首页期刊导航|计算机研究与发展
期刊信息/Journal information
计算机研究与发展
计算机研究与发展

徐志伟

月刊

1000-1239

crad@ict.ac.cn

010-62620696;62600350

100190

北京中关村科学院南路6号

计算机研究与发展/Journal Journal of Computer Research and DevelopmentCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院计算技术研究所和中国计算机学会联合主办、科学出版社出版的学术性刊物、中国计算机学会会刊，我国第一个计算机刊物。主要刊登计算机科学技术领域高水平的学术论文、最新科研成果和重大应用成果。
正式出版
收录年代

    面向跨联盟链的隐私保护数据要素交易审计方案

    张川王子豪梁晋文刘梦轩...
    2540-2553页
    查看更多>>摘要：随着企业数据资产化的发展,联盟链成为了企业联盟内部数据交易的核心基础设施.利用联盟链构建去中心化、不可篡改、访问可控的数据交易市场,可以提高数据交易的可信度,降低数据泄露风险.然而,随着企业联盟的增多,如何促进跨企业联盟的数据要素流通,抵御数据隐私泄露、数据欺诈和支付抵赖等安全威胁,成为了数据流通领域亟待解决的难题.为此,提出了一种面向跨联盟链的隐私保护数据要素交易审计方案.该方案利用联盟链进行数据存证,通过中继链上的智能合约进行数据验证和支付管理.结合Pedersen承诺和Shamir秘密分享技术,构建零知识证明机制,在不泄露数据要素的情况下防止数据欺诈的发生.此外,还引入了一种基于双线性映射的数据要素完整性审计机制,允许在不透露数据隐私的情况下验证数据要素的收据,有效解决支付抵赖问题.通过理论分析和实验评估,验证了所提方案的有效性和可靠性,在本地模拟实验环境下,实验结果表明所提方案是可行且高效的.

    数据要素联盟链跨链审计零知识证明

      原文链接:
    • 维普
    • 万方数据

    面向数据要素流通的区块链数据加速交换方法

    李振宇丁勇易晨梁海...
    2554-2569页
    查看更多>>摘要：随着新一轮科技革命和产业变革的深入发展,安全可靠的数据要素流通已成为当前迫切需要解决的问题.从而,数据交易所已开始使用区块链技术进行数据要素流通,能一定程度提升数据要素流通过程中的信任和监管能力.但区块链技术在面对海量的数据要素交换时仍需进一步研究以提升效率.因此,针对当前基于区块链的数据要素流通过程中效率偏低问题,提出区块链数据加速交换方法.首先,提出数据要素流通动态位置模型,方便数据交易所进行数据流通方向管理.其次,提出数据要素聚合上传方法,实现针对数据要素附带流通目的地的深层次聚合,以进一步加速区块链数据交换.随后,提出可选自动去重下载方法,以解决数据经区块链流通面临的应用问题.最后,通过一系列实验验证,提出的区块链数据加速交换方法能在已启用区块链交易打包等技术的条件下,进一步提升数据要素交换的效率,其相比于区块链框架所提供的异步数据交换方法,能获取约9.24倍的额外数据交换性能.

    数据要素区块链数据流通数据聚合加速交换

      原文链接:
    • 维普
    • 万方数据

    基于去中心化身份的跨域数据交易系统

    郝嘉琨向鹏何逸飞高健博...
    2570-2586页
    查看更多>>摘要：在数字化时代,数据作为重要的生产要素,对经济增长、科技创新和企业竞争力提升至关重要.传统的中心化的数据交易系统存在一系列数据安全、交易安全风险.虽然当前已经出现了基于区块链实现的去中心化数据交易系统,可以为数据交易提供安全保障,但基于区块链的数据交易系统仍难以处理跨地区、跨地域、跨国家的数据交易,其主要面临 3个挑战:1)跨域身份解析结果的一致性问题;2)跨域身份解析服务的可用性问题;3)面向跨域交易的数据交易系统的安全与合规问题.为解决上述 3个问题,基于去中心化身份技术设计了一套安全高效的身份跨域解析机制,并构建了一种安全、可监管的去中心化数据交易系统.身份跨域解析机制包括确保解析结果一致性的身份跨域协议和保障该协议执行服务可用性的激励机制.该去中心化数据交易系统支持基于身份属性的细粒度监管,并保证跨域数据交易的原子性.实验验证表明,该系统满足设计目标,解析延迟仅为跨域解析延迟的 45%,缓存命中率通过主动和被动更新机制提高 72%.系统兼容多种区块链,跨域数据交易平均在 2.3个区块内完成,效率在可接受范围内.

    数据要素去中心化身份区块链智能合约激励机制

      原文链接:
    • 维普
    • 万方数据

    基于水印技术的深度神经网络模型知识产权保护

    金彪林翔熊金波尤玮婧...
    2587-2606页
    查看更多>>摘要：构造一个优秀的深度神经网络(deep neural network,DNN)模型需要大量的训练数据、高性能设备以及专家智慧.DNN模型理应被视为模型所有者的知识产权(intellectual property,IP).保护DNN模型的知识产权也体现了对作为构建和训练该模型的数据要素价值的珍视.然而,DNN模型容易受到恶意用户的盗取、篡改和非法传播等攻击,如何有效保护其知识产权已成为学术研究的前沿热点与产业亟需攻克的难题.不同于现有相关综述,聚焦DNN模型水印的应用场景,从用于模型版权声明的鲁棒模型水印和用于模型完整性验证的脆弱模型水印 2个维度出发,着重评述基于水印技术的DNN模型知识产权保护方法,探讨不同方法的特点、优势及局限性.同时,详细阐述DNN模型水印技术的实际应用情况.最后,在提炼各类方法共性技术的基础上,展望DNN模型知识产权保护的未来研究方向.

    深度神经网络知识产权数据要素鲁棒模型水印脆弱模型水印

      原文链接:
    • 维普
    • 万方数据

    基于联邦学习的后门攻击与防御算法综述

    刘嘉浪郭延明老明瑞于天元...
    2607-2626页
    查看更多>>摘要：联邦学习旨在解决数据隐私和数据安全问题,大量客户端在本地进行分布式训练后,中央服务器再聚合各本地客户端提供的模型参数更新,但中央服务器无法看到这些参数的具体更新过程,这种特性会带来严重的安全问题,即恶意参与者可以在本地模型中训练中毒模型并上传参数,再在全局模型中引入后门功能.关注于联邦学习特有场景下的安全性和鲁棒性研究,即后门攻击与防御,总结了联邦学习下产生后门攻击的场景,并归纳了联邦学习下后门攻击和防御的最新方法,对各种攻击和防御方法的性能进行了比较和分析,揭示了其优势和局限.最后,指出了联邦学习下后门攻击和防御的各种潜在方向和新的挑战.

    联邦学习后门攻击后门防御数据隐私数据安全

      原文链接:
    • 维普
    • 万方数据

    面向人工智能模型的安全攻击和防御策略综述

    秦臻庄添铭朱国淞周尔强...
    2627-2648页
    查看更多>>摘要：近年来,以深度学习为代表的人工智能技术发展迅速,在计算机视觉、自然语言处理等多个领域得到广泛应用.然而,最新研究表明这些先进的人工智能模型存在潜在的安全隐患,可能影响人工智能技术应用的可靠性.为此,深入调研了面向人工智能模型的安全攻击、攻击检测以及防御策略领域中前沿的研究成果.在模型安全攻击方面,聚焦于对抗性攻击、模型反演攻击、模型窃取攻击等方面的原理和技术现状;在模型攻击检测方面,聚焦于防御性蒸馏、正则化、异常值检测、鲁棒统计等检测方法;在模型防御策略方面,聚焦于对抗训练、模型结构防御、查询控制防御等技术手段.概括并扩展了人工智能模型安全相关的技术和方法,为模型的安全应用提供了理论支持.此外,还使研究人员能够更好地理解该领域的当前研究现状,并选择适当的未来研究方向.

    人工智能安全攻击攻击检测防御策略模型安全

      原文链接:
    • 维普
    • 万方数据

    基于特征约束和自适应损失平衡的机器遗忘方法

    殷昱煜吴广强李尤慧子王鑫雨...
    2649-2661页
    查看更多>>摘要：随着数字化进程的加速推进,数据要素已成为现代社会运转的核心驱动力.由于深度学习模型训练需要大量数据作为输入,其数据隐私保护问题也愈发重要.机器遗忘技术使模型能够删除特定数据的影响,同时保持对剩余数据的泛化性能,为深度学习模型中的数据要素安全保护提供了有效的解决方案.现有的机器遗忘方法主要分为精确遗忘和近似遗忘 2类,但前者需要干预模型原始训练流程,后者则在遗忘效果和模型泛化能力之间难以找到平衡点.为此,提出了一种基于特征约束和自适应损失平衡的近似遗忘框架.首先,对于"遗忘"过程,使用同样未经过遗忘样本训练的随机模型作为教师来引导遗忘模型的特征输出,实现模型对数据要素在特征层面的遗忘.然后,采用少量剩余数据进行微调训练,来"恢复"模型对于其他数据的泛化性能.将上述机器遗忘框架视为一个多任务优化问题,在"遗忘"和"恢复"2个任务中引入自适应损失平衡,实现任务的稳步训练.以卷积神经网络模型为例,在 3个公开数据集上对比了UNSIR等多种基线方法,实验结果表明,该方法构建的遗忘模型不仅保障了机器遗忘效果,在剩余数据的准确率、时间开销、预测结果分布等指标上优于同类方法,更加有效地保护了模型的泛化性能.

    数据要素安全机器遗忘特征约束多任务优化自适应损失平衡

      原文链接:
    • 维普
    • 万方数据