首页期刊导航|计算机技术与发展
期刊信息/Journal information
计算机技术与发展
陕西省计算机学会
计算机技术与发展

陕西省计算机学会

王守智

月刊

1673-629X

ctad@vip.163.com

029-85522163

710054

西安市雁塔路南段99号

计算机技术与发展/Journal Computer Technology and DevelopmentCSTPCD
查看更多>>《计算机技术与发展》期刊，原名《微机发展》，中国计算机学会会刊，中国科技核心期刊、中国科技论文统计源期刊。中国学术期刊综合评价数据库统计源期刊，中国核心期刊数据库收录期刊，中国期刊全文数据库收录期刊，万方数据资源系统数字化期刊群上网期刊，中国学术期刊（光盘版）全文收录期刊。中国计算机学会和陕西省计算机学会共同主办。刊名为著名科学家胡启恒院士亲笔所提，中国计算机学会名誉理事长张效祥院士写了创刊词。1991年创刊，国内统一刊号CN61-1450/TP，国际刊号:ISSN 1673-629X。该刊为综合性学术技术刊物、月刊。该刊在国内外有广泛的覆盖面，国内读者分布在全国30个省市，国际读者分布在北美、西欧、韩国、日本以及我国港、澳、台等38个国家和地区。几年来高水平的论文刊登数量明显增加，各类自然科学基金论文刊登数量已超过80%，各项指标在我国自然科学自动化、计算机类（TP）多种期刊中排名前列，已成为全国最具影响力的自然科学杂志之一。 该刊在我国计算机界有广泛的作者群体，主要稿件来源单位有：北京大学、清华大学、南京大学、复旦大学、同济大学、浙江大学、中国科学技术大学、国防科技大学、上海交通大学、西安交通大学、北京航空航天大学、南京航空航天大学、华中科技大学、哈尔滨工业大学、西北工业大学、吉林大学、武汉大学、中山大学、四川大学、山东大学、厦门大学、天津大学、重庆大学、中南大学、东北大学、上海大学、福州大学、安徽大学、西北大学等全国数百所重点大学以及中国科学院、中国航空、航天、电子、中国水电、中国建筑、中国测绘科学研究院等重点研究院所等。 刊载内容涉及国内外计算机科学的发展方向、技术和创新的最新成就、软件工程的最新成果、应用开发的成功经验等，在学术界有较好的影响。为我国计算机的创新、设计、开发、应用创造了一个宽舒和谐的学术交流的氛围，提供了一个良好的学术、技术展示的平台，成为我国计算机和嵌入式系统领域最具有代表性的前沿性的刊物之一。该刊的编委是来自北京大学、清华大学、南京大学、复旦大学等九所知名大学和七所重要研究所，以及美国、加拿大的外籍专家共22位著名教授或研究员组成。以沈绪榜院士为首的编委会顾问组把握着期刊的大方向.
正式出版
收录年代

    增强的Zeek网络流量采集与监控分析系统设计

    沈萍陈俊丽张汉举
    77-83页
    查看更多>>摘要：随着计算机技术和网络攻击手段的不断发展，网络监控需求不断强烈。针对企事业单位网络监控效果与实际需求不匹配、缺少可复用的流量采集与监控分析一体化系统的现状，该文设计了增强的Zeek的网络流量采集与监控分析系统，用于企事业单位的流量管理。系统利用Zeek的可扩展性，设计了多端口识别与自定义采集时间间隔的功能，实现了对网络汇聚流量的更精准和灵活的采集。接着，将采集数据的本地存储与持久化存储相结合，在Web端提供对网络安全数据的全面分析。系统实现了流量数据的定制化采集、持久化存储与Web交互展示和控制功能，在保证现有应用系统平稳运行的前提下，降低了信息时延，满足了真实大规模网络环境流量数据的个性化采集和实时监测与溯源分析需求，同时为进一步扩展为其他应用模式提供了可用的架构基础。

    网络流量Zeek个性化采集端口识别流量监控分析Web

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多样化反馈演进策略的协议模糊测试

    钟宏夏云浩张金鑫马致原...
    84-92页
    查看更多>>摘要：网络协议是当今互联网通信的基础，其存在的安全问题可能会导致网络中大量设备面临灾难性风险。网络协议涵盖了各种层次和类型，每层都有其特性和目的，协议实现中的漏洞挖掘是计算机安全的一个具有挑战性的问题。该文提出一种适配多种公开或私有网络协议的黑盒模糊测试方案，可以在无需了解协议代码和规范的状况下发现协议实现中的漏洞。该方法面对物理层到应用层的多种网络协议，可以实现自动特征提取与学习，并依据结果生成高效的测试用例。同时，设计状态反馈、权重反馈、机器学习等多种反馈演进变异策略提高测试用例的有效性。此外，采用污点分析、执行流跟踪等技术监控被测目标测试执行过程及结果，使得测试结果更加精准，提升漏洞挖掘准确率。为了评估该方法的有效性，设计并实现了一个模糊测试原型系统，成功识别出协议实现中存在的未知漏洞。此外，还与业界主流的模糊测试工具进行了性能对比，从变异效率的多个维度体现该方法的优势。

    网络协议漏洞挖掘模糊测试状态反馈权重反馈机器学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于RTM信任模型的DPoS共识机制改进研究

    高玮军张小芳
    93-99页
    查看更多>>摘要：为了解决传统DPoS共识算法中存在的恶意行为"摇摆节点"问题和因权益分配不均所造成的"财富集中"问题，提出了一种基于RTM信任模型改进的R-DPoS共识算法。首先，该算法根据节点间的信息传播方向与交易关系对网络节点进行集合分类，在考虑了时间衰减因子等影响因素的条件下分别计算了各节点的直接信任值、推荐信任值以及全局信任值;其次，引入了节点摇摆度值概念，根据计算得到摇摆值的大小，将相邻共识轮次前后该值的变化情况进行比较，再对摇摆节点做出不同程度下的共识轮次惩罚限制措施;最后，在见证人节点投票过程中，增加了平衡反对票环节，再利用前期得到的综合信誉值，构建了一套新的记账节点选举评估准则，根据每轮计算后得到的节点评估值大小来动态地选择见证人节点，并完成一轮共识过程。仿真实验结果表明:改进后的共识算法相较原始DPoS共识算法、基于奖励机制和信用机制的改进共识算法而言，节点选举成为见证人节点的积极性提高了24%、18%，公平性增加了15%、10%，节点作恶的概率降低了9%、15%。

    区块链信任模型DPoS共识算法摇摆节点信誉值

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于EBPN模型的电子商务结构化安全验证方法

    宋浩天刘伟
    100-109页
    查看更多>>摘要：电子商务借助互联网中app等形式作为媒介，打破传统的面对面交易体系，使系统变得更复杂，以至易产生更多恶意行为，这些恶意行为可能来自用户，商家或第三方平台等。第三方支付平台的加入使程序逻辑设计更复杂，更多结构化问题产生。为此，首先，根据基于Petri网的电子商务业务流程网模型，对电子商务系统进行建模推演，提出了电子商务业务流程关键网模型。其次，根据基于角色访问控制策略中的基数约束和职责分离进行改进，提出了电子商务模型中的行为分离和变迁约束。通过对序列发生的充分性进行补充，完善在Petri网模型中变迁序列发射的充分必要条件，为构建线性不等式提供了条件。最后通过构造线性规划的方法对网模型系统中的变迁约束和行为分离进行求解，进而验证系统的结构化安全性。

    电子商务Petri网基数约束整数线性规划结构化安全

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    CMNER:基于微博的中文多模态实体识别数据集

    季源泽李霏
    110-117页
    查看更多>>摘要：多模态命名实体识别(MNER)旨在通过相关图像的辅助从文本中定位并分类命名实体。目前，中文多模态命名实体识别研究缺乏相关的人工标注数据，限制了中文多模态命名实体识别的发展。该文旨在构建一个基于社交媒体平台的中文MNER数据集，收集了5 000 条微博帖子和18 326 张相应的图像，并人工标注了其中的人名、地名、组织机构名和其他类实体。该文在此数据集上应用了ACN模型和UMT模型进行基线实验。实验结果表明，两个模型的F1 值分别达到了74。22%和89。50%，证明了数据集的有效性和可用性。此外，该文还进行了跨语言迁移学习实验，证明了中文和英文MNER数据能够相互补充，增强实体识别模型的性能。为了促进中文多模态命名实体识别的相关研究，该文公开了CMNER数据集和相关代码。

    多模态命名实体识别图像命名实体中文跨语言

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于LSTM和位置增强的软提示向量优化

    刘振东程春玲刘倩
    118-125页
    查看更多>>摘要：软提示学习是应用预训练语言模型的新兴方法，然而软提示学习所生成的向量可能缺乏序列结构，影响模型在特定位置定义信息的能力导致模型的性能受损。为此，该文深入探究软提示向量序列结构及其对模型性能的影响，发现软提示向量在不同语言模型类型、模型规模、下游任务类型及提示长度均展现出顺序敏感的问题。针对该问题，提出一种基于LSTM和位置增强的软提示排序网络，首先采用改进的LSTM网络实现软提示排序调优，其中对每个门控处添设提示选择门，以捕获序列信息生成优序的软提示向量。其次针对排序过程提出一种位置增强模块，结合绝对与相对位置信息优化排序。在GLUE数据集上的测试表明，该方法相较于基线带来了平均3。1%的性能提升。

    软提示向量序列结构顺序敏感性位置编码长短期记忆

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于注意力网络集成的联机空中手写识别研究

    张墨逸邢蕾叶洪昶陈海燕...
    126-133页
    查看更多>>摘要：针对联机空中手写识别的数据样本少、模型泛化能力不足、识别率低等问题，提出一种基于注意力网络集成的联机空中手写识别方法。该方法首先通过在形状特征中融入"联机"的时序特征，构建原始的多维数据;然后对多维融合数据降维投影到三个正交平面上，得到三组投影特征;其次，构建卷积神经网络用于提取视觉特征，同时引入字符嵌入作为图像的类标签，将类标签字符级语义特征通过注意力检测机制与三组视觉特征融合形成三组语义信息丰富的特征图，并基于特征图构建SoftMax分类器;最后，通过基于主学习器集成投票方法进行分类与识别。在两组空中手写数据集与哈工大(HIT-OR3C)联机数据上进行多组实验，在小样本的情况下，该方法识别率优于其他方法，分别达到95。68%，93。02%，94。96%。实验结果表明，该方法在小样本数据的情况下，充分发掘联机空中手写数据中有效特征，提高了空中手写识别效率。

    空中手写联机手写小样本学习数据融合注意力网络集成学习手势识别

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种辅助决策智能体及与生成式AI的联合应用

    陈宏志林秀峰
    134-139页
    查看更多>>摘要：现阶段，受限于数据的私域属性、数据治理品质的差异，垂直领域细分场景较高的复杂机理和专业知识门槛，以及较高的后服务成本，面向通识应用的生成式人工智能大模型或经小规模数据微调的大模型，仍难以在工业制造、能源生产、资产管理等场景下，解决用户希望结合现象，即时获得相应的推理决策结论，并实现一定程度的自主持续学习提升的需求。为此，该文提出了一种适用油气行业的自监督辅助决策智能体系统，基于多个不同角色智能体间的反馈和自监督，在问答决策类场景中，弥补大模型在专业语义理解、多轮自交互、判断决策及自主优化方面的短板，同时探索应用中等规模预训练大模型，面向垂直场景，实现类似超大规模基座模型表现的可行性。通过在钻井井控、装置资产运维管理、炼化装置操作指引三个高频场景中与AIGC大模型的联合应用，论证了该方法对降低大模型的工程应用门槛、可解释、降低应用成本等方面的有效性。

    生成式人工智能自监督智能体联合应用专业语义理解多轮自交互油气工业

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向小目标的自校正YOLOv5检测增强算法

    陈钧周井泉张志鹏
    140-147页
    查看更多>>摘要：为了解决汽车智能驾驶精度不够高、小目标漏检和误检的问题，提出了一种基于自校正卷积的YOLOv5s的道路目标检测算法。该算法主要设计了一种自校正卷积网络，通过深层特征提取以及特征融合来提高检测精度以及对小目标的检测能力。对自校正卷积网络进行轻量化处理，减少模型的大小以及训练过程中的参数量。增加小目标校正检测层，输出检测小目标的特征图。设计了SAIoU损失函数来代替目标框回归中的CIoU损失函数，加速目标框的回归。在公开的自动驾驶KITTI数据集和BDD100K数据集上对该算法进行了测试，检测的平均精度均值(mAP)分别可达到 95。1%和53。1%，相比于YOLOv5s算法分别提高了2。1 百分点和4。2 百分点。与其他算法进行对比实验，在检测精度和小目标检测能力上具有一定的优势，并且轻量化的自校正卷积网络在模型大小上相比于未进行轻量化处理的自校正卷积网络压缩了35%，提高了实时性。结果表明该算法能够满足实时性，能够提升检测精度以及小目标检测能力。

    智能驾驶自校正卷积YOLOv5s轻量化小目标检测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于对比学习和元优化学习的序列推荐方法

    谢林泽陈平华邓柏城
    148-155页
    查看更多>>摘要：序列推荐是根据用户和项目的历史交互记录对用户兴趣建模，进行下一项目推荐。对比学习(CL)作为一种辅助信息能够有效地提高推荐模型质量，但现有基于对比学习的序列推荐方法采取随机数据增强方式存在的效果不稳定及难以泛化的问题，为此，提出了一种基于对比学习和元优化学习的序列推荐方法。首先，在数据增强环节，根据序列中项目之间的时间间隔为序列生成数据分布更加均匀的数据增强视图;其次，构建可学习的模型增强模块，用于捕获数据增强视图中潜在的语义信息，增强模型的泛化能力;最后，为解决数据增强模块和模型增强模块之间不同优化目标问题，使用元优化学习方法优化更新两个模块之间的参数，进而完成推荐。在Beauty、Sports和Yelp等三个公开数据集上的实验结果显示，在召回率和归一化折损累计增益指标上，相较于其它基线模型，CLMLRec均有显著提升，表明该模型具有良好的推荐性能。

    序列推荐对比学习元优化学习数据增强模型增强

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据