首页期刊导航|计算机学报
期刊信息/Journal information
计算机学报
计算机学报

高文

月刊

0254-4164

cjc@ict.ac.cn

010-62620695

100190

中国科学院计算技术研究所（北京2704信箱）

计算机学报/Journal Chinese Journal of ComputersCSCD北大核心CSTPCDEI
查看更多>>本刊是中国计算机领域的有代表性学术刊物，作为一种科学研究档案，代表了计算机领域各个研究阶段的水平。本刊被《工程索引》（美国）、《科学文摘》（英国）、《数学文摘》（美国）、《科技文献速报》（日本）、《文摘杂志》（俄罗斯）等多种权威系统收录。是科技部科技信息研究所科技论文统计源期刊、中国科学引文数据库来源期刊。
正式出版
收录年代

    互联网内生安全体系结构研究进展

    徐恪付松涛李琦刘冰洋...
    2149-2172页
    查看更多>>摘要：随着互联网不断发展,网络功能逐步走向万物互联下自动交互与控制,大数据、云计算、边缘计算等技术不断深入应用,传统网络面临的源地址欺骗、DDoS攻击、路由劫持等安全问题仍然存在,新的应用场景使用户面临更严重的安全问题,现有互联网体系结构面向性能的设计难以承担网络安全的需求.互联网安全问题的根源在于体系结构设计时没有考虑安全需求,缺乏用户与网络的信任根基,由于体系结构设计缺失带来的问题应该从体系结构设计本身寻找解决方案.设计自带安全属性和安全能力的体系结构,通过内生的方式提供网络安全,能够从根本上提升网络安全性能.本文深入研究和总结了近年来针对互联网安全问题提出的各类解决方案,对方案的安全特性进行了分析,在此基础上提出了构建互联网内生安全体系结构的思路.

    互联网内生安全互联网体系结构

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

    融合时空行为与社交关系的用户轨迹识别模型

    张伟李扬张吉王建勇...
    2173-2188页
    查看更多>>摘要：随着位置社交媒体的流行,用户移动行为数据得到极大丰富,推动了用户轨迹识别问题相关研究.该问题着眼于判定目标轨迹所属用户,有助于理解用户移动模式,促进个性化推荐等下游应用.目前已有方法通常尝试采用多分类方法解决该问题.然而,这些研究仍然面临着两个亟待解决的挑战:用户轨迹稀疏和类别数量庞大.其中,前者产生的原因在于用户常常只在社交媒体中发布部分访问地点信息,并且用户兴趣地点分布具有局部性;后者则是因为多分类方法下每个类别即代表一个用户,而用户数量庞大.为应对上述挑战,本文致力于有效利用轨迹时间戳序列和用户社交关系这两类被相关研究忽略的信息.一方面时间戳信息能够缓解轨迹稀疏性,另一方面社交关系可以通过刻画用户(类别)之间相关性帮助用户表示学习.为此,本文提出了融合神经时间点过程与图神经网络的新模型NTPP-GNN(Neural Temporal Point Process with Graph Neural Network),包含空间、时间、社交关系三个模块.空间模块中,双向循环神经网络用来刻画地点间序列性;时间模块中,本文提出双向神经时间点过程从正反两个方向捕捉时间连续性,并以此促进轨迹的时间表征;社交关系模块中,图神经网络用于传播和学习用户表示.NTPP-GNN采用端到端方式学习上述三个模块,以确保模块之间彼此适配.为验证NTPP-GNN的有效性,本文在三组数据集(Foursquare、Gowalla和Brightkite)上进行实验.结果表明:(1)NTPP-GNN性能比最好的基准方法在ACC@1上平均提高7.0％;(2)NTPP-GNN的各个模块对于性能均有贡献;(3)所提出的双向神经时间点过程相比于只考虑先后顺序的传统神经点过程方法能够带来额外提升.

    用户轨迹识别循环神经网络神经时间点过程图神经网络时空序列社交关系

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

    基于类别-实例分割的室内点云场景修复补全

    缪永伟刘家宗孙瑜亮吴向阳...
    2189-2202页
    查看更多>>摘要：三维室内场景修复补全是计算机图形学、数字几何处理、3D计算机视觉中的重要问题.针对室内场景修复补全中难以处理大规模点云数据的问题,本文提出了一种基于类别-实例分割的室内点云场景修复补全框架.该框架包括点云场景分割模块和点云形状补全模块,前者由基于PointNet的类别分割网络和基于聚类的实例分割模块完成,后者由基于编码器-解码器结构的点云补全网络实现.本文框架以缺失的室内场景点云数据为输入,首先根据"类别-实例"分割策略,采用PointNet对室内场景进行类别分割,并利用基于欧式距离的聚类方法进行实例分割得到室内各家具点云,然后借助点云补全网络将分割出的缺失家具点云逐一进行形状补全并融合进原始场景,最终实现室内点云场景的修复.其中,为了实现缺失家具点云形状的补全,本文提出了一种基于编码器-解码器结构的点云补全网络,首先通过输入变换和特征变换对齐缺失的家具点云数据采样点位置与特征信息;然后借助权共享多层感知器和PointSIFT特征提取模块对各采样点提取形状特征和近邻点特征信息,并利用最大池化层与多层感知器编码提取出采样点的特征码字;最后将采样点特征码字加上网格坐标数据作为解码器的输入,解码器使用两个连续的三层感知器折叠操作将网格数据转变成完整的点云补全数据.实验结果表明,本文提出的点云补全网络能够较好地补全室内场景中缺失的家具结构形状,同时基于该网络的场景修复补全框架能够有效修复大型室内点云场景.

    室内场景点云数据类别-实例分割编码器-解码器结构修复补全

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

    基于双层加密和密钥共享的云数据去重方法

    高文静咸鹤群程润辉
    2203-2215页
    查看更多>>摘要：数据去重技术在云存储系统中的广泛应用,可以有效地节省网络通信带宽,提高云服务器的存储效率.随着信息安全问题的日益凸显,用户对于数据隐私的重视程度越来越高.为保护数据隐私,用户普遍将数据加密后上传至云服务器.相同的数据经过不同用户加密后得到不同的密文,使得云服务器难以进行数据重复性检测.如何在保护数据隐私的前提下,实现云存储中加密数据的去重,成为研究的热点问题.现有方案大多借助可信第三方实现云数据安全去重,但可信第三方在现实应用中极难部署,且易成为系统瓶颈.提出一种基于双层加密和密钥共享的云数据去重方案,无需可信第三方参与,实现云存储中加密数据的安全去重.通过划分数据流行度,对隐私程度较高的非流行数据采用双层加密机制进行保护.内层为收敛加密,外层为对称加密.借助门限秘密共享机制,将外层加密使用的加密密钥保存到多个密钥管理服务器,实现不同用户间的密钥共享.对隐私程度不高的流行数据,采用简单高效的收敛加密.安全性分析与性能对比体现本文的方案具有较高的安全性与执行效率.通过仿真实验,验证了方案的可行性和高效性.

    加密数据去重双层加密密钥共享数据流行度云存储安全

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

    群智感知中基于区块链的带时效签密方案

    王利朋陈钟关志李青山...
    2216-2232页
    查看更多>>摘要：用户利用手机或者智能手环等终端设备收集环境数据,但数据在传输过程中极容易遭受窃听、篡改等威胁.基于椭圆曲线提出一种无证书签密方案,以保障信息的安全性和可验证性.基于离散对数和计算性Diffie-Hellman问题,在随机预言机模型下证明了方案的机密性和不可伪造性,此外新方案具有公开验证性和匿名性等安全属性.为了方便对终端设备的精确控制,提出一种适配于签密方案的节点退出机制,在该机制中,基于区块链进行公钥时效管理,确保设备按照配置策略退出.公钥信息存储在区块链中,避免了针对公钥信息恶意篡改的问题.由智能合约更新公钥有效性,无需人工参与,确保时效管理模块的可信性.区块链执行公钥时效更新操作,不占用物联网设备的计算资源.性能分析显示,新方案具有较短的密钥长度,较低的计算复杂度.在实验仿真部分,首先给出了签密算法各个步骤执行时间的对比结果,并分析了数据量对签密算法性能的影响.然后给出了引入时效管理模块后签密算法执行的时间,结果显示签密步骤性能损失约为7％,解签密步骤性能损失不到1％,而且两个步骤执行时间均不超过120 ms,能够有效适配到物联网应用场景中.

    群智感知区块链时效性离散对数签密

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

    基于两阶段模型的无人机图像厚云区域内容生成

    韦哲李从利沈延安刘永峰...
    2233-2247页
    查看更多>>摘要：无人机飞行时常因云层遮挡而造成拍摄图像下垫面的信息损失,而现有多光谱和多时相的云区内容估计方法主要针对卫星遥感图像,无法直接应用于无人机图像.如何利用已有信息合理地推断厚云遮挡区域内容,以提高影像的可用性是亟待解决的问题.针对无人机成像光谱单一、航时短且航迹随机的特点,利用图像修复理论,提出了一种基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)的两阶段厚云区域内容生成方法.采用词袋(Bag of Words,BoW)检索算法搜索一阶段修复图像的相似样本,设计了仿射网络对它们进行注意力对齐,使生成的图像能利用同分布已知图像的信息,解决了无人机图像含有多种分布而难以有效提取特征,以及现有修复方法强依赖于单幅图像的局限.改进了经典DCGAN的结构,综合局部和全局对抗损失,以及感知损失和总变差损失,设计了新的联合损失函数.在仿真实验的中心1/4掩膜上,峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity,SSIM)、平均像素L1损失、自然图像质量评价NIQE(Natural Image Quality Evaluator)和BLIINDS(Blind Image Integrity Notator using DCT Statistics)指标比对比方法分别改善0.3214～3.6793、0.0005～0.0543、0.0171～4.1120、0.0565～4.7440和0.8841～4.2586.在真实含云图像实验中,NIQE和BLIINDS指标比对比方法分别改善0.1062～1.8992和1.0903～5.6495.实验结果的主观和客观分析表明,相比经典方法,本文方法在语义合理性、信息准确性和视觉自然性上都具有一定的优势,为厚云遮挡下的单光谱图像像素值预测提供了一种较好的解决方案.

    无人机图像图像生成两阶段模型深度学习深度卷积生成对抗网络

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

    基于超图卷积的异质网络半监督节点分类

    吴越王英王鑫徐正祥...
    2248-2260页
    查看更多>>摘要：近几年,图神经网络(Graph Neural Network)由于能够较好地提取网络结构信息以获得网络表示,逐渐成为网络节点分类的主流算法.然而,与广泛研究的同质信息网络相比,真实世界中网络往往是由不同类型的对象通过复杂关系相互连接所构成的异质信息网络.异质信息网络包含复杂的结构信息和丰富的语义信息,这也给网络节点分类提供了新的机遇与挑战.在异质信息网络中,网络模体(Motif)能够用于理解和探索复杂网络,其既能描述复杂的语义信息,又能保存网络中高阶近邻结构信息.因此,提出基于网络模体的异质超图卷积网络模型MHGCN(Motif-based HyperGraph Convolutional Network).首先,将重复出现的高阶网络模体建模为多个相关节点所构成的超边(hyperedge),进而将整个异质信息网络转换成由不同超边构成的超图,以克服同质网络中只能描述节点之间(pair-wise)关系的缺点;然后,利用超图的基本性质和谱理论设计超图上的卷积操作,同时引入超边自注意力机制聚合超图内部不同类型的节点,并通过在超图网络中加入自环解决在模型的前向传播过程中对异质信息网络覆盖不足的问题;最后,通过注意力机制对于不同语义的超图表示进行聚合,从而使最终的节点表示可以有效保持高阶近邻关系和复杂的语义信息.由于MHGCN是端到端的,最终模型直接学习得到节点的分类标签,并通过半监督节点分类任务进行验证,与其它方法相比,MHGCN在DBLP-P、DBLP-A数据集上比最好的基准方法micro-F1提高了0.56％～3.51％,macro-F1提高了0.54％～4.37％,验证了MHGCN模型的有效性.

    异质信息网络网络模体超图网络表示学习节点分类

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

    人工智能视角下的在线社交网络虚假信息检测、传播与控制研究综述

    张志勇荆军昌李斐赵长伟...
    2261-2282页
    查看更多>>摘要：随着新一代人工智能技术的发展和应用,在线社交网络(Online Social Networks,OSNs)虚假信息的自动化检测、传播和控制,受到了政府、学术界和工业界人员的广泛关注.虚假信息检测主要从信息内容和社交上下文辅助信息等方面展开研究,虚假信息传播研究可以追溯到早期复杂网络和小世界网络中的谣言传播动力学模型研究,直到近三年来关于社交自然人和社交机器人的混合型、交互式传播模式研究,虚假信息传播控制主要从传播的节点控制和访问控制/使用控制等方面展开研究.本文分别从社交客体(虚假信息)和社交主体(社交自然人和社交机器人)两个方面进行深入系统探讨.首先,回顾了国内外虚假信息检测研究现状,重点论述了虚假信息检测特征和方法.其次,围绕社交自然人和社交机器人的检测方法和传播模式进行分析和比较,阐述两类社交主体传播虚假信息的一般规律.然后,对虚假信息传播控制方法进行全面系统的梳理和分析,给出了虚假信息传播的节点控制和使用控制模型,总结了相关数据采集、标注方法和常用的公开数据集等.最后,提出了社会情境安全和分析框架,以及针对虚假信息在跨平台传播和控制方面,未来研究所面临的问题、挑战及可能的研究方向.

    在线社交网络虚假信息社交机器人人工智能使用控制社会情境安全

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

    基于双层机器学习的业务流程剩余时间预测

    孙笑笑侯文杰应钰柯俞东进...
    2283-2294页
    查看更多>>摘要：近年来,流程挖掘技术不再局限于对事件日志的线下分析以实现对流程模型的改进,而更加关注如何为业务流程的优化提供在线支持.其中业务流程剩余执行时间的预测监控是流程挖掘中的关键研究问题,它能为相关者提供及时的预测信息,进而采取有效措施以减少流程执行风险(例如超过时间限制).当前剩余时间预测的研究仅考虑单个流程实例的内部属性,而忽略了多个实例共同执行对剩余执行时间所产生的竞争影响.为此,本文考虑多实例间的资源竞争,并将其作为预测的主要输入属性之一.此外,本文还通过分析历史事件日志选择出一些对当前流程实例执行时间有重大影响的关键活动,并将其也作为预测的输入属性之一.同时,为提高预测模型的精度和在复杂应用场景中的适应性,本文利用堆叠技术将XGBoost模型和LightGBM模型进行融合,构建出双层混合预测模型来完成对业务流程剩余时间的预测.在四个真实数据集上的实验表明,考虑了实例间属性以及关键活动属性的混合预测模型在平均绝对误差上比LSTM和XGBoost方法分别降低了11.6％和15.8％.

    流程挖掘流程剩余时间预测机器学习资源竞争融合模型

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

    基于深度神经网络的图像缺损修复方法综述

    李月龙高云闫家良邹佰翰...
    2295-2316页
    查看更多>>摘要：图像缺损修复研究旨在通过计算机自动修复图像中的缺损内容.近年来,深度神经网络技术的出现有效促进了相关研究的发展.本文针对该类研究进行了系统梳理和综合介绍.依据网络架构类型,具体将方法分为五类:Context-Encoder类、U-Net类、CGAN类、DCGAN类以及StackGAN类.我们具体分析了每类方法的思路、特点、优势和缺陷,并基于系统性实验,在公开大规模数据集上客观对比评价每一类方法的精度和性能.最后对目前相关工作中存在的问题和挑战进行了阐述和介绍.

    图像修复图像缺损深度神经网络计算机视觉图像处理

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