星的四种视角 ✧
FIND THE RIGHT VENUE

JOS.

先看研究方向和推荐类别,再核对投稿要求、日期和历史数据。

← 全部渠道
01 / RESEARCH SCOPE

适合投稿的研究方向

软件理论、软件工程、系统软件与程序设计

CCF 等级待核实中文期刊,国际目录分类不适用

方向是对渠道定位的概括,具体范围、投稿轨道和截止日期请以当年官方征稿为准。

02 / VERIFIED RECORDS

历史统计与核验记录

统计按原始口径保留。官方报告值与按分子、分母计算的值分别展示,缺失数据记为未公布。

尚无已核验的历史统计

没有记录不代表录用率为零。可以继续查看下方官方来源。

03 / OFFICIAL SOURCES

要求、日期与来源

这些是来源页面的摘录。日期、要求和征稿轮次可能变化,请以相应官方页面为准。

www.jos.org.cn有可用记录
查看官方来源 ↗
最近尝试
2026/11/19 14:00
最近成功
2026/11/19 14:00

最近抓取的页面摘录

抓取时间:2026/11/19 14:00。尚未经过人工核验。

投稿指南
《软件学报》创刊于1990年,由中国科学院软件研究所和中国计算机学会联合主办。《软件学报》是一本刊登计算机软件各领域原创性研究成果的期刊,所刊登的论文均经过严格的同行专家评议。《软件学报》主要面向全球华人计算机软件学者,致力于创办与世界计算机科学和软件技术发展同步的以中文为主的"中文国际软件学术期刊",为全球华人同行提供学术交流平台。已被EI等国际数据库收录。
《软件学报》注重刊登反映计算机科学和计算机软件新理论、新方法和新技术以及学科发展趋势的文章,主要涉及理论计算机科学、算法设计与分析、系统软件与软件工程、模式识别与人工智能、数据库技术、计算机网络、信息安全、计算机图形学与计算机辅助设计、多媒体技术及其他相关的内容。
1. 来稿必须是原创性论文,要求结构完整、论点明确、论据可靠、论证合理、层次分明、可读性强。
2. 本刊鼓励科学工作者在结合国家需求、把握世界科学前沿的基础上,在重要研究领域或新学科生长点上开展深入、系统的创新性研究工作,鼓励有重大创新、有新观点和见解、可推动或丰富该领域的研究与发展。
3. 本刊设有特色栏目“ 前沿观点 ”和“Fast Track”,鼓励科研工作者发表前瞻性、引领性论文,以及重大突破性成果。
4. 投稿应具有合法性,即不存在抄袭、剽窃、侵权等不良行为。如发现上述不良行为,本刊将据实通知作者所在单位的最高领导层,并不再接受第一作者的投稿.作者文责自负,本刊不承担连带责任。
5. 来稿应未在任何正式出版物上刊载过,且不允许一稿多投。本刊不接受任何语种的翻译稿。
1. 稿件请用Word编辑排版。网站上提供了写作模板和样例,作者可参考。
2. 来稿做到清稿定稿。文中插图精绘,图中文字清楚,应有图序、图题和图注。
3. 作者应将对自己的研究工作有所启发、帮助和教益的国内外文献列出,以示对同行工作的尊重和补充,参考文献应查新、查全并在文中明确标引,且与国内外同类工作进行详细讨论和比较。
1. 请通过《软件学报》网站http://www.jos.org.cn "作者投稿"一栏进行投稿。本刊仅接受通过此系统提交的投稿,不再接受打印稿和电子邮件形式的投稿。稿件上传之前,请务必检查确认文件未染有病毒。
2. 投稿分配编号之后,系统将不提供稿件更新功能,请作者务必谨慎投稿,做到清稿定稿。
3. 投稿之后,若需查询稿件处理状况,请登录到本刊网站,在"作者投稿"帐号中查询。
1. 为联系顺畅,请在"作者投稿"帐号中提供联系人的联系方式。
2. 《软件学报》网站上提供了"稿件处理流程",作者可以通过该流程图了解稿件的处理程序和相关规定。
3. 为保障作者权益,本刊采取必要措施加速审稿流程,一般稿件在6个月内给出审稿结果,并尽可能提前给出评审意见。若审稿时间超过6个月,作者在通知编辑部并得到确认回复之后可自行处理投稿。
4. 通过初审的投稿作者需提交投稿声明,并请遵守投稿声明中的有关规定。
5. 对于不拟刊登的稿件,将有评审意见提供给作者。
6. 对于拟录用稿件,将按投稿时间的顺序安排发表。稿件刊发以后,我们将一次性给付稿酬(包括印刷版、光盘版和网络版稿酬),并赠送样刊。
7. 作者可通过浏览“软件学报稿件处理流程”(PDF格式)了解我刊处理稿件的程序和大致时间进度。
《软件学报》创刊以来,蒙国内外学术界厚爱,收到许多高质量的稿件,其中不少在发表后读者反映良好,认为本刊保持了较高的学术水平。但也有一些稿件因不符合本刊的要求而未能通过审稿。为了帮助广大作者尽快地把他们的优秀研究成果发表在我刊上,下面特列举一些审稿过程中经常遇到的问题,请作者投稿时尽量予以避免,以利大作的发表。
1. 本刊主要刊登具有创造程度较高的研究成果文章,创新性不高的文章,本刊不予采用。
为使审稿人充分了解作者工作的创新程度,投稿中所述工作内容应与国内外同类工作进行详细讨论和比较。建议作者尽量将这一部分内容写得充分一些,略长一些。如果投稿中缺少这部分内容或比较得不够充分,稿件在初审时就有可能通不过,将要求作者补充这部分内容之后再重新投稿。所以,为了节省时间,请作者在投稿之前,自查一下这部分内容是否写得充分。检查内容:
(1) 查新:是否介绍了该研究领域近年来的国内、外发展现状,并与作者自己的研究成果进行了充分的讨论和比较。
(2) 查全:是否介绍了国内同类工作,并与之进行了充分比较。我们在处理投稿中发现,作者多偏重于引用国外文献,而较少或不引用国内文献。本刊特别强调:作者应注意与国内同行工作进行比较,如果参考文献中只有英文文献,而没有中文文献,我们将把所投稿件退还,并要求作者补充国内同类工作并进行比较之后再重新投稿。
(3) 明确标引:稿件中应明确标明哪些工作是作者自己的研究成果,哪些工作是对他人工作的介绍。在介绍他人工作时,请明确标明引证来源,并作为参考文献列出,以利于审稿人在审稿过程中清楚地判断作者所做工作的创新程度。
2. 读书偶有所得,即匆忙成文,未曾注意该领域或该研究课题国内外近年来的发展情况。
3. 做了一个软件系统,详尽描述该系统的各个方面,如像工作报告,但所采用的基本上是成熟技术,未与国内外同类系统进行比较,没有指出该系统在技术上哪些方面比别人先进,为什么先进。一般来说,技术上没有创新的软件系统是没有发表价值的。
4. 提出了一个新的算法,认为该算法优越,但既未从数学上证明比现有的其他算法好(例如降低复杂性),也没有用实验数据来进行对比,难以令人信服。
5. 提出了一个大型软件系统的总体设想,但很粗糙,而且还没有(哪怕是部分的)实现,很难证明该设想是现实的、可行的和先进的。
6. 介绍一个现有的软件开发方法,或一个现有软件产品的结构(非作者本人开发,往往是引进的,或公司产品),甚至某一软件的使用方法。本刊不刊载高级科普文章,不支持在论文中引进广告色彩。
7. 提出对软件开发或软件产业的某种观点,泛泛而论,技术含量少。
8. 介绍作者所做的把软件技术应用于某个领域的工作,但其中软件技术含量太少,甚至微不足道,大部分内容是其他专业领域的技术细节,这类文章宜改投其他专业杂志。
9. 其主要内容已经在其他正式学术刊物上或在正式出版物中投过稿,经退稿后未作本质修改换名重投的文章。
本刊热情欢迎国内外科技界对软件学报踊跃投稿!为了和大家一起办好本刊,特提出以上各点敬告作者,并且欢迎广大作者和读者对本刊的各个方面,尤其是论文质量多多提出批评建议。
1. 请问投稿《软件学报》有没有字数或者页数限制的要求?
答:投稿时没有字数和页数上的限制。我们建议作者在投稿时尽量完整地表达作者的工作,包括相关工作的比较和作者本人的工作,以便审稿人可以清楚地判断作者工作的创新点和创新程度,快速而准确地给出评审意见。如果文章评审通过,编辑部在通知作者修改时在字数和页数上会有具体要求,到时再遵照要求进行修改。
2. 可以提供一个《软件学报》的稿件格式吗?
答:我刊网站上提供了排版模板和样例,作者可以下载相关文档。具体位置在“下载区”一栏中。
3. 我想问一下在学术会议上发表过的论文能否在《软件学报》上发表?
答:论文集是公开发表的吗?即是否有书号。如果有书号,就属于正式出版物,就不能在我刊发表。如果没有书号,属于交流材料,论文就可以投往本刊。
答:投稿时接受Latex写的文章,作者在线投稿时上传PS文件即可。如果文章被录用,作者须按照要求提交Word文档。我们的建议是:如果稿件已经用Latex排版完成,就先不要改用WORD排版,您只需将PS文档上传即可,稿件先进行评审。如果评审通过了,再按照要求用WORD软件重新排版。
5. 我想在这几天向贵刊投一篇英文稿件,你能否就具体的投稿格式向我详细地说明一下呢?我现在有以下几点疑问:(1) 投英文的时候,是不是还得加上中文的联系方式和中文的摘要?(2) 投英文的时候是否有什么具体的格式要求?(3) 你们一般希望作者在线投稿还是邮寄给你呢?
答:(1)是的,需要加上中文联系方式和中文摘要;(2)本刊从2009年起不再接受英文投稿,详细通知见网站通知;(3)我刊仅接收在线投稿方式提交的投稿,不接收邮寄投稿。
6. 我想咨询一下在线投稿里的作者帐号是指什么。我想在线投稿,可是被这项难住了,请赐教,谢谢!
答:帐号是作者有效的Email地址。输入Email地址之后,系统会将自动生成的密码发到您的信箱中,您可以到您的信箱中收取密码。作者通过帐号和密码登陆之后,就可以在线投稿并查询稿件处理状态。
7. 在作者把稿件投上之后,作者的联系方式,可否由作者自由改动?因为在审稿期间,作者的联系方式可能已经发生改变。
答:可以自动修改。方法:登陆“在线投稿”,进入您的帐号之后,更新您的联系方式,同时发一封电子邮件告知我们。
8. 我什么时候下载投稿声明?是刚开始投稿时就需要吗?
答:通过初审的文章作者才要求提交“投稿声明”,刚开始投稿时不要求填写。作者在收到编辑部发出的通过初审的Email邮件之后,登陆到我刊网站“下载区”中下载“投稿声明”,填写相关内容并打印之后,请每位作者亲笔签名,然后寄回本刊编辑部。
9. 有多个作者署名的文章,其中有的作者出国或已经离开现在的单位了,如何办理?
答:请通知相关作者从网站下载“投稿声明”,单独分别签字之后寄回本刊编辑部,或采用传真010-62562533方式。
10. 什么时候以及如何交纳论文处置费?
11. 我想知道我的稿件的处理状态,如何查询?
答:请登陆我刊网站“作者投稿”一栏,根据投稿时注册的邮箱地址和密码登陆之后进行查询。
12. 我只想转让印刷版,不想转让网络版,怎么办?
答:我刊不仅出版印刷版,而且出版光盘版和网络版。在出版过程中,不大可能将其中的一篇文章撤下来不做网络版,所以凡不同意转让光盘版和网络版的作者,在通知本刊之后,可以改投其他刊物。
13. 如违犯“投稿声明”中的内容,对我可能会有什么影响?
(a) 一稿多投者,2年之内不接受第一作者投稿;
(b) 不良行为者,将可能有如下处理措施:(i) 不接受第一作者投稿;(ii) 通知作者所在单位最高领导层及导师;等等。
14. 稿件寄出后又发现其中有疏漏之处。请问能改吗?
答:稿件分配编号之后,即进入审理流程,系统不提供稿件更新功能,以保证编辑部、编委会和审稿人评审的稿件是一致的。请作者在上传稿件之前认真修改论文。如果稿件已进入审理流程,作者认为非常有必要更新稿件,这时首先要向编辑部提交书面(或EMAIL)终止原稿件的审理请求,编辑部在收到作者的书面(或EMAIL)请求之后,终止原稿件的审理。然后作者再通过“在线投稿”重新投稿,新版本投稿视同为新稿件,按审稿流程重新处理。
15. 有没有好的办法能使审稿老师快点。比如我们增加审稿费等方法?
答:我刊网站提供了稿件处理流程和大致时间进度。作者在投稿之前,应了解有关规定。审稿专家在评审论文,并给出谨慎的评审意见需要一定的时间,所以作者在投稿之前应留出足够多的时间给审稿专家,以便于审稿专家进行评审。审稿费与审稿速度无关,但与作者在我刊的信誉有关。在通知作者交纳审稿费的同时,稿件已送同行评议,以节省审理时间,加快评审速度。我们希望在编辑部和作者之间建立一种信任关系,作者在评审结果出来之前交纳审稿费即可,但如果作者未交纳审稿费,作者的姓名将上“未交费”名单,会影响到作者下一次的投稿。
答:网络投稿只是一种投稿方式,与录用率无关,而与评审速度有关。我刊仅接受在线投稿方式提交的投稿,有利于加快稿件处理速度。
17. 请问贵刊审稿期为多久,可以电子投稿吗?需要审稿费吗?
答:我刊网站上公布了稿件处理流程和大致时间进度,从中可以了解审稿程序和大致所需时间。本刊不收取处置费。
18. 我想向软件学报(英文版)投稿,但无法找到英文版的介绍?
答:软件学报(中文版)从2009年起不再接受英文投稿,详细通知见网站通知。
19. 我的论文,编号****已被拒稿,专家给出了一些非常好的意见。请问我按照意见修改完后是否可以重新投贵刊物,如果可以的话,那么这个审稿周期是否能够相应的缩短一些呢。谢谢!
答:欢迎修改完善之后重新投稿!请在线重新投稿时,在备注栏中注明“修改后重新投稿 原稿件编号”,以引起编辑部和编委会的注意,在送审时一并考虑这一因素。至于是否能缩短一些时间的问题,有这种可能性,因为可能会送原审稿人,但也可能重新选择新审稿人,所以审稿时间上不一定能保证缩短。
20. 收稿通知中要求所有作者签字。本文的第一作者、第二作者都已经签字了,由于我的文章是属于交流合作项目中的,第三作者不在本地,第四作者已经到国外求学,所以我想向您咨询一下这样的情况我应该怎样处理?
答:请通知第三和第四作者从网站下载“投稿声明”,分别单独签字之后寄回本刊编辑部,或采用传真010-62562533方式。
21. 我是一名作者,我想了解一下贵刊是否为匿名评审?若非匿名评审,是否可以提出回避某些审稿人?
答:本刊采用的是单盲审稿制,即作者不知道审稿人姓名,但审稿人知道作者姓名。作者可以提供回避审稿人名单,供选择评审人时参考。
22.我的文章现已审查完毕,并提出了有关审查意见。我想咨询,如果我的文章修改后,再次投递,是否还需要交审稿费,是否直接用该编号即可?
答:如果你的文章已经是终审意见,文章修改之后再投就按新稿件处理,从程序上来讲和新投稿件是一样的。为提醒编辑部注意,请在备注栏上注明:“修改重投稿件”字样和原稿件的编号。
23. 我仔细阅读审稿人对文章的审稿意见后,觉得意见都非常好,因此希望更进一步与该稿件的审稿人交流和请教。不知你们能否提供审稿人的联系方法?需要申明的是,我并没有别的什么意思,而仅仅是向审稿人请教一些学术上的问题。
答:不经评审人本人同意,本刊不能透露评审人的姓名,请理解。如果您想请教评审人,我们可以将您的邮件转给相关评审人。如果评审人有任何反馈意见,我们都会如实地转告给您。
24. 我想问一下作者顺序的修改问题。投稿后经过专家审查通过后,即将发表,如果想增加新的作者并且修改作者的顺序是否可以?是否需要提供什么证明或者相关的材料?
答: 本刊自2022年2月24日起,执行《 关于进一步规范《软件学报》论文署名/单位/基金等的相关规定 》,作者署名数量/顺序、单位数量/顺序以初投稿为准,不得修改;基金数量/顺序以录用定稿为准,不得修改。
25. 我的一篇文章被贵刊录用,按照贵刊的要求,需要我提交一份加盖公章的保密审查单, 我不知需要什么样的公章,我们系的可不可以?
答:我们要求加盖公章的初衷是:希望学校从安全保密的角度考虑,在文章保密方面把一下关,不要发生泄密等问题。你可以到单位里询问,各单位在这方面都会有明文规定,请遵照贵单位的相关规定执行。
26. 我的作品已经通过贵刊的审查,现在有一个问题请教:我的作品中含有非常多的数学公式,不过我之前的写作的时候是在公式编辑器5.0下编辑,现在改起来,简直就是要重写这篇论文,非常非常的麻烦,需要较长的时间和工作量,请问我贵刊能否破例接收这样的作品,或者有什么其他的解决办法?
答:这是由于后期印刷出版的要求。由于公式5.0版编辑的稿件在印刷厂出片时容易出现错误,所有有公式的地方都是空白的,非常恐怖:(,如果这时再请作者修改就太迟了。我们向作者提出的有关排版方面修改要求,都是经过实践总结出来的,没有故意为难作者的意思,请作者理解并配合我们的工作。有一个办法,如果是简单的上下角关系,如k1,k2(数字为下角),就可用word里字体里面的上下角,而不一定非用公式编辑器,这样改起来,会简单些。
27. 我用word 2007写了一篇长稿,非常想投到贵刊,但公式很多,在word的以前版本中不能正常阅读。我想问,将word 2007写的稿转成pdf格式后,审稿录用后再改用word2003可以吗?
答:可以。先转成PDF提交投稿,如果审查通过了再改用Word2003排版。
电子邮箱: jos@iscas.ac.cn
网址: https://www.jos.org.cn
友情链接: 中国科学院软件研究所 中国计算机学会 中国科学院 国家自然科学基金委员会 CCF数字图书馆 Int'l J of Softw Info 计算机系统应用
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
京公网安备 11040202500063号

投稿与要求 · 来源摘录

  • 微信订阅号 — 投稿指南
  • 微信订阅号 — 投稿指南 分享: 《软件学报》创刊于1990年,由中国科学院软件研究所和中国计算机学会联合主办。《软件学报》是一本刊登计算机软件各领域原创性研究成果的期刊,所刊登的论文均经过严格的同行专家评议。《软件学报》主要面向全球华人计算机软件学者,致力于创办与世界计算机科学和软件技术发展同步的以中文为主的"中文国际软件学术期刊",为全球华人同行提供学术交流平台。已被EI等国际数据库收录。 《软件学报》注重刊登反映计算机科学和计算机软件新理论、新方法和新技术以及学科发展趋势的文章,主要涉及理论计算机科学、算法设计与分析、系统软件与软件工程、模式识别与人工智能、数据库技术、计算机网络、信息安全、计算机图形学与计算机辅助设计、多媒体技术及其他相关的内容。 投稿要求 1. 来稿必须是原创性论文,要求结构完整、论点明确、论据可靠、论证合理、层次分明、可读性强。 2. 本刊鼓励科学工作者在结合国家需求、把握世界科学前沿的基础上,在重要研究领域或新学科生长点上开展深入、系统的创新性研究工作,鼓励有重大创新、有新观点和见解、可推动或丰富该领域的研究与发展。 3. 本刊设有特色栏目“ 前沿观点 ”和“Fast Track”,鼓励科研工作者发表前瞻性、引领性论文,以及重大突破性成果。 4. 投稿应具有合法性,即不存在抄袭、剽窃、侵权等不良行为。如发现上述不良行为,本刊将据实通知作者所在单位的最高领导层,并不再接受第一作者的投稿.作者文责自负,本刊不承担连带责任。 5. 来稿应未在任何正式出版物上刊载过,且不允许一稿多投。本刊不接受任何语种的翻译稿。 写作要求 1. 稿件请用Word编辑排版。网站上提供了写作模板和样例,作者可参考。 2. 来稿做到清稿定稿。文中插图精绘,图中文字清楚,应有图序、图题和图注。 3. 作者应将对自己的研究工作有所启发、帮助和教益的国内外文献列出,以示对同行工作的尊重和补充,参考文献应查新、查全并在文中明确标引,且与国内外同类工作进行详细讨论和比较。 投稿方法 1. 请通过《软件学报》网站http://www.jos.org.cn "作者投稿"一栏进行投稿。本刊仅接受通过此系统提交的投稿,不再接受打印稿和电子邮件形式的投稿。稿件上传之前,请务必检查确认文件未染有病毒。 2. 投稿分配编号之后,系统将不提供稿件更新功能,请作者务必谨慎投稿,做到清稿定稿。 3. 投稿之后,若需查询稿件处理状况,请登录到本刊网站,在"作者投稿"帐号中查询。 作者须知 1. 为联系顺畅,请在"作者投稿"帐号中提供联系人的联系方式。 2. 《软件学报》网站上提供了"稿件处理流程",作者可以通过该流程图了解稿件的处理程序和相关规定。 3. 为保障作者权益,本刊采取必要措施加速审稿流程,一般稿件在6个月内给出审稿结果,并尽可能提前给出评审意见。若审稿时间超过6个月,作者在通知编辑部并得到确认回复之后可自行处理投稿。 4. 通过初审的投稿作者需提交投稿声明,并请遵守投稿声明中的有关规定。 5. 对于不拟刊登的稿件,将有评审意见提供给作者。 6. 对于拟录用稿件,将按投稿时间的顺序安排发表。稿件刊发以后,我们将一次性给付稿酬(包括印刷版、光盘版和网络版稿酬),并赠送样刊。 7. 作者可通过浏览“软件学报稿件处理流程”(PDF格式)了解我刊处理稿件的程序和大致时间进度。 敬 …[摘录截断,请查看官网全文]

统计相关 · 来源摘录

  • 微信订阅号 — 投稿指南 分享: 《软件学报》创刊于1990年,由中国科学院软件研究所和中国计算机学会联合主办。《软件学报》是一本刊登计算机软件各领域原创性研究成果的期刊,所刊登的论文均经过严格的同行专家评议。《软件学报》主要面向全球华人计算机软件学者,致力于创办与世界计算机科学和软件技术发展同步的以中文为主的"中文国际软件学术期刊",为全球华人同行提供学术交流平台。已被EI等国际数据库收录。 《软件学报》注重刊登反映计算机科学和计算机软件新理论、新方法和新技术以及学科发展趋势的文章,主要涉及理论计算机科学、算法设计与分析、系统软件与软件工程、模式识别与人工智能、数据库技术、计算机网络、信息安全、计算机图形学与计算机辅助设计、多媒体技术及其他相关的内容。 投稿要求 1. 来稿必须是原创性论文,要求结构完整、论点明确、论据可靠、论证合理、层次分明、可读性强。 2. 本刊鼓励科学工作者在结合国家需求、把握世界科学前沿的基础上,在重要研究领域或新学科生长点上开展深入、系统的创新性研究工作,鼓励有重大创新、有新观点和见解、可推动或丰富该领域的研究与发展。 3. 本刊设有特色栏目“ 前沿观点 ”和“Fast Track”,鼓励科研工作者发表前瞻性、引领性论文,以及重大突破性成果。 4. 投稿应具有合法性,即不存在抄袭、剽窃、侵权等不良行为。如发现上述不良行为,本刊将据实通知作者所在单位的最高领导层,并不再接受第一作者的投稿.作者文责自负,本刊不承担连带责任。 5. 来稿应未在任何正式出版物上刊载过,且不允许一稿多投。本刊不接受任何语种的翻译稿。 写作要求 1. 稿件请用Word编辑排版。网站上提供了写作模板和样例,作者可参考。 2. 来稿做到清稿定稿。文中插图精绘,图中文字清楚,应有图序、图题和图注。 3. 作者应将对自己的研究工作有所启发、帮助和教益的国内外文献列出,以示对同行工作的尊重和补充,参考文献应查新、查全并在文中明确标引,且与国内外同类工作进行详细讨论和比较。 投稿方法 1. 请通过《软件学报》网站http://www.jos.org.cn "作者投稿"一栏进行投稿。本刊仅接受通过此系统提交的投稿,不再接受打印稿和电子邮件形式的投稿。稿件上传之前,请务必检查确认文件未染有病毒。 2. 投稿分配编号之后,系统将不提供稿件更新功能,请作者务必谨慎投稿,做到清稿定稿。 3. 投稿之后,若需查询稿件处理状况,请登录到本刊网站,在"作者投稿"帐号中查询。 作者须知 1. 为联系顺畅,请在"作者投稿"帐号中提供联系人的联系方式。 2. 《软件学报》网站上提供了"稿件处理流程",作者可以通过该流程图了解稿件的处理程序和相关规定。 3. 为保障作者权益,本刊采取必要措施加速审稿流程,一般稿件在6个月内给出审稿结果,并尽可能提前给出评审意见。若审稿时间超过6个月,作者在通知编辑部并得到确认回复之后可自行处理投稿。 4. 通过初审的投稿作者需提交投稿声明,并请遵守投稿声明中的有关规定。 5. 对于不拟刊登的稿件,将有评审意见提供给作者。 6. 对于拟录用稿件,将按投稿时间的顺序安排发表。稿件刊发以后,我们将一次性给付稿酬(包括印刷版、光盘版和网络版稿酬),并赠送样刊。 7. 作者可通过浏览“软件学报稿件处理流程”(PDF格式)了解我刊处理稿件的程序和大致时间进度。 敬 …[摘录截断,请查看官网全文]
www.jos.org.cn更新未成功
查看官方来源 ↗
最近尝试
2026/11/19 19:00
最近成功
暂无记录

最近更新没有成功。以下仍保留最近一次成功读取的内容。
未找到足够的可核对正文,保留上次成功内容。

此来源还没有可展示的摘录。请直接查阅官方页面。

www.jos.org.cn更新未成功
查看官方来源 ↗
最近尝试
2026/11/19 20:00
最近成功
暂无记录

最近更新没有成功。以下仍保留最近一次成功读取的内容。
未找到足够的可核对正文,保留上次成功内容。

此来源还没有可展示的摘录。请直接查阅官方页面。

www.jos.org.cn有可用记录
查看官方来源 ↗
最近尝试
2026/11/20 08:15
最近成功
2026/11/20 08:15

最近抓取的页面摘录

抓取时间:2026/11/20 08:15。尚未经过人工核验。

欢迎访问软件学报网站!
关于进一步规范《软件学报》论文署名/单位/基金等的相关规定
中国科学院软件研究所期刊联合编辑部招聘启事
软件学报专刊征文:面向物理世界的机器学习(截稿时间:2027年5月10日)
软件学报专刊征文:面向智能体信息系统的软件新技术(截稿时间:2026年8月24日)
基于大语言模型的故障复现测试用例生成方法
2027年第3期专题优先出版:多模态数据管理及融合技术(彭智勇,崔斌,高晓沨)
2027年第5期专题优先出版:具身推理与多模态世界模型(孙立峰,蒋树强,姜育刚,洪日昌,俞俊,黄庆明)
2026年第6期专题优先出版:RISC-V与人工智能系统软件前沿进展(武延军,谢涛,侯锐,宋威,邢明杰)
2027年第38卷 2026年第37卷 2025年第36卷 2024年第35卷 2023年第34卷 2022年第33卷 2021年第32卷 2020年第31卷 2019年第30卷 2018年第29卷 2017年第28卷 2016年第27卷 2015年第26卷 2014年第25卷 2013年第24卷 2012年第23卷 2011年第22卷 2010年第21卷 2009年第20卷 2008年第19卷 2007年第18卷 2006年第17卷 2005年第16卷 2004年第15卷 2003年第14卷 2002年第13卷 2001年第12卷 2000年第11卷 1999年第10卷 1998年第9卷 1997年第8卷 1996年第7卷 1995年第6卷 1994年第5卷 1993年第4卷 1992年第3卷 1991年第2卷 1990年第1卷 5年 0年
DiffuCD: 面向扩散语言模型的高效对比解码
2026,37(11):4033-4056 , DOI: 10.13328/j.cnki.jos.007751 , CSTR: 32375.14.jos.007751
[摘要] ( 478 ) [HTML] ( 182 ) [PDF 3.01 M] ( 246 )
当前主流大语言模型大多采用自回归生成范式, 需要逐token生成文本, 难以满足实际应用对高效推理的需求. 扩散语言模型通过迭代去噪实现并行解码, 在推理效率上具有一定理论优势, 因而被视为提升大语言模型推理效率的一条重要技术路径. 然而, 现有扩散语言模型的生成质量仍有较大提升空间. 对比解码是一种被广泛证明有效的提升语言模型生成质量的方法, 其核心思想是利用能力较弱的业余分布对能力较强的专家分布进行校正. 然而, 现有对比解码方法主要面向自回归语言模型设计, 通常需要额外引入模型来提供业余分布, 这会显著增加推理开销, 削弱扩散语言模型高效推理的核心优势. 为此, 提出一种面向扩散语言模型的高效对比解码方法DiffuCD. 该方法基于一个关键观察: 在扩散语言模型的去噪过程中, 早期时间步由于可利用的上下文信息有限, 预测质量较低; 随着去噪推进, 预测质量逐步提升. 这一特性天然满足对比解码对分布强弱差异的要求. 基于此, DiffuCD直接将历史时间步的预测分布作为业余分布, 将当前时间步的预测分布作为专家分布, 从而对当前分布进行校正. 在4个扩散语言模型和6个评估基准上进行广泛实验. 实验结果表明, DiffuCD能够在多种模型和任务上稳定提升模型生成质量, 并且在吞吐量和峰值显存占用方面与未使用对比解码的对比方法几乎一致, 较好地保留了扩散语言模型高效推理的理论优势.
王玥,孙嘉旋,邹艳珍,李宇轩,常文辉,谢冰
2026,37(11):4057-4075 , DOI: 10.13328/j.cnki.jos.007556 , CSTR: 32375.14.jos.007556
[摘要] ( 597 ) [HTML] ( 1149 ) [PDF 4.97 M] ( 739 )
许多代码文件随着软件演化逐渐膨胀并承担了过多职责, 严重影响了软件的可维护性和可理解性. 开发者常需要重构这些文件, 将一个大的代码文件分解成多个较小的子文件. 现有研究工作主要聚焦类文件的分解重构, 并不完全适用于分解复杂头文件. 这是因为分解头文件面临一些独有的挑战: 既需要考虑整个软件项目的构建依赖以降低编译成本, 也需要确保分解后的子文件之间不会存在循环依赖. 为此, 提出一种面向复杂头文件的自动化分解与重构方法——HeaderSplit. 该方法首先为复杂头文件构造蕴含多种代码关系的代码元素图, 其中就包括体现项目构建依赖的共同使用关系; 然后通过节点合并与多视图聚类算法识别关联紧密的代码元素聚类; 随后引入启发式的循环依赖修正算法生成可行的文件分解方案. 用户确认分解方案后, HeaderSplit能够自动执行重构, 生成新的子文件内容, 并更新软件项目内直接或间接引用原头文件的代码语句. 在合成复杂头文件与真实复杂头文件上对HeaderSplit进行评估, 结果表明: 1) HeaderSplit在准确率上比现有方法提升了11.5%, 并且具有更强的跨软件项目稳定性; 2) HeaderSplit分解得到的子文件模块度更高且无循环依赖, 具有更好的架构设计; 3) 使用HeaderSplit分解复杂头文件可以降低其演化历史中15%–60%的重编译成本; 4) HeaderSplit可以高效实施自动化重构, 在5 min以内完成百万行软件项目内的头文件分解重构, 具有很高的实用价值.
2026,37(11):4076-4097 , DOI: 10.13328/j.cnki.jos.007557 , CSTR: 32375.14.jos.007557
[摘要] ( 1601 ) [HTML] ( 147 ) [PDF 4.38 M] ( 1231 )
在软件工程领域中, 非功能需求(non-functional requirement, NFR)获取一直是需求工程实践中的重要内容, 但容易被忽视. 传统的NFR获取方法主要依赖需求工程师的经验和人工分析, 不仅效率低下, 而且容易出现遗漏和不一致. 近年来, 大语言模型在自然语言处理领域取得突破性进展, 为自动化获取非功能需求提供了新的技术手段. 然而, 直接使用大语言模型生成非功能需求常面临知识幻觉、领域专业性不足等问题. 为此, 提出一种基于大语言模型的非功能需求自动获取方法, 实现高质量的非功能需求生成. 构建包含3856条功能需求和5723条非功能需求的结构化关联数据集, 形成22647对FR-NFR关联关系. 通过融合检索增强生成(retrieval-augmented generation, RAG)技术, 构建包含3个核心模块的系统化解决方案: 基于语义相似度的案例检索模块、面向非功能需求生成的提示工程模块和基于大语言模型的需求生成模块. 通过软件工程专家的专业评分和对BLEU、ROUGE等自动评分指标的多维度评估, 实验结果表明该方法在需求完整性、准确性、可测试性和一致性方面优于现有方法.
业务建模驱动TRIZ注入的人-多智能体协作创新需求捕获框架
2026,37(11):4098-4119 , DOI: 10.13328/j.cnki.jos.007562 , CSTR: 32375.14.jos.007562
[摘要] ( 1075 ) [HTML] ( 2221 ) [PDF 10.12 M] ( 1229 )
当前软件市场呈现出产品同质化加重趋势, 功能性创新已成为决定软件竞争优势的关键因素. 这促使现代需求工程研究范式从被动的需求提取转向主动的创新需求捕获. 在提升需求创新性的实践中, 现有研究主要呈现两条路径: (1)通过情景建模与引导方法改进工作坊流程, 激发人类团队协作创新; (2)基于组合创新理论对既有需求进行解构重组, 快速生成新需求方案. 但两种方法均面临创新质量与参与成本难以有效平衡的核心矛盾. 生成式AI技术的突破性进展为应对这一挑战提供了新思路. 提出一种业务建模驱动下注入TRIZ理论的人-多智能体协作式创新需求捕获框架BMHACT, 该框架以统一过程业务建模协作架构为蓝本, 设计提示词定义业务流程分析员、业务设计员等5个智能体职责. 多智能体团队通过“系统愿景收集-流程痛点识别-技术矛盾分析-TRIZ创新原理匹配-需求方案生成”的协作流程生成创新需求, 并由领域专家和客户代表对需求进行创新性评估. 以工程机械领域某企业门户网站建设项目为例的实证研究表明: 相较基于需求重用的自动化方法和基于对抗样本的追溯式需求生成方法, BMHACT迭代次数分别降低50%和28.6%, 全过程耗时减少66.7%和33.3%, 同时, 创新潜力指数CNU (clarity, novelty, usefulness)分别提升22.9%和10.7%, 且CNU单轮平均增益分别提高2.16倍和2.14倍. 证明了BMHACT在提升需求创新质量和降低协作成本上的优越性.
面向领域自适应扰动的神经网络鲁棒性形式验证
2026,37(11):4120-4143 , DOI: 10.13328/j.cnki.jos.007568 , CSTR: 32375.14.jos.007568
[摘要] ( 1380 ) [HTML] ( 86 ) [PDF 4.04 M] ( 428 )
神经网络鲁棒性验证作为保障人工智能系统安全性与可靠性的关键技术, 能够为智能决策提供形式化保证. 现有研究普遍基于数据分布各向同性的简化假设, 进行均匀 L p 范数球邻域上的验证算法开发. 但这一理论框架在面对现实世界复杂的数据特性时显得力不从心, 例如: 数据不同特征对模型预测结果的影响及其对扰动的敏感度表现出差异性; 某些特征受物理约束限制具有不可变性; 特征间还可能存在复杂的相关性结构. 这使得基于均匀扰动域的验证算法难以准确建模现实世界对人工智能系统的鲁棒性需求. 针对上述局限, 提出基于非均匀扰动域的鲁棒性验证框架. 通过结合具体应用领域的数据分布特性, 合理构建符合领域特征的扰动域几何结构, 并对领域自适应扰动进行建模. 在此基础上, 形式化地定义3种新型鲁棒性概念: 椭球鲁棒性、掩码局部鲁棒性以及马氏距离鲁棒性, 并提出相应的鲁棒性验证问题的定义与构建方法. 此外, 设计NNV4RADAP算法, 通过构建等价的均匀 L p 范数球鲁棒性验证问题来将现有的验证算法推广到面向领域自适应扰动的神经网络鲁棒性验证问题上. 实验结果显示, NNV4RADAP算法可以为神经网络提供更为精准且贴合数据分布特性的鲁棒性保证. 拓宽现有深度神经网络鲁棒性的形式定义, 并设计实现面向领域自适应扰动的神经网络鲁棒性的形式验证算法, 研究领域内基于数据分布的鲁棒性定义问题, 对于形式验证技术未来在可信人工智能技术中的落地和应用都有指导作用.
基于语法和类型变异的TypeScript编译器缺陷检测
2026,37(11):4144-4164 , DOI: 10.13328/j.cnki.jos.007572 , CSTR: 32375.14.jos.007572
[摘要] ( 800 ) [HTML] ( 90 ) [PDF 2.50 M] ( 538 )
TypeScript作为JavaScript的超集, 提供了静态类型支持和面向对象等多种特性, 被Angular、Vue、React等众多主流框架广泛采用, 成为构建大型应用的核心技术之一. 其编译器负责将TypeScript代码编译为标准的JavaScript代码. 然而, TypeScript编译器本身可能存在缺陷, 导致生成的JavaScript代码包含难以预料的错误. 尽管在JavaScript引擎测试方面已有诸多研究, 但尚未有针对TypeScript编译器的系统性测试研究. 现有的JavaScript引擎测试方法既难以生成大量包含TypeScript特定类型的程序, 也无法有效变异这些类型, 导致难以检测TypeScript编译器中与复杂类型系统相关的缺陷. 为此, 提出一种基于语法和类型变异的TypeScript编译器测试框架TscFuzz. 为了获取大量包含TypeScript特定类型的种子程序, TscFuzz针对TypeScript相较于JavaScript的特定类型设计了一组提示词, 并引导大语言模型生成一系列包含特定类型的程序. 然后, 设计了一组类型特定的变异算子, 旨在通过类型变异对TypeScript的类型系统进行针对性的测试. 最后, TscFuzz基于交叉版本策略的差分测试, 比较不同版本的TypeScript编译器的输出结果来检测其缺陷, 并通过Node.js验证编译器输出JavaScript程序的语义正确性. 实验结果显示, TscFuzz在72 h内发现了5个缺陷, 比基线方法DIE和FuzzJIT分别多检测了2个和3个bug. TscFuzz的缺陷检测效果显著优于基线方法. 同时, 经过3个月的测试, TscFuzz发现了12个真实的TypeScript缺陷, 其中8个已被开发者确认, 7个已被修复.
基于服务器无感知计算的对象存储跨云复制系统
舒俊宜,黄小龙,马郓,李浩源,黄罡,刘譞哲,金鑫,梅宏
2026,37(11):4165-4180 , DOI: 10.13328/j.cnki.jos.007623 , CSTR: 32375.14.jos.007623
[摘要] ( 655 ) [HTML] ( 84 ) [PDF 2.87 M] ( 341 )
对象存储是云计算环境下最常用的存储方案之一. 将对象存储中的数据复制到一个或多个云区域能够提升其可靠性和可用性, 并降低用户的访问延迟. 对象存储复制系统需要保障副本间的一致性并尽可能降低复制时延. 现有的开源跨云区域对象存储复制系统Skyplane尽管能支持主流云平台间的对象数据复制, 但无法保障数据一致性, 且在动态负载下复制时延较高. 为了实现动态负载下的低成本、低延迟对象数据复制, 提出基于服务器无感知计算的对象存储跨云复制系统FastRep. FastRep通过对象粒度的复制任务锁和乐观的复制与校验机制保障数据一致性, 通过时间有界完全树实现云函数快速调用, 通过自适应函数克隆应对带宽下降问题. 实验结果显示, FastRep能以分钟级延迟实现大小动态变化的对象数据的低成本复制.
2027年第38卷 2026年第37卷 2025年第36卷 2024年第35卷 2023年第34卷 2022年第33卷 2021年第32卷 2020年第31卷 2019年第30卷 2018年第29卷 2017年第28卷 2016年第27卷 2015年第26卷 2014年第25卷 2013年第24卷 2012年第23卷 2011年第22卷 2010年第21卷 2009年第20卷 2008年第19卷 2007年第18卷 2006年第17卷 2005年第16卷 2004年第15卷 2003年第14卷 2002年第13卷 2001年第12卷 2000年第11卷 1999年第10卷 1998年第9卷 1997年第8卷 1996年第7卷 1995年第6卷 1994年第5卷 1993年第4卷 1992年第3卷 1991年第2卷 1990年第1卷 5年 0年
DualScale: 用于同时捕捉局部和全局依赖的图神经网络
, DOI: 10.13328/j.cnki.jos.007746
, CSTR: 32375.14.jos.007746
[摘要] ( 4 ) [HTML] ( 0 ) [PDF 5.64 M] ( 1 )
动态图神经网络(dynamic graph neural network, DGNN)已广泛应用于社交网络分析、交通预测和推荐系统等领域. 然而, 现有方法主要依赖局部邻域信息聚合, 难以捕捉时间上邻近但结构上非直接相邻事件之间的依赖, 因而存在“过度局部化”问题. 为此, 提出DualScale, 一种协同建模局部依赖与全局依赖的动态图神经网络. DualScale在基于记忆的局部模块之外, 引入结合时间编码与交互频率感知的因果Transformer, 在满足时间因果约束的前提下, 联合刻画事件发生顺序、交互节奏及跨邻域依赖; 随后利用自适应路由模块动态融合局部表示与全局表示, 生成局部-全局双尺度节点表征, 从而有效地在多个时间尺度上实现对动态图中局部特征和全局演化规律的协同建模, 为动态图的表示学习提供了强大的框架支持, 对需要全面理解时序与全局交互的应用具有重要意义. 在12个链路预测数据集和3个边回归数据集上的实验结果表明, DualScale模型在8个数据集的链路预测任务中达到了最先进水平, 在边回归任务中均方根误差 (root mean square error, RMSE)最高降低了39.7%.
面向大语言模型智能体安全的异常检测方法综述
马云聪,宋泓憬,黄辰林,于丰源,程华,丁滟,杨任宇,李爱平,张建锋
, DOI: 10.13328/j.cnki.jos.007749
, CSTR: 32375.14.jos.007749
[摘要] ( 4 ) [HTML] ( 0 ) [PDF 1.56 M] ( 2 )
以大语言模型(large language model, LLM)为核心的智能体和多智能体系统, 凭借其卓越的意图理解、推理规划和执行能力, 正广泛应用于各个领域. 近年来, 随着LLM能力的提升及其与外部环境交互的加强, 针对智能体系统的攻击行为持续演化, LLM幻觉也难以避免, 导致智能体系统在实际应用中面临各种安全威胁. 现有研究表明, 仅依赖LLM自身的安全机制难以保证系统的安全性, 准确识别各种异常行为对于智能体生态的良性发展有重要意义. 围绕智能体安全的异常检测问题, 首先从模型层、认知层和交互层梳理了当前智能体系统面临的安全威胁; 其次, 从拓扑图视角对智能体和多智能体系统进行形式化表示, 提出基于双层复合图的分类方法, 对LLM智能体安全的异常检测方法进行综述和分析; 接着, 提出提升智能体可信度的6大安全目标, 并基于此构建一个多维度的异常检测评估指标, 且在主流模型下验证其有效性和鲁棒性; 最后, 讨论现有检测机制的主要挑战和未来发展方向.
Lake-CRDT: 面向跨域多主湖仓的数据同步策略
, DOI: 10.13328/j.cnki.jos.007762
, CSTR: 32375.14.jos.007762
[摘要] ( 6 ) [HTML] ( 0 ) [PDF 2.16 M] ( 1 )
跨域多主写入场景下, 湖仓系统需要在高时延、弱连接环境中实现多副本最终收敛, 同时保持与开放表格式事务语义兼容, 并抑制高频更新带来的小文件膨胀. 现有方案多分别侧重事务协调、变更流处理或存储层复制, 难以在不修改湖仓内核的前提下同时兼顾收敛、稳定判定与低代价写回. 为此, 提出面向跨域多主湖仓的数据同步策略Lake-CRDT. 该策略以支持Set-Add混合语义的操作型键值CRDT统一表示覆盖写入与增量更新, 利用HLC-Trie判定键前缀粒度的稳定前缀, 并通过兼容 Delta Lake原生提交接口的冷热分流写回机制, 将高频更新逐步归并为稳定状态. 阿里云跨区域环境与本地集群实验结果表明, 与Flink和Spark Streaming两类常见工程路径相比, 该策略在高并发与异构网络条件下表现出更高的吞吐、更好的扩展性以及更稳定的活跃文件控制能力. 在不修改Delta Lake内核的前提下, 所提策略为跨域多主湖仓提供了一种兼顾最终收敛、同步效率与存储代价的数据同步方案.
基于多模态隐喻对齐与多智能体协作推理的反事实隐式情绪分析
, DOI: 10.13328/j.cnki.jos.007748
, CSTR: 32375.14.jos.007748
[摘要] ( 45 ) [HTML] ( 0 ) [PDF 3.91 M] ( 12 )
反事实陈述通过假设性和否定性的可能情境传达情绪, 为隐式情绪分析(implicit emotion analysis, IEA)带来独特且复杂的挑战. 当前研究面临3大主要障碍: 缺乏高质量的反事实隐式情绪分析(counterfactual IEA, CIEA)多模态语料库、对未发生场景的语义建模存在困难、解构反事实关联隐喻信息的复杂性. 针对上述不足, 提出CIEA这一新任务, 并构建一个基于多智能体协作推理的多模态语义对齐框架(multimodal semantic alignment framework with multi-agent collaborative reasoning, MOSAMAC). 该框架首先利用大语言模型(large language model, LLM)和多模态大语言模型(multimodal LLM, MLLM)生成视觉场景, 以解构文本中隐含的隐喻信息. 随后, 采用一种词元-图块级的融合方法, 将视觉语义与文本表示进行跨模态细粒度对齐. 此外, 通过设计多智能体协作机制对假设条件进行语义层面的推理, 并将其与多模态特征融合以实现最终的情绪预测. 构建两个新的CIEA数据集, 涵盖中英文并配套了多模态语义资源. 通过与多个具有竞争力的基线模型进行对比实验验证所提方法的有效性.
基于动态图注意力与多视角对齐的多模态推荐方法
张?,张会彬,熊晨伊,王帅,王怡然,李志飞
, DOI: 10.13328/j.cnki.jos.007694
, CSTR: 32375.14.jos.007694
[摘要] ( 54 ) [HTML] ( 0 ) [PDF 2.60 M] ( 34 )
多模态推荐通过联合建模用户历史行为与物品的图像、文本等内容信息, 能够在协同信号之外提供更丰富的语义线索, 从而提升推荐系统对用户偏好的刻画能力. 尽管现有工作已在多兴趣建模、结构学习和跨模态对齐等方面取得了一定进展, 但仍面临若干挑战: 一方面, 部分方法倾向于将用户行为信号与多模态内容压缩到共享表示空间, 导致不同模态下偏好表达的差异性刻画不足; 另一方面, 静态用户-物品交互图在稀疏或噪声较强的场景下容易引入无关邻居传播, 限制表示质量; 此外, 现有对比学习目标多聚焦于同一实体的跨视图一致性或模态内部约束, 对真实用户-物品交互关系的显式利用仍不充分. 针对上述问题, 提出一种融合动态图注意力与多视角对齐的多模态推荐方法DAMARec. 该方法在用户侧采用文本-视觉双通道表示, 以增强差异化兴趣建模; 在结构建模阶段, 引入动态图注意力机制对用户-物品交互关系进行自适应加权, 以突出关键信息传播并抑制噪声干扰; 在此基础上, 从用户侧与物品侧共同构建交互驱动的多视角跨模态对齐目标, 实现协同信号与多模态语义的一致约束. 在3个公开数据集上的实验结果表明, DAMARec在Recall@10和NDCG@10指标上平均提升6.31%和8.18%, 显著优于代表性基线方法, 验证了其在提升表示鲁棒性、增强跨模态语义一致性以及缓解稀疏场景噪声传播方面的有效性.
基于学习状态和认知水平融合的双路径认知诊断模型
, DOI: 10.13328/j.cnki.jos.007744
, CSTR: 32375.14.jos.007744
[摘要] ( 48 ) [HTML] ( 0 ) [PDF 5.40 M] ( 18 )
认知诊断旨在通过建模学生作答行为推断其知识点掌握情况, 对提升个性化教育和学习干预具有重要意义. 现有方法主要依赖统计模型或深度序列模型刻画学生知识掌握变化, 但通常忽视了作答过程中的非认知因素对学习状态的影响, 以及对作答结果的作用. 为解决上述问题, 提出基于学习状态和认知水平融合的双路径认知诊断模型. 在该模型中, 状态路径通过学生非认知行为特征推断学习状态, 并引入监督式对比学习增强状态表征的判别性; 认知路径结合因果分析刻画知识掌握水平与作答结果之间的因果关系; 两条路径通过门控式融合机制实现互补与动态调节, 从而全面反映学生的真实掌握水平. 为了验证所提模型的有效性, 在3个真实教育数据集上进行实验, 结果表明该模型在各类关键指标上均优于9种基线模型, 同时消融实验验证了双路径设计和门控融合在提升认知诊断性能与可解释性方面的有效性.
基于自适应双重知识蒸馏的毫米波雷达行人重识别
, DOI: 10.13328/j.cnki.jos.007693
, CSTR: 32375.14.jos.007693
[摘要] ( 42 ) [HTML] ( 0 ) [PDF 1.39 M] ( 16 )
现有的基于毫米波雷达点云的行人重识别技术, 因输入信号固有的稀疏性和信息量的物理限制, 其性能提升受到了极大限制. 为打破这一性能瓶颈, 提出一种新的“模型增强”训练范式: 利用信息更丰富的视频模态作为离线外部知识源, 通过知识蒸馏来提升毫米波雷达行人重识别的精度. 具体地, 设计对称时序建模架构以对齐师生模型的“认知范式”, 并在此基础上提出双重知识引导机制. 一方面, 基于“不同模态下, 人体步态的运动学特征在时序演变上具有一致性”这一关键洞察, 引入时序注意力蒸馏, 显式地指导雷达模型聚焦于步态关键帧. 另一方面, 通过对齐高层决策逻辑传递类别判别信息. 此外, 引入基于实例难度的自适应学习策略, 实现对困难样本的重点辅导. 在自建数据集上的实验结果表明, 所提方法能显著提升雷达模型的识别性能. 相较于最先进的单模态毫米波雷达模型, 在mAP (mean average precision)指标上取得了3.8%的提升.
融合双视角不确定性度量与双代理模型池的DNN测试排序
, DOI: 10.13328/j.cnki.jos.007745
, CSTR: 32375.14.jos.007745
[摘要] ( 74 ) [HTML] ( 0 ) [PDF 3.98 M] ( 20 )
深度神经网络(deep neural network, DNN)测试需要大量的测试数据来保证其质量, 但大多数测试输入缺乏标注信息, 且对其进行标注会带来高昂的人工代价. 现有研究提出测试输入优先级方法, 筛选高优先级的测试输入进行标注以降低人工标注成本. 然而, 它们均仅从单一不确定性视角或模型静态行为上考虑测试输入. 一方面, 局限于固定的单一不确定性度量, 会片面刻画测试输入的错误失效风险, 从而降低排序的准确性. 另一方面, 对模型内部结构微小扰动的刻画不充分, 难以揭示其对决策边界动态变化的影响, 易忽视模型的深层脆弱性, 从而降低早期故障检测效率. 基于此, 提出一种融合双视角不确定性度量与双代理模型池的DNN测试输入优先级排序新方法. 该方法以预测测试输入误分类概率, 并构建输入侧与模型侧的风险协同排序机制为核心目标. 首先, 在输入侧, 为突破单一不确定性指标与静态评估的局限, 利用测试时增强(test-time augmentation, TTA)实施动态鲁棒性评估, 并设计双视角不确定性指标, 以识别测试输入在不同扰动下的潜在失效风险, 提高排序整体性能; 其次, 在模型侧, 构建结合深度集成与模型变异微调的双代理模型池, 量化多模型间的预测分歧, 并设计模型内部结构的动态扰动机制, 暴露模型的深层脆弱性, 以提升早期故障检测效率. 最后, 将输入侧潜在失效风险特征与模型侧决策边界脆弱性特征统一表示为误分类特征, 据此特征, 利用轻量级元模型预测测试输入的错误概率并进行排序, 以降低人工标注成本. 通过与9个已有方法在5个实验对象上的对比发现, 所提方法是可行高效的, 在 APFD 与 RAUC -100指标上分别平均提升约11.92%、28.85%.
代码差异表示在代码提交信息生成中的有效性实证研究
, DOI: 10.13328/j.cnki.jos.007736
, CSTR: 32375.14.jos.007736
[摘要] ( 62 ) [HTML] ( 0 ) [PDF 1.79 M] ( 30 )
提交信息生成(commit message generation, CMG)是软件演化与维护领域的重要任务, 其目标是依据给定的代码差异自动生成提交信息. 目前CMG方法普遍基于Git原生差异格式GitDiff构造输入, 该格式通过固定大小的上下文窗口展示变更行附近的代码片段. 然而, 代码差异的表示方式并非唯一, 通过扩大上下文范围可以构造信息更完整的代码差异表示. 具体地, 构建两种不同上下文范围的差异表示形式, 并围绕差异表示形式对CMG质量的影响开展实证研究. 实验使用现有CMG研究常用的MCMD数据集, 选取6种代表性CMG方法, 使用多种度量来分析3种代码差异表示对于CMG方法的效果影响. 实验结果表明, 尽管 GitDiff 在整体平均指标上略占优势, 但其样本胜率(41.5%)并未构成压倒性领先, 表明不同差异表示在不同代码语境下存在明显性能差异. 此外, 差异表示的选择会影响CMG模型性能比较结论, 在25%–50%的样本中, 基于GitDiff得到的模型优劣排序在切换至其他表示后会发生变化, 说明仅依赖单一代码差异表示所得模型性能结论可能存在偏差. 进一步研究发现, 当变更行依赖的关键语义单元超出GitDiff固定上下文窗口的覆盖范围时, 补全这些缺少的关键语义单元可以在一定程度上提升提交信息生成质量. 对此类场景进行系统归纳, 可为实践中代码差异表示的选择提供参考.
, DOI: 10.13328/j.cnki.jos.007737
, CSTR: 32375.14.jos.007737
[摘要] ( 83 ) [HTML] ( 0 ) [PDF 2.48 M] ( 33 )
开源软件社区通常采用“good first issue (GFI)”机制, 为新手提供精心筛选的入门任务, 以促进其参与与融入. 理解尝试解决GFI的新手如何逐步成长为核心贡献者, 对于社区的可持续发展至关重要, 这也是GFI机制的核心目标. 以87个开源软件项目中45 342名以GFI作为初始任务的新手为研究对象, 开展一项纵向实证分析. 研究结果表明, 仅有2.3%的新手最终成功转变为核心贡献者, 其在转变过程中累计代码提交次数的中位数为19次, 转变周期中位数为12个月. 进一步分析表明, 新手在贡献行为上呈现出明显的分层特征: 首先, 大量未成功转变的新手在直接性贡献维度上长期处于不活跃状态, 尤其体现在代码提交和问题报告相关活动上; 其次, 在已表现出一定活跃度的新手中, 成功转变者表现出显著更高的参与水平——其提交次数约为其他新手的15倍, 评论数量约为8倍, 协作者数量为3倍, 整体活跃度比例高出28倍. 此外, 成功转变的新手在贡献行为上呈现出更高的波动性与复杂性, 其参与程度随时间逐步提升, 并在较晚阶段达到活跃峰值, 体现出渐进式学习与逐步融入的过程. 相比之下, 未实现转变的新手则表现为长期不活跃, 或仅在早期出现短暂且难以持续的活跃峰值. 在转变速度方面, 研究发现, 更高的沟通波动性、更长的持续活跃周期以及更具选择性的参与节奏与更快的转变相关; 而较高的问题报告活动或长期低活跃状态则与较慢的转变相关. 在项目层面, 控制变量分析结果表明, 项目受欢迎程度越高, 新手转变速度越快; 而历史提交规模越大, 则转变速度相对较慢. 研究为理解开源社区中新手成长路径提供了系统性的实证证据, 并为设计更有效的新手引导与培养策略提供了可操作的参考依据.
语义迁移: 面向云端大语言模型交互的数据隐私保护方法
陈董,欧阳朋朋,杨彤,刘起东,李亚飞,谢立伟,丁少杰,徐明亮
, DOI: 10.13328/j.cnki.jos.007712
, CSTR: 32375.14.jos.007712
[摘要] ( 75 ) [HTML] ( 0 ) [PDF 1.79 M] ( 27 )
具有强大理解、生成能力的云端大语言模型(cloud large language model, CLLM)已经成为人们日常工作中不可缺少的工具. 然而, CLLM的运行方式意味着用户需要上传原始数据, 这将使得用户的数据隐私安全难以得到有效保障. 现有数据加密方法往往通过添加噪声来改变原始数据形式, 这极易导致数据效用下降, 并影响任务效果. 不同于对原始数据的全盘保护, 将用户数据分为可被识别并用于对齐归属个体的隐私关键信息, 以及不涉及归属问题的普通信息, 并提出保护隐私关键信息, 传递普通信息, 从而在保护数据隐私安全的同时, 维持数据效用. 具体而言, 提出基于语义迁移的用户隐私保护(semantic transfer for privacy protection, STPP)方法. STPP首先基于LLM广泛的先验知识构建语义映射库与语义映射模型, 并通过语义加密将原始信息迁移到具有相似逻辑的新场景. 在获得CLLM反馈后, STPP又通过语义解密将反馈信息还原回原始场景, 从而保护用户数据隐私安全的同时, 降低所提方法对用户使用CLLM体验的影响.
李彤,吴荣榜,李清昊,贾贵,高翔宇,范举,徐恪
, DOI: 10.13328/j.cnki.jos.007771
, CSTR: 32375.14.jos.007771
[摘要] ( 167 ) [HTML] ( 0 ) [PDF 8.94 M] ( 124 )
大语言模型(large language model, LLM)和生成式引擎正在改变用户获取网络信息的方式. 传统搜索引擎优化主要关注网页能否进入搜索结果并获得较高排名, 而生成式引擎优化则关注网页内容能否被大语言模型采用并呈现在回答中. 然而, 现有研究主要面向英文场景, 面向中文网页和国内生成式平台的系统性生成式引擎优化 (generative engine optimization, GEO)研究仍然缺失. 为此, 构建面向中文场景的生成式引擎优化评测框架, 围绕中文数据集构建、生成式引擎优化策略设计和来源可见度评测开展研究, 并从策略、平台、领域和来源位置等方面分析中文生成式引擎优化的效果. 在此基础上, 进一步比较中文生成式引擎优化与英文生成式引擎优化的差异, 并总结面向中文场景的实践启示.
融合多智能体系统与检索增强的芯片分区布局框架
, DOI: 10.13328/j.cnki.jos.007671
, CSTR: 32375.14.jos.007671
[摘要] ( 103 ) [HTML] ( 0 ) [PDF 1.24 M] ( 37 )
在超大规模集成电路物理设计流程中, 芯片分区直接决定后续布局布线的效率与质量. 构建融合多智能体与检索增强的芯片分区布局框架ChipMASRAO, 将多智能体强化学习(multi-agent reinforcement learning, MARL)与检索增强(retrieval-augmented optimization, RAO)技术深度融合. 该系统利用RAO机制从知识库检索历史分区结果作为高质量初始化, 通过MARL进行增量优化和多智能体协同评估, 最终驱动OpenROAD完成布局. 与传统方法每次从零计算不同, ChipMASRAO通过复用历史方案避免重复计算. 在ISPD 2015测试集8个设计上的实验表明: 相较于Baseline和ChipDRAG中性能较好的方法, 半周线长(half-perimeter wirelength, HPWL)总平均改善21.6%; 多智能体评估机制使测试集设计负载平衡度平均提升3.47%. 消融实验证实了RAO的关键作用: 引入RAO后平均超边切割数(Cutsize)降低86.5%, HPWL改进30.4%. 提出“检索-复用-修正”的新型范式, 验证了知识驱动方法在芯片分区问题上的有效性.
黄天泽,张其阳,徐梦炜,李晴,王尚广,黄罡,刘譞哲
, DOI: 10.13328/j.cnki.jos.007669
, CSTR: 32375.14.jos.007669
[摘要] ( 129 ) [HTML] ( 0 ) [PDF 10.53 M] ( 35 )
星地传输限制已成为当前制约卫星应用时效性的主要瓶颈, 导致海量遥感数据无法及时回传. 卫星计算通过在轨预处理与智能分析将原始数据压缩为轻量化的语义结果, 从而缓解下行压力. 然而, 通过在两颗在轨卫星上进行长期实测发现, 传统的地面静态调度难以适应高动态的太空环境, 导致卫星计算的实际部署面临以下核心矛盾: 卫星在阳照区的太阳能利用率极低, 而激进提升计算负载又易触发系统热失控. 为此, 提出一种环境预测驱动的卫星计算调度方法. 该方法通过模型预测控制, 利用轻量级的环境预测模型(太阳能采集功率、电池及温度模型)在轨构建实时约束边界, 并通过卫星数据处理流水线解耦与主动计算分载策略实现资源的动态优化. 基于在轨实测数据的模拟实验结果表明, 该方法在严格满足卫星能源与温度约束的前提下, 可显著提升在轨计算的端到端数据交付时效性与太阳能利用率.
, DOI: 10.13328/j.cnki.jos.007670
, CSTR: 32375.14.jos.007670
[摘要] ( 91 ) [HTML] ( 0 ) [PDF 2.51 M] ( 22 )
随着数据安全需求的提升与云计算场景的广泛应用, 如何在不解密的前提下对加密数据进行高效计算已成为密码学研究的重要方向. 全同态加密(fully homomorphic encryption, FHE)能够支持密态计算, 但较高的计算与存储开销限制了其在高吞吐或实时场景中的应用. 为此, 业界提出转密(transciphering)的技术, 即利用同态加密对已有对称加密体系(如AES、SM4)的密文进行同态解密和再计算, 从而有效结合对称密码的紧凑性和同态加密的密态计算能力. 相较于已较为成熟的AES转密研究, 现有SM4转密方案普遍面临乘法深度大、噪声增长快和整体性能受限的问题. 针对上述挑战, 提出一种基于比特切片(bit-slicing)的高效SM4转密实现方案, 并在BGV同态加密框架下完成设计与实现. 该方案通过对SM4 S盒进行布尔建模与算子层级的结构化优化, 显著提升S盒性能; 同时利用比特切片的特性高效实现线性变换, 避免额外的代价较高的同态操作. 最后, 为应对32轮轮函数迭代所需的高乘法深度和噪声积累问题, 设计动态噪声管理模块, 可在噪声预算不足时自动实现密文批量自举操作, 从而保证计算的正确性和可扩展性. 实验结果表明, 所提方案较当前公开的SM4转密实现均取得更优性能: 相较于基于BGV的有限域实现, 吞吐量提升2.35倍; 相较于基于CGGI的布尔电路实现, 吞吐量提升7.04倍.
李金海,李若涵,胥迤潇,李默涵,孙彦斌,田志宏,方滨兴
, DOI: 10.13328/j.cnki.jos.007743
, CSTR: 32375.14.jos.007743
[摘要] ( 105 ) [HTML] ( 0 ) [PDF 1.18 M] ( 44 )
近年来, 以大语言模型和具身智能为代表的面向通用人工智能发展的相关技术快速演进, 其广泛应用在带来巨大潜力的同时, 也引入了复杂的安全风险. 这些风险总体可分为两类: 一类是源于模型缺陷、系统设计或环境不确定性的自发性风险, 另一类是由外部对抗攻击或恶意诱导触发的诱发性风险. 为保障人工智能系统在开放环境中的安全可靠运行, 人工智能保险箍通过风险感知、风险量化与风险熔断这3类核心能力, 为人工智能行为体构建独立的安全保障机制, 使系统具备在行为偏离安全边界时及时识别、风险评估与干预控制的能力. 以人工智能保险箍为研究对象, 系统梳理相关研究进展与关键技术. 首先界定人工智能行为体的基本概念及其潜在失控风险类型. 随后围绕风险感知、风险量化与风险熔断这3个技术维度, 对相关研究进行系统分类与综述, 并分析国内外代表性工作的研究现状. 区别于以威胁检测或单点防御技术为核心的综述, 从构建面向人工智能行为体的底线安全机制这一视角出发, 对人工智能保险箍的技术体系进行整体分析. 最后讨论该领域面临的关键挑战与未来发展方向, 为构建安全可控的人工智能系统提供参考.
陈小红,綦艳霞,阮锟,林靖凯,金芝,钟睿明,顾斌,杨孟飞
, DOI: 10.13328/j.cnki.jos.007716
, CSTR: 32375.14.jos.007716
[摘要] ( 160 ) [HTML] ( 0 ) [PDF 1.02 M] ( 121 )
航天控制系统(aerospace control system, ACS)构成复杂、软硬件交互紧密, 其需求多采用自然语言描述, 固有歧义性及硬件细节引用易出错, 导致需求传递易生偏差, 软件资产跨型号复用困难等问题. 为解决这些问题, 设计面向航天控制系统的系统级需求描述语言SpaceRDL. 其核心贡献在于引入“系统资源”作为其交互环境实体与物理设备的统一抽象, 使工程师能够以结构化方式精确定义对系统资源的操作, 从而在需求描述语言层消除歧义性, 避免引入过多细节. 该语言通过引入系统资源库, 设计具有良定语义的原子操作指令, 实现任务意图向软件实现的自动化映射, 采用SpaceRDL描述的任务需求也成为跨项目迁移的可复用资产. 案例研究表明, 该语言能有效刻画航天控制系统需求, 为构建新一代航天软件工程方法提供切实可行的支撑.
刘源,张远来,张仕浩,李昕原,赵奕轲,高明,兰韵诗,岳昆
, DOI: 10.13328/j.cnki.jos.007717
, CSTR: 32375.14.jos.007717
[摘要] ( 224 ) [HTML] ( 0 ) [PDF 1.08 M] ( 203 )
电力行业的数字化进程催生了海量的结构化业务数据, 关键业务对自然语言驱动的高效数据查询需求日益迫切. 然而, 电力数据库普遍存在模式庞大、字段语义模糊和查询复杂等特点, 当前查询方式仍高度依赖人工编写SQL, 效率低且可能导致运维或调度决策错误. 尽管大语言模型(large language model, LLM)与Text-to-SQL技术为该问题提供了新的解决思路, 却因电力领域数据库的自身特点而导致适配性有限. 针对上述挑战, 提出模型无关的Text-to-SQL框架ElectricSQL, 该框架通过LLM模仿学习和SQL视图模式转化, 在不依赖特定商业大模型的前提下提升复杂电力业务查询的SQL生成性能. 同时, 构建一个面向真实电力业务场景的Text-to-SQL基准数据集PowerSQL. 实验结果表明, ElectricSQL在PowerSQL数据集上显著优于主流基线, 且在多类开源LLM上实现了稳定性能增益, 验证了所提方法的有效性并为电力领域自然语言查询系统构建和垂类领域Text-to-SQL研究提供了可复用方案.
高玉鑫,黎浩坤,张书海,陈卓琨,马钟,魏璐,许守恺,游增,王宇丰,谭明奎,郑清芳
, DOI: 10.13328/j.cnki.jos.007720
, CSTR: 32375.14.jos.007720
[摘要] ( 218 ) [HTML] ( 0 ) [PDF 1.80 M] ( 125 )
随着深度学习模型在嵌入式与边缘设备中的广泛应用, 传统依赖完整测试集的模型评估方法因其高昂的计算开销与资源消耗, 难以满足低延迟且高效率的部署需求. 现有数据集选择方法往往难以兼顾评估精度与高压缩比, 导致性能估计偏差显著. 为此, 提出一种预测不确定性感知的测试集选择(prediction-uncertainty-aware test set selection, PUA-TSS)方法, 旨在通过构建高信息量的代理测试集, 实现对模型性能的高效准确评估. 该方法首先利用模型预测输出的信息熵量化样本不确定性, 对测试样本进行任务驱动排序; 在此基础上, 采用等间隔均匀采样策略, 保留关键分布特征, 尤其缓解长尾场景下稀有类别的丢失问题, 从而在低采样率下维持评估的敏感性与一致性. 在图像分类和目标检测以及分割等多个任务上的基准数据集及多种模型架构上的实验表明, 所提方法在仅保留5%测试样本的情况下, 代理集评估结果与完整测试集评估的平均绝对偏差分别控制在0.71个百分点 (分类)、2.90个百分点 (检测)以及0.40个百分点 (分割)以内, 显著优于随机采样与现有数据集压缩方法. 进一步地, 在评估不同位宽的量化模型时, 性能评估误差稳定控制在5个百分点以内, 且无需为各模型变体重复构建代理集或执行完整评估. 实验结果验证了PUA-TSS方法在大幅降低模型评估计算成本的同时, 具备高精度与强鲁棒性以及良好泛化能力, 为资源受限环境下的模型评估提供了一种有效解决方案.
结合置信度分区和模糊测试的二进制幽灵漏洞检测方法
万俊棋,马自强,高菲,张增旺,蒲通骏,冯小旭
, DOI: 10.13328/j.cnki.jos.007723
, CSTR: 32375.14.jos.007723
[摘要] ( 181 ) [HTML] ( 0 ) [PDF 1.48 M] ( 109 )
Spectre V1漏洞利用处理器推测执行机制窃取敏感数据, 对闭源二进制程序的检测尤为困难——静态分析易产生高误报, 动态模糊测试则存在覆盖受限、报点噪声大的问题. 为解决这一问题, 提出一种名为ConSpec的二进制Spectre V1检测方法. 该方法先通过轻量BERT模型对反汇编指令序列进行语义建模, 结合Spectre V1的汇编语义模式, 生成函数级置信度以量化漏洞可疑度; 再依据置信度将函数划分为高、中、低风险区, 通过白名单驱动的定向插桩与分级配置, 并采用覆盖率引导的模糊测试驱动插桩后的程序反复执行以采集漏洞证据, 让检测资源集中投向高风险区域, 同时控制整体开销. 针对动态验证报点存在噪声且覆盖受限导致遗漏的问题, 引入窗口级二次确认机制, 通过匹配特定语义模板与局部寄存器追踪, 验证漏洞相关的关键证据链, 实现误报筛选与漏报补充. 实验结果表明, ConSpec能完整覆盖15种已知Spectre V1利用模式. 在jsmn、brotli、OpenSSL等5个真实程序上的测试显示, 与Teapot相比, ConSpec的精确率平均提升约24.3个百分点, F 2 分数平均提升约24.4个百分点, 相对漏报率整体下降; 平均耗时由1159.7 min降至774.3 min, 降幅为33.2%.
威胁情报驱动的多智能体Android反运行时分析方法
严欣芃,张向宇,范玲玲,苏煜程,陈森,刘哲理,操晓春
, DOI: 10.13328/j.cnki.jos.007726
, CSTR: 32375.14.jos.007726
[摘要] ( 167 ) [HTML] ( 0 ) [PDF 1.24 M] ( 144 )
Android生态系统的开放性与碎片化使其面临着持续演进且日益复杂的安全威胁, 越来越多的恶意攻击者使用运行时分析技术来窥探应用逻辑、篡改执行流程, 从而规避Android安全措施, 加强恶意行为的持久性与影响范围. 反运行时分析(anti-runtime analysis)技术通过检测运行时分析行为, 使用户与开发者能够及时发现并采取防护措施, 保障应用完整性与数据安全. 目前, 研究人员已提出多种基于静态数据库的反运行时分析方法, 即收集已知运行时分析技术的特征情报, 将从设备中提取的信息与其进行匹配, 从而发现运行时分析技术的痕迹. 但这类方法存在“知识滞后”问题, 且分析深度和结果可解释性不足, 使其在高速迭代的运行时分析技术面前愈发乏力. 为此, 提出并实现一个基于威胁情报驱动的多智能体Android反运行时分析方法——AIntel-Agent, 该方法利用智能体技术构建动态知识库, 从Root、Hook、调试、虚拟环境、篡改这5类运行时分析技术的特征出发对设备指纹进行深度分析, 自动化、智能化地完成Android反运行时分析任务. AIntel-Agent通过智能体协作框架的设计, 提出一种从互联网实时获取威胁情报构建动态知识库的方法, 并构建循环推理机制使智能体将设备指纹与运行时分析技术的特征关联, 形成设备反运行时分析报告. 基于现实设备数据集的实验结果表明, AIntel-Agent在Android设备达到88.5%的精确率与93.9%的召回率, 其风险报告具备充足证据与可解释性, 证明了其在Android反运行时分析中的有效性.
RinKGC: 角色交互关系感知的知识图谱补全方法
刘海,李菲菲,刘婷婷,杨雪雪,王敏红,张昭理
, DOI: 10.13328/j.cnki.jos.007667
, CSTR: 32375.14.jos.007667
[摘要] ( 204 ) [HTML] ( 0 ) [PDF 3.51 M] ( 188 )
知识图谱补全是更新知识图谱的重要手段. 然而, 知识图谱通常包含许多复杂关系类型, 导致同一实体在不同的三元组中扮演着不同的角色. 此外, 实体本身蕴含着多样化的属性与语义特征, 不同三元组对实体语义的关注维度不尽相同. 针对上述挑战, 提出一种基于角色交互关系感知的知识图谱补全方法RinKGC, 该方法包含3个模块, 分别是角色线索生成模块、角色交互关系挖掘模块和角色语义增强模块. 具体地, 角色线索生成模块能够准确定位三元组中头实体、关系和尾实体的角色, 增强实体和关系之间的交互, 同时通过残差连接在不同层之间传递语义信息. 角色交互关系挖掘模块将实体和关系的特征维度划分为多个子空间, 并在各子空间中分别建模实体和关系的交互, 实现对不同语义特征的高效感知. 角色语义增强模块则是通过利用互补信息来实现目标实体的准确预测. 此外, 引入Transformer作为主干网络, 揭示不同三元组之间的长距离语义依赖关系. 通过在多个公开知识图谱补全数据集上的大量实验, 展现RinKGC方法获得的优异性能.
裘王辉,胡诗彦,郭晨娟,史文兵,江兴元,余理娜,高明,张晖,杨彬,周傲英
, DOI: 10.13328/j.cnki.jos.007631
, CSTR: 32375.14.jos.007631
[摘要] ( 262 ) [HTML] ( 0 ) [PDF 901.67 K] ( 271 )
地质灾害对人民生命财产和生产活动构成严重威胁. 随着数据获取与处理技术的进步, 数据驱动的地质灾害防控方法已成为研究热点. 按照“数据-治理-分析-决策”的范式, 系统构建数据驱动的地质灾害防控技术综述框架. 在数据基础层面, 提出研究对象、时间尺度和数据模态三元组框架, 为多源异构数据的系统化整合提供分类视角. 在数据治理层面, 针对数据不一致性、低分辨率、缺失与不平衡以及不确定性等质量问题, 系统总结相应治理策略. 在数据分析层面, 围绕“灾害在哪里”和“何时发生”两大核心问题, 将地质灾害分析任务分解为区域风险评估、影像灾害识别、地表位移预测和地灾概率预测这4类, 并归纳数据驱动方法亟需具备的自动化、通用性、鲁棒性、可解释性和轻量化这5大关键特性. 在智能决策层面, 构建灾前、灾中、灾后3阶段决策框架, 系统分析各阶段核心决策问题, 明确从风险评估到应急响应再到恢复重建的全流程数据驱动决策路径, 并对基于多智能体协同的未来决策模式进行了展望. 期望通过本综述, 为数据驱动的地质灾害防控领域的研究与实践提供系统性参考, 推动防灾减灾向数字化、智能化方向转型发展.
吕培卓,赵睿智,隋佩杭,杨茜云,梁瑞刚,孙伟松,陈宇轩,陈恺
, DOI: 10.13328/j.cnki.jos.007727
, CSTR: 32375.14.jos.007727
[摘要] ( 373 ) [HTML] ( 0 ) [PDF 1.88 M] ( 208 )
随着以大模型(large language model, LLM)为核心的智能编程助手逐渐重塑软件工程范式, AI生成的代码已成为关键的数字资产, 而由此引发的知识产权归属模糊与软件供应链安全风险也日益严峻. 代码水印作为数字版权确权与溯源的“数字锚点”, 在编程语言严格的语法约束与低信息熵环境下, 面临独特的挑战. 针对当前研究中存在的技术方案分散、评估体系不完整等问题, 从模型全生命周期的系统性视角出发, 对现有研究进行系统性分类与理论模型构建. 首先, 提出一种基于生命周期的新型分类框架, 将现有技术精准归纳为训练时的后门触发、推理时的采样偏置嵌入以及生成后的语义重述嵌入这3大范式, 并深度解析其运作机理与演进路径. 其次, 深入剖析代码水印关键性能指标之间的制约关系, 揭示在当前技术条件下保真度、鲁棒性与水印容量之间存在的内在矛盾与权衡逻辑. 此外, 引入对抗博弈视角, 剖析破坏、欺骗及探测等攻击手段, 并梳理从功能一致性到对抗溯源能力的评测基准. 最后, 针对现有技术在工程化可用性和全生命周期评测方面的不足, 展望面向DevOps (development and operations)全链路的动态防护与生态集成等未来研究方向, 旨在推动相关技术由概念验证阶段迈向工业级应用场景.
, DOI: 10.13328/j.cnki.jos.007724
, CSTR: 32375.14.jos.007724
[摘要] ( 555 ) [HTML] ( 0 ) [PDF 2.82 M] ( 395 )
随着自主智能体系统的发展, 如何在复杂环境中维持结构一致性、支持长程依赖推理并组织多阶段任务执行已成为智能体研究的重要问题. 然而, 现有智能体范式在处理长程依赖与跨阶段目标协调等复杂任务时, 仍面临全局一致性难维护与策略组织效率受限等问题. 为提升智能体的结构化建模与组织能力, 图结构被引入智能体系统中, 为环境表示、任务调度与认知维护提供结构化支撑. 基于此, 从图在智能体系统中的功能定位和嵌入位置出发, 提出图智能体这一统一分析框架. 该概念是指以图结构作为核心的智能体范式, 并据此对相关研究进行系统梳理. 重点分析图作为结构载体如何嵌入智能体的感知、推理、记忆与协作过程之中. 围绕这一分析框架, 将现有研究中图所承担的功能角色归纳为3类: 图用于环境建模、图用于依赖建模和图用于思维建模, 分别刻画图结构在环境表示、任务调度与认知维护中的不同作用机制. 在环境建模中, 图作为外部结构表达工具, 用于刻画实体关系、状态转移与行动空间, 为策略生成提供结构化环境描述与约束基础; 在依赖建模中, 图用于表示子任务依赖关系、协作结构与决策路径, 支持多智能体协同、任务分解与执行调度; 在思维建模中, 图嵌入内部推理与记忆更新过程, 形成可持续演化的内部认知结构. 在此基础上, 进一步比较3类功能角色在结构作用、运行开销和适用边界上的差异, 并梳理现有研究采用的评测指标、任务基准与基线设置. 进一步分析图智能体在开放动态环境、复杂执行过程和长期交互场景下的局限与挑战, 最后对未来研究方向进行展望.
宣智博,游心,杨海龙,杜劭康,雷克伦,陈景琦,霍达,张子峥,罗皓楠,刘轶,栾钟治,钱德沛
, DOI: 10.13328/j.cnki.jos.007721
, CSTR: 32375.14.jos.007721
[摘要] ( 163 ) [HTML] ( 0 ) [PDF 4.33 M] ( 172 )
高性能计算(high performance computing, HPC)的迅猛发展推动了硬件架构与并行编程模型的协同演进. 然而, 随着摩尔定律的失效与登纳德缩放定律的终结, 单纯依赖硬件迭代已无法显著提升应用的可获得性能, 导致应用实测性能与硬件峰值算力(peak performance)之间的鸿沟日益扩大. 因此, 软件层面的深度优化成为挖掘硬件潜力、提升计算效率的关键途径. 历经数十年发展, 领域内已形成了性能数据采集、性能分析与性能优化的完整工作流. 系统综述多并行尺度下的性能数据采集与分析方法与其技术基础, 深入分析现有方法与工具在指令、线程及进程等不同并行尺度下的优势与局限. 同时, 重点探讨人工智能(artificial intelligence, AI)作为新兴计算负载与智能化分析手段的双重角色对本领域的深远影响, 旨在为高性能计算性能工程的研究与实践提供前沿视角与有价值的参考.
SMDGCL: 基于样本语义匹配的解耦图对比学习方法
, DOI: 10.13328/j.cnki.jos.007722
, CSTR: 32375.14.jos.007722
[摘要] ( 200 ) [HTML] ( 0 ) [PDF 1.74 M] ( 138 )
图对比学习(graph contrastive learning, GCL)近年来在社交网络、推荐系统和生物信息学等领域中受到广泛关注, 其通过构建正负样本对引导模型学习, 有效缓解了对大量标注数据的依赖. 然而, 图数据的复杂性导致现有GCL方法在实际应用中面临语义漂移问题, 即在增强过程中由于随机扰动或无意义修改使节点或图的语义发生偏移, 从而引发正负样本定义不准确. 此外, 传统图编码器未能有效区分不同邻居之间的语义关系, 进一步放大了语义混淆. 为了解决这一问题, 提出一种基于样本语义匹配的解耦图对比学习(disentangled graph contrastive learning based on semantic matching, SMDGCL)方法. 该方法引入解耦图卷积网络, 通过分离不同的潜在语义因素来优化节点嵌入, 提高了图对比学习在复杂网络环境中的鲁棒性和准确性. 在6个基准数据集上的实验验证了该方法在缓解语义漂移和提升对比学习性能方面的有效性.
梁培虹,赵艳琦,杨晓艺,秦宝东,袁庆军,禹勇
, DOI: 10.13328/j.cnki.jos.007719
, CSTR: 32375.14.jos.007719
[摘要] ( 221 ) [HTML] ( 0 ) [PDF 2.00 M] ( 167 )
适配器签名作为一种扩展的数字签名, 实现了签名与秘密值的绑定, 被广泛应用于区块链支付通道、跨链原子交换及供应链金融等场景. 然而, 适配器签名采用的单一密钥控制模式, 使其面临着密钥泄露的风险. 若出现密钥丢失、泄露或损坏的情况, 将直接导致所有依赖该密钥的资源失控. SM9数字签名是我国自主研发的基于标识的密码算法, 于2020年成为国家密码标准, 被广泛应用于政务、金融、能源等关键行业. 然而, SM9数字签名在分布式场景下跨链原子交换的复杂协作时, 功能表现出一定的局限性. 为拓展SM9算法在分布式场景的适配性, 提出SM9门限适配器签名方案, 通过将密钥分发给多个参与方共同管理, 解决SM9适配器签名单点失败的问题; 为降低多方参与者的通信轮数及计算开销, 结合秘密共享与安全多方计算协同构造的方法, 将算法中的复杂运算转化为高效的本地线性运算, 使其在无需暴露任何秘密份额的前提下, 即实现多方协同计算; 此外, 所构造的方案还可进一步应用于公平交换等场景. 相比于已有方案, 所提方案的计算开销降低了60.17%, 同时, 通信开销的复杂度从原有的O( n 2 )降至O( n ).
, DOI: 10.13328/j.cnki.jos.007718
, CSTR: 32375.14.jos.007718
[摘要] ( 220 ) [HTML] ( 0 ) [PDF 10.00 M] ( 172 )
动态程序切片是一种重要的程序分析技术, 能够在给定程序输入与执行轨迹的情况下提取实际影响切片准则的代码语句, 在程序调试、缺陷定位和程序理解等任务中具有重要应用价值. 然而, 现有动态程序切片方法在大规模软件系统中仍面临分析成本高、依赖关系建模复杂以及跨过程依赖分析困难等问题. 近年来, 研究者尝试利用大语言模型生成动态程序切片, 但现有方法多针对小规模程序设计, 且由于缺乏执行信息约束, 切片准确率仍然有限. 针对上述问题, 提出一种面向动态程序切片生成的多智能体协同框架 AgentDSlicer. 该方法通过程序执行推理、切片生成、结果验证与切片精化等多个智能体的协同工作, 在不依赖真实程序执行信息的前提下实现执行相关的动态程序切片. 为支持系统化评估, 进一步构建人工标注的动态程序切片数据集 DySliceBench, 该数据集包含来自 CodeNet 与 GitHub 开源项目的2 543 个动态切片实例, 覆盖 Java 与 Python 两种编程语言. 实验结果表明, 在 DySliceBench 数据集上, AgentDSlicer 的切片准确率相较现有方法平均提升30.4%, 相较于当前最先进的 LLM 动态切片方法ND-Slicer 提升32.1%; 在大规模程序场景下, 准确率提升可达 60.1%. 此外, 在程序调试与缺陷定位等应用场景中的实验进一步验证了该方法的有效性. 研究结果表明, AgentDSlicer 能够在保证分析准确性的同时有效提升动态程序切片在真实软件项目中的适用性.
面向网络数据的局部结构感知的反事实样本构建
黄之荣,张骞,程德波,张桂衔,王懿,张师超
, DOI: 10.13328/j.cnki.jos.007668
, CSTR: 32375.14.jos.007668
[摘要] ( 219 ) [HTML] ( 0 ) [PDF 5.63 M] ( 252 )
个体治疗效应(individual treatment effect)旨在精确度量治疗对个体的因果作用, 是实现个性化决策的关键. 然而, 在网络观测数据(networked observational data)中, 反事实结果的不可观测性与个体间因网络连接而产生的复杂依赖和混杂因素相互交织, 给精准估计个体治疗效应构成了巨大的挑战. 现有研究通常通过在处理组和对照组之间实现分布平衡, 以训练模型预测个体的反事实结果并估计治疗效应, 但该策略往往局限于粗粒度的全局分布对齐, 忽视了局部结构在反事实构建中的作用, 从而可能引入额外偏差. 为了解决上述问题, 提出一种基于局部结构感知的反事实样本构建(local structure-aware counterfactual sample construction, LSCSC)方法, 以提升网络化场景下的因果效应估计精度. LSCSC是一种基于K最近邻 (K-nearest neighbours, KNN)引导的方法, 其核心思想是为个体匹配具有相反治疗分配且反事实预测结果与个体观测结果相近的邻居, 从而构建局部结构感知的反事实参考样本. 通过显式建模局部结构依赖关系, LSCSC增强了个体协变量之间的对齐, 有效缓解了由混杂因素与网络结构共同导致的偏差. 此外, LSCSC集成了表征平衡学习模块, 以进一步适应协变量的异质性. 值得注意的是, LSCSC具有良好的通用性, 可与多种因果效应估计模型无缝结合. 基于真实社交网络的两个半合成数据集的实验结果表明, LSCSC在个体治疗效应估计的准确性上显著优于现有最先进方法, 验证了其有效性与优越性.
, DOI: 10.13328/j.cnki.jos.007666
, CSTR: 32375.14.jos.007666
[摘要] ( 264 ) [HTML] ( 0 ) [PDF 2.56 M] ( 203 )
联邦学习(federated learning, FL)作为一种保护隐私的分布式机器学习范式, 能够在无需集中本地数据的前提下, 利用边缘节点资源协同训练机器学习模型, 近年来受到学术界与工业界的广泛关注. 然而, 基于中央参数服务器 (parameter server)的传统中心化联邦学习 (centralized federated learning, CFL)存在单点故障风险和通信瓶颈等固有局限, 制约了其在大规模分布式环境中的鲁棒性和可扩展性. 去中心化联邦学习(decentralized federated learning, DFL)采用P2P (peer-to-peer)通信架构实现模型同步和协同训练, 显著提升系统的容错能力和扩展性, 成为分布式机器学习领域的前沿研究方向. DFL在隐私保护与学习效率方面具有一定优势, 但仍面临4大核心挑战: (1)分散节点在动态网络环境下难以实现高效协同; (2)异构数据特性加剧了模型融合的困难; (3)计算、存储及通信资源的异构性与动态性难以优化协调; (4)高度开放的去中心化架构对隐私安全保障提出更严峻挑战. 针对上述挑战, 从系统架构设计、异构数据融合、资源优化机制和隐私安全增强这4个层面总结并分析近年来的研究进展, 比较不同技术的优势和劣势, 总结当前阶段DFL的主要研究趋势, 并对未来发展方向进行展望.
, DOI: 10.13328/j.cnki.jos.007728
, CSTR: 32375.14.jos.007728
[摘要] ( 286 ) [HTML] ( 0 ) [PDF 3.12 M] ( 285 )
加密网络流量分类是网络安全防护的关键环节, 对于识别潜在威胁和维护网络信息安全具有重要意义, 因此得到学术界和产业界的广泛关注. 对目前基于深度学习的加密网络流量分类技术进行系统梳理和深入分析: 首先阐述加密网络流量分类任务的核心特点, 包括流量的加密性、多样性和动态性. 同时分析该任务所面临的诸多挑战, 包括特征隐匿性、标注样本缺乏以及流量动态变化. 然后从这3个挑战出发, 梳理一系列前沿方案. 其中, 针对特征隐匿性问题, 主要介绍基于多层感知机、卷积神经网络、自编码器、循环神经网络、图神经网络、Transformer、大语言模型以及混合模型的网络流量分类算法; 针对标注样本缺乏问题, 主要介绍基于元学习、半监督学习、生成对抗网络以及预训练模型的网络流量分类算法; 针对流量动态变化问题, 主要介绍面向未知类别、概念漂移以及对抗攻击的网络流量分类算法. 接着介绍常用的加密网络流量数据集及评价指标, 以帮助读者全面评估不同算法的性能和适用性. 最后对已有工作存在的问题进行归纳和总结, 并结合当前技术发展趋势和实际需求展望未来研究方向.
宋宇波,杨尚华,刘颖,张颖,郑天宇,高尚,陈立全
, DOI: 10.13328/j.cnki.jos.007700
, CSTR: 32375.14.jos.007700
[摘要] ( 226 ) [HTML] ( 0 ) [PDF 2.85 M] ( 321 )
环签名在区块链等场景中为多输入交易提供了关键的匿名性保障. 然而, 现有基于One-out-of-many证明的方案在处理拥有多个输入( k >1)的场景下存在不足: 签名大小随真实签名者数量 k 呈线性增长, 且 k 的公开暴露也削弱了匿名性. 为此, 提出一种ring-constrained any-out-of-many证明方案. 该方案在协议层面引入二元代数约束, 确保签名者集合非空, 并在零知识证明中仅证明“至少一名成员参与”, 从而避免泄露真实签名者数量, 实现人数匿名性. 进一步地, 通过将布尔选择向量的约束编码为线性内积条件, 证明关系能够被高效归约为内积形式, 从而支持对数级压缩. 基于该核心协议, 构造一个人数匿名的高效多方环签名方案, 其签名大小仅为$ 2\left\lceil {\log }_{2}N\right\rceil +16 $, 且与签名者数量 k 无关. 实验结果表明, 在所设实验参数下, 所提方案在通信开销控制和真实签名者数量隐藏方面表现出较好效果, 为去中心化系统中的多方匿名签名应用提供了一种可行路径.
信号节拍攻击: 针对联邦学习场景的成员推理攻击
, DOI: 10.13328/j.cnki.jos.007725
, CSTR: 32375.14.jos.007725
[摘要] ( 204 ) [HTML] ( 0 ) [PDF 2.84 M] ( 207 )
联邦学习(federated learning, FL)作为一种分布式机器学习范式, 在保障用户数据隐私方面展现出一定优势. 然而, 其多方参与机制也为成员推理攻击(membership inference attack, MIA)提供了潜在威胁途径. 当前针对联邦学习场景的MIA研究多基于简化的非共谋威胁模型和有限的成员关系信息, 可能低估了实际环境中的隐私泄露风险. 通过系统分析发现, 在联邦学习过程中, 由于客户端的部分参与训练以及全局模型的聚合机制, 成员样本所对应的度量指标(如损失值)呈现出显著的周期性波动特征, 从而增强了成员与非成员样本之间的可区分性. 这一规律为MIA提供了新的可利用信号. 基于此, 提出针对联邦学习场景的成员推理攻击——信号节拍攻击STMIA (signal tick membership inference attack) , 融合多维度指标的周期性特征, 构建具有强区分能力的攻击信号, 并利用共谋客户端的共享数据构建攻击模型. 实验结果表明, STMIA在AUC与TPR@0.1% FPR等关键评估指标上均优于现有主流方法, 有效揭示了真实联邦学习场景中模型存在的深层隐私泄露风险.
基于大模型语义理解的越权漏洞黑盒检测方法
刘丰毓,张源,张淇伊,陈添,施游堃,杨珉
, DOI: 10.13328/j.cnki.jos.007715
, CSTR: 32375.14.jos.007715
[摘要] ( 295 ) [HTML] ( 0 ) [PDF 2.25 M] ( 298 )
越权漏洞是Web应用中极为常见且危害显著的一类漏洞. 攻击者可利用该漏洞对受保护资源执行未授权读取或操作, 造成敏感数据的泄露或篡改. 黑盒检测是一类被普遍采用的越权漏洞检测方式, 其通过分析HTTP请求与响应来检测漏洞. 然而, 由于缺乏对请求响应语义的理解, 现有方法既难以区分读取类请求返回的是公开响应还是敏感响应, 也无法准确识别操作类请求的反馈响应, 产生较多误报和漏报. 为解决上述问题, 提出一种基于大模型语义理解的越权漏洞黑盒检测方法. 通过提取请求响应中的敏感资源、业务功能语义, 构建多维语义增强的请求响应图, 有效区分敏感响应、识别反馈响应, 从而准确检测读取类、操作类越权. 基于上述方法实现了越权漏洞检测原型系统BACHunter. 实验结果表明, 在包含10个真实Web应用的数据集中, BACHunter共检测出62个越权漏洞, 其中14个为0-day漏洞, 精确率、召回率分别为93.94%、88.89%, 较现有先进检测方法分别提升23.30%、25.93%. 目前已获11个CVE编号, 验证了其实际应用价值.
Distroid: 基于强化学习的安卓应用分布式自动化测试框架
, DOI: 10.13328/j.cnki.jos.007652
, CSTR: 32375.14.jos.007652
[摘要] ( 289 ) [HTML] ( 0 ) [PDF 4.42 M] ( 359 )
在敏捷开发与持续交付模式的推动下, 安卓应用的迭代周期日益缩短, 测试时间窗口被大幅压缩. 分布式测试扩展测试资源以提升并行执行能力, 有效保障了在高速迭代中安卓应用的交付质量. 尽管目前已有诸多工具致力于优化单设备上的测试效果, 但如何在有限资源和时间条件下进一步提升安卓应用自动化测试的并行效率, 仍然是一个亟待解决的关键问题. 提出一个名为Distroid的分布式自动化测试框架, 该框架对整体状态空间进行划分, 并引导各设备在测试过程中分别探索不同的UI子区域, 从而实现对安卓应用的自适应探索. 基于此协同机制, Distroid在每台测试设备上实施双层引导以提升测试质量与效率: 一方面, 通过好奇心驱动的强化学习构建高质量操作序列, 编码复杂用户交互的时序逻辑关系, 其奖励函数整合应用状态相似度计算方法, 在探索过程中提供底层引导. 另一方面, 为了避免陷入局部最优, Distroid在运行时逐步构建一个确定性有限自动机(deterministic finite automaton, DFA), 为测试提供高层次引导, 从而进一步提升测试效率与质量. 为验证Distroid的有效性, 在30款真实安卓应用上对其进行评估. 实验结果表明, Distroid在故障检测率、代码覆盖率和测试效率方面, 均优于现有最先进的安卓应用测试方法. 此外, Distroid共检测出41个故障, 其中26个此前尚未被报告.
基于特征压缩与特征融合的高效分裂联邦学习框架
, DOI: 10.13328/j.cnki.jos.007701
, CSTR: 32375.14.jos.007701
[摘要] ( 238 ) [HTML] ( 0 ) [PDF 3.81 M] ( 860 )
为了提高人工智能应用的性能, 大规模模型因其优秀的广义能力而受到越来越多的关注. 然而, 大规模模型的训练和传输会给资源有限的边缘节点带来巨大的计算和通信负担, 并且完整模型的交换可能会侵犯模型的隐私. 为了减轻节点的负担并保护模型的隐私, 集成数据并行和模型并行的分裂联邦学习被提出. 然而, 除了资源有限的挑战, 分裂联邦学习在边缘计算系统中还面临着另外两个关键的挑战, 即统计异构性和系统异构性. 为了解决这些挑战, 结合分裂联邦学习的特性, 提出一种新的基于特征压缩与特征融合的高效分裂联邦学习框架SplitCP. 具体地说, 特征压缩的目的是降低节点的通信资源消耗, 并通过为异构节点分配合适的压缩比以提高训练效率. 而特征融合的目的是将节点的特征融合成一个混合特征序列, 近似等同于独立同分布数据的特征, 克服统计异构性挑战来提高模型的精度. 此外, SplitCP通过分析自适应特征压缩与特征融合的耦合关系, 探索如何联合优化以提升分裂联邦学习的模型训练性能. 在使用80台NVIDIA Jetson边缘设备搭建的物理平台上进行广泛的实验, 实验结果表明, 与基线相比, SplitCP可以将最终模型精度提高6.46%–26.15%, 同时实现训练加速约1.31–3.51倍.
模型互联网中基于置信度的Token级并联协作推理
, DOI: 10.13328/j.cnki.jos.007702
, CSTR: 32375.14.jos.007702
[摘要] ( 242 ) [HTML] ( 0 ) [PDF 1.10 M] ( 271 )
在模型互联网中, 单个基模型受限于自身推理能力, 其推理精度往往存在瓶颈. 虽然基模型可以通过与协作模型的Token级并联协作提升精度, 但现有方法多采用全程Token级并联协作策略, 导致较高的Token开销和推理时延. 针对上述挑战, 提出一种基于置信度的协作推理方法CobCo. 该方法以基模型置信度为核心调控信号, 动态调节其推理行为. 当基模型置信度较低时, 引入协作推理以降低推理错误风险, 而在置信度较高时采用独立推理以减少冗余协作开销. 为支撑上述推理调节机制, 设计一种面向Token级并联协作的置信度评估算法, 通过将协作结果作为外部参照刻画基模型在逐步推理过程中的决策优劣, 并基于Beta分布对其置信度进行动态量化. 实验结果表明, 在引入CobCo后, 基模型的推理准确率相较于其独立推理提升了2.4%–27.6%. 与现有全程Token级并联协作方法相比, CobCo在推理准确率损失较小的前提下显著降低了Token开销与推理时延. 特别地, 当基模型与协作模型性能相近时, CobCo能在保持推理准确率不下降的情况下, 将Token开销最高降低约20.8%.
, DOI: 10.13328/j.cnki.jos.007705
, CSTR: 32375.14.jos.007705
[摘要] ( 242 ) [HTML] ( 0 ) [PDF 1.76 M] ( 262 )
随着开源社区的发展, 开源软件项目的种类也在逐步增多. 但开源社区中已有的数据, 例如标签(tag)、描述等不能直接推断出项目的细分领域, 造成了开发者和用户需要花费非必要的时间去人为判断开源软件项目的类别、开源研究者研究的项目样本中可能无法有效区分细粒度类别的项目, 进而影响研究结果的针对性. 针对以上问题, 构建交互式蒸馏方法, 可以对开源项目进行自动化分类工作, 其中类别包括代码开发工具或插件、网页应用等12个类别. 首先, 标注了30310个开源软件项目. 然后, 对已有的大模型方法以及机器学习方法进行项目细粒度领域分类任务测试. 最后, 基于基准方法存在的问题, 利用大模型蒸馏关键词特征, 再通过引入大小模型协同方法优化模型分类能力. 在标注的数据集上的验证结果显示: 基于交互式蒸馏的开源项目细粒度分类方法在十折交叉后取得了92.1%的平均精确率、91.8%的平均准确率和91.8%的平均 F 1值, 相较于基准方法提升了26.3%–32.8%的精确率, 24.5%–39.9%的准确率, 26.1%–40.7%的 F 1值.
, DOI: 10.13328/j.cnki.jos.007707
, CSTR: 32375.14.jos.007707
[摘要] ( 510 ) [HTML] ( 0 ) [PDF 7.55 M] ( 275 )
大规模深度学习模型的迅速迭代对高质量训练数据的需求不断攀升, 而这一需求通常依赖于从互联网收集海量数据, 其中不乏涉及个人图像与文本的私有信息, 因而引发潜在的隐私泄漏与伦理风险. 为缓解此类问题, 研究者提出了不可学习样本这一主动数据隐私保护策略. 该方法通过向训练数据中嵌入难以察觉的微小扰动, 使未授权模型在表面上获得较高训练精度, 却因学习到无意义的“捷径特征”而失去泛化能力. 对不可学习样本的研究进展进行系统梳理, 将现有工作划分为两大方向: 一类聚焦于不可学习样本的生成方法, 另一类则关注其净化与检测机制. 在此基础上, 进一步探讨未来的研究挑战与发展路径, 旨在为隐私数据保护提供理论支撑与技术突破.
基于图与超图的以太坊智能合约庞氏骗局实时识别框架
, DOI: 10.13328/j.cnki.jos.007698
, CSTR: 32375.14.jos.007698
[摘要] ( 221 ) [HTML] ( 0 ) [PDF 6.24 M] ( 371 )
随着区块链技术的快速发展, 智能合约逐渐成为金融欺诈的典型工具, 其中智能合约形式的庞氏骗局已成为区块链生态中一种典型且高风险的诈骗形式, 导致了大量的经济损失. 目前基于合约源代码、账户交易数据等抽取特征并构建机器学习模型的庞氏骗局合约识别研究取得了显著进展, 但区块链的匿名性以及交易的滞后性, 让这类方法在应用上存在明显的不足. 为突破这一瓶颈, 提出一种基于图与超图的智能合约庞氏骗局实时识别框架. 该框架基于合约部署时刻强制公开的字节码, 在合约无任何外部交易发生前, 通过提取操作码序列, 构建图与超图结构, 并结合图卷积神经网络与超图卷积神经网络, 实现“部署即检测”的实时识别能力. 在最新的数据集上的实验结果表明, 该框架在检测准确率和 F 1分数方面显著优于传统方法. 这表明该框架能在不依赖源代码和交互数据的情况下, 实现对庞氏骗局智能合约的深层次特征抽取, 为欺诈合约的“事后追溯”转为“事前审计”提供了有效支持.
黄洁华,胡凯,夏鹏凯,李洁,李江,杨鹏武,董林霖
, DOI: 10.13328/j.cnki.jos.007699
, CSTR: 32375.14.jos.007699
[摘要] ( 304 ) [HTML] ( 0 ) [PDF 3.20 M] ( 1028 )
区块链系统依靠共识机制确保节点间数据一致性, 但也因此限定了单一链内数据的可信边界, 导致不同区块链系统形成天然的“数据孤岛”. 然而, 实际应用中区块链间的数据常存在关联性, 独立链上操作的不同步极易破坏这种关联, 威胁链间数据一致性. 跨链技术是打破孤岛、实现区块链互操作、提升系统可扩展性的关键技术. 其中, 跨链事务作为维护跨链系统全局一致性的核心机制, 为构建可扩展的互操作生态提供了基础保障. 现有跨链技术综述大多讨论跨链原子性, 较少全面探讨跨链事务技术. 通过系统调研相关文献: 首先, 厘清跨链系统一致性约束内涵并明确跨链事务定义; 其次, 剖析跨链事务面临的关键技术问题及其研究现状, 并进行多维度比较分析; 最后, 从关键技术角度评述代表性整体解决方案, 并指出若干值得深入探索的未来研究方向.
基于区块链的开放协作开发供应链可信管理平台
张硕骁,汤恩义,张浩枫,单一啸,潘佳滨,刘子豪,成浩亮,赵建华,陈鑫,李宣东
, DOI: 10.13328/j.cnki.jos.007697
, CSTR: 32375.14.jos.007697
[摘要] ( 246 ) [HTML] ( 0 ) [PDF 1.15 M] ( 269 )
开放协作开发是重要的软件开发模式, 在智能化基础软件的开发过程中得到了广泛应用. 然而, 该模式在软件供应链安全性方面存在显著隐患: 一方面, 协作开发过程中的收益分配可能遭受操纵篡改; 另一方面, 代码资产在被用户合法获取后, 仍可能被非法转售或泄露. 针对这些问题, 提出一种开放协作开发供应链可信管理平台, 以区块链作为可信执行与可追溯的技术支撑, 在保障过程可验证性的同时进一步提升安全性. 该平台引入贡献点来量化用户在协作开发中的贡献, 并通过智能合约依据贡献点的价值公平分配项目收益. 此外, 实现基于智能合约的押金与信用积分安全机制, 有效降低了协作开发过程的软件信息泄露与恶意行为风险. 实验结果表明, 所提平台能够有效保障开发者权益, 显著提升开发者的开发积极性与响应速度, 同时保持合理的开销水平, 为软件供应链安全提供了有力保障.
车载振动环境下基于字根拆解的在线手写文字识别
付强,黄进,康文惠,李洋,周超,田丰,戴国忠
, DOI: 10.13328/j.cnki.jos.007650
, CSTR: 32375.14.jos.007650
[摘要] ( 293 ) [HTML] ( 0 ) [PDF 5.98 M] ( 314 )
随着触控技术和自动驾驶系统的发展, 手写文字输入作为触屏设备重要的交互方式之一, 已广泛应用于车载智能终端. 然而, 车载环境下的车身晃动和瞬时冲击会导致手写输入出现连笔增多、部件缺失等情况, 严重影响了手写文字识别的精度. 针对这个问题, 提出一种基于字根拆解的在线识别方法CHORRD. 该方法首先采用连笔风格数据增强技术对原始数据进行扩充, 用于提升基础模型对连笔书写风格的识别鲁棒性. 然后, 提取手写文字结构和字根序列, 并根据所设计的首尾确认表意文字描述序列HTCIDS进行距离计算, 从而确定完整的文字. 实验结果表明, 该方法在车载振动模拟环境中能够有效地实现字根拆解和文字识别, 显著提高了在线手写识别性能, 识别准确率达到90%以上.
基于数据驱动蒸馏与性能激励的入侵检测迭代模型
, DOI: 10.13328/j.cnki.jos.007651
, CSTR: 32375.14.jos.007651
[摘要] ( 377 ) [HTML] ( 0 ) [PDF 3.88 M] ( 242 )
入侵检测系统对先验知识的依赖及其输入数据中丰富的文本语义使其较为适合在大语言模型中应用, 但大语言模型的算力开销与数据隐私约束使其难以直接落地, 与此同时小模型虽便于部署但性能受限. 鉴于此, 提出一种基于数据驱动蒸馏与性能激励的入侵检测迭代模型RADOM, 通过大小模型之间的数据交互实现知识蒸馏, 并以小模型的错误预测作为迭代反馈改进大语言模型的数据生成质量. 同时, 引入特征维度优化机制, 借助大语言模型完成特征筛选与迭代更新, 以进一步提升小模型的分类能力. 在公开数据集与自采数据集上的实验结果表明, RADOM能够有效提升小模型对攻击行为的检测与分类性能, 小模型的准确率由67.30%提高到96.19%, 验证了该方法的有效性.
林泓宇,刘洋,罗浩然,李林海,曹行行,王梦娜,徐家豪,李泉毅,张洪滨,邢明杰,武延军
, DOI: 10.13328/j.cnki.jos.007649
, CSTR: 32375.14.jos.007649
[摘要] ( 482 ) [HTML] ( 0 ) [PDF 5.35 M] ( 726 )
随着深度学习的快速发展, 深度学习框架和硬件相关的研究成为推动其发展的重要方向, 其中框架为开发者提供了便捷的深度学习模型构建方式, 而硬件则提供了强大的计算能力. 然而, 当前多样化的深度学习框架与硬件平台之间的适配性差、兼容性不足, 导致了性能和可扩展性问题. 为解决这一挑战, 深度学习编译技术应运而生, 它通过一系列的中间表示及其对应的自动化转换, 将不同框架的模型高效地映射到特定后端设备上的可执行代码, 并在此过程中应用多种深度学习编译优化技术, 如算子融合、内存优化、自动调优等, 在解决可拓展性问题的同时, 显著提升模型的计算效率. 首先梳理深度学习编译的基本概念和整体流程, 随后总结并分类深度学习编译中的常见优化技术, 最后探讨该领域面临的挑战以及未来发展方向.
QRCE: 基于查询路由的鲁棒基数估计方法
, DOI: 10.13328/j.cnki.jos.007695
, CSTR: 32375.14.jos.007695
[摘要] ( 223 ) [HTML] ( 0 ) [PDF 7.75 M] ( 242 )
基数估计是数据库管理系统(database management system, DBMS)查询优化器的核心组件, 其准确度直接影响执行计划质量. 现有学习式基数估计方法虽然在特定场景下优于传统方法, 但面对高度异质查询负载(如表数量、连接形态及谓词差异巨大)时, 单一模型难以保持稳定的高精度, 同时, 现有多模型方案缺乏精细的查询级选择机制. 因此, 提出基于查询路由的基数估计方法——QRCE, 核心思想包括: 1)构建异质、可扩展的Seq2Seq模型空间, 集成多种具有不同结构归纳偏置的序列建模架构, 形成候选模型集合; 2)构建门控混合查询路由器GMQR, 实现细粒度的、基于查询语义的模型路由, 并体现出面向单条查询的自适应决策特征; 3)提出一种基于Q-error的(1+ ε )-近似标签策略, 将模型选择转化为可监督学习任务, 使系统能够根据每条查询的语义特征自适应地选择最适合的模型. 在STATS、JOB-light和TPC-H这3个基准数据集上的实验结果表明, QRCE的整体与尾部误差表现显著优于多数基线方法, 尤其在结构复杂的STATS上, QRCE将Q99误差降低了约53%, 有效规避了长尾灾难性偏差; 在JOB-light上, 其Q99与最优单模型相近, 而在Q50/Q90/Q95上保持优势; 在TPC-H上Q99进一步降低约16%. QRCE在长尾查询和复杂连接场景下展现出更强的鲁棒性与适应性.
商婧,王健,王凯崙,杨磊,姜楠,姜强,刘吉强
, DOI: 10.13328/j.cnki.jos.007696
, CSTR: 32375.14.jos.007696
[摘要] ( 338 ) [HTML] ( 0 ) [PDF 18.85 M] ( 245 )
随着深度学习模型日益广泛地部署于资源受限的场景中, 模型剪枝、量化、知识蒸馏等模型压缩技术已成为提升模型效率与可部署性的关键手段. 然而, 模型压缩在带来性能与效率优势的同时, 也与模型安全和隐私问题产生了复杂关联. 一方面, 压缩过程可能改变模型的表示空间或决策边界, 从而引入新的安全风险或放大已有威胁; 另一方面, 安全与隐私需求也反过来推动模型压缩技术的发展, 使得安全感知的模型压缩逐渐成为一个重要研究方向. 系统梳理近年来安全视角下的模型压缩研究进展, 重点从两个方面进行综述: 一是压缩模型面临的安全与隐私风险, 包括后门攻击、对抗样本、隐私泄露以及前沿应用场景下的新型风险; 二是面向对抗鲁棒性与隐私保护的安全感知模型压缩方法, 总结在压缩过程中引入安全约束与隐私保护机制的代表性研究. 此外, 进一步提炼压缩模型安全与隐私研究面临的关键问题, 给出面向典型部署场景的风险感知选型参考和面向压缩模型安全性的基准化评估维度建议, 并从内在机理分析、真实部署环境下的安全防护等方面对未来研究进行展望.
基于大规模并行模型的完全动态单源最短路径算法
, DOI: 10.13328/j.cnki.jos.007706
, CSTR: 32375.14.jos.007706
[摘要] ( 270 ) [HTML] ( 0 ) [PDF 1.38 M] ( 238 )
研究大规模并行计算模型中动态单源最短路径问题. 在该模型中, 每台机器内存大小为$ \mathrm{O}({n}^{\alpha }) $, $ n $表示图中顶点数, $ \alpha \in (0, 1) $是一个常数. 主要考虑带整数边权重的有向或无向图, 其中边权重最大值与最小值之比的上限为$ \left\lceil poly(\log n)\right\rceil $. 图的更新操作包括单边插入、删除以及权重改变. 针对上述问题, 结合多项式矩阵逆方法、路径分解策略以及并行线性代数算法; 同时, 通过设计一种高效的并行多项式乘法求解算法提出了一个随机并行动态单源最短路径算法. 该算法的更新轮数复杂度为$ \mathrm{O}({\alpha }^{-1}\log n) $, 总内存需求为$ \tilde{\mathrm{O}}({n}^{3-3(3-\omega )/(4-\alpha /2)-\alpha (\omega /2-1)}) $. 其中, 更新轮数复杂度指每次图中边发生变化后, 为重新计算从源点到其他受影响顶点之间的距离, 算法所需同步的迭代轮数; $ \tilde{\mathrm{O}}(\cdot ) $隐去了对数多项式因子, $ \omega $为快速矩阵乘法的算术复杂度($ \mathrm{O}({n}^{\alpha }) $)指数. 相较于现有方法至少需要$ poly(\log n) $轮数复杂度的并行静态单源最短路径算法, 所提并行动态精确单源最短路径算法显著降低了轮数复杂度.
大语言模型中逻辑神经元的系统性探测与影响分析
, DOI: 10.13328/j.cnki.jos.007704
, CSTR: 32375.14.jos.007704
[摘要] ( 278 ) [HTML] ( 0 ) [PDF 16.16 M] ( 276 )
大语言模型(large language model, LLM)在涉及逻辑操作的复杂推理任务中表现良好, 然而其逻辑推理能力的内部机理仍缺乏明确的可解释性分析. 目前尚不明确LLM内部是否存在与逻辑推理任务表现密切相关的神经元子集, 这些神经元在网络中以何种形式进行计算表征, 它们又如何影响模型在不同任务中的表现. 为探究上述涉及LLM推理机制本质的关键问题, 提出一种“识别-干预-评估”框架, 旨在系统性地剖析逻辑推理能力的神经元运行基础与功能实现. 利用基于梯度重要性的神经元定位方法, 定位对逻辑推理任务高度敏感的“逻辑神经元”, 并结合激活值进行定向干预, 进而评估其对模型行为的影响. 研究结果表明, 所定位的逻辑相关神经元子集主要集中于网络中层, 并以前馈网络模块(feed-forward network, FFN)为主导. 进一步的分析表明, 不同逻辑任务之间既存在共享神经元成分, 也存在任务特异性差异. 基于这些发现, 探索一种无需修改模型权重、轻量级的逻辑推理能力定向增强方法, 实验结果显示, 该方法在LogicBench的长链推理任务上将模型平均准确率提升9.2%, 并在逻辑敏感型通用任务上性能提升4.57%.
基于像素级-块级伪影协同建模的AI生成图像模型溯源
, DOI: 10.13328/j.cnki.jos.007708
, CSTR: 32375.14.jos.007708
[摘要] ( 772 ) [HTML] ( 0 ) [PDF 2.79 M] ( 375 )
随着扩散模型和生成对抗网络的快速发展, AI 生成图像在内容创作中的应用日益广泛, 同时也对内容可信性与生成来源溯源提出新的挑战. 相较于仅区分图像真伪, 准确判定生成图像的来源模型具有更高的实际应用价值, 例如在生成内容平台监管、恶意伪造内容追溯以及生成模型责任追踪等场景中, 能够为内容来源识别与可信治理提供重要技术支撑. 不同生成模型在合成过程中往往会在像素层面留下细粒度高频伪影, 同时在结构与全局层面形成具有模型特征的生成模式一致性差异. 这种跨尺度的伪影现象表明, 现有的仅依赖单一尺度或单一语义层面的特征表示方法, 难以同时刻画细粒度伪影与全局生成风格差异, 从而限制在复杂多模型场景下归属性能. 针对上述不足, 提出一种像素到块级伪影协同建模(collaborative pixel-block artifact modeling, CPB-AM)框架, 用于AI生成图像的模型溯源任务. 该方法采用双分支结构对不同层级的生成伪影进行协同建模, 像素级分支通过高频增强操作提取局部伪造痕迹, 并学习与生成域相关的细粒度伪影特征; 块级分支将图像划分为局部块, 并通过频率感知的注意力聚合机制对块间的相关性进行建模. 该注意力机制通过对低频平滑成分进行自适应聚合, 显式分离结构一致性表示与残差成分, 从而更有效地刻画生成模型在空间结构与整体风格层面的差异. 同时, 在跨尺度融合方面, 设计跨分支注意力引导融合模块, 是一种引导式特征融合机制, 通过构建像素级伪影特征对块级表示的调制权重, 实现细粒度残差信息对结构建模过程的引导与约束, 从而增强跨尺度伪影信息的互补性. 在包含真实图像与多种生成模型的数据集上的实验结果表明, 所提方法在闭集生成模型溯源任务中能够取得优于现有方法的分类性能; 在未见生成模型参与测试的开集实验设置下, 该方法在未知模型拒识与归属判别方面同样表现出较强的鲁棒性. 实验结果验证了像素到块级伪影协同建模策略在提升生成模型溯源准确性与开放场景适应能力方面的有效性.
面向地质灾害知识服务的多智能体协同推理框架
冯援,胡平,张璐,沈复民,申恒涛,朱晓峰
, DOI: 10.13328/j.cnki.jos.007703
, CSTR: 32375.14.jos.007703
[摘要] ( 884 ) [HTML] ( 0 ) [PDF 3.55 M] ( 685 )
地质灾害知识服务在应急指挥、公共安全与科学传播中具有重要作用, 但现有基于大语言模型的问答系统在多源异构知识融合、复杂任务规划及高可信推理方面仍存在不足. 针对上述问题, 提出一种面向地质灾害知识服务的多智能体协同推理框架. 该框架以显式任务状态驱动为核心, 通过角色分工的智能体协作机制, 将复杂查询拆解为检索、分析、生成与验证等子任务, 并通过任务回写与闭环一致性校验实现推理过程的可追踪与结果可控. 在数据层面, 框架支持对科普专业、法律法规与灾害记录等多源知识的统一语义接入; 在推理层面, 构建了基于协同执行与质量控制的层次化推理流程. 实验结果表明, 该框架在领域知识覆盖、回答一致性与协同推理能力方面均优于单模型结合外部检索的基线方法, 尤其在法律法规与灾害统计等高可靠任务中表现出更稳定的性能. 为多智能体大模型在灾害应急知识服务中的应用提供了一种可行的系统化解决方案.
, DOI: 10.13328/j.cnki.jos.007646
, CSTR: 32375.14.jos.007646
[摘要] ( 454 ) [HTML] ( 0 ) [PDF 849.90 K] ( 362 )
双分组长度哈希函数是提高哈希函数具体安全性的一种经典方法, 该结构已被证明在一定条件下能达到最优的量子抗碰撞性. 然而, 针对坍塌性这一适用性更强的量子安全模型, 双分组长度哈希函数能否达到最优具体安全性还是一个开放性问题. 为了进一步研究此问题, 考虑在量子条件下抗碰撞性的扩展属性坍塌性, 并研究基于随机谕言机的Nandi之双分组哈希结构的坍塌性. 提出当结构内的置换$ \pi $完全是由若干个 c -循环( c -cycle)置换(即对于任意$ x\in {\{0, 1\}}^{m} $, $ {\pi }^{a}(x)=x $当且仅当$ a=c $)组成时, 该结构的坍塌性达到最优, 而构造满足由若干个 c -循环置换组成的置换$ \pi $是简单的. 最优的坍塌性意味着当随机谕言机输出大小为$ n $比特时, 敌手至少进行$ {\mathrm{O}}({2}^{2n/3}) $次查询, 才能有效区分测量量子叠加信息的哈希值与测量量子叠加信息本身两个状态. 该最优结构也可由Merkle-Damg?rd结构进行扩展, 扩展后的哈希函数仍具有坍塌性, 这为今后坍塌哈希函数的设计提供了理论基础.
基于MCP智能体的通用威胁情报知识图谱构建方法
, DOI: 10.13328/j.cnki.jos.007682
, CSTR: 32375.14.jos.007682
[摘要] ( 418 ) [HTML] ( 0 ) [PDF 14.40 M] ( 407 )
随着网络攻击的复杂性不断增加, 威胁情报的收集与整合面临着分散化问题. 在此背景下, 企业开始构建私有化的威胁情报知识图谱系统. 然而传统构建方法效率低下, 因实体关系抽取不准确而难以有效发挥作用. 为解决以上问题, 提出一种基于MCP (model context protocol)智能体的通用威胁情报知识图谱构建框架OPFA (one prompt for all). 通过动态语义主体定位, 微调大语言模型的提示词模板, 从而驱动智能体对威胁实体关系进行抽取. 威胁实体关系将作为知识图谱的节点与边被自动化创建, 通过实体属性值匹配以关联威胁情报, 形成完整的知识图谱. 接着, 系统会针对关键威胁实体(如漏洞、恶意样本)拉取MCP资源从而完成订制化的知识图谱扩充. 实验表明, 智能体不仅能够提升威胁实体和实体关系抽取的精确率(分别为97.22%和97.83%)、召回率(分别为90.91%和95.52%)与 F 1值(分别为94.44%和96.66%), 还能有效提高知识图谱的构建效率.
写入模式感知与热度分级的固态硬盘垃圾回收方法
王婷煜,杨孟飞,刘洪标,姜菁菁,李少峰,刘波
, DOI: 10.13328/j.cnki.jos.007679
, CSTR: 32375.14.jos.007679
[摘要] ( 421 ) [HTML] ( 0 ) [PDF 4.31 M] ( 345 )
固态硬盘(solid-state drive, SSD)凭借其高速读写性能与低功耗等特点, 已广泛应用于嵌入式设备和数据中心等多种场景. 其中, 垃圾回收(garbage collection, GC)机制对空间回收效率与设备寿命具有重要影响. 然而, 现有GC方法在触发灵活性、数据迁移效率及磨损均衡性方面仍存在不足. 为提升GC机制在不同负载下的适应性与可靠性, 提出一种写入模式感知与热度分级的垃圾回收(write pattern-aware and heat-tiered garbage collection, WHGC)方法. 该方法首先构建写入模式感知指标, 设计多阈值触发机制, 实现GC在系统空闲与忙碌状态下的动态调度; 然后, 提出一种融合空间使用状态与磨损程度的块评分策略, 用于指导回收块选择; 最后, 在有效页迁移阶段, 采用指数衰减模型识别逻辑页热度, 并结合块擦除次数的等级划分, 构建热度与磨损的映射关系, 引导有效页迁移至对应等级的目标块, 从而实现数据分布优化与块间磨损均衡. 基于SSDsim平台的实验结果表明, WHGC在所有数据集下均实现了相较其他典型GC方法更长的设备寿命, 并在写放大系数、有效页迁移量与擦除次数标准差等指标上保持了较优的综合性能.
, DOI: 10.13328/j.cnki.jos.007680
, CSTR: 32375.14.jos.007680
[摘要] ( 336 ) [HTML] ( 0 ) [PDF 4.86 M] ( 361 )
随着数据规模与查询复杂度的持续增长, 传统数据库系统在面对高并发、多样化查询负载时, 暴露出显著的冗余计算与资源竞争问题. 多查询优化技术是提升数据库系统性能的重要途径, 其核心思想是通过识别和共享不同查询间的重叠计算, 减少重复执行并优化资源利用率. 根据重用时机与粒度的不同, 现有研究主要分为两条技术路线: 基于计算重用的多查询优化与基于存储重用的多查询优化. 前者在查询执行阶段实现算子级或计划级共享; 后者在存储层面实现持久化重用, 也被称为物化视图技术. 随着人工智能技术的发展, 强化学习和深度学习方法被广泛引入, 用于收益估计、计划生成和共享策略决策, 使计算重用过程具备自感知、自优化与自演化能力. 系统梳理传统方法到AI赋能方法的演化脉络, 对不同模型的优化目标、决策机制与系统架构进行比较与总结, 并分析现有方法在通用性、可扩展性与协同优化方面的不足. 最后, 展望未来智能化、多层级协同的数据库优化研究方向.
胡晨星,苗启广,刘璨宇,刘旭杰,刘如意,王泉,杨宗凯
, DOI: 10.13328/j.cnki.jos.007630
, CSTR: 32375.14.jos.007630
[摘要] ( 631 ) [HTML] ( 0 ) [PDF 4.91 M] ( 377 )
微表情能够揭示人类试图隐藏的真实情感, 在谎言检测、医疗护理、深层次情感识别等领域中具有重大应用价值. 不同于宏表情, 微表情是短暂且细微的面部运动, 微表情数据集构建有着较高的门槛且耗时耗力, 因此微表情面临着数据量小、模型难以捕获细微短暂变化等困难. 微表情分析有着两个重要研究分支: 微表情识别和微表情检测, 目前基于深度学习的方法已经成为研究主流. 针对上述情况, 全面综述近年来基于深度学习的微表情识别和检测代表性工作和研究现状. 首先, 对常用的开源微表情数据集全面进行总结, 然后分别介绍微表情识别和检测的代表性研究工作, 对其进行分类梳理并讨论优点和局限性. 接着, 介绍微表情分析常用的评估协议和指标, 整合讨论各个方法的性能表现. 最后对微表情分析的整体发展状况进行总结并对未来研究方向进行展望.
引理库驱动的线性数据结构算法定理自动证明
, DOI: 10.13328/j.cnki.jos.007656
, CSTR: 32375.14.jos.007656
[摘要] ( 456 ) [HTML] ( 0 ) [PDF 1.30 M] ( 426 )
尽管大语言模型(large language model, LLM)为算法定理自动证明领域提供了一条新的探索路径, 但现有方法未能充分提升自动定理证明器在证明中间命题时的能力. 当前在线性数据结构算法形式化定理证明方面所需的标签数据非常稀少, 将大语言模型用于预测时, 尤其具有挑战性. 为弥补这一不足, 构建一种新的面向线性数据结构算法的引理库驱动证明方法LDPM, 融合了大语言模型与形式化技术. 该方法通过构建一个由已被证明的新引理组成的引理库, 通过从引理库中调取相关引理, 可有效强化自动定理证明器对中间命题的证明效能. 引理库的构建遵循三阶段递进式策略: 首先通过联合请求机制生成多个候选引理陈述, 以丰富库内资源; 接着借助迭代证明策略逐个证明候选引理, 逐步提升引理库的可靠性; 最终引入引理反思机制, 借助LLM对引理进行修正与优化, 从而实现引理库的动态扩展与持续完善. 通过这一方法, 线性数据结构算法定理证明的性能得以显著提升, 与最先进的方法比较, 证明成功率从44.00%提高到82.00%. 消融实验进一步表明, 引理库在提升自动定理证明器证明中间命题的能力上发挥了关键作用, 使线性数据结构算法定理证明的成功率提高了38.00%.
TDSM: 变更数据捕获驱动的数据库-区块链同步系统
卿昱潇,高建彬,吴敏,夏琦,肖杨磊,夏虎,张劲松,罗锦涛
, DOI: 10.13328/j.cnki.jos.007677
, CSTR: 32375.14.jos.007677
[摘要] ( 331 ) [HTML] ( 0 ) [PDF 2.30 M] ( 486 )
随着区块链技术在金融科技、供应链管理等关键领域的应用不断深化, 兼具传统数据库高性能与区块链高可信性的混合式存储架构已成为研究热点. 然而, 现有方案普遍未能系统性地解决数据库与区块链之间的架构不兼容问题, 具体表现为事务模型差异、性能与成本矛盾以及数据生命周期管理困难这3大核心技术难点. 针对上述挑战, 提出并实现一种基于变更数据捕获(change data capture, CDC)的数据库-区块链同步系统TDSM, 用于在异构环境下实现高效、可信的数据同步. 首先, 设计集成可验证撤销证明的轻量级原子提交协议, 利用稀疏默克尔树为删除操作生成密码学证明, 在不引入重量级两阶段提交的前提下保障跨系统事务的原子性映射, 实现数据全生命周期的链上可信审计. 其次, 提出资源感知的自适应批处理算法, 通过实时监控链上交易成本并动态调整批处理策略, 有效解决数据库高通量与区块链高成本之间的矛盾. 实验结果表明, TDSM在保持较高吞吐量的同时显著降低了同步成本, 自适应批处理机制相比固定策略节省了显著的资源开销, 撤销证明机制在处理大量删除操作时仍保持高效, 原子性保障机制在各种故障场景下均能保证数据一致性.
, DOI: 10.13328/j.cnki.jos.007629
, CSTR: 32375.14.jos.007629
[摘要] ( 396 ) [HTML] ( 0 ) [PDF 3.21 M] ( 334 )
现实场景中的数据分布普遍呈现长尾模式, 导致所训练的深度模型常遭遇头部偏置困境, 即模型偏向于头部类而在尾部类上表现欠佳. 一种简单且有效的策略是通过增广尾部类样本来平衡数据分布. 尽管多数基于该策略的方法能在样本数量上实现重平衡, 但生成的样本仍存在语义漂移和多样性不足的风险, 导致特征分布松散和决策边界有偏, 限制了模型性能. 为此, 提出一种样本-特征协同的长尾识别算法, 旨在构建对数据分布不敏感的分类模型. 具体而言, 在样本层面, 基于傅里叶变换提出“幅值增广”策略, 借助幅值迁移来转换增广样本的风格, 能够在丰富样本多样性的同时保留原有语义信息; 在特征层面, 依据神经坍塌理论提出“特征坍塌”损失, 将类原型对齐至具有最大可分性的等角紧框架, 并促使特征收敛至对应的类原型, 实现最大的类间间隔. 该方法从样本和特征两个层面缓解头部偏置问题, 进而增强类内紧凑性并校准决策边界. 多个基准数据集上的实验结果表明该方法可显著提高长尾识别性能.
当时空数据管理遇到时空AI: 进展、挑战与展望
苏赛男,李瑞远,杨广超,但静培,龙程,张钧波,郑宇
, DOI: 10.13328/j.cnki.jos.007687
, CSTR: 32375.14.jos.007687
[摘要] ( 356 ) [HTML] ( 0 ) [PDF 2.01 M] ( 394 )
随着时空数据规模的持续增长, 如何高效管理并挖掘其中有用信息已成为重要研究课题. 时空数据管理的核心在于实现数据的高效存储、索引和查询. 然而, 传统数据库技术难以有效应对时空数据高动态等特性. 人工智能(artificial intelligence, AI)技术能够有效捕捉时空数据的分布特征与查询负载等信息, 将其融入时空数据管理可提升系统的智能化水平. 时空AI则致力于将机器学习、深度学习与强化学习等技术应用于时空数据分析, 自动识别数据中的模式、趋势与关联, 并支持时空预测、分类、聚类及异常检测等任务. 然而, 时空AI在数据获取、模型训练到实际应用的全过程中, 均面临数据异构性、准备复杂性及使用门槛高等挑战. 时空数据管理技术可有效缓解上述问题. 围绕以上工作, 工业界和学术界已开展大量研究工作. 首先提出时空数据的分类方法, 将其划分为独立数据与关联数据; 继而系统梳理时空数据管理与时空AI协同的研究进展, 总结其研究背景与关键技术; 最后, 整理该领域常用数据集, 介绍典型应用案例, 探讨面临的主要挑战, 并展望未来发展方向.
李尚松,裴文希,罗润洲,李政辉,刘晓杉,孔维强
, DOI: 10.13328/j.cnki.jos.007688
, CSTR: 32375.14.jos.007688
[摘要] ( 310 ) [HTML] ( 0 ) [PDF 5.97 M] ( 395 )
尽管深度神经网络(deep neural network, DNN)已广泛应用于各个领域, 但其在敌对环境中表现出显著脆弱性. 近年来, 出现一种特殊的攻击形式, 称为后门攻击或木马攻击. 攻击者故意在DNN中植入后门, 带有后门的模型对正常输入做出正确的预测, 但对带有触发器的输入产生错误的预测. 为应对后门攻击的威胁, 研究人员提出各种检测方法, 然而, 这些方法依赖于严格的假设, 如白盒访问目标模型或已知触发器模式, 并且需要大量检测数据和检测时间, 这限制了在实际场景中的应用. 此外, 现有方法在后门攻击的目标类识别方面研究不足, 未能有效揭示目标类在攻击中的关键作用及其对实际任务的影响. 提出一种高效的黑盒后门检测方法 EBLD (efficient black-box backdoor detection), 在仅有少量干净数据的情况下, 结合迁移学习, 利用这些数据训练一小组良性模型和后门模型; 然后通过模型变异技术快速生成大量模型; 最后, 基于这些模型, 训练多个分类器以联合判断目标模型是否为后门模型. 在没有检测数据的情况下, 提出“特征适配”策略, 利用在其他任务上生成的良性模型和后门模型, 训练能够检测新目标模型的二元分类器. 该策略克服了对检测样本的依赖, 并且能够充分利用已有良性模型与后门模型资源, 提升检测效率. 此外, 设计基于迁移学习的二元分类器微调方法, 通过加载已有二元分类器的权重, 训练新的二元分类器, 进一步减少后门检测时间. 最后, 基于训练二元分类器时获得的最优查询集, 构建最优查询集库, 通过分析后门模型对最优查询集的输出类别分布, 快速判断后门攻击的目标类. 目标类识别不仅有助于更精确的定位攻击范围, 还能为后门防御与修复提供明确方向. 实验结果表明, 所提方法在检测精度方面显著优于现有方法, 在检测效率方面也达到较高水平.
边缘智能中低成本的快速自适应模型部署与更新方法
, DOI: 10.13328/j.cnki.jos.007676
, CSTR: 32375.14.jos.007676
[摘要] ( 401 ) [HTML] ( 0 ) [PDF 1.53 M] ( 398 )
边缘智能通过在网络边缘部署模型, 能有效降低数据传输延迟并缓解中心云的计算压力. 然而, 模型在边缘侧的部署与持续更新, 使部署效率与成本成为评估系统性能的关键指标. 尽管已有研究提出多种策略以权衡模型精度与部署成本, 但在服务请求多变且资源受限的实际环境中, 现有方法仍难以实现高效、自适应的部署与更新. 针对这一问题, 提出一种面向边缘智能的低成本快速自适应模型部署与更新策略PACE, 旨在动态环境中以更低的部署成本实现对服务需求的高效响应, 从而提升边缘智能系统的持续服务能力与性能. 具体而言, 该方法通过挖掘模型间的共享特性, 对不同阶段的部署成本进行精细化建模, 并结合模型信息年龄(age of information, AOI)构建性能评估模型, 从而实现更高成本效益的部署决策. 在此基础上, 引入元强化学习以学习任务变化的先验知识, 并结合变分贝叶斯网络实现在线优化, 从而增强模型部署策略在动态环境下的快速自适应能力. 最后, 从泛化性与收敛性两个方面验证PACE的理论有效性. 基于合成的 Zipf 请求分布对所提出的PACE方法进行评估. 实验结果表明, PACE 在任务频繁变化的场景中能够实现高效的自适应部署, 在显著降低模型部署成本的同时, 仍可维持可接受的模型精度与系统响应效率.
张文博,李雄,张文琪,谢勇,陈厅,禹继国,张小松
, DOI: 10.13328/j.cnki.jos.007673
, CSTR: 32375.14.jos.007673
[摘要] ( 336 ) [HTML] ( 0 ) [PDF 10.77 M] ( 314 )
人工智能系统依赖大规模、开放式的训练数据采集, 这为数据投毒攻击提供了可乘之机. 攻击者能够通过渗透数据供应链等方式操控训练数据, 破坏深度学习模型的可用性. 相较于基于标签翻转的脏标签数据投毒攻击, 净标签攻击虽具有更强的隐蔽性, 但在实现时面临更大挑战: 一方面, 需要精确操控样本特征而非直接篡改其标签; 另一方面, 还需确保毒化样本在视觉上与原始样本保持高度一致以规避检测. 虽然现有的净标签攻击方案已取得一定成效, 但往往因假设宽松, 难以在实际场景中有效实施, 且隐蔽性和计算效率仍有提升空间. 为此, 提出一种基于数据重建的深度学习净标签数据投毒攻击方案CPDR, 该方案重构原用于图像分割任务的Attention U-Net模型的损失函数, 将其转换为一个包含重建损失、投毒效果损失和模型更新一致性损失的多任务学习重建模型, 通过数据重建生成隐蔽的毒化样本, 并在黑盒假设下实现有效的投毒攻击. 在集中式学习和联邦学习这2种场景、2个数据集和4个目标模型上的实验表明, CPDR能在几乎不影响深度学习主任务表现的情况下降低模型在目标类别上的分类准确率. 在集中式学习下, CPDR对目标类别准确率的平均降幅高于VagueGAN方案2.33个百分点, 高于Adversarial Poison方案2.42个百分点; 在联邦学习下, 其优势进一步扩大, 分别高于上述对比方案4.44和4.10个百分点. 此外, CPDR生成的毒化样本与原始样本视觉差异微小, 难以辨别和检测, 实现了隐蔽性和攻击效果的良好平衡.
Int-AD: 面向提示注入攻击的攻防一体化框架
, DOI: 10.13328/j.cnki.jos.007675
, CSTR: 32375.14.jos.007675
[摘要] ( 667 ) [HTML] ( 0 ) [PDF 1.47 M] ( 414 )
提示注入攻击(prompt injection attack)已成为大语言模型(LLM)应用日益严峻的安全威胁, 位于OWASP开放式Web应用程序安全项目10大威胁之首. 此类攻击通过在提示词中嵌入恶意内容来诱导大模型生成误导性输出, 带来信息泄露、系统滥用等严重安全隐患. 然而, 目前针对此类攻击的攻击策略评估指标仅有攻击成功率, 难以全面评估攻击效果; 在防御策略方面, 现有方法通常只能单独用于预防或检测, 两者难以兼得. 深入分析提示注入攻击和防御的特征及其对大模型输出的影响, 提出攻防一体化框架Int-AD, 包括: 采用情感增强和控制输出的提示注入攻击方法CoA (control-output attack)和同时具备预防和检测能力的防御策略UnD (universal defense). 在攻击方面, 定义两个新的攻击评价指标: 攻击干扰率(attack interference rate, AIR)与攻击误导率(attack misdirection rate, AMR), 用于在攻击结果不同时分别进行精准评估, 完善攻击评估指标. 通过情感增强和控制输出设计提示词, 将AIR和AMR与现有 METEOR 评估指标联合使用来评估CoA的攻击效率; 在防御方面, UnD兼具预防和检测能力, 可提高防御成功率并检测提示注入攻击的影响. 在Qwen、Llama、DeepSeek这3个主流大模型上采用squad和web_questions两个公开数据集进行实验, CoA攻击方法的平均 METEOR 得分为0.050, 相比当前最好方法Combine可降低42.5%; 平均AIR和AMR分别达到0.97和0.45, 相比Combine分别提升6.59%和28.57%, 表明CoA具有更强的攻击能力. UnD的平均防御成功率达80.6%, 相比当前最好方法Sandwich提高9.07%, 其平均KMR (knownanswer matching rate)为0.921, 较方法Knownanswer提升58.52%, 表明UnD具有更强的防御能力.
, DOI: 10.13328/j.cnki.jos.007678
, CSTR: 32375.14.jos.007678
[摘要] ( 429 ) [HTML] ( 0 ) [PDF 3.93 M] ( 355 )
启发式数据增强通过扰动原始的用户行为序列并生成新的序列, 能够有效缓解序列推荐中的数据稀疏性. 相比于基于外部信息、利用复杂的增强规则或引入可学习生成模块的增强方法, 启发式方法通过基于人类先验知识、规则或直觉设计的简单操作来完成增强, 具备较高的效率及泛化性. 然而, 现有的启发式数据增强通常面临两个问题: 一是其产生的增强数据与原始数据相比存在语义偏差或重要用户行为丢失的问题, 导致模型学习到不准确甚至是错误的用户偏好; 二是现有方法专注于对稀疏的输入行为进行增强, 模型训练仍受限于标签行为的稀疏性和不匹配问题, 导致推荐性能提升受限. 为此, 提出一种用于修复和丰富序列推荐中启发式数据增强的框架(REDRec). 具体而言, 首先通过实证研究验证启发式推荐方法导致的序列偏好语义偏离, 并证实简单的詹森-香农散度过滤策略即可缓解这一问题. 在此基础上, 设计语义偏移程度感知的修复机制. REDRec以詹森-香农散度量化增强序列的语义偏离程度, 并为不同偏离程度的样本执行基于差异化贝塔分布的嵌入表示插值操作以实现语义修复. 为了丰富增强数据的标签, REDRec对修复后样本执行基于扰动的多轮推理, 通过自适应聚合这些推理结果生成新的软标签. 新的软标签将作为额外的数据添加到模型训练过程中. 在多个代表性骨干网络和真实世界数据集上的实验验证了REDRec的有效性和泛化性.
SolRaceFuzz: Solana链上程序并发缺陷检测
, DOI: 10.13328/j.cnki.jos.007685
, CSTR: 32375.14.jos.007685
[摘要] ( 630 ) [HTML] ( 0 ) [PDF 1.56 M] ( 258 )
随着Solana区块链应用日益广泛, 虽有工作针对其安全弱点、生态系统、商业应用等方面进行了研究, 但Solana区块链的并发缺陷问题尚未得到足够重视. 研究发现Solana链上程序中存在两类特殊的并发缺陷类型, 分别称为交易顺序依赖缺陷与时钟控制依赖缺陷. 这些缺陷允许区块链网络中的恶意节点合法地针对并发交易交换它们之间的执行顺序, 或推迟特定交易执行到特定时间, 以干涉这些并发交易执行结果. 因此, 具有这些缺陷的Solana链上程序的并发交易可能遭受攻击者的人为控制. 针对上述问题, 分别定义Solana链上程序的交易顺序依赖缺陷和时钟控制依赖缺陷, 并提出一种基于模糊测试与符号执行的检测方法. 该方法包含这两种缺陷的检测准则, 以及针对Solana区块链特点的账本模拟方法与交易生成方法. 基于该方法实现了原型工具SolRaceFuzz, 并在3组数据集上对缺陷发现能力、效率和探索策略这3个方面进行实验, 验证所提方法的有效性.
DLAKRS: 面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案
, DOI: 10.13328/j.cnki.jos.007686
, CSTR: 32375.14.jos.007686
[摘要] ( 374 ) [HTML] ( 0 ) [PDF 891.00 K] ( 284 )
近年来, 深度学习为分组密码安全性分析提供了新的研究路径. 然而, 在大状态分组密码场景下, 神经区分器输入维度过高以及密钥搜索空间快速膨胀, 严重制约了深度学习辅助攻击的效率与稳定性. 针对上述问题, 提出面向大状态SIMECK分组密码的深度学习辅助密钥恢复方案DLAKRS. 该方案在训练阶段引入基于梯度的动态敏感比特选择策略, 在保证区分性能的前提下有效压缩神经区分器的输入维度; 在密钥恢复阶段, 结合错误密钥响应分布构建基于统计评分引导的搜索方法, 缓解候选密钥筛选过程中的评分波动. 基于上述方案, 针对SIMECK系列大状态轻量级分组密码构建多阶段深度学习辅助密钥恢复攻击方案. 实验结果表明, 在输入维度削减45.8%–62.5%的情况下, 区分器准确率损失控制在10%以内, 且相较于传统多阶段攻击方法显著降低了计算开销. 在SIMECK48/96的16轮攻击和SIMECK64/128的18轮攻击中, 所提方法均表现出稳定的密钥恢复性能. 研究结果表明, 该方案为大状态SIMECK分组密码的深度学习辅助密钥恢复提供了一种有效途径.
面向大语言模型生成能力提升的检索增强生成研究进展
, DOI: 10.13328/j.cnki.jos.007684
[摘要] ( 1432 ) [HTML] ( 0 ) [PDF 4.56 M] ( 1056 )
随着深度学习和Transformer架构的不断发展, 基于大语言模型的自然语言处理任务取得了显著进展, 但依然存在着认知幻觉、信息滞后和专业领域知识缺乏等问题. 为解决这些问题, 通过引入外部知识库的检索机制, 检索增强生成技术使模型不仅借助已有的知识, 还能实时检索外部数据, 从而提高生成内容的准确性、时效性及适应性. 本文探讨了检索增强生成技术在提升大语言模型生成能力中的作用. 首先, 从检索增强和增强生成两个方面, 对不同检索目标的检索方法及增强生成的多种技术路径进行系统性分类; 随后, 分析总结检索增强生成技术的原理、实现方式以及其在多个领域的应用; 最后, 在多个领域探讨检索增强生成技术已有的应用成效、面临的挑战及未来的发展前景.
知识图谱推理研究综述: 从单一任务到复杂任务
, DOI: 10.13328/j.cnki.jos.007627
[摘要] ( 635 ) [HTML] ( 0 ) [PDF 5.14 M] ( 683 )
知识图谱可以有效组织和利用现实世界中的各类知识, 弥补数据驱动的方法或者大模型技术存在的不可解释和幻觉等不足, 是实现具有理解和推理能力的认知智能系统的核心技术之一. 知识图谱推理是从已有的知识推理出新的知识, 广泛应用于工农业生产、国防安全、日常生活等领域. 早期知识图谱推理领域主要关注单一推理任务, 近3年逐渐开始关注更加复杂的推理任务, 包括时序多步知识图谱推理、小样本多步知识图谱推理、小样本时序知识图谱推理、小样本多模态知识图谱推理、多模态归纳式知识图谱推理和时序归纳式知识图谱推理. 为此, 首先分别描述面向单一任务和复杂任务的知识图谱推理的特点, 进而, 介绍几类面向单一任务的知识图谱推理技术. 然后系统总结面向复杂任务的已有代表性知识图谱推理方法, 并对这些方法进行对比分析. 最后, 总结和探讨当前知识图谱推理仍存在的主要问题, 并对该领域有价值的未来发展方向进行展望.
差异化图嵌入的多层社交网络影响力最大化方法
林荣华,姚润彬,王怡嘉,林俊杰,吴正洋,汤庸
, DOI: 10.13328/j.cnki.jos.007672
[摘要] ( 535 ) [HTML] ( 0 ) [PDF 3.58 M] ( 329 )
在社交网络分析中, 识别有影响力的节点至关重要. 现有方法通常忽略局部意见领袖的倾向, 导致种子节点的影响力范围重叠. 此外, 在影响力传播强度非均匀的动态场景下, 基于传统图神经网络(graph neural network, GNN)的方法也难以在消息传递过程中对节点的影响力特征进行有效建模和聚合. 同时, 现有技术也未能充分解决社交网络的多层特性和节点异质性问题. 为了应对上述挑战, 提出一种新型的多层影响力最大化方法Inf-MDE. 该方法利用差异化的图嵌入, 采用多层网络结构对社会关系进行建模. 进而, 模型提取节点潜在的影响力传播子图, 以消除节点嵌入和传播动态之间的表征偏差. 此外, Inf-MDE在其GNN设计中融入一种自适应的局部影响力聚合机制. 该机制能够根据局部上下文和影响力强度动态调整消息传递过程中的影响力特征聚合策略, 从而有效地捕捉层间传播异质性和层内扩散动态. 在4个不同的多层社交网络数据集上进行的大量实验表明, Inf-MDE的性能显著优于现有基线方法. 源代码已公开, 详见 https://github.com/lyao972/Inf-MDE .
基于线性松弛与对偶优化的循环神经网络验证方法
, DOI: 10.13328/j.cnki.jos.007657
, CSTR: 32375.14.jos.007657
[摘要] ( 548 ) [HTML] ( 0 ) [PDF 3.81 M] ( 410 )
随着当今软硬件和人工智能技术的不断发展, 以神经网络为代表的智能模型在各行各业被广泛应用, 但同时也暴露出不少安全问题, 例如与鲁棒性相关的对抗样本问题. 因此, 通过形式化验证的方式来检测并保障神经网络的鲁棒性和安全性至关重要. 然而, 现有的神经网络验证工作主要面向以ReLU作为激活函数的前馈神经网络, 对于结构复杂、激活函数非线性的循环神经网络(RNN)的验证工作比较有限. 基于此现状, 提出一种基于线性松弛与对偶优化的循环神经网络验证方法, 以计算鲁棒半径的方式为这类网络模型提供严格的鲁棒性保障. 首先, 将RNN验证问题通过线性松弛编码为输出关于输入的优化问题. 考虑到网络的层级结构, 将该优化问题进行拉格朗日分解, 每个子问题中仅包含相邻的两层神经元, 子问题之间采用同一性约束进行关联. 随后, 构建其对偶问题并采用梯度上升算法来优化求解, 得到输出神经元的近似区间上下界, 其中解的有效性由对偶优化的性质所保障. 最后, 对输入扰动采用二分搜索的方式计算网络的鲁棒半径. 通过在不同结构的朴素RNN与较为复杂的长短期记忆网络(LSTM)上与已有的验证方法进行实验对比, 结果表明所提方法在朴素RNN上求解出的鲁棒半径上较已有方法提升了17.7%–30.2%, 在LSTM中亦有5.2%–10.2%的提升.
QueryGuide: 基于生成式模型的细粒度查询提示推荐方法
, DOI: 10.13328/j.cnki.jos.007659
, CSTR: 32375.14.jos.007659
[摘要] ( 570 ) [HTML] ( 0 ) [PDF 7.62 M] ( 423 )
慢查询是指执行时间超过数据库系统所设定的阈值, 从而影响整体性能的查询. 由于开发人员经验不足及查询接口模板缺乏灵活性, 慢查询在应用程序中频繁出现, 成为数据库故障的主要原因. 为了提速慢查询, 数据库管理员通常会进行人工修复, 但是在数据量较大的情况下效率较低, 因此针对慢查询的自动重写方法的研究显得尤为重要. 查询提示是用于显式控制数据库优化器决策的调优指令, 可以通过影响访问路径等策略来改善查询性能. 查询提示推荐作为数据库查询重写领域的重要研究问题, 已经得到广泛关注. 然而, 目前基于机器学习的提示推荐方法仍面临粒度较粗、依赖人工指定候选集等问题. 针对这些问题, 提出基于生成式模型的细粒度提示推荐框架QueryGuide, 通过探索不同细粒度提示的最优组合方式, 来提升重写语句的物理计划执行效率. 具体而言, 该框架一方面基于生成式语言模型探寻推荐策略, 在数据库环境中探索提示对慢查询性能的提升, 并将其作为奖励用于模型微调, 从而生成表级别的细粒度提示; 另一方面提出使用生成式模型推荐的细粒度提示作为探索方向, 并通过扩展得到提示组合. 将组合的探索结果用于模型微调, 可以使模型学习不同提示组合对慢查询重写性能的影响, 从而获得最佳提示组合. 在多个数据集上的实验结果表明, 相较于其他基线算法, QueryGuide方法表现出更好的重写性能, 显著改善了查询时间.
, DOI: 10.13328/j.cnki.jos.007647
, CSTR: 32375.14.jos.007647
[摘要] ( 689 ) [HTML] ( 0 ) [PDF 1.05 M] ( 351 )
属性加密方案能够实现基于用户属性的细粒度访问控制, 但密钥的生成依赖于一个授权中心来完成, 容易带来密钥泄露的安全隐患. 注册加密方案通过引入用户注册、公钥聚合等机制, 缓解了由授权中心带来的安全风险. 然而, 目前基于多sRABE子方案并行构建的注册属性加密方案在用户动态增减时需要频繁执行公钥重聚合操作, 其计算与存储开销随子方案数量线性增长, 难以适用于用户频繁变化的场景. 针对上述不足, 提出一种基于变色龙哈希的可撤销注册属性加密方案, 在单一sRABE框架下实现了高效的用户注册与撤销. 方案引入陷门可控的变色龙哈希函数, 通过公钥聚合方对公钥一致性的维护, 新用户加入时无需执行系统级主公钥聚合, 用户撤销仅需对注册槽状态进行标记, 从而避免了多子方案结构带来的计算开销. 在效率方面, 方案对新用户加入阶段的计算开销进行了分析, 结果表明该过程的计算复杂度仅与用户属性数量相关, 与系统用户规模无关. 安全性分析表明, 方案在不可区分模型下可以抵抗选择明文攻击.
FedProbe: 代理模型引导的可解释联邦学习投毒攻击防御框架
曹益皓,张建标,赵亚茹,韩宇飞,张承昱,叶涛
, DOI: 10.13328/j.cnki.jos.007661
[摘要] ( 722 ) [HTML] ( 0 ) [PDF 2.27 M] ( 437 )
联邦学习允许多个参与方在不共享本地私有数据的前提下协同训练一个共享的深度学习模型. 然而, 该范式在实际应用中极易受到日益复杂的投毒攻击威胁. 现有的防御方法在检测效率、对多样化攻击的泛化能力以及在非独立同分布 (non-IID) 数据环境下的性能稳定性方面仍存在局限. 为应对上述挑战, 提出一种名为 FedProbe 的、由代理模型引导的可解释联邦学习投毒攻击防御框架. FedProbe采用两阶段机制: 首先, 在代理模型引导阶段, 利用服务器端的可信样本集计算各本地模型间的KL散度以度量其行为相似性, 并确定最优聚类数量. 在剔除离群更新后, 各簇被聚合成代理模型, 此举旨在有效划分由不同数据分布训练的模型并提升后续检测效率. 其次, 在可解释分析阶段, FedProbe利用SHAP可解释技术对代理模型进行深度分析, 计算其关键特征归因, 并最终通过跨类别可疑度分数来精准识别并剔除潜在的恶意模型. 实验结果表明, FedProbe在多种基准数据集上展现出卓越的性能与鲁棒性. 在良性环境中, 其收敛时间仅为标准聚合算法的1.11–1.21倍, 性能开销极小. 在安全性方面, 即使在恶意用户占比高达40%的极端场景下, FedProbe在抵御无目标攻击和后门攻击时仍能保持优越的收敛性, 并将攻击成功率控制在25%以下; 而在面对自适应攻击时, 其在防御有效性与任务准确率方面均具有显著优势.
, DOI: 10.13328/j.cnki.jos.007662
[摘要] ( 497 ) [HTML] ( 0 ) [PDF 2.85 M] ( 343 )
传统图像隐写术通过将秘密信息嵌入载体图像中实现信息隐蔽传输, 在信息安全和数据通信领域发挥着重要作用. 然而, 信息嵌入过程不可避免地会修改载体图像, 容易被隐写分析工具检测到. 相比之下, 生成式图像隐写术利用生成模型直接从秘密信息生成隐写图像, 从而避免了修改载体图像的问题. 但现有生成式图像隐写方法在面对各种攻击尤其是几何攻击时普遍存在鲁棒性不足的缺陷, 隐藏的信息易受各种攻击破坏而无法有效提取. 为此, 提出一种人体姿态引导的生成式隐写(generative steganography guided by human posture, GSHP)方法. 该方法的核心思想是将秘密信息映射为人体姿态特征, 再将此特征输入生成模型以生成隐写图像. 在信息提取阶段, 通过人体姿态检测算法识别隐写图像中的人体姿态, 进而还原出秘密信息. 由于人体姿态固有的结构稳定性, GSHP对各种攻击表现出了良好的鲁棒性. 广泛的实验也充分证明了GSHP在安全性和鲁棒性方面的优势.
基于LLM智能体的智能家居场景规则自动生成
刘力玮,陈伟,魏峻,朱家鑫,王伟,吴国全,汪涛
, DOI: 10.13328/j.cnki.jos.007663
[摘要] ( 911 ) [HTML] ( 0 ) [PDF 3.86 M] ( 546 )
在智能家居系统中, 场景自动化规则可根据用户设定的触发条件, 自动执行一组设备操作, 实现如“回家模式”“睡眠模式”等复杂的设备联动行为. 然而, 终端用户在创建定制化规则时常面临挑战, 特别是在实现多设备协同和满足复杂用户意图时表现尤为明显. 一方面, 用户普遍缺乏专业知识, 难以清晰表达需求或将其转化为形式化规则; 另一方面, 现有自动化规则生成方法普遍存在两方面局限: 其一, 缺乏对复杂场景的建模能力, 难以支持涉及多设备协同的高级自动化需求; 其二, 过于依赖用户提供明确的、结构化的指令, 忽略了用户意图的隐性表达. 为解决上述问题, 提出HomeMind——以大语言模型(large language model, LLM)为核心, 融合模式挖掘与语义理解能力的智能体系统. HomeMind的工作流程包括3个核心步骤: 首先, 采用无监督的频繁事件模式挖掘方法, 自适应处理不同长度的事件序列, 以更精准地识别事件模式; 其次, 为每个模式提取周与日两个尺度的时间特征, 显著增强其时间上下文信息; 最后, 通过上下文增强的提示词机制, 引导LLM基于思维链推断用户意图, 生成语义明确的场景规则. 最终, HomeMind将生成的候选规则呈现给用户, 辅助其理解并筛选最契合生活习惯的自动化方案, 并支持与智能家居平台接口集成, 实现规则一键部署. 在真实世界数据集和合成数据集上对HomeMind进行全面评估, 实验结果表明其在意图推断和规则生成准确性方面均优于现有基线方法.
基于双向选择性状态空间模型的动态图表示学习
, DOI: 10.13328/j.cnki.jos.007654
[摘要] ( 615 ) [HTML] ( 0 ) [PDF 2.72 M] ( 365 )
动态图表示学习通过捕捉实体间随时间演化的拓扑结构与交互模式, 为链接预测等下游任务提供具有时空感知能力的嵌入表示, 从而揭示复杂系统的动态演化规律. 连续时间动态图因其具备丰富的细粒度时间信息, 为社交网络演化等复杂过程提供了更贴近真实世界的建模范式. 然而, 当前连续时间动态图表示学习至少面临3个挑战: (1)在长交互序列中有效提取关键信息需具备强大的长期时间依赖建模能力; (2)处理长交互序列时需控制计算复杂度以提升计算效率; (3)传统按交互时间顺序捕获交互模式的方法难以揭示隐藏的非因果性关联. 针对上述问题, 提出一种连续时间动态图表示学习模型, 通过双向选择性状态空间编码机制, 既可捕捉交互序列的长期时间依赖, 又能通过反向路径引入后续交互信息, 打破时间单向性约束, 从而增强模型对全局上下文的理解能力. 大量实验结果表明, 该模型在不同领域真实世界数据集上表现出的预测性能均显著优于基线方法, 同时具有高效的计算效率, 使在有限计算资源下实现长时间双向依赖的建模成为可能.
HCA-Index: 基于数据冷热感知的学习型索引
孙伊鸣,信俊昌,赵少杰,操天童,洪振强,安宸
, DOI: 10.13328/j.cnki.jos.007637
[摘要] ( 664 ) [HTML] ( 0 ) [PDF 3.29 M] ( 306 )
大数据时代背景下, 传统索引(如B+树)面临内存占用过高等问题, 学习型索引以其低内存占用和高查询效率正逐步替代传统索引. 然而, 现有学习型索引难以有效拟合多样化的数据分布, 且易受新数据插入导致分布变化的影响, 引发性能下降. 为解决这些问题, 提出一种基于数据冷热感知的学习型索引HCA-Index. 该索引的核心包括: 设计基于误差阈值的渐进分区算法实现对数据分布的动态拟合; 通过自下而上提取键值范围并采用层级合并策略构建高精度索引; 设计动态演化的数据温度计算模型识别冷热数据; 利用节点级冷热分区支持数据迁移与快速查询. 在真实数据集上进行的实验表明, 相较于传统索引及最新的学习型索引, HCA-Index 在进一步降低内存占用的同时, 显著缩短查询延迟, 并有效减少新数据插入导致的重训练次数.
图数据库节点标识存储引擎性能建模与适配策略
, DOI: 10.13328/j.cnki.jos.007638
[摘要] ( 455 ) [HTML] ( 0 ) [PDF 1.18 M] ( 286 )
随着大数据和人工智能技术的快速发展, 图数据库因其在复杂关系建模与高效查询方面的优势, 逐渐成为社交网络分析、金融风控、知识图谱等领域的核心基础设施. 图数据库的管理对象是节点以及节点之间的关系. 在架构层面, 节点唯一标识符(node identifier, NodeID)作为图数据管理的核心纽带, 承担节点身份表征、关系寻址和图算法执行的关键职能. 当前主流图数据库普遍采用键值存储(key-value store, KVS)引擎实现节点标识到图结构的映射管理. 然而, 现有系统多依赖通用键值存储引擎(如RocksDB)管理此类映射, 却缺乏对负载特性的深度考量, 具体表现为: 1) 节点标识映射负载特征建模缺失; 2) 跨软硬件环境(如CPU/内存、SSD/HDD)的适应性不足. 首先系统分析图数据库中节点标识映射的操作特性与键值存储需求, 进而评估多种主流键值存储引擎(包括RocksDB、LMDB、LevelDB、FasterKV及ForestDB)在异构硬件环境下的性能表现, 系统揭示不同数据负载 (如数据规模、读写比)与硬件配置(如内存容量、线程数、存储介质)对执行效率的影响规律. 基于大规模实验(覆盖5类数据集、3种硬件平台及1300+组对照测试), 提出一种基于决策树模型的适配策略, 整合负载特征(数据规模、读写比)与硬件配置(内存、线程数、磁盘类型), 以指导键值存储引擎的自适应选择. 实验表明, 该模型推荐最优引擎的准确率达92.1%, 次优场景性能差距小于10%.
乔少杰,杨蕾,夏书银,韩楠,苟浩淞,何函,袁冠,唐明靖
, DOI: 10.13328/j.cnki.jos.007664
[摘要] ( 884 ) [HTML] ( 0 ) [PDF 990.01 K] ( 431 )
传统关系型数据库的关键优化技术在面对海量数据处理、复杂查询及动态负载场景时, 普遍存在估计精度不足、优化决策效率低下以及环境适应性差等瓶颈. 多粒度粒球计算为提升数据库系统性能开辟了新的解决路径, 展现出巨大的研究潜力和应用前景. 首先, 概述了人工智能在驱动数据库智能优化方面的核心方向, 探讨了现有学习型优化方法在模型泛化能力、可解释性以及处理复杂查询与动态数据分布方面所面临的主要挑战. 在此基础上, 系统地综述了数据库优化的现状及关键技术, 结合多粒度粒球计算, 数据库优化技术的核心聚焦于查询优化与配置优化两个方面. 针对查询优化, 关键技术包括基数估计以及连接顺序选择. 在基数估计方面, 传统方法难以有效支持涉及多表复杂连接及嵌套查询的准确评估, 且常带来巨大的存储开销; 基于学习的方法则能更好地处理高维数据关系, 介绍利用多粒度粒球计算技术提取数据分层分布特征并与树结构神经网络结合的新方法, 能显著提高复杂查询基数估计的鲁棒性与精度. 在连接顺序选择方面, 传统方法在多表连接维度下搜索效率低下; 基于历史经验学习的静态方法对新查询模式适应性有限; 动态学习方法虽能支持运行时调整但开销较大; 相比之下, 将连接计划表达为具有几何关系的多粒度粒球结合, 利用其层次结构优化搜索空间并结合深度强化学习进行决策的方法, 为高效寻找全局近似最优连接顺序提供了新思路. 针对数据库配置优化, 参数调优是提升性能的关键. 基于搜索的传统优化技术难以在合理时间内获得全局最优解; 传统机器学习方法虽然能实现自动化调优, 但高度依赖训练数据的质量与覆盖度; 强化学习方法通过与系统环境交互持续改进策略, 仅需少量样本即可实现强大的自适应性调参, 融合多粒度粒球计算方法能够高效表达参数空间特性, 显著提升调优效率与效果. 虽然应用粒球计算技术优化数据库前景广阔, 但实际应用仍面临与现有数据库模型的有效融合、降低计算开销、动态负载变化下的模型稳定性保障等主要挑战. 未来研究需持续深化理论与技术, 推动数据库系统朝着更智能、高效、鲁棒的方向发展.
, DOI: 10.13328/j.cnki.jos.007665
[摘要] ( 562 ) [HTML] ( 0 ) [PDF 4.47 M] ( 386 )
联邦学习作为一种分布式机器学习方法, 能够在保护用户隐私和数据安全的同时进行模型训练. 然而, 联邦学习多参与方、模型大范围暴露的特点容易造成模型版权泄露问题. 提出一种具有所有权验证、模型泄露追溯和懒惰客户端检测功能的水印方案, 引入了客户端身份标识生成后门水印机制和动态调整聚合权重(federated dynamic weight adjustment , FDWA)算法, 确保每个客户端的水印具有唯一性, 并解决了水印冲突问题, 在显著提高模型保真度和水印触发率的同时具备更好的懒惰客户端检测性能. 实验结果表明, 该方案在提供更完善的保护功能的同时, 能保持模型性能, 显著提高水印触发率, 并有效抵御微调、剪枝、量化和共谋攻击等多种攻击手段, 提高了联邦学习环境的安全性和公平性, 为模型提供有效版权保护.
基于国密SM2支持非法消息追踪的环签名方案
, DOI: 10.13328/j.cnki.jos.007660
[摘要] ( 498 ) [HTML] ( 0 ) [PDF 1.42 M] ( 364 )
环签名作为一种具有隐私保护的认证技术, 在确保消息真实性和完整性的同时为用户提供身份匿名性, 广泛应用于电子投票和区块链交易等场景. 针对恶意用户的匿名滥用与失信行为, 现有环签名方案利用追踪(监管)权威揭示任意用户的真实身份. 然而, 该权威的引入将导致诚实用户的隐私泄露, 打破了匿名性和可追踪性之间的平衡. 为解决上述问题并促进国产密码技术应用发展, 提出基于国密SM2支持非法消息追踪的环签名方案. 所提方案针对单个非法消息设计追踪机制, 其中追踪权威仅能够揭示发布非法消息恶意用户的真实身份, 而诚实用户仍然保持匿名, 从而平衡匿名性和可追踪性. 基于此, 结合多项式技术和默克尔哈希树技术提出扩展方案, 实现任意数量非法消息追踪, 扩大恶意用户监管范围, 同时降低用户验证开销和通信成本. 安全性分析表明所提方案满足不可伪造性、匿名性和可追踪性. 性能分析表明所提方案与相关环签名方案相比具有较好的有效性和实用性.
面向概念漂移的在线神经网络深度自适应调整方法
邹迪,周学文,范玉雷,高楠,喻坚,杨良怀
, DOI: 10.13328/j.cnki.jos.007639
[摘要] ( 676 ) [HTML] ( 0 ) [PDF 1020.87 K] ( 298 )
非平稳场景下深度神经网络(deep neural network, DNN)模型的适应性是当前人工智能领域面临的一个重要挑战. 尤其在发生概念漂移的场景, 预设架构参数的模型将难以适应演化的数据分布. DNN现有深度调整方法缺乏对深度拓展的有效性的评估, 忽视了深度调整过程中网络权重参数和深度的协同. 为此, 提出自适应在线深度神经网络(adaptive online deep neural network, AODNN). AODNN根据网络的损失变化趋势、分类器权重以及互信息变化组合分析对深度增长的有效性做出判断, 实现深度自适应增长; 并通过参数更新优化选择合适的中间分类器参与反向传播, 减少深层中间分类器对浅层分类器的干扰并加速收敛. AODNN在多个包含概念漂移的真实和合成数据集上与当前最先进方法开展对比实验, 实验结果验证了AODNN深度自适应增长和参数更新优化策略的有效性, 能够有效捕捉数据分布变化并抑制概念漂移的影响. 在关键性能指标的比较中, AODNN展现出显著优势, 在累计准确率上显著优于HBP、ANSN和EODL, 在 F 1分数上显著优于ATNN、ANSN和EODL, 在 MCC 上显著优于ANSN和EODL. 此外, 在模型收敛速度等方面, AODNN也超越了当前最先进方法.
基于非纯测量场景的隐变量因果结构学习算法
王馥弘,陈正鸣,夏业伟,乔杰,郝志峰,蔡瑞初
, DOI: 10.13328/j.cnki.jos.007633
[摘要] ( 748 ) [HTML] ( 0 ) [PDF 1.61 M] ( 288 )
隐变量间的因果结构学习, 核心在于从观测数据中挖掘隐变量彼此的因果关联, 是科学研究中揭示现象本质的一种关键技术. 现有方法普遍依赖“纯子”假设, 即隐变量对应的观测子代变量(测量变量)间不存在直接的因果连接边, 该假设在许多现实场景中往往无法成立, 从而导致现有方法可识别性受限. 针对该挑战, 考虑“非纯”测量场景下的隐变量识别性问题, 提出线性非高斯无环隐变量模型(linear non-Gaussian acyclic latent variable model, LiNGLM), 该模型允许观测变量间存在因果关联. 基于该模型, 提出一种隐变量结构学习(latent variable structure learning, LLSTIN)算法, 该算法基于变换独立噪声(transformed independent noise, TIN)条件及其建立的图准则, 首先通过因果聚类构建(build causal cluster, BCC)算法提取各隐变量对应的“单因子集”来识别隐变量的存在, 然后选取集合中的“根”观测变量作为隐变量的有效代理, 进而识别隐变量间的因果关系. 从理论上证明算法可正确提取单因子集并进一步识别隐变量因果结构, 仿真数据与真实数据实验结果进一步验证所提算法的正确性和有效性.
基于静态与动态分析的智能合约漏洞检测实证研究
, DOI: 10.13328/j.cnki.jos.007634
[摘要] ( 657 ) [HTML] ( 0 ) [PDF 1.71 M] ( 338 )
近年来, 智能合约因其不可篡改性和可执行性在金融领域得到了广泛的应用. 与此同时, 智能合约引发的安全事件不断增多, 往往造成大规模的经济损失. 因此, 大多数研究人员致力于开发智能合约漏洞检测工具来检测智能合约的安全性. 然而, 不同的合约漏洞检测工具可能因为数据集的不一致使得研究人员无法客观评估其性能. 构建一个新的数据集, 并在统一的标准下系统地测试9个候选工具. 该数据集不仅包含真实世界的智能合约, 且涵盖了5类常见的智能合约漏洞. 从5个方面对工具进行细致的评估, 并提出一种新的智能合约分类方法来验证工具的鲁棒性. 实验结果表明: 1)多数现有工具易于安装, 但同时存在停止维护等问题. 2)静态检测工具在实际检测过程中仍然面临漏报率和误报率高的问题, 且依赖于智能合约不同版本的分析. 3)静态检测工具的时间开销较小, 而基于符号执行的工具容易因状态爆炸而导致时间开销较大. 4)部分静态检测工具不支持具有复杂继承关系的合约. 5)采用多种漏洞检测技术融合的方式, 可以有效提高检测的精确率和召回率.
ToxiHeap: LLM制导和毒性标记的JavaScript引擎模糊测试框架
, DOI: 10.13328/j.cnki.jos.007635
[摘要] ( 707 ) [HTML] ( 0 ) [PDF 2.01 M] ( 440 )
现有浏览器JavaScript引擎模糊测试工具在检测潜在漏洞方面仍存在局限, 尤其对不触发崩溃的堆内存错误识别能力不足. 为此, 提出ToxiHeap, 一种将内存毒性标记(toxic labeling)的运行时监测和大语言模型(large language model, LLM)制导语义生成, 设计为并行核心轨道的JavaScript引擎模糊测试框架. 检测轨在目标引擎的堆分配与访问路径上插桩, 通过影子内存与细粒度毒性标记统一刻画释放后使用(use-after-free, UAF)、double free、堆越界读写(out-of-bounds read/write,OOB-R/W)、内存泄漏(memory leak)和未初始化堆内存读(uninitialized memory read,UMR)等多类堆错误, 并将对已释放内存等非法状态的访问转化为可消费的异常信号, 弥补传统依赖崩溃信号方法对非崩溃漏洞缺乏有效检测信号的不足; 生成轨采用“蒸馏-激励”两阶段的LLM变异器, 从历史PoC中提炼语义特征并定向构造状态依赖的测试用例, 突破仅依赖语法或轻语义变异在深路径覆盖上的局限. 两条轨道以覆盖增益和非崩溃命中信号在反馈环路中汇合, 协同驱动样本保留、路径权重更新和知识库自增, 同时引入隔离重放验证机制, 在干净进程中二次确认异常, 显著降低非确定性误报. 实验结果表明, 在JavaScriptCore (JSC)引擎上, ToxiHeap在24 h运行下的分支覆盖率由31.17%提升至33.52%, 在V8、SpiderMonkey (SM)和ChakraCore (CH)等其他主流引擎上同样取得了最高或接近最高的分支覆盖率, 有效样本占比稳定在91%以上. 在覆盖UAF等多类缺陷模式的50条PoC参考集上, 4个引擎综合平均的整体检出率达到89.18%.
高秉玉,姚梦雨,王子铭,李锭,陈向群,郭耀
, DOI: 10.13328/j.cnki.jos.007644
[摘要] ( 611 ) [HTML] ( 0 ) [PDF 1.30 M] ( 327 )
编译优化选项作为编译器与开发者之间的核心交互接口, 其合理配置直接影响软件质量与开发效率. 然而, 编译选项的数量庞大且关系复杂, 优化效果同时受到程序特征和机器架构的动态影响, 官方文档难以满足实际应用场景的配置指导需求. 针对上述挑战, 结合静态和动态分析技术, 基于GCC编译器源码深入探讨影响编译器选项效果的两类关系: 内部约束关系和外部环境依赖关系. 首先基于静态分析识别出选项间68对内部约束关系(涉及84个选项)以及103对外部环境依赖关系(包括51个机器架构敏感选项与52个程序特征敏感选项), 并进一步基于动态分析技术验证选项在不同外部环境下的有效性. 然后, 将选项关系的分析结果应用于3个编译相关技术场景: 1)提高选项自动调优效率, 设计基于选项关系感知的遗传调优算法, 相较于不考虑选项关系的其他算法(如遗传算法), 性能平均提升3.65%; 2)提高编译器测试效率, 设计基于选项关系的测试序列生成方法, 生成效率相较于随机方法提升了51.7%; 3)为开发者提供更有效的选项配置方案, 帮助其合理使用选项以达到预期优化目标. 通过这3个应用, 表明编译选项关系在自动调优、编译器测试及实际配置中具有关键作用.
KubeEdge平台软件老化状态判定与抗衰策略生成
, DOI: 10.13328/j.cnki.jos.007645
[摘要] ( 521 ) [HTML] ( 0 ) [PDF 3.30 M] ( 316 )
边缘计算因其低延迟和高效的处理能力而被广泛应用于各个领域, 而KubeEdge平台系统作为边缘智能场景的核心基础软件, 其运行时可靠性至关重要. 然而, 边缘系统上的软件在长期运行后可能会出现软件老化问题, 导致系统响应延迟甚至服务中断, 进而影响用户体验乃至事故. 抗衰操作可以消除老化现象, 但目前针对边缘系统的老化研究相对较少, 且现有抗衰方法无法直接应用于边缘系统. 为解决上述问题, 针对KubeEdge边缘系统提出了一种称为GIP-MI的老化判定与抗衰综合方法, 该方法首先采用GCN-Informer方法对系统指标的空间关联和时序依赖进行建模, 相较于传统方法, 能够更精准、稳定地预测各指标的未来变化趋势; 进而将预测数据送入深度学习方法ParNet, 通过多时间点切片与多分辨率特征融合, 实现对系统资源动态老化状态的更精准判定; 最后, 提出一种基于分解和信息反馈模型的多目标进化算法(MOEA/D-IFM)的任务卸载方法作为抗衰策略, 有效避免系统停机, 保证服务连续性. 实验结果表明, GIP-MI在老化预测和状态识别精度上均优于基线方法, 并且与传统抗衰方法相比, 在停机时间等关键指标上均表现出显著优势, 能够有效恢复系统状态.
OpenSwap: 基于先锁后绑模式的跨链资产交换协议
, DOI: 10.13328/j.cnki.jos.007641
[摘要] ( 875 ) [HTML] ( 0 ) [PDF 2.22 M] ( 387 )
跨链资产交换是资产跨区块链流通的典型模式之一. 以哈希时间锁(hashed timelock contract, HTLC)协议为代表的现有跨链资产交换方案普遍采用“先绑定跟随方、跟随方再锁定资产”的先绑后锁模式. 在该模式下, 一旦已绑定的跟随方退出, 发起方将无法更换交换对象, 只能等待时间锁超时后回收资产并重新发起交换, 从而显著延长交换周期并带来高额的链上开销. 为此, 提出一种先锁后绑的跨链资产交换新模式, 即交换开始前不在合约中预设跟随方, 而是由符合条件的响应方先行锁定资产, 再将其绑定为跟随方. 该模式可避免绑定对象退出带来的多次重试与资产长期锁定问题. 在该模式下, 提出一种基于地址签名锁的跨链资产交换协议——OpenSwap. OpenSwap设计了一种地址签名锁, 通过将跟随方身份信息嵌入锁结构, 使其随着资产的锁定与解锁过程在两条链之间同步, 从而确保两条链对跟随方绑定的一致性. 此外, OpenSwap还通过挑战期、协助解锁等设计, 提升协议安全性和执行效率. 理论分析与实验结果表明, OpenSwap在保证原子性的同时, 显著降低了交换延迟, 并在低用户响应场景下降低了链上开销, 为跨链资产交换提供了更灵活与高效的解决方案.
基于异构依赖网络的开源AI资源可信性风险量化
姚思梦,张洋,赵佳林,李俊辰,沈阳,王涛,张迅晖
, DOI: 10.13328/j.cnki.jos.007621
[摘要] ( 764 ) [HTML] ( 0 ) [PDF 4.48 M] ( 357 )
随着开源模型与数据集规模快速扩张, Hugging Face生态中资源之间形成了复杂的模型-数据集为主体的异构依赖网络, 元数据缺失、依赖集中度等问题使链式风险更易累积与传播. 为刻画这一风险基础, 基于Hugging Face快照构建了一个AI资源依赖网络, 并从全局拓扑与时间演化两个维度分析其结构和演化特征; 进一步提出融合属性完整性、社区反馈的“可信风险”指标, 对模型与数据集节点进行连续化风险量化与排序. 结果表明, 该依赖网络呈显著“尖峰+长尾”结构, 依赖高度集中于少数枢纽节点, 大量资源在关键数据流关系中处于孤立或半孤立状态; 同时, 模型规模爆炸式增长而数据集与贡献者扩张滞后, 导致生态对有限核心数据源的路径依赖持续增强, 形成结构性系统风险. 在节点层面, 可信风险指标对参数扰动保持稳健, 能够在多类风险来源下显著区分高/低风险节点并优于基线方法; 风险耦合分析与专家盲评进一步验证了高风险数据集与高风险模型在局部结构中的聚集与传播效应. 为开源AI生态的风险筛查与治理提供了可复现的量化依据.
芦静文,宋雅晴,张源,何欣雨,龚竞,李洪伟
, DOI: 10.13328/j.cnki.jos.007624
[摘要] ( 643 ) [HTML] ( 0 ) [PDF 1.32 M] ( 395 )
针对数据跨域传输中面临的用户隐私安全与传输数据安全问题, 以及跨域通信系统要求的用户便携性与节点轻量化等实用性问题, 分析现有方案, 提出强对抗环境下面向轻量级节点的数据跨域安全传输方案, 实现: 1)去中心化公钥与身份认证; 2)用户便携式系统访问; 3)通信节点可信密钥协商; 4)抗密钥泄露的数据跨域传输. 形式化证明所提方案的安全性, 并进行原型系统实现与性能评估, 实验结果表明系统计算开销与通信开销是高效的.
面向共享账户序列推荐的提示增强图注意力网络
赵中英,王莹,张劲羽,周慧,李超,曾庆田
, DOI: 10.13328/j.cnki.jos.007626
[摘要] ( 641 ) [HTML] ( 0 ) [PDF 1.34 M] ( 294 )
共享账户是指多个用户通常共享同一电子账户(智能家居系统往往以一个家庭为一个账户), 因此, 同一账户下的行为序列往往包含多个用户的交互记录. 面向共享账户场景的序列推荐成为近年来的研究热点, 但仍然面临以下挑战: (1) 现有方法难以有效解耦同一账户下的不同潜在用户偏好, 导致用户表示学习出现偏差. (2) 现有方法通常采用固定的超参数来模拟共享账户中的潜在用户数量, 难以自适应地确定潜在用户数量, 易导致欠拟合或噪声干扰问题. 为了解决上述挑战, 提出一种面向共享账户序列推荐的提示增强图注意力网络(PE-GAT). 具体而言, 该方法首先通过设计动态加权密度聚类算法来确定账户中的潜在用户数量, 构建用户级序列图, 以显式区分不同潜在用户的交互行为. 在此基础上, 提出基于图注意力网络的预训练模型, 通过解耦混合序列中的用户偏好来学习初始序列表示. 随后, 受预训练-提示调优范式启发, 设计了基于注意力机制的提示增强模块, 通过提示模板优化序列表示并指导模型再训练. 最终, PE-GAT通过融合账户级表示与提示增强后的序列表示, 以生成个性化的推荐结果. 在HVIDEO-E和HVIDEO-V两个真实共享账户数据集上的实验表明, PE-GAT优于14种基线方法, 在 MRR 和 Recall 指标上分别最高提升4.73%和5.59%.
, DOI: 10.13328/j.cnki.jos.007614
[摘要] ( 784 ) [HTML] ( 0 ) [PDF 1.12 M] ( 531 )
TLS协议在保障网络通信的隐私性、完整性和可靠性方面发挥着至关重要的作用. 近年来, 工业界和学术界积极推动TLS协议相关研究和发展, 尤其在TLS 1.3中取得了巨大进展. 然而, 随着网络环境的日益复杂化和攻击手段的不断进步, TLS 1.3的安全性也面临着严峻挑战, 如重放攻击、前向安全风险, 以及OpenSSL软件实现漏洞. 这些攻击和漏洞不仅严重威胁用户隐私与企业数据安全, 也对互联网的信任体系乃至整个社会的数字经济产生深远影响. 首先对TLS 1.3协议发展历程和原理进行详细介绍. 其次, 对TLS 1.3协议相关安全研究进行分类梳理和对比分析, 从协议机制、软件实现和应用配置这3个方面系统分析和归纳. 最后, 总结TLS 1.3协议安全研究现状和瓶颈挑战, 为未来的研究方向提供建议.
, DOI: 10.13328/j.cnki.jos.007613
[摘要] ( 1437 ) [HTML] ( 0 ) [PDF 931.43 K] ( 844 )
大语言模型在自动代码生成领域已展现出巨大的潜力, 但在实际应用中, 生成的代码常存在语法、语义、安全性、运行效率和可维护性等多方面的问题. 为解决这些挑战, 受约束代码生成技术应运而生. 此技术借鉴了受约束文本生成的方法, 通过在代码生成的各个阶段引入严格的约束, 确保生成代码能够满足预期的要求. 首先回顾大语言模型在代码生成过程中所暴露的主要问题, 详细分析代码正确性与代码质量方面的缺陷. 接着, 总结当前受约束代码生成技术的研究进展, 深入探讨不同方法的优势与局限. 之后, 讨论评估方法, 包括基准数据集的构建和评价指标的设计, 为后续研究的实验方案提供有价值的参考. 最后, 展望受约束代码生成技术面临的研究挑战和未来发展趋势.
, DOI: 10.13328/j.cnki.jos.007643
[摘要] ( 1074 ) [HTML] ( 0 ) [PDF 1.42 M] ( 483 )
预训练代码模型在代码理解与分析任务中展现出强大的能力, 逐渐成为源代码漏洞检测领域的重要工具与研究热点. 然而, 与传统深度学习模型类似, 预训练代码模型在面对精心构造的对抗代码输入时仍存在鲁棒脆弱性. 攻击者可通过添加语义保持的扰动, 误导模型将含漏洞代码识别为无漏洞代码, 从而威胁软件安全. 因此, 研究针对预训练漏洞检测模型的对抗攻击, 不仅有助于评估预训练代码模型的鲁棒性, 还能够为后续漏洞检测模型设计和防御机制构建提供重要参考. 针对硬标签黑盒攻击场景, 提出一种面向预训练漏洞检测模型的黑盒对抗攻击方法——VulBlurrer. 设计定向同义代码转换策略优先对漏洞邻近的高敏感区域和特定语句进行扰动, 并提出基于特征一致性、语义一致性与代码流畅度的逃逸分数, 以在无需访问目标模型内部信息的前提下量化候选样本的潜在攻击价值. 此外, 采用基于遗传算法的对抗代码优化策略, 通过动态调整逃逸分数计算权重, 并在迭代过程中采用精英保留机制, 进一步提升攻击准确率. 在基于CodeBERT、GraphCodeBERT、CodeT5和UniXcoder的预训练漏洞检测模型上, 对VulBlurrer及基线方法进行性能测试. 结果显示, VulBlurrer在4种目标模型上的攻击成功率分别达到85.51%、91.47%、93.14%和71.61%, 平均查询次数分别为12.67次、9.10次、11.07次和19.44次. 与现有方法相比, VulBlurrer具有更高的攻击成功率, 且在攻击成功率与查询效率之间实现了更好的权衡, 其生成的对抗代码在语义一致性与代码流畅度方面亦表现更优. 进一步地, 在ChatGPT、DeepSeek和基于大语言模型的辅助编程工具GitHub Copilot、TRAE上开展实证研究, 验证了VulBlurrer在大语言模型上的有效性. 因此, 预训练代码模型在漏洞检测任务中仍面临对抗攻击带来的鲁棒性挑战, 基于预训练模型和大语言模型的漏洞检测工具需要进一步提升面对对抗性代码时的鲁棒性.
覆盖率引导的Python JIT编译器缺陷检测
, DOI: 10.13328/j.cnki.jos.007575
[摘要] ( 727 ) [HTML] ( 0 ) [PDF 2.17 M] ( 472 )
Python作为一种广泛应用的解释型语言, 在执行效率方面存在性能瓶颈. 即时(JIT)编译器被引入Python生态, 它通过将字节码动态编译为机器码, 显著提升了程序的运行速度. 然而, JIT编译器复杂的优化策略可能导致程序缺陷, 影响程序的稳定性和可靠性. 现有的Python解释器模糊测试方法难以有效检测JIT编译器的深层优化缺陷和非崩溃缺陷. 为此, 提出了一种基于覆盖率引导的Python JIT编译器缺陷检测方法PjitFuzz. 首先, 为了能够生成触发Python JIT编译器优化策略的程序变体, PjitFuzz提出了5种基于JIT优化策略的程序变异规则. 其次, 为了聚合不同变异规则的优势并生成多样化的程序变体, PjitFuzz设计了一种基于覆盖率引导的变异规则动态选择方法. 然后, 为了有效记录程序执行过程中变量值的变化情况, 从而检测输出不一致的缺陷, PjitFuzz提出了一种基于计算校验和的代码块插入策略. 最后, 结合不同的JIT编译选项进行差分测试, 从而有效检测Python JIT编译器缺陷. 将PjitFuzz与目前最先进的两种Python解释器模糊测试方法FcFuzzer和IFuzzer进行比较, 实验结果表明, PjitFuzz在缺陷检测能力上, 分别高出150%和66.7%; 在代码覆盖率方面, 分别比现有方法高出28.23%和15.68%; 在生成测试程序有效率方面, 分别高出42.42%和62.74%. 在为期8个月的实验中, PjitFuzz发现并报告了16个缺陷, 其中12个已得到开发人员的确认.
AtexRace: across thread and execution sampling for in-house race detection
[摘要] ( 3831 ) [HTML] ( 0 ) [PDF 525.21 K] ( 8461 )
Data race is a major source of concurrency bugs. Dynamic data race detection tools (e.g., FastTrack) monitor the execu-tions of a program to report data races occurring in runtime. However, such tools incur significant overhead that slows down and perturbs executions. To address the issue, the state-of-the-art dynamic data race detection tools (e.g., LiteRace) ap-ply sampling techniques to selectively monitor memory access-es. Although they reduce overhead, they also miss many data races as confirmed by existing studies. Thus, practitioners face a dilemma on whether to use FastTrack, which detects more data races but is much slower, or LiteRace, which is faster but detects less data races. In this paper, we propose a new sam-pling approach to address the major limitations of current sampling techniques, which ignore the facts that a data race involves two threads and a program under testing is repeatedly executed. We develop a tool called AtexRace to sample memory accesses across both threads and executions. By selectively monitoring the pairs of memory accesses that have not been frequently observed in current and previous executions, AtexRace detects as many data races as FastTrack at a cost as low as LiteRace. We have compared AtexRace against FastTrack and LiteRace on both Parsec benchmark suite and a large-scale real-world MySQL Server with 223 test cases. The experiments confirm that AtexRace can be a replacement of FastTrack and LiteRace.
Adaptively generating high quality fixes for atomicity violations
[摘要] ( 3654 ) [HTML] ( 0 ) [PDF 352.38 K] ( 8930 )
It is difficult to fix atomicity violations correctly. Existing gate lock algorithm (GLA) simply inserts gate locks to serialize exe-cutions, which may introduce performance bugs and deadlocks. Synthesized context-aware gate locks (by Grail) require complex source code synthesis. We propose ?Fixer to adaptively fix ato-micity violations. It firstly analyses the lock acquisitions of an atomicity violation. Then it either adjusts the existing lock scope or inserts a gate lock. The former addresses cases where some locks are used but fail to provide atomic accesses. For the latter, it infers the visibility (being global or a field of a class/struct) of the gate lock such that the lock only protects related accesses. For both cases, ?Fixer further eliminates new lock orders to avoid introducing deadlocks. Of course, ?Fixer can produce both kinds of fixes on atomicity violations with locks. The experi-mental results on 15 previously used atomicity violations show that: ?Fixer correctly fixed all 15 atomicity violations without introducing deadlocks. However, GLA and Grail both intro-duced 5 deadlocks. HFix (that only targets on fixing certain types of atomicity violations) only fixed 2 atomicity violations and introduced 4 deadlocks. ?Fixer also provides an alternative way to insert gate locks (by inserting gate locks with proper visibility) considering fix acceptance.
马皖王莹 , 陈林 , 张翔宇 , 周毓明 , 徐宝文
[摘要] ( 4370 ) [HTML] ( 0 ) [PDF 276.42 K] ( 6720 )
对Github上Python科学计算软件生态系统中的跨项目关联缺陷进行了实证分析,聚焦于开发者对缺陷根源的追踪和上下游项目开发者修复缺陷的协作。通过定性和定量的分析,揭示了影响这类缺陷定位与修复的因素,以及开发者应对它们的常见行为。
随机方法与高精度计算相结合的软件数值错误自动检测与自动诊断
汤恩义 , 张翔宇 , Norbert Th. Muller , 陈振宇 , 李宣东
[摘要] ( 4285 ) [HTML] ( 0 ) [PDF 169.43 K] ( 5538 )
Numerical instability is a well-known problem that may cause serious runtime failures. This paper discusses the reason of instability in software development process, and presents a toolchain that not only detects the potential instability in software, but also diagnoses the reason for such instability. We classify the reason of instability into two categories. When it is introduced by software requirements, we call the instability caused by problem. In this case, it cannot be avoided by improving software development, but requires inspecting the requirements, especially the underlying mathematical properties. Otherwise, we call the instability caused by practice. We design our toolchain as 4 loosely-coupled tools, which combine stochastic arithmetic with infinite-precision testing. Each tool in our toolchain can be configured with different strategies according to the properties of the analyzed software. We evaluate our toolchain on subjects from literature. The results show that it effectively detects and separates the instabilities caused by problems from others. We also conduct an evaluation on the latest version of GNU Scientific Library, and the toolchain finds a few real bugs in the well-maintained and widely deployed numerical library. With the help of our toolchain, we report the details and fixing advices to the GSL buglist.
[摘要] ( 5505 ) [HTML] ( 2 ) [PDF 174.91 K] ( 5808 )
Code contributions in Free/Libre and Open Source Software projects are controlled to maintain high-quality of software. Alternatives to patch-based code contribution tools such as mailing lists and issue trackers have been developed with the pull request systems being the most visible and widely available on GitHub. Is the code contribution process more effective with pull request systems? To answer that, we quantify the effectiveness via the rates contributions are accepted and ignored, via the time until the first response and final resolution and via the numbers of contributions. To control for the latent variables, our study includes a project that migrated from an issue tracker to the GitHub pull request system and a comparison between projects using mailing lists and pull request systems. Our results show pull request systems to be associated with reduced review times and larger numbers of contributions. However, not all the comparisons indicate substantially better accept or ignore rates in pull request systems. These variations may be most simply explained by the differences in contribution practices the projects employ and may be less affected by the type of tool. Our results clarify the importance of understanding the role of tools in effective management of the broad network of potential contributors and may lead to strategies and practices making the code contribution more satisfying and efficient from both contributors' and maintainers' perspectives.
朱家鑫 , 周明辉 , AudrisMockus
[摘要] ( 4561 ) [HTML] ( 0 ) [PDF 254.98 K] ( 6166 )
Code contributions in Free/Libre and Open Source Software projects are controlled to maintain high-quality of software. Alternatives to patch-based code contribution tools such as mailing lists and issue trackers have been developed with the pull request systems being the most visible and widely available on GitHub. Is the code contribution process more effective with pull request systems? To answer that, we quantify the effectiveness via the rates contributions are accepted and ignored, via the time until the first response and final resolution and via the numbers of contributions. To control for the latent variables, our study includes a project that migrated from an issue tracker to the GitHub pull request system and a comparison between projects using mailing lists and pull request systems. Our results show pull request systems to be associated with reduced review times and larger numbers of contributions. However, not all the comparisons indicate substantially better accept or ignore rates in pull request systems. These variations may be most simply explained by the differences in contribution practices the projects employ and may be less affected by the type of tool. Our results clarify the importance of understanding the role of tools in effective management of the broad network of potential contributors and may lead to strategies and practices making the code contribution more satisfying and efficient from both contributors' and maintainers' perspectives.
蒋炎岩 , 陈海骋 , 秦锋 , 许畅 , 马晓星 , 吕建
[摘要] ( 5006 ) [HTML] ( 0 ) [PDF 472.29 K] ( 5813 )
Software should behave correctly even in adverse conditions. Particularly, we study the problem of automated validation of crash consistency, i.e., file system data safety when systems crash. Existing work requires non-trivial manual efforts of specifying checking scripts and workloads, which is an obstacle for software developers. Therefore, we propose C3, a novel approach that makes crash consistency validation as easy as pressing a single button. With a program and an input, C3 automatically reports inconsistent crash sites. C3 not only exempts developers from the need of writing crash site checking scripts (by an algorithm that computes editing distance between file system snapshots) but also reduces the reliance on dedicated workloads (by test amplification). We implemented C3 as an open-source tool. With C3, we found 14 bugs in open-source software that have severe consequences at crash and 11 of them were previously unknown to the developers, including in highly mature software (e.g., GNU zip and GNU coreutils sort) and popular ones being actively developed (e.g., Adobe Brackets and TeXstudio).
[摘要] ( 5029 ) [HTML] ( 0 ) [PDF 293.93 K] ( 6171 )
本文提出了一种可部署的数据竞争动态采样检测技术,首先提出了基于线程本地时序的数据竞争定义,之后基于硬件断点进行采样检测。在采样率为1%时,时间开销约为5%,且有效性得以保证。
张洁 , 娄一翎 , 张令明 , 郝丹 , 张路 , 梅宏
[摘要] ( 5134 ) [HTML] ( 0 ) [PDF 244.61 K] ( 7105 )
在软件开发过程中,软件更新时常发生,怎样保证软件更新后的软件质量呢?这就是回归测试的任务。传统上,回归测试通过检测软件异常行为来保证软件质量。然而,在实践中所有的软件行为不可能全部被检测到,尤其针对于大型的复杂软件系统。为帮助开发人员更好的进行回归测试,传统工作集中在增加测试用例上,即通过人工或自动生成测试输入的方法,观测测试输出以捕获程序行为。这种方法虽一定程度上有效,但也存在很大缺陷:人工编写测试用例费时费力,不能覆盖的代码较多,而且容易受人主观判断的误导(例如忽略某些特别容易存在缺陷的类、方法等);自动生成测试用例技术存在很多问题,例如代价大和无法很好的处理数组、字符串等。基于目前软件测试技术存在的缺陷,很多软件不得不在面临诸多安全威胁的状态下发布,有时甚至造成重大财产损失甚至人员伤亡。因此,我们迫切需要新技术来辅助现有技术以更好的进行回归测试、保障软件质量。
Proteus: Computing Disjunctive Loop Summary via Path Dependency Analysis
谢肖飞 , 陈碧欢 , 刘杨 , Wei Le , 李晓红
[摘要] ( 4525 ) [HTML] ( 0 ) [PDF 358.69 K] ( 5677 )
在程序分析中,循环(Loop)的处理与分析是一个非常重要而且很有挑战的任务。例如,在符号执行(Symbolic Execution)中,循环的不断展开会导致程序路径数量指数级地增长。因此,符号执行通常会陷入不停的循环展开,而不能覆盖到新的程序分支上,最终影响了测试用例生成或者缺陷检测的效率。
陈俊洁 , 白彦威 , 郝丹 , 张令明 , 张路 , 谢冰 , 梅宏
[摘要] ( 5461 ) [HTML] ( 2 ) [PDF 296.44 K] ( 62 )
在软件测试中,测试预言是一种判断程序在给定测试输入下的执行结果是否符合预期的机制。测试预言通常由在测试中需要被观测的变量以及这些变量的预期值组成。对于相同的测试输入,不同的测试预言可能有不同的缺陷检测能力。因此,高质量的测试预言对于检测软件中的缺陷是非常必要的。在已有的研究中,虽然研究人员提出了各种各样的自动化测试输入生成技术,但是测试预言问题仍然被公认为是软件测试中最难解决的问题之一。
[摘要] ( 5090 ) [HTML] ( 0 ) [PDF 313.52 K] ( 191 )
本文基于众测平台,提出了一种基于局部的主动学习方法,能够将众测报告中的缺陷进行自动分类,该方法解决了众测报告分类中的局部偏见问题、及缺少历史训练数据的问题,并基于实际的众测数据进行了验证。
[摘要] ( 6013 ) [HTML] ( 0 ) [PDF 231.98 K] ( 114 )
并发缺陷是由于某些事件按照一定的顺序发生而导致的,本文提出了一种基于缺陷半径的并发缺陷的概率检测方法RPro,并用于死锁的检测,且有概率保证。实验表明该方法可以显著提高死锁的检测概率。
[摘要] ( 5005 ) [HTML] ( 0 ) [PDF 291.31 K] ( 84 )
当公司投入资源到开源社区,其诉求可能跟开放共享的开源开发方法存在冲突,继而影响自由贡献者.因此我们研究:公司参与会对开源社区带来怎样的影响?面向三个技术同构的混合项目,我们总结了三个商业参与模型,并量化了不同模型对贡献者稳定性和持续性的影响.
全文下载排行( 总排行 , 年度排行 , 各期排行 )
摘要点击排行( 总排行 , 年度排行 , 各期排行 )
2027年第38卷 2026年第37卷 2025年第36卷 2024年第35卷 2023年第34卷 2022年第33卷 2021年第32卷 2020年第31卷 2019年第30卷 2018年第29卷 2017年第28卷 2016年第27卷 2015年第26卷 2014年第25卷 2013年第24卷 2012年第23卷 2011年第22卷 2010年第21卷 2009年第20卷 2008年第19卷 2007年第18卷 2006年第17卷 2005年第16卷 2004年第15卷 2003年第14卷 2002年第13卷 2001年第12卷 2000年第11卷 1999年第10卷 1998年第9卷 1997年第8卷 1996年第7卷 1995年第6卷 1994年第5卷 1993年第4卷 1992年第3卷 1991年第2卷 1990年第1卷 5年 0年
孟祥武 , 刘树栋 , 张玉洁 , 胡勋
2015,26(6):1356-1372
, DOI: 10.13328/j.cnki.jos.004831
[摘要] ( 2769166 ) [HTML] ( 7069 ) [PDF 877.35 K] ( 20226 )
近年来,社会化推荐系统已成为推荐系统研究领域较为活跃的研究方向之一.如何利用用户社会属性信息缓解推荐系统中数据稀疏性和冷启动问题、提高推荐系统的性能,成为社会化推荐系统的主要任务.对最近几年社会化推荐系统的研究进展进行综述,对信任推理算法、推荐关键技术及其应用进展进行前沿概括、比较和分析.最后,对社会化推荐系统中有待深入研究的难点、热点及发展趋势进行展望.
王怀民 , 毛晓光 , 丁博 , 沈洁 , 罗磊 , 任怡
, DOI: 10.13328/j.cnki.jos.005648
[摘要] ( 603792 ) [HTML] ( 6973 ) [PDF 310.24 K] ( 10554 )
系统软件是计算学科的基本概念之一,从系统软件的本质特征、时代特点和发展趋势这3个方面给出了关于系统软件的新洞察.洞察1认为,通用图灵机和存储程序思想是系统软件的理论源头和技术源头,其本质特征是"操纵计算系统执行",编码加载和执行管控是两种主要的操纵方式.洞察2认为,系统软件在互联网时代的时代特点是持续在线提供基础服务,为"软件即服务"的新型应用模式奠定了基础.洞察3认为,系统软件的发展趋势是持续在线演化,在计算系统创新、信息物理融合和智能技术的推动下,将成为未来软件生态的核心.
张玉清 , 王晓菲 , 刘雪峰 , 刘玲
2016,27(6):1328-1348
, DOI: 10.13328/j.cnki.jos.005004
[摘要] ( 103373 ) [HTML] ( 10709 ) [PDF 816.86 K] ( 18735 )
伴随云计算技术的飞速发展,其所面临的安全问题日益凸显,在工业界和学术界引起了广泛的关注.传统的云基础架构中存在较高安全风险,攻击者对虚拟机的非法入侵破坏了云服务或资源的可用性,不可信的云存储环境增大了用户共享、检索私有数据的难度,各类外包计算和云应用需求带来了隐私泄露的风险.从云计算环境下安全与隐私保护技术的角度出发,通过介绍云虚拟化安全、云数据安全以及云应用安全的相关研究进展,分析并对比典型方案的特点、适用范围及其在安全防御和隐私保护方面的不同效用,讨论已有工作的局限性,进而指出未来发展趋势和后续研究方向.
, DOI: 10.13328/j.cnki.jos.004631
[摘要] ( 45898 ) [HTML] ( 6854 ) [PDF 763.52 K] ( 25405 )
近年来,迁移学习已经引起了广泛的关注和研究.迁移学习是运用已存有的知识对不同但相关领域问题进行求解的一种新的机器学习方法.它放宽了传统机器学习中的两个基本假设:(1) 用于学习的训练样本与新的测试样本满足独立同分布的条件;(2) 必须有足够可利用的训练样本才能学习得到一个好的分类模型.目的是迁移已有的知识来解决目标领域中仅有少量有标签样本数据甚至没有的学习问题.对迁移学习算法的研究以及相关理论研究的进展进行了综述,并介绍了在该领域所做的研究工作,特别是利用生成模型在概念层面建立迁移学习模型.最后介绍了迁移学习在文本分类、协同过滤等方面的应用工作,并指出了迁移学习下一步可能的研究方向.
张朝昆 , 崔勇 , 唐翯祎 , 吴建平
, DOI: 10.13328/j.cnki.jos.004701
[摘要] ( 44041 ) [HTML] ( 10364 ) [PDF 1.04 M] ( 42528 )
网络抽象促使软件定义网络(software-defined networking,简称SDN)的产生.SDN将数据平面与控制平面解耦合,简化了网络管理.首先从SDN诞生发展的背景入手,梳理了SDN的体系结构,包括数据层、控制层和应用层,并按照SDN的层次结构深入阐述其关键技术,特别分析了一致性、可用性和容错性等特性.然后,论述了SDN在不同应用场景下的最新研究成果.最后,展望未来研究工作.
2003,14(7):1282-1291
[摘要] ( 40611 ) [HTML] ( 0 ) [PDF 832.28 K] ( 88430 )
集成了传感器、微机电系统和网络三大技术而形成的传感器网络是一种全新的信息获取和处理技术.在简要介绍传感器网络体系结构的基础上,分析和展望了一些有价值的应用领域.结合已有研究,总结并详细阐述了包括低功耗路由技术和介质访问控制方法等在内的热点研究问题.最后,针对应用需求,提出了几点研究设想.
[摘要] ( 35604 ) [HTML] ( 0 ) [PDF 308.76 K] ( 49572 )
主要针对宋词这种特殊的汉语诗歌体裁,开展了有关自动生成算法及其实现方法的探索性研究.研究工作主要根据宋词特点,设计了基于平仄的编码方式、基于句法和语义加权值的适应度函数、基于精英主义和轮盘赌算法的选择策略,采用部分映射和启发式交叉算子和启发式变异算子,从而构建了一种基于遗传算法的宋词生成计算模型并进行了系统实现.实验结果表明,所建立的计算模型及其软件系统,初步实现了机器自动生成宋词的目标,对于给定的主题词和词牌,基本上能够自动生成有一定欣赏价值的宋词.论文的工作也填补了我国在汉语诗歌自动生成研究方面的不足.
黄震华 , 张佳雯 , 田春岐 , 孙圣力 , 向阳
, DOI: 10.13328/j.cnki.jos.004948
[摘要] ( 34815 ) [HTML] ( 5677 ) [PDF 2.43 M] ( 25346 )
排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.
, DOI: 10.3724/SP.J.1001.2011.03958
[摘要] ( 32981 ) [HTML] ( 0 ) [PDF 781.42 K] ( 66982 )
云计算代表IT 领域向集约化、规模化与专业化道路发展的趋势,是IT 领域正在发生的深刻变革.但它在提高使用效率的同时,为实现用户信息资产安全与隐私保护带来极大的冲击与挑战.当前,安全成为云计算领域亟待突破的重要问题,其重要性与紧迫性已不容忽视.分析了云计算对信息安全领域中技术、标准、监管等各方面带来的挑战;提出云计算安全参考框架及该框架下的主要研究内容;指出云计算的普及与应用是近年来信息安全领域的重大挑战与发展契机,将引发信息安全领域又一次重要的技术变革.
孟祥武 , 胡勋 , 王立才 , 张玉洁
, DOI: 10.3724/SP.J.1001.2013.04292
[摘要] ( 32865 ) [HTML] ( 0 ) [PDF 0.00 Byte] ( 19907 )
近年来,移动推荐系统已成为推荐系统研究领域最为活跃的课题之一.如何利用移动上下文、移动社会化网络等信息进一步提高移动推荐系统的推荐精确度和用户满意度,成为移动推荐系统的主要任务.对最近几年移动推荐系统研究进展进行综述,对其关键技术、效用评价以及应用实践等进行前沿概括、比较和分析.最后,对移动推荐系统有待深入的研究难点和发展趋势进行分析和展望.
, DOI: 10.13328/j.cnki.jos.004914
[摘要] ( 32445 ) [HTML] ( 7264 ) [PDF 880.96 K] ( 46765 )
Android是目前最流行的智能手机软件平台,报告称,2014年,Android的销售量占到全球份额81%的绝对优势,首次达到10亿部.其余如苹果、微软、黑莓与火狐等则远远落在后面.与此同时,Android智能手机的日益流行也吸引了黑客,导致Android恶意软件应用的大量增加.从Android体系结构、设计原则、安全机制、主要威胁、恶意软件分类与检测、静态分析与动态分析、机器学习方法、安全扩展方案等多维角度,对Android安全的最新研究进展进行了总结与分析.
, DOI: 10.13328/j.cnki.jos.005391
[摘要] ( 32183 ) [HTML] ( 6621 ) [PDF 2.44 M] ( 16760 )
随着社交网络的发展,融合社交信息的推荐成为推荐领域中的一个研究热点.基于矩阵分解的协同过滤推荐方法(简称矩阵分解推荐方法)因其算法可扩展性好及灵活性高等诸多特点,成为研究人员在其基础之上进行社交推荐模型构建的重要原因.围绕基于矩阵分解的社交推荐模型,依据模型的构建方式对社交推荐模型进行综述.在实际数据上,对已有代表性社交推荐方法进行对比,分析各种典型社交推荐模型在不同视角下的性能(如整体用户、冷启动用户、长尾物品).最后,分析了基于矩阵分解的社交推荐模型及其求解算法存在的问题,并对未来研究方向与发展趋势进行展望.
[摘要] ( 31342 ) [HTML] ( 0 ) [PDF 671.39 K] ( 70245 )
对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知名的数据集,主要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题.上述工作将为聚类分析和数据挖掘等研究提供有益的参考.
公茂果 , 焦李成 , 杨咚咚 , 马文萍
[摘要] ( 31227 ) [HTML] ( 0 ) [PDF 675.56 K] ( 53950 )
进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研究热点之一.在简要总结2003年以前的主要算法后,着重对进化多目标优化的最新进展进行了详细讨论.归纳出当前多目标优化的研究趋势,一方面,粒子群优化、人工免疫系统、分布估计算法等越来越多的进化范例被引入多目标优化领域,一些新颖的受自然系统启发的多目标优化算法相继提出;另一方面,为了更有效的求解高维多目标优化问题,一些区别于传统Pareto占优的新型占优机制相继涌现;同时,对多目标优化问题本身性质的研究也在逐步深入.对公认的代表性算法进行了实验对比.最后,对进化多目标优化的进一步发展提出了自己的看法.
2009,20(5):1337-1348
[摘要] ( 31100 ) [HTML] ( 0 ) [PDF 1.06 M] ( 52276 )
针对云计算这样一个范畴综述了当前云计算所采用的技术,剖析其背后的技术含义以及当前云计算参与企业所采用的云计算实现方案.云计算包含两个方面的含义:一方面是底层构建的云计算平台基础设施,是用来构造上层应用程序的基础;另外一方面是构建在这个基础平台之上的云计算应用程序.主要是针对云计算的基础架构的研究与实现状况给出综述,对于云计算的应用也有所涉及.云计算有3个最基本的特征:第1个是基础设施架构在大规模的廉价服务器集群之上;第二是应用程序与底层服务协作开发,最大限度地利用资源;第3个是通过多个廉价服务器之间的冗余,通过软件获得高可用性.云计算达到了两个分布式计算的重要目标:可扩展性和高可用性.可扩展性表达了云计算能够无缝地扩展到大规模的集群之上,甚至包含数千个节点同时处理.高可用性代表了云计算能够容忍节点的错误,甚至有很大一部分节点发生失效也不会影响程序的正确运行.通过此文可以了解云计算的当前发展状况以及未来的研究趋势.
2018,29(9):2681-2696
, DOI: 10.13328/j.cnki.jos.005274
[摘要] ( 29753 ) [HTML] ( 4103 ) [PDF 1.66 M] ( 9133 )
推荐系统已成为一种解决信息过载和帮助用户决策的有效工具.当前的研究表明,结合社会关系的推荐模型能够提升推荐的性能.然而,已有的社会化推荐模型大都忽略了物品之间的关联关系对推荐性能的影响.针对此问题,提出一种度量物品之间关联程度的方法,并将其用于获取物品之间的关联关系.然后,将关联关系与社会关系相结合,提出一种基于联合正则化的矩阵分解推荐模型,并证明了联合正则化是一种加权的原子范数.最后,根据提出的模型构建了一种推荐算法CRMF.在4个真实数据集上的实验结果表明:与主流的推荐算法相比,该算法不仅可以缓解用户的冷启动问题,而且更能有效地预测不同类型用户的实际评分.
, DOI: 10.13328/j.cnki.jos.005143
[摘要] ( 28964 ) [HTML] ( 13442 ) [PDF 3.58 M] ( 37199 )
大数据时代下,移动互联网发展与移动终端的普及形成了海量移动对象轨迹数据.轨迹数据含有丰富的时空特征信息,通过轨迹数据处理技术,可以挖掘人类活动规律与行为特征、城市车辆移动特征、大气环境变化规律等信息.海量的轨迹数据也潜在性地暴露出移动对象行为特征、兴趣爱好和社会习惯等隐私信息,攻击者可以根据轨迹数据挖掘出移动对象的活动场景、位置等属性信息.另外,量子计算因其强大的存储和计算能力成为大数据挖掘重要的理论研究方向,用量子计算技术处理轨迹大数据,可以使一些复杂的问题得到解决并实现更高的效率.对轨迹大数据中数据处理关键技术进行了综述.首先,介绍轨迹数据概念和特征,并且总结了轨迹数据预处理方法,包括噪声滤波、轨迹压缩等;其次,归纳轨迹索引与查询技术以及轨迹数据挖掘已有的研究成果,包括模式挖掘、轨迹分类等;总结了轨迹数据隐私保护技术基本原理和特点,介绍了轨迹大数据支撑技术,如处理框架、数据可视化;也讨论了轨迹数据处理中应用量子计算的可能方式,并且介绍了目前轨迹数据处理中所使用的核心算法所对应的量子算法实现;最后,对轨迹数据处理面临的挑战与未来研究方向进行了总结与展望.
温雯 , 黄家明 , 蔡瑞初 , 郝志峰 , 王丽娟
, DOI: 10.13328/j.cnki.jos.005437
[摘要] ( 28947 ) [HTML] ( 5991 ) [PDF 1.36 M] ( 12419 )
图表示学习是实现各类图挖掘任务的基础.现实中的图数据不仅包含复杂的网络结构,还包括多样化的节点信息.如何将网络结构和节点信息更加有效地融入图的表示学习中,是一个重要的问题.为了解决这一问题,基于深度学习,提出了融合节点先验信息的图表示学习方法.该方法将节点特征作为先验知识,要求学习到的表示向量同时保持图数据中的网络结构相似性和节点特征相似性.该方法的时间复杂度为 O (| V |),其中,| V |为图节点数量,表明该方法适用于大规模图数据分析.同时,在多个数据集上的实验结果表明:所提出的方法相比目前流行的几种基线方法,在分类任务上能够获得良好而稳定的优势.
胡川 , 孟祥武 , 张玉洁 , 杜雨露
2018,29(10):3164-3183
, DOI: 10.13328/j.cnki.jos.005288
[摘要] ( 28644 ) [HTML] ( 4116 ) [PDF 2.31 M] ( 8524 )
近年来,组推荐系统已经逐渐成为推荐系统领域的研究热点之一.在电影电视和旅游推荐中,用户常常是参与活动的一组人,这就需要为多个用户形成的群组进行推荐.作为解决群组推荐问题的有效手段,组推荐系统将单个用户推荐扩展为群组推荐,目前已经应用在新闻、音乐、电影、餐饮等诸多领域.现有的组推荐融合方法主要是模型融合与推荐融合,其效用好坏目前仍没有定论,并且它们各有自己的优缺点.模型融合存在着群组成员间的公平性问题,推荐融合忽视了群组成员间的交互.提出一种改进的偏好融合组推荐方法,它结合了两种融合方法的优点.同时根据实验得出了"群组偏好与个人偏好具有相似性"的结论,并将它结合在改进方法中.最后,通过在Movielens数据集上的实验分析,验证了该方法的有效性,证明了它能够有效地提高推荐准确率.
联合建模异构社交和内容信息的活动推荐模型
王绍卿 , 王征 , 李翠平 , 赵衎衎 , 陈红
2018,29(10):3134-3149
, DOI: 10.13328/j.cnki.jos.005284
[摘要] ( 28432 ) [HTML] ( 3440 ) [PDF 1.90 M] ( 9013 )
随着基于活动的社交网络的迅速发展,活动推荐已成为一个重要的工具,帮助人们在线上发现有趣的活动,并在线下面对面地参与活动.但是,相对于传统的推荐系统,活动推荐面临着很多挑战.(1)用户只能参与很少的活动,这就导致一个非常稀疏的用户-活动矩阵;(2)用户对活动的响应是隐性反馈;(3)活动本身有生命周期,已经过期的活动不能再向用户推荐;(4)每天会有很多新的活动产生,需要及时向用户推荐.为了应对这些挑战,提出一个联合建模异构社交和内容信息的活动推荐模型.该模型可同时探索用户的线上和线下社交活动,并结合活动内容建模用户对活动的决策行为.在Meetup数据集上做实验以评估所提出模型的性能.实验结果表明,提出的模型优于其他方法.
燕彩蓉 , 周灵杰 , 张青龙 , 李晓林
, DOI: 10.13328/j.cnki.jos.005681
[摘要] ( 28063 ) [HTML] ( 5802 ) [PDF 7.87 M] ( 12857 )
因子分解机(factorization machine,简称FM)模型因为能够有效解决高维数据特征组合的稀疏问题且具有较高的预测精度和计算效率,在广告点击率预测和推荐系统领域被广泛研究和应用.对FM及其相关模型的研究进展进行综述,有利于促进该模型的进一步改进和应用.通过比较FM模型与多项式回归模型和因子分解模型之间的关联关系,阐述FM模型的灵活性和普适性.从特征的高阶交互、特征的场交互、特征的分层交互以及基于特征工程的特征提取、合并、智能选择和提升等角度,总结模型在宽度扩展方面的方法、策略和关键技术.比较和分析了FM模型与其他模型的集成方式和特点,尤其是与深度学习模型的集成,为传统模型的深度扩展提供了思路.对FM模型的优化学习方法和基于不同并行与分布式计算框架的实现进行概括、比较和分析.最后,对FM模型中有待深入研究的难点、热点及发展趋势进行展望.
基于信任机制下概率矩阵分解的用户评分预测
杜东舫 , 徐童 , 鲁亚男 , 管楚 , 刘淇 , 陈恩红
2018,29(12):3747-3763
, DOI: 10.13328/j.cnki.jos.005322
[摘要] ( 26699 ) [HTML] ( 3092 ) [PDF 1.97 M] ( 5616 )
互联网的蓬勃发展,在为用户提供便利的同时,其海量信息也为用户选择造成了困难,基于用户理解的信息推荐服务正成为应时之需.相较于面向单个用户信息的传统推荐技术,基于社交信息的推荐技术通过引入影响力建模,可以更真实地还原用户属性及行为.然而,已有的社交推荐技术往往停留于对用户影响的笼统归纳,并没有对其内在机制进行清晰分类和量化.针对这一问题,通过对用户评分行为中的信任关系进行分析,着重研究了信任用户间接影响用户偏好和直接影响用户评分两种不同机制,进而提出了基于用户间信任关系融合建模的概率矩阵分解模型TPMF,从而实现对上述两种机制的有效融合.在此基础之上,针对不同用户受两种机制影响权重不同的问题,通过借助评分相关性对用户进行聚类并映射到相应权重,实现了用户模型参数的个性化选择.公开数据集的多项实验结果表明:提出的TPMF及其衍生算法在各项指标上优于现有代表性算法,验证了所提出的影响机制及技术框架的有效性.
马慧芳 , 张迪 , 赵卫中 , 史忠植
2019,30(11):3397-3412
, DOI: 10.13328/j.cnki.jos.005545
[摘要] ( 26555 ) [HTML] ( 3428 ) [PDF 1.76 M] ( 7970 )
向微博用户推荐对其有价值和感兴趣的内容,是改善用户体验的重要途径.通过分析微博特点以及现有微博推荐算法的缺陷,利用标签信息表征用户兴趣,提出一种结合标签扩充与标签概率相关性的微博推荐方法.首先,考虑到大部分微博用户未给自己添加任何标签或添加标签过少,视用户发布微博为超边,微博中的词视为超点来构建超图,并以一定的加权策略对超边和超点进行加权,通过在超图上随机游走,得到一定数量的关键词,对微博用户标签进行扩充;然后,采用相关性标签权重加权方案构建用户-标签矩阵,利用标签之间的概率相关性,构造标签相似性矩阵,对用户-标签矩阵进行更新,使该矩阵既包含用户兴趣信息,又包含标签与标签之间的关系.以新浪微博公开API抓取的微博信息作为实验数据进行了一系列的实验和分析,结果表明,该推荐算法具有较好的效果.
一种基于协同上下文关系学习的同城活动推荐算法
赖奕安 , 张玉洁 , 杜雨露 , 孟祥武
, DOI: 10.13328/j.cnki.jos.005618
[摘要] ( 26251 ) [HTML] ( 3390 ) [PDF 1.65 M] ( 6436 )
新兴的基于活动的社交网络以活动为核心,结合线上关系与线下活动促进用户真实、有效的社交关系的形成,但过多的活动信息会使用户难以分辨和选择.结合上下文进行个性化同城活动推荐,是解决活动信息过载问题的一种有效手段.然而大部分现有的同城活动推荐算法都是从用户参与活动记录中间接统计用户对上下文信息的偏好,忽略了两者之间潜在的交叉影响关系,从而影响了推荐结果的有效性.为了解决用户参与活动偏好与上下文信息潜在交叉影响关系利用不足的问题,提出了一种基于协同上下文关系学习的同城活动推荐算法(colletivecontextual relation learning,简称CCRL).首先,对用户参与活动记录和活动主办方、活动内容、活动地点、举办时间等相关上下文信息进行关系建模;然后,采用多关系贝叶斯个性化排序学习方法进行协同上下文关系学习及同城活动推荐.Meetup数据集上的实验结果表明,该算法在多项指标上均优于现有的主流活动推荐算法.
, DOI: 10.13328/j.cnki.jos.004688
[摘要] ( 25682 ) [HTML] ( 8427 ) [PDF 1.65 M] ( 14246 )
数据的爆炸式增长给传统的关系型数据库带来了巨大的挑战,使其在扩展性、容错性等方面遇到了瓶颈.而云计算技术依靠其高扩展性、高可用性、容错性等特点,成为大规模数据管理的有效方案.然而现有的云数据管理系统也存在不足之处,其只能支持基于主键的快速查询,因缺乏索引、视图等机制,所以不能提供高效的多维查询、join等操作,这限制了云计算在很多方面的应用.主要对云数据管理中的索引技术的相关工作进行了深入调研,并作了对比分析,指出了其各自的优点和不足;对在云计算环境下针对海量物联网数据的多维索引技术研究工作进行了简单介绍;最后指出了在云计算环境下针对大数据索引技术的若干挑战性问题.
[摘要] ( 24524 ) [HTML] ( 0 ) [PDF 614.61 K] ( 29485 )
在4个方面对软件工程技术的发展进行一些思索:(1) 从事物发展规律的角度,揭示软件工程技术发展历程;(2) 从软件本质特征的角度,浅析虚拟机各抽象层次的构造;(3) 从软件开发的本质,提出了软件工程学科研究的内容,并研究了软件工业化生产模式;(4) 以Internet的出现为背景,探索了软件技术的发展趋势.
, DOI: 10.3724/SP.J.1001.2012.04100
[摘要] ( 24497 ) [HTML] ( 0 ) [PDF 1017.73 K] ( 42609 )
近年来,上下文感知推荐系统已成为推荐系统研究领域最为活跃的研究领域之一.如何利用上下文信息进一步提高推荐系统的推荐精确度和用户满意度,成为上下文感知推荐系统的主要任务.从面向过程的角度对最近几年上下文感知推荐系统的研究进展进行综述,对其系统框架、关键技术、主要模型、效用评价以及应用实践等进行了前沿概括、比较和分析.最后,对上下文感知推荐系统有待深入的研究难点和发展趋势进行了展望
2010,21(8):1834-1848
[摘要] ( 24418 ) [HTML] ( 0 ) [PDF 682.96 K] ( 66053 )
对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为3项主要任务,即情感信息抽取、情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分析的国内外评测和资源建设情况;最后介绍了文本情感分析的应用.重在对文本情感分析研究的主流方法和前沿进展进行概括、比较和分析.
[摘要] ( 23162 ) [HTML] ( 0 ) [PDF 1009.57 K] ( 24521 )
随着电子商务的迅速崛起,基于Web的应用模式迅速发展,Web应用从局部化发展到全球化,从B2C(business-to-customer)发展到B2B(business-to-business),从集中式发展到分布式,Web服务成为电子商务的有效解决方案.Web服务是一个崭新的分布式计算模型,是Web上数据和信息集成的有效机制.Web服务的新型构架,Web服务的高效执行方式,Web服务与其他成熟技术的有机结合以及Web服务的集成是解决现实应用问题的重要技术.从Web服务研究的不同侧面对其进行了综述,阐述了Web服务的基本概念,分析了当前Web服务的主要研究问题及其核心支撑技术,概括了Web服务中的数据集成技术、Web服务的组合、语义Web服务、Web服务发现,Web服务安全,P2P(Peer-to-Peer)新型计算环境下的Web服务解决方案和网格服务等方面的研究内容,并对这些技术进行了总结,结合已有的研究成果,展望了Web服务未来的研究方向及其面临的挑战.
杨 博 , 刘大有 , LIU Jiming , 金 弟 , 马海宾
[摘要] ( 22348 ) [HTML] ( 0 ) [PDF 1.41 M] ( 59649 )
网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.
[摘要] ( 21858 ) [HTML] ( 2 ) [PDF 489.65 K] ( 38821 )
作为一种全新的信息获取和处理技术,无线传感器网络可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而网络自身定位是大多数应用的基础.介绍了无线传感器网络自身定位系统和算法的性能评价标准和分类方法,着重综述了近年来该领域具有代表性的算法及系统的原理和特点,并指出未来的研究方向.
, DOI: 10.13328/j.cnki.jos.005190
[摘要] ( 21838 ) [HTML] ( 7567 ) [PDF 2.49 M] ( 27520 )
信息流分析可以有效保证计算机系统中信息的保密性和完整性,污点分析作为其实践,被广泛用于软件系统的安全保障技术领域.对近些年来面向解决应用程序安全问题的污点分析技术进行综述:首先,总结了污点分析的基本原理以及在应用中的通用技术,即,使用动态和静态的方法解决污点传播;随后,分析该技术在移动终端、互联网平台上的应用过程中遇到的问题和解决方案,包括解决Android应用隐私泄露与检测Web系统安全漏洞的污点分析技术;最后,展望该技术的研究前景和发展趋势.
王意洁 , 孙伟东 , 周松 , 裴晓强 , 李小勇
, DOI: 10.3724/SP.J.1001.2012.04175
[摘要] ( 21134 ) [HTML] ( 0 ) [PDF 2.09 M] ( 40286 )
云计算作为下一代计算模式,在科学计算和商业计算领域均发挥着重要作用,受到当前学术界和企业界的广泛关注.云计算环境下的分布存储主要研究数据在数据中心上的组织和管理,作为云计算环境的核心基础设施,数据中心通常由百万级以上节点组成,存储其上的数据规模往往达到PB 级甚至EB 级,导致数据失效成为一种常态行为,极大地限制了云计算的应用和推广,增加了云计算的成本.因此,提高可扩展性和容错性、降低成本,成为云计算环境下分布存储研究的若干关键技术.针对如何提高存储的可扩展性、容错性以及降低存储的能耗等目标,从数据中心网络的设计、数据的存储组织方式等方面对当前分布存储的关键技术进行了综述.首先,介绍并对比了当前典型的数据中心网络结构的优缺点;其次,介绍并对比了当前常用的两种分布存储容错技术,即基于复制的容错技术和基于纠删码的容错技术;第三,介绍了当前典型的分布存储节能技术,并分析了各项技术的优缺点;最后指出了当前技术面临的主要挑战和下一步研究的方向.
大数据分析——RDBMS 与MapReduce 的竞争与共生
覃雄派 , 王会举 , 杜小勇 , 王珊
, DOI: 10.3724/SP.J.1001.2012.04091
[摘要] ( 20793 ) [HTML] ( 1 ) [PDF 408.86 K] ( 39583 )
在科学研究、计算机仿真、互联网应用、电子商务等诸多应用领域,数据量正在以极快的速度增长,为了分析和利用这些庞大的数据资源,必须依赖有效的数据分析技术.传统的关系数据管理技术(并行数据库)经过了将近40 年的发展,在扩展性方面遇到了巨大的障碍,无法胜任大数据分析的任务;而以MapReduce 为代表的非关系数据管理和分析技术异军突起,以其良好的扩展性、容错性和大规模并行处理的优势,从互联网信息搜索领域开始,进而在数据分析的诸多领域和关系数据管理技术展开了竞争.关系数据管理技术阵营在丧失搜索这个阵地之后,开始考虑自身的局限性,不断借鉴MapReduce 的优秀思想改造自身,而以MapReduce 为代表的非关系数据管理技术阵营,从关系数据管理技术所积累的宝贵财富中挖掘可以借鉴的技术和方法,不断解决其性能问题.面向大数据的深度分析需求,新的架构模式正在涌现.关系数据管理技术和非关系数据管理技术在不断的竞争中互相取长补短,在新的大数据分析生态系统内找到自己的位置.
, DOI: 10.13328/j.cnki.jos.004540
[摘要] ( 20778 ) [HTML] ( 3951 ) [PDF 1.24 M] ( 10710 )
信息物理融合系统(cyber-physical system,简称CPS)蕴藏着巨大的潜在应用价值.时间在CPS中起到非常重要的作用,应该在需求早期阶段明确.提出了一个基于逻辑时钟的CPS时间需求一致性分析框架.首先,构建了CPS软件的时间需求概念模型,提供时间需求和功能需求的基本概念,并给出了概念模型的形式化语义;然后,在模型制导下,从CPS的交互环境特性和约束中提取出其软件时间需求规约.基于形式化语义,定义了时间需求规约的一致性特性.为了支持形式化验证,将时间需求规约转换成NuSMV模型,用CTL公式表述要检测的特性,并使用NuSMV工具实施了一致性检测.
复杂嵌入式实时系统体系结构设计与分析语言:AADL
杨志斌 , 皮 磊 , 胡 凯 , 顾宗华 , 马殿富
[摘要] ( 19993 ) [HTML] ( 0 ) [PDF 972.65 K] ( 21048 )
首先归纳了AADL(architecture analysis and design language)的发展历程及其主要建模元素.其次,从模型
驱动设计与实现的角度综述了AADL 在不同阶段的研究与应用,总结了研究热点,分析了现有研究的不足,并对
AADL 的建模与分析工具、应用实践进行了概述.最后,探讨了AADL 的发展与研究方向.
许海玲 , 吴 潇 , 李晓东 , 阎保平
[摘要] ( 19448 ) [HTML] ( 1 ) [PDF 1.39 M] ( 49670 )
全面地总结推荐系统的研究现状,旨在介绍网络推荐的算法思想、帮助读者了解这个研究领域.首先阐述了推荐系统研究的工业需求、主要研究机构和成果发表的期刊会议;在讨论了推荐问题的形式化和非形式化定义之后,对主流算法进行了分类和对比;最后总结了常用数据集和评测指标,领域的重难点问题和未来可能的研究热点.
熊永平 , 孙利民 , 牛建伟 , 刘 燕
[摘要] ( 19325 ) [HTML] ( 0 ) [PDF 1.06 M] ( 29622 )
大量具备短距离通信能力的智能设备的出现推动了无线自组网应用的迅速发展.但在许多实际应用环境中,节点移动、网络稀疏或信号衰减等各种原因通常导致形成的网络大部分时间不连通.传统的移动自组织网络传输模式要求通信源和目标节点之间存在至少一条完整的路径,因而无法在这类环境中运行.机会网络利用节点移动形成的通信机会逐跳传输消息,以"存储-携带-转发"的路由模式实现节点间通信,这种完全不同于传统网络通信模式的新兴组网方式引起了研究界极大的兴趣.首先介绍机会网络的概念和理论基础,并给出了当前机会网络的一些典型应用,然后详细阐述了机会网络研究的热点问题,包括机会转发机制、移动模型和基于机会通信的数据分发和检索等,并简要叙述了机会网络的通信中间件、协作和安全机制以及机会网络新的应用等其他研究问题,最后进行总结并展望了机会网络未来一段时间内的研究重点.
[摘要] ( 19185 ) [HTML] ( 0 ) [PDF 1.09 M] ( 32968 )
通过软件开发实践,人们逐步地认识到软件产品的质量在很大程度上依赖于产品开发时所使用的过程.软件过程建模是通过特定的方法对软件过程进行抽象、表示和分析以增加对软件过程的理解,同时,可执行的(enactable)软件过程模型可以直接指导实际软件开发活动,进而规范软件开发行为并最终提高软件质量.为了系统地了解软件过程建模方法研究的现状和最新进展,采用系统评价(systematic review)方法对该领域最近10年的主要研究进行了概括和分析.从一系列的相关研究中,选出来自20 个会议和7 种期刊的72 篇文献,作为系统评价的依据.该系统评价回答了如下关于软件过程建模方法的3 个问题,以便从总体上概括和把握该领域的研究:1) 软件过程建模方法主要基于什么范式;2) 软件过程建模方法研究的主要目的集中在哪些方面;3) 软件过程建模方法的研究有哪些新的趋势.同时,在仔细回顾和分析软件过程建模领域研究现状的基础上,给出了一种多维度的集成化软件过程建模方法.该方法有助于解决过程建模领域所面临的主要问题.
文伟平 , 卿斯汉 , 蒋建春 , 王业君
2004,15(8):1208-1219
[摘要] ( 18752 ) [HTML] ( 0 ) [PDF 948.49 K] ( 22528 )
随着网络系统应用及复杂性的增加,网络蠕虫成为网络系统安全的重要威胁.在网络环境下,多样化的传播途径和复杂的应用环境使网络蠕虫的发生频率增高、潜伏性变强、覆盖面更广,网络蠕虫成为恶意代码研究中的首要课题.首先综合论述网络蠕虫的研究概况,然后剖析网络蠕虫的基本定义、功能结构和工作原理,讨论网络蠕虫的扫描策略和传播模型,归纳总结目前防范网络蠕虫的最新技术.最后给出网络蠕虫研究的若干热点问题与展望.
2009,20(11):2965-2976
[摘要] ( 18193 ) [HTML] ( 0 ) [PDF 442.42 K] ( 23627 )
研究不确定图数据的挖掘,主要解决不确定图数据的频繁子图模式挖掘问题.介绍了一种数据模型来表示图的不确定性,以及一种期望支持度来评价子图模式的重要性.利用期望支持度的Apriori性质,给出了一种基于深度优先搜索策略的挖掘算法.该算法使用高效的期望支持度计算方法和搜索空间裁剪技术,使得计算子图模式的期望支持度所需的子图同构测试的数量从指数级降低到线性级.实验结果表明,该算法比简单的深度优先搜索算法快3~5个数量级,有很高的效率和可扩展性.
2009,20(5):1226-1240
[摘要] ( 18134 ) [HTML] ( 0 ) [PDF 926.82 K] ( 24305 )
对几种智能规划方法中利用的逻辑演绎与推理技术予以分析,分别介绍利用命题逻辑的基于可满足性的规划方法与规划系统,利用模态逻辑与析取推理的Conformant规划方法与规划系统,利用非单调逻辑的规划方法和利用模糊描述逻辑的Flexible规划方法,并结合国际规划竞赛和相关论文等的实验结论说明上述方法的有效性和可行性.最后,提出目前基于自动推理技术的智能规划方法所面临的挑战、可能的处理方法以及与之相关的研究热点与趋势.
传感器网络及其数据管理的概念、问题与进展
2003,14(10):1717-1727
[摘要] ( 17862 ) [HTML] ( 0 ) [PDF 839.25 K] ( 23723 )
传感器网络综合了传感器技术、嵌入式计算技术、分布式信息处理技术和无线通信技术,能够协作地实时监测、感知和采集各种环境或监测对象的信息,并对其进行处理,传送到这些信息的用户.传感器网络是计算机科学技术的一个新的研究领域,具有十分广阔的应用前景,引起了学术界和工业界的高度重视.介绍了传感器网络及其数据管理的概念和特点,探讨了传感器网络及其数据管理的研究问题,并综述了传感器网络及其数据管理的研究现状.
, DOI: 10.13328/j.cnki.jos.004558
[摘要] ( 17591 ) [HTML] ( 5961 ) [PDF 1.32 M] ( 29559 )
大数据计算主要有批量计算和流式计算两种形态,目前,关于大数据批量计算系统的研究和讨论相对充分,而如何构建低延迟、高吞吐且持续可靠运行的大数据流式计算系统是当前亟待解决的问题且研究成果和实践经验相对较少.总结了典型应用领域中流式大数据所呈现出的实时性、易失性、突发性、无序性、无限性等特征,给出了理想的大数据流式计算系统在系统结构、数据传输、应用接口、高可用技术等方面应该具有的关键技术特征,论述并对比了已有的大数据流式计算系统的典型实例,最后阐述了大数据流式计算系统在可伸缩性、系统容错、状态一致性、负载均衡、数据吞吐量等方面所面临的技术挑战.
蒋建春 , 马恒太 , 任党恩 , 卿斯汉
2000,11(11):1460-1466
[摘要] ( 16677 ) [HTML] ( 1 ) [PDF 520.69 K] ( 17745 )
入侵检测是近年来网络安全研究的热 点.首先说明入侵检测的必要性,并给出入侵检测的概念和模型,概述了多种入侵检测方法及 体系结构.最后,讨论了该领域当前存在的问题及今后的研究方向.
林子雨 , 赖永炫 , 林琛 , 谢怡 , 邹权
2012,23(5):1148-1166
, DOI: 10.3724/SP.J.1001.2012.04195
[摘要] ( 16393 ) [HTML] ( 0 ) [PDF 946.37 K] ( 24496 )
随着云计算的发展,云数据库的重要性和价值日益显现.介绍了云数据库的特性、影响、相关产品.详细讨论了云数据库领域的研究问题,包括数据模型、系统体系架构、事务一致性、编程模型、数据安全、性能优化和测试基准等.最后讨论了云数据库未来的研究方向.
申德荣 , 于戈 , 王习特 , 聂铁铮 , 寇月
2013,24(8):1786-1803
, DOI: 10.3724/SP.J.1001.2013.04416
[摘要] ( 16230 ) [HTML] ( 0 ) [PDF 1.04 M] ( 29015 )
针对大数据管理的新需求,呈现出了许多面向特定应用的NoSQL 数据库系统.针对基于key-value 数据模型的NoSQL 数据库的相关研究进行综述.首先,介绍了大数据的特点以及支持大数据管理系统面临的关键技术问题;然后,介绍了相关前沿研究和研究挑战,其中典型的包括系统体系结构、数据模型、访问方式、索引技术、事务特性、系统弹性、动态负载均衡、副本策略、数据一致性策略、基于flash 的多级缓存机制、基于MapReduce 的数据处理策略和新一代数据管理系统等;最后给出了研究展望.
基于蚁群优化解决传感器网络中的能量洞问题
宋 超 , 刘 明 , 龚海刚 , 陈贵海 , 王晓敏
2009,20(10):2729-2743
[摘要] ( 16041 ) [HTML] ( 0 ) [PDF 1.12 M] ( 17517 )
基于多跳的无线传感器网络,越靠近sink的传感器节点因需要转发更多的数据,其能量消耗就越快,从而在sink周围形成了一种称为“能量洞”的现象.“能量洞”问题会导致整个网络由于内部节点能量过早耗尽而结束寿命,同时,网络中离sink较远的节点仍有大量能量剩余.研究“能量洞”现象,基于改进的分级环模型,总结出调节各环内节点的数据传输距离是实现网络节能的有效方法.证明搜索各区域最优的传输距离是一个多目标优化问题,即是NP难问题.从而提出一种基于蚁群优化的分布式算法,各区域根据其节点分布情况自适应地探索近似最优的传输距离,延长网络寿命.模拟实验结果表明,该算法在较短的时间内能够收敛到合理的解,并且得到的网络寿命接近于理想情况下的最优时间,与现有的类似算法相比,该算法提供了更长的网络寿命,并能适用于非均匀节点分布情况.
2002,13(7):1228-1237
[摘要] ( 15807 ) [HTML] ( 0 ) [PDF 500.04 K] ( 21904 )
近年来,软件体系结构逐渐成为软件工程领域的研究热点以及大型软件系统与软件产品线开发中的关键技术之一.归纳了软件体系结构技术发展过程及其主要研究方向.在分析了典型的软件体系结构概念之后,给出了软件体系结构的定义.通过总结软件体系结构领域的若干研究活动,提出了软件体系结构研究的两大思路,并从7个方面介绍了软件体系结构研究进展.探讨了软件体系结构研究中的不足之处,并分析其原因.作为总结,给出了软件体系结构领域最有前途的发展趋势.
2006,17(7):1588-1600
[摘要] ( 15778 ) [HTML] ( 0 ) [PDF 808.73 K] ( 22239 )
在无线传感器网络体系结构中,网络层的路由技术至关重要.分簇路由具有拓扑管理方便、能量利用高效、数据融合简单等优点,成为当前重点研究的路由技术.分析了无线传感器网络分簇路由机制,着重从簇头的产生、簇的形成和簇的路由角度系统地描述了当前典型的分簇路由算法,并比较和分析了这些算法的特点和适用情况.最后结合该领域当前研究现状,指出分簇路由算法未来的研究重点.
全文下载排行( 总排行 , 年度排行 , 各期排行 )
摘要点击排行( 总排行 , 年度排行 , 各期排行 )
2027年第38卷 2026年第37卷 2025年第36卷 2024年第35卷 2023年第34卷 2022年第33卷 2021年第32卷 2020年第31卷 2019年第30卷 2018年第29卷 2017年第28卷 2016年第27卷 2015年第26卷 2014年第25卷 2013年第24卷 2012年第23卷 2011年第22卷 2010年第21卷 2009年第20卷 2008年第19卷 2007年第18卷 2006年第17卷 2005年第16卷 2004年第15卷 2003年第14卷 2002年第13卷 2001年第12卷 2000年第11卷 1999年第10卷 1998年第9卷 1997年第8卷 1996年第7卷 1995年第6卷 1994年第5卷 1993年第4卷 1992年第3卷 1991年第2卷 1990年第1卷 5年 0年
2003,14(7):1282-1291
[摘要] ( 40611 ) [HTML] ( 0 ) [PDF 832.28 K] ( 88430 )
集成了传感器、微机电系统和网络三大技术而形成的传感器网络是一种全新的信息获取和处理技术.在简要介绍传感器网络体系结构的基础上,分析和展望了一些有价值的应用领域.结合已有研究,总结并详细阐述了包括低功耗路由技术和介质访问控制方法等在内的热点研究问题.最后,针对应用需求,提出了几点研究设想.
[摘要] ( 31342 ) [HTML] ( 0 ) [PDF 671.39 K] ( 70245 )
对近年来聚类算法的研究现状与新进展进行归纳总结.一方面对近年来提出的较有代表性的聚类算法,从算法思想、关键技术和优缺点等方面进行分析概括;另一方面选择一些典型的聚类算法和一些知名的数据集,主要从正确率和运行效率两个方面进行模拟实验,并分别就同一种聚类算法、不同的数据集以及同一个数据集、不同的聚类算法的聚类情况进行对比分析.最后通过综合上述两方面信息给出聚类分析的研究热点、难点、不足和有待解决的一些问题.上述工作将为聚类分析和数据挖掘等研究提供有益的参考.
, DOI: 10.3724/SP.J.1001.2011.03958
[摘要] ( 32981 ) [HTML] ( 0 ) [PDF 781.42 K] ( 66982 )
云计算代表IT 领域向集约化、规模化与专业化道路发展的趋势,是IT 领域正在发生的深刻变革.但它在提高使用效率的同时,为实现用户信息资产安全与隐私保护带来极大的冲击与挑战.当前,安全成为云计算领域亟待突破的重要问题,其重要性与紧迫性已不容忽视.分析了云计算对信息安全领域中技术、标准、监管等各方面带来的挑战;提出云计算安全参考框架及该框架下的主要研究内容;指出云计算的普及与应用是近年来信息安全领域的重大挑战与发展契机,将引发信息安全领域又一次重要的技术变革.
2010,21(8):1834-1848
[摘要] ( 24418 ) [HTML] ( 0 ) [PDF 682.96 K] ( 66053 )
对文本情感分析的研究现状与进展进行了总结.首先将文本情感分析归纳为3项主要任务,即情感信息抽取、情感信息分类以及情感信息的检索与归纳,并对它们进行了细致的介绍和分析;进而介绍了文本情感分析的国内外评测和资源建设情况;最后介绍了文本情感分析的应用.重在对文本情感分析研究的主流方法和前沿进展进行概括、比较和分析.
杨 博 , 刘大有 , LIU Jiming , 金 弟 , 马海宾
[摘要] ( 22348 ) [HTML] ( 0 ) [PDF 1.41 M] ( 59649 )
网络簇结构是复杂网络最普遍和最重要的拓扑属性之一,具有同簇节点相互连接密集、异簇节点相互连接稀疏的特点.揭示网络簇结构的复杂网络聚类方法对分析复杂网络拓扑结构、理解其功能、发现其隐含模式、预测其行为都具有十分重要的理论意义,在社会网、生物网和万维网中具有广泛应用.综述了复杂网络聚类方法的研究背景、研究意义、国内外研究现状以及目前所面临的主要问题,试图为这个新兴的研究方向勾画出一个较为全面和清晰的概貌,为复杂网络分析、数据挖掘、智能Web、生物信息学等相关领域的研究者提供有益的参考.
公茂果 , 焦李成 , 杨咚咚 , 马文萍
[摘要] ( 31227 ) [HTML] ( 0 ) [PDF 675.56 K] ( 53950 )
进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研究热点之一.在简要总结2003年以前的主要算法后,着重对进化多目标优化的最新进展进行了详细讨论.归纳出当前多目标优化的研究趋势,一方面,粒子群优化、人工免疫系统、分布估计算法等越来越多的进化范例被引入多目标优化领域,一些新颖的受自然系统启发的多目标优化算法相继提出;另一方面,为了更有效的求解高维多目标优化问题,一些区别于传统Pareto占优的新型占优机制相继涌现;同时,对多目标优化问题本身性质的研究也在逐步深入.对公认的代表性算法进行了实验对比.最后,对进化多目标优化的进一步发展提出了自己的看法.
2009,20(5):1337-1348
[摘要] ( 31100 ) [HTML] ( 0 ) [PDF 1.06 M] ( 52276 )
针对云计算这样一个范畴综述了当前云计算所采用的技术,剖析其背后的技术含义以及当前云计算参与企业所采用的云计算实现方案.云计算包含两个方面的含义:一方面是底层构建的云计算平台基础设施,是用来构造上层应用程序的基础;另外一方面是构建在这个基础平台之上的云计算应用程序.主要是针对云计算的基础架构的研究与实现状况给出综述,对于云计算的应用也有所涉及.云计算有3个最基本的特征:第1个是基础设施架构在大规模的廉价服务器集群之上;第二是应用程序与底层服务协作开发,最大限度地利用资源;第3个是通过多个廉价服务器之间的冗余,通过软件获得高可用性.云计算达到了两个分布式计算的重要目标:可扩展性和高可用性.可扩展性表达了云计算能够无缝地扩展到大规模的集群之上,甚至包含数千个节点同时处理.高可用性代表了云计算能够容忍节点的错误,甚至有很大一部分节点发生失效也不会影响程序的正确运行.通过此文可以了解云计算的当前发展状况以及未来的研究趋势.
程学旗 , 靳小龙 , 王元卓 , 郭嘉丰 , 张铁赢 , 李国杰
2014,25(9):1889-1908
, DOI: 10.13328/j.cnki.jos.004674
[摘要] ( 14006 ) [HTML] ( 9034 ) [PDF 550.98 K] ( 50177 )
首先根据处理形式的不同,介绍了不同形式数据的特征和各自的典型应用场景以及相应的代表性处理系统,总结了大数据处理系统的三大发展趋势;随后,对系统支撑下的大数据分析技术和应用(包括深度学习、知识计算、社会计算与可视化等)进行了简要综述,总结了各种技术在大数据分析理解过程中的关键作用;最后梳理了大数据处理和分析面临的数据复杂性、计算复杂性和系统复杂性挑战,并逐一提出了可能的应对之策.
许海玲 , 吴 潇 , 李晓东 , 阎保平
[摘要] ( 19448 ) [HTML] ( 1 ) [PDF 1.39 M] ( 49670 )
全面地总结推荐系统的研究现状,旨在介绍网络推荐的算法思想、帮助读者了解这个研究领域.首先阐述了推荐系统研究的工业需求、主要研究机构和成果发表的期刊会议;在讨论了推荐问题的形式化和非形式化定义之后,对主流算法进行了分类和对比;最后总结了常用数据集和评测指标,领域的重难点问题和未来可能的研究热点.
[摘要] ( 35604 ) [HTML] ( 0 ) [PDF 308.76 K] ( 49572 )
主要针对宋词这种特殊的汉语诗歌体裁,开展了有关自动生成算法及其实现方法的探索性研究.研究工作主要根据宋词特点,设计了基于平仄的编码方式、基于句法和语义加权值的适应度函数、基于精英主义和轮盘赌算法的选择策略,采用部分映射和启发式交叉算子和启发式变异算子,从而构建了一种基于遗传算法的宋词生成计算模型并进行了系统实现.实验结果表明,所建立的计算模型及其软件系统,初步实现了机器自动生成宋词的目标,对于给定的主题词和词牌,基本上能够自动生成有一定欣赏价值的宋词.论文的工作也填补了我国在汉语诗歌自动生成研究方面的不足.
, DOI: 10.13328/j.cnki.jos.006138
[摘要] ( 12514 ) [HTML] ( 15103 ) [PDF 2.36 M] ( 46935 )
小样本学习旨在通过少量样本学习到解决问题的模型.近年来,在大数据训练模型的趋势下,机器学习和深度学习在许多领域中取得了成功.但是在现实世界中的很多应用场景中,样本量很少或者标注样本很少,而对大量无标签样本进行标注工作将会耗费很大的人力.所以,如何用少量样本进行学习就成为目前人们需要关注的问题.系统地梳理了当前小样本学习的相关工作,具体来说介绍了基于模型微调、基于数据增强和基于迁移学习这3大类小样本学习模型与算法的研究进展;将基于数据增强的方法细分为基于无标签数据、基于数据合成和基于特征增强这3类,将基于迁移学习的方法细分为基于度量学习、基于元学习和基于图神经网络这3类;总结了目前常用的小样本数据集和代表性的小样本学习模型在这些数据集上的实验结果;随后对小样本学习的现状和挑战进行了概述;最后展望了小样本学习的未来发展方向.
, DOI: 10.13328/j.cnki.jos.004914
[摘要] ( 32445 ) [HTML] ( 7264 ) [PDF 880.96 K] ( 46765 )
Android是目前最流行的智能手机软件平台,报告称,2014年,Android的销售量占到全球份额81%的绝对优势,首次达到10亿部.其余如苹果、微软、黑莓与火狐等则远远落在后面.与此同时,Android智能手机的日益流行也吸引了黑客,导致Android恶意软件应用的大量增加.从Android体系结构、设计原则、安全机制、主要威胁、恶意软件分类与检测、静态分析与动态分析、机器学习方法、安全扩展方案等多维角度,对Android安全的最新研究进展进行了总结与分析.
图形处理器用于通用计算的技术、现状及其挑战
2004,15(10):1493-1504
[摘要] ( 10857 ) [HTML] ( 2 ) [PDF 937.72 K] ( 45884 )
多年来计算机图形处理器(GP以大大超过摩尔定律的速度高速发展.图形处理器的发展极大地提高了计算机图形处理的速度和图形质量,并促进了与计算机图形相关应用领域的快速发展与此同时,图形处理器绘制流水线的高速度和并行性以及近年来发展起来的可编程功能为图形处理以外的通用计算提供了良好的运行平台,这使得基于GPU的通用计算成为近两三年来人们关注的一个研究热点.从介绍GPU的发展历史及其现代GPU的基本结构开始,阐述GPU用于通用计算的技术原理,以及其用于通用计算的主要领域和最新发展情况,并详细地介绍了GPU在流体模拟和代数计算、数据库应用、频谱分析等领域的应用和技术,包括在流体模拟方面的研究工作.还对GPU应用的软件工具及其最新发展作了较详细的介绍.最后,展望了GPU应用于通用计算的发展前景,并从硬件和软件两方面分析了这一领域未来所面临的挑战.
2013,24(11):2476-2497
, DOI: 10.3724/SP.J.1001.2013.04486
[摘要] ( 12559 ) [HTML] ( 0 ) [PDF 1.14 M] ( 45732 )
概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计算机视觉、自然语言处理.回顾了有关概率图模型的表示、推理和学习的基本概念和主要结果,并详细介绍了这些方法在两种重要的概率模型中的应用.还回顾了在加速经典近似推理算法方面的新进展.最后讨论了相关方向的研究前景.
2022,33(7):2464-2481
, DOI: 10.13328/j.cnki.jos.006585
[摘要] ( 2898 ) [HTML] ( 5071 ) [PDF 2.00 M] ( 45194 )
基于线性抽象的符号传播方法在神经网络验证中具有重要地位.针对这类方法,提出了多路径回溯的概念.现有方法可看作仅使用单条回溯路径计算每个神经网络节点的上下界,是这一概念的特例.使用多条回溯路径,可以有效地改善这类方法的精度.在数据集ACAS Xu,MNIST和CIFAR10上,将多路径回溯方法与使用单条回溯路径的DeepPoly进行定量比较,结果表明,多路径回溯方法能够获得明显的精度提升,而仅引入较小的额外时间代价.此外,在数据集MNIST上,将多路径回溯方法与使用全局优化的Optimized LiRPA比较,结果表明,该方法仍然具有精度优势.
, DOI: 10.3724/SP.J.1001.2012.04100
[摘要] ( 24497 ) [HTML] ( 0 ) [PDF 1017.73 K] ( 42609 )
近年来,上下文感知推荐系统已成为推荐系统研究领域最为活跃的研究领域之一.如何利用上下文信息进一步提高推荐系统的推荐精确度和用户满意度,成为上下文感知推荐系统的主要任务.从面向过程的角度对最近几年上下文感知推荐系统的研究进展进行综述,对其系统框架、关键技术、主要模型、效用评价以及应用实践等进行了前沿概括、比较和分析.最后,对上下文感知推荐系统有待深入的研究难点和发展趋势进行了展望
2018,29(5):1471-1514
, DOI: 10.13328/j.cnki.jos.005519
[摘要] ( 8698 ) [HTML] ( 9108 ) [PDF 4.38 M] ( 42573 )
计算机辅助检测/诊断(computer-aided detection/diagnosis,简称CAD)能够提高诊断的准确性,减少假阳性的产生,为医生提供有效的诊断决策支持.旨在分析计算机辅助诊断工具的最新发展.以CAD研究较多的四大致命性癌症的发病医学部位为主线,按照不同的成像技术和病类,对目前CAD在不同医学图像领域的应用进行了较为详尽的综述,从图像数据集、算法和评估方法等方面做多维度梳理.最后分析了医学图像CAD系统研究领域目前存在的问题,并对此领域的研究趋势和发展方向进行展望.
张朝昆 , 崔勇 , 唐翯祎 , 吴建平
, DOI: 10.13328/j.cnki.jos.004701
[摘要] ( 44041 ) [HTML] ( 10364 ) [PDF 1.04 M] ( 42528 )
网络抽象促使软件定义网络(software-defined networking,简称SDN)的产生.SDN将数据平面与控制平面解耦合,简化了网络管理.首先从SDN诞生发展的背景入手,梳理了SDN的体系结构,包括数据层、控制层和应用层,并按照SDN的层次结构深入阐述其关键技术,特别分析了一致性、可用性和容错性等特性.然后,论述了SDN在不同应用场景下的最新研究成果.最后,展望未来研究工作.
龚勋,杨菲,杜章锦,师恩,赵绪,杨子奇,邹海鹏,罗俊
2020,31(7):2245-2282
, DOI: 10.13328/j.cnki.jos.006037
[摘要] ( 4770 ) [HTML] ( 8735 ) [PDF 967.02 K] ( 42525 )
超声诊断是甲状腺、乳腺癌首选影像学检查和术前评估方法.但良/恶性结节的超声表现存在重叠,仍欠缺定量、稳定的分析手段,严重依赖操作者的经验.近年来,基于计算机技术的医疗影像分析水平快速发展,超声影像分析取得了一系列里程碑式的突破,为医疗提供有效的诊断决策支持.以甲状腺、乳腺两类超声影像为对象,梳理了计算机视觉、图像识别技术在医学超声图像上的学术进展,以超声影像自动诊断涉及的一系列关键技术为主线,从图像预处理、病灶区定位及分割、特征提取和分类这4个方面对近年来主流算法进行了详尽的综述分析,从算法分析、数据和评估方法等方面进行多维度梳理.最后讨论了具体面向这两种腺体的超声图像计算机分析存在的问题,并对此领域的研究趋势和发展方向进行了展望.
王意洁 , 孙伟东 , 周松 , 裴晓强 , 李小勇
, DOI: 10.3724/SP.J.1001.2012.04175
[摘要] ( 21134 ) [HTML] ( 0 ) [PDF 2.09 M] ( 40286 )
云计算作为下一代计算模式,在科学计算和商业计算领域均发挥着重要作用,受到当前学术界和企业界的广泛关注.云计算环境下的分布存储主要研究数据在数据中心上的组织和管理,作为云计算环境的核心基础设施,数据中心通常由百万级以上节点组成,存储其上的数据规模往往达到PB 级甚至EB 级,导致数据失效成为一种常态行为,极大地限制了云计算的应用和推广,增加了云计算的成本.因此,提高可扩展性和容错性、降低成本,成为云计算环境下分布存储研究的若干关键技术.针对如何提高存储的可扩展性、容错性以及降低存储的能耗等目标,从数据中心网络的设计、数据的存储组织方式等方面对当前分布存储的关键技术进行了综述.首先,介绍并对比了当前典型的数据中心网络结构的优缺点;其次,介绍并对比了当前常用的两种分布存储容错技术,即基于复制的容错技术和基于纠删码的容错技术;第三,介绍了当前典型的分布存储节能技术,并分析了各项技术的优缺点;最后指出了当前技术面临的主要挑战和下一步研究的方向.
大数据分析——RDBMS 与MapReduce 的竞争与共生
覃雄派 , 王会举 , 杜小勇 , 王珊
, DOI: 10.3724/SP.J.1001.2012.04091
[摘要] ( 20793 ) [HTML] ( 1 ) [PDF 408.86 K] ( 39583 )
在科学研究、计算机仿真、互联网应用、电子商务等诸多应用领域,数据量正在以极快的速度增长,为了分析和利用这些庞大的数据资源,必须依赖有效的数据分析技术.传统的关系数据管理技术(并行数据库)经过了将近40 年的发展,在扩展性方面遇到了巨大的障碍,无法胜任大数据分析的任务;而以MapReduce 为代表的非关系数据管理和分析技术异军突起,以其良好的扩展性、容错性和大规模并行处理的优势,从互联网信息搜索领域开始,进而在数据分析的诸多领域和关系数据管理技术展开了竞争.关系数据管理技术阵营在丧失搜索这个阵地之后,开始考虑自身的局限性,不断借鉴MapReduce 的优秀思想改造自身,而以MapReduce 为代表的非关系数据管理技术阵营,从关系数据管理技术所积累的宝贵财富中挖掘可以借鉴的技术和方法,不断解决其性能问题.面向大数据的深度分析需求,新的架构模式正在涌现.关系数据管理技术和非关系数据管理技术在不断的竞争中互相取长补短,在新的大数据分析生态系统内找到自己的位置.
[摘要] ( 21858 ) [HTML] ( 2 ) [PDF 489.65 K] ( 38821 )
作为一种全新的信息获取和处理技术,无线传感器网络可以在广泛的应用领域内实现复杂的大规模监测和追踪任务,而网络自身定位是大多数应用的基础.介绍了无线传感器网络自身定位系统和算法的性能评价标准和分类方法,着重综述了近年来该领域具有代表性的算法及系统的原理和特点,并指出未来的研究方向.
, DOI: 10.3724/SP.J.1001.2013.04339
[摘要] ( 12961 ) [HTML] ( 0 ) [PDF 0.00 Byte] ( 37938 )
任务并行编程模型是近年来多核平台上广泛研究和使用的并行编程模型,旨在简化并行编程和提高多核利用率.首先,介绍了任务并行编程模型的基本编程接口和支持机制;然后,从3个角度,即并行性表达、数据管理和任务调度介绍任务并行编程模型的研究问题、困难和最新研究成果;最后展望了任务并行未来的研究方向.
, DOI: 10.13328/j.cnki.jos.005143
[摘要] ( 28964 ) [HTML] ( 13442 ) [PDF 3.58 M] ( 37199 )
大数据时代下,移动互联网发展与移动终端的普及形成了海量移动对象轨迹数据.轨迹数据含有丰富的时空特征信息,通过轨迹数据处理技术,可以挖掘人类活动规律与行为特征、城市车辆移动特征、大气环境变化规律等信息.海量的轨迹数据也潜在性地暴露出移动对象行为特征、兴趣爱好和社会习惯等隐私信息,攻击者可以根据轨迹数据挖掘出移动对象的活动场景、位置等属性信息.另外,量子计算因其强大的存储和计算能力成为大数据挖掘重要的理论研究方向,用量子计算技术处理轨迹大数据,可以使一些复杂的问题得到解决并实现更高的效率.对轨迹大数据中数据处理关键技术进行了综述.首先,介绍轨迹数据概念和特征,并且总结了轨迹数据预处理方法,包括噪声滤波、轨迹压缩等;其次,归纳轨迹索引与查询技术以及轨迹数据挖掘已有的研究成果,包括模式挖掘、轨迹分类等;总结了轨迹数据隐私保护技术基本原理和特点,介绍了轨迹大数据支撑技术,如处理框架、数据可视化;也讨论了轨迹数据处理中应用量子计算的可能方式,并且介绍了目前轨迹数据处理中所使用的核心算法所对应的量子算法实现;最后,对轨迹数据处理面临的挑战与未来研究方向进行了总结与展望.
, DOI: 10.3724/SP.J.1001.2011.03950
[摘要] ( 15603 ) [HTML] ( 0 ) [PDF 845.91 K] ( 36992 )
Internet 流量模型对网络性能管理、QoS、准入控制等都有很重要的意义和作用.首先总结了现阶段已发现的主要网络流量的特性及相关度量参数,概要地介绍网络流量建模的意义和分类,然后按照“传统-自相似-流量建模的新发展”这3 个阶段阐述网络流量建模的发展历程与最新的研究成果,最后针对目前网络流量建模中存在的难点问题,展望了该领域未来的研究发展方向.
一种关键任务系统自律可信性模型与量化分析
王慧强 , 吕宏武 , 赵倩 , 董玺坤 , 冯光升
[摘要] ( 10244 ) [HTML] ( 0 ) [PDF 1.01 M] ( 35074 )
将现有入侵容忍、自毁技术与自律计算相结合,提出了一种基于SM-PEPA(semi-Markov performance evaluation process algebra)的关键任务系统自律可信性模型以支持形式化分析和推理.该模型具有一定程度的自管理能力,采用分级处理的方式应对各种程度的可信性威胁,满足了关键任务系统对可信性的特殊需求.在此基础上,从稳态概率角度提出了一种自律可信性度量方法.最后,结合具体实例对模型参数对自律可信性的影响进行了初步分析.实验结果表明,增大关键任务系统可信性威胁检测率和自恢复成功率,可在较大范围内提高系统的自律可信 特性.
苏金树 , 曹丹 , 王小峰 , 孙一品 , 胡乔林
2011,22(6):1299-1315
, DOI: 10.3724/SP.J.1001.2011.03993
[摘要] ( 13606 ) [HTML] ( 0 ) [PDF 987.90 K] ( 33576 )
由于属性基加密(attribute-based encryption,简称ABE)机制以属性为公钥,将密文和用户私钥与属性关联,能够灵活地表示访问控制策略,从而极大地降低了数据共享细粒度访问控制带来的网络带宽和发送结点的处理开销.因此,ABE 在细粒度访问控制领域具有广阔的应用前景.在对基本ABE 机制及其两种扩展:密钥-策略ABE(KP-ABE)和密文-策略ABE(CP-ABE)进行深入研究、分析后,针对ABE 中的CP-ABE 机制访问结构的设计、属性密钥撤销、ABE 的密钥滥用、多授权机构等难点问题进行了深入探讨和综合分析,对比了现有研究工作的功能及开销.最后讨论了ABE 未来需进一步研究的问题和主要研究方向.
韩文静 , 李海峰 , 阮华斌 , 马琳
, DOI: 10.13328/j.cnki.jos.004497
[摘要] ( 12603 ) [HTML] ( 7948 ) [PDF 929.87 K] ( 33088 )
对语音情感识别的研究现状和进展进行了归纳和总结,对未来语音情感识别技术发展趋势进行了展望. 从5个角度逐步展开进行归纳总结,即情感描述模型、具有代表性的情感语音库、语音情感特征提取、语音情感识别算法研究和语音情感识别技术应用,旨在尽可能全面地对语音情感识别技术进行细致的介绍与分析,为相关研究人员提供有价值的学术参考;最后,立足于研究现状的分析与把握,对当前语音情感识别领域所面临的挑战与发展趋势进行了展望.侧重于对语音情感识别研究的主流方法和前沿进展进行概括、比较和分析.
[摘要] ( 19185 ) [HTML] ( 0 ) [PDF 1.09 M] ( 32968 )
通过软件开发实践,人们逐步地认识到软件产品的质量在很大程度上依赖于产品开发时所使用的过程.软件过程建模是通过特定的方法对软件过程进行抽象、表示和分析以增加对软件过程的理解,同时,可执行的(enactable)软件过程模型可以直接指导实际软件开发活动,进而规范软件开发行为并最终提高软件质量.为了系统地了解软件过程建模方法研究的现状和最新进展,采用系统评价(systematic review)方法对该领域最近10年的主要研究进行了概括和分析.从一系列的相关研究中,选出来自20 个会议和7 种期刊的72 篇文献,作为系统评价的依据.该系统评价回答了如下关于软件过程建模方法的3 个问题,以便从总体上概括和把握该领域的研究:1) 软件过程建模方法主要基于什么范式;2) 软件过程建模方法研究的主要目的集中在哪些方面;3) 软件过程建模方法的研究有哪些新的趋势.同时,在仔细回顾和分析软件过程建模领域研究现状的基础上,给出了一种多维度的集成化软件过程建模方法.该方法有助于解决过程建模领域所面临的主要问题.
官赛萍 , 靳小龙 , 贾岩涛 , 王元卓 , 程学旗
2018,29(10):2966-2994
, DOI: 10.13328/j.cnki.jos.005551
[摘要] ( 12520 ) [HTML] ( 10908 ) [PDF 610.06 K] ( 32079 )
近年来,随着互联网技术和应用模式的迅猛发展,引发了互联网数据规模的爆炸式增长,其中包含大量有价值的知识.如何组织和表达这些知识,并对其进行深入计算和分析备受关注.知识图谱作为丰富直观的知识表达方式应运而生.面向知识图谱的知识推理是知识图谱的研究热点之一,已在垂直搜索、智能问答等应用领域发挥了重要作用.面向知识图谱的知识推理旨在根据已有的知识推理出新的知识或识别错误的知识.不同于传统的知识推理,由于知识图谱中知识表达形式的简洁直观、灵活丰富,面向知识图谱的知识推理方法也更加多样化.将从知识推理的基本概念出发,介绍近年来面向知识图谱知识推理方法的最新研究进展.具体地,根据推理类型划分,将面向知识图谱的知识推理分为单步推理和多步推理,根据方法的不同,每类又包括基于规则的推理、基于分布式表示的推理、基于神经网络的推理以及混合推理.详细总结这些方法,并探讨和展望面向知识图谱知识推理的未来研究方向和前景.
诸葛建伟 , 唐勇 , 韩心慧 , 段海新
, DOI: 10.3724/SP.J.1001.2013.04369
[摘要] ( 11110 ) [HTML] ( 0 ) [PDF 1.09 M] ( 31366 )
蜜罐是防御方为了改变网络攻防博弈不对称局面而引入的一种主动防御技术,通过部署没有业务用途的安全资源,诱骗攻击者对其进行非法使用,从而对攻击行为进行捕获和分析,了解攻击工具与方法,推测攻击意图和动机.蜜罐技术赢得了安全社区的持续关注,得到了长足发展与广泛应用,并已成为互联网安全威胁监测与分析的一种主要技术手段.介绍了蜜罐技术的起源与发展演化过程,全面分析了蜜罐技术关键机制的研究现状,回顾了蜜罐部署结构的发展过程,并归纳总结了蜜罐技术在互联网安全威胁监测、分析与防范等方向上的最新应用成果.最后,对蜜罐技术存在的问题、发展趋势与进一步研究方向进行了讨论.
2018,29(10):3068-3090
, DOI: 10.13328/j.cnki.jos.005607
[摘要] ( 12006 ) [HTML] ( 12011 ) [PDF 2.28 M] ( 31106 )
设计类问题在科学研究和工业领域无处不在.作为一种十分有效的全局优化算法,近年来,贝叶斯优化方法在设计类问题上被广泛应用.通过设计恰当的概率代理模型和采集函数,贝叶斯优化框架只需经过少数次目标函数评估即可获得理想解,非常适用于求解目标函数表达式未知、非凸、多峰和评估代价高昂的复杂优化问题.从方法论和应用领域两方面深入分析、讨论和展望了贝叶斯优化的研究现状、面临的问题和应用领域,期望为相关领域的研究者提供有益的借鉴和参考.
2004,15(11):1583-1594
[摘要] ( 11013 ) [HTML] ( 0 ) [PDF 1.57 M] ( 30499 )
在主、客观世界普遍存在的不确定性中,随机性和模糊性是最重要的两种形式.研究了随机性和模糊性之间的关联性,统一用熵作为客观事物和主观认知中不确定状态的度量,用超熵来度量不确定状态的变化,并利用熵和超熵进一步研究了混沌、分形和复杂网络中的不确定性,以及由此带来的种种进化和变异,为实现不确定性人工智能找到了一种简单、有效的形式化方法,也为包括形象思维在内的不确定性思维的自动化打下了基础.不确定性人工智能是人工智能进入21世纪的新发展.这个由多学科交叉渗透构成的新学科,必将使得机器能够具备人脑一样的不确定性信息和知识的表示能力、处理能力和思维能力.
, DOI: 10.13328/j.cnki.jos.005659
[摘要] ( 11404 ) [HTML] ( 11336 ) [PDF 3.27 M] ( 30401 )
近年来,深度学习技术已经广泛应用到图像语义分割领域.主要对基于深度学习的图像语义分割的经典方法与研究现状进行分类、梳理和总结.根据分割特点和处理粒度的不同,将基于深度学习的图像语义分割方法分为基于区域分类的图像语义分割方法和基于像素分类的图像语义分割方法.把基于像素分类的图像语义分割方法进一步细分为全监督学习图像语义分割方法和弱监督学习图像语义分割方法.对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想和优缺点,系统地阐述了深度学习对图像语义分割领域的贡献.对图像语义分割相关实验进行了分析对比,并介绍了图像语义分割实验中常用公共数据集和性能评价指标.最后,预测并分析总结了该领域未来可能的研究方向及相应的发展趋势.
, DOI: 10.3724/SP.J.1001.2011.03934
[摘要] ( 12267 ) [HTML] ( 0 ) [PDF 614.69 K] ( 30247 )
互联网的普及和万维网的兴起,引发了软件技术的变革,催生了新的软件形态——网络化软件,为大众用户提供多样化、个性化的按需服务.随着应用领域的不断扩展和用户群的日益庞大,其规模与复杂度正以超越人类处理能力的速度增长,使得软件工程不得不面临一系列的挑战.为了科学地认识和理解这类规模庞大的人工复杂系统,从网络化-服务化-社会化的三维视角出发,对其基础设施、应用服务和大众交互三方面的复杂网络特性实证研究进行了综述分析,并系统论述了网络化软件中隐含的“小世界”和“无尺度”复杂网络特性对软件工程今后研究的影响和启示.软件工程与其他学科的交叉汇聚,将迸发新的观点和思想,为网络化软件的研究提供新的思维方式和方法论,有望实现软件工程理论、方法和关键技术的创新,从而推动我国软件服务业的快速发展.
刘敖迪 , 杜学绘 , 王娜 , 李少卓
2018,29(7):2092-2115
, DOI: 10.13328/j.cnki.jos.005589
[摘要] ( 12998 ) [HTML] ( 9745 ) [PDF 2.52 M] ( 30033 )
区块链是一种源于数字加密货币比特币的分布式总账技术,其发展引起了产业界与学术界的广泛关注.区块链具有去中心化、去信任、匿名、数据不可篡改等优势,突破了传统基于中心式技术的局限,具有广阔的发展前景.介绍了区块链技术在信息安全领域的研究现状和进展.首先,从区块链的基础框架、关键技术、技术特点、应用模式、应用领域这5个方面介绍了区块链的基本理论与模型;然后,从区块链在当前信息安全领域研究现状的角度出发,综述了区块链应用于认证技术、访问控制技术、数据保护技术的研究进展,并对比了各类研究的特点;最后,分析了区块链技术的应用挑战,对区块链在信息安全领域的发展进行了总结与展望,希望对未来进一步的研究工作有一定的参考价值.
2010,21(7):1605-1619
[摘要] ( 11736 ) [HTML] ( 0 ) [PDF 856.25 K] ( 30000 )
随着Internet规模的迅速扩大,复杂性和不确定性也随之增加,基于融合的网络态势感知必将成为网络管理的发展方向.在分析现有网络管理不足以及发展需求的基础上,介绍了网络态势感知的起源、概念、目标和特点.首先,提出了一个网络态势感知研究框架,介绍了研究历程,指出了研究重点以及存在的问题,并将现有评估方法分为3类:基于数学模型的方法、基于知识推理的方法、基于模式识别的方法.然后详细讨论了模型、知识表示和评估方法这3方面的研究内容,总结存在的共性问题,着重评价了每种评估方法的基本思路、评估过程和优缺点,并进行了对比分析.随后介绍了网络态势感知在安全、传输、生存性、系统评价等领域的应用研究.最后指出了网络态势感知的发展方向,并从问题体系、技术体系和应用体系3方面作了总结.
熊永平 , 孙利民 , 牛建伟 , 刘 燕
[摘要] ( 19325 ) [HTML] ( 0 ) [PDF 1.06 M] ( 29622 )
大量具备短距离通信能力的智能设备的出现推动了无线自组网应用的迅速发展.但在许多实际应用环境中,节点移动、网络稀疏或信号衰减等各种原因通常导致形成的网络大部分时间不连通.传统的移动自组织网络传输模式要求通信源和目标节点之间存在至少一条完整的路径,因而无法在这类环境中运行.机会网络利用节点移动形成的通信机会逐跳传输消息,以"存储-携带-转发"的路由模式实现节点间通信,这种完全不同于传统网络通信模式的新兴组网方式引起了研究界极大的兴趣.首先介绍机会网络的概念和理论基础,并给出了当前机会网络的一些典型应用,然后详细阐述了机会网络研究的热点问题,包括机会转发机制、移动模型和基于机会通信的数据分发和检索等,并简要叙述了机会网络的通信中间件、协作和安全机制以及机会网络新的应用等其他研究问题,最后进行总结并展望了机会网络未来一段时间内的研究重点.
, DOI: 10.13328/j.cnki.jos.004558
[摘要] ( 17591 ) [HTML] ( 5961 ) [PDF 1.32 M] ( 29559 )
大数据计算主要有批量计算和流式计算两种形态,目前,关于大数据批量计算系统的研究和讨论相对充分,而如何构建低延迟、高吞吐且持续可靠运行的大数据流式计算系统是当前亟待解决的问题且研究成果和实践经验相对较少.总结了典型应用领域中流式大数据所呈现出的实时性、易失性、突发性、无序性、无限性等特征,给出了理想的大数据流式计算系统在系统结构、数据传输、应用接口、高可用技术等方面应该具有的关键技术特征,论述并对比了已有的大数据流式计算系统的典型实例,最后阐述了大数据流式计算系统在可伸缩性、系统容错、状态一致性、负载均衡、数据吞吐量等方面所面临的技术挑战.
[摘要] ( 24524 ) [HTML] ( 0 ) [PDF 614.61 K] ( 29485 )
在4个方面对软件工程技术的发展进行一些思索:(1) 从事物发展规律的角度,揭示软件工程技术发展历程;(2) 从软件本质特征的角度,浅析虚拟机各抽象层次的构造;(3) 从软件开发的本质,提出了软件工程学科研究的内容,并研究了软件工业化生产模式;(4) 以Internet的出现为背景,探索了软件技术的发展趋势.
申德荣 , 于戈 , 王习特 , 聂铁铮 , 寇月
2013,24(8):1786-1803
, DOI: 10.3724/SP.J.1001.2013.04416
[摘要] ( 16230 ) [HTML] ( 0 ) [PDF 1.04 M] ( 29015 )
针对大数据管理的新需求,呈现出了许多面向特定应用的NoSQL 数据库系统.针对基于key-value 数据模型的NoSQL 数据库的相关研究进行综述.首先,介绍了大数据的特点以及支持大数据管理系统面临的关键技术问题;然后,介绍了相关前沿研究和研究挑战,其中典型的包括系统体系结构、数据模型、访问方式、索引技术、事务特性、系统弹性、动态负载均衡、副本策略、数据一致性策略、基于flash 的多级缓存机制、基于MapReduce 的数据处理策略和新一代数据管理系统等;最后给出了研究展望.
2016,27(11):2855-2869
, DOI: 10.13328/j.cnki.jos.004932
[摘要] ( 4436 ) [HTML] ( 4627 ) [PDF 1.85 M] ( 28768 )
随着中文社交网络的发展(特别是微博的兴起),互联网中文公众事件越来越深刻地影响现实社会的生产和生活.由于缺乏有效的技术手段,信息处理的效率受到了限制.提出了一种公众事件信息熵的计算方法,其基本思想是:首先,对公众事件信息内容进行建模;然后,以香农信息论为理论基础,对公众事件的多维随机变量信息熵进行计算.这为互联网公众事件的定量化分析提供了一个重要的技术指标,为进一步的研究工作打下基础.
2020,31(7):2127-2156
, DOI: 10.13328/j.cnki.jos.006052
[摘要] ( 8427 ) [HTML] ( 10521 ) [PDF 802.56 K] ( 28618 )
机器学习已成为大数据、物联网和云计算等领域的核心技术.机器学习模型训练需要大量数据,这些数据通常通过众包方式收集,其中含有大量隐私数据,包括个人身份信息(如电话号码、身份证号等)、敏感信息(如金融财务、医疗健康等信息).如何低成本且高效地保护这些数据是一个重要的问题.介绍了机器学习及其隐私定义和隐私威胁,重点对机器学习隐私保护主流技术的工作原理和突出特点进行了阐述,并分别按照差分隐私、同态加密和安全多方计算等机制对机器学习隐私保护领域的研究成果进行了综述.在此基础上,对比分析了机器学习不同隐私保护机制的主要优缺点.最后,对机器学习隐私保护的发展趋势进行展望,并提出该领域未来可能的研究方向.
2006,17(9):1848-1859
[摘要] ( 14671 ) [HTML] ( 0 ) [PDF 770.40 K] ( 28579 )
文本自动分类是信息检索与数据挖掘领域的研究热点与核心技术,近年来得到了广泛的关注和快速的发展.提出了基于机器学习的文本分类技术所面临的互联网内容信息处理等复杂应用的挑战,从模型、算法和评测等方面对其研究进展进行综述评论.认为非线性、数据集偏斜、标注瓶颈、多层分类、算法的扩展性及Web页分类等问题是目前文本分类研究的关键问题,并讨论了这些问题可能采取的方法.最后对研究的方向进行了展望.
魏祥麟 , 陈鸣 , 范建华 , 张国敏 , 卢紫毅
, DOI: 10.3724/SP.J.1001.2013.04336
[摘要] ( 11783 ) [HTML] ( 0 ) [PDF 0.00 Byte] ( 28520 )
在新的应用模式下,传统层次结构数据中心网络在规模、带宽、扩展性和成本方面存在诸多不足.为了适应新型应用的需求,数据中心网络需要在低成本的前提下,满足高扩展性、低配置开销、健壮性和节能的要求.首先,概述了传统数据中心网络体系结构及其不足,并指出了新的需求;其次,将现有方案划分为两类,即以网络为中心和以服务器为中心的方案;然后,对两类方案中的代表性结构进行了详细的综述和对比分析;最后指出了数据中心网络未来的发展方向.
, DOI: 10.13328/j.cnki.jos.006696
[摘要] ( 5813 ) [HTML] ( 8121 ) [PDF 3.04 M] ( 28517 )
源代码缺陷检测是判别程序代码中是否存在非预期行为的过程,广泛应用于软件测试、软件维护等软件工程任务,对软件的功能保障与应用安全方面具有至关重要的作用.传统的缺陷检测研究以程序分析为基础,通常需要很强的领域知识与复杂的计算规则,面临状态爆炸问题,导致检测性能有限,在误报漏报率上都有较大提高空间.近年来,开源社区的蓬勃发展积累了以开源代码为核心的海量数据,在此背景下,利用深度学习的特征学习能力能够自动学习语义丰富的代码表示,从而为缺陷检测提供一种新的途径.搜集了该领域最新的高水平论文,从缺陷代码数据集与深度学习缺陷检测模型两方面系统地对当前方法进行了归纳与阐述.最后对该领域研究所面临的主要挑战进行总结,并展望了未来可能的研究重点.
2005,16(10):1743-1756
[摘要] ( 11929 ) [HTML] ( 0 ) [PDF 545.62 K] ( 28438 )
论述了可证明安全性理论在安全方案与安全协议的设计与分析中的应用,内容主要包括:什么是可证明安全性,可证明安全性理论涉及到的一些基本概念,RO(random oracle)模型方法论的基本思想及其在公钥加密和数字签名等方案中的应用研究进展,标准模型下可证明安全性理论在公钥加密和数字签名等方案中的应用研究进展,以及可证明安全性理论在会话密钥分配协议的设计与分析中的应用研究进展.
张永铮 , 肖军 , 云晓春 , 王风宇
2012,23(8):2058-2072
, DOI: 10.3724/SP.J.1001.2012.04237
[摘要] ( 12077 ) [HTML] ( 0 ) [PDF 800.05 K] ( 28379 )
分布式拒绝服务(distributed denial of service,简称DDoS)攻击是当今互联网的重要威胁之一.基于攻击包所处网络层次,将DDoS 攻击分为网络层DDoS 攻击和应用层DDoS 攻击,介绍了两类攻击的各种检测和控制方法,比较了处于不同部署位置控制方法的优劣.最后分析了现有检测和控制方法应对DDoS 攻击的不足,并提出了DDoS 过滤系统的未来发展趋势和相关技术难点.
李旭嵘,纪守领,吴春明,刘振广,邓水光,程鹏,杨珉,孔祥维
, DOI: 10.13328/j.cnki.jos.006140
[摘要] ( 8912 ) [HTML] ( 13228 ) [PDF 2.20 M] ( 28330 )
深度学习在计算机视觉领域取得了重大成功,超越了众多传统的方法.然而近年来,深度学习技术被滥用在假视频的制作上,使得以Deepfakes为代表的伪造视频在网络上泛滥成灾.这种深度伪造技术通过篡改或替换原始视频的人脸信息,并合成虚假的语音来制作色情电影、虚假新闻、政治谣言等.为了消除此类伪造技术带来的负面影响,众多学者对假视频的鉴别进行了深入的研究,并提出一系列的检测方法来帮助机构或社区去识别此类伪造视频.尽管如此,目前的检测技术仍然存在依赖特定分布数据、特定压缩率等诸多的局限性,远远落后于假视频的生成技术.并且不同学者解决问题的角度不同,使用的数据集和评价指标均不统一.迄今为止,学术界对深度伪造与检测技术仍缺乏统一的认识,深度伪造和检测技术研究的体系架构尚不明确.回顾了深度伪造与检测技术的发展,并对现有研究工作进行了系统的总结和科学的归类.最后讨论了深度伪造技术蔓延带来的社会风险,分析了检测技术的诸多局限性,并探讨了检测技术面临的挑战和潜在研究方向,旨在为后续学者进一步推动深度伪造检测技术的发展和部署提供指导.
2003,14(9):1621-1628
[摘要] ( 15235 ) [HTML] ( 0 ) [PDF 680.35 K] ( 28031 )
推荐系统是电子商务系统中最重要的技术之一.随着电子商务系统用户数目和商品数目的日益增加,在整个商品空间上用户评分数据极端稀疏,传统的相似性度量方法均存在各自的弊端,导致推荐系统的推荐质量急剧下降.针对用户评分数据极端稀疏情况下传统相似性度量方法的不足,提出了一种基于项目评分预测的协同过滤推荐算法,根据项目之间的相似性初步预测用户对未评分项目的评分,在此基础上,采用一种新颖的相似性度量方法计算目标用户的最近邻居.实验结果表明,该算法可以有效地解决用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,显著地提高推荐系统的推荐质量.
唐瑞泽,黄宇,欧阳凌志,程潜,张宇奇,马晓星
2026,37(5):2167-2201
, DOI: 10.13328/j.cnki.jos.007580
, CSTR: 32375.14.jos.007580
[摘要] ( 1315 ) [HTML] ( 1034 ) [PDF 3701061] ( 1000 )
2026,37(5):1982-2005
, DOI: 10.13328/j.cnki.jos.007539
, CSTR: 32375.14.jos.007539
[摘要] ( 2790 ) [HTML] ( 927 ) [PDF 6051142] ( 1665 )
2026,37(4):1591-1614
, DOI: 10.13328/j.cnki.jos.007530
, CSTR: 32375.14.jos.007530
[摘要] ( 3395 ) [HTML] ( 1386 ) [PDF 4228431] ( 2561 )
2026,37(4):1854-1884
, DOI: 10.13328/j.cnki.jos.007511
, CSTR: 32375.14.jos.007511
[摘要] ( 2888 ) [HTML] ( 1885 ) [PDF 21525951] ( 2731 )
张犬俊,谢杨,房春荣,虞圣呈,赵源,陈振宇
2026,37(3):1316-1339
, DOI: 10.13328/j.cnki.jos.007567
, CSTR: 32375.14.jos.007567
[摘要] ( 5289 ) [HTML] ( 2211 ) [PDF 4425931] ( 2388 )
章程,朱志亮,张子墨,查金吾,付庆庆,冯海贝,李清坤,岳康,马翠霞,王宏安
2026,37(3):1290-1315
, DOI: 10.13328/j.cnki.jos.007561
, CSTR: 32375.14.jos.007561
[摘要] ( 1987 ) [HTML] ( 4907 ) [PDF 3160301] ( 1127 )
, DOI: 10.13328/j.cnki.jos.007516
, CSTR: 32375.14.jos.007516
[摘要] ( 4095 ) [HTML] ( 1635 ) [PDF 3746584] ( 1924 )
, DOI: 10.13328/j.cnki.jos.007560
, CSTR: 32375.14.jos.007560
[摘要] ( 1563 ) [HTML] ( 1291 ) [PDF 3968282] ( 2088 )
AI赋能的关系型数据库系统研究: 标准化、技术与挑战
, DOI: 10.13328/j.cnki.jos.007506
, CSTR: 32375.14.jos.007506
[摘要] ( 2697 ) [HTML] ( 1449 ) [PDF 4400577] ( 1989 )
任睿晗,杨超,杨凯,张柏迪,张晓东,王利娟,马建峰
, DOI: 10.13328/j.cnki.jos.007486
, CSTR: 32375.14.jos.007486
[摘要] ( 3162 ) [HTML] ( 3300 ) [PDF 2974603] ( 1705 )
苏琳萱,张晓,于锦阳,何赫烺,王锦江,黄志杰
, DOI: 10.13328/j.cnki.jos.007480
, CSTR: 32375.14.jos.007480
[摘要] ( 1565 ) [HTML] ( 2906 ) [PDF 2465538] ( 1672 )
数据要素流通全流程隐私关键技术: 现状、挑战与展望
刘立伟,傅超豪,孙泽堃,周耘,阮娜,蒋昌俊
, DOI: 10.13328/j.cnki.jos.007478
, CSTR: 32375.14.jos.007478
[摘要] ( 2102 ) [HTML] ( 3367 ) [PDF 5392039] ( 2204 )
, DOI: 10.13328/j.cnki.jos.007459
, CSTR: 32375.14.jos.007459
[摘要] ( 1551 ) [HTML] ( 1334 ) [PDF 2865484] ( 1379 )
复杂应用场景下侧信道分析的可移植性研究综述
, DOI: 10.13328/j.cnki.jos.007454
, CSTR: 32375.14.jos.007454
[摘要] ( 1593 ) [HTML] ( 2092 ) [PDF 2860911] ( 1343 )
, DOI: 10.13328/j.cnki.jos.007452
, CSTR: 32375.14.jos.007452
[摘要] ( 2535 ) [HTML] ( 2209 ) [PDF 5874098] ( 2299 )
, DOI: 10.13328/j.cnki.jos.007450
, CSTR: 32375.14.jos.007450
[摘要] ( 3312 ) [HTML] ( 2543 ) [PDF 4066605] ( 2116 )
何家豪,王嘉辰,王晓,张喜盈,李翠平,陈红
, DOI: 10.13328/j.cnki.jos.007449
, CSTR: 32375.14.jos.007449
[摘要] ( 2278 ) [HTML] ( 1453 ) [PDF 2481320] ( 1788 )
, DOI: 10.13328/j.cnki.jos.007446
, CSTR: 32375.14.jos.007446
[摘要] ( 2003 ) [HTML] ( 1859 ) [PDF 3711795] ( 1964 )
基于RFID的无源物联网无线感知研究现状与发展趋势
黄宇红,万鸿俊,王楚豫,王曦泽,谢磊,王晴,魏颖慧,李远航,赵睿,肖善鹏,吴志强
, DOI: 10.13328/j.cnki.jos.007444
, CSTR: 32375.14.jos.007444
[摘要] ( 2118 ) [HTML] ( 1978 ) [PDF 2565769] ( 1448 )
, DOI: 10.13328/j.cnki.jos.007442
, CSTR: 32375.14.jos.007442
[摘要] ( 1451 ) [HTML] ( 1238 ) [PDF

投稿与要求 · 来源摘录

  • 微信订阅号 — 投稿指南
  • 微信订阅号 — 最新动态 专刊征文 推荐文章 领域热点 关于进一步规范《软件学报》论文署名/单位/基金等的相关规定 《软件学报》特色栏目——前沿观点 中国科学院软件研究所期刊联合编辑部招聘启事 编辑部2026年春节放假通知 《软件学报》2024年高影响力论文 更多+ 《软件学报》专刊/题一览表 《软件学报》2028年专刊出版计划 《软件学报》2027年专刊出版计划 软件学报专刊征文:面向物理世界的机器学习(截稿时间:2027年5月10日) 软件学报专刊征文:面向智能体信息系统的软件新技术(截稿时间:2026年8月24日) 更多+ 分布式系统模型检验技术研究进展 基于大语言模型的故障复现测试用例生成方法 可解释深度学习的概念建模方法综述 检索增强生成在软件工程中的应用综述 更多+ 领域热点——直达前沿领域全景 软件学报电子书,免费阅读! 2027年第3期专题优先出版:多模态数据管理及融合技术(彭智勇,崔斌,高晓沨) 2027年第5期专题优先出版:具身推理与多模态世界模型(孙立峰,蒋树强,姜育刚,洪日昌,俞俊,黄庆明) 2026年第6期专题优先出版:RISC-V与人工智能系统软件前沿进展(武延军,谢涛,侯锐,宋威,邢明杰) 更多+
  • 微信订阅号 — 作者投稿 专家审稿 责任编委 领域编委 执行主编
  • 微信订阅号 — 快速检索 过刊检索 全选 反选 导出 显示模式: DiffuCD: 面向扩散语言模型的高效对比解码 李佳,张奕彤,金芝 2026,37(11):4033-4056 , DOI: 10.13328/j.cnki.jos.007751 , CSTR: 32375.14.jos.007751 [摘要] ( 345 ) [HTML] ( 74 ) [PDF 3.01 M] ( 156 ) 摘要: 当前主流大语言模型大多采用自回归生成范式, 需要逐token生成文本, 难以满足实际应用对高效推理的需求. 扩散语言模型通过迭代去噪实现并行解码, 在推理效率上具有一定理论优势, 因而被视为提升大语言模型推理效率的一条重要技术路径. 然而, 现有扩散语言模型的生成质量仍有较大提升空间. 对比解码是一种被广泛证明有效的提升语言模型生成质量的方法, 其核心思想是利用能力较弱的业余分布对能力较强的专家分布进行校正. 然而, 现有对比解码方法主要面向自回归语言模型设计, 通常需要额外引入模型来提供业余分布, 这会显著增加推理开销, 削弱扩散语言模型高效推理的核心优势. 为此, 提出一种面向扩散语言模型的高效对比解码方法DiffuCD. 该方法基于一个关键观察: 在扩散语言模型的去噪过程中, 早期时间步由于可利用的上下文信息有限, 预测质量较低; 随着去噪推进, 预测质量逐步提升. 这一特性天然满足对比解码对分布强弱差异的要求. 基于此, DiffuCD直接将历史时间步的预测分布作为业余分布, 将当前时间步的预测分布作为专家分布, 从而对当前分布进行校正. 在4个扩散语言模型和6个评估基准上进行广泛实验. 实验结果表明, DiffuCD能够在多种模型和任务上稳定提升模型生成质量, 并且在吞吐量和峰值显存占用方面与未使用对比解码的对比方法几乎一致, 较好地保留了扩散语言模型高效推理的理论优势. 面向复杂头文件的自动化分解与重构方法 王玥,孙嘉旋,邹艳珍,李宇轩,常文辉,谢冰 2026,37(11):4057-4075 , DOI: 10.13328/j.cnki.jos.007556 , CSTR: 32375.14.jos.007556 [摘要] ( 537 ) [HTML] ( 1100 ) [PDF 4.97 M] ( 692 ) 摘要: 许多代码文件随着软件演化逐渐膨胀并承担了过多职责, 严重影响了软件的可维护性和可理解性. 开发者常需要重构这些文件, 将一个大的代码文件分解成多个较小的子文件. 现有研究工作主要聚焦类文件的分解重构, 并不完全适用于分解复杂头文件. 这是因为分解头文件面临一些独有的挑战: 既需要考虑整个软件项目的构建依赖以降低编译成本, 也需要确保分解后的子文件之间不会存在循环依赖. 为此, 提出一种面向复杂头文件的自动化分解与重构方法——HeaderSplit. 该方法首先为复杂头文件构造蕴含多种代码关系的代码元素图, 其中就包括体现项目构建依赖的共同使用关系; 然后通过节点合并与多视图聚类算法识别关联紧密的代码元素聚类; 随后引入启发式的循环依赖修正算法生成可行的文件分解方案. 用户确认分解方案后, HeaderSplit能够自动执行重构, 生成新的子文件内容, 并更新软件项目内直接或间接引用原头文件的代码语句. 在合成复杂头文件与 …[摘录截断,请查看官网全文]
  • 微信订阅号 / 作者园地 — 作者园地
  • 微信订阅号 / 作者园地 — More
  • 微信订阅号 / 作者园地 — 排版样例2025年版
  • 微信订阅号 / 作者园地 — JOS投稿声明
  • 微信订阅号 / 作者园地 — JOS保密审查单
  • 微信订阅号 / 作者园地 — 专刊申请表
  • 微信订阅号 / 作者园地 — 收费标准

日期信息 · 来源摘录

  • 微信订阅号 — 最新动态 专刊征文 推荐文章 领域热点 关于进一步规范《软件学报》论文署名/单位/基金等的相关规定 《软件学报》特色栏目——前沿观点 中国科学院软件研究所期刊联合编辑部招聘启事 编辑部2026年春节放假通知 《软件学报》2024年高影响力论文 更多+ 《软件学报》专刊/题一览表 《软件学报》2028年专刊出版计划 《软件学报》2027年专刊出版计划 软件学报专刊征文:面向物理世界的机器学习(截稿时间:2027年5月10日) 软件学报专刊征文:面向智能体信息系统的软件新技术(截稿时间:2026年8月24日) 更多+ 分布式系统模型检验技术研究进展 基于大语言模型的故障复现测试用例生成方法 可解释深度学习的概念建模方法综述 检索增强生成在软件工程中的应用综述 更多+ 领域热点——直达前沿领域全景 软件学报电子书,免费阅读! 2027年第3期专题优先出版:多模态数据管理及融合技术(彭智勇,崔斌,高晓沨) 2027年第5期专题优先出版:具身推理与多模态世界模型(孙立峰,蒋树强,姜育刚,洪日昌,俞俊,黄庆明) 2026年第6期专题优先出版:RISC-V与人工智能系统软件前沿进展(武延军,谢涛,侯锐,宋威,邢明杰) 更多+

统计相关 · 来源摘录

  • 微信订阅号 — 快速检索 过刊检索 全选 反选 导出 显示模式: DiffuCD: 面向扩散语言模型的高效对比解码 李佳,张奕彤,金芝 2026,37(11):4033-4056 , DOI: 10.13328/j.cnki.jos.007751 , CSTR: 32375.14.jos.007751 [摘要] ( 345 ) [HTML] ( 74 ) [PDF 3.01 M] ( 156 ) 摘要: 当前主流大语言模型大多采用自回归生成范式, 需要逐token生成文本, 难以满足实际应用对高效推理的需求. 扩散语言模型通过迭代去噪实现并行解码, 在推理效率上具有一定理论优势, 因而被视为提升大语言模型推理效率的一条重要技术路径. 然而, 现有扩散语言模型的生成质量仍有较大提升空间. 对比解码是一种被广泛证明有效的提升语言模型生成质量的方法, 其核心思想是利用能力较弱的业余分布对能力较强的专家分布进行校正. 然而, 现有对比解码方法主要面向自回归语言模型设计, 通常需要额外引入模型来提供业余分布, 这会显著增加推理开销, 削弱扩散语言模型高效推理的核心优势. 为此, 提出一种面向扩散语言模型的高效对比解码方法DiffuCD. 该方法基于一个关键观察: 在扩散语言模型的去噪过程中, 早期时间步由于可利用的上下文信息有限, 预测质量较低; 随着去噪推进, 预测质量逐步提升. 这一特性天然满足对比解码对分布强弱差异的要求. 基于此, DiffuCD直接将历史时间步的预测分布作为业余分布, 将当前时间步的预测分布作为专家分布, 从而对当前分布进行校正. 在4个扩散语言模型和6个评估基准上进行广泛实验. 实验结果表明, DiffuCD能够在多种模型和任务上稳定提升模型生成质量, 并且在吞吐量和峰值显存占用方面与未使用对比解码的对比方法几乎一致, 较好地保留了扩散语言模型高效推理的理论优势. 面向复杂头文件的自动化分解与重构方法 王玥,孙嘉旋,邹艳珍,李宇轩,常文辉,谢冰 2026,37(11):4057-4075 , DOI: 10.13328/j.cnki.jos.007556 , CSTR: 32375.14.jos.007556 [摘要] ( 537 ) [HTML] ( 1100 ) [PDF 4.97 M] ( 692 ) 摘要: 许多代码文件随着软件演化逐渐膨胀并承担了过多职责, 严重影响了软件的可维护性和可理解性. 开发者常需要重构这些文件, 将一个大的代码文件分解成多个较小的子文件. 现有研究工作主要聚焦类文件的分解重构, 并不完全适用于分解复杂头文件. 这是因为分解头文件面临一些独有的挑战: 既需要考虑整个软件项目的构建依赖以降低编译成本, 也需要确保分解后的子文件之间不会存在循环依赖. 为此, 提出一种面向复杂头文件的自动化分解与重构方法——HeaderSplit. 该方法首先为复杂头文件构造蕴含多种代码关系的代码元素图, 其中就包括体现项目构建依赖的共同使用关系; 然后通过节点合并与多视图聚类算法识别关联紧密的代码元素聚类; 随后引入启发式的循环依赖修正算法生成可行的文件分解方案. 用户确认分解方案后, HeaderSplit能够自动执行重构, 生成新的子文件内容, 并更新软件项目内直接或间接引用原头文件的代码语句. 在合成复杂头文件与 …[摘录截断,请查看官网全文]