期刊,计算机工程 2024年卷5期_国家学术搜索

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

主办单位：华东计算技术研究所　上海市计算机学会

主　　编：游小明

出版周期：月刊

国际刊号：1000-3428

电子邮箱：hdsce@sohu265359.sohuvip.net

电　　话：021-54972331

邮政编码：200233

地　　址：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

联邦学习及其安全与隐私保护研究综述

熊世强何道敬王振东杜润萌...

1-15页

查看更多>>摘要：联邦学习(FL)是一种新兴的分布式机器学习技术,只需将数据留在本地即可通过各方协作训练一个共有模型,解决了传统机器学习中数据难以采集和隐私安全的问题.随着联邦学习技术的应用和发展,相关研究发现联邦学习仍可能受到各类攻击.为了确保联邦学习的安全性,研究联邦学习中的攻击方式及相应的隐私保护技术显得尤为重要.首先介绍了联邦学习的背景知识及相关定义,总结概括了联邦学习的发展历程及分类;接着阐述了联邦学习的安全三要素,从基于安全来源和基于安全三要素2个角度分类概述了联邦学习中的安全问题及研究进展;然后对隐私保护技术进行分类,结合相关研究应用综述了联邦学习中安全多方计算(SMC)、同态加密(HE)、差分隐私(DP)、可信执行环境(TEE)4种常用隐私保护技术;最后对联邦学习的未来研究方向进行展望.

关键词：

联邦学习数据安全攻击方式隐私保护安全三要素

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于知识图谱的GitHub层次化学习和检索服务

江惠珍孙艳春黄罡

16-25页

查看更多>>摘要：GitHub是全球最大的在线代码托管平台,为软件开发学习者提供了丰富的学习资源,然而面对丰富而繁杂的GitHub内容,软件开发初学者在使用GitHub的搜索功能搜索所需的学习资源时,由于需求不明确或缺乏相关知识和经验,常会遇到难以构建合适的搜索文本进行有效搜索的问题.针对该问题,利用GitHub主题潜在的层次结构,结合Wikipedia软件开发领域知识,设计GitHub软件开发领域知识图谱,在此基础上提出一种基于知识图谱的GitHub层次化学习和检索服务.通过对比实验和调查问卷的方式验证了提出的层次化学习和检索服务的可行性和有效性.

关键词：

GitHub平台维基百科知识图谱层次化学习检索服务

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于漫反射的被动非视域成像

吴翠翠王维东

26-32页

查看更多>>摘要：非视域(NLOS)成像是一种综合成像和计算重构的技术,指在不直接拍摄场景的情况下通过获取介质上隐藏场景的散射或反射信息对其进行重建.目前的NLOS成像还处于早期发展阶段,场景模型、目标信息重建等尚无系统研究方法.为此,提出一种针对无遮挡、非自发光场景的NLOS成像方法.基于光辐射理论,分析该场景下漫反射面的成像与隐藏物体形状的关系,确定NLOS成像模型与重建目标.使用渲染软件结合运动图像专家组7(MPEG7)数据集,生成符合实际物理意义的漫反射被动非视域全影(DS-NLOS)数据集.构建被动非视域重建网络模型(Re-NLOS),采用视觉Transformer(ViT)结构结合生成式对抗网络(GAN)提取采集的漫反射面图像的全局特征,并恢复隐藏物体形状.在DS-NLOS数据集上的实验结果表明,该方法能够从漫反射面上恢复隐藏物体的形状信息,在测试集20个类别的物体上的峰值信噪比(PSNR)和结构相似性(SSIM)相比漫反射面全影图像平均提高了 5.85 dB和0.038 1,对真实室内场景也具有一定的恢复能力.

关键词：

被动非视域成像漫反射全影图像生成式对抗网络亮度传输

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于MacBERT与对抗训练的机器阅读理解模型

周昭辰方清茂吴晓红胡平...

41-50页

查看更多>>摘要：机器阅读理解旨在让机器像人类一样理解自然语言文本,并据此进行问答任务.近年来,随着深度学习和大规模数据集的发展,机器阅读理解引起了广泛关注,但是在实际应用中输入的问题通常包含各种噪声和干扰,这些噪声和干扰会影响模型的预测结果.为了提高模型的泛化能力和鲁棒性,提出一种基于掩码校正的来自Transformer的双向编码器表示(MacBERT)与对抗训练(AT)的机器阅读理解模型.首先利用MacBERT对输入的问题和文本进行词嵌入转化为向量表示;然后根据原始样本反向传播的梯度变化在原始词向量上添加微小扰动生成对抗样本;最后将原始样本和对抗样本输入双向长短期记忆(BiLSTM)网络进一步提取文本的上下文特征,输出预测答案.实验结果表明,该模型在简体中文数据集CMRC2018上的F1值和精准匹配(EM)值分别较基线模型提高了 1.39和3.85个百分点,在繁体中文数据集DRCD上的F1值和EM值分别较基线模型提高了1.22和1.71个百分点,在英文数据集SQuADv1.1上的F1值和EM值分别较基线模型提高了 2.86和1.85个百分点,优于已有的大部分机器阅读理解模型,并且在真实问答结果上与基线模型进行对比,结果验证了该模型具有更强的鲁棒性和泛化能力,在输入的问题存在噪声的情况下性能更好.

关键词：

机器阅读理解对抗训练预训练模型掩码校正的来自Transformer的双向编码器表示双向长短期记忆网络

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于图神经网络的多智能体强化学习值函数分解方法

孙文洁李宗民孙浩淼

62-70页

查看更多>>摘要：如何在部分可观测的情况下实现智能体之间的协同配合是多智能体强化学习(MARL)中的一个重要问题.值函数分解方法解决了信用分配问题,是一种实现多智能体之间协同配合的有效方法,然而在现有的值函数分解方法中,智能体个体动作值函数仅取决于局部信息,不允许智能体之间进行显式的信息交换,阻碍了这一系列算法的性能,使其无法适用于复杂场景.为了解决这一问题,在值函数分解方法中引入智能体间的通信,为智能体提供有效的非局部信息以帮助其理解复杂环境.在此基础上,提出一个基于图神经网络的分层通信模型,通过图神经网络提取相邻智能体之间需要交换的有用信息,同时模型能够实现从非通信向充分通信过渡,在通信范围有限的情况下实现全局合作,适用于现实世界中通信范围受约束的情况.在星际争霸Ⅱ多智能体挑战赛(SMAC)环境和捕食者-猎物(PP)环境下进行实验,结果表明,在SMAC的4个不同场景下,该方法与QMIX、VBC等基线算法相比平均胜率提升2～40个百分点,并且能够有效解决非单调环境下的捕食者-猎物问题.

关键词：

深度强化学习多智能体环境智能体协同智能体通信图神经网络

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

融合GPU的拟单层覆盖近似集计算方法

吴正江吕成功王梦松

71-82页

查看更多>>摘要：拟单层覆盖粗糙集是一种匹配集值信息系统且有高质量和高效率的粗糙集模型.拟单层覆盖近似集的计算过程中存在大量计算密集且逻辑简单的运算,为此,提出拟单层覆盖近似集的矩阵化表示方法,以利用图形处理器(GPU)强大的计算性能加速计算过程.为了实现这一目标,使用布尔矩阵表示拟单层覆盖近似空间中的元素,引入与集合运算对应的布尔矩阵算子,提出拟单层覆盖粗糙近似集(DE、DA、DE0与DA0)的矩阵表示,并设计矩阵化拟单层覆盖近似集算法(M_SMC).同时,相应的定理证明了拟单层覆盖近似集的矩阵表示形式与原始定义的等价性.然而,M_SMC运行过程中出现了矩阵存储和计算步骤的内存消耗过多问题.为了将算法部署到显存有限的GPU上,优化矩阵存储和计算步骤,提出分批处理的矩阵化拟单层覆盖近似集算法(BM_SMC).在10个数据集上的实验结果表明,融合GPU的BM_SMC算法与单纯使用中央处理器(CPU)的BM_SMC算法相比计算效率提高2.16～11.3倍,BM_SMC算法可以在有限的存储空间条件下充分利用GPU,能够有效地提高拟单层覆盖近似集的计算效率.

关键词：

拟单层覆盖近似集集值信息系统矩阵化GPU加速分批处理

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于自监督的多视角图协同过滤推荐方法

张宝鑫杨丹聂铁铮寇月...

100-110页

查看更多>>摘要：现有的图协同过滤算法在现实场景中存在数据稀疏问题,同时在相邻信息聚合的过程中使得特征学习更容易受到交互噪声的影响.为了解决上述问题,提出一个基于自监督的多视角图协同过滤(SMGCF)推荐方法,通过图神经网络学习用户和项目节点的嵌入表示.在学习节点嵌入表示的过程中,考虑到单个节点间的交互关系以及聚类节点间的聚类关系对推荐结果的影响,引入自监督学习来辅助图协同过滤算法进行多视角关系的挖掘.针对节点交互级关系视角,通过数据增强得到多个用户-项目交互二分图,并且提出一种节点交互级关系的对比学习方法;针对节点聚类级关系视角,提出一种节点聚类级关系的对比学习方法.通过多视角融合策略将2种类型的对比学习方法进行融合,从而提升节点嵌入效果.在4个公开的数据集上进行实验,实验结果证明了SMGCF的可行性和有效性.相比最优基准方法NCL,SMGCF在Recall@10和NDCG@10指标上最高可提升2.1％和 4.3％.

关键词：

自监督学习推荐方法数据增强图神经网络对比学习

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

基于情感增强与双图卷积网络的方面级情感分析

代巍王丰羽冀常鹏

120-127页

查看更多>>摘要：方面级情感分析旨在检测给定方面句子的情感极性.现有研究大多在句法依存树上构造图卷积网络,以获取方面词与上下文之间的句法信息.然而这类方法存在提取信息不够丰富、缺乏对句子中情感信息的挖掘等问题.针对上述问题,提出基于情感增强与双图卷积网络的方面级情感分析模型.该模型由双通道图卷积网络组成,旨在挖掘句子中的情感信息、句法信息和语义信息.利用位置信息和情感知识在依存树上构造情感增强依存图,并以此构建情感增强图卷积网络,增强方面词与上下文之间的情感依赖关系,同时挖掘句子中丰富的句法信息特征.构建基于多头注意力机制的图卷积网络,获取句子中的语义特征信息.对双图卷积网络的输出特征进行掩码、平均池化和拼接等操作,并通过情感分类层进行分类.实验结果表明,该模型与经典的图卷积网络模型(ASGCN)相比,在Restaurant、Laptop和Twitter数据集上的准确率和F1值分别提升3.43和5.69、3.13和3.92、3.57和4.02个百分点,具有较好的情感分类性能.

关键词：

方面级情感分析情感增强依存关系图卷积网络多头注意力机制

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

一种基于双链的区块链共识机制

旋逸昭赵红武金瑜

139-148页

查看更多>>摘要：共识机制是区块链系统的核心技术,目前针对"非币"区块链系统提出的基于贡献值证明与工作量证明(PoC+PoW)的共识机制存在共识效率较低、可靠性和安全性不高、算力消耗大的缺点.提出一种新的基于双链的共识机制CON_DC_PBFT.在该共识机制中设计一种业务链-系统链双链结构,将贡献值等系统数据和主要业务数据分离到双链中各自完成共识处理,双链的共识表现为半独立的形式,业务链共识消息流受系统链监督协调,并且系统链根据贡献值随机指定业务链的记账节点,双链的分工与协同实现并行化和流水化,改善共识的效率.由于贡献值数据不能被轻易获取,通过拜占庭通信机制和节点随机选择算法,降低节点遭受攻击和系统停滞的风险.通过实验综合分析出块选择概率、单点故障率、节点数、区块传输速率、CPU使用率对共识机制的性能影响,结果表明,与PoC+PoW机制相比,CON_DC_PBFT共识机制节省了 50％以上内存、存储资源占用,在综合共识时延上有30％以上的改善.

关键词：

区块链共识机制双链结构拜占庭容错协议非币场景下的区块链贡献值

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据

预算约束下多任务联邦学习激励机制

顾永跟李国笑吴小红陶杰...

149-157页

查看更多>>摘要：联邦学习是一种实现数据隐私保护的分布式机器学习范式,性能取决于数据源的质量和数据规模.客户端是理性个体,参与联邦学习将耗费计算、通信和隐私等成本,需要通过激励提高客户端的参与意愿.因此联邦学习能成功应用的关键之一是尽可能多地激励高质量数据客户端参与训练.多任务联邦学习环境下客户端拥有面向不同任务且质量不同的数据,并具有执行能力的约束.为提高多个学习任务的整体性能,在预算受限的条件下设计一种面向任务的客户选择和报酬机制.通过分析影响模型精度的重要因素,提出一种基于客户端数据样本分布特征的质量评估标准,并结合客户端成本信息,设计一种逆向拍卖的激励机制(EMD-MQMFL),实现客户端的任务指派和支付策略.从理论上分析和证明了该机制具有诚实性、个人理性以及预算可行性,并通过大量实验验证了该方法在联邦学习性能上的有效性.在MNIST、Fashion-MNIST、Cifar-10数据集上的实验结果表明,EMD-MQMFL在数据不平衡的情况下,平均模型精度比已有的机制至少提高5.6个百分点.

关键词：

联邦学习多任务逆向拍卖激励机制数据质量

原文链接:

国家科技期刊平台
NETL
NSTL
万方数据