期刊,计算机研究与发展 2023年卷11期_国家学术搜索

国家学术搜索

登录注册

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

主　　编：徐志伟

出版周期：月刊

国际刊号：1000-1239

电子邮箱：crad@ict.ac.cn

电　　话：010-62620696;62600350

邮政编码：100190

地　　址：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

基于区块链和可信执行环境的属性签名身份认证方案

冉津豪蔡栋梁

2555-2566页

查看更多>>摘要：身份认证是当前数字化世界中广泛应用的一项技术,对于流量至上的时代,安全而便捷的身份验证方案对于应用服务吸引用户是至关重要的.去中心化身份通过使用完全去中心化的技术如区块链,让用户完全控制自己的身份.为了进一步提高身份认证的安全性与便捷性,提出一种基于区块链和可信执行环境(TEE)的属性签名身份认证方案.现有的身份验证方法存在用户身份凭证管理繁重、安全性不足等问题.用户利用属性签名生成指向应用服务的持久性凭据,并且凭据是可扩充的.而用户反复扩充凭据的过程相比单次生成凭据保存更有被攻击者植入木马的风险,可信执行环境则可以在签名过程中提供硬件级别的保护,避免中间参数的泄露.同时还用较小的额外验证代价实现了对用户身份泄露、冒用的审计,进一步提高了方案的安全性.

关键词：

区块链可信执行环境属性签名去中心化身份零知识证明

原文链接:

NETL
NSTL
维普
万方数据

基于区块链辅助的半中心化联邦学习框架

施宏建马汝辉张卫山管海兵...

2567-2582页

查看更多>>摘要：随着网络技术的发展,如何构建可信任的新一代信息管理系统成为了必要需求,区块链技术提供了去中心化、透明、不可篡改的可信分布式底座.随着人工智能技术的发展,网络数据计算领域出现了数据孤岛问题,各开发者之间的不信任导致难以联合利用各方数据进行协同训练,联邦学习虽然提供了数据隐私性保障,但是服务器端安全性仍存在隐患.传统方法通过将联邦学习框架中的服务器端替换为区块链系统以提供不可篡改的全局模型数据库,但是这种方式并未利用物联网场景中所有可用网络连接,并缺少了针对联邦学习任务的区块结构设计.提出了基于区块链辅助的半中心化联邦学习框架,从物联网场景需求出发,构建了半中心化的物联网场景,利用了所有可信的网络连接以支撑联邦学习任务,同时通过区块链技术为不可信、距离远的客户端之间构建了不可篡改的模型库,相比传统区块链联邦学习框架有更小的通信开销和更好的普适性.所提框架包含两大设计,半中心化的联邦学习框架通过客户端之间的可信连接减少聚合所带来的通信开销,并通过区块链存储客户端模型以便于距离较远或者相互不可信的客户端进行聚合;设计了针对联邦学习任务的区块链区块,使区块链能够支持底层联邦学习训练的需求.实验证明所提框架在多个数据集上相比传统联邦学习算法有至少 8%的准确率提升,并大幅度减少了客户端之间相互等待带来的通信开销,为实际场景下的区块链联邦学习系统部署提供了指导.

关键词：

物联网区块链系统联邦学习半中心化架构模型聚合

原文链接:

NETL
NSTL
维普
万方数据

基于区块链和动态评估的隐私保护联邦学习模型

刘炜唐琮轲马杰田钊...

2583-2593页

查看更多>>摘要：在联邦学习作为隐私保护技术被广泛应用的同时,也产生了中心服务器不稳定和联邦学习服务器与参与方交互造成的隐私泄露等新的挑战及安全问题.提出了一种基于区块链和动态评估的隐私保护联邦学习模型,利用区块链解决中心服务器的问题,通过本地训练使用稀疏化、全局模型更新使用差分隐私解决联邦学习过程中的隐私泄露问题,本地训练完成后用数字签名和双重Hash对比验证参与方身份和训练模型的所属权.此外,使用多权重动态评估方法计算单轮模型和参与方评估值作为参与方贡献的依据.实验结果表明,提出的模型可以有效解决联邦学习中的单点故障和局部模型验证问题,与传统联邦学习相比,使用稀疏化和差分隐私可以在略微损失准确率的情况下保障模型的安全性,并有效地为参与方进行评估,从而保证了激励机制的公平性.

关键词：

联邦学习区块链稀疏化差分隐私数字签名动态评估

原文链接:

NETL
NSTL
维普
万方数据

基于异常特征模式的心电数据标签清洗方法

韩京宇陈伟赵静郎杭...

2594-2610页

查看更多>>摘要：心电图(electrocardiogram,ECG)异常的自动检测是一个典型的多标签分类问题,训练分类器需要大量有高质量标签的样本.但心电数据集异常标签经常缺失或错误,如何清洗弱标签得到干净的心电数据集是一个亟待解决的问题.在一个标签完整且准确的示例数据集辅助下,提出一种基于异常特征模式(abnormality-feature pattern,AFP)的方法对弱标签心电数据进行标签清洗,以获取所有正确的异常标签.清洗分 2个阶段,即基于聚类的规则构造和基于迭代的标签清洗.在第 1阶段,通过狄利克雷过程混合模型(Dirichlet process mixture model,DPMM)聚类,识别每个异常标签对应的不同特征模式,进而构建异常发现规则、排除规则和 1组二分类器.在第 2阶段,根据发现和排除规则辨识初始相关标签集,然后根据二分类器迭代扩展相关标签并排除不相关标签.AFP方法捕捉了示例数据集和弱标签数据集的共享特征模式,既应用了人的知识,又充分利用了正确标记的标签;同时,渐进地去除错误标签和填补缺失标签,保证了标签清洗的可靠性.真实和模拟数据集上的实验证明了AFP方法的有效性.

关键词：

心电图多标签分类异常标签异常特征模式二分类器标签清洗

原文链接:

NETL
NSTL
维普
万方数据

一种面向指代短语理解的关系聚合网络

郭文雅张莹刘胜哲杨巨峰...

2611-2623页

查看更多>>摘要：指代短语理解(referring expression comprehension,REC)任务的目的是定位输入短语所指代的图像区域,其中最主要的挑战之一是在图像中建立和定位由输入短语描述的物体之间的关系.现有的主流方法之一是根据物体本身的特性以及与其他物体的关系对当前物体进行打分,将得分最高的物体作为预测的被指代区域.然而,这类方法往往只考虑物体与其周围环境之间的关系,而忽略了输入短语中所描述的周围环境之间的交互关系,这大大影响了对物体间关系的建模.为了解决这一问题,提出了关系聚合网络(relationship aggregation network,RAN)来构建物体之间的关系,进而预测输入短语所指代的内容.具体来说,利用图注意力网络建模图像物体之间完备的关系;然后利用跨模态注意力方法选择与输入短语最相关的关系进行聚合;最后,计算目标区域与输入短语之间的匹配分数.除此之外,对指代短语理解中的擦除方法进行了改进,通过自适应扩充擦除范围的方式促使模型利用更多的线索来定位正确的区域.在3个广泛使用的基准数据集上进行了大量的实验,结果证明了所提出方法的优越性.

关键词：

指代短语理解注意力机制图注意模型模块化网络擦除策略

原文链接:

NETL
NSTL
维普
万方数据

跨媒体语义关联增强的网络视频热点话题检测

张承德刘雨宣肖霞梅凯...

2624-2637页

查看更多>>摘要：跨媒体网络视频热点话题检测成为新的研究热点.然而,描述视频的文本信息较少,使得文本语义特征空间稀疏,导致文本语义特征间关联强度较弱,增加了挖掘热点话题的难度.现有方法主要通过视觉信息丰富文本语义特征空间.然而,由于视觉与文本信息间的异构性,导致同一话题下文本与视觉语义特征差异较大,这进一步降低了同一话题下文本语义间的关联强度,也给跨媒体网络视频热点话题检测带来巨大挑战.因此,提出一种新的跨媒体语义关联增强方法.首先,通过双层注意力,从单词和句子 2个级别捕捉文本核心语义特征;其次,通过理解视觉内容,生成大量与视频内容高度相关的文本描述,丰富文本语义空间;然后,分别通过文本语义相似性和视觉语义相似性,构建文本语义图和视觉语义图,并构造时间衰减函数,从时间维度建立跨媒体数据间的相关性,以此增强文本与视觉语义间的关联强度,平滑地将2种语义图融合为混合语义图,实现跨媒体语义互补;最后,通过图聚类方法检测出热点话题.大量实验结果表明,提出的模型优于现有方法.

关键词：

跨媒体网络视频话题检测视频理解语义关联增强关键词表示热点话题

原文链接:

NETL
NSTL
维普
万方数据

基于双向伪标签自监督学习的跨人脸-语音匹配方法

朱明航柳欣于镇宁徐行...

2638-2649页

查看更多>>摘要：神经认知科学研究表明,人类大脑在感知语音的过程中常常将结合人脸信息进行跨模态交互分析.然而,现有的跨模态人脸-语音关联方法仍面临着对复杂样本敏感、监督信息缺乏以及语义关联不足等挑战,其主要原因是缺少对潜在共性语义的挖掘.针对这些问题,提出了基于双向伪标签自监督学习的跨模态学习架构,用于人脸-语音关联学习与匹配任务.首先,构建跨模态加权残差网络来学习人脸-语音的跨模态共享嵌入,然后提出一种新颖的双向伪标签关联的自监督学习方法,旨在通过一种模态的潜在语义信息去监督另一个模态的特征学习,从而基于这种交互式跨模态自监督学习能够挖掘到人脸-语音间更紧密的关联.为增加挖掘监督信息的判别性,进一步构建了 2个辅助损失促使来自相同身份的人脸-语音特征更接近,并使来自不同身份的特征更加疏远.基于大量实验验证,相比较于现有方法,在人脸-语音跨模态匹配任务上获得了全面的提升.

关键词：

人脸-语音关联双向伪标签自监督学习加权残差网络潜语义监督

原文链接:

NETL
NSTL
维普
万方数据

一种考虑隐私保护的深度强化学习任务分配模型

杨明川朱敬华李元婧奚赫然...

2650-2659页

查看更多>>摘要：移动群智感知(mobile crowdsensing,MCS)是利用大规模移动智能设备进行数据收集、数据挖掘和智能决策的新范式,高效的任务分配方法是MCS获得高性能的关键.传统的贪婪算法或蚂蚁算法假设工人和任务固定,不适用于工人和任务的位置、数量和时间动态变化的场景.而且,现有任务分配方法通常由中央服务器收集工人和任务的信息进行决策,容易导致工人隐私泄露.因此,提出具有隐私保护的深度强化学习(deep reinforcement learning,DRL)模型来获得优化的任务分配策略.首先,将任务分配建模为多目标优化的动态规划问题,旨在最大化工人和平台的双向收益,实现纳什均衡.其次,提出基于DRL的近端策略优化(proximal policy optimization,PPO)模型进行训练,学习模型参数.最后,通过本地差分隐

关键词：

移动群智感知任务分配深度强化学习本地差分隐私动态规划

原文链接:

NETL
NSTL
维普
万方数据

面向科技资讯的基于语义对抗和媒体对抗的跨媒体检索方法

李昂杜军平寇菲菲薛哲...

2660-2670页

查看更多>>摘要：科技资讯跨媒体检索是跨媒体领域的重要任务之一,面临着多媒体数据间异构鸿沟和语义鸿沟亟待打破的难题.通过跨媒体科技资讯检索,用户能够从多源异构的海量科技资源中获取目标科技资讯.这有助于设计出符合用户需求的应用,包括科技资讯推荐、个性化科技资讯检索等.跨媒体检索研究的核心是学习一个公共子空间,使得不同媒体的数据在该子空间中可以直接相互比较.在子空间学习中,现有方法往往聚焦于建模媒体内数据的判别性和媒体间数据在映射后的不变性,却忽略了媒体间数据在映射前后的语义一致性和语义内的媒体判别性,使得跨媒体检索效果存在局限性.鉴于此,提出一种面向科技资讯的基于语义对抗和媒体对抗的跨媒体检索方法(SMCR),寻找可供映射的有效公共子空间.具体而言,SMCR在建模媒体内语义判别性之外,将媒体间语义一致性损失最小化,以保留映射前后的语义相似性.此外,SMCR构建基础特征映射网络和精炼特征映射网络,联合最小化语义内的媒体判别性损失,有效增强了特征映射网络混淆媒体判别网络的能力.在 2个数据集上的大量实验结果表明,所提出的SMCR方法在跨媒体检索中的表现优于最前沿的方法.

关键词：

跨媒体检索对抗学习科技资讯媒体约束语义一致性

原文链接:

NETL
NSTL
维普
万方数据

基于孪生空间的单目图像目标位姿一体化标注方法

李聪亮孙士杰张朝阳刘泽东...

2671-2680页

查看更多>>摘要：多目标位姿估计问题是无人驾驶、人机交互等领域的基础问题之一,但目前受采集设备限制,该领域数据大多集中在较小空间范围,这使得刚体位姿估计的实用价值受到限制.针对上述问题,提出了一种基于孪生空间的单目图像目标位姿一体化标注方法,并设计了一套位姿标注工具 LabelImg3D.首先,在孪生空间中放置同焦距的虚拟相机,并构建与真实目标等同的 3维模型;然后在孪生空间中放置真实空间拍摄图像(一次投影图),使其填充虚拟相机视场;最后对 3维模型进行平移旋转,使目标二次投影与一次投影在虚拟相机中保持一致,从而一体化得到目标位姿.基于该方法,开源了一套标注工具LabelImg3D(https://github.com/CongliangLi/LabelImg3D).通过在KITTI及P-LM数据集上的测试,实验结果表明,该方法对尺寸变化不明显的目标,平均位移精度可达 85%以上,旋转精度可达 90%以上,且该方法仅借助于单目相机,大大降低了目标3维位姿数据的采集难度.

关键词：

目标位姿一体化标注二次投影孪生空间单目图像

原文链接:

NETL
NSTL
维普
万方数据