首页期刊导航|计算机工程
期刊信息/Journal information
计算机工程
华东计算技术研究所　上海市计算机学会
计算机工程

华东计算技术研究所　上海市计算机学会

游小明

月刊

1000-3428

hdsce@sohu265359.sohuvip.net

021-54972331

200233

上海市桂林路418号

计算机工程/Journal Computer EngineeringCSCD北大核心CSTPCD
查看更多>>本刊是中国电子科技集团公司第三十二研究所（华东计算技术研究所）主办的学术性刊物，是上海市计算机学会会刊。主要特点：以最快的速度、科学求实的精神，精选刊登代表计算机行业前沿科研、技术、工程方面的高、精、尖优秀论文。贯彻党的“双百”方针，繁荣科技创作，促进国内外学术交流，探讨和传播计算机科学的理论和实践，加速和促进我国计算机事业的发展。
正式出版
收录年代

    基于深度学习的指纹室内定位对抗样本攻击研究

    张学军席阿友加小红张斌...
    228-239页
    查看更多>>摘要：基于深度学习的指纹室内定位系统因其能够有效抽取接收信号强度(RSS)指纹数据的深层特征而大幅提高了室内定位性能，但该类方法需要大量多样化的RSS指纹数据训练模型，并且目前对其安全漏洞也缺乏充分的研究，这些安全漏洞源于无线Wi-Fi媒体的开放性和分类器的固有缺陷(如易遭受对抗性攻击等)。为此，对基于深度学习的RSS指纹室内定位系统的对抗性攻击进行研究，提出一种基于Wi-Fi指纹室内定位的对抗样本攻击框架，并利用该框架研究对抗攻击对基于深度学习的RSS指纹室内定位模型性能的影响。该框架包含离线训练和在线定位两个阶段。在离线训练阶段，设计适用于增广Wi-Fi RSS指纹数据的条件生成对抗网络(CGAN)来生成大量多样化的RSS指纹数据训练高鲁棒的室内定位深度学习模型;在线定位阶段，构造最强的一阶攻击策略来生成针对Wi-Fi RSS指纹室内定位系统的有效RSS对抗样本，研究对抗攻击对不同室内定位深度学习模型性能的影响。实验结果显示:在公开UJIIndoorLoc数据集上，由所提框架生成的RSS指纹对抗样本对卷积神经网络(CNN)、深度神经网络(DNN)、多层感知机(MLP)、pixeldp_CNN指纹室内定位模型的攻击成功率分别达到94。1％、63。75％、43。45％、72。5％;对由CGAN增广数据训练的上述4种指纹室内定位模型的攻击成功率分别达到84。95％、44。8％、15。7％、11。5％。由此表明，现有的基于深度学习的指纹室内定位模型易遭受对抗样本攻击的影响，由真实数据和增广数据混合训练的室内定位模型在面临对抗样本攻击时具有更好的鲁棒性。

    室内定位条件生成对抗网络对抗攻击深度学习鲁棒性

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    计及电力数据安全的智能合约上链方法及防篡改技术研究

    马超宋琛
    240-254页
    查看更多>>摘要：随着"大云物移智链"等数字化技术在能源电力领域迅猛发展，大量新兴技术快速地在电网业务系统中进行创新应用，导致用电信息采集系统中数据交互更加频繁，从而出现数据经过流转后发生缺失、损坏等问题，进而导致业务数据公信力下降，且流转过程不清晰不透明，难以进行数据追溯溯源。针对用电信息采集系统数据可信度低、溯源难等问题，分析了区块链技术在用电信息采集系统应用情况，设计了区块链-用电信息采集系统三元结构模型，提出了一种采用区块链-用电信息采集系统三元结构的基于改进模型的实用型哈希算法的结构防篡改加密算法。仿真结果表明，区块链-用电信息采集系统三元结构的防篡改加密算法可提升数据质量进而提升业务数据公信力，同时通过该结构增强了数据的溯源能力，极大提升了用电信息采集系统数据在交互和使用过程的安全性。

    用电信息采集系统区块链智能合约电能表终端

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于CLPN的系统安全性分析方法

    余新胜朱丹江罗论涵
    255-265页
    查看更多>>摘要：随着安全性攸关系统的智能化、自动化发展，系统规模和复杂度急剧增加，传统基于链式/树式安全性因果模型的安全性分析方法在非线性致危因素、非失效致危因素分析方面存在很大的局限性，现代基于系统理论的安全性因果模型虽然在航空航天、核电能源等多个领域得到有效性验证，但目前该类方法尚缺乏严格统一的分析步骤和自动化分析工具。为此，提出复杂系统控制过程的建模工具——控制逻辑Petri网(CLPN)，对控制过程中的活动及其之间的交互影响关系进行形式化描述，并对系统CLPN模型的可达图进行失效扩展，在不影响安全性分析的前提下尽量避免因失效事件建模造成的分析模型规模激增。基于CLPN模型，以系统理论事故模型与过程(STAMP)系统安全性因果模型危险因素分类为标准，在可达性分析的基础上对作为系统致危因素的危险控制活动进行探索，实现系统安全性的自动化分析。最后，通过实例分析和方法对比，对所提方法的可用性和有效性进行验证。实验结果表明，基于CLPN的系统安全性分析方法在结果完备性和分析效率方面具有较大的优势。

    Petri网系统安全性安全性分析系统理论事故模型与过程控制逻辑Petri网

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种联合边缘服务器部署与服务放置的方法

    张俊娜韩超臣陈家伟赵晓焱...
    266-280页
    查看更多>>摘要：边缘计算(EC)在靠近用户的网络边缘部署边缘服务器(ES)，并将服务放置在ES上，从而可以满足用户的服务需求。独立研究ES部署和服务放置问题的成果已有很多，但两者存在高度耦合关系。考虑到EC系统的收益，有必要提供付费服务，使得EC系统处理用户服务请求时会获得相应收入。同时，EC系统处理用户服务请求时会产生时延和能耗成本，为了最大化EC系统的收益，在用户服务请求和服务价格不同的约束下，需要合适的服务放置方案来提高EC系统的收益。为此，在ES与基站之间的位置关系、ES部署和服务放置之间的耦合关系、服务副本数和服务价格等约束下，提出一种包括改进的k-means算法和多智能体强化学习算法的两步方法，使EC系统的收益最大化。首先，构建一个联合ES部署和服务放置模型，其中ES部署明确考虑了基站之间的位置关系，服务放置明确考虑了 ES部署的位置，以及不同的服务请求和价格;然后，基于基站的位置关系和基站的服务请求负载，通过带约束的k-means算法，在不同约束条件下分别确定最佳的ES部署位置以及ES的协作域;最后，以最大化EC系统收益为目标，通过多智能体强化学习算法在ES上放置服务。实验结果表明，与对比方法相比，所提方法能够提高收益7％～23％。

    边缘计算边缘服务器部署服务放置k-means聚类算法多智能体强化学习算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于A3C的认知物联网通信干扰消除算法

    刘新梦谢健骊李翠然王亦鸣...
    281-290页
    查看更多>>摘要：针对频谱资源干扰管理的智能化需求，提出一种基于异步优势行动者-评论家(A3C)的干扰消除算法，旨在应对认知物联网(CIoT)通信系统中由频谱资源共享引起的干扰问题。通过智能体的学习和优化，帮助次级用户(SU)在受到干扰影响时做出最优的决策，从而改善通信质量和系统性能。在该算法中，当SU遭受干扰影响通信质量时，智能体通过学习和优化，使SU能够根据当前的位置信息、发射功率、接收功率以及干扰程度选择最低干扰程度的行动，并执行该行动后获得的奖励。智能体通过尝试不同减少干扰的行动，并根据奖励的反馈调整策略，达到最大化定义干扰程度指标和信号质量指标的奖励函数的目的，从而最大程度地减少干扰对通信质量的影响。实验结果表明，与传统k-means算法以及深度递归Q网络(DRQN)和深度Q网络(DQN)优化算法相比，基于A3C的干扰消除算法具有更短的收敛时间、更高的执行效率以及更高的系统吞吐量，较3种基准方法在吞吐量性能上至少提高7％，能够有效地减少干扰对通信质量的不利影响。

    认知物联网干扰消除异步优势行动者-评论家算法干扰程度信号质量吞吐量

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于改进人工蜂鸟算法的MEC任务卸载策略

    杨建军唐东明李驹光肖宇峰...
    291-301页
    查看更多>>摘要：面对信息化网络环境中大量时延敏感型和计算密集型任务的计算需求，移动边缘计算(MEC)及其计算卸载技术提供了一种行之有效的解决方案。针对资源受限移动边缘系统的任务卸载策略，设计一种成本最优化算法。首先，结合系统的基本数据构建多用户多服务器网络场景，并根据时延、能耗等待优化指标建立一种包含惩罚项的最小化成本优化模型;然后，提出一种改进人工蜂鸟算法(IAHA)，通过对原算法的寻优方式与算法结构进行适应性地调整和优化，并引入一种紧急避险策略，实现系统模型与算法映射的高度契合以及对模型问题快速精确求解，进而得到系统的最优卸载策略;最后，应用策略进行部署以降低系统的成本支出和提升用户的服务体验。仿真实验结果表明，所提改进算法能够有效降低系统成本，并且在针对高维复杂模型求解时具有更突出的收敛性能和寻优精度，在特定实验条件下，所提改进算法相较于部分经典的元启发式算法和典型的新型群智能算法，系统成本减少20。79％～65。39％，所提任务卸载算法相对于本地计算策略的平均系统成本能够降低66。98％。

    移动边缘计算计算卸载卸载策略成本优化人工蜂鸟算法

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于自适应无人机数量的节时部署优化算法

    万昊楠吴飞尹玲
    302-312页
    查看更多>>摘要：为缩短未知环境下移动边缘计算(MEC)系统服务用户所需的平均时延，提高MEC系统服务质量(QoS)，设计了一种基于多无人机(UAV)的MEC系统，并针对UAV数量大量增加、因用户平均时延减少呈现边际效应递减所带来的资源浪费问题，设计一种可变UAV数量的节时部署算法。MEC系统首先将UAV部署问题分解为一个双层嵌套问题，外层为最大覆盖问题(MCLP)，内层为基于广义指派问题(GAP)的任务卸载问题，并将人为设置的惩罚项加入待优化目标中，在优化过程中使MEC系统UAV数量和用户所需平均时延之间达到平衡。部署算法设计了一种混合算法来针对嵌套问题进行求解，外层使用基于差分进化-蛇优化算法(DE-SO)的联合优化算法来解决UAV的部署覆盖问题，内层使用贪心算法来解决任务卸载问题。仿真实验结果表明，在多种UE分布环境下，相较于CS-G、SAO-G等算法，该算法在适应度、覆盖率等性能上取得了最优表现，相比寻优精度最高的对比算法，DE-SO-G在寻优精度上平均提升5。67％。

    移动边缘计算无人机部署蛇优化算法差分进化算法混合整数非线性问题

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于对抗注意力机制的水下遮挡目标检测算法

    罗偲李凯扬吴吉花任鹏...
    313-321页
    查看更多>>摘要：水下环境复杂，遮挡目标信息缺失严重而难以提取到足够的特征信息，导致水下遮挡目标易被漏检。为解决该问题，提出一种基于对抗注意力机制的水下目标检测算法。以Faster R-CNN算法为框架，提出基于空间注意力机制的对抗生成遮挡样本网络(AOGN)o AOGN与Faster R-CNN网络相互竞争，通过三阶段训练过程，在不增加推理负担的情况下学习生成检测网络难以正确区分的样本，提高Faster R-CNN网络对水下遮挡目标的检测精度。使用Focal loss增加困难样本的损失比重，解决水下数据集难易样本不平衡的问题。在此基础上，为获得更丰富的水下目标特征信息，使用SE-ResNet50代替VGG16作为骨干网络，通过残差网络和SE模块的结合获得更有效、更丰富的水下目标信息，提高对检测目标的特征提取能力，同时加入多条ROIpooling支路实现多尺度特征融合，增加特征的丰富性。实验结果表明，该算法在URPC数据集和水下垃圾数据集上分别取得了73。76％和86。85％的平均精度均值(mAP)，遮挡目标漏检率分别达到2％和7％，相较于其他检测算法能够有效提升检测性能。

    机器视觉水下目标检测对抗样本损失函数SE-ResNet50网络特征融合

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多表征学习的交叉熵集成图像分类方法

    曲坤王震龙刘志锋
    322-333页
    查看更多>>摘要：交叉熵损失是分类任务中常见的损失函数，然而现有深度分类方法往往使用单模型的交叉熵设计，存在分类泛化能力低、鲁棒性差等问题。受到多视图表征学习的启发，提出一种深度集成的交叉熵损失方法，以提高模型的泛化能力和鲁棒性。通过构建多样化子网络，学习单一图像数据下多个深度视角的不同表征，最终通过集成化交叉熵设计，将图像数据的多视角表征进行集成分类。该方法可以充分利用多视角深度网络的多样化表征进行图像的鲁棒分类，即将多个视图的交叉熵损失统一到整体的集成空间中进行分类，从而提升传统单一模型交叉熵设计下的图像分类性能。在SVHN、CIFAR等图像数据集上的实验结果表明，相比于现有的MEAL、CEN等图像分类方法，该方法在识别准确率上获得了明显提升。

    深层网络图像分类交叉熵损失多表征学习集成学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于锥形追踪和网络分解的NeRF三维重建方法

    景维鹏王源锋李超
    334-341页
    查看更多>>摘要：在计算机视觉领域，神经辐射场(NeRF)是以空间坐标或者时间、相机位姿等其他维度作为输入，通过多层感知机(MLP)网络模拟目标函数，生成颜色、深度等目标标量的过程。NeRF的应用包括对三维场景进行高质量的重建，而其在处理不同分辨率的场景时会产生过度模糊或者伪影的渲染效果，且存在训练耗时较长的问题。为了解决上述问题，提出基于锥形追踪和网络分解的NeRF三维重建方法。使用锥形追踪的方法，为每个像素投射一个圆锥体，并将投射的圆锥体切割成一系列的圆锥台，沿着该圆锥体进行特征化，通过高效渲染抗锯齿的圆锥台来降低模糊或者伪影效果。为了缩短训练时间，使用网络分解的方法，将原始NeRF接收5维数据的神经网络分解为两个网络，有效地缩短训练时间。实验结果表明，在NeRF_Synthetic、LLFF和Multiresolution数据集中，相比于NeRF、F2-NeRF等方法，所提方法的峰值信噪比(PSNR)提升了 14。4％～24。6％，能够重建出更丰富的细节特征，视觉效果更好，且训练时间大幅降低。

    神经辐射场多层感知机三维重建神经网络隐式重建锥形追踪网络分解

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据