首页期刊导航|计算机科学
期刊信息/Journal information
计算机科学
计算机科学

朱完元

月刊

1002-137X

jsjkx12@163.com

023-63500828

401121

重庆市渝北区洪湖西路18号

计算机科学/Journal Computer ScienceCSCD北大核心CSTPCD
查看更多>>本刊的读者对象是：大专院校师生，从事计算机科学与技术领域的科研、生产人员。办刊宗旨是：坚持“双百”方针，活跃计算机科学与技术领域的学术气氛，重点报导国内外计算机科学与技术的发展动态，为我国的计算机科学与技术立于世界之林、达到国际先进水平奋斗而矢志不渝。
正式出版
收录年代

    融合义原相似度矩阵与字词向量双通道的短文本语义匹配策略

    刘东旭段利国崔娟娟常轩伟...
    250-258页
    查看更多>>摘要：短文本语义匹配任务的目的是判断两个短文本句子的语义是否一致.然而,现有的许多方法往往存在短文本语义信息不足、无法有效识别同义词等问题.针对这些不足,提出一种融合义原相似度矩阵与字词向量双通道的短文本语义匹配策略.首先,利用预训练模型Bert对输入的句子对进行编码;然后,对于句子中词级别的语义信息,利用FastText模型训练并获取文本的词向量,并加入BiLSTM模型进一步提取上下文语义信息.为了有效利用义原信息,在上述的双通道中分别加入多头注意力和用于对分离向量进行交互计算的协同注意力,并在注意力中分别融入对应的义原相似度矩阵,最后综合上述两部分向量推断出语义的一致性.在金融领域数据集BQ和开放域数据集LCQMC上的实验证明了所提算法的有效性.

    自然语言处理短文本义原协同注意力字词向量

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于特征加权的反事实解释方法:以信贷风控场景为例

    王宝财吴国伟
    259-268页
    查看更多>>摘要：机器学习技术在金融领域的应用越来越多,为用户提供可解释的机器学习方法已成为一个重要的研究课题.近年来,反事实解释引起了广泛关注,它通过提供扰动向量来改变分类器得到的预测结果,从而提高机器学习模型的可解释性.但现有方法存在生成的反事实用例缺乏可行性和可操作性的问题.文中提出了一种新的反事实解释框架,通过引入特征变量代价权重矩阵的概念,考虑不同特征变量改变的难易程度,使得反事实结果更符合实际情况并更具可行性.同时,通过专家预定义特征变量代价权重矩阵的方式,提出了一种计算特征变量代价权重的可行方法,并允许用户根据实际情况进行个性化调整.定义的目标函数综合考虑了特征加权距离、稀疏性和接近性3个指标,确保了反事实结果的可行性、简洁性和接近原始样本集的性质.采用遗传算法来求解问题,进而生成最佳的行动方案.通过对真实数据集进行实验,证实了所提方法相比现有的反事实方法能够生成可行性和可操作性更强的反事实用例.

    机器学习可解释性反事实解释权重矩阵遗传算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    平衡参数自适应下基于模体的混合阶网络多智能体一致性

    谢光强吴烨彬李杨
    269-276页
    查看更多>>摘要：充分利用多智能体网络结构中的高阶信息可以有效增强多智能体一致性.现有的基于模体加权的多智能体框架(Motif-aware Weighted Multi-agent System,MWMS)将关注点集中在复杂网络中连接信息的提取,忽略了网络中的碎片信息,导致MWMS在取不同的平衡参数值时收敛效果差异较大.针对上述问题,提出了一种平衡参数自适应下基于模体加权的多智能体系统框架(Alpha-adaptive Motif-aware Weighted Multi-agent System,AMWMS),揭示了多智能体系统在混合阶网络下的平衡参数的调节规律.首先,提出了基于Jaccard相似性的高阶网络碎片化程度量化方法和基于相对距离的低阶网络碎片化程度量化方法,用于对不同网络层碎片信息进行建模;其次,设计了自适应参数生成的混合阶网络(Adaptive Parameter Genera-tion Hybrid-Order Network,APGHNet),APGHNet的平衡参数能够在系统演化过程中自适应变化;最后,给出了平衡参数自适应下基于模体矩阵的多智能体一致性协议.通过仿真实验与MWMS中的一致性协议进行比较,验证了新协议的平衡参数自适应生成方法的有效性,系统最终能够收敛到较少的簇,增强了系统一致性.

    多智能体系统平衡参数自适应网络碎片度量拓扑优化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    一种新的基于Sigmoid函数的分布式深度Q网络概率分布更新策略

    高卓凡郭文利
    277-285页
    查看更多>>摘要：分布式深度Q网络(Distributed-Deep Q Network,Dist-DQN)是在传统期望值深度Q网络的基础上将离散的动作奖励在一个区间上连续化,通过不断更新支集区间的概率分布来解决复杂环境的随机奖励问题.奖励概率的分布更新策略作为Dist-DQN实现的重要函数,会显著影响智能体在环境中的学习效率.针对上述问题,提出了一种新的Sig-Dist-DQN概率分布更新策略.该策略综合考虑奖励概率支集之间的相关性强弱关系,提高与观察奖励强相关支集的概率质量更新速率,同时降低弱相关支集概率质量的更新速率.在OpenAI gym提供的环境下进行实验,结果表明,指数更新和调和序列更新策略在每次训练的差异性较大,而Sig-Dist-DQN策略的训练图像非常稳定.相较于指数更新和调和序列更新策略,应用Sig-Dist-DQN的智能体在学习过程中损失函数的收敛速度和收敛过程的稳定性都有显著提高.

    分布式深度Q网络奖励区间连续化概率分布更新学习效率训练稳定性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于大语言模型的电力知识库智能问答系统构建与评价

    张金营王天堃么长英谢华...
    286-292页
    查看更多>>摘要：大语言模型是近年来自然语言处理领域的一个重大突破,已成为该领域研究的一种新范式.在金融、法律等垂直领域,基于FinGPT,ChatLaw等垂直领域大模型的智能问答系统,促进了大模型技术在相关领域的学术研究与应用落地.然而,由于电力领域缺乏相关的高质量数据,相关的大模型问答系统的构建工作遇到了较大阻碍.为了构建电力领域的智能问答系统,提出了基于大语言模型的电力知识库智能问答系统ChatPower.为了确保问答效果,ChatPower充分利用了电力管理各环节的数据.通过语义化理解,梳理和整合了大量的电力专业知识,精心设计和构建了一个较大规模的电力系统知识库.该知识库覆盖电力相关规章制度、安全生产管理体系以及发电设备故障知识等方面的内容.此外,通过参考检索到的电力知识,Chat-Power 显著缓解了问答中存在的模型幻觉问题,并在检索系统中引入了 BM25检索、向量库检索与重排相结合的方法,有效降低了单纯依赖向量库检索的不准确性.同时,ChatPower结合基于大模型的提示工程技术,提升了对于规章制度类型问题生成回复的条理性.为了对问答系统进行评价,构建了一个电力知识问答的测试数据集,并对其进行了测试验证,测试结果表明:基于大语言模型的电力知识库问答系统ChatPower能够有效提升电力相关知识的检索和问答的准确性.

    大语言模型知识库问答系统信息检索自然语言生成

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于软件定义边界的零信任匿名访问方案

    李惟贤张建辉曾俊杰贾洪勇...
    293-302页
    查看更多>>摘要：软件定义边界作为一种具有良好可扩展性与安全性的零信任安全架构得到了广泛应用.标准的软件定义边界架构采用单包授权机制来实现对服务资源的隐藏与对访问者身份的验证,但现有的方案普遍采用集中式的方式存储与分发SPA密钥,且缺乏对访问者隐私信息的保护.针对以上问题,提出了一种软件定义边界架构下的零信任匿名访问方案,采用三方密钥协商实现SPA密钥的分发,并使用通用指定验证者签名实现了对访问者身份的匿名认证,且能够抵抗SPA密钥窃取、敲门放大攻击、身份假冒等网络攻击,与目前的软件定义边界方案相比具有更强的安全性.实验结果表明,所提方案降低了 33％的通信开销,在多节点网络环境下降低了 20％的平均认证时延.

    零信任软件定义边界单包授权三方密钥协商通用指定验证者签名匿名访问

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于SDR句嵌入的挖矿恶意软件早期检测方法

    钟凯郭春李显超申国伟...
    303-309页
    查看更多>>摘要：挖矿恶意软件以盗用设备的计算资源来挖掘加密货币为目标,在大量消耗计算资源的同时还严重危害网络安全.当前的挖矿恶意软件动态检测方法主要依据样本长时间运行过程中收集的主机行为或网络流量来进行检测,未能兼顾检测的及时性和准确性.通过对挖矿恶意软件运行初期的DLL调用和API返回值进行分析,提出一种API句嵌入方法SDR,并基于SDR进一步提出一种基于SDR的挖矿恶意软件早期检测方法CEDS.CEDS利用SDR将软件运行初期的API名称序列、API返回值序列和DLL序列转化为句向量序列,使用TextCNN建立模型来进行挖矿恶意软件的早期检测.实验结果表明,CEDS能够以0.5106s的平均时长和96.75％的准确率判别一个软件样本是挖矿恶意软件还是良性软件.

    挖矿恶意软件动态分析早期检测句向量深度学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    抗密钥泄露的代理可证数据持有

    安睿诚王化群
    310-316页
    查看更多>>摘要：云存储近年来发展迅猛,越来越多的用户选择将他们的数据存储在云服务器中.为了检验云存储数据的完整性,研究者们提出了可证数据持有(Provable Data Possession,PDP).用户在某些情况下无法访问互联网,例如在远洋轮渡上,或是参加某些涉密的项目时,因此必须将远程数据完整性检验委托给代理.然而在代理PDP中,一旦用户的私钥泄露,审计方案将无法进行.针对上述问题,所提方案将密钥隔离技术与代理PDP相结合,在系统模型中引入了物理上安全但计算受限的助手设备.助手设备在每个时间段生成更新信息并发送给用户,帮助用户计算当前时段的签名密钥.在此方案下,敌手无法在密钥未泄露的时间段伪造用户生成的认证器.安全性分析和性能分析表明,所提方案是安全高效的.

    可证数据持有抗密钥泄露代理云存储安全

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    支持策略与属性全隐藏的CP-ABE方案

    姜露寒田有亮向阿新
    317-325页
    查看更多>>摘要：已有的支持策略或属性隐藏的CP-ABE方案可实现隐私保护的细粒度访问控制,但大部分方案仅实现了关于属性值的部分策略隐藏,且忽略了密钥生成过程的用户属性隐藏问题,仍易造成用户隐私信息泄露.针对上述问题,文中提出了一种完全隐藏访问策略和用户属性的CP-ABE方案,用于数据访问控制和密钥生成过程中的用户隐私信息保护.首先,提出了属性莫顿过滤器(Attribute Morton Filter,AMF),加密阶段将访问策略完全隐藏于AMF中,解密阶段用户可高效查询并精准判断用户属性在策略中的位置;其次,提出了一种基于zk-SNARKs的密钥生成方法,有效隐藏了密钥生成过程中的用户属性;最后,安全性证明及性能分析表明,所提方案在不影响效率的同时具有选择明文攻击下的不可区分性.

    属性基加密访问策略用户属性完全隐藏属性莫顿过滤器

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于分层注意力网络和积分梯度的细粒度漏洞检测方法

    李秋月韩道军张磊许涛...
    326-333页
    查看更多>>摘要：智能合约是一种基于区块链平台运行的去中心化应用程序,在数字货币、物联网、供应链等多个领域应用广泛.智能合约漏洞检测的研究对于保障数字资产安全、维护合约的可靠性与稳定性具有重要意义.目前的主流研究之一为利用深度学习模型自动学习代码特征,检测出智能合约漏洞,准确性较高,但是在漏洞解释方面具有局限性,不能提供细粒度的漏洞信息.针对目前基于深度学习的智能合约漏洞检测模型不能有效提供细粒度漏洞解释,且缺少细粒度标签的问题,提出一种基于分层注意力网络和积分梯度的细粒度漏洞检测方法.利用分层注意力网络进行粗粒度漏洞检测,通过两层注意力构建单词注意力编码层和函数注意力编码层分别学习源代码的函数级和合约级表示,以关注代码的不同令牌和语句;然后使用积分梯度方法进行细粒度解释,计算代码语句对漏洞预测的贡献度,以获取与漏洞相关的脆弱语句,实现无语句标签情况下的单词级别和语句级别的漏洞解释.在真实以太坊数据集Smartbugs Wilds,SmartbugsCurated和SolidiFIBenchmark上的实验结果表明,该方法在5种漏洞类型上的平均准确率达到80％以上,漏洞解释准确率提升6％,可以更加准确地定位漏洞代码,帮助开发人员审查合约.

    智能合约漏洞检测注意力机制积分梯度

      原文链接:
    • NETL
    • NSTL
    • 万方数据