为此, 提出一种基于能源区块链的链上链下安全检索方案。利用链上链下协同存储技术, 降低链上数据的存储开销, 并利用多链协同隐私保护架构实现不同能源数据的互通共享。将设计加密的查找表作为能源区块链内部数据存储结构, 并设置标志位, 以实现不同来源能源数据的检索。在云端设计一对n的查找表作为加密数据的存储结构, 打破了传统检索过程中查询索引和查询对象之间一对一的关系, 进一步保护数据的隐私和安全性, 实现了能源数据信息的安全检索。实验结果表明, 该方案是可行的, 具有可靠性和高效性。
-
计算机工程. 2025, 51(8): 250-261. https://doi.org/10.19678/j.issn.1000-3428.0068458
分布式电力交易成为电力能源交易的未来发展趋势，区块链凭借其技术特性为分布式电力交易中缺乏监管机制、交易成本过高、信息规则不明等问题提供解决思路。然而，随着分布式电力交易规模逐渐增大，区块链系统吞吐量降低，这也间接限制了分布式电力交易的成交速度。为此，提出一种适用于分布式电力交易的高效安全的区块链共识算法。基于分布式电力交易网络内节点的历史交易特性，使用聚类算法将共识网络规划为多共识集双层网络结构，并采用双层共识流程提升共识的并行性。同时，设计高效的单共识集内领导节点选举策略，可以快速确定表现良好、性能较优的领导节点。最后，引入结合零知识证明与密钥分享的认证方法，进一步降低恶意节点参与共识的可能性。实验结果表明，所提共识算法的抗拜占庭节点数量可以抵御双花攻击等多种区块链攻击，能够显著降低共识通信开销与时延，有效提高系统吞吐量。
-
计算机工程. 2025, 51(8): 262-269. https://doi.org/10.19678/j.issn.1000-3428.0068793
生成扩散模型是一种能够学习数据生成过程的模型，它可以根据输入的高斯噪声，逐步去噪生成新的数据样本，因此被广泛应用于图像生成领域。近期，有研究发现扩散模型性能取决于网络复杂度而非U-Net的归纳偏置，因此可以利用Transformer作为骨干网络，使得扩散模型能够继承对Transformer的最新研究成果。然而，Transformer的引入又会导致模型体积增大、训练速度减慢。针对使用Transformer骨干网络的扩散模型训练速度慢、生成的图像细节信息不佳的问题，提出一种基于邻域注意力架构的扩散模型，该模型引入带有邻域注意力的Transformer骨干网络，利用邻域注意力机制的稀疏全局注意力模式，指数级扩展了扩散模型对图像的感知范围，使模型用较小的代价关注到了全局信息。通过注意力扩展层的渐进式膨胀变化，在模型训练阶段捕获到更多的视觉信息，使得模型生成的图像具有更好的全局性。实验结果表明，所提模型生成的图像有较优的全局细节，生成效果优于当前的SOTA模型。
-
计算机工程. 2025, 51(8): 270-280. https://doi.org/10.19678/j.issn.1000-3428.0069269
深度学习逐渐被广泛应用于医学图像分割领域，基于注意力机制的分割算法是目前研究的主要方法。现有大多数基于注意力机制的2D图像分割模型在多器官分割任务中往往关注切片的整体分割效果，而忽略了切片中小目标特征信息的丢失或欠分割问题，使模型分割性能受到限制。针对这一问题，提出一种基于多尺度特征融合和改进注意力机制的多器官语义分割模型DASC-Net。DASC-Net的整体框架基于编码器-解码器架构，编码器采用ResNet 50，与解码器之间设置跳跃连接。注意力机制由1个双重注意力模块(DAM)和1个小目标提取(SOC)模块的并联结构实现，从而进行多尺度区域特征融合。DASC-Net不仅可以感知到较大目标的特征信息，还可以通过注意力权重重建的方式保留小目标的特征信息，提高了模型的分割性能。在CHAOS数据集上的实验结果表明，DASC-Net在灵敏度、Jaccard相似系数、正类预测值(PPV)、Dice相似系数和平均交并比(mIoU)上分别可以达到83.72%、75.79%、87.75%、85.63%和77.60%，在Synapse数据集上的Dice相似系数和95%豪斯多夫距离(HD95)指标数值分别为82.44%和21.25 mm。DASC-Net在2个数据集上的表现均优于其他分割网络，具有可靠、准确的分割性能。
-
计算机工程. 2025, 51(8): 281-291. https://doi.org/10.19678/j.issn.1000-3428.0069193
在电力系统中，输电线路的稳定性和可靠性至关重要，其中螺栓作为连接和固定线路主体的关键组件，对维持电力系统的稳定性起着决定性的作用。然而，在进行输电线路的巡检时，由于螺栓在巡检图像中所占的比例较小、分布不均且其特征不明显，利用视觉方法来检测这些螺栓的缺陷变得尤为困难。针对这些问题，提出了自适应分块检测方法，该方法包含两个阶段：第一阶段首先采用改进的目标密度分布图生成网络预测出包含目标大致尺寸以及分布信息的目标密度分布图，该网络是由基于参数重构和多维动态卷积技术的RepODconv卷积块组成，有效控制模型的参数量，同时增强对小尺寸目标的关注能力，接着根据该目标密度分布图采用设计的聚类分块算法得到固定尺寸且未缩放的分块区域图像；第二阶段采用结合自注意力模块的YOLOX模型对这些图像进行检测，提升网络对不同类别缺陷的鉴别能力。在无人机巡检的输电线路螺栓数据集上进行实验，所提方法对多数类别缺陷的召回率、准确率均达到70%，相比于目前先进的检测网络的实验结果，交并比(IoU)为0.5的平均精度(mAP@0.5)提升约30%，平均精度(mAP)提升约70%，特别是小目标的mAP提升约2倍。
-
计算机工程. 2025, 51(8): 292-304. https://doi.org/10.19678/j.issn.1000-3428.0068856
针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题，提出一种改进Faster R-CNN多目标检测模型。首先，采用Swin Transformer来替代ResNet 50骨干网络，增强模型特征提取能力；其次，添加平衡特征金字塔(BFP)模块融合浅层和高层语义信息，进一步加强特征融合效果；最后，在分类和回归分支中，添加动态权重机制，促进网络在训练过程中更关注高质量候选框，提高目标定位和分类的精确度。在RSOD数据集上的实验结果表明，所提模型相较于Faster R-CNN模型每秒浮点运算次数(FLOPs)大幅度减少，并且模型的mAP@0.5 ∶0.95提高了10.7百分点，平均召回率提高10.6百分点。相较于其他主流检测模型，所提模型在降低漏检率的同时，取得了更高的精度，能显著提高复杂背景下遥感图像的检测精度。
-
计算机工程. 2025, 51(8): 305-316. https://doi.org/10.19678/j.issn.1000-3428.0069250
在弱纹理环境中，当前的单目视觉惯性同步定位与地图构建(SLAM)存在视觉退化和误差偏移的问题，导致系统位姿估计精度不高。为解决此问题，提出一种基于特征协同的单目视觉惯性SLAM方法，首先对惯性测量单元(IMU)数据进行预积分并联合视觉信息进行松耦合的初始化, 获取系统的先验信息和尺度信息，再引入线特征提取算法并对提取出的线特征进行优化，以减小计算开销。基于点线特征的位置关系和几何特性，使用特征协同关联算法在点特征和线特征之间建立稳定的关联约束，从而提升点特征跟踪的可靠性。提出一种基于多源信息融合的联合代价函数优化方法，对点特征重投影误差、线特征重投影误差以及IMU残差进行优化以提升位姿估计精度。在EuRoc和TUM Ⅵ公共数据集以及真实环境中的实验结果表明，相较于主流的视觉惯性SLAM方法，本文方法的在线特征检测和跟踪耗时平均减少26.5%，位姿估计均方根误差平均降低38.6%和43%，由此验证本文方法在弱纹理环境下具有更高的位姿估计精度。
-
计算机工程. 2025, 51(8): 317-329. https://doi.org/10.19678/j.issn.1000-3428.0069515
随着短视频分享平台和编辑软件的广泛使用，视频版权问题已经成为当下急需解决的问题。目前已有一些视频水印方法用于解决该问题。然而，几何攻击目前仍是短视频面临的主要威胁，寻找几何攻击下短视频的不变量成为此类鲁棒视频水印的关键。利用非下采样轮廓变换(NSCT)对噪声不敏感性和极谐波傅里叶矩(PHFM)的旋转不变性的性质，提出一种基于NSCT-PHFM的鲁棒视频水印算法。通过基于Harris-Laplace特征点封闭盘感兴趣区域(ROI)选择方法，提取视频关键帧的感兴趣区域并量化该区域NSCT域低频子带的PHFM矩嵌入水印。实验结果表明，该算法可以有效地抵抗联合图像专家组(JPEG)压缩、MPEG-2压缩、椒盐噪声、高斯噪声、剪切、旋转、翻转等攻击，并且在确保水印不可见性的同时，载体具有较小的失真。
-
计算机工程. 2025, 51(8): 330-340. https://doi.org/10.19678/j.issn.1000-3428.0068960
现有点云补全网络无法同时提取高质量的点云全局特征和局部特征，丢失点云细节信息与坐标信息。为此，提出一种基于多分支多尺度特征融合的点云补全网络，该网络的核心创新在于分层渐进式特征提取与融合机制。在编码阶段，该网络首先通过联合特征提取模块(JFEM)，对输入的三种不同分辨率的点云数据进行多尺度特征学习，依次提取包含丰富语义信息的全局特征和精细的局部特征，以最大化保留关键信息，然后利用细节保持池化(DP-Pool)模块对特征进行降维，避免传统池化操作造成的细节损失，并结合多分支编码结构实现全局与局部特征的高效融合，确保不同尺度的特征能够互补增强。在解码阶段，该网络通过点云重构(PCR)模块逐步恢复点云的几何结构，并利用多分支解码结构对不同层次的特征进行精细化上采样，最终生成高保真、高密度的补全点云。实验结果表明，所提网络的性能优于目前先进的10种点云补全网络，能进一步提高点云补全质量。
-
计算机工程. 2025, 51(8): 341-353. https://doi.org/10.19678/j.issn.1000-3428.0069604
生成式人工智能(AIGC)技术的迅速发展，为虚拟教师的研发拓展了新途径。探索AIGC技术支持下人机共创教学动画中虚拟教师的智能生成方法及其应用效果，为教师与研发人员开发促进动画学习效果的虚拟教师提供理论解释和行为证据，以期为AIGC赋能教学提供参照。梳理虚拟教师和教学动画促进学习的理论基础和相关研究，构建AIGC支持下教学动画中虚拟教师的人机共创模式，使用AIGC平台人机共创具有写实、超写实、卡通虚拟教师的教学动画。以大学生为被试，以实录真人教师的教学动画为控制组，采用单因素四水平的被试间设计，通过主观报告和眼动仪测量对3类具有虚拟教师和真人教师的教学动画进行学习效果的对比实验，结果表明，AIGC技术为提高人机共创虚拟教师效率、完善虚拟教师人格塑造方面提供了高效的技术支持；卡通虚拟教师通过去繁从简与教学动画风格的一致性，具有最好的学习效果；尽管研究没有观察到各组被试学习成绩的差异，但不同虚拟教师可以通过影响动画学习的动机、认知负荷与注意力分配来影响学习者的学习效果。
-
计算机工程. 2025, 51(8): 354-363. https://doi.org/10.19678/j.issn.1000-3428.0068758
HPL-MxP基准测试程序被广泛用于衡量超算在混合精度计算下的计算能力。受制于该程序的并行实现算法，矩阵分块大小(NB)值的选取是一个需要兼顾矩阵乘效率和负载均衡的权衡问题。针对该问题，在鲲鹏920系统上进行优化研究，提出多重lookahead优化策略，采用小NB值进行矩阵分块实现更好的负载均衡，同时通过合并多轮尾矩阵更新提升等效NB值，实现负载均衡与高矩阵乘效率两者兼得的目标。为实现多重lookahead优化方案，重构Panel存储方式，并设计计算与通信细粒度流水线，扩展HPL-MxP源程序接口。在鲲鹏920多节点平台上的单双精度混合测试结果表明，HPL-MxP在多重lookahead优化下可有效解决NB值的权衡问题，且相较单重lookahead策略未产生明显额外开销。
-
计算机工程. 2025, 51(8): 364-372. https://doi.org/10.19678/j.issn.1000-3428.0069275
在光学化学结构识别(OCSR)领域，现有基于深度学习的模型通常依赖于卷积神经网络(CNN)或视觉Transformer进行视觉特征提取，并采用Transformer进行序列解码。这些模型虽然有效，但仍受限于图像特征提取能力和解码时位置编码的精确性，从而影响识别效率。针对这些限制，将多阶门控聚合网络(MogaNet)和引入相对位置编码的Transformer构成的编码解码架构用于OCSR领域，提出一种基于多阶门控聚合网络的光学化学结构识别模型。该模型首先在图像特征提取时通过MogaNet空间聚合模块，捕获多尺度特征并减少特征冗余，并且通过MogaNet通道聚合模块改善通道维度的多样性；其次在序列解码时采用引入相对位置编码的Transformer作为解码器，精准捕捉序列单词之间的相对位置关系。为了训练和验证该模型，构建一个包含40万个分子的化学结构数据集，其中包含Markush结构与非Markush结构。实验结果表明，该模型的准确率达到了92.36%，优于其他现有的模型。
-
计算机工程. 2025, 51(8): 373-382. https://doi.org/10.19678/j.issn.1000-3428.0069020
COVID-19是由新型冠状病毒毒株引发的疾病。现有COVID-19影像诊断模型存在优质样本匮乏、未充分挖掘样本间关系等问题。提出面向COVID-19影像诊断的注意力蒸馏对比互学习(ADCML)模型。构建递进式数据增强策略，包括自动数据增强与样本过滤，通过扩充图像数量并确保其质量主动应对优质样本匮乏问题；设计注意力蒸馏对比互学习框架，利用注意力蒸馏驱动异构网络互相学习各自注意力关注的病理知识，进而提取样本间对比关系，改善特征判别性；采用自适应模型融合模块，充分挖掘异构网络间互补性，完成COVID-19影像诊断。在3个公开数据集(包括CT图像和X-Ray图像)上的实验结果表明，该模型准确率分别达到89.69%、98.16%和98.91%，F1值分别达到88.62%、97.58%和98.47%，AUC分别达到88.95%、97.77%和98.90%。ADCML模型优于主流基线，具有较强鲁棒性，且递进式数据增强、注意力蒸馏及对比互学习形成合力，共同推动模型性能提升。
-
计算机工程. 2025, 51(8): 383-395. https://doi.org/10.19678/j.issn.1000-3428.0069009
信息年龄(AoI)和能量消耗(EC)是物联网实时状态更新系统的两个重要性能指标，分别用来表征信息新鲜度和能量效率。面向短包传输的车载网络系统，利用便车码实现负载数据和额外数据的同步传输。随机编码的额外数据叠加在低密度奇偶校验码的负载数据上实现异构数据的一步式传输，不仅不需要额外的发射功率，而且还不需要额外的带宽资源。在此方案下，结合截断自动请求重传协议，考虑抢占式和非抢占式传输两种策略，分别推导各自平均AoI和EC的表达式。数值仿真结果表明，便车码在不影响负载数据AoI的条件下降低了额外数据的信息年龄，同时不需要额外的能量消耗。此外，与非抢占方案相比，抢占方案的平均信息年龄较小，但平均能量消耗较大。
-
计算机工程. 2025, 51(8): 396-405. https://doi.org/10.19678/j.issn.1000-3428.0069301
作为组织数字化转型的关键技术，机器人流程自动化(RPA)近年来得到了学术界和产业界的广泛关注。成功部署RPA的关键是确定哪些活动应该自动化。然而，现有的部署策略缺乏对流程的分析，导致RPA机器人的部署错误，造成资源的浪费。此外，已有的基于流程挖掘的RPA机器人部署方法过度依赖于专家的领域知识，缺乏通用性。针对上述问题，将流程挖掘与RPA相结合，提出一种基于流程挖掘的RPA机器人优化部署方法。首先提出从事件日志中挖掘全局流程模型的方法，挖掘得到含有时间信息的时间Petri网模型；其次通过关键流程路径识别方法得到关键流程路径；最后提出RPA机器人优化部署策略，结合时间和成本约束确定RPA机器人的最佳部署结点集合。该方法已在开源流程挖掘工具平台ProM中实现，并将其与已有的4种部署方法进行时间效率提升实验比较。实验结果表明，与其他部署方法相比，该方法在不依赖于专家领域知识的前提下，流程的性能提升率为22%~41%，RPA机器人的部署正确率达到1，验证了该方法的通用性和准确性。
-
计算机工程. 2025, 51(8): 406-414. https://doi.org/10.19678/j.issn.1000-3428.0068767
车辆轨迹预测是自动驾驶的重要环节，提升车辆轨迹预测的可靠性和准确性对自动驾驶安全性有很大帮助。道路上车辆行驶受交通环境影响，考虑相邻车辆运动和相对空间位置等交通环境因素，在长短期记忆(LSTM)神经网络编码器-解码器模型基础上引入时空注意力机制，通过时间注意力层关注目标车辆和相邻车辆的历史轨迹，空间注意力层关注车辆的相对空间位置。为了增强特征提取程度和实现更全面的特征融合，使用多尺度卷积社交池增大感受野，融合多尺度特征，并提出基于LSTM编码器-解码器架构融合多尺度卷积社交池和时空注意力机制的车辆轨迹预测模型MCS-STA-LSTM。通过学习车辆运动相互依赖关系，以达到获得目标车辆未来轨迹基于机动类别的多模态预测分布的目的。在公开数据集NGSIM上进行训练、验证和测试，实验结果表明，相较于其他轨迹预测模型，该方法在3 s内的均方根误差平均降低了9.35%，5 s内均方根误差平均降低了5.53%，提高了轨迹预测准确性，在中短期预测上更具有优势。
第51卷 第8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：江波
执行主编：胡冰
电话：021-67092217(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