- 最新动态
- 专刊征文
- 推荐文章
- 领域热点
快速检索
过刊检索
全选反选导出
显示模式：
2026,37(8):3049-3051, DOI: 10.13328/j.cnki.jos.007599, CSTR: 32375.14.jos.007599
摘要：
2026,37(8):3052-3088, DOI: 10.13328/j.cnki.jos.007595, CSTR: 32375.14.jos.007595
摘要：
嵌入式系统建模是基于模型的软件开发的重要组成, 体系结构分析与设计语言(architecture analysis and design language, AADL)因其形式化表达软硬件结构与交互关系的能力, 广泛用于架构设计. 大语言模型(large language model, LLM)为从自然语言需求生成架构模型提供了新路径. 然而, 现有模型在需求语义理解、AADL组件边界识别与连接关系建构等方面仍存在显著不足, 限制了其实用性与生成质量. 为解决上述问题, 提出一种面向嵌入式系统的智能建模方法——SmartGen-AADL, 整体方法基于多智能体协同机制构建, 融合语义解析、结构识别与提示增强生成等关键技术, 实现从自然语言需求到结构化AADL模型的高质量转换. 方法核心包括3个阶段: 首先, 系统通过结构化智能体完成系统架构文档中系统架构的识别与标准化需求语句的提取; 随后, 子问题智能体基于条目级分析与组件交互挖掘, 实现对需求粒度的细化与交互关系的显式建模; 最后, 构件生成智能体在语义提示中融合结构引导与基于检索增强生成(retrieval-augmented generation, RAG)的相似组件检索结果, 引导LLM生成符合AADL语法规范的组件代码. 为支撑上述流程, 构建了“条目化需求-AADL组件”知识库以及“系统架构文档-AADL架构”语义对齐数据集. 在15个嵌入式系统应用场景上的实验结果表明, 相较于仅依赖简单提示工程的方法, 所提多智能体协同建模方法在4个主流大语言模型上均展现出显著优势. 其中, 在DeepSeek-r1模型上的提升最为突出: 组件错误行占比平均降低34.37%, FBERT语义相似度平均提升6.21%, 结构匹配度提升超过20%, 人工评分整体提高约0.7分. 进一步的消融实验结果显示, 子问题识别机制增强了对建模粒度的控制能力; 系统结构树构建提供了组件组织与层级拓扑信息; 检索增强生成机制为模型提供了外部知识支撑并降低了幻觉率; 通信连接识别确保了模型的接口完备性与交互闭环, 四者协同促进了自然语言到AADL建模语言对齐与模型一致性的显著提升.
嵌入式系统建模是基于模型的软件开发的重要组成, 体系结构分析与设计语言(architecture analysis and design language, AADL)因其形式化表达软硬件结构与交互关系的能力, 广泛用于架构设计. 大语言模型(large language model, LLM)为从自然语言需求生成架构模型提供了新路径. 然而, 现有模型在需求语义理解、AADL组件边界识别与连接关系建构等方面仍存在显著不足, 限制了其实用性与生成质量. 为解决上述问题, 提出一种面向嵌入式系统的智能建模方法——SmartGen-AADL, 整体方法基于多智能体协同机制构建, 融合语义解析、结构识别与提示增强生成等关键技术, 实现从自然语言需求到结构化AADL模型的高质量转换. 方法核心包括3个阶段: 首先, 系统通过结构化智能体完成系统架构文档中系统架构的识别与标准化需求语句的提取; 随后, 子问题智能体基于条目级分析与组件交互挖掘, 实现对需求粒度的细化与交互关系的显式建模; 最后, 构件生成智能体在语义提示中融合结构引导与基于检索增强生成(retrieval-augmented generation, RAG)的相似组件检索结果, 引导LLM生成符合AADL语法规范的组件代码. 为支撑上述流程, 构建了“条目化需求-AADL组件”知识库以及“系统架构文档-AADL架构”语义对齐数据集. 在15个嵌入式系统应用场景上的实验结果表明, 相较于仅依赖简单提示工程的方法, 所提多智能体协同建模方法在4个主流大语言模型上均展现出显著优势. 其中, 在DeepSeek-r1模型上的提升最为突出: 组件错误行占比平均降低34.37%, FBERT语义相似度平均提升6.21%, 结构匹配度提升超过20%, 人工评分整体提高约0.7分. 进一步的消融实验结果显示, 子问题识别机制增强了对建模粒度的控制能力; 系统结构树构建提供了组件组织与层级拓扑信息; 检索增强生成机制为模型提供了外部知识支撑并降低了幻觉率; 通信连接识别确保了模型的接口完备性与交互闭环, 四者协同促进了自然语言到AADL建模语言对齐与模型一致性的显著提升.
2026,37(8):3089-3115, DOI: 10.13328/j.cnki.jos.007593, CSTR: 32375.14.jos.007593
摘要：
基于大语言模型的代码生成智能体正在深刻地变革软件开发范式. 相较于之前的代码生成技术, 代码生成智能体展现出3大核心特征: 首先是自主性, 智能体能独立执行从任务分解到编码、调试的完整工作流; 其次是任务范围的广泛性, 其能力从生成代码片段扩展至覆盖软件开发的全生命周期; 最后是工程实践性的增强, 研究重心从模型算法创新转向流程管理、系统可靠性与工具集成等工程挑战. 近年来, 这一技术方向发展迅猛, 展现出巨大的应用潜力, 相关研究呈爆发式增长. 为此, 对基于大语言模型的代码生成智能体领域进行系统性的综述. 追溯该技术自诞生以来的发展脉络, 全面梳理并从方法论的视角对其核心技术(涵盖单智能体与多智能体系统)进行归纳和分类. 此外, 还总结代码生成智能体在软件开发全周期中的各项应用, 整理主流的评估基准与指标, 并盘点代表性的工具. 最后, 通过分析关键挑战, 展望该领域未来的长期核心研究方向.
基于大语言模型的代码生成智能体正在深刻地变革软件开发范式. 相较于之前的代码生成技术, 代码生成智能体展现出3大核心特征: 首先是自主性, 智能体能独立执行从任务分解到编码、调试的完整工作流; 其次是任务范围的广泛性, 其能力从生成代码片段扩展至覆盖软件开发的全生命周期; 最后是工程实践性的增强, 研究重心从模型算法创新转向流程管理、系统可靠性与工具集成等工程挑战. 近年来, 这一技术方向发展迅猛, 展现出巨大的应用潜力, 相关研究呈爆发式增长. 为此, 对基于大语言模型的代码生成智能体领域进行系统性的综述. 追溯该技术自诞生以来的发展脉络, 全面梳理并从方法论的视角对其核心技术(涵盖单智能体与多智能体系统)进行归纳和分类. 此外, 还总结代码生成智能体在软件开发全周期中的各项应用, 整理主流的评估基准与指标, 并盘点代表性的工具. 最后, 通过分析关键挑战, 展望该领域未来的长期核心研究方向.
2026,37(8):3116-3143, DOI: 10.13328/j.cnki.jos.007597, CSTR: 32375.14.jos.007597
摘要：
大语言模型(large language model, LLM, 也称大模型)在软件开发技术问答任务中展现出强大潜力, 为代码知识获取和理解提供了新途径. 然而, 在以Linux内核为代表的复杂系统软件领域, LLM在代码实现、关键机制理解、演化历史追溯及设计决策分析等方面的真实能力仍缺乏系统验证. 现有评测基准多针对通用任务, 存在领域深度不足、难度逐渐饱和及评测问题与工程实践存在偏差等局限, 难以保障特定领域开发知识问答的客观性、准确性和全面性. 为客观评估LLM在复杂系统软件中的知识问答能力, 研究提出一种LLM问答能力评测基准数据集构建方法, 并构建面向Linux内核的高质量问答评测基准LKQABench, 同时设计一种多裁判协同的代码知识问答评测方法MJ-CCE. LKQABench基于开发者社区的真实技术问答数据, 经过语义分析和人工审核修订, 构建202个标准问答对, 覆盖Linux内核主要模块和不同认知维度. MJ-CCE方法定义多个裁判大模型的协同评分与投票机制, 从关键知识点覆盖度、事实正确性与表达清晰度等维度对回答进行多维度评估. 在LKQABench上对主流大模型的实证研究表明, 当前大模型能较好地回答内核实现的单点知识问题, 但在涉及跨主题知识整合、深度推理及版本演化关联的问题中, 存在知识点遗漏、逻辑链条不完整等不足. 研究不仅揭示了大模型在软件开发知识问答中的能力边界, 也为其在该领域的持续优化提供了实证数据支撑.
大语言模型(large language model, LLM, 也称大模型)在软件开发技术问答任务中展现出强大潜力, 为代码知识获取和理解提供了新途径. 然而, 在以Linux内核为代表的复杂系统软件领域, LLM在代码实现、关键机制理解、演化历史追溯及设计决策分析等方面的真实能力仍缺乏系统验证. 现有评测基准多针对通用任务, 存在领域深度不足、难度逐渐饱和及评测问题与工程实践存在偏差等局限, 难以保障特定领域开发知识问答的客观性、准确性和全面性. 为客观评估LLM在复杂系统软件中的知识问答能力, 研究提出一种LLM问答能力评测基准数据集构建方法, 并构建面向Linux内核的高质量问答评测基准LKQABench, 同时设计一种多裁判协同的代码知识问答评测方法MJ-CCE. LKQABench基于开发者社区的真实技术问答数据, 经过语义分析和人工审核修订, 构建202个标准问答对, 覆盖Linux内核主要模块和不同认知维度. MJ-CCE方法定义多个裁判大模型的协同评分与投票机制, 从关键知识点覆盖度、事实正确性与表达清晰度等维度对回答进行多维度评估. 在LKQABench上对主流大模型的实证研究表明, 当前大模型能较好地回答内核实现的单点知识问题, 但在涉及跨主题知识整合、深度推理及版本演化关联的问题中, 存在知识点遗漏、逻辑链条不完整等不足. 研究不仅揭示了大模型在软件开发知识问答中的能力边界, 也为其在该领域的持续优化提供了实证数据支撑.
2026,37(8):3144-3160, DOI: 10.13328/j.cnki.jos.007596, CSTR: 32375.14.jos.007596
摘要：
大语言模型(large language model, LLM)在通用任务中已展现出卓越的性能, 但其在专业领域中的可信性、鲁棒性与可用性仍缺乏系统化评估. 以软件测试教材编写为代表性应用场景, 围绕100个核心测试概念与方法精心构建了700个测试问题, 并选取5个代表性LLM, 系统评估了其在阅读理解、问答及文本生成方面的能力. 实验结果表明, LLM在大多数问题上整体表现优良, 在答案的准确性、完整性和流畅性方面均达到较高水准; 然而, 在涉及研究现状与复杂概念时, 仍存在幻觉与推理偏差等可靠性问题. 进一步分析显示, 大模型生成的内容在知识覆盖度与教育性上较传统教材具有较为明显的优势, 能够为软件测试教材的修订与教学提供有效支持. 不仅系统揭示了LLM在专业领域知识处理中的具体能力边界与典型缺陷, 也为基于问答驱动的智能化评估方法在专业教育与应用中的推广提供了实证依据与方法参考.
大语言模型(large language model, LLM)在通用任务中已展现出卓越的性能, 但其在专业领域中的可信性、鲁棒性与可用性仍缺乏系统化评估. 以软件测试教材编写为代表性应用场景, 围绕100个核心测试概念与方法精心构建了700个测试问题, 并选取5个代表性LLM, 系统评估了其在阅读理解、问答及文本生成方面的能力. 实验结果表明, LLM在大多数问题上整体表现优良, 在答案的准确性、完整性和流畅性方面均达到较高水准; 然而, 在涉及研究现状与复杂概念时, 仍存在幻觉与推理偏差等可靠性问题. 进一步分析显示, 大模型生成的内容在知识覆盖度与教育性上较传统教材具有较为明显的优势, 能够为软件测试教材的修订与教学提供有效支持. 不仅系统揭示了LLM在专业领域知识处理中的具体能力边界与典型缺陷, 也为基于问答驱动的智能化评估方法在专业教育与应用中的推广提供了实证依据与方法参考.
2026,37(8):3161-3179, DOI: 10.13328/j.cnki.jos.007592, CSTR: 32375.14.jos.007592
摘要：
软件缺陷定位是软件工程领域的重要问题. 近年来, 基于大语言模型的缺陷定位方法在缺陷定位任务中展现出较好前景. 现有方法仅为大语言模型维护单一决策路径, 导致搜索范围有限, 缺陷定位效果不够理想. 针对此问题, 提出一种基于并行探索的大模型缺陷定位增强方法PRIME. 通过设计缺陷位置的并行探索机制提高大语言模型的搜索范围, 并结合节点重要性评估方法对大语言模型预测的多个候选缺陷位置进行排序, 形成优化后的缺陷定位结果. 通过与其他缺陷定位方法的对比分析以及全面的消融实验和参数影响分析, 验证所提方法可以有效增强大语言模型的缺陷定位性能. PRIME在Top-1指标上较现有方法的提升幅度超过18%, 其在MAP和MRR指标上的性能提升分别可达15%和25%.
软件缺陷定位是软件工程领域的重要问题. 近年来, 基于大语言模型的缺陷定位方法在缺陷定位任务中展现出较好前景. 现有方法仅为大语言模型维护单一决策路径, 导致搜索范围有限, 缺陷定位效果不够理想. 针对此问题, 提出一种基于并行探索的大模型缺陷定位增强方法PRIME. 通过设计缺陷位置的并行探索机制提高大语言模型的搜索范围, 并结合节点重要性评估方法对大语言模型预测的多个候选缺陷位置进行排序, 形成优化后的缺陷定位结果. 通过与其他缺陷定位方法的对比分析以及全面的消融实验和参数影响分析, 验证所提方法可以有效增强大语言模型的缺陷定位性能. PRIME在Top-1指标上较现有方法的提升幅度超过18%, 其在MAP和MRR指标上的性能提升分别可达15%和25%.
2026,37(8):3180-3204, DOI: 10.13328/j.cnki.jos.007594, CSTR: 32375.14.jos.007594
摘要：
在现代软件系统, 尤其是云计算和微服务系统中, 根因分析是保障系统稳定性和高效运行的关键技术. 大语言模型由于其强大的自然语言处理和数据分析能力, 为根因分析提供了新的解决方案. 基于大语言模型的智能体在大语言模型的基础上, 为根因分析带来了更高的自动化程度和更精准的问题定位能力. 然而, 尽管已有相关研究探讨了大语言模型在根因分析中的应用, 但关于大语言模型智能体在根因分析的研究仍然处于早期阶段. 聚焦于大语言模型智能体在云计算和微服务系统根因分析的研究现状进行全面的分析和总结. 主要内容包括: (1)概述基于大语言模型的智能体框架构成和根因分析中的数据使用; (2)从信息获取、根因定位和效果评估这3个主要流程系统地分析大语言模型智能体在根因分析中的应用方式; (3)探讨大语言模型智能体技术在根因分析任务中面临的主要挑战和未来的发展方向.
在现代软件系统, 尤其是云计算和微服务系统中, 根因分析是保障系统稳定性和高效运行的关键技术. 大语言模型由于其强大的自然语言处理和数据分析能力, 为根因分析提供了新的解决方案. 基于大语言模型的智能体在大语言模型的基础上, 为根因分析带来了更高的自动化程度和更精准的问题定位能力. 然而, 尽管已有相关研究探讨了大语言模型在根因分析中的应用, 但关于大语言模型智能体在根因分析的研究仍然处于早期阶段. 聚焦于大语言模型智能体在云计算和微服务系统根因分析的研究现状进行全面的分析和总结. 主要内容包括: (1)概述基于大语言模型的智能体框架构成和根因分析中的数据使用; (2)从信息获取、根因定位和效果评估这3个主要流程系统地分析大语言模型智能体在根因分析中的应用方式; (3)探讨大语言模型智能体技术在根因分析任务中面临的主要挑战和未来的发展方向.
快速检索
过刊检索
全选反选导出
显示模式：
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007649
, CSTR: 32375.14.jos.007649
摘要：
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.
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.
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007651
, CSTR: 32375.14.jos.007651
摘要：
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.
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.
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007695
, CSTR: 32375.14.jos.007695
摘要：
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.
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.
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007696
, CSTR: 32375.14.jos.007696
摘要：
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.
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.
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007704
, CSTR: 32375.14.jos.007704
摘要：
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%.
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%.
优先出版日期: 2026-08-12
, DOI: 10.13328/j.cnki.jos.007706
, CSTR: 32375.14.jos.007706
摘要：
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) $轮数复杂度的并行静态单源最短路径算法, 所提并行动态精确单源最短路径算法显著降低了轮数复杂度.
研究大规模并行计算模型中动态单源最短路径问题. 在该模型中, 每台机器内存大小为$ \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.
优先出版日期: 2026-07-22
, DOI: 10.13328/j.cnki.jos.007708
, CSTR: 32375.14.jos.007708
摘要：
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.
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.
优先出版日期: 2026-07-22
, DOI: 10.13328/j.cnki.jos.007703
, CSTR: 32375.14.jos.007703
摘要：
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.
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.
优先出版日期: 2026-07-22
, DOI: 10.13328/j.cnki.jos.007646
, CSTR: 32375.14.jos.007646
摘要：
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}) $次查询, 才能有效区分测量量子叠加信息的哈希值与测量量子叠加信息本身两个状态. 该最优结构也可由Merkle-Damg?rd结构进行扩展, 扩展后的哈希函数仍具有坍塌性, 这为今后坍塌哈希函数的设计提供了理论基础.
双分组长度哈希函数是提高哈希函数具体安全性的一种经典方法, 该结构已被证明在一定条件下能达到最优的量子抗碰撞性. 然而, 针对坍塌性这一适用性更强的量子安全模型, 双分组长度哈希函数能否达到最优具体安全性还是一个开放性问题. 为了进一步研究此问题, 考虑在量子条件下抗碰撞性的扩展属性坍塌性, 并研究基于随机谕言机的Nandi之双分组哈希结构的坍塌性. 提出当结构内的置换$ \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.
优先出版日期: 2026-07-15
, DOI: 10.13328/j.cnki.jos.007682
, CSTR: 32375.14.jos.007682
摘要：
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F1值(分别为94.44%和96.66%), 还能有效提高知识图谱的构建效率.
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F1值(分别为94.44%和96.66%), 还能有效提高知识图谱的构建效率.
优先出版日期: 2026-07-15
, DOI: 10.13328/j.cnki.jos.007679
, CSTR: 32375.14.jos.007679
摘要：
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.
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.
优先出版日期: 2026-07-15
, DOI: 10.13328/j.cnki.jos.007680
, CSTR: 32375.14.jos.007680
摘要：
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.
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.
优先出版日期: 2026-07-15
, DOI: 10.13328/j.cnki.jos.007630
, CSTR: 32375.14.jos.007630
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007628
, CSTR: 32375.14.jos.007628
摘要：
提高模型对特征噪声的鲁棒性已经成为多模态情感分析(multimodal sentiment analysis, MSA)领域最具挑战性的任务之一, 最近的研究已经提出了考虑缺失模态的高效MSA模型. 然而, 现有方法通常只关注特定类型的缺陷, 导致在同时存在多种类型噪声的实际场景中模型鲁棒性和泛化性弱, 而且现有研究忽略了不同模态之间的深层交互, 难以全面理解多模态情感信息. 针对这些问题, 提出一种融合对抗学习与多视图网络的鲁棒多模态情感分析网络(robust multimodal sentiment analysis integrating adversarial learning and multi-view network, ALMV). 具体而言, 首先使用时间模态特征缺失作为噪声数据, 与完整序列构成噪声-原始实例对以构建增强数据. 其次, 通过时间卷积和Transformer编码器提取噪声-原始实例对中每个模态序列的局部信息和全局信息, 并构建权重调控的多视图网络来学习噪声-原始实例对之间的多模态联合表示. 然后, 提出一种具有语义重建监督的多重对抗训练策略, 在模态级和话语级两个层面学习噪声和完整数据之间的统一联合表征. 最后, 在公开数据集上进行了大量实验, 对多种类型噪声场景下ALMV的性能进行测试. 实验结果证明, ALMV方法有效地提升了多模态情感分析在多种异构数据缺陷场景下的性能和鲁棒性.
提高模型对特征噪声的鲁棒性已经成为多模态情感分析(multimodal sentiment analysis, MSA)领域最具挑战性的任务之一, 最近的研究已经提出了考虑缺失模态的高效MSA模型. 然而, 现有方法通常只关注特定类型的缺陷, 导致在同时存在多种类型噪声的实际场景中模型鲁棒性和泛化性弱, 而且现有研究忽略了不同模态之间的深层交互, 难以全面理解多模态情感信息. 针对这些问题, 提出一种融合对抗学习与多视图网络的鲁棒多模态情感分析网络(robust multimodal sentiment analysis integrating adversarial learning and multi-view network, ALMV). 具体而言, 首先使用时间模态特征缺失作为噪声数据, 与完整序列构成噪声-原始实例对以构建增强数据. 其次, 通过时间卷积和Transformer编码器提取噪声-原始实例对中每个模态序列的局部信息和全局信息, 并构建权重调控的多视图网络来学习噪声-原始实例对之间的多模态联合表示. 然后, 提出一种具有语义重建监督的多重对抗训练策略, 在模态级和话语级两个层面学习噪声和完整数据之间的统一联合表征. 最后, 在公开数据集上进行了大量实验, 对多种类型噪声场景下ALMV的性能进行测试. 实验结果证明, ALMV方法有效地提升了多模态情感分析在多种异构数据缺陷场景下的性能和鲁棒性.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007629
, CSTR: 32375.14.jos.007629
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007656
, CSTR: 32375.14.jos.007656
摘要：
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%.
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%.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007687
, CSTR: 32375.14.jos.007687
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007688
, CSTR: 32375.14.jos.007688
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007677
, CSTR: 32375.14.jos.007677
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007676
, CSTR: 32375.14.jos.007676
摘要：
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.
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.
优先出版日期: 2026-07-08
, DOI: 10.13328/j.cnki.jos.007673
, CSTR: 32375.14.jos.007673
摘要：
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.
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.
优先出版日期: 2026-07-01
, DOI: 10.13328/j.cnki.jos.007675
, CSTR: 32375.14.jos.007675
摘要：
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.
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.
优先出版日期: 2026-07-01
, DOI: 10.13328/j.cnki.jos.007678
, CSTR: 32375.14.jos.007678
摘要：
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.
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.
优先出版日期: 2026-07-01
, DOI: 10.13328/j.cnki.jos.007685
, CSTR: 32375.14.jos.007685
摘要：
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.
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.
优先出版日期: 2026-07-01
, DOI: 10.13328/j.cnki.jos.007686
, CSTR: 32375.14.jos.007686
摘要：
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.
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.
优先出版日期: 2026-06-24
, DOI: 10.13328/j.cnki.jos.007684
摘要：
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.
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.
优先出版日期: 2026-06-24
, DOI: 10.13328/j.cnki.jos.007627
摘要：
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.
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.
优先出版日期: 2026-06-24
, DOI: 10.13328/j.cnki.jos.007672
摘要：
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.
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.
优先出版日期: 2026-06-10
, DOI: 10.13328/j.cnki.jos.007657
, CSTR: 32375.14.jos.007657
摘要：
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.
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.
优先出版日期: 2026-06-10
, DOI: 10.13328/j.cnki.jos.007659
, CSTR: 32375.14.jos.007659
摘要：
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.
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.
优先出版日期: 2026-06-10
, DOI: 10.13328/j.cnki.jos.007647
, CSTR: 32375.14.jos.007647
摘要：
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.
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.
优先出版日期: 2026-06-03
, DOI: 10.13328/j.cnki.jos.007661
摘要：
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.
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.
优先出版日期: 2026-06-03
, DOI: 10.13328/j.cnki.jos.007662
摘要：
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.
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.
优先出版日期: 2026-06-03
, DOI: 10.13328/j.cnki.jos.007663
摘要：
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.
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.
优先出版日期: 2026-06-03
, DOI: 10.13328/j.cnki.jos.007637
摘要：
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.
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.
优先出版日期: 2026-06-03
, DOI: 10.13328/j.cnki.jos.007654
摘要：
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.
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.
优先出版日期: 2026-06-01
, DOI: 10.13328/j.cnki.jos.007638
摘要：
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%.
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%.
优先出版日期: 2026-05-27
, DOI: 10.13328/j.cnki.jos.007664
摘要：
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.
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.
优先出版日期: 2026-05-27
, DOI: 10.13328/j.cnki.jos.007665
摘要：
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.
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.
优先出版日期: 2026-05-27
, DOI: 10.13328/j.cnki.jos.007640
摘要：
提交日志是一类描述代码变更的自然语言文本, 对理解代码及代码演化过程十分重要. 受限于软件开发成本等因素, 开发人员往往不会精心撰写提交日志, 导致现有软件项目的提交日志质量堪忧. 鉴于此, 提交日志自动生成任务受到了广泛关注. 现有工作主要从开源软件项目中收集提交日志数据, 并基于此训练深度学习模型完成任务. 然而, 受限于开源项目数据质量, 现有工作难以取得令人满意的效果. 大语言模型通过在大规模代码和文本数据上的预训练, 学习了丰富的语言规律和世界知识, 能够生成高质量、自然且符合上下文的文本, 为提交日志生成提供了新的思路. 提出基于大语言模型的提交日志生成方法, 通过上下文学习、模型微调等手段将大语言模型用于提交日志生成, 使用两种示例检索方法增强上下文学习方法, 并从自然性和相关性角度分析生成文本, 研究大语言模型方法的优势与不足以及如何应对不足. 实验证实了大语言模型表现超过基线方法, 且思维链及更大规模模型能应对对代码变更理解不足的情况.
提交日志是一类描述代码变更的自然语言文本, 对理解代码及代码演化过程十分重要. 受限于软件开发成本等因素, 开发人员往往不会精心撰写提交日志, 导致现有软件项目的提交日志质量堪忧. 鉴于此, 提交日志自动生成任务受到了广泛关注. 现有工作主要从开源软件项目中收集提交日志数据, 并基于此训练深度学习模型完成任务. 然而, 受限于开源项目数据质量, 现有工作难以取得令人满意的效果. 大语言模型通过在大规模代码和文本数据上的预训练, 学习了丰富的语言规律和世界知识, 能够生成高质量、自然且符合上下文的文本, 为提交日志生成提供了新的思路. 提出基于大语言模型的提交日志生成方法, 通过上下文学习、模型微调等手段将大语言模型用于提交日志生成, 使用两种示例检索方法增强上下文学习方法, 并从自然性和相关性角度分析生成文本, 研究大语言模型方法的优势与不足以及如何应对不足. 实验证实了大语言模型表现超过基线方法, 且思维链及更大规模模型能应对对代码变更理解不足的情况.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007639
摘要：
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F1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.
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F1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.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007660
摘要：
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.
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.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007636
摘要：
联邦学习是目前安全多方机器学习领域最为先进的技术, 其因为解决了数据不离开本地的多节点联合模型训练问题而得到了广泛的关注. 然而, 现实中客户端数据的非独立同分布(Non-IID)会显著降低全局模型的性能. 现有的主流方法一类聚焦于在训练时校正模型的参数偏差, 但其在数据分布越极端的情况下效果越差. 另一类方法旨在本地训练前校正数据分布的偏差, 但其会有隐私泄露的风险. 提出一种框架, 遵循严格的联邦学习隐私保护要求, 利用差分隐私、安全多方计算等技术, 在客户端数据分布保持黑盒的前提下, 选择出对全局模型性能提升最有益的若干标签, 针对这些标签生成高质量合成数据并分发, 使补齐这些数据后的客户端本地数据分布趋向于IID, 从而大大提高全局模型的表现. 具体来说, 首先设计一个隐私安全的算法, 对标签在客户端上的分布进行捕获, 并依据该标签分布特征对所有客户端进行组别的划分. 随后挑选出最值得生成的标签, 在标签对应的组内协调客户端合作训练高质量全局生成模型存放于服务器. 最后在任务模型的训练阶段, 基于标签分布特征利用这些生成模型有选择地合成样本并分发, 来使本地数据分布更加均匀, 进而缩小本地模型差距, 在聚合后得到高质量的全局模型. 实验表明, 所提方法能够有效提高全局模型在测试集上的准确率, 且能减少全局模型收敛前所需要的联邦学习通信轮次, 其有效性超越了各基线方法, 在不同的数据集上得到了验证.
联邦学习是目前安全多方机器学习领域最为先进的技术, 其因为解决了数据不离开本地的多节点联合模型训练问题而得到了广泛的关注. 然而, 现实中客户端数据的非独立同分布(Non-IID)会显著降低全局模型的性能. 现有的主流方法一类聚焦于在训练时校正模型的参数偏差, 但其在数据分布越极端的情况下效果越差. 另一类方法旨在本地训练前校正数据分布的偏差, 但其会有隐私泄露的风险. 提出一种框架, 遵循严格的联邦学习隐私保护要求, 利用差分隐私、安全多方计算等技术, 在客户端数据分布保持黑盒的前提下, 选择出对全局模型性能提升最有益的若干标签, 针对这些标签生成高质量合成数据并分发, 使补齐这些数据后的客户端本地数据分布趋向于IID, 从而大大提高全局模型的表现. 具体来说, 首先设计一个隐私安全的算法, 对标签在客户端上的分布进行捕获, 并依据该标签分布特征对所有客户端进行组别的划分. 随后挑选出最值得生成的标签, 在标签对应的组内协调客户端合作训练高质量全局生成模型存放于服务器. 最后在任务模型的训练阶段, 基于标签分布特征利用这些生成模型有选择地合成样本并分发, 来使本地数据分布更加均匀, 进而缩小本地模型差距, 在聚合后得到高质量的全局模型. 实验表明, 所提方法能够有效提高全局模型在测试集上的准确率, 且能减少全局模型收敛前所需要的联邦学习通信轮次, 其有效性超越了各基线方法, 在不同的数据集上得到了验证.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007633
摘要：
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.
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.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007634
摘要：
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.
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.
优先出版日期: 2026-05-20
, DOI: 10.13328/j.cnki.jos.007623
摘要：
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.
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.
优先出版日期: 2026-05-13
, DOI: 10.13328/j.cnki.jos.007635
摘要：
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%.
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%.
优先出版日期: 2026-05-13
, DOI: 10.13328/j.cnki.jos.007644
摘要：
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.
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.
优先出版日期: 2026-04-29
, DOI: 10.13328/j.cnki.jos.007645
摘要：
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.
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.
优先出版日期: 2026-04-29
, DOI: 10.13328/j.cnki.jos.007641
摘要：
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.
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.
优先出版日期: 2026-04-29
, DOI: 10.13328/j.cnki.jos.007625
摘要：
数据库系统作为大数据基础设施的关键支撑, 其性能表现直接影响着上层应用的服务质量. 近年来随着新型存储硬件的不断发展, 数据库系统在应对大容量高并发场景时暴露出明显的稳定性缺陷, 实际测试发现, 数据库在大规模负载下性能劣化极其严重, 吞吐量普遍较低且出现失稳现象. 通过对运行过程中关键指标的监控和分析, 将问题定位到数据库的I/O读写模型, 认为I/O流程的缺陷导致数据库在大规模负载下刷脏不及时, 业务线程无干净页可用是引起稳定性下降的根本原因. 以缓冲区为对象将数据库I/O抽象为生产者-消费者模型, 分析了该模型存在的功能耦合问题, 据此提出了新的功能解耦I/O模型, 对数据库的刷脏机制和干净页产出机制进行了深度优化以提高干净页的产出效率, 并将改进后的NSGA-II算法应用到刷脏场景中用于多目标白盒化参数调优. 最后使用TPC-C和sysbench这2种常用的基准测试, 从数据规模、测试时间、并发数、读写模式等维度, 结合消融实验对该方案进行全面评估, 实验表明对于事务执行的平均吞吐量、稳定性、延迟等指标而言, 提出的整体方案相比基线方案以及其他优化方案均取得了明显优化效果.
数据库系统作为大数据基础设施的关键支撑, 其性能表现直接影响着上层应用的服务质量. 近年来随着新型存储硬件的不断发展, 数据库系统在应对大容量高并发场景时暴露出明显的稳定性缺陷, 实际测试发现, 数据库在大规模负载下性能劣化极其严重, 吞吐量普遍较低且出现失稳现象. 通过对运行过程中关键指标的监控和分析, 将问题定位到数据库的I/O读写模型, 认为I/O流程的缺陷导致数据库在大规模负载下刷脏不及时, 业务线程无干净页可用是引起稳定性下降的根本原因. 以缓冲区为对象将数据库I/O抽象为生产者-消费者模型, 分析了该模型存在的功能耦合问题, 据此提出了新的功能解耦I/O模型, 对数据库的刷脏机制和干净页产出机制进行了深度优化以提高干净页的产出效率, 并将改进后的NSGA-II算法应用到刷脏场景中用于多目标白盒化参数调优. 最后使用TPC-C和sysbench这2种常用的基准测试, 从数据规模、测试时间、并发数、读写模式等维度, 结合消融实验对该方案进行全面评估, 实验表明对于事务执行的平均吞吐量、稳定性、延迟等指标而言, 提出的整体方案相比基线方案以及其他优化方案均取得了明显优化效果.
优先出版日期: 2026-04-29
, DOI: 10.13328/j.cnki.jos.007622
摘要：
联邦学习允许众多客户端利用其本地数据联合训练模型而不暴露各方的真实数据, 与传统机器学习方法相比, 避免了数据迁移导致的数据泄露和滥用问题. 然而, 在实际应用中, 客户端可能具有异构的数据分布和系统功能, 这会导致模型性能和训练效率下降. 通过选择一个“良好的”客户端子集作为联邦学习参与方可以有效提高全局模型的性能和收敛速度. 而一些研究者发现, 恶意敌手可以利用客户端的本地训练损失或梯度等一些相关信息来推断其隐私数据, 目前的异构联邦学习参与方选择方案并没有应对这种隐私泄露风险的解决方法. 为此, 设计了一种基于安全多方计算的隐私保护异构联邦学习参与方选择协议, 利用3PC秘密共享技术来保证训练过程的数据隐私以及联合模型的准确度, 同时还提出了一个安全top-k搜索协议来避免参与方选择过程中泄露任何隐私信息. 对协议的安全性进行分析, 证明了该协议可以满足安全需求, 并且开展相关实验, 实验结果表明相比于未使用隐私保护的异构联邦学习方案, 所提出方案的各方的平均计算与通信时间开销仅增加了2.09%.
联邦学习允许众多客户端利用其本地数据联合训练模型而不暴露各方的真实数据, 与传统机器学习方法相比, 避免了数据迁移导致的数据泄露和滥用问题. 然而, 在实际应用中, 客户端可能具有异构的数据分布和系统功能, 这会导致模型性能和训练效率下降. 通过选择一个“良好的”客户端子集作为联邦学习参与方可以有效提高全局模型的性能和收敛速度. 而一些研究者发现, 恶意敌手可以利用客户端的本地训练损失或梯度等一些相关信息来推断其隐私数据, 目前的异构联邦学习参与方选择方案并没有应对这种隐私泄露风险的解决方法. 为此, 设计了一种基于安全多方计算的隐私保护异构联邦学习参与方选择协议, 利用3PC秘密共享技术来保证训练过程的数据隐私以及联合模型的准确度, 同时还提出了一个安全top-k搜索协议来避免参与方选择过程中泄露任何隐私信息. 对协议的安全性进行分析, 证明了该协议可以满足安全需求, 并且开展相关实验, 实验结果表明相比于未使用隐私保护的异构联邦学习方案, 所提出方案的各方的平均计算与通信时间开销仅增加了2.09%.
优先出版日期: 2026-04-29
, DOI: 10.13328/j.cnki.jos.007571
摘要：
访问控制技术是一种管理用户对资源访问权限的安全机制, 能有效防止未授权访问和资源泄露. 在数字化时代, 如何通过有效的访问控制技术平衡信息流通与隐私保护之间的关系, 保障数据要素安全有序流动, 已成为当前亟待解决的问题. 然而, 现有访问控制技术在领域数据共享场景研究中仍存在与信任评估融合不足、动态调整能力欠缺以及难以精准授权等问题. 针对上述问题, 提出一个基于博弈论的可信动态访问控制模型方案, 该方案融合“可信评估-动态调整-访问决策”三层协同机制. 首先, 基于属性权重算法, 设计多因素可信预测模型, 计算访问主体的信任概率; 其次, 从长期稳定角度出发, 构建访问主体与客体之间的演化博弈动态调整模型, 周期性地动态调整奖惩激励机制与访问授权阈值, 实现访问控制的适应性优化; 最后, 基于贝叶斯博弈论建立不完全信息实时决策模型, 依据混合策略纳什均衡做出访问控制决策, 并通过均衡状态反馈更新信任度. 仿真实验和敏感性分析的结果表明, 该方案能够有效提高访问控制的准确性, 实现访问控制策略动态调整和精准授权.
访问控制技术是一种管理用户对资源访问权限的安全机制, 能有效防止未授权访问和资源泄露. 在数字化时代, 如何通过有效的访问控制技术平衡信息流通与隐私保护之间的关系, 保障数据要素安全有序流动, 已成为当前亟待解决的问题. 然而, 现有访问控制技术在领域数据共享场景研究中仍存在与信任评估融合不足、动态调整能力欠缺以及难以精准授权等问题. 针对上述问题, 提出一个基于博弈论的可信动态访问控制模型方案, 该方案融合“可信评估-动态调整-访问决策”三层协同机制. 首先, 基于属性权重算法, 设计多因素可信预测模型, 计算访问主体的信任概率; 其次, 从长期稳定角度出发, 构建访问主体与客体之间的演化博弈动态调整模型, 周期性地动态调整奖惩激励机制与访问授权阈值, 实现访问控制的适应性优化; 最后, 基于贝叶斯博弈论建立不完全信息实时决策模型, 依据混合策略纳什均衡做出访问控制决策, 并通过均衡状态反馈更新信任度. 仿真实验和敏感性分析的结果表明, 该方案能够有效提高访问控制的准确性, 实现访问控制策略动态调整和精准授权.
优先出版日期: 2026-04-22
, DOI: 10.13328/j.cnki.jos.007615
摘要：
随着网络技术的飞速发展, 频频发生的网络攻击事件, 尤其是高级持续性威胁(advanced persistent threat, APT), 严重影响着国家安全和社会稳定. 在当前网络流量加密、混淆、伪装技术不断发展的背景下, 网络流量的智能化分析可以有效提高网络威胁的检测能力. 但在处理海量的网络流量数据时, 现有诸多方法仍存在分析复杂度高、模型可解释性弱等问题. 流谱以“域变换”作为总体解决思路, 通过为网络流数据构建更加精确、可分离度更高、可观测性更好的描述空间, 实现对网络行为的高效刻画、表征与分析, 从而有效解决上述问题. 类比原子光谱, 提出一套新的流谱方案. 该方案核心思想是通过将网络流映射到一维谱空间实现对网络行为的具象表征, 并以流谱比对方式检测网络流量威胁, 其中良好的流谱分解器设计是关键. 基于半监督自编码器构造流谱分解器并结合重构、分类任务完成训练, 从而使不同网络行为的谱线分布具有良好的可分性. 该方案在NSL-KDD、UNSW-NB15和CIC-DDoS2019数据集上进行了验证. 实验结果表明, 所提出的流谱方案对网络威胁行为在实现高准确率的识别的同时可以差异化表征对不同网络流量行为, 使得网络行为的可观测性显著提高, 从而增强检测方法的可解释性. 因此, 所提出的流谱方案对网络流威胁行为检测是有效的.
随着网络技术的飞速发展, 频频发生的网络攻击事件, 尤其是高级持续性威胁(advanced persistent threat, APT), 严重影响着国家安全和社会稳定. 在当前网络流量加密、混淆、伪装技术不断发展的背景下, 网络流量的智能化分析可以有效提高网络威胁的检测能力. 但在处理海量的网络流量数据时, 现有诸多方法仍存在分析复杂度高、模型可解释性弱等问题. 流谱以“域变换”作为总体解决思路, 通过为网络流数据构建更加精确、可分离度更高、可观测性更好的描述空间, 实现对网络行为的高效刻画、表征与分析, 从而有效解决上述问题. 类比原子光谱, 提出一套新的流谱方案. 该方案核心思想是通过将网络流映射到一维谱空间实现对网络行为的具象表征, 并以流谱比对方式检测网络流量威胁, 其中良好的流谱分解器设计是关键. 基于半监督自编码器构造流谱分解器并结合重构、分类任务完成训练, 从而使不同网络行为的谱线分布具有良好的可分性. 该方案在NSL-KDD、UNSW-NB15和CIC-DDoS2019数据集上进行了验证. 实验结果表明, 所提出的流谱方案对网络威胁行为在实现高准确率的识别的同时可以差异化表征对不同网络流量行为, 使得网络行为的可观测性显著提高, 从而增强检测方法的可解释性. 因此, 所提出的流谱方案对网络流威胁行为检测是有效的.
优先出版日期: 2026-04-22
, DOI: 10.13328/j.cnki.jos.007621
摘要：
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.
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.
优先出版日期: 2026-04-22
, DOI: 10.13328/j.cnki.jos.007626
摘要：
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%.
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%.
优先出版日期: 2026-04-22
, DOI: 10.13328/j.cnki.jos.007624
摘要：
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.
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.
优先出版日期: 2026-04-22
, DOI: 10.13328/j.cnki.jos.007579
摘要：
图自监督学习旨在无需人工标注的条件下学习有效的图结构表示. 尽管图对比学习(graph contrastive learning, GCL)通过构造标签保持不变的扰动视图并最大化其与原始视图的相似性来实现自监督训练, 但现有方法普遍采用全局均匀扰动策略, 未能考虑真实网络中节点角色的异质性——这种无差别的随机破坏会违反标签不变性假设. 实际观测表明, 真实网络普遍呈现核心-边缘的双层拓扑架构: 核心节点通过高度互连形成信息枢纽, 对其进行破坏性扰动将导致语义失真与标签偏移. 针对上述问题, 提出基于核心-边缘结构感知的图对比学习框架, 其创新性体现在: (i)摒弃全局均匀扰动范式, 通过核心-边缘检测算法精准定位边缘节点, 实施局部扰动以保持核心拓扑完整性, 严格遵循标签不变性原则; (ii)设计了边缘节点删除等增强操作, 模拟真实网络的动态演化过程, 强制模型捕获拓扑稳定性与噪声鲁棒性特征; (iii)构建了核心-边缘对比损失函数, 对不同结构重要性的节点在损失计算中赋予差异化权重, 有效引导模型关注核心信息并抑制边缘潜在的负面干扰. 在多个基准数据集上的实验表明, 所提方法在多个任务中均显著优于现有最优模型.
图自监督学习旨在无需人工标注的条件下学习有效的图结构表示. 尽管图对比学习(graph contrastive learning, GCL)通过构造标签保持不变的扰动视图并最大化其与原始视图的相似性来实现自监督训练, 但现有方法普遍采用全局均匀扰动策略, 未能考虑真实网络中节点角色的异质性——这种无差别的随机破坏会违反标签不变性假设. 实际观测表明, 真实网络普遍呈现核心-边缘的双层拓扑架构: 核心节点通过高度互连形成信息枢纽, 对其进行破坏性扰动将导致语义失真与标签偏移. 针对上述问题, 提出基于核心-边缘结构感知的图对比学习框架, 其创新性体现在: (i)摒弃全局均匀扰动范式, 通过核心-边缘检测算法精准定位边缘节点, 实施局部扰动以保持核心拓扑完整性, 严格遵循标签不变性原则; (ii)设计了边缘节点删除等增强操作, 模拟真实网络的动态演化过程, 强制模型捕获拓扑稳定性与噪声鲁棒性特征; (iii)构建了核心-边缘对比损失函数, 对不同结构重要性的节点在损失计算中赋予差异化权重, 有效引导模型关注核心信息并抑制边缘潜在的负面干扰. 在多个基准数据集上的实验表明, 所提方法在多个任务中均显著优于现有最优模型.
优先出版日期: 2026-04-09
, DOI: 10.13328/j.cnki.jos.007614
摘要：
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.
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.
优先出版日期: 2026-04-01
, DOI: 10.13328/j.cnki.jos.007612
摘要：
在大型在线服务系统中, 由于各组件间错综复杂的依赖关系, 故障的发生常会引发大量相关告警, 形成告警风暴. 告警风暴不仅增加了值班工程师的工作负担, 也使得故障诊断和根因分析变得更加困难. 为了解决这一问题, 提出了Alert-CM, 一种基于图表示学习的告警聚类方法, 将由同一故障引发的告警有效地聚类在一起, 从而减轻工程师的工作负担. 在告警管理过程中, 一条告警往往由故障发生时的多种底层系统数据共同汇总得到, 如异常相关应用、指标、日志、预警规则和应急场景等. Alert-CM认为由同一个故障引发的多个告警通常在底层系统数据层面存在紧密关联, 并且当中的底层核心系统数据将更能代表当前告警对应的系统异常状态. 根据这一核心思想, Alert-CM基于告警相关配置数据构建出细粒度的系统数据依赖图, 并将告警与图中各节点的依赖关系进行抽象和映射, 进一步扩展告警的特征空间. 基于系统数据依赖图, Alert-CM搭建了图神经网络模型进行图表示学习, 挖掘核心底层系统数据对于告警的贡献强弱, 从而输出准确的告警向量表示. 最终, Alert-CM使用DBSCAN算法实现告警聚类. 在真实工业数据集上对Alert-CM进行评估, 重点考察聚类的有效性和实时效率. 实验结果表明, Alert-CM在告警聚类任务中的表现显著优于传统的告警聚合方法. 在评估中, Alert-CM的NMI和ARI分别达到了 0.901 和 0.645, 相较于现有方法的平均值分别提升 31.7% 和 153.9%, 同时Alert-CM在在线实时聚类任务上也表现出良好的性能.
在大型在线服务系统中, 由于各组件间错综复杂的依赖关系, 故障的发生常会引发大量相关告警, 形成告警风暴. 告警风暴不仅增加了值班工程师的工作负担, 也使得故障诊断和根因分析变得更加困难. 为了解决这一问题, 提出了Alert-CM, 一种基于图表示学习的告警聚类方法, 将由同一故障引发的告警有效地聚类在一起, 从而减轻工程师的工作负担. 在告警管理过程中, 一条告警往往由故障发生时的多种底层系统数据共同汇总得到, 如异常相关应用、指标、日志、预警规则和应急场景等. Alert-CM认为由同一个故障引发的多个告警通常在底层系统数据层面存在紧密关联, 并且当中的底层核心系统数据将更能代表当前告警对应的系统异常状态. 根据这一核心思想, Alert-CM基于告警相关配置数据构建出细粒度的系统数据依赖图, 并将告警与图中各节点的依赖关系进行抽象和映射, 进一步扩展告警的特征空间. 基于系统数据依赖图, Alert-CM搭建了图神经网络模型进行图表示学习, 挖掘核心底层系统数据对于告警的贡献强弱, 从而输出准确的告警向量表示. 最终, Alert-CM使用DBSCAN算法实现告警聚类. 在真实工业数据集上对Alert-CM进行评估, 重点考察聚类的有效性和实时效率. 实验结果表明, Alert-CM在告警聚类任务中的表现显著优于传统的告警聚合方法. 在评估中, Alert-CM的NMI和ARI分别达到了 0.901 和 0.645, 相较于现有方法的平均值分别提升 31.7% 和 153.9%, 同时Alert-CM在在线实时聚类任务上也表现出良好的性能.
优先出版日期: 2026-04-01
, DOI: 10.13328/j.cnki.jos.007613
摘要：
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.
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.
优先出版日期: 2026-03-25
, DOI: 10.13328/j.cnki.jos.007568
摘要：
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Lp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, 并提出了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Lp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. 拓宽现有的深度神经网络的鲁棒性的形式定义, 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上的问题, 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.
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Lp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, 并提出了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Lp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. 拓宽现有的深度神经网络的鲁棒性的形式定义, 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上的问题, 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.
优先出版日期: 2026-03-25
, DOI: 10.13328/j.cnki.jos.007569
摘要：
图像去噪是计算机视觉中的基础任务, 其关键在于利用有效先验知识恢复噪声污染下的细节信息. 针对传统卷积神经网络因固定权重与局部感受野限制而存在的性能瓶颈, 以及Transformer在全局建模时面临的高计算复杂度问题, 提出一种基于特征空间上下文的Transformer去噪方法FSCformer. 该方法设计高效感受野模块, 通过动态捕获多尺度上下文信息, 在增强空间感知能力的同时显著降低计算开销; 采用卷积注意力模块, 将局部特征提取与全局依赖建模有机结合, 提高模型在复杂噪声环境下的鲁棒性; 提出跨特征融合机制, 通过多尺度特征的精细化交互增强图像细节保留能力. 大量实验结果表明, 该方法在去噪精度与计算效率之间实现了良好平衡, 并在多个基准数据集上优于现有的多种图像去噪模型.
图像去噪是计算机视觉中的基础任务, 其关键在于利用有效先验知识恢复噪声污染下的细节信息. 针对传统卷积神经网络因固定权重与局部感受野限制而存在的性能瓶颈, 以及Transformer在全局建模时面临的高计算复杂度问题, 提出一种基于特征空间上下文的Transformer去噪方法FSCformer. 该方法设计高效感受野模块, 通过动态捕获多尺度上下文信息, 在增强空间感知能力的同时显著降低计算开销; 采用卷积注意力模块, 将局部特征提取与全局依赖建模有机结合, 提高模型在复杂噪声环境下的鲁棒性; 提出跨特征融合机制, 通过多尺度特征的精细化交互增强图像细节保留能力. 大量实验结果表明, 该方法在去噪精度与计算效率之间实现了良好平衡, 并在多个基准数据集上优于现有的多种图像去噪模型.
优先出版日期: 2026-03-25
, DOI: 10.13328/j.cnki.jos.007643
摘要：
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.
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.
优先出版日期: 2026-02-11
, DOI: 10.13328/j.cnki.jos.007566
摘要：
随着自动驾驶应用的快速普及, 其安全性问题成为学术界及工业界共同关注的焦点. 针对自动驾驶系统(autonomous driving system, ADS)的测试是解决该问题的有效手段. 目前, 主流测试方法是基于驾驶场景的仿真测试, 即通过模拟各种场景元素, 如道路、行人等, 评估待测ADS的决策. 然而, 现有方法多聚焦于关键驾驶场景的构建与动态生成, 忽视了车辆自身配置变化, 如车重、扭矩等, 对部署于其上的ADS的决策影响. 针对该问题, 基于课题组前期工作SAFEVAR, 提出安全攸关的车辆配置高效搜索方法SAFEVCS. SAFEVAR采用搜索算法, 探索暴露ADS安全隐患的车辆配置设置(VCS); 为提高搜索结果的多样性, SAFEVCS引入模糊测试, 改进搜索算法交叉与变异算子的条件限定及约束; 为提高搜索效率, SAFEVCS进一步结合车辆动力学知识, 实现搜索终止策略和去重策略的自适应. 为评估SAFEVCS的有效性及执行效率, 以SAFEVAR为对比基线, 在3个驾驶场景下进行大规模实验. 实验结果表明, SAFEVCS生成的VCS能够有效暴露ADS安全隐患. 在晴天、雨天两种天气条件下, 行人横穿马路的仿真场景中, SAFEVCS搜索到的解集能够显著降低ADS的安全表现, 且在相同的实验环境下, 仿真效率提升近2.5倍.
随着自动驾驶应用的快速普及, 其安全性问题成为学术界及工业界共同关注的焦点. 针对自动驾驶系统(autonomous driving system, ADS)的测试是解决该问题的有效手段. 目前, 主流测试方法是基于驾驶场景的仿真测试, 即通过模拟各种场景元素, 如道路、行人等, 评估待测ADS的决策. 然而, 现有方法多聚焦于关键驾驶场景的构建与动态生成, 忽视了车辆自身配置变化, 如车重、扭矩等, 对部署于其上的ADS的决策影响. 针对该问题, 基于课题组前期工作SAFEVAR, 提出安全攸关的车辆配置高效搜索方法SAFEVCS. SAFEVAR采用搜索算法, 探索暴露ADS安全隐患的车辆配置设置(VCS); 为提高搜索结果的多样性, SAFEVCS引入模糊测试, 改进搜索算法交叉与变异算子的条件限定及约束; 为提高搜索效率, SAFEVCS进一步结合车辆动力学知识, 实现搜索终止策略和去重策略的自适应. 为评估SAFEVCS的有效性及执行效率, 以SAFEVAR为对比基线, 在3个驾驶场景下进行大规模实验. 实验结果表明, SAFEVCS生成的VCS能够有效暴露ADS安全隐患. 在晴天、雨天两种天气条件下, 行人横穿马路的仿真场景中, SAFEVCS搜索到的解集能够显著降低ADS的安全表现, 且在相同的实验环境下, 仿真效率提升近2.5倍.
优先出版日期: 2026-02-04
, DOI: 10.13328/j.cnki.jos.007572
摘要：
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的特殊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TypScript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的故障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.
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的特殊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TypScript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的故障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.
优先出版日期: 2026-02-04
, DOI: 10.13328/j.cnki.jos.007575
摘要：
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.
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.
优先出版日期: 2026-02-04
, DOI: 10.13328/j.cnki.jos.007577
摘要：
近年来, 基于图神经网络(graph neural network, GNN)的推荐系统能够很好地利用交互数据的交互结构来学习用户和项目表示. 然而, 现有的基于图神经网络的推荐模型在聚合过程中往往忽略了交互的时态信息, 从而难以建模用户兴趣变化特征, 导致推荐模型对数据产生过度拟合, 造成推荐结果缺乏多样性, 难以满足用户更加多样化的需求. 针对上述问题, 提出了一种时态信息增强的多样化推荐模型. 首先, 利用注意力机制来捕获历史用户-物品交互中的时态信息和交互结构信息并融合. 同时, 为降低特征冗余并提高表示辨识度, 设计了特征分离模块, 将平滑的全局特征与突出且具有判别力的关键信号进行解耦. 然后, 通过邻居选择来突出节点间的差异并进行图卷积, 利用层注意力机制来缓解过平滑问题. 最后, 通过重加权损失增强对长尾类别项目的学习以增强多样性. 通过在两个数据集上的大量实验验证, 结果表明所提方法可以在实现最佳多样性的同时, 保持较高的准确性.
近年来, 基于图神经网络(graph neural network, GNN)的推荐系统能够很好地利用交互数据的交互结构来学习用户和项目表示. 然而, 现有的基于图神经网络的推荐模型在聚合过程中往往忽略了交互的时态信息, 从而难以建模用户兴趣变化特征, 导致推荐模型对数据产生过度拟合, 造成推荐结果缺乏多样性, 难以满足用户更加多样化的需求. 针对上述问题, 提出了一种时态信息增强的多样化推荐模型. 首先, 利用注意力机制来捕获历史用户-物品交互中的时态信息和交互结构信息并融合. 同时, 为降低特征冗余并提高表示辨识度, 设计了特征分离模块, 将平滑的全局特征与突出且具有判别力的关键信号进行解耦. 然后, 通过邻居选择来突出节点间的差异并进行图卷积, 利用层注意力机制来缓解过平滑问题. 最后, 通过重加权损失增强对长尾类别项目的学习以增强多样性. 通过在两个数据集上的大量实验验证, 结果表明所提方法可以在实现最佳多样性的同时, 保持较高的准确性.
优先出版日期: 2026-02-04
, DOI: 10.13328/j.cnki.jos.007578
摘要：
多模态多目标优化存在个体拥挤度难以合理定义、个体多样性计算难以动态平衡决策空间和目标空间的挑战, 现有多模态多目标优化算法在性能上尚存在较大提升空间. 为此, 提出了一种个体多样性自适应的多模态多目标差分进化算法(multimodal multiobjective differential evolution algorithm based on adaptive individual diversity, MMODE-AID). 首先, 以个体在决策空间或目标空间的最近邻平均欧氏距离为基础, 通过对个体间相对距离的累乘定义个体的拥挤度, 可以更合理地衡量各个体在相应空间的真实拥挤程度. 其次, 基于决策空间和目标空间各自的整体拥挤度, 得到个体在相应空间的拥挤度相对值, 可以合理地动态平衡进化过程中决策空间和目标空间当前状态对个体多样性计算的影响, 有利于各等效帕累托最优解集的充分搜索. MMODE-AID以差分进化为基础优化框架, 并基于自适应个体多样性评估个体的适应度, 可在子代生成和环境选择时得到在决策空间分布、目标空间分布、收敛性这3方面均表现优异的种群. 为验证MMODE-AID的性能, 将其与7个先进的多模态多目标优化算法在39个基准测试问题和1个实际应用问题上进行对比. 实验结果表明MMODE-AID对于多模态多目标优化问题的求解具有明显竞争优势. MMODE-AID的源代码和原始实验数据已在GitHub上公开: https://github.com/CIA-SZU/ZQ.
多模态多目标优化存在个体拥挤度难以合理定义、个体多样性计算难以动态平衡决策空间和目标空间的挑战, 现有多模态多目标优化算法在性能上尚存在较大提升空间. 为此, 提出了一种个体多样性自适应的多模态多目标差分进化算法(multimodal multiobjective differential evolution algorithm based on adaptive individual diversity, MMODE-AID). 首先, 以个体在决策空间或目标空间的最近邻平均欧氏距离为基础, 通过对个体间相对距离的累乘定义个体的拥挤度, 可以更合理地衡量各个体在相应空间的真实拥挤程度. 其次, 基于决策空间和目标空间各自的整体拥挤度, 得到个体在相应空间的拥挤度相对值, 可以合理地动态平衡进化过程中决策空间和目标空间当前状态对个体多样性计算的影响, 有利于各等效帕累托最优解集的充分搜索. MMODE-AID以差分进化为基础优化框架, 并基于自适应个体多样性评估个体的适应度, 可在子代生成和环境选择时得到在决策空间分布、目标空间分布、收敛性这3方面均表现优异的种群. 为验证MMODE-AID的性能, 将其与7个先进的多模态多目标优化算法在39个基准测试问题和1个实际应用问题上进行对比. 实验结果表明MMODE-AID对于多模态多目标优化问题的求解具有明显竞争优势. MMODE-AID的源代码和原始实验数据已在GitHub上公开: https://github.com/CIA-SZU/ZQ.
优先出版日期: 2026-01-21
, DOI: 10.13328/j.cnki.jos.007562
摘要：
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(clarity novelty usefulness, CNU)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.
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(clarity novelty usefulness, CNU)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.
优先出版日期: 2026-01-21
, DOI: 10.13328/j.cnki.jos.007472
摘要：
结合机器学习相关技术的启发式测试用例生成方法可显著提高测试效率. 已有研究关注于利用部分测试用例构建高效的代理模型, 忽略了初始种群质量以及代理模型对多路径测试效率的影响. 由此, 提出一种结合K-means与SVR (support vector machine regression, 支持向量机回归)的测试用例约简与生成方法. 通过K-means将随机生成的用例聚为若干簇, 保留与簇中心距离在一定阈值内的用例, 生成这些用例的路径覆盖矩阵. 利用该矩阵评估测试用例的路径覆盖潜能以及路径的难易覆盖程度, 并基于这两者对测试用例进行排序, 分别从不同簇中选取若干用例构成测试用例约简集, 将其作为初始遗传种群. 这不仅增强初始种群的多样性, 降低其冗余性, 还有助于减少多路径覆盖的测试用例进化次数. 同时, 将聚类前的用例及其适应度作为样本训练适应于多路径覆盖的SVR适应度预测模型, 并使用遗传进化生成的新用例更新模型, 进一步提高模型精度, 可减少执行插桩程序带来的大量时间消耗. 这样, 种群质量与测试效率均得以提升. 实验表明, 在15个程序上, 所提方法在覆盖率、平均进化代数等指标上均有较好改善. 其中在覆盖率上, 与3类基准方法相比, 最少可提高7%, 最多可达49%; 与5种具有竞争性的方法相比, 可提高约10%, 最多可达25%. 所提方法对融合机器学习的多路径测试研究提供了方法指导.
结合机器学习相关技术的启发式测试用例生成方法可显著提高测试效率. 已有研究关注于利用部分测试用例构建高效的代理模型, 忽略了初始种群质量以及代理模型对多路径测试效率的影响. 由此, 提出一种结合K-means与SVR (support vector machine regression, 支持向量机回归)的测试用例约简与生成方法. 通过K-means将随机生成的用例聚为若干簇, 保留与簇中心距离在一定阈值内的用例, 生成这些用例的路径覆盖矩阵. 利用该矩阵评估测试用例的路径覆盖潜能以及路径的难易覆盖程度, 并基于这两者对测试用例进行排序, 分别从不同簇中选取若干用例构成测试用例约简集, 将其作为初始遗传种群. 这不仅增强初始种群的多样性, 降低其冗余性, 还有助于减少多路径覆盖的测试用例进化次数. 同时, 将聚类前的用例及其适应度作为样本训练适应于多路径覆盖的SVR适应度预测模型, 并使用遗传进化生成的新用例更新模型, 进一步提高模型精度, 可减少执行插桩程序带来的大量时间消耗. 这样, 种群质量与测试效率均得以提升. 实验表明, 在15个程序上, 所提方法在覆盖率、平均进化代数等指标上均有较好改善. 其中在覆盖率上, 与3类基准方法相比, 最少可提高7%, 最多可达49%; 与5种具有竞争性的方法相比, 可提高约10%, 最多可达25%. 所提方法对融合机器学习的多路径测试研究提供了方法指导.
优先出版日期: 2026-01-14
, DOI: 10.13328/j.cnki.jos.007558
摘要：
K-团枚举是子图匹配中的一个重要问题, 位图算法被证明是求解K-团枚举问题的有效方法. 目前最先进的K-团枚举算法都采用GPU来加速. 先前工作没有关注真实世界图数据的稀疏性对基于位图的K-团枚举算法的影响, 而是在GPU上采用静态的并行方法和位图构造策略, 这导致GPU计算效率低下. 提出了基于thread并行的位图任务负载均衡调度算法, 在解决线程分歧问题的同时实现位图算法的高并行性. 随后, 提出了一种动态位图构造算法, 使得位图可以在合适的时机被构造并高效启用位图算法. 实现了一个GPU友好的K-团枚举问题求解系统KCMiner, 它可以自适应地选择K-团枚举任务的优化策略. 在GPU架构上的实验结果表明, 方法能够比K-团枚举的基线算法最大实现7.36倍的加速, 与子图匹配系统的基线算法相比最大实现30.2倍的加速.
K-团枚举是子图匹配中的一个重要问题, 位图算法被证明是求解K-团枚举问题的有效方法. 目前最先进的K-团枚举算法都采用GPU来加速. 先前工作没有关注真实世界图数据的稀疏性对基于位图的K-团枚举算法的影响, 而是在GPU上采用静态的并行方法和位图构造策略, 这导致GPU计算效率低下. 提出了基于thread并行的位图任务负载均衡调度算法, 在解决线程分歧问题的同时实现位图算法的高并行性. 随后, 提出了一种动态位图构造算法, 使得位图可以在合适的时机被构造并高效启用位图算法. 实现了一个GPU友好的K-团枚举问题求解系统KCMiner, 它可以自适应地选择K-团枚举任务的优化策略. 在GPU架构上的实验结果表明, 方法能够比K-团枚举的基线算法最大实现7.36倍的加速, 与子图匹配系统的基线算法相比最大实现30.2倍的加速.
优先出版日期: 2026-01-14
, DOI: 10.13328/j.cnki.jos.007536
摘要：
Scade是一种广泛用于安全攸关嵌入式控制软件开发的著名商业工具, 其建模语言是从同步数据流语言Lustre扩展而来的同步语言. 包括Lustre在内的同步语言的正确编译近年来备受关注, 并在许多研究中通过形式化验证方法来解决. 对此类语言构建形式化验证的编译器, 实践中常见的做法是先将源程序编译为类C程序, 然后使用形式化验证的后端编译器(如CompCert编译器)将其编译为机器相关的低级代码. 其中, 时态算子的正确编译是至关重要的. 介绍一种形式化验证的类Scade时态算子编译并将其应用于形式化验证的编译器项目中, 该项目将Lustre扩展的同步语言翻译成CompCert编译器的前端中间语言Clight. 时态算子的编译和形式化验证分为两个核心阶段, 在交互式证明辅助器Coq中实现.
Scade是一种广泛用于安全攸关嵌入式控制软件开发的著名商业工具, 其建模语言是从同步数据流语言Lustre扩展而来的同步语言. 包括Lustre在内的同步语言的正确编译近年来备受关注, 并在许多研究中通过形式化验证方法来解决. 对此类语言构建形式化验证的编译器, 实践中常见的做法是先将源程序编译为类C程序, 然后使用形式化验证的后端编译器(如CompCert编译器)将其编译为机器相关的低级代码. 其中, 时态算子的正确编译是至关重要的. 介绍一种形式化验证的类Scade时态算子编译并将其应用于形式化验证的编译器项目中, 该项目将Lustre扩展的同步语言翻译成CompCert编译器的前端中间语言Clight. 时态算子的编译和形式化验证分为两个核心阶段, 在交互式证明辅助器Coq中实现.
优先出版日期: 2026-01-07
, DOI: 10.13328/j.cnki.jos.007554
摘要：
GPS (global positioning system, 全球定位系统)移动设备与5G (5th generation mobile communication technology, 第5代移动通信技术)互联网技术的普及催生了轨迹数据的飞速增长. 如何对海量轨迹数据进行高效地存储、管理和分析成为当前环境下的研究热点问题. 传统的单节点式轨迹索引受限于内存容量、磁盘I/O速度等问题已经无法胜任海量轨迹数据的管理. Spark作为一种基于内存计算的分布式框架, 在处理海量数据时具备天然的优势. 因此, 提出了基于Spark平台的分布式轨迹数据索引以及相关的查询技术方案. 为了提升分布式集群中单个节点的数据存储能力和轨迹查询效率, 首先提出了一种轨迹编码技术(Z-order trajectory encoding, ZTE), 该技术对轨迹MBR (minimum bounding rectangle, 最小外接矩形)所覆盖的最小相邻子空间进行编码, 可以表达不同粒度的轨迹以及轨迹的运动方向, 用于判断轨迹与查询空间的关系. 基于这一技术, 将轨迹的ZTE编码进一步组织成偏序结构, 设计了基于子空间偏序分支的SPB分支(subspace partial-order branch, SPB)并结合哈希映射表IDMap构建局部索引. 索引能够避免类R树索引中最小限定矩形堆叠形成死空间导致的效率低下问题, 实现快速剪枝. 为了支持海量轨迹数据的高效检索, 基于SPB分支的局部索引设计了分布式的轨迹索引SPBSpark. SPBSpark主要包括数据分区、局部索引和全局索引这3个部分. 该索引能有效支持时空范围查询、k近邻查询、移动对象轨迹查询这3种查询. 最后, 选取了同样基于Spark框架的分布式轨迹索引TrajSpark和LocationSpark作为实验对照对象. 通过仿真实验对比分析, SPBSpark索引的空间利用率在LocationSpark上改善了约15%. 在查询性能上, 相较于TrajSpark和LocationSpark, SPBSpark拥有2–3倍的性能提升.
GPS (global positioning system, 全球定位系统)移动设备与5G (5th generation mobile communication technology, 第5代移动通信技术)互联网技术的普及催生了轨迹数据的飞速增长. 如何对海量轨迹数据进行高效地存储、管理和分析成为当前环境下的研究热点问题. 传统的单节点式轨迹索引受限于内存容量、磁盘I/O速度等问题已经无法胜任海量轨迹数据的管理. Spark作为一种基于内存计算的分布式框架, 在处理海量数据时具备天然的优势. 因此, 提出了基于Spark平台的分布式轨迹数据索引以及相关的查询技术方案. 为了提升分布式集群中单个节点的数据存储能力和轨迹查询效率, 首先提出了一种轨迹编码技术(Z-order trajectory encoding, ZTE), 该技术对轨迹MBR (minimum bounding rectangle, 最小外接矩形)所覆盖的最小相邻子空间进行编码, 可以表达不同粒度的轨迹以及轨迹的运动方向, 用于判断轨迹与查询空间的关系. 基于这一技术, 将轨迹的ZTE编码进一步组织成偏序结构, 设计了基于子空间偏序分支的SPB分支(subspace partial-order branch, SPB)并结合哈希映射表IDMap构建局部索引. 索引能够避免类R树索引中最小限定矩形堆叠形成死空间导致的效率低下问题, 实现快速剪枝. 为了支持海量轨迹数据的高效检索, 基于SPB分支的局部索引设计了分布式的轨迹索引SPBSpark. SPBSpark主要包括数据分区、局部索引和全局索引这3个部分. 该索引能有效支持时空范围查询、k近邻查询、移动对象轨迹查询这3种查询. 最后, 选取了同样基于Spark框架的分布式轨迹索引TrajSpark和LocationSpark作为实验对照对象. 通过仿真实验对比分析, SPBSpark索引的空间利用率在LocationSpark上改善了约15%. 在查询性能上, 相较于TrajSpark和LocationSpark, SPBSpark拥有2–3倍的性能提升.
优先出版日期: 2026-01-07
, DOI: 10.13328/j.cnki.jos.007555
摘要：
群体智能是新一代人工智能的重要组成部分, 研究如何激发和汇聚开源社区“人”的力量能够极大提升开发效率. 社区检测作为研究开源项目中开发者关系的技术手段, 在社交网络的探索和理解中起着至关重要的作用. 然而, 目前的研究主要集中在Facebook等大规模社交网络上, 系统性地研究项目级开源软件开发者社交网络(OSS-DSN)中的社区检测仍然较为缺乏. 首先收集真实世界的数据, 并分析OSS-DSN的特征. 然后, 在这些真实数据集上, 对多种重叠和非重叠的社区检测算法进行基准测试, 比较它们在多个度量和维度上的性能. 最后, 基于合成的OSS-DSN, 高效地生成了一系列合成网络, 并使用带有真实标签的数据进行算法评估, 以进行对比分析. 识别了小规模和中等规模社交网络与大规模网络之间的特征差异, 并探讨了这些差异如何影响社区检测的度量标准及算法性能. 提供了一个新的基准, 并为更好地理解开源软件社区中的沟通与协作提供了重要的见解.
群体智能是新一代人工智能的重要组成部分, 研究如何激发和汇聚开源社区“人”的力量能够极大提升开发效率. 社区检测作为研究开源项目中开发者关系的技术手段, 在社交网络的探索和理解中起着至关重要的作用. 然而, 目前的研究主要集中在Facebook等大规模社交网络上, 系统性地研究项目级开源软件开发者社交网络(OSS-DSN)中的社区检测仍然较为缺乏. 首先收集真实世界的数据, 并分析OSS-DSN的特征. 然后, 在这些真实数据集上, 对多种重叠和非重叠的社区检测算法进行基准测试, 比较它们在多个度量和维度上的性能. 最后, 基于合成的OSS-DSN, 高效地生成了一系列合成网络, 并使用带有真实标签的数据进行算法评估, 以进行对比分析. 识别了小规模和中等规模社交网络与大规模网络之间的特征差异, 并探讨了这些差异如何影响社区检测的度量标准及算法性能. 提供了一个新的基准, 并为更好地理解开源软件社区中的沟通与协作提供了重要的见解.
优先出版日期: 2026-01-07
, DOI: 10.13328/j.cnki.jos.007556
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, 提出了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.
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, 提出了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.
优先出版日期: 2025-12-24
, DOI: 10.13328/j.cnki.jos.007557
摘要：
在软件工程领域中, 非功能需求(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, 提出了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. 构建了包含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(RAG)技术, 构建了包含3个核心模块的系统化解决方案: 基于最大边际相关性算法的语义案例检索模块、面向非功能需求生成的提示工程模块和基于参数优化的大语言模型生成模块. 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, 实验结果表明方法在需求的完整性、准确性和可测试性等方面优于现有方法.
在软件工程领域中, 非功能需求(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, 提出了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. 构建了包含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(RAG)技术, 构建了包含3个核心模块的系统化解决方案: 基于最大边际相关性算法的语义案例检索模块、面向非功能需求生成的提示工程模块和基于参数优化的大语言模型生成模块. 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, 实验结果表明方法在需求的完整性、准确性和可测试性等方面优于现有方法.
优先出版日期: 2025-11-26
, DOI: 10.13328/j.cnki.jos.007505
摘要：
HTAP数据库在一套系统中同时支持OLTP和OLAP工作负载. 其中工作负载的识别是查询执行中路由分发的关键, 只有准确识别出查询属于OLTP或OLAP, 才能对查询进行合理优化和分配资源. 因此, 准确识别工作负载类型是HTAP数据库性能的关键因素之一. 然而, 现有的负载识别方法主要基于SQL语句中的规则和成本代价, 以及传统机器学习的方法来区分工作负载. 这些方法没有考虑查询语句的自身特点, 也没有利用执行计划的结构信息, 影响识别工作负载的准确率. 为了提高负载识别的准确性, 提出了一种智能识别OLTP和OLAP工作负载的方法, 该方法通过对SQL语句和执行计划进行特征提取和特征编码, 基于BERT构建SQL语句编码器, 结合树卷积神经网络和注意力机制构建执行计划的编码器, 两种特征融合构建分类器, 该模型能够智能识别HTAP混合负载中的工作负载. 通过实验验证, 模型可以准确识别OLTP和OLAP工作负载, 具有较高的识别准确率. 同时, 在多种数据集中验证了模型的鲁棒性, 并将模型集成到TiDB数据库中验证了其对数据库性能的提升.
HTAP数据库在一套系统中同时支持OLTP和OLAP工作负载. 其中工作负载的识别是查询执行中路由分发的关键, 只有准确识别出查询属于OLTP或OLAP, 才能对查询进行合理优化和分配资源. 因此, 准确识别工作负载类型是HTAP数据库性能的关键因素之一. 然而, 现有的负载识别方法主要基于SQL语句中的规则和成本代价, 以及传统机器学习的方法来区分工作负载. 这些方法没有考虑查询语句的自身特点, 也没有利用执行计划的结构信息, 影响识别工作负载的准确率. 为了提高负载识别的准确性, 提出了一种智能识别OLTP和OLAP工作负载的方法, 该方法通过对SQL语句和执行计划进行特征提取和特征编码, 基于BERT构建SQL语句编码器, 结合树卷积神经网络和注意力机制构建执行计划的编码器, 两种特征融合构建分类器, 该模型能够智能识别HTAP混合负载中的工作负载. 通过实验验证, 模型可以准确识别OLTP和OLAP工作负载, 具有较高的识别准确率. 同时, 在多种数据集中验证了模型的鲁棒性, 并将模型集成到TiDB数据库中验证了其对数据库性能的提升.
优先出版日期: 2025-10-29
, DOI: 10.13328/j.cnki.jos.007477
摘要：
随着鸿蒙生态系统的快速发展, 鸿蒙应用的安全问题逐渐成为研究重点. 在安卓领域, 已有多种成熟的静态分析框架广泛应用于安全检测任务. 然而, 针对鸿蒙应用的静态分析框架尚处于初步发展阶段. OpenHarmony社区正在基于鸿蒙应用ArkTS源代码开展静态分析, 但在实际的安全检测任务中, 应用源代码往往难以获取, 限制了其适用范围. 为缓解上述问题, 提出一种基于方舟中间表示(Panda IR)的鸿蒙应用静态分析框架. 该框架提供方舟Panda IR的基本信息接口, 设计适应ArkTS语法特性的字段敏感指针分析算法, 并实现与指针分析交互的拓展分析接口. 具体来说, 对Panda IR中的318条指令进行语义分类和处理, 进一步定制化设计指针流图. 为了支持ArkTS语法特性, 新增指向集合传播规则, 对特殊调用的相关语义进行准确建模. 此外, 基于指针分析结果优化过程间数据依赖关系并提供别名分析能力. 从ArkTS语法特性覆盖性, 指针分析精度和指针分析速度这3个方面对HarmonyFlow进行实验评估. 实验结果表明, HarmonyFlow可以正确处理ArkTS的关键语法, 在9个开源鸿蒙应用上调用边识别的精确率和召回率分别为98.33%和92.22%, 在35个真实鸿蒙应用上的平均运行时间为96 s.
随着鸿蒙生态系统的快速发展, 鸿蒙应用的安全问题逐渐成为研究重点. 在安卓领域, 已有多种成熟的静态分析框架广泛应用于安全检测任务. 然而, 针对鸿蒙应用的静态分析框架尚处于初步发展阶段. OpenHarmony社区正在基于鸿蒙应用ArkTS源代码开展静态分析, 但在实际的安全检测任务中, 应用源代码往往难以获取, 限制了其适用范围. 为缓解上述问题, 提出一种基于方舟中间表示(Panda IR)的鸿蒙应用静态分析框架. 该框架提供方舟Panda IR的基本信息接口, 设计适应ArkTS语法特性的字段敏感指针分析算法, 并实现与指针分析交互的拓展分析接口. 具体来说, 对Panda IR中的318条指令进行语义分类和处理, 进一步定制化设计指针流图. 为了支持ArkTS语法特性, 新增指向集合传播规则, 对特殊调用的相关语义进行准确建模. 此外, 基于指针分析结果优化过程间数据依赖关系并提供别名分析能力. 从ArkTS语法特性覆盖性, 指针分析精度和指针分析速度这3个方面对HarmonyFlow进行实验评估. 实验结果表明, HarmonyFlow可以正确处理ArkTS的关键语法, 在9个开源鸿蒙应用上调用边识别的精确率和召回率分别为98.33%和92.22%, 在35个真实鸿蒙应用上的平均运行时间为96 s.
优先出版日期: 2025-09-28
, DOI: 10.13328/j.cnki.jos.007476
摘要：
黑盒漏洞扫描器是用于Web应用漏洞检测的重要辅助工具, 能够在Web应用正式上线前有效识别潜在的安全威胁, 从而提升Web应用的整体安全性. 当前大多数黑盒扫描器主要通过模拟用户操作和正则匹配来收集攻击面. 然而, 模拟用户操作容易被输入验证机制拦截, 且难以处理复杂的事件操作, 而正则匹配方法无法有效处理动态内容. 这导致扫描器难以有效处理JavaScript代码中的隐藏攻击面和动态生成的攻击面, 使其在部分Web应用中漏洞检测效果不佳. 为解决上述问题, 提出一种基于JavaScript代码分析的漏洞扫描器增强框架JSEScan. 该框架结合静态与动态代码分析技术, 绕过表单验证和事件触发的限制, 通过提取JavaScript代码中攻击面的特征, 实现JavaScript代码中攻击面的挖掘, 并且攻击面将被同步至多种扫描器, 从而增强其漏洞检测能力. 实验结果表明, JSEScan能将单个扫描器的代码覆盖量提高81.02%–242.15%, 并且相比于多扫描器同时工作的情况, 额外发现239个安全漏洞, 具备更强的攻击面收集能力和漏洞检测能力.
黑盒漏洞扫描器是用于Web应用漏洞检测的重要辅助工具, 能够在Web应用正式上线前有效识别潜在的安全威胁, 从而提升Web应用的整体安全性. 当前大多数黑盒扫描器主要通过模拟用户操作和正则匹配来收集攻击面. 然而, 模拟用户操作容易被输入验证机制拦截, 且难以处理复杂的事件操作, 而正则匹配方法无法有效处理动态内容. 这导致扫描器难以有效处理JavaScript代码中的隐藏攻击面和动态生成的攻击面, 使其在部分Web应用中漏洞检测效果不佳. 为解决上述问题, 提出一种基于JavaScript代码分析的漏洞扫描器增强框架JSEScan. 该框架结合静态与动态代码分析技术, 绕过表单验证和事件触发的限制, 通过提取JavaScript代码中攻击面的特征, 实现JavaScript代码中攻击面的挖掘, 并且攻击面将被同步至多种扫描器, 从而增强其漏洞检测能力. 实验结果表明, JSEScan能将单个扫描器的代码覆盖量提高81.02%–242.15%, 并且相比于多扫描器同时工作的情况, 额外发现239个安全漏洞, 具备更强的攻击面收集能力和漏洞检测能力.
优先出版日期: 2017-10-18
摘要：
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.
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.
优先出版日期: 2017-10-18
摘要：
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.
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.
优先出版日期: 2017-09-11
摘要：
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。
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。
优先出版日期: 2017-06-21
摘要：
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.
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.
优先出版日期: 2017-06-13
摘要：
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.
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.
优先出版日期: 2017-01-25
摘要：
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.
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.
优先出版日期: 2017-01-18
摘要：
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).
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).
优先出版日期: 2017-01-04
摘要：
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。
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。
优先出版日期: 2017-01-04
摘要：
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。
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。
优先出版日期: 2016-12-12
摘要：
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。
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。
优先出版日期: 2016-09-30
摘要：
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。
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。
优先出版日期: 2016-09-09
摘要：
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。
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。
优先出版日期: 2016-09-07
摘要：
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。
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。
优先出版日期: 2016-08-29
摘要：
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.
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)
快速检索
过刊检索
全选反选导出
显示模式：
2015,26(6):1356-1372
, DOI: 10.13328/j.cnki.jos.004831
摘要：
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.
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.
2019,30(1):22-32
, DOI: 10.13328/j.cnki.jos.005648
摘要：
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.
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.
2016,27(6):1328-1348
, DOI: 10.13328/j.cnki.jos.005004
摘要：
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.
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.
2015,26(1):26-39
, DOI: 10.13328/j.cnki.jos.004631
摘要：
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.
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.
2015,26(1):62-81
, DOI: 10.13328/j.cnki.jos.004701
摘要：
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.
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.
2010,21(3):427-437
摘要：
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.
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.
2016,27(3):691-713
, DOI: 10.13328/j.cnki.jos.004948
摘要：
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.
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.
2013,24(1):91-108
, DOI: 10.3724/SP.J.1001.2013.04292
摘要：
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.
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.
2011,22(1):71-83
, DOI: 10.3724/SP.J.1001.2011.03958
摘要：
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.
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.
2016,27(1):45-71
, DOI: 10.13328/j.cnki.jos.004914
摘要：
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.
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.
2018,29(2):340-362
, DOI: 10.13328/j.cnki.jos.005391
摘要：
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.
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.
2008,19(1):48-61
摘要：
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.
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.
2009,20(5):1337-1348
摘要：
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.
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.
2009,20(2):271-289
摘要：
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.
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.
2018,29(9):2681-2696
, DOI: 10.13328/j.cnki.jos.005274
摘要：
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.
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.
2018,29(3):786-798
, DOI: 10.13328/j.cnki.jos.005437
摘要：
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.
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.
2017,28(4):959-992
, DOI: 10.13328/j.cnki.jos.005143
摘要：
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.
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.
2018,29(10):3164-3183
, DOI: 10.13328/j.cnki.jos.005288
摘要：
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.
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.
2018,29(10):3134-3149
, DOI: 10.13328/j.cnki.jos.005284
摘要：
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.
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.
2019,30(3):822-844
, DOI: 10.13328/j.cnki.jos.005681
摘要：
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.
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.
2018,29(12):3747-3763
, DOI: 10.13328/j.cnki.jos.005322
摘要：
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.
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.
2019,30(11):3397-3412
, DOI: 10.13328/j.cnki.jos.005545
摘要：
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.
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.
2020,31(2):421-438
, DOI: 10.13328/j.cnki.jos.005618
摘要：
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.
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.
2015,26(1):145-166
, DOI: 10.13328/j.cnki.jos.004688
摘要：
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.
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.
2005,16(1):1-7
摘要：
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.
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.
2012,23(1):1-20
, DOI: 10.3724/SP.J.1001.2012.04100
摘要：
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
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
2004,15(3):428-442
摘要：
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.
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.
2009,20(1):54-66
摘要：
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.
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.
2017,28(4):860-882
, DOI: 10.13328/j.cnki.jos.005190
摘要：
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.
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.
2005,16(5):857-868
摘要：
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.
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.
2012,23(4):962-986
, DOI: 10.3724/SP.J.1001.2012.04175
摘要：
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.
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.
2014,25(2):400-418
, DOI: 10.13328/j.cnki.jos.004540
摘要：
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.
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.
2012,23(1):32-45
, DOI: 10.3724/SP.J.1001.2012.04091
摘要：
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.
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.
2010,21(5):899-915
摘要：
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.
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.
2009,20(1):124-137
摘要：
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.
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.
2009,20(3):524-545
摘要：
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.
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.
2009,20(2):350-362
摘要：
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.
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.
2009,20(11):2965-2976
摘要：
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.
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：
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.
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.
2003,14(10):1717-1727
摘要：
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.
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.
2014,25(4):839-862
, DOI: 10.13328/j.cnki.jos.004558
摘要：
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.
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.
2000,11(11):1460-1466
摘要：
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.
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.
2012,23(5):1148-1166
, DOI: 10.3724/SP.J.1001.2012.04195
摘要：
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.
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.
2013,24(8):1786-1803
, DOI: 10.3724/SP.J.1001.2013.04416
摘要：
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.
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.
2009,20(10):2729-2743
摘要：
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.
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：
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.
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：
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.
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)
快速检索
过刊检索
全选反选导出
显示模式：
2008,19(1):48-61
摘要：
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.
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.
2011,22(1):71-83
, DOI: 10.3724/SP.J.1001.2011.03958
摘要：
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.
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.
2009,20(1):54-66
摘要：
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.
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.
2009,20(2):271-289
摘要：
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.
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：
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.
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.
2014,25(9):1889-1908
, DOI: 10.13328/j.cnki.jos.004674
摘要：
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.
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.
2010,21(3):427-437
摘要：
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.
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.
2009,20(2):350-362
摘要：
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.
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.
2021,32(2):349-369
, DOI: 10.13328/j.cnki.jos.006138
摘要：
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.
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.
2016,27(1):45-71
, DOI: 10.13328/j.cnki.jos.004914
摘要：
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.
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.
2004,15(10):1493-1504
摘要：
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.
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：
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.
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：
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.
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.
2018,29(5):1471-1514
, DOI: 10.13328/j.cnki.jos.005519
摘要：
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.
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.
2012,23(1):1-20
, DOI: 10.3724/SP.J.1001.2012.04100
摘要：
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
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
2020,31(7):2245-2282
, DOI: 10.13328/j.cnki.jos.006037
摘要：
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.
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.
2015,26(1):62-81
, DOI: 10.13328/j.cnki.jos.004701
摘要：
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.
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.
2012,23(4):962-986
, DOI: 10.3724/SP.J.1001.2012.04175
摘要：
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.
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.
2012,23(1):32-45
, DOI: 10.3724/SP.J.1001.2012.04091
摘要：
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.
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.
2005,16(5):857-868
摘要：
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.
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.
2013,24(1):77-90
, DOI: 10.3724/SP.J.1001.2013.04339
摘要：
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.
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.
2011,22(1):115-131
, DOI: 10.3724/SP.J.1001.2011.03950
摘要：
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.
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.
2017,28(4):959-992
, DOI: 10.13328/j.cnki.jos.005143
摘要：
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.
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.
2010,21(2):344-358
摘要：
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.
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.
2011,22(6):1299-1315
, DOI: 10.3724/SP.J.1001.2011.03993
摘要：
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.
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.
2009,20(3):524-545
摘要：
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.
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.
2014,25(1):37-50
, DOI: 10.13328/j.cnki.jos.004497
摘要：
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.
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.
2018,29(10):2966-2994
, DOI: 10.13328/j.cnki.jos.005551
摘要：
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.
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.
2013,24(4):825-842
, DOI: 10.3724/SP.J.1001.2013.04369
摘要：
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.
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：
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.
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：
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.
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.
2019,30(2):440-468
, DOI: 10.13328/j.cnki.jos.005659
摘要：
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.
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.
2011,22(3):381-407
, DOI: 10.3724/SP.J.1001.2011.03934
摘要：
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.
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.
2010,21(7):1605-1619
摘要：
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.
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.
2018,29(7):2092-2115
, DOI: 10.13328/j.cnki.jos.005589
摘要：
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.
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.
2009,20(1):124-137
摘要：
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.
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.
2005,16(1):1-7
摘要：
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.
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.
2014,25(4):839-862
, DOI: 10.13328/j.cnki.jos.004558
摘要：
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.
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.
2013,24(8):1786-1803
, DOI: 10.3724/SP.J.1001.2013.04416
摘要：
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.
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：
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.
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.
2006,17(9):1848-1859
摘要：
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.
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.
2023,34(2):625-654
, DOI: 10.13328/j.cnki.jos.006696
摘要：
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.
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.
2020,31(7):2127-2156
, DOI: 10.13328/j.cnki.jos.006052
摘要：
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.
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.
2005,16(10):1743-1756
摘要：
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.
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.
2013,24(2):295-316
, DOI: 10.3724/SP.J.1001.2013.04336
摘要：
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.
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.
2012,23(8):2058-2072
, DOI: 10.3724/SP.J.1001.2012.04237
摘要：
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.
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.
2021,32(2):496-518
, DOI: 10.13328/j.cnki.jos.006140
摘要：
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.
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：
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.
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.
2026,37(5):2167-2201
, DOI: 10.13328/j.cnki.jos.007580
, CSTR: 32375.14.jos.007580
摘要：
2026,37(5):1982-2005
, DOI: 10.13328/j.cnki.jos.007539
, CSTR: 32375.14.jos.007539
摘要：
2026,37(4):1591-1614
, DOI: 10.13328/j.cnki.jos.007530
, CSTR: 32375.14.jos.007530
摘要：
2026,37(4):1854-1884
, DOI: 10.13328/j.cnki.jos.007511
, CSTR: 32375.14.jos.007511
摘要：
2026,37(3):1316-1339
, DOI: 10.13328/j.cnki.jos.007567
, CSTR: 32375.14.jos.007567
摘要：
2026,37(3):1290-1315
, DOI: 10.13328/j.cnki.jos.007561
, CSTR: 32375.14.jos.007561
摘要：
2026,37(3):971-1005
, DOI: 10.13328/j.cnki.jos.007516
, CSTR: 32375.14.jos.007516
摘要：
2026,37(2):508-542
, DOI: 10.13328/j.cnki.jos.007560
, CSTR: 32375.14.jos.007560
摘要：
2026,37(2):817-859
, DOI: 10.13328/j.cnki.jos.007506
, CSTR: 32375.14.jos.007506
摘要：
2026,37(1):157-179
, DOI: 10.13328/j.cnki.jos.007486
, CSTR: 32375.14.jos.007486
摘要：
2026,37(1):139-156
, DOI: 10.13328/j.cnki.jos.007480
, CSTR: 32375.14.jos.007480
摘要：
2026,37(1):301-325
, DOI: 10.13328/j.cnki.jos.007478
, CSTR: 32375.14.jos.007478
摘要：
2026,37(1):464-484
, DOI: 10.13328/j.cnki.jos.007459
, CSTR: 32375.14.jos.007459
摘要：
2026,37(1):442-463
, DOI: 10.13328/j.cnki.jos.007454
, CSTR: 32375.14.jos.007454
摘要：
2026,37(1):102-138
, DOI: 10.13328/j.cnki.jos.007452
, CSTR: 32375.14.jos.007452
摘要：
2026,37(1):62-101
, DOI: 10.13328/j.cnki.jos.007450
, CSTR: 32375.14.jos.007450
摘要：
2026,37(1):279-300
, DOI: 10.13328/j.cnki.jos.007449
, CSTR: 32375.14.jos.007449
摘要：
2026,37(1):34-61
, DOI: 10.13328/j.cnki.jos.007446
, CSTR: 32375.14.jos.007446
摘要：
2026,37(1):425-441
, DOI: 10.13328/j.cnki.jos.007444
, CSTR: 32375.14.jos.007444
摘要：
2026,37(1):259-278
, DOI: 10.13328/j.cnki.jos.007442
, CSTR: 32375.14.jos.007442
摘要：
2026,37(1):1-33
, DOI: 10.13328/j.cnki.jos.007441
, CSTR: 32375.14.jos.007441
摘要：
2026,37(1):200-229
, DOI: 10.13328/j.cnki.jos.007438
, CSTR: 32375.14.jos.007438
摘要：
2026,37(1):398-424
, DOI: 10.13328/j.cnki.jos.007437
, CSTR: 32375.14.jos.007437
摘要：
2026,37(1):378-397
, DOI: 10.13328/j.cnki.jos.007422
, CSTR: 32375.14.jos.007422
摘要：
2026,37(1):230-258
, DOI: 10.13328/j.cnki.jos.007418
, CSTR: 32375.14.jos.007418
摘要：
2026,37(1):180-199
, DOI: 10.13328/j.cnki.jos.007417
, CSTR: 32375.14.jos.007417
摘要：
2026,37(1):344-377
, DOI: 10.13328/j.cnki.jos.007413
, CSTR: 32375.14.jos.007413
摘要：
2026,37(1):326-343
, DOI: 10.13328/j.cnki.jos.007410
, CSTR: 32375.14.jos.007410
摘要：
2025,36(11):5274-5295
, DOI: 10.13328/j.cnki.jos.007385
, CSTR: 32375.14.jos.007385
摘要：
2025,36(11):5241-5273
, DOI: 10.13328/j.cnki.jos.007378
, CSTR: 32375.14.jos.007378
摘要：
2025,36(11):4906-4952
, DOI: 10.13328/j.cnki.jos.007376
, CSTR: 32375.14.jos.007376
摘要：
2025,36(8):3604-3636
, DOI: 10.13328/j.cnki.jos.007353
, CSTR: 32375.14.jos.007353
摘要：
2025,36(7):3151-3183
, DOI: 10.13328/j.cnki.jos.007366
, CSTR: 32375.14.jos.007366
摘要：
2025,36(7):3271-3305
, DOI: 10.13328/j.cnki.jos.007364
, CSTR: 32375.14.jos.007364
摘要：
2025,36(7):2964-3002
, DOI: 10.13328/j.cnki.jos.007334
, CSTR: 32375.14.jos.007334
摘要：
2025,36(6):2453-2476
, DOI: 10.13328/j.cnki.jos.007328
, CSTR: 32375.14.jos.007328
摘要：
2025,36(6):2404-2431
, DOI: 10.13328/j.cnki.jos.007323
, CSTR: 32375.14.jos.007323
摘要：
2025,36(6):2794-2826
, DOI: 10.13328/j.cnki.jos.007319
, CSTR: 32375.14.jos.007319
摘要：
2025,36(6):2844-2874
, DOI: 10.13328/j.cnki.jos.007317
, CSTR: 32375.14.jos.007317
摘要：
2025,36(6):2713-2746
, DOI: 10.13328/j.cnki.jos.007313
, CSTR: 32375.14.jos.007313
摘要：
2025,36(6):2683-2712
, DOI: 10.13328/j.cnki.jos.007312
, CSTR: 32375.14.jos.007312
摘要：
2025,36(6):2604-2642
, DOI: 10.13328/j.cnki.jos.007308
, CSTR: 32375.14.jos.007308
摘要：
2025,36(6):2875-2899
, DOI: 10.13328/j.cnki.jos.007305
, CSTR: 32375.14.jos.007305
摘要：
2025,36(6):2576-2603
, DOI: 10.13328/j.cnki.jos.007304
, CSTR: 32375.14.jos.007304
摘要：
2025,36(6):2643-2682
, DOI: 10.13328/j.cnki.jos.007290
, CSTR: 32375.14.jos.007290
摘要：
2025,36(5):2229-2253
, DOI: 10.13328/j.cnki.jos.007181
, CSTR: 32375.14.jos.007181
摘要：
2025,36(4):1758-1795
, DOI: 10.13328/j.cnki.jos.007298
, CSTR: 32375.14.jos.007298
摘要：
2025,36(4):1530-1556
, DOI: 10.13328/j.cnki.jos.007288
, CSTR: 32375.14.jos.007288
摘要：
2025,36(4):1811-1843
, DOI: 10.13328/j.cnki.jos.007275
, CSTR: 32375.14.jos.007275
摘要：
2025,36(4):1881-1905
, DOI: 10.13328/j.cnki.jos.007273
, CSTR: 32375.14.jos.007273
摘要：
2025,36(4):1859-1880
, DOI: 10.13328/j.cnki.jos.007272
, CSTR: 32375.14.jos.007272
摘要：
2025,36(4):1489-1529
, DOI: 10.13328/j.cnki.jos.007268
, CSTR: 32375.14.jos.007268
摘要：
2025,36(4):1461-1488
, DOI: 10.13328/j.cnki.jos.007254
, CSTR: 32375.14.jos.007254
摘要：
2025,36(4):1715-1757
, DOI: 10.13328/j.cnki.jos.007250
, CSTR: 32375.14.jos.007250
摘要：
2025,36(4):1692-1714
, DOI: 10.13328/j.cnki.jos.007248
, CSTR: 32375.14.jos.007248
摘要：
2025,36(4):1665-1691
, DOI: 10.13328/j.cnki.jos.007245
, CSTR: 32375.14.jos.007245
摘要：
2025,36(4):1637-1664
, DOI: 10.13328/j.cnki.jos.007237
, CSTR: 32375.14.jos.007237
摘要：
2025,36(4):1570-1589
, DOI: 10.13328/j.cnki.jos.007202
, CSTR: 32375.14.jos.007202
摘要：
2025,36(3):1040-1064
, DOI: 10.13328/j.cnki.jos.007276
, CSTR: 32375.14.jos.007276
摘要：
2025,36(3):1390-1412
, DOI: 10.13328/j.cnki.jos.007263
, CSTR: 32375.14.jos.007263
摘要：
2025,36(3):1152-1185
, DOI: 10.13328/j.cnki.jos.007242
, CSTR: 32375.14.jos.007242
摘要：
2025,36(2):886-914
, DOI: 10.13328/j.cnki.jos.007168
, CSTR: 32375.14.jos.007168
摘要：
2025,36(1):446-468
, DOI: 10.13328/j.cnki.jos.007240
, CSTR: 32375.14.jos.007240
摘要：
2025,36(1):371-398
, DOI: 10.13328/j.cnki.jos.007231
, CSTR: 32375.14.jos.007231
摘要：
2025,36(1):424-445
, DOI: 10.13328/j.cnki.jos.007225
, CSTR: 32375.14.jos.007225
摘要：
2025,36(1):152-183
, DOI: 10.13328/j.cnki.jos.007217
, CSTR: 32375.14.jos.007217
摘要：
2025,36(1):107-151
, DOI: 10.13328/j.cnki.jos.007212
, CSTR: 32375.14.jos.007212
摘要：
2025,36(1):341-370
, DOI: 10.13328/j.cnki.jos.007196
, CSTR: 32375.14.jos.007196
摘要：
2025,36(1):321-340
, DOI: 10.13328/j.cnki.jos.007194
, CSTR: 32375.14.jos.007194
摘要：
2025,36(1):289-320
, DOI: 10.13328/j.cnki.jos.007193
, CSTR: 32375.14.jos.007193
摘要：
2025,36(1):47-78
, DOI: 10.13328/j.cnki.jos.007190
, CSTR: 32375.14.jos.007190
摘要：
2025,36(1):253-288
, DOI: 10.13328/j.cnki.jos.007182
, CSTR: 32375.14.jos.007182
摘要：
2025,36(1):203-252
, DOI: 10.13328/j.cnki.jos.007162
, CSTR: 32375.14.jos.007162
摘要：
2025,36(1):27-46
, DOI: 10.13328/j.cnki.jos.007157
, CSTR: 32375.14.jos.007157
摘要：
2025,36(1):184-202
, DOI: 10.13328/j.cnki.jos.007148
, CSTR: 32375.14.jos.007148
摘要：
2025,36(1):1-26
, DOI: 10.13328/j.cnki.jos.007143
, CSTR: 32375.14.jos.007143
摘要：
2025,36(1):79-106
, DOI: 10.13328/j.cnki.jos.007141
, CSTR: 32375.14.jos.007141
摘要：
2025,36(1):399-423
, DOI: 10.13328/j.cnki.jos.007048
, CSTR: 32375.14.jos.007048
摘要：
2024,35(12):5487-5508
, DOI: 10.13328/j.cnki.jos.007232
, CSTR: 32375.14.jos.007232
摘要：
2024,35(12):5582-5608
, DOI: 10.13328/j.cnki.jos.007089
, CSTR: 32375.14.jos.007089
摘要：
2024,35(9):4069-4099
, DOI: 10.13328/j.cnki.jos.007138
, CSTR: 32375.14.jos.007138
摘要：
2024,35(9):4038-4068
, DOI: 10.13328/j.cnki.jos.007127
, CSTR: 32375.14.jos.007127
摘要：
2024,35(9):4013-4037
, DOI: 10.13328/j.cnki.jos.007126
, CSTR: 32375.14.jos.007126
摘要：
2024,35(8):3980-4010
, DOI: 10.13328/j.cnki.jos.007095
, CSTR: 32375.14.jos.007095
摘要：
2024,35(8):3923-3951
, DOI: 10.13328/j.cnki.jos.007093
, CSTR: 32375.14.jos.007093
摘要：
2024,35(8):3897-3922
, DOI: 10.13328/j.cnki.jos.007087
, CSTR: 32375.14.jos.007087
摘要：
2024,35(8):3785-3808
, DOI: 10.13328/j.cnki.jos.007080
, CSTR: 32375.14.jos.007080
摘要：
2024,35(8):3752-3784
, DOI: 10.13328/j.cnki.jos.007059
, CSTR: 32375.14.jos.007059
摘要：
2024,35(8):3952-3979
, DOI: 10.13328/j.cnki.jos.007045
, CSTR: 32375.14.jos.007045
摘要：
2024,35(8):3843-3877
, DOI: 10.13328/j.cnki.jos.007042
, CSTR: 32375.14.jos.007042
摘要：
2024,35(7):3265-3290
, DOI: 10.13328/j.cnki.jos.007112
, CSTR: 32375.14.jos.007112
摘要：
2024,35(7):3497-3530
, DOI: 10.13328/j.cnki.jos.007053
, CSTR: 32375.14.jos.007053
摘要：
2024,35(6):2687-2723
, DOI: 10.13328/j.cnki.jos.007099
, CSTR: 32375.14.jos.007099
摘要：
2024,35(5):2235-2267
, DOI: 10.13328/j.cnki.jos.007046
, CSTR: 32375.14.jos.007046
摘要：
2024,35(5):2268-2288
, DOI: 10.13328/j.cnki.jos.007038
, CSTR: 32375.14.jos.007038
摘要：
2024,35(5):2379-2399
, DOI: 10.13328/j.cnki.jos.006804
, CSTR: 32375.14.jos.006804
摘要：
2024,35(4):1682-1702
, DOI: 10.13328/j.cnki.jos.007012
, CSTR: 32375.14.jos.007012
摘要：
2024,35(4):1618-1650
, DOI: 10.13328/j.cnki.jos.007011
, CSTR: 32375.14.jos.007011
摘要：
2024,35(3):1207-1230
, DOI: 10.13328/j.cnki.jos.007075
, CSTR: 32375.14.jos.007075
摘要：
2024,35(3):1231-1256
, DOI: 10.13328/j.cnki.jos.007061
, CSTR: 32375.14.jos.007061
摘要：
2024,35(3):1377-1402
, DOI: 10.13328/j.cnki.jos.006807
, CSTR: 32375.14.jos.006807
摘要：
2024,35(2):711-738
, DOI: 10.13328/j.cnki.jos.007006
, CSTR: 32375.14.jos.007006
摘要：
2024,35(2):927-974
, DOI: 10.13328/j.cnki.jos.006996
, CSTR: 32375.14.jos.006996
摘要：
2024,35(2):773-799
, DOI: 10.13328/j.cnki.jos.006985
, CSTR: 32375.14.jos.006985
摘要：
2024,35(2):1028-1047
, DOI: 10.13328/j.cnki.jos.006984
, CSTR: 32375.14.jos.006984
摘要：
2024,35(2):629-674
, DOI: 10.13328/j.cnki.jos.006983
, CSTR: 32375.14.jos.006983
摘要：
2024,35(2):604-628
, DOI: 10.13328/j.cnki.jos.006981
, CSTR: 32375.14.jos.006981
摘要：
2024,35(2):581-603
, DOI: 10.13328/j.cnki.jos.006975
, CSTR: 32375.14.jos.006975
摘要：
2024,35(2):828-851
, DOI: 10.13328/j.cnki.jos.006954
, CSTR: 32375.14.jos.006954
摘要：
2024,35(2):532-580
, DOI: 10.13328/j.cnki.jos.006953
, CSTR: 32375.14.jos.006953
摘要：
2024,35(2):899-926
, DOI: 10.13328/j.cnki.jos.006952
, CSTR: 32375.14.jos.006952
摘要：
2024,35(2):800-827
, DOI: 10.13328/j.cnki.jos.006950
, CSTR: 32375.14.jos.006950
摘要：
2024,35(2):975-1009
, DOI: 10.13328/j.cnki.jos.006946
, CSTR: 32375.14.jos.006946
摘要：
2024,35(2):513-531
, DOI: 10.13328/j.cnki.jos.006944
, CSTR: 32375.14.jos.006944
摘要：
2024,35(2):1010-1027
, DOI: 10.13328/j.cnki.jos.006943
, CSTR: 32375.14.jos.006943
摘要：
2024,35(2):872-898
, DOI: 10.13328/j.cnki.jos.006942
, CSTR: 32375.14.jos.006942
摘要：
2024,35(2):852-871
, DOI: 10.13328/j.cnki.jos.006938
, CSTR: 32375.14.jos.006938
摘要：
2024,35(2):675-710
, DOI: 10.13328/j.cnki.jos.006933
, CSTR: 32375.14.jos.006933
摘要：
2024,35(1):19-37
, DOI: 10.13328/j.cnki.jos.006935
, CSTR: 32375.14.jos.006935
摘要：
2024,35(1):430-454
, DOI: 10.13328/j.cnki.jos.006917
, CSTR: 32375.14.jos.006917
摘要：
2024,35(1):405-429
, DOI: 10.13328/j.cnki.jos.006916
, CSTR: 32375.14.jos.006916
摘要：
2024,35(1):236-265
, DOI: 10.13328/j.cnki.jos.006913
, CSTR: 32375.14.jos.006913
摘要：
2024,35(1):356-404
, DOI: 10.13328/j.cnki.jos.006911
, CSTR: 32375.14.jos.006911
摘要：
2024,35(1):1-18
, DOI: 10.13328/j.cnki.jos.006908
, CSTR: 32375.14.jos.006908
摘要：
2024,35(1):87-117
, DOI: 10.13328/j.cnki.jos.006902
, CSTR: 32375.14.jos.006902
摘要：
2024,35(1):309-332
, DOI: 10.13328/j.cnki.jos.006898
, CSTR: 32375.14.jos.006898
摘要：
2024,35(1):333-355
, DOI: 10.13328/j.cnki.jos.006891
, CSTR: 32375.14.jos.006891
摘要：
2024,35(1):220-235
, DOI: 10.13328/j.cnki.jos.006844
, CSTR: 32375.14.jos.006844
摘要：
2024,35(1):63-86
, DOI: 10.13328/j.cnki.jos.006835
, CSTR: 32375.14.jos.006835
摘要：
2024,35(1):185-219
, DOI: 10.13328/j.cnki.jos.006834
, CSTR: 32375.14.jos.006834
摘要：
2024,35(1):136-158
, DOI: 10.13328/j.cnki.jos.006828
, CSTR: 32375.14.jos.006828
摘要：
2024,35(1):118-135
, DOI: 10.13328/j.cnki.jos.006827
, CSTR: 32375.14.jos.006827
摘要：
2024,35(1):455-480
, DOI: 10.13328/j.cnki.jos.006822
, CSTR: 32375.14.jos.006822
摘要：
2024,35(1):288-308
, DOI: 10.13328/j.cnki.jos.006818
, CSTR: 32375.14.jos.006818
摘要：
2024,35(1):38-62
, DOI: 10.13328/j.cnki.jos.006810
, CSTR: 32375.14.jos.006810
摘要：
2024,35(1):481-512
, DOI: 10.13328/j.cnki.jos.006777
, CSTR: 32375.14.jos.006777
摘要：
2024,35(1):159-184
, DOI: 10.13328/j.cnki.jos.006758
, CSTR: 32375.14.jos.006758
摘要：
2024,35(1):266-287
, DOI: 10.13328/j.cnki.jos.006753
, CSTR: 32375.14.jos.006753
摘要：
2023,34(12):5597-5613
, DOI: 10.13328/j.cnki.jos.006806
摘要：
2023,34(12):5862-5886
, DOI: 10.13328/j.cnki.jos.006800
摘要：
2023,34(12):5527-5551
, DOI: 10.13328/j.cnki.jos.006765
摘要：
2023,34(12):5822-5847
, DOI: 10.13328/j.cnki.jos.006764
摘要：
2023,34(12):5501-5526
, DOI: 10.13328/j.cnki.jos.006749
摘要：
2023,34(11):5058-5083
, DOI: 10.13328/j.cnki.jos.006735
摘要：
2023,34(11):4989-5007
, DOI: 10.13328/j.cnki.jos.006684
摘要：
2023,34(11):5008-5028
, DOI: 10.13328/j.cnki.jos.006679
摘要：
2023,34(11):5330-5354
, DOI: 10.13328/j.cnki.jos.006669
摘要：
2023,34(10):4439-4462
, DOI: 10.13328/j.cnki.jos.006884
摘要：
2023,34(10):4870-4915
, DOI: 10.13328/j.cnki.jos.006680
摘要：
2023,34(10):4607-4635
, DOI: 10.13328/j.cnki.jos.006677
摘要：
2023,34(10):4743-4771
, DOI: 10.13328/j.cnki.jos.006672
摘要：
2023,34(10):4772-4803
, DOI: 10.13328/j.cnki.jos.006671
摘要：
2023,34(10):4636-4660
, DOI: 10.13328/j.cnki.jos.006666
摘要：
2023,34(9):4310-4335
, DOI: 10.13328/j.cnki.jos.006657
摘要：
2023,34(9):4167-4194
, DOI: 10.13328/j.cnki.jos.006650
摘要：
2023,34(8):3905-3923
, DOI: 10.13328/j.cnki.jos.006645
摘要：
2023,34(8):3870-3890
, DOI: 10.13328/j.cnki.jos.006635
摘要：
2023,34(8):3774-3792
, DOI: 10.13328/j.cnki.jos.006592
摘要：
2023,34(8):3605-3636
, DOI: 10.13328/j.cnki.jos.006558
摘要：
2023,34(7):3134-3166
, DOI: 10.13328/j.cnki.jos.006863
摘要：
2023,34(6):2606-2627
, DOI: 10.13328/j.cnki.jos.006850
摘要：
2023,34(6):2833-2864
, DOI: 10.13328/j.cnki.jos.006658
摘要：
2023,34(5):2365-2391
, DOI: 10.13328/j.cnki.jos.006808
摘要：
2023,34(5):2000-2023
, DOI: 10.13328/j.cnki.jos.006774
摘要：
2023,34(5):2300-2316
, DOI: 10.13328/j.cnki.jos.006485
摘要：
2023,34(4):1944-1961
, DOI: 10.13328/j.cnki.jos.006725
摘要：
2023,34(4):1711-1731
, DOI: 10.13328/j.cnki.jos.006700
摘要：
2023,34(4):1879-1906
, DOI: 10.13328/j.cnki.jos.006692
摘要：
2023,34(3):1168-1192
, DOI: 10.13328/j.cnki.jos.006786
摘要：
2023,34(3):1236-1258
, DOI: 10.13328/j.cnki.jos.006785
摘要：
2023,34(3):1470-1490
, DOI: 10.13328/j.cnki.jos.006778
摘要：
2023,34(3):1396-1424
, DOI: 10.13328/j.cnki.jos.006751
摘要：
2023,34(3):1330-1364
, DOI: 10.13328/j.cnki.jos.006717
摘要：
2023,34(3):1365-1395
, DOI: 10.13328/j.cnki.jos.006715
摘要：
2023,34(2):582-624
, DOI: 10.13328/j.cnki.jos.006714
摘要：
2023,34(2):761-785
, DOI: 10.13328/j.cnki.jos.006713
摘要：
2023,34(2):565-581
, DOI: 10.13328/j.cnki.jos.006711
摘要：
2023,34(2):690-711
, DOI: 10.13328/j.cnki.jos.006709
摘要：
2023,34(2):985-1006
, DOI: 10.13328/j.cnki.jos.006707
摘要：
2023,34(2):733-760
, DOI: 10.13328/j.cnki.jos.006706
摘要：
2023,34(2):539-564
, DOI: 10.13328/j.cnki.jos.006705
摘要：
2023,34(2):509-538
, DOI: 10.13328/j.cnki.jos.006704
摘要：
2023,34(2):712-732
, DOI: 10.13328/j.cnki.jos.006699
摘要：
2023,34(2):625-654
, DOI: 10.13328/j.cnki.jos.006696
摘要：
2023,34(2):964-984
, DOI: 10.13328/j.cnki.jos.006693
摘要：
2023,34(1):404-420
, DOI: 10.13328/j.cnki.jos.006513
摘要：
2023,34(1):351-380
, DOI: 10.13328/j.cnki.jos.006510
摘要：
2023,34(1):50-102
, DOI: 10.13328/j.cnki.jos.006503
摘要：
2023,34(1):463-488
, DOI: 10.13328/j.cnki.jos.006502
摘要：
2023,34(1):381-403
, DOI: 10.13328/j.cnki.jos.006501
摘要：
2023,34(1):171-196
, DOI: 10.13328/j.cnki.jos.006500
摘要：
2023,34(1):444-462
, DOI: 10.13328/j.cnki.jos.006488
摘要：
2023,34(1):489-508
, DOI: 10.13328/j.cnki.jos.006436
摘要：
2023,34(1):334-350
, DOI: 10.13328/j.cnki.jos.006435
摘要：
2023,34(1):421-443
, DOI: 10.13328/j.cnki.jos.006434
摘要：
2023,34(1):150-170
, DOI: 10.13328/j.cnki.jos.006431
摘要：
2023,34(1):277-311
, DOI: 10.13328/j.cnki.jos.006429
摘要：
2023,34(1):130-149
, DOI: 10.13328/j.cnki.jos.006425
摘要：
2023,34(1):33-49
, DOI: 10.13328/j.cnki.jos.006421
摘要：
2023,34(1):255-276
, DOI: 10.13328/j.cnki.jos.006420
摘要：
2023,34(1):230-254
, DOI: 10.13328/j.cnki.jos.006415
摘要：
2023,34(1):197-229
, DOI: 10.13328/j.cnki.jos.006411
摘要：
2023,34(1):103-129
, DOI: 10.13328/j.cnki.jos.006409
摘要：
2023,34(1):1-32
, DOI: 10.13328/j.cnki.jos.006402
摘要：
2023,34(1):312-333
, DOI: 10.13328/j.cnki.jos.006395
摘要：
2022,33(12):4668-4687
, DOI: 10.13328/j.cnki.jos.006544
摘要：
2022,33(12):4644-4667
, DOI: 10.13328/j.cnki.jos.006522
摘要：
2022,33(12):4616-4643
, DOI: 10.13328/j.cnki.jos.006521
摘要：
2022,33(12):4590-4615
, DOI: 10.13328/j.cnki.jos.006518
摘要：
2022,33(11):4107-4136
, DOI: 10.13328/j.cnki.jos.006539
摘要：
2022,33(11):4084-4106
, DOI: 10.13328/j.cnki.jos.006528
摘要：
2022,33(11):4334-4355
, DOI: 10.13328/j.cnki.jos.006524
摘要：
2022,33(11):4217-4238
, DOI: 10.13328/j.cnki.jos.006391
摘要：
2022,33(11):4173-4191
, DOI: 10.13328/j.cnki.jos.006390
摘要：
2022,33(11):4192-4216
, DOI: 10.13328/j.cnki.jos.006385
摘要：
2022,33(10):3635-3655
, DOI: 10.13328/j.cnki.jos.006631
摘要：
2022,33(10):3582-3618
, DOI: 10.13328/j.cnki.jos.006626
摘要：
2022,33(10):3673-3699
, DOI: 10.13328/j.cnki.jos.006372
摘要：
2022,33(10):3732-3753
, DOI: 10.13328/j.cnki.jos.006365
摘要：
2022,33(9):3370-3390
, DOI: 10.13328/j.cnki.jos.006426
摘要：
2022,33(8):3059-3085
, DOI: 10.13328/j.cnki.jos.006375
摘要：
2022,33(8):3015-3034
, DOI: 10.13328/j.cnki.jos.006355
摘要：
2022,33(7):2411-2446
, DOI: 10.13328/j.cnki.jos.006590
摘要：
2022,33(7):2367-2410
, DOI: 10.13328/j.cnki.jos.006587
摘要：
2022,33(7):2729-2752
, DOI: 10.13328/j.cnki.jos.006299
摘要：
2022,33(6):2288-2311
, DOI: 10.13328/j.cnki.jos.006367
摘要：
2022,33(5):1612-1634
, DOI: 10.13328/j.cnki.jos.006551
摘要：
2022,33(5):1800-1816
, DOI: 10.13328/j.cnki.jos.006122
摘要：
2022,33(4):1244-1266
, DOI: 10.13328/j.cnki.jos.006481
摘要：
2022,33(4):1287-1314
, DOI: 10.13328/j.cnki.jos.006476
摘要：
2022,33(3):1057-1092
, DOI: 10.13328/j.cnki.jos.006446
摘要：
2022,33(2):751-769
, DOI: 10.13328/j.cnki.jos.006370
摘要：
2022,33(2):598-621
, DOI: 10.13328/j.cnki.jos.006357
摘要：
2022,33(2):498-523
, DOI: 10.13328/j.cnki.jos.006353
摘要：
2022,33(1):78-101
, DOI: 10.13328/j.cnki.jos.006345
摘要：
2022,33(1):297-323
, DOI: 10.13328/j.cnki.jos.006344
摘要：
2022,33(1):193-210
, DOI: 10.13328/j.cnki.jos.006342
摘要：
2022,33(1):274-296
, DOI: 10.13328/j.cnki.jos.006338
摘要：
2022,33(1):55-77
, DOI: 10.13328/j.cnki.jos.006337
摘要：
2022,33(1):356-376
, DOI: 10.13328/j.cnki.jos.006334
摘要：
2022,33(1):171-192
, DOI: 10.13328/j.cnki.jos.006323
摘要：
2022,33(1):150-170
, DOI: 10.13328/j.cnki.jos.006311
摘要：
2022,33(1):129-149
, DOI: 10.13328/j.cnki.jos.006306
摘要：
2022,33(1):102-128
, DOI: 10.13328/j.cnki.jos.006304
摘要：
2022,33(1):254-273
, DOI: 10.13328/j.cnki.jos.006303
摘要：
2022,33(1):26-54
, DOI: 10.13328/j.cnki.jos.006292
摘要：
2022,33(1):324-355
, DOI: 10.13328/j.cnki.jos.006280
摘要：
2022,33(1):1-25
, DOI: 10.13328/j.cnki.jos.006279
摘要：
2022,33(1):233-253
, DOI: 10.13328/j.cnki.jos.006219
摘要：
2022,33(1):211-232
, DOI: 10.13328/j.cnki.jos.006218
摘要：
2021,32(12):3992-4024
, DOI: 10.13328/j.cnki.jos.006490
摘要：
2021,32(10):3051-3067
, DOI: 10.13328/j.cnki.jos.006217
摘要：
2021,32(10):3176-3202
, DOI: 10.13328/j.cnki.jos.006203
摘要：
2021,32(9):2642-2664
, DOI: 10.13328/j.cnki.jos.006275
摘要：
2021,32(9):2665-2690
, DOI: 10.13328/j.cnki.jos.006274
摘要：
2021,32(8):2522-2544
, DOI: 10.13328/j.cnki.jos.006215
摘要：
2021,32(8):2469-2504
, DOI: 10.13328/j.cnki.jos.006153
摘要：
2021,32(7):2260-2286
, DOI: 10.13328/j.cnki.jos.006309
摘要：
2021,32(7):2078-2102
, DOI: 10.13328/j.cnki.jos.006269
摘要：
2021,32(7):1926-1956
, DOI: 10.13328/j.cnki.jos.006267
摘要：
2026,37(5):1885-1886
, DOI: 10.13328/j.cnki.jos.007546
, CSTR: 32375.14.jos.007546
摘要：
2026,37(5):1919-1935
, DOI: 10.13328/j.cnki.jos.007545
, CSTR: 32375.14.jos.007545
摘要：
2026,37(5):1950-1963
, DOI: 10.13328/j.cnki.jos.007544
, CSTR: 32375.14.jos.007544
摘要：
2026,37(5):1936-1949
, DOI: 10.13328/j.cnki.jos.007543
, CSTR: 32375.14.jos.007543
摘要：
2026,37(5):1887-1902
, DOI: 10.13328/j.cnki.jos.007542
, CSTR: 32375.14.jos.007542
摘要：
2026,37(5):1903-1918
, DOI: 10.13328/j.cnki.jos.007541
, CSTR: 32375.14.jos.007541
摘要：
2026,37(5):2006-2023
, DOI: 10.13328/j.cnki.jos.007540
, CSTR: 32375.14.jos.007540
摘要：
2026,37(5):1964-1981
, DOI: 10.13328/j.cnki.jos.007537
, CSTR: 32375.14.jos.007537
摘要：
2026,37(4):1447-1448
, DOI: 10.13328/j.cnki.jos.007531
, CSTR: 32375.14.jos.007531
摘要：
2026,37(4):1575-1590
, DOI: 10.13328/j.cnki.jos.007528
, CSTR: 32375.14.jos.007528
摘要：
2026,37(4):1560-1574
, DOI: 10.13328/j.cnki.jos.007527
, CSTR: 32375.14.jos.007527
摘要：
2026,37(4):1548-1559
, DOI: 10.13328/j.cnki.jos.007526
, CSTR: 32375.14.jos.007526
摘要：
2026,37(4):1531-1547
, DOI: 10.13328/j.cnki.jos.007525
, CSTR: 32375.14.jos.007525
摘要：
2026,37(4):1511-1530
, DOI: 10.13328/j.cnki.jos.007524
, CSTR: 32375.14.jos.007524
摘要：
2026,37(4):1492-1510
, DOI: 10.13328/j.cnki.jos.007523
, CSTR: 32375.14.jos.007523
摘要：
2026,37(4):1472-1491
, DOI: 10.13328/j.cnki.jos.007522
, CSTR: 32375.14.jos.007522
摘要：
2026,37(4):1449-1471
, DOI: 10.13328/j.cnki.jos.007521
, CSTR: 32375.14.jos.007521
摘要：
2026,37(3):969-970
, DOI: 10.13328/j.cnki.jos.007520
, CSTR: 32375.14.jos.007520
摘要：
2026,37(3):1084-1103
, DOI: 10.13328/j.cnki.jos.007519
, CSTR: 32375.14.jos.007519
摘要：
2026,37(3):1021-1036
, DOI: 10.13328/j.cnki.jos.007518
, CSTR: 32375.14.jos.007518
摘要：
2026,37(3):1006-1020
, DOI: 10.13328/j.cnki.jos.007517
, CSTR: 32375.14.jos.007517
摘要：
2026,37(3):1104-1120
, DOI: 10.13328/j.cnki.jos.007515
, CSTR: 32375.14.jos.007515
摘要：
2026,37(3):1121-1142
, DOI: 10.13328/j.cnki.jos.007514
, CSTR: 32375.14.jos.007514
摘要：
2026,37(3):1058-1083
, DOI: 10.13328/j.cnki.jos.007513
, CSTR: 32375.14.jos.007513
摘要：
2026,37(3):1037-1057
, DOI: 10.13328/j.cnki.jos.007512
, CSTR: 32375.14.jos.007512
摘要：
2025,36(10):4403-4404
, DOI: 10.13328/j.cnki.jos.007395
, CSTR: 32375.14.jos.007395
摘要：
2025,36(10):4483-4506
, DOI: 10.13328/j.cnki.jos.007394
, CSTR: 32375.14.jos.007394
摘要：
2025,36(10):4430-4443
, DOI: 10.13328/j.cnki.jos.007393
, CSTR: 32375.14.jos.007393
摘要：
2025,36(10):4417-4429
, DOI: 10.13328/j.cnki.jos.007392
, CSTR: 32375.14.jos.007392
摘要：
2025,36(10):4507-4524
, DOI: 10.13328/j.cnki.jos.007391
, CSTR: 32375.14.jos.007391
摘要：
2025,36(10):4444-4460
, DOI: 10.13328/j.cnki.jos.007390
, CSTR: 32375.14.jos.007390
摘要：
2025,36(10):4461-4482
, DOI: 10.13328/j.cnki.jos.007389
, CSTR: 32375.14.jos.007389
摘要：
2025,36(10):4405-4416
, DOI: 10.13328/j.cnki.jos.007388
, CSTR: 32375.14.jos.007388
摘要：
2025,36(9):3917-3918
, DOI: 10.13328/j.cnki.jos.007361
, CSTR: 32375.14.jos.007361
摘要：
2025,36(9):3985-4005
, DOI: 10.13328/j.cnki.jos.007360
, CSTR: 32375.14.jos.007360
摘要：
2025,36(9):3970-3984
, DOI: 10.13328/j.cnki.jos.007359
, CSTR: 32375.14.jos.007359
摘要：
2025,36(9):3954-3969
, DOI: 10.13328/j.cnki.jos.007358
, CSTR: 32375.14.jos.007358
摘要：
2025,36(9):3937-3953
, DOI: 10.13328/j.cnki.jos.007357
, CSTR: 32375.14.jos.007357
摘要：
2025,36(9):3919-3936
, DOI: 10.13328/j.cnki.jos.007292
, CSTR: 32375.14.jos.007292
摘要：
2025,36(8):3429-3430
, DOI: 10.13328/j.cnki.jos.007355
, CSTR: 32375.14.jos.007355
摘要：
2025,36(8):3637-3654
, DOI: 10.13328/j.cnki.jos.007354
, CSTR: 32375.14.jos.007354
摘要：
2025,36(8):3587-3603
, DOI: 10.13328/j.cnki.jos.007352
, CSTR: 32375.14.jos.007352
摘要：
2025,36(8):3570-3586
, DOI: 10.13328/j.cnki.jos.007351
, CSTR: 32375.14.jos.007351
摘要：
2025,36(8):3554-3569
, DOI: 10.13328/j.cnki.jos.007350
, CSTR: 32375.14.jos.007350
摘要：
2025,36(8):3531-3553
, DOI: 10.13328/j.cnki.jos.007349
, CSTR: 32375.14.jos.007349
摘要：
2025,36(8):3512-3530
, DOI: 10.13328/j.cnki.jos.007348
, CSTR: 32375.14.jos.007348
摘要：
2025,36(8):3494-3511
, DOI: 10.13328/j.cnki.jos.007347
, CSTR: 32375.14.jos.007347
摘要：
2025,36(8):3477-3493
, DOI: 10.13328/j.cnki.jos.007346
, CSTR: 32375.14.jos.007346
摘要：
2025,36(8):3462-3476
, DOI: 10.13328/j.cnki.jos.007345
, CSTR: 32375.14.jos.007345
摘要：
2025,36(8):3444-3461
, DOI: 10.13328/j.cnki.jos.007344
, CSTR: 32375.14.jos.007344
摘要：
2025,36(8):3431-3443
, DOI: 10.13328/j.cnki.jos.007343
, CSTR: 32375.14.jos.007343
摘要：
2025,36(7):2927-2928
, DOI: 10.13328/j.cnki.jos.007342
, CSTR: 32375.14.jos.007342
摘要：
2025,36(7):3134-3150
, DOI: 10.13328/j.cnki.jos.007341
, CSTR: 32375.14.jos.007341
摘要：
2025,36(7):3109-3133
, DOI: 10.13328/j.cnki.jos.007340
, CSTR: 32375.14.jos.007340
摘要：
2025,36(7):3087-3108
, DOI: 10.13328/j.cnki.jos.007339
, CSTR: 32375.14.jos.007339
摘要：
2025,36(7):3041-3086
, DOI: 10.13328/j.cnki.jos.007338
, CSTR: 32375.14.jos.007338
摘要：
2025,36(7):3022-3040
, DOI: 10.13328/j.cnki.jos.007336
, CSTR: 32375.14.jos.007336
摘要：
2025,36(7):3003-3021
, DOI: 10.13328/j.cnki.jos.007335
, CSTR: 32375.14.jos.007335
摘要：
2025,36(7):2947-2963
, DOI: 10.13328/j.cnki.jos.007333
, CSTR: 32375.14.jos.007333
摘要：
2025,36(7):2929-2946
, DOI: 10.13328/j.cnki.jos.007332
, CSTR: 32375.14.jos.007332
摘要：
2025,36(6):2401-2403
, DOI: 10.13328/j.cnki.jos.007331
, CSTR: 32375.14.jos.007331
摘要：
2025,36(6):2515-2534
, DOI: 10.13328/j.cnki.jos.007330
, CSTR: 32375.14.jos.007330
摘要：
2025,36(6):2501-2514
, DOI: 10.13328/j.cnki.jos.007329
, CSTR: 32375.14.jos.007329
摘要：
2025,36(6):2432-2452
, DOI: 10.13328/j.cnki.jos.007327
, CSTR: 32375.14.jos.007327
摘要：
2025,36(6):2558-2575
, DOI: 10.13328/j.cnki.jos.007326
, CSTR: 32375.14.jos.007326
摘要：
2025,36(6):2477-2500
, DOI: 10.13328/j.cnki.jos.007325
, CSTR: 32375.14.jos.007325
摘要：
2025,36(6):2535-2557
, DOI: 10.13328/j.cnki.jos.007324
, CSTR: 32375.14.jos.007324
摘要：
2025,36(3):939-940
, DOI: 10.13328/j.cnki.jos.007284
, CSTR: 32375.14.jos.007284
摘要：
2025,36(3):1084-1106
, DOI: 10.13328/j.cnki.jos.007283
, CSTR: 32375.14.jos.007283
摘要：
2025,36(3):1022-1039
, DOI: 10.13328/j.cnki.jos.007282
, CSTR: 32375.14.jos.007282
摘要：
2025,36(3):995-1021
, DOI: 10.13328/j.cnki.jos.007281
, CSTR: 32375.14.jos.007281
摘要：
2025,36(3):981-994
, DOI: 10.13328/j.cnki.jos.007280
, CSTR: 32375.14.jos.007280
摘要：
2025,36(3):1065-1083
, DOI: 10.13328/j.cnki.jos.007279
, CSTR: 32375.14.jos.007279
摘要：
2025,36(3):962-980
, DOI: 10.13328/j.cnki.jos.007278
, CSTR: 32375.14.jos.007278
摘要：
2025,36(3):941-961
, DOI: 10.13328/j.cnki.jos.007277
, CSTR: 32375.14.jos.007277
摘要：
2024,35(9):4011-4012
, DOI: 10.13328/j.cnki.jos.007140
, CSTR: 32375.14.jos.007140
摘要：
2024,35(9):4310-4323
, DOI: 10.13328/j.cnki.jos.007139
, CSTR: 32375.14.jos.007139
摘要：
2024,35(9):4287-4309
, DOI: 10.13328/j.cnki.jos.007137
, CSTR: 32375.14.jos.007137
摘要：
2024,35(9):4265-4286
, DOI: 10.13328/j.cnki.jos.007136
, CSTR: 32375.14.jos.007136
摘要：
2024,35(9):4242-4264
, DOI: 10.13328/j.cnki.jos.007135
, CSTR: 32375.14.jos.007135
摘要：
2024,35(9):4218-4241
, DOI: 10.13328/j.cnki.jos.007134
, CSTR: 32375.14.jos.007134
摘要：
2024,35(9):4193-4217
, DOI: 10.13328/j.cnki.jos.007133
, CSTR: 32375.14.jos.007133
摘要：
2024,35(9):4179-4192
, DOI: 10.13328/j.cnki.jos.007132
, CSTR: 32375.14.jos.007132
摘要：
2024,35(9):4160-4178
, DOI: 10.13328/j.cnki.jos.007131
, CSTR: 32375.14.jos.007131
摘要：
2024,35(9):4141-4159
, DOI: 10.13328/j.cnki.jos.007130
, CSTR: 32375.14.jos.007130
摘要：
2024,35(9):4123-4140
, DOI: 10.13328/j.cnki.jos.007129
, CSTR: 32375.14.jos.007129
摘要：
2024,35(9):4100-4122
, DOI: 10.13328/j.cnki.jos.007128
, CSTR: 32375.14.jos.007128
摘要：
2024,35(8):3551-3552
, DOI: 10.13328/j.cnki.jos.007125
, CSTR: 32375.14.jos.007125
摘要：
2024,35(8):3698-3720
, DOI: 10.13328/j.cnki.jos.007124
, CSTR: 32375.14.jos.007124
摘要：
2024,35(8):3684-3697
, DOI: 10.13328/j.cnki.jos.007122
, CSTR: 32375.14.jos.007122
摘要：
2024,35(8):3668-3683
, DOI: 10.13328/j.cnki.jos.007121
, CSTR: 32375.14.jos.007121
摘要：
2024,35(8):3647-3667
, DOI: 10.13328/j.cnki.jos.007120
, CSTR: 32375.14.jos.007120
摘要：
2024,35(8):3626-3646
, DOI: 10.13328/j.cnki.jos.007119
, CSTR: 32375.14.jos.007119
摘要：
2024,35(8):3610-3625
, DOI: 10.13328/j.cnki.jos.007118
, CSTR: 32375.14.jos.007118
摘要：
2024,35(8):3591-3609
, DOI: 10.13328/j.cnki.jos.007117
, CSTR: 32375.14.jos.007117
摘要：
2024,35(8):3577-3590
, DOI: 10.13328/j.cnki.jos.007116
, CSTR: 32375.14.jos.007116
摘要：
2024,35(8):3553-3576
, DOI: 10.13328/j.cnki.jos.007115
, CSTR: 32375.14.jos.007115
摘要：
2024,35(7):3069-3070
, DOI: 10.13328/j.cnki.jos.007114
, CSTR: 32375.14.jos.007114
摘要：
2024,35(7):3093-3114
, DOI: 10.13328/j.cnki.jos.007113
, CSTR: 32375.14.jos.007113
摘要：
2024,35(7):3245-3264
, DOI: 10.13328/j.cnki.jos.007111
, CSTR: 32375.14.jos.007111
摘要：
2024,35(7):3071-3092
, DOI: 10.13328/j.cnki.jos.007110
, CSTR: 32375.14.jos.007110
摘要：
2024,35(7):3227-3244
, DOI: 10.13328/j.cnki.jos.007109
, CSTR: 32375.14.jos.007109
摘要：
2024,35(7):3204-3226
, DOI: 10.13328/j.cnki.jos.007108
, CSTR: 32375.14.jos.007108
摘要：
2024,35(7):3180-3203
, DOI: 10.13328/j.cnki.jos.007107
, CSTR: 32375.14.jos.007107
摘要：
2024,35(7):3162-3179
, DOI: 10.13328/j.cnki.jos.007106
, CSTR: 32375.14.jos.007106
摘要：
2024,35(7):3141-3161
, DOI: 10.13328/j.cnki.jos.007105
, CSTR: 32375.14.jos.007105
摘要：
2024,35(7):3115-3140
, DOI: 10.13328/j.cnki.jos.007104
, CSTR: 32375.14.jos.007104
摘要：
2024,35(6):2583-2584
, DOI: 10.13328/j.cnki.jos.007103
, CSTR: 32375.14.jos.007103
摘要：
2024,35(6):2668-2686
, DOI: 10.13328/j.cnki.jos.007102
, CSTR: 32375.14.jos.007102
摘要：
2024,35(6):2724-2752
, DOI: 10.13328/j.cnki.jos.007101
, CSTR: 32375.14.jos.007101
摘要：
2024,35(6):2608-2630
, DOI: 10.13328/j.cnki.jos.007100
, CSTR: 32375.14.jos.007100
摘要：
2024,35(6):2648-2667
, DOI: 10.13328/j.cnki.jos.007098
, CSTR: 32375.14.jos.007098
摘要：
2024,35(6):2631-2647
, DOI: 10.13328/j.cnki.jos.007097
, CSTR: 32375.14.jos.007097
摘要：
2024,35(6):2585-2607
, DOI: 10.13328/j.cnki.jos.007096
, CSTR: 32375.14.jos.007096
摘要：
2024,35(5):2099-2100
, DOI: 10.13328/j.cnki.jos.007030
, CSTR: 32375.14.jos.007030
摘要：
2024,35(5):2176-2191
, DOI: 10.13328/j.cnki.jos.007029
, CSTR: 32375.14.jos.007029
摘要：
2024,35(5):2192-2207
, DOI: 10.13328/j.cnki.jos.007028
, CSTR: 32375.14.jos.007028
摘要：
2024,35(5):2165-2175
, DOI: 10.13328/j.cnki.jos.007027
, CSTR: 32375.14.jos.007027
摘要：
2024,35(5):2208-2219
, DOI: 10.13328/j.cnki.jos.007026
, CSTR: 32375.14.jos.007026
摘要：
2024,35(5):2133-2149
, DOI: 10.13328/j.cnki.jos.007025
, CSTR: 32375.14.jos.007025
摘要：
2024,35(5):2150-2164
, DOI: 10.13328/j.cnki.jos.007024
, CSTR: 32375.14.jos.007024
摘要：
2024,35(5):2220-2234
, DOI: 10.13328/j.cnki.jos.007023
, CSTR: 32375.14.jos.007023
摘要：
2024,35(5):2101-2119
, DOI: 10.13328/j.cnki.jos.007022
, CSTR: 32375.14.jos.007022
摘要：
2024,35(5):2120-2132
, DOI: 10.13328/j.cnki.jos.007021
, CSTR: 32375.14.jos.007021
摘要：
2024,35(4):1585-1586
, DOI: 10.13328/j.cnki.jos.007020
, CSTR: 32375.14.jos.007020
摘要：
2024,35(4):1774-1789
, DOI: 10.13328/j.cnki.jos.007019
, CSTR: 32375.14.jos.007019
摘要：
2024,35(4):1751-1773
, DOI: 10.13328/j.cnki.jos.007018
, CSTR: 32375.14.jos.007018
摘要：
2024,35(4):1732-1750
, DOI: 10.13328/j.cnki.jos.007017
, CSTR: 32375.14.jos.007017
摘要：
2024,35(4):1601-1617
, DOI: 10.13328/j.cnki.jos.007016
, CSTR: 32375.14.jos.007016
摘要：
2024,35(4):1703-1716
, DOI: 10.13328/j.cnki.jos.007015
, CSTR: 32375.14.jos.007015
摘要：
2024,35(4):1587-1600
, DOI: 10.13328/j.cnki.jos.007014
, CSTR: 32375.14.jos.007014
摘要：
2024,35(4):1717-1731
, DOI: 10.13328/j.cnki.jos.007013
, CSTR: 32375.14.jos.007013
摘要：
2024,35(4):1651-1666
, DOI: 10.13328/j.cnki.jos.007010
, CSTR: 32375.14.jos.007010
摘要：
2024,35(4):1667-1681
, DOI: 10.13328/j.cnki.jos.007009
, CSTR: 32375.14.jos.007009
摘要：
2024,35(3):1049-1050
, DOI: 10.13328/j.cnki.jos.007079
, CSTR: 32375.14.jos.007079
摘要：
2024,35(3):1140-1153
, DOI: 10.13328/j.cnki.jos.007078
, CSTR: 32375.14.jos.007078
摘要：
2024,35(3):1173-1193
, DOI: 10.13328/j.cnki.jos.007077
, CSTR: 32375.14.jos.007077
摘要：
2024,35(3):1074-1089
, DOI: 10.13328/j.cnki.jos.007076
, CSTR: 32375.14.jos.007076
摘要：
2024,35(3):1194-1206
, DOI: 10.13328/j.cnki.jos.007074
, CSTR: 32375.14.jos.007074
摘要：
2024,35(3):1125-1139
, DOI: 10.13328/j.cnki.jos.007073
, CSTR: 32375.14.jos.007073
摘要：
2024,35(3):1090-1106
, DOI: 10.13328/j.cnki.jos.007072
, CSTR: 32375.14.jos.007072
摘要：
2024,35(3):1051-1073
, DOI: 10.13328/j.cnki.jos.007071
, CSTR: 32375.14.jos.007071
摘要：
2024,35(3):1154-1172
, DOI: 10.13328/j.cnki.jos.007070
, CSTR: 32375.14.jos.007070
摘要：
2024,35(3):1107-1124
, DOI: 10.13328/j.cnki.jos.007069
, CSTR: 32375.14.jos.007069
摘要：
2023,34(10):4437-4438
, DOI: 10.13328/j.cnki.jos.006890
摘要：
2023,34(10):4565-4583
, DOI: 10.13328/j.cnki.jos.006889
摘要：
2023,34(10):4533-4547
, DOI: 10.13328/j.cnki.jos.006888
摘要：
2023,34(10):4501-4517
, DOI: 10.13328/j.cnki.jos.006887
摘要：
2023,34(10):4548-4564
, DOI: 10.13328/j.cnki.jos.006886
摘要：
2023,34(10):4518-4532
, DOI: 10.13328/j.cnki.jos.006885
摘要：
2023,34(10):4477-4500
, DOI: 10.13328/j.cnki.jos.006883
摘要：
2023,34(10):4584-4600
, DOI: 10.13328/j.cnki.jos.006882
摘要：
2023,34(10):4463-4476
, DOI: 10.13328/j.cnki.jos.006881
摘要：
2023,34(9):3939-3940
, DOI: 10.13328/j.cnki.jos.006880
摘要：
2023,34(9):4018-4036
, DOI: 10.13328/j.cnki.jos.006879
摘要：
2023,34(9):4003-4017
, DOI: 10.13328/j.cnki.jos.006878
摘要：
2023,34(9):3981-4002
, DOI: 10.13328/j.cnki.jos.006877
摘要：
2023,34(9):4069-4095
, DOI: 10.13328/j.cnki.jos.006876
摘要：
2023,34(9):3941-3965
, DOI: 10.13328/j.cnki.jos.006875
摘要：
2023,34(9):3966-3980
, DOI: 10.13328/j.cnki.jos.006874
摘要：
2023,34(9):4056-4068
, DOI: 10.13328/j.cnki.jos.006873
摘要：
2023,34(9):4037-4055
, DOI: 10.13328/j.cnki.jos.006872
摘要：
2023,34(8):3465-3466
, DOI: 10.13328/j.cnki.jos.006871
摘要：
2023,34(8):3574-3586
, DOI: 10.13328/j.cnki.jos.006870
摘要：
2023,34(8):3527-3548
, DOI: 10.13328/j.cnki.jos.006869
摘要：
2023,34(8):3549-3573
, DOI: 10.13328/j.cnki.jos.006868
摘要：
2023,34(8):3467-3484
, DOI: 10.13328/j.cnki.jos.006867
摘要：
2023,34(8):3507-3526
, DOI: 10.13328/j.cnki.jos.006866
摘要：
2023,34(8):3485-3506
, DOI: 10.13328/j.cnki.jos.006865
摘要：
2023,34(7):2979-2980
, DOI: 10.13328/j.cnki.jos.006864
摘要：
2023,34(7):3043-3063
, DOI: 10.13328/j.cnki.jos.006862
摘要：
2023,34(7):3080-3098
, DOI: 10.13328/j.cnki.jos.006861
摘要：
2023,34(7):3116-3133
, DOI: 10.13328/j.cnki.jos.006860
摘要：
2023,34(7):3099-3115
, DOI: 10.13328/j.cnki.jos.006859
摘要：
2023,34(7):3022-3042
, DOI: 10.13328/j.cnki.jos.006858
摘要：
2023,34(7):2981-3001
, DOI: 10.13328/j.cnki.jos.006857
摘要：
2023,34(7):3064-3079
, DOI: 10.13328/j.cnki.jos.006856
摘要：
2023,34(7):3002-3021
, DOI: 10.13328/j.cnki.jos.006855
摘要：
2023,34(6):2507-2508
, DOI: 10.13328/j.cnki.jos.006854
摘要：
2023,34(6):2562-2585
, DOI: 10.13328/j.cnki.jos.006853
摘要：
2023,34(6):2628-2640
, DOI: 10.13328/j.cnki.jos.006852
摘要：
2023,34(6):2586-2605
, DOI: 10.13328/j.cnki.jos.006851
摘要：
2023,34(6):2543-2561
, DOI: 10.13328/j.cnki.jos.006849
摘要：
2023,34(6):2526-2542
, DOI: 10.13328/j.cnki.jos.006848
摘要：
2023,34(6):2641-2668
, DOI: 10.13328/j.cnki.jos.006847
摘要：
2023,34(6):2509-2525
, DOI: 10.13328/j.cnki.jos.006846
摘要：
2023,34(5):1997-1999
, DOI: 10.13328/j.cnki.jos.006776
摘要：
2023,34(5):2083-2100
, DOI: 10.13328/j.cnki.jos.006775
摘要：
2023,34(5):2152-2169
, DOI: 10.13328/j.cnki.jos.006773
摘要：
2023,34(5):2134-2151
, DOI: 10.13328/j.cnki.jos.006772
摘要：
2023,34(5):2068-2082
, DOI: 10.13328/j.cnki.jos.006771
摘要：
2023,34(5):2024-2034
, DOI: 10.13328/j.cnki.jos.006770
摘要：
2023,34(5):2116-2133
, DOI: 10.13328/j.cnki.jos.006769
摘要：
2023,34(5):2051-2067
, DOI: 10.13328/j.cnki.jos.006768
摘要：
2023,34(5):2035-2050
, DOI: 10.13328/j.cnki.jos.006766
摘要：
2023,34(3):1007-1009
, DOI: 10.13328/j.cnki.jos.006796
摘要：
2023,34(3):1109-1125
, DOI: 10.13328/j.cnki.jos.006795
摘要：
2023,34(3):1087-1108
, DOI: 10.13328/j.cnki.jos.006794
摘要：
2023,34(3):1065-1086
, DOI: 10.13328/j.cnki.jos.006793
摘要：
2023,34(3):1277-1291
, DOI: 10.13328/j.cnki.jos.006792
摘要：
您是第位访问者
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
技术支持：北京勤云科技发展有限公司
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
技术支持：北京勤云科技发展有限公司
