計算機學報最新期刊目錄

知識引導的基于錨圖學習的多視圖聚類方法研究————作者：梁科;馬慧敏;劉溯源;劉新旺;

摘要：傳統的多視圖聚類方法采用相似度矩陣以刻畫樣本之間關聯性，然而樣本間的關系可以天然地用知識圖譜進行描述。但是現有方法既沒有觀察到這一現象，也沒有設計有效的機制對其加以利用，以至于使得方法的性能次優。為了有效地利用這部分信息，本文首次提出了一種知識引導增強的基于錨圖學習的多視圖聚類方法（Knowledge-guided Anchor-graph-based Multi-view Clustering，...

聯邦遺忘學習隱私安全與算法效率研究綜述————作者：唐湘云;王偉;翁彧;沈蒙;張燾;王偉;祝烈煌;

摘要：在數據驅動的人工智能應用迅猛發展的背景下，用戶對其個人數據安全與隱私保護的需求持續提升。聯邦學習作為一種分布式機器學習范式，通過共享模型參數而非原始數據來完成模型訓練，緩解了用戶數據的隱私泄露風險。然而，聯邦學習仍難以滿足用戶從已訓練模型中刪除其個人數據的需求。為此，聯邦遺忘學習被提出，旨在響應用戶發起的數據遺忘請求，以擦除其數據對模型的影響，同時保持模型的有效性。但目前的聯邦遺忘學習技術還存在隱...

多智能體風險決策理論與方法研究綜述————作者：李鵬;陳少飛;易楚舒;李順;興軍亮;陳璟;

摘要：目前，學術界已有眾多關于多智能體決策的研究，形成了一系列理論與方法，能夠有效表達多個決策主體在合作、競爭等環境下的交互關系并求解得到合理的行為策略，在策略游戲、交通控制等諸多方面取得了成功應用。然而，在現實世界中，智能體在決策時可能會面臨環境狀態變化、自身方法誤差等風險因素，使得智能體獲得的損益值往往偏離預期值，而且其他智能體策略帶來的非平穩性、應對風險的不同態度也會給該智能體帶來進一步的決策挑戰...

聯邦學習后門攻擊威脅與對抗性防御方法綜述————作者：呂曉婷;劉敬楷;劉芷辰;陳政;許光全;羅文堅;沈蒙;王濱;紀守領;陳愷;王偉;

摘要：聯邦學習作為一種隱私保護的分布式機器學習范式，允許多個參與方在私有數據不出本地的前提下協同訓練機器學習模型。然而，聯邦學習所面臨的安全威脅日益凸顯。后門攻擊，因其具有隱蔽性強和破壞力大等特點，給聯邦學習后門攻擊的檢測和防御帶來了巨大挑戰，成為亟待解決的關鍵問題。本文全面調研、分析和總結了聯邦學習后門攻擊與防御方法，并展望了未來技術的發展方向。首先，剖析并總結了聯邦學習后門攻擊方法。基于不同的攻擊目...

基于類別共享與獨有信息雙向融合的多類別姿態估計————作者：陳俊杰;陳衛龍;方玉明;姜文暉;牛力;

摘要：姿態估計旨在定位物體各關鍵點的位置，是一項基本的計算機視覺任務，具有廣泛的應用場景。現有方法聚焦于估計單一類別物體的姿態（如人體），無法較好地用單個模型為多個類別的物體估計姿態。鑒于分類、檢測、分割等模型都可為多類別預測結果，從單類別拓寬到多類別是姿態估計領域的必然發展趨勢。因此，本文研究多類別姿態估計，其關鍵問題在于如何融合類別之間的共享信息與獨有信息，使得單個模型可較好地兼容多個類別的信息。為...

LION優化器的收斂速度分析————作者：董一鳴;李歡;林宙辰;

摘要：LION（evoLved sIgn mOmeNtum）是Google公司通過啟發式程序搜索的方式發現的優化器，是一種獨特的基于學習的優化算法。LION算法通過在上步動量和本步梯度之間維持兩個不同的插值，并有效結合了解耦的權重衰減技術，實現了超越傳統符號梯度下降類算法的性能。LION算法在許多大規模深度學習問題中展現了較強的優勢，得到了廣泛的應用。然而，盡管已有工作已經證明了LION的收斂性，但尚未...

基于穩定替代損失的可泛化平均精度優化————作者：溫佩松;許倩倩;楊智勇;黃慶明;

摘要：平均精度（Average Precision，AP）由于其對排序性能的全面度量，已經成為多種計算機視覺任務中廣泛使用的驗證指標，包括長尾分類、圖像檢索和目標檢測等。為縮小訓練目標與驗證指標之間的差距，近年研究提出了AP指標的直接優化算法。然而，受限于AP風險的不可分解性，大多數現有的AP優化方法基于不穩定的替代損失，即更改一個樣本可能導致損失估計大幅波動。受該特性影響，期望風險與經驗風險差距可能受...

基于時序感知潛在擴散模型的人體交互動作生成————作者：石旭;孫運蓮;駱巖林;張鴻文;

摘要：近年來，人體動作生成在計算機視覺和計算機圖形學領域受到了廣泛關注。隨著需求的增加，人體交互動作生成逐漸成為一個新的研究熱點。然而，相較于單人動作生成，人體交互動作生成尚處于起步階段，尤其是在生成復雜的交互動作方面。雖然基于文本條件的人體交互動作生成方法在生成符合文本描述的高質量人體交互動作方面已取得一定進展，但現有方法大多在原始動作序列上進行生成模型的學習，導致生成速度較慢。此外，它們普遍沿用對比...

基于孿生網絡和交叉注意力機制的空域和JPEG圖像隱寫分析————作者：張倩倩;李浩;張祎;馬媛媛;羅向陽;

摘要：近年來，深度學習在圖像隱寫分析任務中表現出了優越的性能。然而，此類方法在捕獲圖像中微弱的隱寫噪聲時，往往會因下采樣過程中大量關鍵細節信息的丟失，導致在檢測空域和JPEG隱寫圖像時難以同時實現高檢測準確率。為此，本文基于孿生神經網絡對圖像進行分區域細粒度學習，同時利用交叉注意力機制進一步增強模型全局信息感知能力，提出一種跨通道交叉注意力增強的隱寫分析方法(CES-Net)。首先，采用孿生神經網絡作為...

基于推理階段的對抗視覺調優方法————作者：張家明;桑基韜;于劍;

摘要：近年來，大規模預訓練視覺-語言模型在圖像描述、視覺問答和圖像檢索等任務中展現出卓越的性能。然而，這些模型在安全性方面存在顯著的脆弱性，尤其容易受到幾乎不可見的對抗噪聲的攻擊。對抗噪聲通過在輸入圖像中加入人眼幾乎不可察覺的擾動，使得模型發生錯誤。這種脆弱性在實際應用中帶來了深度學習模型的安全性挑戰，特別是在處理敏感信息的任務中。盡管對抗訓練已被證明可以有效提升模型的對抗魯棒性，但由于其計算復雜度較高...

輕量級密碼TweGIFT的中間相錯統計故障分析研究————作者：李瑋;劉源;谷大武;黃佳音;陸海寧;

摘要：TweGIFT算法是Chakraborti等學者于2021年提出的輕量級可調分組密碼算法，旨在保護智慧城市、智能制造、智聯農業等領域中物聯網設備的數據安全。本文基于唯密文基本假設，采取隨機半字節故障，提出了一種新型唯密文故障分析方法，即中間相錯統計故障分析。該方法基于中間相錯策略和統計故障分析，通過隨機注入半字節故障，獲取故障密文并進行統計學分析，設計余弦距離-漢明重量(COS-HW)和余弦距離-...

基于知識蒸餾與動態調整機制的多模態情感分析模型————作者：王楠;王淇;歐陽丹彤;

摘要：近年來，模態缺失已成為多模態情感分析中的重要挑戰。然而，現有研究無法有效應對模態缺失場景，導致模型性能顯著下降。為解決這一問題，本文提出了基于知識蒸餾與動態調整機制的多模態情感分析模型（Attention-based Uncertain Missing Modality Distillation Framework， AUMDF）。具體而言，設計了一種模態隨機缺失策略，以增強模型對不確定模態場景的...

社交媒體優化綜述————作者：王曉詩;景少玲;孫飛;尹芷儀;沈華偉;程學旗;

摘要：隨著移動互聯網的崛起，社交媒體在信息傳播中的重要性日益凸顯。同時，大量證據表明，基于社交媒體的優化被廣泛應用于商業營銷、政治宣傳或傳播觀點，尤其以ChatGPT為代表的大語言模型技術正被當作工具進一步降低社交媒體優化的門檻，優化技術及其帶來的潛在風險引起越來越多研究者的關注，但現有針對社交媒體優化議題的研究主要集中在證實惡意優化現象的存在，或揭示量化特定事件中的優化行為，缺乏系統全面的介紹。本文從...

基于協同決策的SDN交換機遷移方案————作者：熊兵;夏紅芳;趙錦元;張錦;趙寶康;李克勤;

摘要：在軟件定義網絡(Software-Defined Networking， SDN)中，為解決控制器負載隨網絡流量波動而變化引起控制平面負載不均衡，甚至控制器過載的問題，本文提出一種基于協同決策的SDN交換機遷移方案，在保證控制平面負載均衡的同時，盡可能降低控制平面和數據平面之間的平均鏈路距離，以提升SDN網絡性能。該方案首先在全面感知SDN網絡運行狀態的基礎上，以需遷出交換機的過載控制器為中心，將...

區塊鏈智能合約隱私保護技術研究綜述————作者：王有恒;馮開開;李汝佳;段斯斯;陳慶接;

摘要：區塊鏈智能合約因去中心化、自動執行和數據可追溯等特性，已在多個領域得到應用。然而，其透明性帶來的多維度 隱私泄露風險，已成為規模化應用的核心瓶頸。盡管已有多種針對智能合約的隱私增強方案，但技術路線碎片化與 評估體系缺失，使現有研究缺乏系統性梳理與評估。本文通過定義理想化隱私模型，構建四維評估框架（性能維度、 經濟維度、易用性維度、通用性維度），系統梳理和分析了四類技術方案（可信執行環境、零知識證明...

人工智能賦能關系型數據庫優化技術：現狀與展望————作者：喬少杰;李洲;韓楠;徐泉清;吳濤;袁冠;吳信東;

摘要：傳統的關系型數據庫優化技術(如連接順序選擇、節點調整、成本估算、索引和視圖選擇)已經無法滿足大數據時代各種業務的高性能需求，尤其是云上的需求。由于人工智能技術擁有學習能力，所以在數據庫領域展現出了巨大潛力以及研究前景。首先，綜述介紹了人工智能應用于關系型數據庫的主流方向。其次，探討基于學習的數據庫優化過程中可能遇到的挑戰。進而，綜述關系型數據庫優化的現狀及具體技術，并對數據庫優化技術的發展進行了展...

面向開放世界的半監督特征選擇算法————作者：王鋒;武文強;梁吉業;

摘要：現有的半監督學習方法大多遵循封閉世界假設，即在模型訓練過程中類別信息保持不變，標記數據可以覆蓋所有類別。然而，在實際應用中，這一假設往往難以滿足，未標記數據中通常會包含大量的未知類數據樣本。為此，近年來研究人員提出了一個極具挑戰性的研究方向：將半監督學習推廣到不僅能夠有效識別已知類的未標記數據樣本，還能對未知的新類樣本進行學習，從而構建面向開放世界的半監督學習機制。為應對這一挑戰，本文基于符號型數...

海光處理器上后量子簽名算法的AVX2優化實現————作者：王悅彤;周璐;楊昊;劉哲;

摘要：隨著量子計算技術的快速發展，傳統密碼體系面臨著巨大的安全威脅，后量子密碼學(PQC)的研究迫在眉睫。在此背景下，格密碼憑借其出色的抗量子攻擊能力，成為后量子數字簽名算法的重要基礎。HuFu算法是我國自主研發的后量子數字簽名算法，基于格密碼學中的通用格問題，具有良好的安全性和應用前景，目前已提交至美國國家標準技術研究院(NIST)進行標準化評估。但HuFu算法在性能上仍有提升空間，特別是在算法復雜度...

面向去中心化環境的數據所有權安全轉移協議————作者：禹勇;姚宇超;史雋彬;陽昊辰;

摘要：在去中心化市場中，大量數據資產通常需要長時間鎖定在智能合約中，直至交易完成。盡管這種鎖定機制對交易安全非常重要，卻嚴重限制了數據資產的流動性與靈活性，導致市場參與者交易效率降低、機會成本增加，阻礙了去中心化應用的廣泛推廣與規模化發展。為解決上述問題，本文提出了一種面向去中心化環境的數據所有權安全轉移協議。本協議在不額外增加區塊鏈網絡計算或存儲負擔的前提下，實現了鎖定數據資產所有權的安全轉移。首先，...

脈沖深度學習梯度替代算法研究綜述————作者：方維;朱耀宇;黃梓涵;姚滿;余肇飛;田永鴻;

摘要：被譽為第三代神經網絡模型的脈沖神經網絡(Spiking Neural Network， SNN)具有二值通信、稀疏激活、事件驅動、超低功耗的特性，但也因其復雜的時域動態和離散不可導的脈沖發放過程而難以訓練。近年來以梯度替代法和人工神經網絡(Artificial Neural Network， ANN)轉換SNN方法為代表的深度學習方法被提出，大幅度改善SNN性能，形成了脈沖深度學習這一全新領域。本...

　　計算機學報來自網友的投稿評論：

• 奔跑的辣椒醬

  7月8日郵件投稿計算機學報，16日回復讓壓縮字數，表格最好轉化成文字重新投過，接著進入審稿階段，修改幾次之后收到錄用通知，錄用后編輯部給回復，說發表在最近一期上，總之回復快，審稿快，值得信賴的刊物。

  2024-08-15 17:24

提交