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

    面向智能在线教学的英语时态习题自动分类研究

    屠鑫张伟李继东李美姣...
    353-358页
    查看更多>>摘要：随着在线教学逐渐成为常态化的教学方式之一,人们对其提出了更高质量的教学需求.各种在线教学平台及互联网上海量的教育资源大大便利了众多学习者,但同时也存在着教育资源丰富但质量参差不齐、缺乏有效的分类整合以及主要依靠人工整理等问题,这就导致人们在获取在线教育资源时往往需要花费大量的时间和精力来进行检索、甄别和整理.针对在线教育资源现存的不足,文中提出了基于自然语言处理技术的在线教育资源 自动分类方法,并以中学英语语法重点内容八大英语时态的习题自动分类为例,收集了线上及线下共9万余条时态类习题,通过数据清洗,最终选择3万余条语句构建数据集,并构建BERT微调文本分类模型,通过训练模型实现了对八大时态的 自动分类,整体分类准确率达到86.15％,其中对一般现在时的识别准确率最高,达到93.88％.可以一定程度上满足中学英语时态类教育资源自动分类整理、习题智能批改及个性化推送、智能问答等现实需要,为提高在线教学质量,整合在线教育资源提供可行的思路和解决方案.

    在线教学自然语言处理英语时态分类

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

    基于反向标签传播的多生成器主动学习算法及其在离群点检测中的应用研究

    邢开颜陈文
    359-365页
    查看更多>>摘要：当前正负类训练样本分布不均衡的问题已极大地限制了离群检测模型的性能.基于主动学习的离群点检测算法能够通过对样本分布的主动学习,自动合成离群点以平衡训练数据分布.然而,传统的基于主动学习的检测方法缺乏对合成离群点的质量评估和过滤筛选,导致通过主动学习过程合成的训练样本点中存在样本噪声,并降低了分类模型的性能.针对上述问题,提出了基于反向标签传播的多生成器主动学习算法(Multi-Generator Active Learning Algorithm Based on Reverse Label Propagation,MG-RLP),其包括多个神经网络生成器和一个用于离群点边界检测的鉴别器.MG-RLP通过多个子生成器生成多分布特征的样本数据,以防止单生成器合成的训练样本过于聚集而导致的模式崩塌问题.同时,MG-RLP利用反向标签传播过程对神经网络生成的样本点进行质量评估,以筛选出可信的合成样本.筛选后的样本被保留在训练样本中用于对鉴别器进行迭代训练,以提升对离群点的检测性能.基于5个公共数据集,对比验证了 MG-RLP与6种典型的离群点检测算法的性能,结果表明,MG-RLP在AUC和检测精度指标上分别提高了 15％和22％,结果验证了 MG-RLP的有效性.

    离群点检测主动学习生成对抗网络标签传播

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

    基于属性访问控制策略的无人机飞控安全方案

    庞宇翔陈泽茂
    366-372页
    查看更多>>摘要：飞控系统是无人机的核心部件,对无人机的功能和性能起着决定性作用,是无人机信息安全防护的重点对象.文中针对PX4飞控系统面临的恶意代码植入、内部交互数据篡改等安全风险,设计了一种面向位置环境的基于属性的访问控制策略(LE-ABAC),该策略基于访问控制实体属性和无人机外部位置环境信息制定访问控制规则,可以实现对无人机内的数据交互过程进行细粒度控制,保护关键交换数据的机密性与完整性.文中在PX4软件仿真平台上对所提方案进行了攻击仿真实验,结果表明该模型能够在不显著降低无人机飞控效率的前提下,有效保护飞控系统内部交互数据不被窃取和篡改.

    无人机飞控系统基于属性的访问控制信息安全

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

    基于多路冗余神经元的主动成员推理攻击方法

    汪德刚孙奕高琦
    373-380页
    查看更多>>摘要：联邦学习通过交换模型参数或梯度信息来提供对原始数据的隐私保障,但其仍然存在隐私泄露的问题,如成员推理攻击旨在推断目标数据样本是否被用于联邦学习中训练机器学习模型.针对联邦学习中现有基于模型参数构造的主动成员推理攻击对随机失活等操作鲁棒性较差的问题,提出了一种基于多路冗余神经元的主动成员推理攻击方法,利用ReLU激活函数输入为负、输出为0的特性,根据待推理目标数据构造模型参数,通过观察成员数据与非成员数据在模型参数更新上的差异进行成员推断,并利用模型神经元的冗余特性构建多个通路实现对随机失活的鲁棒性.在MNIST,CIFAR10以及CIFAR100数据集上的实验证明了该方法的有效性,在引入随机失活的情况下,所提方法仍然能够达到100％的准确率.

    联邦学习机器学习模型多路冗余神经元主动成员推理攻击

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

    基于区块链的车联网信任管理机制研究

    李凤云陈明明王林李朋...
    381-387页
    查看更多>>摘要：随着自动驾驶和智慧交通系统的发展,车联网技术发挥出了更加重要的作用.车联网是一个开放式的访问环境,这使得如何确保消息可靠、车辆可信等问题成为重大安全挑战.基于此,在已有基于区块链信任管理方案的基础上,重新设计车联网信任管理框架,以弥补现有解决方案存在的可扩展差、共识算法效率低等问题.框架主要由消息信任评估、车辆信任更新和信任区块的创建与共识3个模块组成.在消息信任评估模块中,为识别恶意节点的虚假消息,基于车辆实体的直接信任和邻居车辆的间接信任综合评估消息的可信度.在车辆信任更新模块,为有效抑制车辆的恶意行为,根据消息评估结果和车辆的历史行为对车辆信任进行调整.在区块创建与共识模块中,基于事件重要性和区块链的扩展能力,提出了基于重要性证明的优化共识算法.最后,通过仿真实验验证了框架的可用性,对比实验结果表明所提算法在可扩展性和鲁棒性方面均有显著的提升.

    车联网信任管理区块链共识算法

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

    基于GCN和BiLSTM的Android恶意软件检测方法

    贺娇君蔡满春芦天亮
    388-395页
    查看更多>>摘要：现有Android恶意软件检测方法大多是对单一结构类型的特征进行学习,在分析应用程序语义方面有所缺失.针对传统检测方法捕获特征语义不够全面的问题,文中创新性地提出了一种基于GCN和BiLSTM的Android恶意软件检测模型,在精准提取样本结构信息的同时对恶意行为语义进行重点分析.首先以图的方式表征2 6类关键系统调用间的拓扑关系,使用双层GCN网络聚合系统调用图中节点的高阶结构信息,有效提高特征学习效率;然后利用带有自注意力机制的BiLSTM网络获取操作码序列的上下文语义,通过为具有恶意特征的序列赋予高权重得到特征内部的强相关性;最后使用Softmax输出融合结构信息和上下文特征的样本分类概率.在基于Drebin和AndroZoo数据集的实验中,所提模型准确率达到了 93.95％,F1值达到了 97.09％,相较于基准算法有显著提高,充分证明了基于GCN和BiLSTM的模型能有效提升Android恶意软件的检测效果.

    Android恶意软件检测GCNBiLSTM

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

    投稿须知

    前插1页
      原文链接:
    • NETL
    • NSTL
    • 万方数据