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

    基于n值关系语义的命题模态逻辑系统研究

    周张泉杨成彪刘军
    71-77页
    查看更多>>摘要:传统的多值模态逻辑系统将关系语义中的状态及状态间的关系进行了多值化处理。然而,实际应用中状态间的关系往往是确定的,无需多值化。针对这种情况,基于Łukasiewicz代数系统提出了一种新的命题模态逻辑n值关系语义。在所提出的n值关系语义中,针对状态进行了多值化处理,同时保持了状态间关系的确定性。通过对逻辑公式的形式化定义以及可满足性和有效性的分析,证明了n值关系语义下经典命题模态逻辑系统K,T,S4 和S5 的正确性。进一步地,给出了极大一致集与典范模型在n值关系语义下的定义,并完成了上述经典命题模态逻辑系统的完备性证明。上述结论表明基于n值关系语义的命题模态逻辑系统能够涵盖并捕捉到经典逻辑系统中的所有有效命题。综上所述,所提出的基于Łukasiewicz代数系统的n值关系语义提供了一种在实际应用中处理多值状态及确定的状态间关系的方法。这种方法在扩展命题模态逻辑系统的形式化定义与关系语义是可行且有效的。

    模态逻辑多值逻辑关系语义Łukasiewicz系统正确性和完备性

    基于GRU_LSTM及RL算法的伪随机指令生成器

    欧阳有恒严大卫
    78-83页
    查看更多>>摘要:在CPU验证过程中,传统伪随机指令生成器通过生成大量合法无序的指令序列,从而实现功能覆盖率或代码覆盖率的验证目标。然而,没有趋向针对性的指令生成,为达到指标需要耗费大量的人力及时间成本。该文以一款基于精简指令集(RISC-V)自研核心为例,在基于通用验证方法学(Universal Verification Methodology,UVM)的验证平台上设计出一种伪随机指令生成器,并针对普通伪随机指令生成器覆盖率低、收敛速度慢的问题,建立GRU_LSTM算法模型,并结合强化学习(Reinforcement Learning,RL)算法构建新算法模型RLGRU_LSTM应用于伪随机指令生成过程,并且针对RL方向决策,提出了基于霍夫曼编码的CPU指令包编码方式训练opcode分布,同时融合了CPU指令类型和指令间执行顺序因素,快速捕获人工定向验证预料不到的验证盲点,有效加快了代码覆盖率达到预期的进程。该文着重描述伪随机指令生成器及RLGRU_LSTM算法对模型训练过程的指导。实验结果表明,与直接使用伪随机指令生成技术相比,该方法在约定伪随机指令条目下,相比传统伪随机方法能提高约19%的覆盖率,收敛至目标覆盖率消耗时长减少22%。

    门控循环单元长短记忆强化学习伪随机指令生成通用验证方法学

    基于节点静默-激活机制的优化链路状态路由研究

    黄锌源王睿郭一平胡谷雨...
    84-89页
    查看更多>>摘要:优化链路状态路由协议(OLSR)是移动自组织网络(MANET)中使用十分广泛的路由技术,在网络中会通过定期地交互HELLO消息以获取节点邻居状态并感知与邻居之间的链路情况。针对OLSR在易受干扰的战场信息网络中应用时,会使得节点在传输资源有限的情况下持续发送大量冗余HELLO信息,导致路由开销增大的问题,提出了一种基于节点静默-激活机制的优化链路状态路由(SA-OLSR)协议。该协议分为HELLO信息接收和发送两个模块,通过对节点最近一次接收到的HELLO包时间分析,感知当前节点所处的网络环境状况,判断节点是否需要进入静默状态,从而改变HELLO包的发送时间间隔,优化HELLO信息的发送频率。该文使用OPNET搭设仿真平台,模拟出网络环境中遭受到干扰的情况,对SA-OLSR,OLSR以及现阶段MANET中常用的AODV协议进行了对比分析。仿真结果表明,相比于传统的OLSR,SA-OLSR能够降低干扰网络中近10%的HELLO包控制开销、减小网络中出现长时期拥塞的概率;与AODV协议相比,SA-OLSR的平均时延较低,且时延波动比较稳定。同时能大大增加网络的吞吐量。

    OLSR邻居监听算法战场信息网络MANETHELLO消息

    基于MQTT协议的轻量化文本信息分发技术研究

    熊风光陈霖韩慧妍张元...
    90-97页
    查看更多>>摘要:随着卫星通信网络的发展,基于卫星通信网络实现手机、平板电脑等移动通信设备之间的通信成为研究的热点。由于其采用无线电波进行信号传输,且需要经过多个中继站进行信号的转发和处理,导致存在网络延时大、丢包率高以及信道狭窄等问题。针对文本信息在卫星通信网络下的分发过程存在效率低下、可靠性不高的问题,设计一种基于MQTT(Message Queuing Telemetry Transport)协议的轻量化文本信息分发技术。该技术使用MQTT协议作为消息传输协议,在文本信息分发前对MQTT协议进行主题设计、发布订阅机制设计、设备连接设计以及设备心跳设计,确保设备之间的连通性;在文本信息的分发过程中,设计数据校验加密算法、文本信息轻量化处理方法和离线消息存储机制,保证文本信息分发的安全性、可靠性。实验结果表明:相较于传统的基于JSON数据的文本信息分发技术,该技术在提高文本信息分发效率的同时,可确保信息分发的安全性、完整性和稳定性。

    MQTT协议轻量化文本信息分发数据加密离线消息存储

    边缘场景下动态联邦学习优化方法

    王志良何刚俞文心许康...
    98-104页
    查看更多>>摘要:边缘计算(Edge Computing)是一种新的计算方式,通过在网络边缘提供计算服务,与传统的云计算模式相比,具有高可信度和低延迟等特点。联邦学习(FL)作为一种分布式机器学习方法,尽管具备保护隐私和数据安全的特性,却仍然面临设备异构和数据不均衡等问题,导致出现部分参与者(边缘端)训练时间长、训练效率低下等问题。为了解决上述问题,该文提出了一种名为FlexFL的动态联邦学习优化算法。该算法引入了两层联邦学习策略,通过在同一参与者部署多个联邦学习训练服务和一个联邦学习聚合服务,将本地数据集平均分配给各个联邦学习训练服务,并每回合激活一定数量的训练服务。未激活的服务将休眠,不占用计算资源,并将资源平均分配给激活的服务,以加快训练速度。该算法能够平衡参与者设备异构和数据不均衡性带来的训练时间差异,从而提高整体训练效率。在MINST数据集和CIFAR数据集上与FedAvg联邦学习算法进行了对比实验,结果显示,FlexFL算法在减少时间消耗的同时,不降低模型性能。

    边缘计算机器学习联邦学习服务动态缩放数据不均衡设备异构

    面向流程工业系统的关键攻击步骤识别

    陈翊璐王子博张耀方梁超...
    105-112页
    查看更多>>摘要:流程工业系统面临愈来愈多的威胁,基于攻击图的关键攻击步骤识别方法能够主动识别系统威胁,提高系统安全性。然而现有方法未考虑流程工业系统层次结构、工艺执行、事故危害等特征,无法全面准确衡量系统安全情况。为此,提出一种基于混合攻击图的关键攻击步骤识别方法,通过对攻击步骤重要性程度进行排序,实现面向流程工业系统的关键攻击步骤识别。首先,构建混合攻击图识别攻击者可能采取的攻击步骤,克服传统攻击图构建方法对网络可达性的依赖。其次,综合流程工业系统特征量化攻击期望,改进接近和介数中心性指标,以捕捉混合攻击图中的攻击路径信息,同时提出边期望中心性实现节点连接边的重要性度量。最后,改进多属性决策方法实现关键攻击步骤识别。实验分析表明,所提方法能够较全面地识别系统潜在威胁,合理衡量攻击步骤节点及连接边的重要性,有效识别流程工业系统场景中的关键攻击步骤。

    流程工业系统攻击图攻击路径中心性指标关键攻击步骤

    基于贝叶斯攻击图的RFID系统安全评估模型

    马荟平李鹏肖航朱枫...
    113-119页
    查看更多>>摘要:针对目前RFID(Radio Frequency Identification,射频识别技术)系统安全分析中忽略攻击事件对系统安全状态动态影响的问题,为了有效实现RFID系统的安全风险评估,文章提出了一种基于贝叶斯攻击图的RFID系统安全评估模型。该模型首先通过对RFID系统结构、所用协议进行分析确定系统的脆弱性漏洞及其依赖关系,建立攻击图。针对攻击图模型只能进行定性分析的问题,构建出相应的攻击图模型结构后可以结合贝叶斯理论对其进行量化。依据漏洞的利用难易度和影响程度建立RFID漏洞量化评价指标,计算出对应的原子攻击概率,然后以条件转移概率的形式将攻击节点与RFID系统的安全属性节点联系在一起,不仅能推断攻击者能够成功到达各个属性节点的风险概率,而且能够依据攻击者的不同行为动态展示系统风险状况的变化,实现评估不同状态下目标RFID系统的整体风险状况。实验表明,所提模型可以有效地计算出RFID系统整体的风险概率,为后续实施对应的安全策略提供理论依据。

    贝叶斯射频识别技术攻击图原子攻击属性节点安全评估

    基于字典的压缩加密查询方案研究

    田萍芳郭万涛
    120-126页
    查看更多>>摘要:RDF(资源描述框架,Resource Description Framework)压缩方案可以有效压缩庞大的RDF数据集,RDF加密方案可以有效提高数据的安全性。结合这两种方案,该文提出了一种基于字典的压缩加密查询方案。首先,通过原始的RDF数据集构建字典集,实现数据的压缩;然后,通过字典集生成密文ID三元组,实现数据的加密。将字典集存放在可信区域,密文ID三元组存储在不可信区域。查询时,首先通过字典集将查询语句中的关键词转换成对应的密文关键词,然后在密文ID三元组上查询与密文关键词相关的数据,将得到的密文数据传送至可信区域,在可信区域进行解密和解压缩操作,得到最终的明文数据。该方案将查询操作与解密解压缩操作分开,查询只在不可信区域操作,解密解压缩则在可信区域操作,从而进一步提高数据的安全性。最后,在5 个数据集上与其他RDF加密方案进行了对比实验,实验结果证明了该压缩加密查询方案在查询性能上有一定的提升,验证了该方案是可行的和有效的。

    RDF压缩RDF加密字典加密查询资源描述框架

    基于改进PRM算法的机器人路径规划

    封澳杨锦宇谢玉阳孙延康...
    127-133页
    查看更多>>摘要:概率路线图(Probabilistic Roadmap,PRM)算法是移动机器人领域常用的路径规划算法。针对传统PRM算法存在采样点分布不均匀、路线图构建效率低以及路径冗余不平滑等问题,提出了一种改进PRM算法。使用二维Sobol序列优化采样策略,保证采样点全局均匀分布,优化采样点的覆盖面积,提高了采样点的质量;其次,对采样点进行邻域分类并施加连接约束,使相邻邻域采样点进行连接,减少路线图的大小,提高了路线图的构图和搜索效率;接着,使用节点平移优化算法优化节点位置,使优化路径符合实际空间中的最优路径;最后,使用贝塞尔曲线平滑路径拐点,使生成的路径更符合机器人的实际运动约束。大量仿真实验结果表明,改进PRM算法可以有效提升规划路径的质量且受采样点数量的影响较小。相比于传统PRM算法和其他改进PRM算法,提出的PRM算法在路径长度、运行时间和成功率上具有明显优势。

    概率路线图路径规划路径优化策略Sobol序列贝塞尔曲线

    基于图卷积的离子液体CO2溶解度可解释性预测

    张茜茜陈平
    134-141页
    查看更多>>摘要:为构建离子液体的CO2溶解度的准确预测模型,考虑到传统模型存在的描述符计算复杂、成本高、关联结构与性质困难、结构特征提取不充分等问题,提出一种融合了加入注意力机制的图卷积神经网络和XGBoost的预测模型(APGCN-XGBoost)。对9 897 组离子液体的CO2溶解度数据的分析结果显示,所提出的APGCN-XGBoost模型在预测性能上优于传统的分子指纹模型和图卷积神经网络模型。此外,通过注意力池化层与SHAP方法对模型进行解释,APGCN-XGBoost模型学习到了离子液体中各个原子和结构的特征信息与分子非局部信息,这些特征信息不仅可以用于性质预测,还可以用于探索化学结构与性质之间的联系,即通过模型的解释,筛选出对于溶解度预测重要的离子液体结构信息,从而实现CO2捕获过程中理想离子液体的计算机辅助设计和筛选。

    图卷积神经网络离子液体性质预测溶解度可解释性