首页期刊导航|计算机应用
期刊信息/Journal information
计算机应用
计算机应用

张景中

月刊

1001-9081

bjb@joca.cn

028-85224283(或85222239)转803

610041

成都市人民南路四段九号（成都237信箱）

计算机应用/Journal Journal of Computer ApplicationsCSCD北大核心CSTPCD
查看更多>>《计算机应用》月刊，于1981年创刊，由中国科学院成都计算机应用研究所主办，是国内较早公开发行的计算机技术刊物，在计算机自动化领域有较大影响。《计算机应用》紧紧围绕“应用”，登载应用、开发中的高水平学术技术论文、重大应用成果和典型应用经验。读者对象为各行业、各部门从事计算机应用基础、应用工程、应用软件、应用系统工作的工程技术人员、科研人员和大专院校师生。《计算机应用》多次荣获全国优秀科技期刊奖、国家期刊奖提名奖，被评为中国期刊方阵双奖期刊、中文核心期刊和中国科技核心期刊。被中国科学引文数据库、中国科技论文统计源数据库等国家重点检索机构列为引文期刊，并被英国《科学文摘》（SA）、俄罗斯《文摘杂志》（AJ）、日本《科学技术文献速报》（JST）、美国《剑桥科学文摘：材料信息》（CSA：MI）、美国《乌利希国际期刊指南》(UIPD)等国际重要检索系统列为来源期刊。《计算机应用》月刊内容新颖、信息丰富、印刷精美（大16开本，290页），是您学习计算机应用理论，借鉴计算机应用技术，参考计算机应用经验的最佳选择。
正式出版
收录年代

    基于信号时态逻辑的深度时序事件检测算法

    张思齐张金俊王天一秦小林...
    90-97页
    查看更多>>摘要：针对深度事件检测模型对复杂时序事件检测准确性不足和忽略了不同事件间相关性的问题,提出一种基于信号时态逻辑的深度时序事件检测算法DSTL(Deep Signal Temporal Logic).该算法一方面引入信号时态逻辑框架,并用信号时态逻辑(STL)公式建模时间序列中的事件来综合考虑时间序列上事件的逻辑性和时态性;另一方面采用基于神经网络的基础分类器来检测原子事件的发生情况,并通过STL公式结构和语义来辅助检测复杂事件.另外,使用神经网络模块替代相应的逻辑连接词和时态逻辑算子,从而提供可GPU加速和梯度下降的神经网络模块.通过对6个时间序列数据集的实验,验证了该算法在时序事件检测方面的有效性,并把使用DSTL算法的模型与不使用该算法而使用多层感知机(MLP)、长短期记忆(LSTM)网络和Transformer的深度时间序列分类模型进行比较.实验结果表明,使用DSTL算法的模型在5种事件上的平均F1分数提升了约12%,其中3种跨时间点事件上的平均F1分数提升了约14%,且具备更好的可解释性.

    时态逻辑事件检测事件表示时间序列深度学习

      原文链接:
    • 维普
    • 万方数据

    面向多时间步风功率预测的深度时空网络模型

    胡健鹏张立臣
    98-105页
    查看更多>>摘要：准确的风功率预测能为风电能源行业提供可靠的指导和决策依据,然而传统的建模方法主要是将风功率预测问题转换为时序预测问题,忽略了机组间的空间信息,因此,提出一种面向多时间步风功率预测的深度时空网络模型.该模型采用编码器-解码器架构设计,首先,编码器根据历史功率信息建图,并使用图注意力网络(GAT)提取融合风场空间信息的机组特征;其次,使用门控循环单元(GRU)提取输入数据中的时间特性,从而得到关于该机组的风能时间特征;最后,在解码器融合编码器输出的时空特征后,使用样本卷积和交互网络(SCINet)融合不同时间尺度分辨率下的时空特征,输出未来多时间步风功率的预测值.在WindFarm1数据集上的实验结果表明,在预测步数为72时,所提模型的绝对平均误差(MAE)低至42.38,相较于双向门控循环单元(Bi-GRU)的MAE下降了4.25%;所提模型的均方根误差(RMSE)低至42.71,相较于Autoformer的RMSE下降了8.70%.而在WindFarm2数据集上的泛化性实验结果表明,所提模型在不同风场中具备适用性,为未来风功率的准确预测提供了一种新的途径.

    风功率预测时空网络图注意力网络样本卷积和交互网络门控循环单元时间序列

      原文链接:
    • 维普
    • 万方数据

    基于多层次图对比学习的序列推荐模型

    余肖生王智鑫
    106-114页
    查看更多>>摘要：针对现有的基于对比学习的序列推荐模型只考虑了项目和项目或者序列和序列这一个层级的表示学习,而没有办法学习到精细的、易于区分的用户与项目表示的问题,提出一种基于多层次图对比学习的序列推荐(MLGCL-SR)模型.首先,根据用户点击项目的顺序构建项目转移图,并对它进行嵌入表示;其次,利用优化后的双向门控图神经网络(BI-GGNN)在嵌入的项目转移图上进行用户的表示学习;最后,对主要推荐预测任务通过交叉熵损失函数进行参数更新,并使用多层次对比学习任务在嵌入层、节点层、序列层三个层次辅助推荐预测任务进行参数更新,其中在嵌入层和节点层辅助推荐预测任务进行更好的项目表示,而在序列层辅助推荐预测任务进行更好的用户表示.在3个基准数据集Sports、Beauty、Toys上的实验结果表明,相较于对比的最优模型MCLRec(Meta-optimized Contrastive Learning for sequential Recommendation),MLGCL-SR模型在命中率(HR)和归一化折损累计增益(NDCG)指标上有了显著的提升,在能较好反映推荐效果的NDCG@10指标上分别提升了14.2%、19.1%和23.1%,验证了模型的有效性.

    推荐系统序列推荐对比学习双向门控图神经网络

      原文链接:
    • 维普
    • 万方数据

    基于加权锚点的自适应多视图互补聚类算法

    区卓越邓秀勤陈磊
    115-126页
    查看更多>>摘要：在多视图聚类问题中,充分挖掘各视图间的关联信息,并降低冗余信息对聚类效果的影响是当前亟须解决的问题,但现有算法会忽略各视图间的互补性及差异性,或没有考虑冗余信息带来的干扰,从而导致聚类效果不佳.针对这些局限性,提出一种基于加权锚点的自适应多视图互补聚类算法(SMCWA).在应对高维多视图数据的挑战时,首先,将特征直连迁移至锚点机制,从而融合各锚图来利用视图间的互补性信息;其次,在迭代过程中,使用加权矩阵动态确定各锚点的权重,从而弱化冗余信息的表达;最后,使用自动权重机制为各视图自适应地分配适当的权重,以利用视图间的差异性.将上述优化步骤整合至同一算法中,使视图互补性、冗余信息的弱化以及视图差异性在多步迭代中相互促进、相互学习,进而提高聚类效果.实验结果表明,在BDGP(Berkeley Drosophila Genome Project)数据集上,SMCWA在马修斯相关系数(MCC)上较谱聚类算法SC-Concat提升了41.75%;在CCV(Columbia Consumer Video)数据集上,SMCWA在MCC上较大规模线性时间多视图子空间聚类(LMVSC)算法提升了11.83%;在Caltech101-all数据集上,SMCWA在MCC上较谱聚类算法SC-Best提升了19.57%,说明该算法可充分考虑视图间的互补性信息、视图间的差异和冗余信息来提高聚类效果.

    自动权重机制互补性锚点机制子空间聚类多视图聚类

      原文链接:
    • 维普
    • 万方数据

    位置大数据的联邦学习统计预测与差分隐私保护方法

    晏燕钱星颖闫鹏斌杨杰...
    127-135页
    查看更多>>摘要：针对分布式位置大数据收集导致的信息孤岛问题和位置隐私泄露面临的风险,提出一种基于联邦学习的位置大数据统计预测与隐私保护方法.首先,构建基于横向联邦学习的位置大数据统计预测发布框架,该框架允许各行政区域的数据收集者保留各自的原始数据,并使多个参与方通过交换训练参数来协同完成预测模型的训练任务;其次,针对具有时空序列特性的位置大数据密度统计预测问题,设计PVTv2-CBAM,以提高客户端预测结果的准确性;最后,提出一种差分隐私预算的动态分配和调整算法,并结合MMA(Modified Moments Accountant)机制实现对客户端模型的差分隐私保护.实验结果表明,相较于卷积神经网络(CNN)、长短期记忆(LSTM)网络、卷积LSTM(ConvLSTM)模型,PVTv2-CBAM在Yellow_tripdata数据集和T-Driver轨迹数据集上预测的平均绝对误差分别降低0～62%和39%～44%;所提差分隐私预算动态分配和调整算法在调整阈值为0.3和0.7时,使模型预测的准确率与无动态调整相比分别提高了约5%与6%.以上结果验证了所提方法的可行性和有效性.

    位置大数据位置隐私联邦学习差分隐私深度学习

      原文链接:
    • 维普
    • 万方数据

    基于联邦图神经网络的位置隐私保护推荐方案

    朱亮慕京哲左洪强谷晶中...
    136-143页
    查看更多>>摘要：传统的位置服务推荐方案未考虑用户偏好及潜在社交关系等问题,导致推荐结果无法满足用户的个性化需求.图神经网络(GNN)凭借较好的图结构数据处理能力,被广泛用于位置推荐领域;然而,此前研究里中心化的数据范式容易造成位置隐私泄露的问题.因此,提出一种基于联邦图神经网络的位置隐私保护推荐方案(FedGNN-LPR).首先,通过图注意力网络学习用户的社交关系嵌入和兴趣点(POI)嵌入;其次,建立基于POI的伪标签标注模型预测用户对未知位置的访问次数,以保护用户隐私并缓解冷启动问题;最后,提出基于差分隐私的聚类联邦学习策略保护客户端的交互数据并解决数据异质性问题.在两个公开的真实数据集上进行实验的结果表明,在平均绝对值误差(MAE)和均方根误差(RMSE)方面,所提方案比联邦平均(FedAvg)算法分别降低了7.89%和9.29%,比FL+HC算法分别降低了2.32%和2.75%;并且,所提方案在联邦学习位置推荐上展现出更好的性能.因此,FedGNN-LPR不仅能保护用户位置隐私,而且提高了位置推荐性能.

    基于位置的社交网络联邦学习图注意力网络伪标签位置推荐

      原文链接:
    • 维普
    • 万方数据

    基于可编程软件定义网络的动态网络防御方案

    左志斌杨凯邓淼磊王德民...
    144-152页
    查看更多>>摘要：嗅探攻击和洪泛攻击是物联网中两种常见的攻击方式:嗅探攻击隐蔽性强,旨在窃取用户数据;而洪泛攻击具有破坏性,会影响正常的网络通信和服务.攻击者可能利用嗅探攻击寻找攻击目标,然后通过洪泛攻击对目标进行攻击,这种攻击方式使IoT面临严重的安全威胁.而端信息跳变、虚假IP跳变、双IP跳变等防御手段侧重于单一类型的攻击,难以有效地应对这种攻击方式.针对IoT环境下面临的安全问题,提出一种基于可编程软件定义网络(SDN)的动态网络防御方案.在攻击侦查阶段,通过动态改变协议号和周期性跳变数据包中的四元组,可成功混淆端信息,从而有效抵御嗅探攻击.在攻击实施阶段,通过首包丢弃和源认证的方式,可成功抵御洪泛攻击,从而显著提高网络的安全性.仿真实验结果表明,与传统针对单一类型攻击的防御方案相比,该方案能在网络攻击的不同阶段有效抵御嗅探攻击和洪泛攻击,并保持了较低的通信时延和CPU负载.

    物联网软件定义网络移动目标防御洪泛攻击嗅探攻击

      原文链接:
    • 维普
    • 万方数据

    基于回声状态网络的智能合约漏洞检测方法

    刘春霞徐晗颖高改梅党伟超...
    153-161页
    查看更多>>摘要：区块链平台上的智能合约是为链上各方提供安全可信赖服务的去中心化应用程序,而智能合约漏洞检测能确保智能合约的安全性.然而,现有的智能合约漏洞检测方法在样本数量不均衡和语义信息挖掘不全面时,会出现特征学习不足和漏洞检测准确率低的问题,而且,这些方法无法对新的合约漏洞进行检测.针对上述问题,提出一种基于回声状态网络(ESN)的智能合约漏洞检测方法.首先,根据合约图,对不同语义、语法边进行学习,并利用Skip-Gram模型训练得到特征向量;其次,结合ESN和迁移学习,实现对新合约漏洞的迁移扩展,以提高漏洞检测率;最后,在Etherscan平台搜集的智能合约数据集上进行实验.实验结果表明,所提方法的准确率、精确率、召回率和F1分数分别达到了94.30%、97.54%、91.68%和94.52%,与双向长短时记忆(BLSTM)网络、自注意力机制的双向长短时记忆(BLSTM-ATT)相比,所提方法的准确率分别提高了5.93和11.75个百分点,漏洞检测性能更优.消融实验也进一步验证了ESN对智能合约漏洞检测的有效性.

    漏洞检测智能合约回声状态网络迁移学习区块链

      原文链接:
    • 维普
    • 万方数据

    面向政务协同的访问控制模型

    赵大燕何华均李宇平张钧波...
    162-169页
    查看更多>>摘要：针对政务协同场景需求复杂多样、人员流动管理困难、数据隐私度高和数据量大的特点,提出面向政务协同办公的访问控制(GBAC)模型.政务协同场景中的访问控制需要实现多部门对同一资源进行不同操作的需求,而现有的主流访问控制技术面临访问控制粒度不够精细和管理维护成本过高的问题,缺乏安全、灵活、精准的访问控制模型.因此,结合政务部门的运行机制,首先,将政府组织结构和行政区划结构融入访问控制模型,并构建政务人员、组织、资源和行政区划的归属关系树;其次,结合政务工作人员所属组织和岗位等属性,构建联合主体,以实现自动化的权限授予和解除;然后,根据组织职能和行政区划等级设计主客体属性匹配策略,从而打通数据壁垒,并提高鉴权效率;最后,引入权限分级思想,为资源设置数据级别和功能级别,以控制主体的访问阈值,从而提高模型灵活性,并进一步保障数据安全.实验结果表明,与基准模型如基于角色的访问控制(RBAC)和基于属性的访问控制(ABAC)相比,GBAC模型的内存消耗大幅减小,访问时延更低.可见,所提模型能安全、高效、灵活地实现政务协同场景下的权限管理.

    访问控制访问策略政务协同数据共享基于角色的访问控制基于属性的访问控制

      原文链接:
    • 维普
    • 万方数据

    基于信誉的委员会共识机制

    孙敏焦世行王晨燕
    170-177页
    查看更多>>摘要：授权股权证明(DPoS)作为主流共识机制的一种,选举过程耗时长、节点投票不积极和恶意节点难处理的核心问题制约着它的快速发展.针对上述问题,提出一种基于信誉的委员会共识机制——幸运信誉证明(PoLaC).首先,将信誉值作为节点历史行为的评估标准,并选择高信誉节点作为委员会成员,从而极大地简化选举流程;其次,引入幸运值概念来提高普通节点竞选成功的概率,从而激励普通节点参与网络共识;最后,采取延迟分叉的方式修正恶意节点的行为.实验结果表明,在共识通信量方面,投票意愿为50%时,PoLaC网络比DPoS网络的共识通信量少30%;在低权重节点收益方面,PoLaC网络的收益是DPoS的3倍;在委员会恶意节点占比方面,进入信誉稳定期的PoLaC网络的委员会恶意节点数约为DPoS的1/5;而相较于其他同类信誉共识机制,PoLaC在网络通信量、节点活跃度以及恶意节点处理方面均具有一定优势.

    区块链共识机制委员会共识信誉选举授权股权证明

      原文链接:
    • 维普
    • 万方数据