首页期刊导航|电子与信息学报
期刊信息/Journal information
电子与信息学报
电子与信息学报

吴一戎

月刊

1009-5896

jeit@mail.ie.ac.cn

010-58887066

100190

北京市北四环西路19号

电子与信息学报/Journal Journal of Electronics & Information TechnologyCSCD北大核心CSTPCDEI
查看更多>>本刊是电子科学高级综合性学术刊物。主要刊登有关电子与信息科学方面的具有创新性的、高水平的文章。
正式出版
收录年代

    基于边缘领域自适应的立体匹配算法

    厉行樊养余郭哲段昱...
    2970-2980页
    查看更多>>摘要:风格迁移方法因其较好的域适应性,广泛应用于存在领域差异的计算机视觉领域.当前基于风格迁移的立体匹配任务存在如下挑战:(1)转换后的左右图像需满足配对的前提;(2)转换后图像的内容和空间信息要与原始图像保持一致.针对以上难点,该文提出一种基于边缘领域自适应的立体匹配方法(EDA-Stereo).首先,构建了边缘引导的生成对抗网络(Edge-GAN),通过空间特征转换(SFT)层融合边缘信息和合成域图像特征,引导生成器输出保留合成域图像结构特征的伪图像.其次,提出翘曲损失函数以迫使基于转换后的右图像所重建出的左图像向原始左图像进行逼近,防止转换后的左右图像对不匹配.最后,提出基于法线损失的立体匹配网络,通过表征局部深度变化来捕获更多的几何细节,有效提高了匹配精度.通过在合成数据集上训练,在真实数据集上与多种方法进行比较,结果表明本该方法能够有效缓解领域差异,在KITTI 2012和KITTI 2015数据集上的D1误差分别为3.9%和4.8%,比当前先进的域不变立体匹配网络(DSM-Net)方法分别相对降低了37%和26%.

    立体匹配领域自适应边缘引导生成对抗网络

    多蛇形机器人编队路径跟踪控制

    郝爽何玉鹏陈继尧王铮...
    2981-2993页
    查看更多>>摘要:为了实现多个蛇形机器人的编队控制,该文提出一种基于误差约束的抗干扰路径跟随方法.该方法使用高度耦合的动态频率补偿器来调整每个机器人的运动速度,以确保编队成员之间位置和速度的一致性.在动力学控制中,通过障碍函数的等效原则消除了虚拟变量的奇异现象,提高了路径跟随的稳定性.此外,该文设计了模型不确定性和外界干扰的预测值,以此来提前补偿机器人的关节偏移量和扭矩输入,从而进一步提高了跟随误差的收敛速度和稳态性能.最后,利用Lyapunov理论证明了该方法的一致最终有界性(UUB).仿真数据表明,相对于其他经典方法,该文所提模型和控制策略具有更高的跟随精度.

    抗干扰障碍李雅普诺夫函数误差约束编队控制多蛇形机器人

    自整定多元变分模态分解

    郎恂王佳艺陈启明何冰冰...
    2994-3001页
    查看更多>>摘要:多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题.为此,该文提出一种自整定MVMD(SMVMD)算法.SMVMD采取了匹配追踪法的思想,通过频域的能量占比和模态正交性分别自适应地更新K和α.对仿真信号与真实案例的分析结果表明,所提SMVMD方法不仅有效解决了原MVMD的参数整定问题,而且表现出以下优势,(1)与MVMD相比,SMVMD抗模态混叠的能力更强,且对噪声和α值的变化都具有更好的鲁棒性.(2)与多元经验模态分解、快速多元经验模态分解和多元变分模态分解这些经典算法相比,SMVMD算法的分解误差最小,分解效果最好.

    多元信号处理MVMD自整定匹配追踪法鲁棒性

    标准模型下基于格的变色龙签名方案

    张彦华陈岩刘西蒙尹毅峰...
    3002-3009页
    查看更多>>摘要:作为一种比较理想的指定验证者签名,变色龙签名(CS)通过在签名算法中嵌入变色龙哈希函数(CHF)对消息进行散列,更简便地解决了签名的2次传递问题.在获得不可传递性的同时,变色龙签名还要求满足不可伪造性、签名者可拒绝性以及不可抵赖性等特性.针对基于大整数分解或离散对数等传统数论难题的CS无法抵御量子计算机攻击,以及随机预言机模型下可证明安全的数字签名方案在实际具体实现中未必安全的问题,该文给出了标准模型下基于格的变色龙签名;进一步地,针对签名者可拒绝性的获得需要耗费其较大的本地存储的问题,给出了标准模型下基于格的无需本地存储的变色龙签名,新方案彻底消除了签名者对本地签名库的依赖,使得签名者能够在不存储原始消息与签名的条件下辅助仲裁者拒绝任意敌手伪造的变色龙签名.特别地,基于格上经典的小整数解问题和差错学习问题,两个方案在标准模型下是可证明安全的.

    变色龙签名不可传递性标准模型无需本地存储

    基于本地差分隐私的异步横向联邦安全梯度聚合方案

    魏立斐张无忌张蕾胡雪晖...
    3010-3018页
    查看更多>>摘要:联邦学习作为一种新兴的分布式机器学习框架,通过在用户私有数据不出域的情况下进行联合建模训练,有效地解决了传统机器学习中的数据孤岛和隐私泄露问题.然而,联邦学习存在着训练滞后的客户端拖累全局训练速度的问题,异步联邦学习允许用户在本地完成模型更新后立即上传到服务端并参与到聚合任务中,而无需等待其他用户训练完成.然而,异步联邦学习也存在着无法识别恶意用户上传的错误模型,以及泄露用户隐私的问题.针对这些问题,该文设计一种面向隐私保护的异步联邦的安全梯度聚合方案(SAFL).用户采用本地差分隐私策略,对本地训练的模型添加扰动并上传到服务端,服务端通过投毒检测算法剔除恶意用户,以实现安全聚合(SA).最后,理论分析和实验表明在异步联邦学习的场景下,提出的方案能够有效识别出恶意用户,保护用户的本地模型隐私,减少隐私泄露风险,并相对于其他方案在模型的准确率上有较大的提升.

    安全聚合本地差分隐私隐私保护恶意投毒攻击异步联邦学习

    围长为8的较大列重准循环低密度奇偶校验码的行重普适代数构造

    张国华秦煜娄蒙娟方毅...
    3019-3025页
    查看更多>>摘要:适合于任意行重(即行重普适(RWU))的无小环准循环(QC)低密度奇偶校验(LDPC)短码,对于LDPC码的理论研究和工程应用具有重要意义.具有行重普适特性且消除4环6环的现有构造方法,只能针对列重为3和4的情况提供QC-LDPC短码.该文在最大公约数(GCD)框架的基础上,对于列重为5和6的情况,提出了3种具有行重普适特性且消除4环6环的构造方法.与现有的行重普适方法相比,新方法提供的码长从目前的与行重呈4次方关系锐减至与行重呈3次方关系,因而可以为QC-LDPC码的复合构造和高级优化等需要较大列重基础码的场合提供行重普适的无4环无6环短码.此外,与基于计算机搜索的对称结构QC-LDPC码相比,新码不仅无需搜索、描述复杂度更低,而且具有更好的译码性能.

    低密度奇偶校验码准循环围长最大公约数

    5G车联网中安全高效的组播服务认证与密钥协商方案

    张应辉李国腾韩刚曹进...
    3026-3035页
    查看更多>>摘要:5G车联网(5G-V2X)中,内容提供者通过以点对多的传输方式向属于特定区域的一组车辆提供服务消息.针对于车辆获取组播服务遭受的安全威胁与隐私泄露问题,该文提出一种认证和密钥协商方案用于内容提供者与车辆之间的组播服务消息传输.首先,采用无证书聚合签名技术批量验证群组内所有车辆,提高了认证请求的效率.其次,基于多项式密钥管理技术实现安全的密钥协商,使得非法用户或核心网络无法获取共享会话密钥.最后,实现了群组内车辆的动态密钥更新机制,当车辆加入或离开群组时,内容提供者只需要发送1条密钥更新消息即可更新会话密钥.基于形式化验证工具和进一步安全性分析表明,所提方案可以保证匿名性、不可链接性、前向和后向安全性以及抗共谋攻击等安全需求.与现有方案相比,计算效率提高了约34.2%.

    5G车联网认证密钥协商动态群组组播

    智能交通系统中具有隐私保护性的属性基可搜索加密方案

    牛淑芬戈鹏董润园刘琦...
    3036-3045页
    查看更多>>摘要:针对智能交通系统(ITS)中车载用户出行信息容易被非法盗用、交通系统云端服务器存储的交通数据被恶意用户非法滥用等问题,该文提出一种新的属性基可搜索加密(ABSE)方案,该方案具有隐私保护、密钥聚合和轻量计算等功能.该方案在密钥生成阶段、访问控制阶段和部分解密阶段实现了全隐私保护;将搜索关键字嵌入到访问结构中,在实现部分策略隐藏的同时保证了关键字安全;通过密钥聚合技术,将所有满足搜索条件和访问策略的文件标识聚合成一个聚合密钥,减轻用户的密钥存储负担,保障文件密钥安全的同时进一步保障了数据安全.安全性分析表明,该方案具有隐藏访问结构安全、关键字密文不可区分安全和陷门不可区分安全.理论分析和数值模拟显示所提方案在通信和计算方面的开销是高效且实用的.

    智能交通系统隐私保护属性基可搜索加密密钥聚合策略隐藏

    结合可逆神经网络和逆梯度注意力的抗屏摄攻击水印方法

    李谢华娄芹杨俊雪廖鑫...
    3046-3053页
    查看更多>>摘要:随着智能设备的普及,数字媒体内容的传播和分享变得更加便捷,人们可以通过手机拍摄屏幕等简单方式轻松获取未经授权的信息,导致屏幕拍摄传播成为版权侵权的热点问题.为此,该文针对屏幕盗摄版权保护任务提出一种端到端的基于可逆神经网络和逆梯度注意力的抗屏摄攻击图像水印框架,实现屏幕盗摄场景下版权维护的目标.该文将水印的嵌入和提取视为相互关联的逆问题,利用可逆神经网络实现编解码网络的一体化,有助于减少信息传递损失.进一步地,通过引入逆梯度注意模块,捕捉载体图像中鲁棒性强且视觉质量高的像素值,并将水印信息嵌入到载体图像中不易被察觉和破坏的区域,保证水印的不可见性和模型的鲁棒性.最后,通过可学习感知图像块相似度(LPIPS)损失函数优化模型参数,指导模型最小化水印图像感知差异.实验结果表明,所提方法在鲁棒性和水印图像视觉质量上优于目前同类的基于深度学习的抗屏摄攻击水印方法.

    数字水印可逆神经网络逆梯度注意力屏幕拍摄

    一种基于三角数分解的可配置2-D卷积器优化方法

    黄继业肖强田大海高明裕...
    3054-3062页
    查看更多>>摘要:多尺寸2-D卷积通过特征提取在检测、分类等计算机视觉任务中发挥着重要作用.然而,目前缺少一种高效的可配置2-D卷积器设计方法,这限制了卷积神经网络(CNN)模型在边缘端的部署和应用.该文基于乘法管理以及奇平方数的三角数分解方法,提出一种高性能、高适应性的卷积核尺寸可配置的2-D卷积器.所提2-D卷积器包含一定数量的处理单元(PE)以及相应的控制单元,前者负责运算任务,后者负责管理乘法运算的组合,二者结合以实现不同尺寸的卷积.具体地,首先根据应用场景确定一个奇数列表,列表中为2-D卷积器所支持的尺寸,并利用三角数分解得到对应的三角数列表;其次,根据三角数列表和计算需求,确定PE的总数量;最后,基于以小凑大的方法,确定PE的互连方式,完成电路设计.该可配置2-D卷积器通过Verilog硬件描述语言(HDL)设计实现,由Vivado 2022.2在XCZU7EG板卡上进行仿真和分析.实验结果表明,相比同类方法,该文所提可配置2-D卷积器,乘法资源利用率得到显著提升,由20%~50%提升至89%,并以514个逻辑单元实现1 500 MB/s的吞吐率,具有广泛的适用性.

    2-D卷积器可配置架构乘法管理三角数分解