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

    基于DQN的多智能体深度强化学习运动规划方法

    史殿习彭滢璇杨焕焕欧阳倩滢...
    268-277页
    查看更多>>摘要：DQN方法作为经典的基于价值的深度强化学习方法,在多智能体运动规划等领域得到了广泛应用.然而,DQN方法面临一系列挑战,例如,DQN会过高估计Q值,计算Q值较为复杂,神经网络没有历史记忆能力,使用e-greedy策略进行探索效率较低等.针对这些问题,提出了一种基于DQN的多智能体深度强化学习运动规划方法,该方法可以帮助智能体学习到高效稳定的运动规划策略,无碰撞地到达目标点.首先,在DQN方法的基础上,提出了基于Dueling的Q值计算优化机制,将Q值的计算方式改进为计算状态值和优势函数值,并根据当前正在更新的Q值网络的参数选择最优动作,使得Q值的计算更加简单准确;其次,提出了基于GRU的记忆机制,引入了 GRU模块,使得网络可以捕捉时序信息,具有处理智能体历史信息的能力;最后,提出了基于噪声的有效探索机制,通过引入参数化的噪声,改变了 DQN中的探索方式,提高了智能体的探索效率,使得多智能体系统达到探索-利用的平衡状态.在PyBullet仿真平台的6种不同的仿真场景中进行了测试,实验结果表明,所提方法可以使多智能体团队进行高效协作,无碰撞地到达各自 目标点,且策略训练过程稳定.

    多智能体系统运动规划深度强化学习DQN方法

      原文链接:
    • 维普
    • 万方数据

    CARINA:一种高效的解决IoT互操作性的应用层协议转换方案

    王丽娜赖坤豪杨康
    278-285页
    查看更多>>摘要：为了解决物联网设备众多、协议众多,以及协议架构和应用场景不同引发的物联网设备互操作性问题,针对应用层使用广泛的HTTP等4种协议,提出了 一种基于协议包解析和关键方法映射的高效可扩展的应用层协议转换方案.考虑到4种协议的基础架构、消息格式、通信模式以及应用场景具有较大差异,该方案通过对协议原始数据包进行解析和关键信息提取,然后统一以键值对的形式进行信息存储,解决了不同协议信息存储的统一性问题.通过构造关键方法映射表,将不同协议的方法进行映射,实现了不同协议之间的互联.实验结果表明,基于所提方案实现的协议转换系统能很好地完成4种协议之间的消息转换.相比同类型的Ponte方法,在相同实验条件下,所提方案的转换速度都优于Ponte,甚至在某些情况下表现出了将近10倍的速度差距,同时支持多出一倍的转换类型.实验结果验证了所提方法在可扩展性和转换时间等效率方面相比同类型的协议转换算法具有显著提升.

    物联网应用层协议协议转换互操作性

      原文链接:
    • 维普
    • 万方数据

    面向高速行驶车辆的在线任务卸载决策算法

    丁爽曹沐雨何欣
    286-292页
    查看更多>>摘要：车载边缘计算中的任务卸载决策主要解决任务何时卸载,以及卸载至哪里执行的问题.车辆的高速行驶会造成卸载接入设备频繁变化,卸载通信链路随时可能中断,这要求车辆一旦获得卸载机会,就必须立即做出卸载决策.现有的卸载决策研究专注于如何最大化任务卸载执行增益,未充分考虑卸载决策时效对卸载策略的影响,导致提出的卸载决策方法的时间复杂度和空间复杂度高,无法用于高速行驶车辆的在线任务卸载决策.为解决上述问题,首先综合考虑卸载决策时效和卸载增益因素的影响,建立高速行驶车辆的任务卸载决策模型,并将其转化为类秘书问题.然后,提出了一种基于加权二部图匹配的在线车载任务卸载决策算法OODA,以协助车辆在依次经过多个异构的边缘服务器时,做出实时的任务卸载决策,并最大化整体卸载执行增益.最后,理论分析OODA算法的竞争比,并采用仿真实验验证该算法的可行性和有效性.

    车载边缘计算任务卸载秘书问题加权二部图匹配

      原文链接:
    • 维普
    • 万方数据

    面向能源感知的虚拟机深度强化学习调度算法研究

    王杨民胡成玉颜雪松曾德泽...
    293-299页
    查看更多>>摘要：随着计算机技术的快速发展,云计算技术成为了解决用户存储、算力需求的最佳方法之一.其中,基于NUMA架构的动态虚拟机调度成为了学术界和工业界关注的热点方向.但是,目前的研究中,基于启发式的算法难以对虚拟机进行实时调度,并且大多数文献没有考虑NUMA架构下虚拟机调度产生的能耗等问题.对此,提出了 一种基于深度强化学习的大型移动云中心虚拟机服务迁移框架,构建了 NUMA架构下的能耗模型;提出了 自适应奖励的分层自适应柔性演员评论家算法(Hie-rarchical Adaptive Sampling Soft Actor Critic,HASAC);在云计算场景下,将所提算法与3种经典的深度强化学习方法进行实验对比.实验结果表明,所提改进算法在不同场景下可以处理更多的用户请求,且消耗的能源较少.此外,对算法中各种策略进行消融实验,证明了所提策略的有效性.

    NUMA架构深度学习强化学习能源感知分层缓冲区

      原文链接:
    • 维普
    • 万方数据

    面向缓存的动态协作任务迁移技术研究

    赵晓焱赵斌张俊娜袁培燕...
    300-310页
    查看更多>>摘要：边缘网络中不断出现的计算密集和延迟敏感型业务推动了任务迁移技术的快速发展.然而,任务迁移过程中存在应用场景复杂多变、问题建模难度高等技术瓶颈.尤其是考虑用户移动时,如何保证用户服务的稳定性和连续性,设计合理的任务迁移策略仍是一个值得深入探讨的问题.因此,提出了一种移动感知的服务预缓存模型和任务预迁移策略,将任务迁移问题转化为最优分簇与边缘服务预缓存的组合优化问题.首先,基于用户的移动轨迹对当前执行任务状态进行预测,引入动态协作簇和迁移预测半径的概念,提出了 一种面向移动和负载两种任务场景的预迁移模型,解决了何时何地迁移的问题.然后,针对需要迁移的任务,基于最大容忍时延约束分析协作簇半径和簇内 目标服务器数量的极限值,提出了以用户为中心的分布式多服务器间动态协作分簇算法(Distributed Dynamic Multi-server Cooperative Clustering Algorithm,DDMC)以及面向服务缓存的深度强化学习算法(Cache Based Double Deep Q Network,C-DDQN),解决了最优分簇和服务缓存问题.最后,利用服务缓存的因果关系,设计了一种低复杂度的交替最小化服务缓存位置更新算法,求解出了最佳迁移 目标服务器集合,实现了任务迁移中的服务器协作及网络负载均衡.实验结果表明,提出的迁移选择算法具有良好的鲁棒性和系统性能,相比其他迁移算法所消耗的总成本降低了至少12.06％,所消耗的总时延降低了至少31.92％.

    移动边缘计算服务缓存动态协作簇任务迁移深度强化学习

      原文链接:
    • 维普
    • 万方数据

    EAGLE:一种内核态及用户态中基于遥测数据图的网络遥测方案

    肖肇斌崔允贺陈意申国伟...
    311-321页
    查看更多>>摘要：网络遥测是一种新型的网络测量技术,具有实时性强、准确性高、开销低的特点.现有网络遥测技术存在无法收集多粒度网络数据、无法有效存储大量原始网络数据、无法快速提取及生成网络遥测信息、无法利用内核态及用户态特性设计网络遥测方案等问题.为此,提出了一种融合内核态及用户态的、基于遥测数据图和同步控制块的多粒度、可扩展、覆盖全网的网络遥测机制(a nEtwork telemetry mechAnism based on telemetry data Graph in kerneL and usEr mode,EAGLE).EAGLE 设计 了一种能够收集多粒度数据且数据平面上灵活可控的网络遥测数据包结构,用于获取上层应用所需的数据.此外,为快速存储、查询、统计、聚合网络状态数据,实现网络遥测数据包所需遥测数据的快速提取与生成,EAGLE提出了一种基于遥测数据图及同步控制块的网络遥测信息生成方法.在此基础上,为了最大化网络遥测机制中网络遥测数据包的处理效率,EAGLE提出了融合内核态及用户态特性的网络遥测信息嵌入架构.在Open vSwitch上实现了 EAGLE方案并进行了测试,测试结果表明,EAGLE能够收集多粒度数据并快速提取与生成遥测数据,且仅增加极少量的处理时延及资源占用率.

    网络遥测遥测效率可编程数据平面遥测数据图内核空间

      原文链接:
    • 维普
    • 万方数据

    本地差分隐私下的高维数据发布方法

    蔡梦男沈国华黄志球杨阳...
    322-332页
    查看更多>>摘要：从众多用户收集的高维数据可用性越来越高,庞大的高维数据涉及用户个人隐私,如何在使用高维数据的同时保护用户的隐私极具挑战性.文中主要关注本地差分隐私下的高维数据发布问题.现有的解决方案首先构建概率图模型,生成输入数据的一组带噪声的低维边缘分布,然后使用它们近似输入数据集的联合分布以生成合成数据集.然而,现有方法在计算大量属性对的边缘分布构建概率图模型,以及计算概率图模型中规模较大的属性子集的联合分布时存在局限性.基于此,提出了一种本地差分隐私下的高维数据发布方法 PrivHDP(High-dimensional Data Publication Under Local Differential Privacy).首先,该方法使用随机采样响应代替传统的隐私预算分割策略扰动用户数据,提出 自适应边缘分布计算方法计算成对属性的边缘分布构建Markov网.其次,使用新的方法代替互信息度量成对属性间的相关性,引入了基于高通滤波的阈值过滤技术缩减概率图构建过程的搜索空间,结合充分三角化操作和联合树算法获得一组属性子集.最后,基于联合分布分解和冗余消除,计算属性子集上的联合分布.在4个真实数据集上进行实验,结果表明,PrivHDP算法在k-way查询和SVM分类精度方面优于同类算法,验证了所提方法的可用性与高效性.

    本地差分隐私高维数据数据发布边缘分布联合分布

      原文链接:
    • 维普
    • 万方数据

    基于国密算法的MQTT安全机制研究与实现

    刘泽超梁涛孙若尘郝志强...
    333-342页
    查看更多>>摘要：针对现有MQTT协议缺乏有效身份认证以及数据以明文形式传输的问题,提出了一种基于国密算法SM2,SM3,SM4的MQTT安全保护方案.通过SM2算法实现客户端与MQTT Broker之间的双向身份认证;通过SM4算法加密MQTT协议中用户名、密码、主题的消息内容等数据;通过SM3算法保证MQTT协议传输数据的完整性.将自主可控的国产密码技术应用到MQTT协议中,可有效提升该协议的安全防护能力.安全性分析和实验结果表明,所提方案在解决了 MQTT协议安全问题的同时,也可以满足实际的应用需求.

    国密算法MQTT协议身份认证数据加密

      原文链接:
    • 维普
    • 万方数据

    一种抗屏摄攻击的DCT域深度水印方法

    黄昌喜赵成鑫姜骁腾凌贺飞...
    343-351页
    查看更多>>摘要：数字水印技术在多媒体保护方面发挥着巨大的作用,实际应用需求的变更推动了数字水印技术的发展.目前,基于深度学习的水印技术在鲁棒性上有了较大的提升,但水印的嵌入基本在空域进行,载体图像的失真仍然比较明显.此外,现有方法在面对摄屏攻击时效果不佳.为解决上述问题,提出了一种抗屏摄攻击的DCT域深度水印方法.该模型由DCT层、编码器、解码器和屏摄模拟层组成.DCT层将图像的Y分量转换为DCT域,然后编码器通过端到端训练修改DCT系数,将秘密消息嵌入到图像中.这种频域嵌入方法使得水印信息能够分布到图像的整个空间,从而减少了失真效应.此外,还提出了 一个噪声层,用于模拟屏摄过程中特殊的摩尔纹和反光效果.训练过程分为两个阶段:在第一阶段,编码器和解码器进行端到端的训练;而在第二阶段,屏摄模拟层和传统的失真攻击被用来增强水印图像,然后使用失真水印图像来进一步优化解码器.大量的实验结果表明,该模型具有较高的透明度和鲁棒性,并且在屏摄鲁棒性方面优于其他方法.

    数字水印深度学习DCT变换不可感知性屏摄鲁棒性

      原文链接:
    • 维普
    • 万方数据

    一项针对高科技企业员工的调查显示:创新能力并非随年龄增长而降低

    李新
    351页
      原文链接:
    • 维普
    • 万方数据