摘要 时间序列预测在金融分析、能源规划等领域中具有重要的应用价值.以往研究主要聚焦于时间序列自身模态,致力于捕捉其数值变化特征.然而,本文注意到,除了数值模态外,描述领域、变量和任务的元数据能够有效区分不同的预测场景,对时间序列的准确预测十分重要.基于这一观察,本文提出了一种元数据引导的时序变换器网络MetaTST,能够有效地将特定场景下的多层级元数据融入深度模型,实现富信息支撑的时间序列预测.具体地, MetaTST首先通过预定义的解析模板,将非结构化元数据信息标准化为自然语言形式的元数据描述,然后利用大语言模型将其编码为元数据令牌,以作为原有数值模态的补充;进一步, MetaTST采用Transformer编码器将时间序列数据与元数据令牌深度融合,借助丰富的元数据信息扩展时序表征,让模型能够自适应感知不同的预测场景与任务,从而实现更准确的时序预测.在实验中, MetaTST在时间序列短期和长期预测基准数据集上取得了一致最优的预测性能,特别是在处理大规模、多样化的时间序列预测任务时表现出色.

关键词 时间序列预测; 元数据; 深度学习; 大语言模型; Transformer; time series forecasting; metadata; deep learning; large language model

摘要 在复杂动态环境中,当前具身智能体面临着反应迟缓、难以适应环境变化等问题,传统架构难以满足真实具身交互需求.本文聚焦端到端学习的多模态具身大模型,建立从原始多模态输入到最终任务输出的直接映射,实现感知、认知与执行等模块的紧密耦合,提升物理环境中智能体响应速度和跨环境泛化能力.本文详细阐述该一体化架构的设计思路和关键技术挑战,分析该架构在智能制造、服务机器人及自动驾驶等领域的应用前景,探讨其对未来具身智能体演进趋势的影响.

关键词 具身智能; 多模态大模型; 感知-认知-执行一体化架构; 通用人工智能; embodied intelligence; multimodal large language models; unified perception-cognition-action architecture; artificial general intelligence

摘要 近年来,具身智能作为人工智能领域中的重要研究方向,旨在通过感知、交互和决策能力的融合,使智能体能够在复杂环境中自主地实现智能行为.此研究领域不仅关注智能体内部的算法模型计算过程,更将智能体的物理结构特性与外部环境的实时交互视为其智能产生的核心要素.上下文感知为具身智能领域提供了新的研究视角,成为赋能智能体理解环境语义,适应动态变化并自主作出高效决策的关键驱动力之一.基于此,本文从环境理解、信息认知推理和自主决策等方面系统性地梳理了当前具身智能领域的研究进展.针对智能体需要对多源感知数据进行实时语义理解和在长期任务中进行持续决策的挑战,本文进一步分析了基于上下文感知的具身智能感知–决策闭环框架的新范式如何依赖于有效的上下文建模和推理来自主适应动态环境和任务约束,使智能体能够在现实世界中实现更高效、更符合上下文的任务决策.此外,本文还探讨了具身智能领域中的其他挑战以及未来可能的研究方向.

关键词 具身智能; 上下文感知; 认知推理; 感知-决策闭环; 实时交互; 自主系统; embodied intelligence; context awareness; cognitive reasoning; perception-decision closed-loop; real-time interaction; autonomous system

摘要 近年来,具身智能技术展现出巨大潜力,其能够充分释放灵活、通用且灵巧的机器人系统的全部潜能,标志着人工智能由“虚拟智能”向“物理智能”的跨越.模仿学习作为具身智能中的重要学习框架,能够直接从专家示范中学习策略,具有简洁高效的训练优势,但其在数据使用效率、任务建模复杂性和泛化能力等方面仍面临挑战.扩散模型凭借其扎实的理论基础、强大的分布建模能力和稳定的训练过程,已在图像生成领域取得了显著成果.鉴于扩散模型在数据生成、高维数据处理和复杂分布建模上的优势,越来越多的工作将其引入模仿学习,为应对上述挑战提供支持.本文围绕扩散模型在模仿学习中的应用,从原理、改进、应用、数据集和展望五个方面进行深入的调研与分析.首先,介绍了扩散模型的基本原理,并探讨其引入模仿学习后形成扩散策略的背景与意义,然后介绍了扩散策略的基本框架.其次,深入讨论了扩散策略各个组成模块改进的方法,包括条件输入、策略输出、网络架构以及训练和采样方法.第三,介绍了扩散策略在机器人操作控制、移动导航两方面的应用.第四,总结了用于评估扩散策略使用的数据集和基准.最后,分析了当前扩散策略面临的挑战,并给出了几种未来可能的技术发展路线,为研究者提供参考.

关键词 具身智能; 扩散模型; 模仿学习; 扩散策略; 机器人控制; embodied intelligence; diffusion models; imitation learning; diffusion policy; robotic manipulation

摘要 方面级情感分析旨在挖掘文本中不同方面或特定对象的情感倾向,在舆情监管、商业推广、决策支持等领域具有重要应用价值.方面级情感分析方法通常依赖大量标注数据,然而在标注成本高昂或标注数据匮乏的应用场景中,模型性能往往显著下降,跨域迁移方法成为缓解该问题、提升模型泛化能力的有效途径.跨域方面级情感分析通常生成有标注的目标域数据,并利用这些数据训练跨域模型.然而,现有方法面临着生成数据与原始目标域数据语义偏差大、句式单一、伪标签质量差等问题,这些低质数据会限制模型学习目标域特征,导致迁移效果不佳.据此,本文提出了面向方面级情感分析的渐进式跨域分析方法,该方法通过4个阶段实现渐进式跨域适配:获取高质量目标域伪标签、生成与伪标签对齐的目标域文本、优化目标域生成文本、融合源域数据实现域迁移.在此过程中,模型参数在多个任务间传递,以实现渐进式跨域,同时生成高质量的目标域有标签数据实现最终的域迁移.结合多个公开数据集的实验结果显示,在跨域方面级情感三元组抽取任务中,与现有跨域方法相比,本文所提方法平均F1值提升1.28%;与不跨域方法相比平均F1值提升9.57%,证明了本文所提方法的有效性.

关键词 方面级情感分析; 跨域迁移; 多阶段渐进式; 语言模型; aspect-based sentiment analysis; cross-domain application; multi-stages and progressive; language model

摘要 当今机器学习(machine learning)能够针对给定任务通过数据训练并构建机器学习模型,使模型获得在相应任务上的预测和决策能力,可归纳为任务驱动的机器学习.现有方法依赖于外界人工引导,并基于经验对学习过程进行数据与任务指定、模型设定与参数学习,在真实动态开放环境中,无法像人类一样自主学习.本文提出自主机器学习(autonomous machine learning)的新概念.具体而言,本文将自主机器学习设计为一个由自我驱动、具有动态自主演化的学习过程,包括自主优化和自主演化.首先能够主动探索感知环境进行数据自选择、模型自适应、任务自切换,而不需要人工干预;同时,根据环境学习的反馈结果和自我状态进行动态自主演化学习,进一步提升自我.此外,本文还展示了一些自主机器学习的应用案例,最后讨论了未来的研究方向.我们期望自主机器学习可以使机器进行像人类一样的自主学习,并为通用人工智能提供一个新视角.

关键词 自主机器学习; 自我优化; 自主演化; autonomous machine learning; self-optimization; self-evolution

摘要 机器学习模型关于自身预测的不确定性估计在实际应用中十分重要,但当前的深度模型常面临输出置信度校准性能不佳的问题.为解决这一局限,研究人员提出了训练时刻校准(train-time calibration)和后校准(post-hoc calibration)两类方法,分别在训练过程中、训练结束后对模型进行校准操作.不同于以往研究,本文旨在探究深度神经网络的置信度可校准性,即模型在训练结束后进一步利用后校准方法提升其不确定性估计的能力.基于这一新视角,我们首先发现尽管现有训练时刻校准方法能在一定程度上提升校准性能,但这类方法往往会损害模型的置信度可校准性,进而难以利用后校准方法 (如温度缩放)提升模型不确定性估计表现.其次,我们针对参数衰减正则化这一被普遍采用的深度模型训练策略进行了系统性实验分析,并从模型隐含层特征可校准性的视角展开分析,发现上述方法在训练过程中对特征的“过度压缩”是损害置信度可校准性的原因.最后,受上述实验现象的启发,本文提出一种新型训练策略,通过对深度模型进行逐层剥离式训练,能够有效避免过度压缩现象对于置信度可校准性的损害,实验结果表明该方法能够在保证泛化性能的同时有效提升深度模型的置信度可校准性.

关键词 深度神经网络; 不确定性估计; 置信度校准; deep neural networks; uncertainty estimation; confidence calibration

摘要 对于部署在开放环境中的机器学习模型,具备检测来自分布外(out-of-distribution, OOD)数据的能力至关重要.小样本分布外检测(few-shot OOD detection, FSOD),旨在从少量训练样本中快速学习辨识分布内(in-distribution, ID)样本和OOD数据的能力,近年来受到了广泛关注.先进的FSOD方法通过对预训练多模态大模型进行提示学习以快速挖掘判别性类别知识,提升OOD检测水平.尽管如此,此类方法从“干净”训练样本中学得的模型在面对存在背景噪声的测试样本时鲁棒性较差,容易将带有背景噪声的ID数据错误地识别为OOD数据,反之亦然.为了解决此问题,本文提出一种基于临界噪声增强的小样本分布外检测方法 (near-boundary noise improved FSOD, NNI-FSOD).在训练阶段, NNI-FSOD借助多模态大模型强大的视觉–文本对齐能力,将训练样本中的图片区域划分为干净区域和噪声区域,并将噪声区域“变废为宝”用于紧致ID类别分布空间,提升OOD检测水平.在测试阶段, NNI-FSOD促使视觉–文本类别原型知识“优势互补”,以进一步提升ID分类和OOD检测性能.在多个数据集上的实验结果证明了NNI-FSOD的突出优势:平均而言, NNI-FSOD将基线方法的FPR95提升了11.05%, AUROC提升了2.24%, ID ACC提升了1.87%,最终超越先前最优方法取得最佳性能.

关键词 机器学习; 小样本学习; 分布外预测; 提示学习; machine learning; few-shot learning; out-of-distribution detection; prompt learning

摘要 香农(Shannon)早在20世纪中期提出了语法、语义、语用3个层面表达信息,但当时对语义没有找到很好的数学刻画方法,导致目前信息技术一直在语法层面表示信息.信息技术停留在信号的感知、传输和处理层面,缺乏对信号内容直接获取、传输和处理的理论方法.从信号到内容始终存在语义鸿沟.信号语义和内容至今还没有完好的数学表示,导致难以跨越语义鸿沟,更谈不上语义信息处理.如何跨越这个鸿沟,一直是计算、信息和智能领域共同研究的课题.当今社会进入智能时代,人机共处场景已经来临.特别是当前随着语义通信和智能方法和技术兴起,如何让智能机器理解好信号内容是智能科技中的关键.很多学者和研发人员对语义信息产生了浓厚的兴趣.但从专业角度出发,当前有关语义信息的概念非常不清晰,没有建立统一公认的语义信息定义和刻画,甚至有错误的观点,更没有对信号内容的数学刻画.本文讨论了信息的内涵,对语义信息的基本概念、产生物理过程、数学刻画和一致性度量等进行了论述,提出了基于语义信息信号内容的数学刻画方法,给出语义信息内容保真的超高倍信号压缩编码方法以及编码实验对比.以此形成语义信息处理理论基础,推动智能通信和人工智能技术发展.

关键词 语义信息; 信号内容; 语义通信; 信号超高倍压缩; 智能语义处理; semantic information; signal content; semantic communication; ultra-high compression of signals; intelligent semantic processing

摘要 说服是人类交互过程中的重要能力,赋予人机对话交互系统强大的说服能力,可以实现对交互过程中话题走向和主观逻辑的有效控制,促进人机交互系统进一步智能化.现有说服性人机对话交互研究缺乏对说服机理层面的建模,且仅关注于一对一的简单说服场景,难以适应复杂且更具有普适性的群体说服场景.鉴于此,本文提出“群智说服对话”的概念,利用多个角色各异的说服智能体,从不同的话题角度,结合多样化的群体说服策略,协同配合以高效完成说服任务.首先,本文从认知心理学基础理论出发,总结归纳可以有效改变说服者心理认知的群智说服对话策略.其次,对复杂群智交互场景下的说服过程进行深度剖析,建立面向复杂说服场景的通用群智说服对话系统架构,实现对群智说服对话场景的深入理解和全面建模.然后,本文对群智说服对话领域的研究挑战和关键技术进行了阐述和讨论.最后,介绍本文在这方面的研究实践.

关键词 群智说服对话; 说服策略; 群智能体; 认知心理学; crowd intelligence persuasive dialogue; persuasive strategies; crowd intelligence agents; cognitive psychology

关键词 图聚类模型; 平凡解; 快速聚类; 离散优化; 块坐标下降法; graph clustering model; trivial solution; fast clustering; discrete optimization; block coordinate descent method

关键词 强化学习; 多智能体系统; 多智能体协作; 开放环境机器学习; 开放环境多智能体协作; reinforcement learning; multi-agent system; multi-agent coordination; open environment machine learning; open environment multi-agent coordination

摘要 作为一种智能化软件形态,融合了神经网络和符号规则的神经符号系统正受到越来越多的关注,相关研究爆炸性增长.然而,现有技术仍然难以有效支持较大规模神经符号系统“端到端”的自动构建.神经网络训练和符号规则学习过程中对非确定性的不兼容的处理方式是造成神经符号学习效果欠佳的一个关键因素.本文旨在以非确定性管理的新视角,较为系统、一致、严谨地讨论分析“端到端”神经符号学习的技术挑战,并以此视角整理讨论相关工作的思路、进展和当前仍然存在的问题.在此基础上,展望下一步的发展方向.

关键词 神经符号学习; 神经符号接地; 推理捷径; 符号约束合成; neuro-symbolic learning, neural symbol grounding, reasoning shortcuts, constraint synthesis

摘要 围绕国家自然科学基金委信息科学部人工智能学科(F06) 2018～2023年青年科学基金项目、地区科学基金项目、优秀青年科学基金项目以及国家杰出青年科学基金项目等人才项目的申请及资助情况,从学科领域分布、申请年龄性别、依托单位分布以及依托单位变更情况等角度进行了分析,为人工智能领域的人才队伍建设、学科发展布局提供参考.

关键词 国家自然科学基金; 人工智能学科; F06代码; 人才项目; 申请与资助; national natural science foundation; artificial intelligence discipline; F06; talent funding; application and funding

摘要 无监督学习不需要对训练数据进行人工标注,在硬件系统的图像分类应用中具有重要价值.现有忆阻脉冲神经网络(memristive spiking neural network, MSNN)的无监督学习主要集中于前后神经元之间的突触调节过程,这导致学习仅限于局部神经活动而忽略了神经反应之间的内部联系.联想记忆是大脑实现记忆的重要方式,其通过无监督方式将不同刺激关联起来以建立互联的网络记忆.同时,人类视觉系统利用注意机制从海量信息中选择重要信息,以有效减少输入神经元的数量和神经网络的规模.本文提出了一种基于注意力的联想忆阻脉冲神经网络(attention-based associative memristive spiking neural network, AAMSNN)的全电路设计,并将其应用于无监督图像分类应用.其中,注意力编码模块和注意力选择模块启发于人脑的注意力机制,用于搜索并选择重要特征信息,减少AAMSNN的输入神经元数量.联想忆阻脉冲神经网络由巴甫洛夫联想忆阻交叉阵列构成,通过调节联想记忆权重实现无监督图像分类.与其他MSNN相比, AAMSNN具有更小的MSNN规模和更少的忆阻器数量,并实现了更优的无监督图像分类准确率.

关键词 忆阻脉冲神经网络; 注意力; 联想记忆; 无监督学习; 图像分类; memristive spiking neural network; attention; associative memory; unsupervised learning; image classification

摘要 数据定价有助于释放数据的价值,并为数据交易提供依据,推动数据市场的发展和创新.目前,数据价值具有不确定性、多样性和制约性等问题,如何对数据进行准确的价值评估是数据定价的首要问题.在此背景下,本文提出的方法可以有效地解决数据定价的不确定性和多样性问题.本文构建了基于数据质量和容量的二元非线性集成效用函数来评估数据价值,融合斯塔克伯格(Stackelberg)博弈模型分析参与者行为,利用KKT算法实现了数据产品的最优定价.研究发现原始数据的最优容量、最优质量、最优价格和数据产品提供商利润与单位购买成本存在负相关关系,与消费者数量和消费者敏感程度存在正相关关系,且与消费者敏感程度的正相关关系更大.通过与基于一元效用函数的定价模型对比,进一步验证了本文所提出的考虑集成效用的数据产品定价模型具有显著的优越性.

关键词 数据定价; 数据产品; 数据交易; 集成效用; 斯塔克伯格博弈模型; data pricing; data products; data trading; integrated utility; Stackelberg game model

摘要 联邦学习能够在隐私保护的前提下联合多个参与者进行协同学习,然而经典的联邦学习不具备持续学习的能力,无法适应动态变化的应用场景.联邦持续学习近期引起了广泛的关注,其允许多个参与者在协同学习的同时进行持续学习.联邦持续学习是一种更加复杂的学习场景,其面临的挑战包括灾难性遗忘,异构性以及通信资源受限.为了应对这些挑战,本文提出一种基于原型学习的联邦持续学习方法.该方法利用原型进行知识的共享,提升通信效率的同时增强了对模型异构性的适应能力.此外,该方法设计了基于知识蒸馏和回放的灾难性遗忘的预防机制.本文提供了所提出方法的收敛性分析,并且通过对比实验和消融实验验证了该方法的有效性.

关键词 联邦持续学习; 原型学习; 知识蒸馏; 灾难性遗忘; 数据异构; federated continual learning; prototype learning; knowledge distillation; catastrophic forgetting; data heterogeneity

摘要 近年来,图神经网络在各个领域的图数据挖掘任务上取得了显著的成功,已成为领域的研究热点.图神经网络通过结构传播节点信息,并以此计算节点的表征,在大量应用场景上取得了显著的效果提升.大多数图神经网络模型遵循消息传递机制,直接将原始图数据作为输入,假设观测到的图结构准确地描述了节点之间完整的关系.然而,真实场景中图数据的产生往往受多种因素影响,包含大量随机噪声和人为扰动.这些噪声信息和干扰信息在图神经网络信息聚合的过程中随着图结构传播,对图表征质量产生严重的影响.如何度量、识别图数据中的噪声信息,是领域关注的热点问题之一.本文从信息论的角度出发,提出了一种非线性信息瓶颈指导的层次图结构学习方法 NIB-HGSL,针对图层级分类任务,为去除结构噪声、学习鲁棒的图表征提供了一个统一通用的框架. NIB-HGSL通过有效信息保留与噪声信息压缩的均衡优化,可以获得对下游任务来说最关键的层次化最小充分图.实验结果表明,本文所提出的NIB-HGSL方法与其他基线方法相比,可提高图分类和图回归任务的准确性和鲁棒性.

关键词 图表示学习; 信息瓶颈; 图结构学习; 图神经网络; 图分类; graph representation learning; information bottleneck; graph structure learning; graph neural networks; graph classification

摘要 多模态多目标问题需要求解多个全局或局部最优帕累托解集,找到这些最优解集具有极大的理论意义和实际经济效益.近年来,学者们提出许多进化算法用于解决该问题.然而,多数算法在进化过程中首先选择收敛性好的个体构建交配池,然后再考虑决策空间和目标空间的多样性.因此,决策空间中多样性好的个体可能被目标空间收敛性好的个体所替代.另外,由于帕累托最优子集在决策空间中有不同的形状和位置,因此个体很难均匀地收敛到每个帕累托子区域.本文提出了基于全局密度更新策略的两阶段多模态多目标进化算法.首先,为减轻交配池和亲本与子代一对一比较的负面影响,我们并不构建交配池,而是提出了新的算法框架,分两阶段寻优.该框架利用不同阶段进化算法的特征进行子代更新,有利于平衡种群的搜索和开发.然后,为了解决帕累托子集分布不均的问题,我们设计了目标空间密度自适应策略和全局密度估计更新种群策略,用于保持目标空间和决策空间种群多样性.我们将提出的算法与7种有代表性的多模态多目标算法进行比较.实验结果表明,我们的算法在决策空间中能找到更多等价的解,并且能更好地保持决策空间和目标空间多样性和收敛性的平衡,整体性能要好于所比较算法.

关键词 多目标进化算法; 多模态多目标优化问题; 进化算法; 全局密度; 参考向量; 边界点聚集; multi-objective evolutionary algorithm; multimodal multi-objective optimization problem; evolutionary algorithm; global density; reference vector; boundary point clustering

摘要 组合优化问题的求解是计算机科学、应用数学等学科共同研究的基础性问题.其固有的计算复杂性为精确求解带来了挑战.而采用深度神经网络进行求解已经成为一个前沿的研究方向.本文设计了一种能够求解正线性约束组合优化问题的非自回归式神经网络.本文方法的优势在于,正线性约束代表了一大类组合优化问题,突破了现有非自回归网络的通用性瓶颈;与目前常用的自回归网络相比,非自回归网络具有高效性、排列不变性等优势;在神经网络框架中,本文采用的离线无监督学习对标注的需求低,无需求解最优解进行监督训练;本文提出的在线可微分搜索方法显著提升了神经网络求解器的泛化能力.本文在设施布局、最大集合覆盖、旅行商问题等代表性的组合优化问题中验证了非自回归求解器的有效性.特别是在综合考虑求解效率和求解效果时,非自回归网络求解器持平甚至超越了SCIP, Gurobi等开源或者商用的主流传统求解软件.

关键词 组合优化; 深度学习; 非自回归网络; 图神经网络; 梯度优化; combinatorial optimization; deep learning; non-autoregressive neural network; graph neural network; gradient-based optimization

摘要 基于图的多视图聚类算法通过探索样本点之间的邻近关系,受到了广泛的关注.尽管在实际应用中已经取得了较好的聚类性能,但是观察到大多数算法只是利用一阶邻近关系去构建相似图,这导致信息探索不足和多视图数据表征能力下降.为了解决这个挑战,本文提出了一种新颖的基于高阶图融合的多视图聚类算法(high-order graph fusion for multi-view clustering, HCDMC).具体地,所提出的算法通过一种新颖的隐式权重学习策略,从每个视图对应的一阶和二阶邻近图中学习相应的高阶图.引入希尔伯特–施密特(Hilbert-Schmidt)独立性准则作为一种差异性正则化项,旨在加强一致性高阶图的互补信息.最后,对学习到的一致性高阶图施加连通性约束,直接得到聚类标签矩阵,无需任何后处理步骤.使用交替方向乘子法去解决模型的优化问题.在6个真实的数据集上进行了一系列的实验,相较于最新的算法,本文提出的算法具有更好的聚类性能.

关键词 多视图聚类; 高阶图; 图结构学习; 图融合; 差异性正则化; multi-view clustering; high-order graph; graph structure learning; graph fusion; diversity regularization

摘要 以GPT-4为代表的AI大模型时代正加速而至,深刻改变着社会生活的方方面面.大模型巨参数深度学习是破解复杂大数据智能学习瓶颈的一种有效途径.大模型在展现出强大学习能力的同时也面临着高能耗、大算力挑战.研究表明,平均一个AI大模型训练产生的能耗约等于五辆汽车一生排放的碳总量,驱动AI大模型所需算力每3.5个月翻一番.作为一种有益的补充,内嵌规律的跨尺度系统学习是破解复杂大数据智能学习瓶颈的另一种有效途径.跨尺度系统学习已经在某些专业领域展现出了巨大的成功,如2021年诺贝尔物理学奖授予复杂物理系统跨尺度建模及其在全球气候变暖中的应用.事实上,我国科学家甚至更早开拓了复杂系统跨尺度学习研究,如北京航空航天大学暗物质大数据分析团队利用跨尺度系统学习方法实现了在PB级数据中实时学习KB级关键数据,精度达到万分之一.本文从微观尺度、介观尺度和宏观尺度上分析了跨尺度系统学习的基本原理,构建了内嵌规律跨尺度系统学习的普适方法,并以社会大数据为例开展了典型应用示范.社会大数据跨尺度系统学习应用于疫情防控、舆情分析等领域,并取得显著成效,为我国社会治理数字化、网络化、智能化发展提供了新的成功样本.

关键词 人工智能; 大模型; 跨尺度系统学习; 社会大数据; 可解释性; artificial intelligence; large models; cross-scale systematic learning; social big data; interpretability

摘要 近年来,物理信息神经网络(physics-informed neural networks, PINNs)在求解非线性偏微分方程(partial differential equations, PDEs)中得到了大量应用. PINN将物理信息作为正则化约束加入神经网络损失函数,可以减少传统神经网络方法对训练数据的大量依赖.然而, PINN无法根据数据变化动态调整损失函数中各个损失项的权重,导致其在求解非线性PDEs时存在求解误差较大的问题.为此,本文提出了一种动态平衡物理信息神经网络(dynamic balanced PINN, DBPINN).首先,DBPINN为PINN损失函数的各个损失项设计了一种动态权重系数,并使用随机函数对该系数进行动态更新,能够显著提升PINN的精度.其次, DBPINN为PNNN损失函数的各个损失项之间建立了一种平衡求和方法,该方法考虑了所有损失项之间的竞争关系,使得PINN各损失项朝着有利于收敛的方向进行优化. DBPINN通过动态权重系数和平衡求和方法使得PINN可以更好地进行优化,进而解决了PINN在实际应用中求解误差较大的问题.本文选择了科学机器学习领域中4个经典的非线性PDEs对DBPINN进行了数值验证和分析.实验结果表明,相比于PINN, DBPINN在Schrodinger和Allen-Cahn方程上误差分别降低了46%和64%. DBPINN在求解Navier-Stokes方程时将系数λ1和λ2的误差分别降低了1～2个数量级和约50%. DBPINN在KdV方程中能够在多项系数中将误差降低1个数量级.最后,本文在多种形式的Burgers方程和Allen-Cahn方程上进行性能和参数消融验证,结果表明DBPINN不仅能够提升模型性能、处理小数据量以及拟合不同时间状态下的方程的能力,而且DBPINN相比于PINN具有更好的稳定性、准确率以及收敛性. DBPINN可以取代PINN被应用于各种非线性PDEs的高精度求解.

关键词 物理信息神经网络; 非线性偏微分方程; 动态权重系数; 平衡求和方法; 科学机器学习; physics-informed neural networks; nonlinear partial differential equations; dynamic weight coefficients; balanced summation method; scientific machine learning

摘要 人工智能技术作为试图研究、模仿、扩展人类智能的科学研究领域,自诞生以来就伴随着深刻的技术伦理争辩.随着近年来机器学习等相关工作的突破性进展和快速落地应用,伦理问题日趋显著并迫使学界和社会开始直面该技术的伦理治理挑战.尽管在伦理治理的规范研究上已取得初步进展,其治理实践落地方面依然困难重重,伦理实践表现出逐渐落后于技术发展需求的趋势.因此,建立与不断发展的人工智能技术相互匹配的伦理治理实践方案,实现治理理论和治理实践的良性互动将是人工智能领域未来发展的关键问题.伦理治理理论的抽象性导致了当下人工智能伦理原则难以落地实现,人工智能伦理计算(AI ethical computation)将是应对这一挑战的重要方案.本研究通过探讨现实必要性和发展可能性明确了伦理计算的重要意义,在相关研究基础上给出伦理计算的研究范畴,依据计算过程对伦理机理的认知程度和系统伦理决策的自主化程度进行划分,建立了伦理计算的高阶认知与低阶认知两类研究范式,并按其计算阶段抽象出伦理度量、伦理决策和伦理推理3个计算层次.该伦理计算框架能够对当前的伦理计算应用进行梳理,本文以伦理嵌入和公平机器学习为例说明了两类研究范式的研究特点和技术方法.在此基础上,进一步讨论构建了以伦理计算为核心的伦理治理体系,分析通过伦理计算化解伦理治理困境的可能方案,并对人工智能伦理计算的发展做出展望.

关键词 人工智能; 伦理问题; 伦理治理; 伦理计算; 伦理嵌入; 公平机器学习; artificial intelligence; ethics issues; ethical governance; ethical computation; ethical embedding; fair machine learning

摘要 高阶关联广泛存在于现实世界中,如社交网络、生物网络、交通网络等,建模及优化高阶关联对于网络属性研究和演化趋势预测具有重要意义.超图是一种灵活的数据结构,能够自然地建模高阶关联.近年来,随着深度学习的发展,基于超图建模的超图神经网络被广泛应用于面向高阶关联的表示学习.然而,现有的超图神经网络均基于直推学习范式,虽然在小规模超图数据集上取得了不错的效果,但难以应用到大规模数据上,限制了其应用范围.本文首先分析了现有超图神经网络方法在大规模数据上应用的挑战,然后针对该问题提出了面向大规模数据的高效超图神经网络方法 (efficient hypergraph neural network, EHGNN).针对现有方法空间、时间复杂度过高的问题, EHGNN分别设计了超图采样模块和基于单阶段超图卷积的计算加速模块,同时降低了超图神经网络的空间开销和时间开销,使得超图神经网络适用于大规模超图数据,显著增强了可扩展性.在4个真实超图数据集上的实验结果验证了EHGNN的有效性和高效性.

关键词 超图计算; 超图神经网络; 高阶关联; 大规模数据; 节点分类; hypergraph computation; hypergraph neural network; high-order correlation; large-scale data; vertex classification

摘要 随着数据量爆炸式增长、计算资源愈加丰富,浅层神经网络并不总能满足时代需求,从而导致深度神经网络的出现.深度神经网络的迅猛发展主要体现在应用领域,其理论研究相对匮乏.基于此,本文聚焦研究深度ReLU神经网络的万有一致性,具体内容包括:首先,是否存在一个具有统一结构的深度神经网络(即深度、宽度、激活函数等均已确定)使得该深度神经网络可以学习更多特征,并具有万有逼近性;其次,针对已确定的深度神经网络模型,证明其是强万有一致的;最后,从实验的角度验证理论结果的合理性.

关键词 深度神经网络; 万有一致性; 深度学习; ReLU 函数; 逼近性; deep neural networks; universal consistency; deep learning; ReLU function; approximation

摘要 半监督学习旨在数据标注缺乏的情形下利用无标注数据提升学习性能,是重要的机器学习范式.尽管不少研究报道表明半监督学习取得了优异的性能表现,然而其在面临诸多实践任务时仍存在伪标注质量判断困难、超参数选择敏感、理论指导缺乏等瓶颈.针对上述挑战,本文提出一种稳健选择伪标注的混合式半监督学习方法,通过综合利用模型预测结果之间的分歧自适应地判断伪标注质量,无需预设超参数,显著提升了半监督学习的稳健性.本文在理论上证明了新方法的错误率随训练轮数的增加而显著下降.实验验证了本文方法较主流技术取得了明显的性能提升,例如,相较于在CIFAR-10数据集中表现最优的半监督学习技术FixMatch,新方法的分类错误率下降了11%以上,在更具挑战的STL-10数据集中分类错误率下降了18.8%.

关键词 机器学习; 深度学习; 半监督学习; 伪标注; 稳健性; machine learning; deep learning; semi-supervised learning; pseudo-label; robust

摘要 近年来,人工智能蓬勃发展,伴随着计算硬件算力的提升,深度学习已成为了人工智能算法的新范式.然而深度学习依赖大量精确标注的数据,在现实的多类别分类场景中,受限于标注成本和隐私数据保护等因素,大量精准标注的数据往往难以获得.近些年,移动众包和网络爬虫这类经济廉价的数据收集方法被广泛采用,但他们不可避免地引入了错误标注,即标签噪声.鉴于深度神经网络强大的数据拟合能力,标签噪声的存在将造成算法的过拟合,严重制约了深度学习方法的泛化能力.针对标签噪声问题,现有研究大多显式或隐式地依赖锚点(明确属于某一类别的样本),然而在现实场景中锚点难以获取,这使得现有解决方案不再适用.为解决这一问题,本文创造性地将多类别标签噪声学习问题转化为混合比例估计(mixture proportion estimation, MPE)问题,构建了一种不依赖锚点的满足统计一致性的学习算法.本文的主要贡献包括:(1)对现有的仅适用于二组成物MPE场景的R-MPE(regrouping-MPE)方法进行推广,提出了多组成物场景下不依赖不可约假设的MPE方法 MR-MPE(multi-component oriented R-MPE);(2)理论上证明了多类别分类场景下标签噪声学习算法锚点假设和MPE问题不可约假设的等价性,并基于所提出的MR-MPE方法构建了不依赖锚点的满足统计一致性的算法.本文在合成噪声数据集和真实噪声数据集上分别与现有算法进行了对比实验,结果显示本文所提算法在多个数据集上均展现出了最优的性能;同时,在移除锚点的情况下,本文对算法的鲁棒性进行了测试,验证了所提算法不依赖锚点的特性.

关键词 混合比例估计; 多类别分类; 标签噪声学习; 锚点; 不可约假设; 统计一致性; mixture proportion estimation; multi-class classification; label-noise learning; anchor point; irreducible assumption; statistical consistency

摘要 决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决策树算法存在多值偏向问题,即倾向于选择取值种类多的属性作为节点分割属性.已有研究表明缓解随机一致性的评价准则能够降低分类偏差与类簇个数偏向.本文将基于标准化框架缓解基尼指数的随机一致性,以此缓解其多值偏向问题.通过人造数据集验证,标准基尼指数能够缓解基尼指数的多值偏向问题,并且选择出具有决策信息的属性.通过12个基准数据集与两个图像数据集的实验验证,基于标准基尼指数的决策树算法比现有缓解多值偏向的决策树算法具有较高的泛化性能.

关键词 基尼指数; 多值偏向; 决策树; 随机一致性; Gini index; bias to multi-value; decision tree; random consistency

摘要 当前面向标签噪声的鲁棒性学习通常依赖样本选择和标签修正两种策略,但是这两类方法均存在缺陷.基于样本选择的方法忽略了被过滤掉的样本中的有效信息,进而降低了模型的性能.基于标签修正的方法常使用自标签技术而引起模型的错误积累问题.对此,本文提出了一个集成样本选择、标签修正的联合训练框架.针对样本选择模块,本文设计了一种新的选择标准,通过在线选择的方法对所挑选的样本集合进行更新.相较于现有选择标准,本文提出的标准可保留更多边界样本,提升了模型对决策边界的学习性能,增强了模型的泛化性能.针对标签修正模块,本文提出了一种联合标签修正策略.相比于传统的自标签修正技术,该模块通过联合特征空间视角,对噪声样本进行多视角的标签修正,解决了传统自标签技术的错误累积问题.此外,本文引入对比学习正则化项,提升了标签修正效果和模型表征学习能力.本文方法在4个测试基准上取得了当前最好分类效果,验证了所提训练框架的有效性.

关键词 标签噪声学习; 样本选择; 标签修正; 对比学习; learning with noisy labels; sample selection; label correction; contrastive learning

摘要 大语言模型在各种应用中表现突出,被广泛应用,成为打造新质生产力的重要引擎.然而,当恶意使用者利用特定技巧绕过模型的对齐等安全保护机制时,就可能导致越狱攻击,生成违反模型使用准则、道德或法律的内容,引发伦理问题.本文分析总结了越狱攻击的起源及其攻防演变过程,首先根据方法、对象、目标三要素提出了越狱攻击的定义和形式化模型;从大语言模型的发展历程和对安全性认知的变化两个角度,分析了越狱攻击的发展历史,将越狱攻击存在的根因总结为大语言模型的服务属性与价值观的不匹配;最后,从攻防博弈的角度总结越狱攻防的演化过程,探讨了越狱攻击的新型威胁模式和防御方法发展方向.

关键词 越狱攻击; 大语言模型; 自然语言处理; 网络安全; 人工智能伦理; jailbreak attack; large language model; natural language process; cybersecurity; ethics of artificial intelligence

关键词 多视图属性网络; 异常检测; 图卷积网络; 自编码器; multi-view attributed networks; anomaly detection; graph convolution network; autoencoder

摘要 工业物联网数据管理与数字中国基础设施建设紧密相关,是支撑提取工业大数据价值的基础.由于工业物联网数据源于设备,工业物联网数据管理系统面临着数据量、数据到达速度、负载多样性等更严峻的大数据挑战.为了应对这些挑战,工业物联网数据管理系统必须进行负载均衡,以充分利用可扩展的计算资源、提升系统性能.现有的负载均衡方法未能充分利用工业物联网数据典型的时序特性,无法应对工业物联网数据管理的上述挑战.本文针对工业物联网数据的时序特性,以读写差异化均衡为约束,建模了负载均衡最优化问题,以匹配工业物联网数据的读写分离特性;提出了负载均衡方案TsLBOpt,集成了简化系统架构的非侵入式负载统计与估算方法,利用分片细分与自适应复制以扩充解空间的整数规划最优化求解方法,以及基于贪心策略最小化数据迁移代价的数据重分布方法.TsLBOpt在清华大学获日内瓦国际发明展金奖的开源时序数据管理系统IginX中进行了实现,并基于多容器构建的集群系统开展了大量实验,结果表明,本文提出的TsLBOpt相比常用的哈希方法、经典的启发式热数据迁移法、前沿工作DynaHash分别可提升系统整体性能至2倍、10倍、4倍以上,且可有效应用于资源异构、组件异构的异构集群系统中.

关键词 工业物联网; 物联网数据管理; 负载均衡; 性能最优化; 时序数据; industrial Internet-of-Things; IoT data management; load balancing; performance optimization; time series data

摘要 会话推荐的目标是仅根据用户在匿名会话中有限的交互行为,来预测用户的下一次点击行为.最近几年,许多基于图神经网络的会话推荐方法取得了可喜的结果.然而,这些方法仍然存在不足之处.一方面,基于图神经网络的方法只考虑物品之间的转换模式,忽略了会话中的序列模式.另一方面,现有的大多数方法都只关注当前会话内部的信息,忽略了来自邻居会话的外部协作信息,即上下文模式.为了解决上述问题,本文提出了一种新颖的基于上下文增强的多级注意力会话推荐模型(CEMA),通过多级注意力机制分别在物品级和会话级这两个粒度上学习物品特征和建模用户偏好,以增强模型的个性化推荐能力. CEMA模型利用多层GraphSAGE来学习物品之间复杂的转换模式,以捕获用户的局部偏好.特别地,在CEMA模型中设计了一种物品级注意力机制,通过门控注意力单元计算会话中不同物品的重要性,以识别用户真正感兴趣的物品,避免噪声物品的干扰.这有助于准确地捕获会话的序列模式,以建模用户的全局偏好.此外,所提出的方法还设计了一种会话级注意力机制,通过简单的软注意力高效地计算不同会话之间的相似度,以聚焦于那些与当前会话最相似的邻居会话,并从中提取上下文模式,以帮助预测用户的下一次点击.本文在3个公开的基准数据集上进行了一系列实验,实验结果表明CEMA的推荐性能超过了现有最好的方法,充分验证了CEMA的有效性和优越性.

关键词 会话推荐; 多级注意力机制; 图神经网络; 序列模式; 上下文模式; session-based recommendation; multi-level attention mechanism; graph neural network; sequential patterns; contextual patterns

摘要 动态图作为图的一个重要分支,对节点间关系的动态变化过程具有良好的表达能力.利用动态图对实际关系网络进行建模,并动态预测未来时刻节点间的链路关系成为当前研究热点.然而,由于弱关系现象的存在,加权网络中的动态链路预测面临着重大挑战.针对这一问题,本文提出了一种基于正则化流的方法 DynWFlow (dynamic weight flow).该方法能够从生成角度出发,自适应地评价节点间链路信息的重要性,从而精准地进行链路特征的抽取,有效地解决了动态链路预测问题.特别地,对于弱关系情况,提出利用邻居节点集权重的相似程度来评估不同链接关系的重要程度,实现对节点间隐含关系的进一步捕获.在多个领域大量真实数据的实验结果表明,所提出的基于正则化流的动态链路预测方法 DynWFlow的性能明显优于其他预测算法.

关键词 动态链路预测; 正则化流; 动态图; 时空表示; 图嵌入; dynamic link prediction; normalizing flow; dynamic graphs; spatial-temporal representation; graph embedding

关键词 机器学习; 药物相互作用; 多层次; 图神经网络; 端到端; machine learning; drug-drug interaction; hierarchical; graph neural network; end-to-end

摘要 蛋白质–蛋白质相互作用对于理解细胞生命活动至关重要.预测链间残基距离为分析蛋白质–蛋白质相互作用以及柔性、动态和超大规模蛋白质复合物结构建模提供了关键信息.现有的链间残基距离预测方法主要关注于链间信息,忽略了结构域间信息.本文基于自构建的链间结构域–结构域相互作用数据集,提出了一种蛋白质复合物链间残基距离深度学习预测方法 (distances prediction of inter-chain, DPIC).首先,针对输入的单体序列,分别构建单体序列的多序列比对和复合物序列的配对多序列比对,并使用AlphaFold2预测单体结构;其次,构建序列特征、多序列比对特征和结构特征,设计了一个集成多列卷积神经网络模块和三角相互作用模块的深度学习网络,实现对蛋白质复合物链间残基距离的高精度预测;最后, CASP13-15二聚体测试集上的实验结果表明, DPIC的链间残基接触预测精度优于主流方法 DeepInter和CDPred,其中Top L/10精度分别提升了7.87%和13.74%.大型蛋白质复合物结构建模实验结果表明, DPIC预测的链间残基距离有助于大型蛋白质复合物结构组装.DPIC在线服务器网址:http://zhanglab-bioinf.com/DPIC.

关键词 蛋白质-蛋白质相互作用; 蛋白质复合物; 链间残基距离预测; 结构域间相互作用; 深度学习; protein-protein interaction; protein complex; inter-chain residue-residue distances prediction; inter-domain interaction; deep learning

摘要 针对多智能体系统在动态与资源受限环境中普遍存在的协同效率不足、动态响应迟滞问题,本文提出了一种具身智能与多元行为协同的集群控制方法.通过引入具身智能理论,构建智能体与物理环境的实时感知–决策闭环,增强单智能体对环境扰动与约束条件变化的适应性;结合群体行为多样性机制,设计双策略融合方法,利用异质网络与同质网络的协同优化,动态调节策略融合系数以平衡个体灵活性与群体协作性.为验证所提方法的有效性,本文以航母舰载弹药转运任务为典型场景,分析了方法在无扰动、甲板横摇和突发障碍条件下的性能表现.实验表明,适度调控多智能体系统的行为多样性可有效降低智能体之间的碰撞冲突,显著提升整体协同控制水平.该研究为复杂环境下多智能体协同控制方法提供了理论参考和技术支持,同时也为航母弹药保障体系的智能化重构提供了理论依据.

关键词 具身智能; 行为多样性; 多智能体强化学习; 弹药转运; 航母; embodied intelligence; behavioral diversity; multi-agent reinforcement learning; ammunition transfer; aircraft carrier

摘要 具身3D感知任务需通过自然语言指令,从第一人称视角理解动态环境.然而,当前基于大语言模型(large language models, LLMs)的具身3D感知方法仍存在局限:一些方法受限于语义输出范围与定位精度,另一些LLM方案缺乏能够有效聚合多视角语义与几何特征的统一编码器,而这些特征对实现精准语言对齐与精确定位至关重要.为了解决这个问题,我们提出M3Fusion,首个面向具身3D感知的端到端多视角多模态统一融合框架.该框架紧密整合来自多个第一人称视角的2D视觉语义与3D几何特征,将其投影至共享3D空间,形成统一的M3-tokens.这些token不仅能够无缝对齐语言指令以理解复杂任务,还能同步解码生成精确的3D边界框.我们提出一种专门的三阶段训练策略以实现跨模态对齐.在3D视觉定位(3D visual grounding, 3DVG)与3D视觉问答(3DQA)数据集上的评估表明:我们的框架在定位精度上显著提升,同时保持问答能力,充分证明了统一表征与框架设计的优越性.

关键词 具身3D感知; 3D视觉定位; 3D问答; 多模态大语言模型; embodied 3D perception; 3D visual grounding; 3D question answering; multimodal large language models

摘要 随着人工智能技术的不断演进,深度伪造(Deepfake)正从单一模态合成发展为包含视、听、文多种媒介的复杂生成形式.多模态大模型(large multimodal models, LMMs)的出现在显著增强伪造内容生成能力的同时,也为伪造检测任务带来了前所未有的机遇与挑战.本文归纳了在大模型背景下伪造检测技术的研究进展与技术演化,回顾了近年来相关研究成果,并总结了近期各类多模态伪造检测数据集.在此基础上,深入分析了多模态大模型在检测性能、幻觉现象、判断准确性与公平性等方面展现的潜力与挑战,探讨了问题背后的原因并提出了未来的解决方案路径.最后,本文展望了大模型时代的伪造检测技术的发展趋势,包括伪造信息的复杂化、传统检测方法的价值、判别可解释性和技术对抗性等方向.

关键词 多模态大模型; 深度伪造检测; 视觉-文本融合; 可解释性检测; 跨模态推理; large multimodal models; Deepfake detection; vision-language fusion; explainability in detection; cross-modal reasoning

摘要 三维人体建模在虚拟现实、游戏动画、人机交互、数字人等领域展现出广泛应用前景.然而,传统三维建模方法高度依赖于昂贵的设备与人工标注,存在成本高、灵活性差等问题,难以满足大规模、个性化的建模需求.近年来,深度学习的快速发展为三维人体建模带来了全新的技术范式,极大地推动了该领域的发展.本文系统地回顾了基于深度学习的三维人体建模技术,重点围绕三维人体表示、重建方法与生成方法 3个方面展开.在人体表示方面,文章梳理了参数化、显式、隐式及混合形式等主流中间表示的建模思路与适用场景.在人体重建方面,总结了从传统参数回归方法、隐式函数建模到神经辐射场和三维高斯泼溅(3D Gaussian splatting, 3DGS)等最新非参数化方法的发展路径,分析了各类方法在精度、可控性与效率等方面的优劣.在人体生成方面,系统梳理了生成对抗网络(generative adversarial networks, GANs)以及扩散模型(diffusion models)等主流生成框架的应用进展,重点聚焦于文本驱动与图像驱动的生成策略、精度、可控性与细节还原等方面的进展.此外,本文还收集整理了当前主流的公开数据集,并对三维人体建模面临的挑战与未来研究方向进行了深入讨论.本文旨在为计算机视觉与图形学领域的研究者在三维人体建模方面提供全面的参考,推动更加高效、逼真和可控的人体重建与生成技术的发展.

关键词 深度学习; 计算机图形学; 计算机视觉; 三维人体重建; 三维人体生成; deep learning; computer graphics; computer vision; 3D human reconstruction; 3D human generation

摘要 线稿风格的三维内容构建在考古应用中具有重要意义.相比于带有纹理贴图的三维内容,线稿化的三维内容能够更加清晰和直观地展示场景中的关键结构和表面图样,对于便捷文物数字化存档、辅助文物线描图绘制具有关键作用.然而,现有的风格化三维重建技术主要关注于依照模板图像的一般性风格化,缺乏针对线稿风格三维化的设计与研究.本文提出了一种基于双分支解耦的文物线稿化三维重建技术,通过将纹理部分和轮廓部分的三维线稿解耦建模,能够从多视角彩色图像中重建出三维化的文物线稿图,支持任意视角下的高质量线稿图渲染.基于琉璃件文物的实验结果表明,本文提出的双分支解耦建模方式能够有效提升线稿化三维重建的质量,渲染出的多视角线稿图比现有方法质量更高,能够更好地辅助考古场景中的文物记录、线描图绘制等流程.

关键词 线稿化三维重建; 解耦; 三维风格化; 线稿图生成; 文物线稿图; 3D line drawing reconstruction; decoupling; 3D stylization; line drawing generation; cultural relics line drawing

摘要 多媒体智能计算是融合人工智能与多媒体计算的交叉学科,核心目标是通过对大规模多媒体数据的智能表征、分析与协同计算,实现多模态数据的深度理解、高效服务.多媒体智能计算面临两个重大挑战:(1)多媒体数据实体规模随时间指数增长,关联组合指数爆炸,因此数据实体关联规模面临呈双重指数增长态势的难题;(2)多媒体数据量指数增长,网络结构异构复杂,用户需求动态并发,导致用户访问媒体所需网络资源随时间指数增长.针对多媒体大数据实体关联规模双重指数增长导致的关联与规律难以发现的难题,本文介绍多媒体大数据关联表征理论与方法的新进展,通过揭示图拓扑空间和向量表征空间的映射规律,发现了图非对称传递性向量化度量的统一数学表达,提出了结构保持的深度关联表征方法,建立了微观局部结构与宏观全局结构融合的图关联表征学习模型,实现了图关联表征学习从浅层到深层、从微观结构到宏观结构的跨越.针对异构网络环境下大规模多媒体内容指数增长与网络资源有限的矛盾难题,本文探究用大数据分析理论解决该难题的多媒体网络资源计算新范式,揭示了媒体内容、用户行为和网络拓扑的相互作用机理,提出了基于用户行为的媒体内容传播预测与大规模网络拓扑模型,建立了大规模多媒体的资源跨域协同计算新理论,实现了网络资源配置从被动固化到主动感知的跨越.研究成果推动多媒体智能从语义驱动到关联驱动、从孤立优化到全局协同的跨越,对公共安全、智慧城市、互联网经济等场景具有重要应用价值.

关键词 多媒体大数据; 跨媒体智能; 多媒体资源计算; 大数据分析; multimedia big data; cross-media intelligence; multimedia computing; big data analytics

摘要 深度神经网络在视觉分类任务上表现出卓越的性能,但其安全性也面临着重大挑战,特别是分类器的输出结果容易受到对抗攻击的恶意操纵.为应对此问题,对抗训练作为一种有效的防御机制得到了快速发展.然而,现有对抗训练方法大多依赖于白盒防御策略,即需要访问模型的结构参数并对模型进行重新训练,这在许多实际应用场景中并不切实际,尤其是对于大规模预训练模型的鲁棒性增强.此外,重新训练模型在提升鲁棒性的同时往往会以牺牲模型精度为代价,使得这些模型在正常分类任务及其下游任务中难以胜任.为了解决上述问题,本文提出了一种新的黑盒防御方法,称为贝叶斯能量对抗后训练.在数据层面,该方法从能量的角度出发,对对抗样本和干净样本的联合数据分布进行建模;在模型层面,则通过贝叶斯视角考虑附加模型参数的完整后验分布,实现了对数据和模型的全贝叶斯对待.作为一种后训练黑盒防御方法,该方法通过冻结预训练模型并附加一个小规模的贝叶斯组件,将原始模型转化为具有弹性恢复能力的鲁棒性模型,而无需重新训练或访问原始模型参数.大量的实验结果表明,本文提出的黑盒防御方法能够在不降低原始模型精度的前提下,有效抵御基于梯度的白盒和黑盒攻击,其性能优于现有的白盒防御方法.

关键词 对抗样本; 深度学习; 对抗防御; 贝叶斯神经网络; 能量模型; adversarial examples; deep learning; adversarial defense; Bayesian neural network; energy-based model

摘要 在深度学习技术的推动下,生成式可视媒体的创作已成为普遍的现象,逼真的图像与视频等视觉媒介不断涌现.然而,技术的双刃剑特性也带来了虚假信息传播的潜在风险,推动了可视媒体伪造内容鉴别与安全研究领域的快速发展.随着扩散模型、视觉语言模型等技术在可视媒体生成和鉴别中的广泛应用,深入探索可控生成方法、虚假内容鉴别与对抗防御等问题变得尤为重要.本文突破以往仅关注生成对抗网络鉴别方法和单一模态鉴别的局限,围绕新型视觉语言模型,系统分析了图像、视频及多模态内容的主流生成与鉴别技术,梳理了代表性的鉴别数据集与表示学习架构.同时,针对视觉语言模型中的安全问题,本文分析了面向视觉语言模型的对抗攻击与防御技术,包括后门攻击、对抗样本、水印溯源等.此外,本文探讨了可视媒体安全治理领域面临的关键挑战,并展望了未来发展方向.本文旨在提供一个全面视角,辅助对视觉语言模型在生成、鉴别及对抗防御技术上的理解,推动可视媒体鉴别与安全技术的健康发展和应用.

关键词 媒体取证; 深度伪造检测; 扩散模型; 视觉语言模型防御; 虚假内容鉴别; media forensics; deepfake detection; diffusion models; visual language model defense; visual forgery detection

摘要 弱监督语义分割通常使用分类网络的主干部分提取图像特征生成类激活图.在此过程中, CNN(convolution neural network)受限于其局部感知机制的影响,很难捕获图像中长距离的语义关联.相反, ViT (vision Transformer)具有全局自注意力机制,能天然地捕获图像中长距离的特征依赖关系即亲和关系.研究发现,使用这种亲和关系细化类激活图提高分割精度被认为是可行的.然而,本文观察到,在图像级标签监督训练下, ViT会促使图像中不同类Patch的亲和向量特征之间过相关,其表现为亲和向量关系不对称和过平滑现象.直接应用ViT原始亲和向量关系细化类激活图,将导致不同类的对象区域相互入侵.为了解决上述问题,基于CNN学习到的亲和向量关系表现与ViT学习到的亲和向量关系相反的性质,即:对称且稀疏,本文提出了结合ViT和CNN两者的亲和向量一致性的弱监督语义分割方法.该方法先利用CNN提取图像中最具判别性的区域映射得到的类间关系以监督ViT中不同Patch亲和向量之间的类关系来学习图像上下文的一致性,再使用学习到的Patch间亲和向量关系来改进用于后续分割的类激活图.实验表明,采用本文方法生成的亲和向量关系显著降低了不同类Patch间亲和向量的亲和度,有效减少在修正CAM时不同类Patch间的错误激活,在PASCAL VOC 2012和MS COCO 2014验证集上分别取得了75.1%和47.2%的mIoU,进一步提高了分割性能.

关键词 弱监督; 语义分割; 类激活图; 亲和向量; weakly supervised; semantic segmentation; class activation map; affinity vector

摘要 随着人工智能技术的迅猛发展,模型在动态数据流中持续学习新知识并高效识别未知类别的能力变得尤为重要.针对广义持续类别发现(generalized continual category discovery, GCCD)中灾难性遗忘和类别不确定性这两大核心挑战,本文提出了一种基于数据集偏置强化搜寻和任务偏置纠正的PromptGCCD框架.该框架创造性地利用自监督模型中蕴含的数据集偏置,基于信息瓶颈理论设计了对视觉转换器(vision transformer, ViT)模型部分参数的精细化微调方案,增强了模型对不同数据集特征分布的适应性和泛化能力.此外,通过提示工程方法实现了任务偏置纠正,为每个任务定制独立的提示子集,并进行参数高效微调,显著提升了模型的抗遗忘性能.在训练过程中,引入了稀疏性正则化、自蒸馏策略以及基于梯度投影的正则化方法,全面提升了模型的知识保持与任务适应能力.实验结果表明, PromptGCCD在多个GCCD基准数据集上取得了优异的性能,有效遏制了灾难性遗忘,并在动态任务序列中显著提升了新类别的发现与识别效能.本文的研究深化了广义类别发现与持续学习的融合,为动态环境中智能系统的持续学习和新类别发现提供了新思路.

关键词 广义持续类别发现; 数据集偏置; 任务偏置; 提示工程; 信息瓶颈理论; 灾难性遗忘; generalized continual category discovery; dataset bias; task bias; prompt engineering; information bottleneck theory; catastrophic forgetting

摘要 随着轻型消费级无人机产品的兴起以及三维重建技术的不断进步,利用航空摄影测量技术重建大规模城市场景已成为可能.已有的方法通常采用“先探索–后规划采集”的两次飞行策略:首次飞行通过预定义的模式对场景进行稀疏扫描并进行初步重建.随后,基于粗糙模型规划出最优的第2次飞行路径,以实现密集的图像采集.然而,这类方法存在一些问题,例如代理模型的重建对现场计算能力要求较高,并且粗糙代理模型无法准确捕捉场景结构中的细节特征,如角点、结构线和平面,生成的几何信息过于平滑.针对上述问题,本文首先提出了一种基于航拍图像的快速临场空间感知方法.该方法利用RGB图像数据和表面法向量数据进行面结构的精确检测和提取,并基于运动中恢复结构(structure-from-motion, SFM)数据和表面法向量,迅速恢复每个面结构的深度信息.与像素级多视图立体视觉(multi-view stereo, MVS)方法相比,本方法在速度上具有显著优势.其次,本文提出了一种创新的路径规划算法.该算法能够根据算法生成的初始候选视角集合,在保持重建质量的同时,最大限度地减少视角数量,并规划出最短的飞行路径,实现良好的场景覆盖和重建精度.本文方法能够在无人机航拍现场即时对航拍图像进行数据分析,现场即可获得分析结果,显著降低了现场作业时间和计算成本.

关键词 临场空间感知; 无人机路径规划; 城市场景重建; onsite spatial perception; UAV path planning; urban scene reconstruction

摘要 在三维人体姿态估计领域,现有图卷积网络(graph convolutional network, GCN)方法普遍面临局部过平滑问题的挑战.该现象源于节点感受野的尺度差异,导致特征平滑度在关节点间呈现非均衡演进,严重制约全身姿态特征的有效提取.针对该问题,提出一种轻量级的平衡图卷积网络Balance GCN,通过建立特征平衡传递机制抑制局部过平滑现象.首先,构建基于节点离心率的特征传递平衡性量化指标,刻画不同节点感知全图特征所需图卷积运算次数的离散程度;继而设计局部交换模块,通过节点特征平衡传递约束的优化求解交换矩阵,引导节点间特征交换;最终集成形成Balance GCN架构.在Human3.6M数据集上的实验表明,相较于Vanilla GCN基线, Balance GCN将平均关节位置误差显著降低至43.4 mm,实现61.6%的误差下降,且未增加参数量或计算开销.此外,局部交换模块展现出良好的通用性,在9种主流方法中平均带来1.59 mm的精度提升.

关键词 图卷积神经网络; 三维人体姿态估计; 过平滑; 信息传递; 动态图; graph convolutional network; 3D human pose estimation; over-smoothing; message passing; dynamic graph

摘要 目前,基于激光雷达的高效3D物体检测框架在利用物体关系方面存在不足,然而这些关系在空间和时间维度上是自然存在的.受此启发,本文提出了一种以物体关系为启发的简单高效的二阶段检测器Ret3D.该方法的核心在于利用本文所提出的帧内关系模块和帧间关系模块,以捕捉空间和时间维度上的关系.具体来说,帧内关系模块将当前帧的物体封装为稀疏图,通过高效的信息传递来优化物体特征.另一方面,帧间关系模块动态地密集连接每个物体与其跟踪序列中的其他物体,并利用这种时间信息,通过轻量级的Transformer网络进一步增强其特征表达能力.本文在通用的中心基或锚点基检测器的基础上实现了Ret3D,并在Waymo公开数据集上进行了评估. Ret3D在额外开销几乎可以忽略不计的情况下,取得了最佳性能,在车辆位置检测的一级和二级难度下的mAPH (mean average precision with heading)指标上分别比近期最强的著名方法高出2.9%和3.2%.

关键词 3D物体检测; 物体关系; 自动驾驶; 3D object detection; object relations; autonomous driving

关键词 共身智能; 人工智能; 视角整合; 双脑融合; 人机共身; cobodied/symbodied AI; artificial intelligence; dual-perspective integration; dual-brain fusion; human-machine co-embodiment

关键词 图像取证; 伪造检测; 生成模型; 生成图像; 迁移学习; 视觉语言模型; image forensics; forgery detection; generative models; generated images; transfer learning; vision-language model

关键词 可持续; 自监督学习; 预训练; 图像掩码建模; sustainable; self-supervised learning; pretraining; mask image modeling

摘要 视频目标分割旨在自动分割视频中感兴趣的目标,在视频编辑、机器人导航以及自动驾驶等领域均有着广泛的应用前景.现有的视频目标分割方法大多依赖于独立帧表观记忆,这在处理严重遮挡或表观相似的复杂视频场景时常显不足.为应对这些挑战,本文提出了一种基于逐帧和逐段时空交互记忆网络(frame-wise and segment-wise spatio-temporal interaction memory, FSSTIM)的视频目标分割方法. FSSTIM引入逐帧和逐段时空交互记忆构建模块,通过构建时空上下文图网络提取逐段时空记忆特征图,并与逐帧记忆特征图进行交互增强,显著提高了网络处理相似表观和目标遮挡的能力.此外,引入动态采样记忆读取器实现了高效的多粒度历史信息读取,加快了推理速度并提高了分割精度.在DAVIS, YouTube-VOS和MOSE主流视频目标分割数据集上的实验表明,本文方法在保持实时处理速度的同时取得了先进的分割性能,且具有较强的泛化能力.

关键词 视频目标分割; 逐帧和逐段时空交互; 记忆网络; 时空上下文关联网络; 动态采样记忆读取; video object segmentation; frame-wise and segment-wise spatio-temporal interaction; memory network; spatio-temporal context correlation network; dynamic sampling memory reading

摘要 随着深度伪造技术的快速发展,深度伪造视频在每一帧上表现得极为真实,现有检测方法难以有效识别出深度伪造视频.针对这一问题,本文首次提出了一种基于视频流谱特征空间的深度伪造检测方法.该方法基于流谱理论构建了一个视频流谱特征空间,通过视频流谱基底模型将视频流从视频特征隐空间映射到视频流谱特征空间,精准刻画视频流中不一致性信息,获取可分离度更高的视频流谱不一致性特征,从而实现深度伪造视频的检测.具体而言,首先提出了一种视频流谱特征空间的构建方法,通过对视频特征隐空间进行基底映射,得到一个近似同构的视频流谱特征描述空间,在视频流谱特征空间中融合视频流不同视角的高维表征,实现对视频流的精准刻画与分析;然后设计了一个视频不一致性流谱映射模型,通过视频流谱变换算子,从时序角度将视频流的空域信息聚合映射到视频流谱特征空间,建模深度伪造视频的不一致性信息,构建数据可分离度更高的视频表征.实验结果表明,所提方法在Celeb-DF数据集上达到99.23%的准确率,在DFDC数据集上达到95.24%的准确率.

关键词 深度伪造检测; 流谱理论; 视频流谱特征空间; 视频流谱基底模型; 时序不一致性; deepfake detection; flow spectrum theory; video flow spectrum feature space; video flow spectrum basis model; temporal inconsistency

摘要 可微神经结构搜索(differentiable neural architecture search, DNAS)作为近年来神经结构搜索的主流方法之一,通过结合基于梯度优化的搜索策略能够有效地搜索网络结构.然而,存在结构搜索稳定性差和模型复杂度高的问题.为了解决这两个问题,本文提出了一种结构范数正则化的可微神经结构搜索算法,提高了结构搜索的稳定性;设计了一种冗余边剪枝算法修剪网络结构中的冗余边,降低了最终模型的复杂度.本文在CIFAR10, CIFAR100, miniImageNet和胎儿心脏标准平面分类(fetal heart standard plane, FHSP)等4个数据集上进行了算法性能对比实验,与一系列当前最新的可微神经结构搜索算法相比,取得了最优的综合性能.

关键词 深度学习; 可微神经结构搜索; 剪枝; 正则化; 高效搜索网络结构; deep learning; differentiable neural architecture search; pruning; regularization; efficiently search network structures

摘要 大模型驱动的具身智能是涵盖人工智能、机器人学和认知科学的交叉领域,重点研究如何将大模型的感知、推理和逻辑思维能力与具身智能相结合,提升现有模仿学习、强化学习、模型预测控制等具身智能框架的数据效率和泛化能力.近年来,随着大模型能力的不断提升,以及具身智能中示教数据、仿真平台、任务集合的不断完善,大模型和具身智能的结合将成为人工智能的下一个浪潮,有望成为人工智能迈向实体机器人的重要突破口.本文围绕大模型驱动的具身智能这一研究领域,从3个方面进行了系统的调研、分析和展望.首先,回顾了大模型和具身智能的相关技术背景,以及具身智能现有的学习框架.其次,按照大模型赋能具身智能的方式,将现有研究分为大模型驱动的环境感知、大模型驱动的任务规划、大模型驱动的基础策略、大模型驱动的奖励函数、大模型驱动的数据生成等5类范式.最后,总结了大模型驱动的具身智能中存在的挑战,对可行的技术路线进行展望,为相关研究人员提供参考,进一步推动国家人工智能发展战略.

关键词 具身智能; 大模型; 环境感知; 任务规划; 基础策略; embodied AI; large-scale models; environment perception; task planning; foundation policy

摘要 图像不仅承载着丰富的视觉内容,同时还蕴含潜在的高级语义,是重要的信息传递媒介.度量图像信息量则是对图像信息进行定性描述和定量计算的抽象过程,属于对图像处理领域中的科学问题进行理论构建的关键环节.然而,在现有的研究工作中,虽然对“图像信息量”的度量有所提及,但实际上关注的往往是在图像质量或图像特征的层级,而忽略了图像所具有的高级语义以及人对图像的认知.因此,为了衡量图像的信息提供价值,本文基于“图像信息量因人、因任务而异”这一常识,通过建模“先验知识”相关的图像记忆并提取“给定任务”相关的图像特征,尝试对图像信息量进行度量.首先,提出图像信息量度量的理论框架,具体表现为:在“能够获得全世界所有的图像”和“能找到一种能够准确表达图像语义的特征”两个假设条件下,以信息论为基础,通过构建超球来描述样本点的邻域稠密度,由此建模语义信息的概率,进而得到理论假设条件下的图像信息量.其次,探讨了理论假设无法满足的实际情况,将“全世界所有的图像”这一假设条件退化为“给定具体的数据集”,并将“一种能够准确表达图像语义的特征”这一假设退化为“给定任务相关的特征”,进一步通过实验展示了在实际情况下如何有效获得图像信息量的数值结果.最后,指出了本文度量方法的限定对象和度量结果的边界,并展望了未来对相关体系进行丰富和完善的可行方向.

关键词 图像信息量; 信息量度量; 信容; 信息论; 图像处理; image information; information measurement; information capacity; information theory; image processing

摘要 机器学习结合逻辑推理的方法可以大幅提升模型的鲁棒性与可解释性.近年来,已有工作从给定的具体知识库出发,通过反绎学习的范式或是其衍生范式来促进机器学习中模型的更新过程.然而,在表示学习任务中,即便存在这样的知识库,其往往也是不完备或含有噪声的.且在真实环境下,即便领域专家也无法精准定量地描述不同对象的属性表示信息.因此,本文针对半监督表示学习任务,提出了一种可根据少量有标记样本构建弱领域属性知识库并结合无标记数据与基于启发式规则扩张领域知识库推理的反绎学习方法.该方法可有效解决表示学习任务下缺少强领域知识与真实环境下高质量标注数据较少这两个问题.在人工合成的数据集与真实环境下的数据集中的实验对比结果均验证了我们提出的方法的有效性.

关键词 人工智能; 机器学习; 反绎学习; 半监督学习; 特征表示; 细粒度属性; artificial intelligence; machine learning; abductive learning; semi-supervised learning; feature representation; fine-grained attributes

摘要 基于视觉的连续手语识别旨在从图像序列中识别出对应的手语词序列,可以为手语使用者提供一种便利的辅助工具.现有的连续手语识别方法大多需要从图像序列中,逐帧提取视觉和时序特征,而相邻帧中存在的相似视觉信息带来了大量的冗余计算.本文通过分析帧率对连续手语识别算法的影响,发现降低帧率可以显著地提升计算效率,但也会带来一定的性能损失.为了在降低帧率的同时保留更多手语关键信息,本文提出了自适应动态池化层(adaptive dynamic temporal pooling, ADTP),ADTP基于序列特征的自相似性对序列进行动态下采样.在此基础上,本文进一步提出了一种两阶段的训练方式,以更充分地利用原始帧率中的时空信息.具体而言,该训练方式在第一阶段只训练基于原始帧率的手语识别模型,并以此模型为教师网络,通过知识蒸馏的方式引导第二阶段含ADTP模块的模型训练.实验结果表明,本文所提的方法在损失少量性能的情况下,可以大幅度减少识别所需的计算量.此外,本文所提出的ADTP也可用于手语视频结构分析,生成简略直观的手语视频摘要.

关键词 连续手语识别; 时间序列分析; 视觉语言; 知识蒸馏; 计算效率; continuous sign language recognition; time series analysis; visual languages; knowledge distillation; computational efficiency

摘要 信任在人–机器人–数字人协作中扮演着关键角色,因为它不仅影响了人–机器人–数字人的效率,同时也存在风险和益处.然而,当前的人–机器人–数字人信任研究存在“失衡”现象,即大部分研究集中于“以人为中心”的信任关系而忽略了智能体(机器人和数字人)对人的信任.为了填补人–机器人–数字人信任研究领域的这一空白,在使用多模态信号来建立人–机器人–数字人交互中的适度单向信任基础上,构建跨虚实世界的“三位一体”经历交融共享生态.本文旨在探讨多模态线索和增强现实在建立人–机器人–数字人之间可信关系方面的现有研究、可行性和未来发展方向.最后,本文展望了该模式在社会组织形态及社会事件态势感知和管控中的应用前景,并指出了未来需要解决的问题.本文的研究有助于理解多模态线索和增强现实在人–机器人–数字人交互中的作用,并为“三位一体”趋势的实现提供思路和解决方案.

关键词 增强现实; 多模态交互; 人-机器人-数字人交互; 信任; augmented reality; multimodal interaction; human-robot-digital human interaction; trust

摘要 在计算机与网络基础设施不断发展的推动下,越来越多的人类活动从物理世界向数字世界迁移,产生了构建新型虚实融合网络空间的动因和思想,增强现实、数字孪生、元宇宙等相继成为国际关注热点.虚实融合网络以互联网、物联网为基础,进一步将具有独立身份的计算机、各种物理对象及其数字孪生,以及计算机生成的数字原生对象进行互联,将物理世界和人类世界与数字世界贯通,成为“泛联网”,形成人、机、物泛联互通的虚实融合网络空间,带来全新的大众体验、社交形态、生产模式和数字经济发展路径.这种新型网络空间极大地拓展了互联网、物联网的空间边界和应用领域,同时也带来了新的安全与隐私保护问题.本文首先介绍了泛联网与虚实融合网络空间的概念及架构,分析其存在的安全与隐私风险,然后从用户认证与权限控制、数据安全、隐私保护、感知与交互安全、关键基础设施与软硬件安全、应用安全与网络空间治理等方面的国际研究现状和发展趋势进行综述,最后给出需要解决的十个问题.

关键词 虚实融合网络空间; 泛联网; 数字孪生; 安全; 隐私; virtual-real mixing cyberspace; Pervasive Internet; digital twins; security; privacy

摘要 本文针对当前指代视频目标分割方法缺乏目标时空一致性建模和目标时空表征学习不足等问题,进行了深入的研究,提出了基于时空层级查询的指代视频目标分割方法 (STHQ).本文将指代视频目标分割看作基于查询的序列预测问题,并提出两级查询机制进行目标的时空一致性建模和时空特征学习.在第1阶段,本文提出了帧级空间信息提取模块,该模块使用语言特征作为查询独立地和视频序列中的每一帧在空间维度进行信息交互,生成包含目标空间信息的实例嵌入;在第2阶段,本文提出时空信息聚合模块,该模块使用视频级的可学习查询嵌入和第1阶段生成的实例嵌入在时空维度进行信息交互,生成具有时空表征信息的视频级实例嵌入;最后,视频级实例嵌入线性变换为条件卷积参数,并和视频序列中的每一帧进行卷积操作,生成目标的掩码预测序列.在该领域的3个基准数据集上的实验结果表明,本文提出的STHQ方法超越了现有的方法,实现了最佳的性能.

关键词 指代视频目标分割; 时空一致性建模; 时空特征学习; 跨模态特征交互; Transformer; referring video object segmentation; spatio-temporal consistency modeling; spatio-temporal feature learning; cross-modal feature interaction

摘要 本文致力于设计一个有效且高效的伪装物体分割(camouflaged object segmentation, COS)模型.为此,本文开发了一个生物启发的框架,称为金字塔定位和聚焦网络(pyramid positioning and focus network, PFNet+),其模仿了自然界中的捕食过程.具体地,本文的PFNet+包含3个关键模块,即上下文增强模块(context enrichment, CEn)、金字塔定位模块(pyramid positioning module, PPM)和聚焦模块(focus module, FM). CEn通过整合上下文信息来增强骨干特征的表征能力,从而提供更有辨别性的骨干特征. PPM模仿捕食中的检测过程,以金字塔的方式从全局的角度定位潜在的目标物体.然后FM执行捕食中的识别过程,通过在歧义区域的聚焦逐步细化初始的预测结果.值得注意的是,在FM中,本文开发了一个新颖的分心挖掘策略,用于分心区域的发现和去除,以提高预测的性能.大量的实验证明本文的PFNet+能够实时运行(56 fps),在4个标准度量指标下, PFNet+在3个具有挑战性的数据集上都显著优于现有的20个最新模型,在其他视觉任务(如息肉分割)上的实验进一步证明了PFNet+的泛化能力.

关键词 伪装物体; 分心; 上下文增强; 上下文探索; 金字塔; 分割; camouflaged object; distraction; context enrichment; context exploration; pyramid; segmentation

摘要 近年来,图像生成技术取得了令人瞩目的发展,目前的图像生成方法大多以像素填充的方式生成图像,缺乏艺术家逐笔绘制的过程,使其在局部笔触细节与纹理上与真实艺术作品有所不同.神经绘画致力于模仿人类艺术家以画笔为单位,逐笔绘制的作画过程.现有的神经绘画方法大多使用贝塞尔曲线或者笔触模板进行仿射变换来模拟真实笔触.然而,贝塞尔曲线纹理的缺乏以及仿射变换的线性性质,导致生成的笔触在纹理或者形状上存在较大的限制.为了更好地模拟真实笔触的纹理与形状,本文提出了新的基于薄板样条插值的弯曲笔触参数模型,通过对真实笔触模板先后进行弯曲与仿射变换,可以生成更加真实、多样的笔触图像.此外,本文提出了层次化的笔触优化方法,将整幅图像分解为由大到小的多个笔触,能够有效提升模型对图像整体架构与局部细节的绘画能力.最后,本文将提出的方法拓展至风格迁移中,实现了较好的风格迁移效果.定性与定量的实验表明,本文所提出的新的笔触模型与优化方法在神经绘画及风格化任务中都超越了已有的最佳模型.

关键词 神经绘画; 薄板样条插值; 弯曲笔触; 层次优化; 风格迁移; neural painting; thin plate spline; curved stroke; layer optimization; style transfer

摘要 随着无人机以及激光雷达在测绘领域的大规模应用,大量的城市场景稠密三维网格模型被生产出来,对其进行建筑物单体分割与结构化重建是计算机图形学领域极具挑战性的研究问题.本文对此提出了一种城区场景建筑物单体分割与结构化重建耦合处理的方法.首先,本文基于马尔可夫(Markov)随机场从场景中提取建筑物轮廓;然后,基于提取出的建筑物轮廓以及人造建筑竖直方向的规则性,引入了一种新的建筑物结构化模型——多层轮廓模型;最后,设计了一个自顶向下的城区场景建筑物单体分割与结构化重建耦合处理的并行系统,该系统能够高效地处理大规模城区场景.实验结果表明,本文方法生成的结构化模型最高实现了厘米级的精度.

关键词 建筑物单体分割; 结构重建; 耦合处理; 城市场景理解; 马尔可夫随机场; building instance segmentation; structural reconstruction; coupled processing; urban scene understanding; Markov random field

摘要 如何对复杂问题进行高效求解是自然科学和工程技术等领域面临的重要挑战,现有的求解方法主要从分而治之、近似逼近等不同角度进行了深入探索和研究.然而,复杂问题的本身特性影响求解难度,并且不同方法之间的理论差异也限制了其适用范围.粒计算通过模拟人脑处理复杂问题的多粒度认知机制,将问题层次化拆分并渐进式求解,是复杂问题求解的有效手段.因此,本文通过归纳不同领域复杂问题的粒计算求解方法,试图构建一般性的问题求解框架,突出复杂问题求解的多粒度思想.首先,研究不同复杂问题的分解与合成特性,将复杂问题分为可粒计算、弱可粒计算和不可粒计算3类,并构建了形式化的多粒度计算模型,分别用于不同场景的问题求解.其次,通过研究不同模型的相关性质,探讨问题的分解与合成机制,并进一步构建多粒度计算框架,为复杂问题的层次化、渐进式求解提供理论基础.最后,通过分析常见的复杂问题求解方法,挖掘其蕴含的问题分解策略,验证了本文提出的多粒度计算框架在复杂问题求解方面的有效性和泛化性,并给出了多粒度计算未来的挑战与展望.

关键词 复杂问题; 粒计算; 分层递阶; 问题求解; complex problem; granular computing; hierarchy; problem-solving

摘要 多样性公平k-中位问题在数据摘要等对聚类中心选取方式的公平性要求较高的聚类应用领域发挥重要作用.给定一个用户集合、?个设施集合以及正整数k,该问题的目标是在每个设施集合中开设一个规模受限的子集,使得开设设施数量不超过k,且每个用户与距离最近的开设设施之间具有较高的相似度.本文将多样性公平k-中位问题实例映射为低维空间中的小规模实例,并围绕实例中的点划分空间以估计最优解中开设设施的位置.基于这一思路,本文在d-维欧氏空间中为多样性公平k-中位问题提出了时间复杂度为O（nd log n）+2?k+（kε-1）O（1）nO（1）的（1+ε）-近似算法,其中,n为设施与用户数量之和.该结果改进了此前人们在更一般化的度量空间中利用相近的固定参数时间得到的(1+2e-1+ε)-近似比.

关键词 固定参数算法; 近似算法; k-中位问题; 设施选址; 采样; parameterized algorithm; approximation algorithm; k-median; facility location; sampling

摘要 最大独立集问题是计算机科学中最基础且重要的NP完全问题之一.本文研究了超图上最大独立集问题（MISH）和超图上带惩罚的最大独立集问题（PC-MISH）的精确算法.给定一个超图,MISH问题旨在寻找图中最大的独立集,其中,超图中的独立集是一些两两不包含在同一超边的顶点构成的点子集.而PC-MISH问题是MISH问题的松弛化变体.在PC-MISH问题中,仍然寻找一个点集X,但是它允许违背“独立”的性质,也就是说,允许超边包含X中的多个顶点.这个集合X的价值定义为X的大小减去包含至少两个X中的顶点的超边数量.而PC-MISH问题旨在找到一个价值最大的点集.本文研究MISH和PC-MISH问题以n以及l=n+m为参数的精确算法,其中n是超图中顶点的个数,m是超图中超边的条数.通过利用最大独立集问题在一般无向图上的精确算法可以直接得到MISH问题O*(1.1996^n)时间的算法.此外,本文证明了PC-MISH问题可以在O*(1.9548^n)时间内求解,打破了穷举搜索的2^n时间复杂度.进一步,本文重点给出MISH问题一个O(1.1520^l)时间的算法和PC-MISH问题一个O(1.3982^l)时间的算法,分别改进之前时间为O(1.1550^l)和1.5^l2^{o(l)}的精确算法.

关键词 精确算法; 最大独立集问题; 带惩罚最大独立集问题; 超图; 最小子集反馈集问题; exact algorithms; maximum independent set problem; prize-collecting maximum independent set problem; hypergraphs; minimum subset feedback vertex set problem

摘要 图边删除问题中一类重要问题是研究是否可以删除图中不超过k条边之后使得剩余的图不存在某个子图结构H,而子图H为顶点个数不超过4的连通图的情况被研究得最为广泛.本文主要考虑H为Paw图(三角形其中一个顶点再邻接一条边)的情况,称为Paw图–边删除问题,并为该问题设计了一个32k个顶点的问题核.这是该问题的第1个线性顶点大小的问题核.文中主要的技术是结合两个新的皇冠分解的变体来分析图的结构从而对图进行简化.

关键词 图算法; 核心化算法; H-边删除问题; Paw图-边删除问题; 皇冠分解技术; graph algorithms; kernelization; H-edge covering; Paw-edge covering; crown decomposition

摘要 给定度量空间中的一个设施集合与一个带有最低服务级别要求的用户集合,优先k-设施选址问题的目标是开设最多k个设施,在每个开设设施上安置不同级别的服务,并将每个用户连接到一个能满足其服务级别要求的开设设施上,使得设施开设费用、服务安置费用与用户连接费用之和最小.本文利用拉格朗日(Lagrange)松弛技术求解优先k-设施选址问题,针对用户的服务级别要求提出了新的确定化舍入方法,并基于此给出了多项式时间的(7.9533+ε)-近似算法.这是关于该问题的第一个常数近似算法.

关键词 设施选址; 近似算法; 拉格朗日松弛; facility location; approximation algorithms; Lagrangian relaxation

摘要 LinUCB算法是求解上下文多臂老虎机问题的一种典型算法,被广泛应用于新闻投放、产品推荐、医疗资源分配等场景中.目前对该算法的安全性研究略显薄弱,这就要求研究者进一步加深对该算法的攻击方式的研究,以作出具有针对性乃至泛用性的防御措施.本文提出了两种通过添加虚假数据的方式对LinUCB算法进行离线数据投毒攻击的攻击方案,即TCA方案(target context attack)与OCA方案(optimized context attack).前者是基于训练数据与目标上下文的相似性来生成投毒数据的;后者是建模一个优化问题,通过求解该问题来构造投毒数据,是前者的优化版本.实验测试表明,仅需添加少量投毒数据作为攻击成本即可实现对攻击目标的100%攻击成功率.

关键词 上下文多臂老虎机; LinUCB 算法; 数据投毒攻击; 白盒攻击; 优化问题; contextual multi-armed bandit; LinUCB; data poisoning attack; white-box attack; optimization problem

摘要 高通量计算通常需要执行众多规模较小、运行时间较短且相互独立的计算任务.尽管高性能计算系统拥有丰富的计算资源,但主流资源管理系统及现有高通量应用管理方案在吞吐量、应用兼容性和容错性方面存在显著缺陷,导致高性能计算(high-performance computing, HPC)系统上针对高通量应用的资源管理效率低下.针对这一问题,本文提出HFlow—一种融合集中式与分布式资源管理架构的资源管理解决方案. HFlow通过混合作业管理机制实现高应用兼容性,并基于细粒度任务划分算法与多级容错机制同步提升吞吐量与容错性.在天河-2A超级计算机上的实验评估结果显示, HFlow能在维持高通量计算(high-throughput computing, HTC)应用管理效率的前提下成功兼容HTC应用资源管理需求,其任务吞吐量显著优于主流资源管理系统及专用HTC方案,并具备多级容错能力.具体地, HFlow相比于主流资源管理系统及相关通量型应用资源管理方案实现了2.1～108.3倍的任务吞吐量.

关键词 高性能计算; 高通量计算; 资源管理系统; 作业调度; 任务划分; high performance computing; high throughput computing; resource management system; job scheduling; task division

摘要 随机游走已成为一种广泛应用于图分析的工具.与传统的一阶随机游走不同,二阶随机游走通过考虑近期游走历史,能够更好地捕捉数据中的高阶结构.然而,现有的解决方案存在两大主要问题.首先,它们未能充分考虑图块之间的依赖性,致使关联性较高的游走者无法得到及时更新,从而降低了图块的I/O利用效率.其次,多数系统在游走更新阶段仅针对单一游走者执行更新操作,导致相同图数据被多次加载和计算,从而降低了更新效率.为此,本文提出了一种面向二阶随机游走的核外图处理系统DSWalker.它通过优先加载能激活更多游走者的图块组合,并利用并发游走更新中的数据访问相似性,显著降低了原有系统的数据访问成本,从而有效地提高了游走更新效率与整体系统性能.具体来说, DSWalker设计了一种新颖的动态I/O块调度策略,能够使系统以最优的I/O访问方式完成图数据的加载,并有效地减少执行二阶随机游走更新时的I/O开销.同时,DSWalker通过规范并发游走者的更新顺序,使其能够在缓存中共享对相同图结构的数据访问,从而进一步降低数据访问开销.实验显示,与目前最先进的随机游走系统SOWalker相比, DSWalker将二阶随机游走速度平均提升了2.2倍.

关键词 二阶随机游走; 核外图处理; I/O 优化; 缓存优化; 依赖感知; second-order random walk; out-of-core graph processing; I/O optimization; cache optimization; dependency aware

摘要 图神经网络因其在处理非欧几里得空间数据方面的卓越学习和推理能力而备受关注.然而,现实世界中的图结构通常包含顶点之间复杂的高阶关联关系,这类图通常被定义为超图.为了在超图上有效捕获这些高阶复杂特征和潜在语义信息,众多超图神经网络模型被相继提出.尽管目前已有多个利用GPU加速器的高并行计算能力来加速超图神经网络训练的系统软件,但在加速模型训练过程中,这些系统仍面临大量冗余计算和频繁的数据通信问题,导致GPU利用率较低.此外,这些系统仅支持图规模较小的超图神经网络模型训练.针对上述问题,本文发现超图神经网络训练过程中,由于超图中多条超边之间存在较强的拓扑重叠特性,因此这些超边的计算会重复获取和计算相同图顶点的特征向量.基于这一观察,本文提出了一个面向CPU-GPU异构环境的高性能超图神经网络系统(redundancy-elimination hypergraph neural network, RHGNN).该系统充分利用超边间的重叠特性指导超边和顶点特征计算与更新,有效减少CPU-GPU数据通信量.具体而言, RHGNN提出了一种新颖的以超边为中心的冗余消除执行方法,使系统以最优方式完成顶点特征向量的通信加载,实现一次加载服务多次超边和顶点特征计算.同时, RHGNN通过高效的超度感知层次数据缓存机制,在GPU端优先缓存频繁访问的顶点和超边特征向量以及超边中共享顶点的中间结果值,进一步减少数据通信开销.为验证RHGNN的有效性,本文将其与当前最先进的超图神经网络软件系统DGL, PyG以及HyperGef进行了性能对比.实验结果表明,在支持超图神经网络模型训练方面, RHGNN相较于PyG,DGL和HyperGef的性能分别提升了2.5～3.4倍, 2.1～3.1倍和1.4～2.3倍.

关键词 超图神经网络; 训练加速; CPU-GPU异构; 冗余消除; 拓扑相似性; hypergraph graph neural network; training optimization; CPU-GPU heterogeneous environment; redundancy elimination; topology similarity

摘要 检索增强生成(retrieval-augmented generation, RAG)是一种通过诸如近似最近邻搜索(approximate nearest neighbor search, ANNS)等知识检索手段融入外部知识,从而显著提升大型语言模型(large language model, LLM)生成质量的方法.然而,随着外部知识库的不断膨胀, ANNS索引的存储需求也急剧增加,使得海量数据存储在内存中变得不切实际.这进一步促进了基于磁盘的ANNS的发展和应用,但也大大增加了RAG系统的响应时间.为解决这一问题,本文提出了PipeRAG,该系统通过流水线化执行基于磁盘的ANNS检索与LLM的预填充过程,有效地重叠了知识检索和模型推理的延迟,从而在确保检索精度的同时有效提升了RAG系统的整体性能.具体而言, PipeRAG设计了两个核心机制:“ANNS自适应预取机制”和“RAG动态流水线调度策略”,前者能够根据当前的检索状态实时调整预取速度,从而在性能与精度之间取得最佳平衡;后者则综合考虑了ANNS预取速度与LLM分块预填充的延迟,动态地调整预填充任务的大小,以实现最优的流水效率.在实际负载下的广泛评估显示, PipeRAG成功地将基于磁盘的ANNS的RAG系统的响应延迟缩短了25%～71%,同时保持了极低的召回率损失.

关键词 检索增强生成; 近似最近邻搜索; 大语言模型; retrieval-augmented generation; RAG; approximate nearest neighbor search; ANNS; large language model; LLM

摘要 数据的不断增长对云的存储空间、安全、性能等的需求与日俱增.安全去重技术能够有效减少云存储空间需求的同时保障数据去重的安全性.然而,当前主流云安全去重方案依赖于可信第三方来进行密钥安全性保障,这引入了额外的信任假设和密钥管理开销.而两方的去重方案在安全和传输开销方面面临较大挑战.针对该问题,本文提出了一种基于英特尔软件防护扩展（Intel software guard extension, Intel SGX）的云数据安全去重方法,该方法的主要创新在于:（1）设计基于边缘端去重的云边协同安全体系架构,减少了云边之间的传输开销,使用SGX可信执行环境保障了云和边缘端数据和密钥的安全,无需不可信的第三方密钥服务器;（2）提出低开销的密钥安全生成协议,通过云边协同生成密钥,为每个边缘端用户生成唯一的加密密钥,而非为每个数据生成单独的密钥;（3）设计高效的基于标签流行度的标签查询机制.通过计算标签频率,实现冷热标签分离,在提高标签查询效率的同时避免标签误检.安全性理论证明和系统实验测试表明,本文的方案在安全性方面优于最新方法,并大大减少了密钥管理开销和标签查询开销,其中密钥存储开销可节省48.72%98.72%.

关键词 云边协同; 云存储; 安全去重; 英特尔软件防护扩展; 标签流行度; cloud-edge collaboration; cloud storage; secure deduplication; Intel SGX; tag popularity

摘要 物联网的迅猛发展对数据管理提出了诸多挑战,为应对这些挑战并满足管理日益增长数据的切实需求,国家制订了“协同发展云计算与边缘计算”的远景规划.在此背景下,本文提出了一种云边融合安全存储架构,旨在探索物联网数据在云边融合场景下的有效管理途径.该架构利用机密计算、数据缩减、跨域同步等关键技术,支撑数据的高效管理和安全保障.在此基础上,本文进一步提出了一套适应于上述安全存储架构的系统核心设计方案,解决实施过程中的效率问题.此外,本文还探讨了该架构下的未来研究方向,以期为新场景下物联网数据管理提供新视角和解决思路.

关键词 云边融合; 数据缩减; 可信执行环境; 机密计算; 增量同步; cloud-edge integration; data reduction; trusted execution environment; confidential computing; delta synchronization

摘要 传统云或边缘计算模式下,数据的存储、计算和传输分离:终端负责指定具体的计算和关联存储节点,网络仅在这些节点间提供传输路径而并不感知所承载的计算任务.这种模式不仅导致海量异构存算平台难以感知识别彼此的可用资源并形成协同合力、数据存储与计算孤岛化现象严重,还面临拓扑时变、计算节点失效等不确定性导致的任务执行时间长甚至中断等挑战.为此,本文提出一种面向自主计算的存算传融合网络架构,通过构建耦合但差异化管理存算传多维资源的控制面,以及支持形式化计算任务路由和调度的数据面,赋能自主计算的全流程实现.基于所提架构,提出了多维资源状态探测、任务联合调度与服务协同部署方法,实现任务需求拟合与环境适变的高效自主计算.此外,本文还探讨了该架构下的挑战以及可能的未来研究方向.

关键词 自主计算; 存算传融合; 网络架构; automatic computing; caching-computing-communication integration; network architecture

摘要 服务器无感知计算凭借其弹性、高效和低成本的优势已成为下一代云计算的重要组成部分.随着服务器无感知应用的复杂度和多样性的增加,现有服务器无感知计算平台通常将不同应用的函数实例混合部署在统一服务器主机中,并使用统一的CPU调度策略(如Linux完全公平调度)进行调度.由于不同应用对性能、延迟以及调度公平性等的要求都不尽相同,使得单一的全局调度策略,难以满足多样化的调度需求.此外,实验发现,函数实例的执行时间跨度较大,短任务占比高,且冷启动对任务完成时间影响显著.这使得现有调度策略难以兼顾任务的效率与公平性,尤其会增加了短任务的调度延迟.为解决上述问题,我们提出并实现了一种调度隔离机制,允许在同一服务器上为单个或多个应用使用独立的CPU调度策略.此外,我们设计了FaaSchedule,一种新的可定制调度策略,综合考虑函数的执行时间、启动时间和等待时间,并支持根据不同应用需求动态定制调度策略.在OpenWhisk平台上的实验表明, FaaSchedule显著降低了短任务的平均完成时间,并有效支持调度隔离与策略定制.

关键词 CPU调度; 服务器无感知计算; 冷启动; 调度隔离; 定制化内核; CPU scheduling; serverless computing; cold start; scheduling isolation; customized kernel

摘要 泛在计算为人机物融合应用带来了新的可能性,但也面临着异构资源管理、需求多样性和计算资源受限等问题;同时,人工智能模型的快速发展也为智能应用的开发带来了机遇与挑战.为此,本文提出了元级化软件定义的泛在操作系统设计理念,通过引入“软件孪生”技术实现对异构资源的抽象管理,采用“上传下达”的层级结构应对复杂需求的分解,并通过智能原生设计实现对人工智能模型的支持.本文进一步以操作系统智能助手、“天网”监控系统和疾病防控系统3个典型泛在计算应用场景为例,阐述了本文所提出的泛在操作系统设计理念在实践中的优势和潜在价值,预示着智能时代下人机物融合的广泛应用前景.

关键词 泛在计算; 泛在操作系统; 软件工程; ubiquitous computing; ubiquitous operating system; software engineering

摘要 本文聚焦于新型数据流架构在多领域融合计算中的应用潜力与发展趋势.随着人工智能、图计算和大数据等新兴技术的发展,传统冯·诺依曼(von Neumann)架构和领域专用架构的性能瓶颈愈加显著,难以满足未来计算系统对高性能和高灵活性的需求.本文首先梳理了现有数据流芯片的设计方法,基于专用性与通用性、执行粒度等维度探讨了数据流架构的不同实现方式及其应用现状.在此基础上,提出了一种基于并发代码块的数据流抽象机模型,并设计了完整的指令集和微体系结构,进一步实现了跨领域的统一中间表示和多种算子融合策略,优化了数据流在图神经网络、大模型计算和实时信号处理等任务中的执行效率.实验结果表明,基于该抽象机模型的处理器在性能与功耗方面优于现有的通用处理器架构.最终,本文展望了数据流架构在未来计算系统中的广泛应用前景及其对高效能计算的深远影响.

关键词 多领域融合计算; 数据流架构; 抽象机模型; multi-domain integrated computing; dataflow architecture; abstract machine model

摘要 面对日益复杂且随时间迅速变化的数据中心网络流量,基于带内网络遥测(in-network telemetry,INT)信息的拥塞控制技术面临诸多挑战.一方面,现有的较为成熟的算法主要依赖接收方的ACK(acknowledge)包反馈INT信息到发送方来获得链路负载信息,由于ACK包的反馈时延是RTT (round trip time)级别的,发送方在流传输的第1个RTT内无法获得INT信息.另一方面,现有的算法普遍缺乏在流传输完成时对网络空闲带宽的抢占,因而网络不可避免地会出现带宽浪费.本文深入探索基于INT信息的拥塞控制技术,有效打破了RTT级别的流控时间屏障,缓和了带宽浪费,提出了一种超精准、高效的拥塞控制算法—ACC (agile congestion control).与现有较为成熟的基于INT信息的拥塞控制算法HPCC (high precision congestion control)相比, ACC格外关注流传输的第1个RTT,在此期间利用交换机将路径拥塞信号传回发送方,能够对网络拥塞做出更敏捷的反应.此外, ACC关注网络中长流对带宽的抢占能力,能够帮助长流提前感知空闲带宽,从而降低网络传输的尾延迟.大量的实验验证了ACC方案的性能,实验结果显示在保持与HPCC一致的高吞吐量的基础上, ACC能够有效降低队列长度和流尾延迟.具体来说,在大规模Clos网络拓扑中,当工作负载为WebServer,负载强度为0.6时,与HPCC相比, ACC能够将平均队列长度减少9.6%,将第95百分位流完成时间减少29.7%.

关键词 数据中心网络拥塞控制; 带内网络遥测; 带宽抢占; 交换机主机协同; datacenter congestion control; in-network telemetry; bandwidth preemption; coordination of switch and host

摘要 为了应对越来越高的算力需求, GPU在流处理器内集成了多种通用计算单元及专用计算单元(FP32 Core, INT32 Core, FP64 Core, Tensor Core, RT Core).任意一种GPU内可能包含以上计算单元中的部分单元.尽管GPU的流处理器内存在着多种计算单元,它们之间的计算并行性无法从硬件设计白皮书中获知.与此同时,现有调度接口无法支持使用不同计算单元的核函数并行利用这些计算资源,更无法支持运行时的精细调度以最大化系统吞吐.面对以上问题,我们提出了硬件感知吞吐导向的核函数调度方法 Hato. Hato首先设计了一个硬件并行性感知工具,支持为任意GPU定位出所有的流处理器内并行性.其次, Hato提出了一个核函数混跑建模方法,通过核函数混跑利用到流处理器内并行性,并支持核函数在混跑情况下的执行时间精准预测.最后, Hato提出了一个吞吐导向的调度策略,支持在保证延迟敏感型应用服务质量的同时,利用到所有可能的流处理器内并行性,以最大化整体系统吞吐.实验结果表明, Hato相比最新调度系统Tacker提升了平均19.2%,最高54.1%的系统吞吐.

关键词 GPU; 流处理器内并行性; 吞吐提升; 运行时系统; GPU; intra-SM parallelism; throughput improvement; runtime system

摘要 随着城市化建设进程的加速,超级智慧城市群的新格局正在形成,物联网、人工智能和大数据等技术正快速渗透至城市信息基础设施的建设,使智慧城市形成极具前景的新兴交叉研究领域.然而现有智慧城市解决方案通常是面向不同城市的定制化方案,在实际应用中缺乏对城市运行状态全面智能感知和多区域协同能力.本文提出了视觉端边云融合的架构,用于智慧城市群的协同发展.首先,将推动智慧城市信息基础设施的新质生产力凝练出算力、运力、数力、智力、视力的新五维特征.之后,通过构建层次化的城市内和城市间视觉端边云架构,解决数据互通瓶颈并助力打破城市间的信息孤岛,提升整体系统的灵活性和可靠性.同时,本文还提出了特征重构的资源共享技术、面向大规模群体的跨域协同优化技术、以及面向复杂城市网络的持续演化的关键技术,从而实现城市智慧连接,形成共通、共享、共赢的新型城市网络架构,以支持智慧城市群通过视觉数据进行跨场景、精准、动态实时的计算.本文旨在为智慧城市群的发展提供一个全面的技术架构和解决方案,以支撑超级智慧城市群的协同演进,推动智慧城市群的智能化进程.

关键词 视觉端边云; 端边云系统; 智慧城市群; 智能系统; 视觉计算; visual end-edge-cloud; end-edge-cloud system; smart city clusters; intelligent system; visual computing

摘要 近年来,随着物联网和人工智能技术的融合,智能物联网(AI+IoT, AIoT)逐渐成为备受关注的新兴前沿领域.在这一背景下,深度学习驱动的智能应用逐渐渗透到智慧城市、公共安全等多个领域.为了实现智能计算从云端向物联网终端和边缘端延伸,智能物联网的多移动终端设备协同工作需要面对的挑战包括可用资源受限和环境动态变化等方面.在智能物联网中,多移动终端具备泛在感知、智能计算与自主决策能力,并参与到感知、计算、学习和决策的过程中.本文提出了多移动终端轻量化感–算–策协同增强方法,旨在克服单终端的视野、资源和性能局限,提升系统的感知覆盖和计算效率,提高在多种应用场景下的任务性能.

关键词 智能物联网; 数据融合感知; 深度模型伸缩卸载; 大小模型互馈决策; 异构系统跨层优化; intelligent Internet of Things; data fusion perception; deep model scalability offloading; mutual feedback decision of large and small models; cross-layer optimization of heterogeneous systems

摘要 近年来,以忆阻器为代表的存内计算架构被广泛研究,用于加速各种应用,并有望突破冯·诺伊曼(von Neumann)架构面临的内存墙瓶颈.本文观察到忆阻器计算操作的能源消耗存在不对称性,即在低电阻状态下对忆阻器单元的操作能耗可能比在高电阻状态下高出数个数量级.这为通过减少低电阻状态单元的数量来节省计算能源提供了机会.为此,本文提出了一套通用且高效的忆阻器编解码机制,可以无缝集成到现有加速器中,并且不会影响其计算结果.在编码部分,设计了一个基于减法的编码器,实现了低电阻状态到高电阻状态的编码转换,并将编码问题表述为图遍历问题以实现最优的编码结果.在解码部分,配备了一个轻量级的硬件解码器,用于还原编码的计算结果,并且避免引入额外的计算时间开销.实验结果显示,本方案在机器学习和图计算等多个领域取得不俗效果,分别实现了高达31.3%和56.0%的能源节约.

关键词 存内计算; 忆阻器; 加速器; 高能效; 机器学习; 图计算; processing in memory; memristor; accelerator; energy efficiency; machine learning; graph processing

摘要 高速网络流大小的测量面临着高速存储资源极度稀缺的挑战,难以满足海量流式数据的实时存储需求.目前的研究大多采用存储资源共享技术,以便将设计的估计器置于稀缺的高速片上缓存中.然而,这种方法引入了大量难以消除的噪声,导致中小规模流的估算精度不高.为了解决这一问题,本文提出一种能根据流大小自适应调整所占用存储空间的自适应Sketch技术,并在此基础上设计出一个高精度、低存储开销的每流大小估计器.自适应Sketch技术利用可逆计数器高效滤除海量噪声小流,并进一步采用采样概率逐层递减的采样计数器实现对不同规模流的自适应采样计数,从而控制大流对资源的过多占用,实现了低开销、高精度的每流大小测量.基于真实网络数据集CAIDA 2019的仿真实验表明,所提出的自适应Sketch流大小估计器的平均相对误差较现有机制降低了接近1个数量级.

关键词 高速网络; 流大小测量; Sketch; 噪声小流过滤; 可逆计数器; high-speed network; flow size measurement; Sketch; small flows filtering; reversible counters

摘要 图作为一种灵活表达对象之间关系的数据结构,广泛地应用于各类重要的现实场景.近年来,随着性能提升速度放缓,通用处理器逐渐无法满足图计算应用的需求,并成为限制图计算发展的主要瓶颈.因此,面向图计算的领域专用加速器成为近年来的研究热点.通过定制化的硬件设计,图计算加速器可以在图计算应用中取得通用处理器数十倍的性能.然而,现有的图计算加速器在运行宽度优先算法时会频繁地重复访问幂律顶点的相关数据,进而导致了严重的冗余访存问题.在特定场景下,现有的图计算加速器的性能甚至低于通用CPU.为了解决该问题,本文提出一种冗余感知的高能效图计算加速器JiFeng.当幂律顶点完成迭代计算时, JiFeng通过跳过剩余的相邻边大幅减少其被重复访问的次数. JiFeng实现了一系列软硬件协同设计,在保证负载均衡的同时提升硬件的执行效率.为了验证JiFeng的有效性,本文采用FPGA原型系统对相关设计进行性能评估. JiFeng在典型的生成图和现实图上实现最高每秒遍历4612亿条边的性能和每秒每瓦特遍历125亿条边的能效比,并在2023年11月的图计算超算排行榜GreenGraph500的小数据集榜单上取得第2名的成绩.

关键词 图计算; 加速器; 宽度优先搜索; 冗余访存; FPGA; graph processing; accelerator; breadth-first search; redundant memory access

摘要 服务器无感知计算作为云原生范式中快速发展的新兴技术,因其按需付费、自动资源伸缩和底层环境屏蔽等特点而受到越来越多的开发人员欢迎. FaaS (函数即服务)作为Serverless架构的主要实现方式,以函数粒度对应用进行解耦和执行.大多数云服务提供商也为应用开发人员提供了基于Serverless架构的应用搭建服务,这些服务允许开发人员以函数的形式部署代码,并根据实际的请求量进行自动扩缩容.然而,在部署有状态函数时,由于Serverless架构的无状态特性,管理其中的有状态数据变得复杂,往往无法满足Serverless中函数对有状态数据的访问性能要求.因此,本文提出了一种基于有状态和动态可寻址会话机制的服务器无感知计算系统XFaaS,实现了低开销的有状态数据访问和更高的应用吞吐.实验结果表明,通过采用XFaaS系统部署有状态函数的方式,可以降低有状态数据访问时延3个数量级,并提高2倍以上的函数最大吞吐量.

关键词 服务器无感知计算; 函数即服务; 有状态函数; 粘滞会话; 容器; Serverless computing; function-as-a-service; stateful function; sticky Session; container

摘要 联邦学习(federated learning, FL)是一种以保护客户隐私数据为中心的分布式处理网络,为解决隐私泄露问题提供了前景良好的解决方案.然而, FL的一个主要困境是高度非独立同分布(nonindependent and identically distributed, non-IID)的数据会导致全局模型性能很差.尽管相关研究已经探讨了这个问题,但本文发现当面对non-IID数据、不稳定的客户端参与以及深度模型时,现有方案和标准基线FedAvg相比,只有微弱的优势或甚至更差,因此严重阻碍了FL的隐私保护应用价值.为解决这个问题,本文提出了一种对non-IID数据鲁棒的优化方案:FedUp.该方案在保留FL隐私保护特点的前提下,进一步提升了全局模型的泛化鲁棒性. FedUp的核心思路是最小化全局经验损失函数的上限来保证模型具有低的泛化误差.大量仿真实验表明, FedUp显著优于现有方案,并对高度non-IID数据以及不稳定和大规模客户端的参与具有鲁棒性.

关键词 分布式网络; 联邦学习; 异构优化; 泛化性; 鲁棒性; 隐私保护; distributed network; federated learning; heterogeneous optimization; generalization; robustness; privacy protection

关键词 非地面网络; RRC; 3GPP标准; 6G; ns-3; NTN; 3GPP standaration

关键词 超大规模卫星互联网; 并行分布式仿真; 传输层协议; 性能评估; ultra-dense satellite Internet networks; parallel and distributed simulation; transport layer protocol; performance evaluation

关键词 低地球轨道卫星; 空中计算; 信道预测; 图神经网络; Transformer; LEO satellite; over-the-air computation; channel prediction; graph neural network

关键词 卫星互联网安全; SAT-DEF框架; 威胁建模; 攻击链; satellite Internet security; SAT-DEF framework; threat modeling; attack chain

关键词 卫星互联网; 主动防御; 密码定义网络; SRv6; 安全架构; 合规审计; satellite Internet; active defense; crypto-defined network; security architecture; compliance auditing

关键词 卫星互联网; 复杂异构巨星座; 网络安全; 治理框架; 体系化防御; satellite Internet; complex and heterogeneous mega-constellations; cybersecurity; governance framework; systematic defense

关键词 卫星互联网安全; 高级持续性威胁; 动态博弈; 最优修复; satellite Internet security; advanced persistent threats; dynamic game; optimal recovery

关键词 卫星互联网; 可搜索加密; 多模态数据安全; 属性基加密; 云边端协同计算; satellite Internet; searchable encryption; multi-modal data security; attribute-based encryption; cloud-edge-end collaborative computation

关键词 NTN; 回传安全; EDHOC; 安全认证; 基站上星; backhaul security; security authentication; base station onboard satellite

关键词 跨域卫星互联网; 接入控制; 一致性同步; 隐私保护; 多方隐私集合求并; cross-domain satellite Internet; access control; consistency synchronization; privacy-preserving; multi-party private set union

关键词 低地球轨道卫星; 信任评估; 零信任安全; D-S证据理论; 内部攻击; low Earth orbit satellite; trust evaluation; zero trust security; D-S theory of evidence; internal attack

关键词 卫星互联网; 卫星互联网安全体系; 安全威胁态势; 安全防护技术; 政策与法律框架; satellite Internet; satellite Internet security architecture; security threat landscape; security protection technologies; policy and legal framework

摘要 传统隐私集合求交方案使得参与方在不泄漏各自隐私集合的情况下计算各自集合的交集,而无法支持基于交集数据的拓展计算.电路隐私集合求交方案使得参与方在不泄漏交集数据的前提下,能够完成基于交集数据的对称函数计算,从而构建通用的隐私集合求交方案.首先通过对现有方案进行分析和总结,提出电路隐私集合求交的计算框架,其由三部分组成:数据集本地分类、分类数据不经意编码及交集成员检测与共享,其中后两部分占总计算开销的90%以上,占总通信开销的100%.因此,本文提出了基于不经意多项式评估实现分类数据的不经意编码.通过将开销较大的插值多项式计算替换为高效的一阶多项式评估,将不经意编码的计算复杂度从O（n2）降低到O（n）.此外,本文设计了一种通信高效的批量相等检测协议,用于交集成员的快速检测与共享.通过构造不经意索引偏移方案,将批量相等检测问题转换为使用单一索引的不经意检索问题,实现了目前最优的在线通信复杂度.实验结果表明,通过以上优化,本文提出的隐私集合求交方案在运行时间方面相比于PSTY19（EUROCRYPT 2019）, RS21（EUROCRYPT 2021）和CGS22（PETs 2022）分别实现了2.3, 1.16和1.37倍的加速.在通信开销方面,本文所提协议的通信开销仅是PSTY19的31%, RS21的29%和CGS22的52%.

关键词 隐私集合求交; 电路隐私集合求交; 不经意多项式评估; 批量相等检测; private set intersection; circuit-based PSI; oblivious polynomial evaluation; batch equality test

摘要 近年来,随着大型语言模型（large language models）在自然语言处理、智能教育、内容生成等领域的广泛应用,其潜在安全风险也日益凸显.现有的安全评估基准往往侧重于单一攻击手段或狭窄的任务类型,难以全面反映模型在多领域、多场景下的安全表现.为此,本文提出一个面向中文大语言模型的多领域、多场景、多维度综合安全评估基准M3-SafetyBench.该体系创新性地构建了“内容安全–功能安全”双层评估架构,覆盖通用领域与教育垂直领域,整合开放式生成、选择题多类型测评任务.同时,本文引入红队攻击策略,对模型进行越狱攻击评测,以增强评估的深度与广度,进行多维度安全分析.通过构建包含逾17万条高质量测试数据集,本研究对19个主流开源与闭源大语言模型展开系统性评测.实验结果表明,不同模型在不同安全风险维度上表现差异显著,揭示了当前大语言模型技术在内容生成、安全对齐等方面的瓶颈.本文所述的M3-SafetyBench不仅为大语言模型的安全改进提供了量化指标和方法流程,也可为行业监管与合规检测提供可靠的数据支撑.

关键词 大语言模型; 安全评估基准; 红队攻击; 多场景测试; 内容与功能安全; large language models; safety evaluation benchmark; red teaming; multi-scenario testing; content and functional safety

摘要 神经网络在面对对抗样本攻击时表现出显著的脆弱性,微小的输入扰动即可导致基于神经网络的分类器产生高置信度的错误预测.当前主流的防御方法通常需要对模型结构进行修改,或过度依赖数据处理,且往往仅对特定攻击有效,泛化能力差.为此,本文提出了一种基于神经网络决策边界与一致性分析的对抗样本攻击检测方法.首先,基于超平面逼近对神经网络决策边界进行建模,通过计算样本到决策边界的最小距离,从待测样本集中快速初筛出可疑样本集,提高整体检测效率.随后,通过在样本沿梯度方向施加多次扰动并提取其余弦相似度均值生成梯度一致性特征,对样本进行压缩并提取压缩前后标签变化及置信度波动生成压缩一致性特征.最后,通过一致性特征识别可疑样本集中的对抗样本,提升检测的鲁棒性和精度.在MNIST, CIFAR-10和ImageNet数据集上的实验结果表明,与现有主流方法相比,本文方法不仅提高了对抗样本检测性能,而且在应对复杂攻击时表现出更强的鲁棒性.

关键词 神经网络; 决策边界; 梯度一致性; 压缩一致性; 对抗样本攻击; neural network; decision boundary; gradient consistency; compression consistency; adversarial example attack

摘要 大语言模型在高效生成代码的同时,也引发了版权归属与代码滥用的潜在风险.为此,大语言模型水印技术应运而生以追踪代码来源.然而,当水印技术应用于代码这一特殊载体时,其有效性与鲁棒性面临严峻考验.为了检测代码水印鲁棒性,现有基于抽象语法树(AST)的攻击策略在效率和稳定性上仍存不足.为此,本文提出一种名为DeMark的新型编译–反编译水印去除方法.该方法首先将含水印代码编译为低级二进制表示,利用编译器优化消除水印痕迹;随后,通过创新的自动化函数调用图构建算法,将优化后的二进制代码反编译回保留核心功能与可读性的高级语言代码,从而高效去除水印.实验结果表明, DeMark在攻击现有水印方法方面表现出显著有效性和更强的适应性,尤其在处理涉及复杂语义保留变换的水印时优势明显.此外,本研究首次系统评估了C++等编译型语言水印在代码重构和跨语言转换场景下的鲁棒性,揭示了当前文本水印算法应用于代码生成的固有缺陷,为未来设计更稳健的代码溯源机制提供了重要参考.

关键词 水印安全去除; 大语言模型安全; 可信代码生成; 编译安全优化; 对抗鲁棒性; secure watermark removal; LLM security; trustworthy code generation; secure compilation; adversarial robustness

摘要 针对物联网隐私检测中边缘设备资源受限、新型隐私泄露泛化检测能力不足及精度与效率难以平衡三大挑战,本文提出基于并行深度神经网络的物联网边缘侧隐私数据检测系统(PDNN-PDE).该系统首先通过轻量级多模态数据编码器,高效处理图像、时序传感器信号及日志文本等异构数据;再依托并行深度神经网络隐私检测引擎,在边缘侧设备实现多模态隐私数据的分布式实时检测;同时基于云–边协同的动态增量学习算法,周期性更新模型以增强对新型隐私泄露模式的泛化检测能力.实验结果表明, PDNN-PDE检测精度较单模态轻量模型平均提升3.6%;融合模态在检测精度仅降低0.7%的情况下,内存占用较现有专用模型减少76%,推理延迟减少21.3%;在新型泄露模式自适应方面,经70轮增量学习后模型准确率恢复至89%,较静态模型提升约44%.上述结果证明PDNN-PDE可在资源受限物联网边缘环境中实现高效鲁棒且自适应的隐私数据检测.

关键词 物联网边缘计算; 隐私数据检测; 并行深度学习; 多模态数据; 增量学习; IoT edge computing; privacy data detection; parallel deep learning; multimodal data; incremental learning

摘要 图神经网络因其在结构化数据建模中的优势,已广泛应用于社交推荐、医疗诊断、金融分析等涉及敏感信息的场景.然而,图神经网络在训练过程中对局部结构及节点属性的强依赖,使其易受到成员推理攻击.攻击者可通过分析模型对成员与非成员样本的预测差异,轻易推断样本是否参与训练,造成严重的隐私泄露.现有防御策略虽在计算机视觉任务中取得初步成效,但直接应用于图神经网络时常面临模型性能下降、图结构扰动开销大、隐私保护效果有限等问题.为此,本文提出一种训练–推理协同的隐私保护框架,该框架从预测熵角度出发,提升模型输出分布的混淆性并缓解性能退化.在训练阶段,构建基于节点重要性的自适应高熵软标签生成机制,抑制模型对成员节点的过度自信,并通过熵正则项进一步惩罚低熵输出并增强隐私混淆效果.同时,引入节点级对比学习模块,提高图神经网络在聚合过程中的判别性表征能力,从而缓解隐私保护可能引起的模型性能下降.在推理阶段,提出基于随机图的输出扰动方法,利用随机图生成的非隐私输入重构模型输出,在保持类别排序不变的前提下统一输出置信度,进一步模糊模型在成员与非成员之间的输出差异.实验结果表明,所提方法在多个公开图数据集和图神经网络上实现了更优的隐私–效用平衡,显著提升了对成员推理攻击的防御能力.

关键词 图神经网络; 成员推理攻击; 隐私保护; 图数据; 信息熵; graph neural networks; membership inference attacks; privacy protection; graph data; information entropy

摘要 图神经网络(graph neural networks, GNNs)在各种任务中取得了显著成功.然而,最近的研究表明GNNs容易受到攻击,特别是精心设计的对抗性扰动.现有的工作仅仅注重解决边扰动来重建图,而忽视了对GNNs内核(即消息传递)的防御.当攻击预算减少时,它们的模型鲁棒性通常会下降,这种现象称为过防御.本文提出一种新的防御算法Bandage来解决这两个问题,它独立于特定的GNN架构运行.具体来说,本文提出了一种包含两个纯化器的内核防御机制,旨在保护消息传递的输入和输出.第1个纯化器利用非极端邻居集在特征和拓扑层面上纯化图,第2个纯化器解决图结构和节点嵌入之间的不一致性,在嵌入层面上纯化图.为了实现对消息传递的防御,同时减轻过防御,本文设计了一个双向嵌套结构,它捕捉了两个相反方向的输入和输出之间的内在关系.广泛的实验表明, Bandage显著增强了GNNs的鲁棒性.与现有最优的防御方法相比, Bandage在两种受害者模型上的性能平均提高了4.2%和1.7%.

关键词 图神经网络; 对抗防御; 鲁棒性; 图纯化; graph neural networks; adversarial defense; robustness; graph purification

摘要 随着人工智能技术的快速发展,机器学习模型对高质量数据的需求日益迫切.在云端数据市场场景中,数据购买方通常需要在正式交易前对数据进行价值评估,以提升机器学习模型性能.然而,这种评估过程涉及敏感的模型参数与数据样本,若未妥善保护,可能造成严重的隐私泄露风险.尽管内积函数加密(inner product functional encryption, IPFE)为此类问题提供了有效的理论工具,但传统IPFE方案在实际应用中暴露出密钥滥用和计算效率低下等严重缺陷,极大限制了其在人工智能数据评估场景中的应用.本文针对上述挑战,提出了一种高效的双外包函数隐藏内积加密(function-hiding inner product encryption, FHIPE)通用框架.首先,本文引入转换密钥机制实现了解密过程的安全外包,允许客户端将复杂的解密任务委托给云端服务器,同时确保数据和函数信息的隐私性;其次,本文设计了一种优化的转换密钥生成算法,将转换密钥的计算复杂度从传统的O(n)降至常数级别O(1),有效缓解了在高维机器学习数据评估场景下的计算瓶颈问题;最后,本文进一步实现了密钥生成的安全外包,显著减轻客户端计算负担,并提出了安全的参数公开机制,有效防范了云端服务器和数据提供者共谋泄露隐私的风险.实验评估结果表明,本文提出的双外包FHIPE框架将主要计算任务有效转移至服务端,能够有效降低人工智能数据评估中客户端的计算和存储开销,具有良好的安全性、扩展性和用户友好性,特别适用于云环境下大规模机器学习数据评估等计算敏感型应用.

关键词 函数隐藏内积加密; 人工智能数据评估; 双外包; 云计算安全; 隐私保护; function-hiding inner product encryption; artificial intelligence data evaluation; dual outsourcing; cloud computing security; privacy preservation

摘要 近年来,随着深度神经网络广泛部署于众多关键领域,关于深度神经网络的后门攻击逐渐成为亟待关注的安全隐患.然而,多数后门攻击普遍假设攻击者能够获取目标模型的原始训练数据作为辅助数据集,这显著限制了攻击方法在现实场景中的实用性.此外,依赖显式触发器以激活后门的设计亦削弱了后门的隐蔽性.为此,本文提出一种无需训练数据与触发器的后门攻击方法,以提升后门攻击的实用性与隐蔽性.所提出方法基于一种新颖的微调框架,其将恶意数据的语义融入攻击者指定类别的特征表示中,从而实现无触发器恶意样本被稳定误分类至攻击目标类.同时,为保持模型在正常样本上的原始性能,本文引入知识蒸馏机制以替代传统训练数据,并结合弹性权重约束设计参数重要性评估机制,引导模型在保留原有知识的同时实现有效注入.我们在3个具有代表性的真实数据集上对所提方法进行了系统实证研究,实验结果验证了该攻击的有效性、隐蔽性与实用性.此外,本文还进一步探索了辅助数据集与模型反演技术在提升攻击能力方面的潜力.

关键词 机器学习安全; 后门攻击; 无触发器攻击; 无数据攻击; machine learning security; backdoor attack; trigger-free attack; data-free attack

摘要 近年来,知识蒸馏被一些研究者用于黑盒攻击并取得了显著攻击效果.然而现有基于知识蒸馏的黑盒攻击方法依然存在不足,一是采用传统知识蒸馏方法中的固定温度值,没有充分发挥温度对于提高知识蒸馏效果的作用;二是对于多教师蒸馏的场景研究较少,缺乏合理的权重分配机制,两者均不利于提高模型的迁移性.本文提出了基于改进知识蒸馏的黑盒攻击方法,采用对抗的方式训练知识蒸馏中的温度参数来迫使学生模型学习到更多鲁棒性特征,通过多教师联合蒸馏构建代理模型,并设计动态温度调控注意力机制分配多教师的权重,有效提高了代理模型的泛化能力和鲁棒性,使得生成的对抗样本具有更高的迁移性.本文在CIFAR100和ImageNet-compatible数据集上进行了广泛的实验,结果表明,所提出的方法可以有效提高攻击成功率,并能获得相较目前最先进知识蒸馏方法更优的攻击性能.

关键词 知识蒸馏; 代理模型; 对抗样本; 黑盒攻击; 迁移性; knowledge distillation; substitute model; adversarial samples; black-box attack; transferability

摘要 随着机器学习即服务(machine learning as a service, MLaaS)的广泛应用,其数据隐私问题日益凸显.可信执行环境(trusted execution environment, TEE)通过硬件隔离为MLaaS提供了强大的保护,尤其在防止模型参数泄露和训练数据泄露方面具有显著优势.这种隔离机制使得主流的成员推理攻击(membership inference attack, MIA)方法面临挑战:由于攻击者难以直接访问模型内部参数和状态,且受到查询频率的严格限制,现有MIA方法在TEE下效果不佳.然而,本文发现并利用了TEE保护下MLaaS存在的一个新型攻击面,提出了一种名为DMS-MIA(disk replay-based multi-metric sequence membership inference attack)的成员推理攻击方法.该方法的核心思想在于,攻击者利用对宿主机及虚拟化管理程序的控制权,对TEE保护下机密虚拟机的加密磁盘进行周期性快照与重放,获取MLaaS模型训练过程中的中间状态的输出.随后, DMS-MIA从这些历史输出中构建多维度指标的时间序列,并采用Mamba模型作为攻击模型,放大序列中的成员关系信号以识别样本的成员身份.实验结果表明,在3个图像数据集及2个非图像数据集上, DMS-MIA在诸如TPR@0.1%FPR和AUC等多项关键指标上取得了显著效果.

关键词 成员推理攻击; 可信执行环境; 机器学习; 磁盘重放; 多指标序列; membership inference attack; trusted execution environment; machine learning; disk replay; multi-metric sequence

摘要 对抗攻击是深度神经网络面临的主要安全威胁,其生成的对抗样本具有跨模型的攻击可迁移性.集成对抗攻击通过融合多模型优势,显著增强了攻击迁移效果.然而,现有方法多关注扰动生成策略的优化,忽视了模型间差异性对迁移能力的影响.本文从博弈论的视角分析了集成攻击中多模型间的协作与策略权衡问题,并提出一种博弈论驱动的多层次扰动集成对抗攻击GMPE.该方法基于Shapley边际贡献分配集成攻击权重,最大化模型的贡献,从而进一步提高生成对抗样本的可转移攻击能力和可解释性.本文进一步提出多层次扰动生成及梯度集成策略,通过内部迭代机制的设计,将模型多样性引入到攻击生成过程的动态采样中,更精确地捕捉整体模型对抗方向,显著增强了对抗样本的攻击成功率.本文在NIPS 2017和ILSVRC 2012两个公开数据集上验证了所提出方法的有效性,相对于最先进的攻击方法, GMPE不仅显著提高了攻击成功率,同时具有较好的可迁移性.

关键词 对抗攻击; 图像分类; Shapley值; 深度学习; 图像处理; adversarial attacks; image classification; Shapley values; deep learning; image processing

摘要 机器遗忘(machine unlearning, MU)是机器学习中保护数据安全的关键技术,旨在实现从模型中选择性剔除特定数据影响的同时维持模型能力.然而,传统遗忘方法普遍依赖全量模型重训练,面临计算成本高昂与现实场景适配性不足的双重困境.本文通过融合机器遗忘的精准性与元学习的灵活性,提出了联邦场景下的新型联邦元遗忘(federated meta-unlearning, FMU)框架.该框架基于模型无关元学习(model-agnostic meta-learning, MAML)算法,结合层次化模型分解技术与加权聚合机制,不仅能够高效消除目标数据的特征印记,更可将遗忘操作对全局模型性能的影响控制在极低水平.本文的核心思想在于将联邦学习全局模型解构为可独立编辑的组件模块,响应遗忘请求时通过靶向参数修正技术对特定模块进行选择性微调或移除,再利用加权聚合机制确保模型的完整性与适应性.本文通过多类型数据集与跨模态学习任务,对FMU进行了全面实证评估,相较于4种常用遗忘方法 (传统重训练、基于MAML的重训练、SISA遗忘和基于梯度的遗忘), FMU显著降低了计算开销,同时保持卓越的模型性能与隐私标准合规性.更重要的是, FMU增强了模型对新数据和新任务的适应能力,充分验证了其在动态隐私敏感环境中的实用价值.

关键词 机器遗忘; 元学习; 联邦学习; 隐私保护; machine unlearning; meta learning; federated learning; privacy protection

摘要 联邦遗忘学习(federated unlearning)能够从已学习的模型中删除某些特定客户端数据及这些数据对联邦学习全局模型的影响,从而支持赋予“被遗忘权”.实现遗忘最直接的方法是从头开始训练模型,但高额的计算成本限制了重训练的可行性.现有的联邦遗忘方法大都通过移除目标客户端历史贡献或采用梯度上升逐步调整模型来达到遗忘目标.然而,存储历史梯度和性能恢复训练均面临较高的存储和通信开销,限制了联邦遗忘效率.此外,联邦遗忘学习的隐私风险问题也有待进一步研究.因此,本文提出基于更新残差的差分隐私联邦遗忘学习机制FedUR,实现了隐私保护、模型效用与遗忘效率三者之间的有效平衡.具体地, FedUR基于差分隐私范式使得遗忘模型与重训练模型在统计意义上不可区分,提供隐私保护增强的联邦遗忘学习. FedUR创新性地利用更新残差来量化遗忘客户端对全局模型的历史影响,通过移除所有历史更新残差的加权和来实现快速遗忘,无需依赖额外的模型恢复训练过程,有效降低了存储开销并提升遗忘效率.此外, FedUR还集成了数据重要性采样和周期加权聚合策略,以减轻数据异构性对模型性能的不利影响,同时降低存储和通信开销.实验结果表明,FedUR机制在提供隐私保护的同时具有较高的遗忘效率和较好的模型效用.

关键词 联邦学习; 差分隐私; 联邦遗忘; 更新残差; 模型效用; federated learning; differential privacy; federated unlearning; update residual; model utility

摘要 车载网络正面临日益严峻的隐私泄露威胁.然而,现有研究方案多依赖于路侧基础设施的完备性,这导致其在路侧单元损坏等无辅助计算场景中,存在数据泄露、认证机制失效及内部恶意攻击等多重安全风险.为此,本文提出一种基于区块链的无辅助计算车载网络联邦学习隐私保护方案.首先,通过设计一种组成员动态管理机制,依托区块链去中心化、不可篡改和可追溯的特性,实现车辆之间的高效认证过程,并且能够精准应对组成员的动态变化.其次,进一步引入联邦学习范式,构建交通流量预测模型,完成对车辆隐私数据的保护和跨区域交通流量预测,从而实现数据价值释放与隐私保护的平衡.最后,在随机响应模型下,基于椭圆曲线离散对数问题证明了所提方案的安全性;同时使用启发式分析对所提方案的安全属性进行验证.性能评估结果表明,随着组成员规模的递增, BFL-P3S的计算效率增幅最高达到46.6%,显著优于现有同类方案,从而全面验证其综合性能的优越性.

关键词 车载网络; 隐私保护; 联邦学习; 组密钥协商; 区块链; vehicular network; privacy preserving; federated learning; group key agreement; blockchain

摘要 联邦学习能够在数据本地私有的前提下实现跨设备协同训练,但在实际应用中仍面临隐私泄露和投毒攻击两大安全瓶颈.差分隐私和鲁棒聚合作为各自领域的主流防御方法,在耦合应用时存在固有的内在冲突:差分隐私所注入的随机噪声一方面放大了良性更新的分布方差,另一方面也为恶意更新的系统性偏移提供了掩护,使得两者难以有效区分.为此,本文提出自适应拜占庭鲁棒差分隐私联邦学习方法 AByzDPFL,旨在通过降低噪声维度并放大模型间的几何差异来提高可区分度.在客户端侧,基于Fisher信息的私有选择机制动态筛选关键参数坐标,仅在该低维子空间中注入噪声并完成更新,从而显著减少噪声维度,降低良性模型的方差.在服务器侧,使用谱嵌入降维突出本征几何结构,随后根据噪声尺度自适应聚类半径,从而包容受噪声扰动的良性模型,并有效剔除超出噪声范围的系统性偏移.进一步地,通过自适应中值范数裁剪抑制簇内的高幅值异常更新.理论分析证明了所提方法的隐私损失和收敛性上界,实验表明AByzDPFL在兼顾隐私性和鲁棒性的同时,性能优于现有的主流基线.

关键词 联邦学习; 差分隐私; 拜占庭鲁棒; 选择性更新; 噪声自适应; federated learning; differential privacy; Byzantine robustness; selective update; noise adaptation

摘要 去中心化联邦学习不依赖中央服务器,解决了传统联邦学习中存在的服务器单点故障问题,但同时也带来了更严重的隐私泄露和拜占庭攻击风险.现有的隐私保护与拜占庭鲁棒研究主要面向传统联邦学习,难以适用于去中心化场景.为此,本文提出了一种隐私保护和拜占庭鲁棒的去中心化联邦学习方案SDFL(secure decentralized federated learning).该方案采用客户端–委员会架构,通过随机选择的委员会进行模型聚合,基于可验证秘密共享和零知识证明技术设计隐私保护与抗拜占庭攻击方法.安全性分析表明SDFL在去中心化场景下兼具隐私性与拜占庭鲁棒性;采用多种机器学习模型在MNIST和Fashion-MNIST数据集上的实验结果进一步验证了SDFL能够有效抵抗拜占庭攻击,同时保障模型分类准确率与高效性.

关键词 联邦学习; 隐私保护; 拜占庭鲁棒; 可验证秘密共享; 零知识证明; federated learning; privacy protection; Byzantine robustness; verifiable secret sharing; zero knowledge proof

摘要 可搜索加密技术可实现加密数据的安全搜索功能保障用户在云服务器上的安全搜索,然而实际应用中,密钥的泄露风险严重威胁数据的安全与隐私. Bamboo机制在密钥泄露后实现密钥更新,并通过两层加密和隐藏链式结构保障密钥泄露后至更新前的密文安全,但未考虑如何主动检测到密钥泄露,从而触发密钥更新.因此,本文提出了一种基于密钥可更新技术的密钥泄露可验证可搜索加密方案KLVSE,通过引入双向验证机制,验证密钥泄露事件,检测敌手潜在的非法搜索行为,确保在密钥泄露后及时触发密钥更新,保障了密钥泄露后安全.实验证明,相比传统的定期密钥更新策略,本方案在保证安全的同时以足够小的运行时延实现了密钥泄露的验证,有效保障了用户数据的安全和隐私.

关键词 可搜索加密; 密钥泄露可验证; 密钥可更新; 密钥泄露后安全; searchable encryption; key leakage-verifiable; key-updatable; post-compromise security

摘要 信息安全对国家安全保障与社会经济发展具有深远影响.随着数字化进程的加速,信息安全技术的研发已成为保障国家安全的关键要素.本文回顾了当前国内外信息安全领域的研究热点和主要研究方向,总结分析了2020～2024年国家自然科学基金委员会在信息安全领域的研究类项目与人才类项目资助情况,重点梳理了近5年该领域项目申请与资助的变化情况和研究方向的发展,并对信息安全领域的前沿技术和未来趋势进行了展望.

关键词 信息安全; 国家自然科学基金; 研究项目; 人才项目; 申请与资助; information security; National Natural Science Foundation of China; research funding; talent funding; application and funding

摘要 传统文本隐写分析方法通常基于数据独立同分布假设,对领域间数据差异非常敏感.而基于领域自适应的隐写分析方法则在训练阶段依赖目标域数据来缓解领域间差异对模型性能的影响.本文提出了一种基于领域对抗学习的跨域文本隐写分析方法,使用微调的BERT从多个源域中提取文本的通用特征表示;构建域不变特征提取器作为生成器,引入MixStyle模块,使用随机采样的权重对多个源域的特征统计数据进行加权组合,模拟新的领域特征.设计领域判别器,通过最小化最大均值差异和最大化域判别损失进行对抗训练,学习跨域载密文本的潜在不变特征表示,从而对齐源域间的特征分布,增强模型在跨域数据上的泛化能力.实验结果显示,本方法在跨嵌入容量、隐写方法以及语料库场景下,均显著优于当前先进的隐写分析技术.

关键词 文本隐写分析; 领域泛化; 对抗学习; 特征对齐; 跨域学习; text steganalysis; domain generalization; adversarial learning; feature alignment; cross-domain learning

摘要 攻击流量检测系统在海量的互联网流量中识别攻击流量,并拦截攻击流量保护合法用户.近年来,人工智能算法被广泛应用于攻击流量检测,它们从流量数据集中学习流量模式,能够检测隐蔽威胁流量,其准确度较传统固定规则检测有显著提高.然而,随着互联网流量规模的激增,流量数据集的规模也显著上升,这意味着在大规模流量数据集上训练攻击流量识别模型将消耗大量算力,伴随着巨大的部署时间延迟.本文提出了一种攻击流量训练加速方法,旨在通过压缩流量数据,利用有限的计算资源在大规模流量数据集上快速训练攻击流量检测模型,使得检测系统快速地部署到网络.具体的数据压缩方法基于高维流量特征空间的几何结构.我们将数据集中的全体样本流量映射为高维流量特征空间中的点云,并将体素的概念拓展到高维流量特征空间中,通过计算体素中点的形心来代表全体点(流量样本),从而显著减小了数据集的规模.实验验证表明,该方法可以在8个数据集上为当前最先进的10种检测方法提升75.82倍的训练效率,同时几乎不影响检测的准确度和鲁棒性,并确保了压缩流量数据的实时处理.

关键词 网络安全; 人工智能; 攻击流量检测; 点云; 体素; network security; artificial intelligence; attack traffic detection; point cloud; voxel

摘要 密文等值测试能有效解决密态数据无法进行底层明文比较的问题,在数据库分区、加密数据统计、去重存储等方面发挥着重大作用. SM9标识密码现已成为我国商用密码行业标准和国家标准,广泛应用在金融、政务等领域.然而现有基于SM9的密文等值测试方案无法实现前向安全性,即前期生成的陷门可用于测试任意时间点生成的密文,不满足特殊应用对前向安全性的需求,阻碍了SM9密码算法的推广.前向安全性指只有在指定时间之前生成的密文才能进行有效的等值测试,如果密文中的时间大于等于指定时间,则无法测试成功.本文基于SM9标识加密算法提出了具有前向安全性的密文等值测试方案(SM9-FSET),只有满足时间条件的密文才能进行等值测试,进一步保障了数据隐私.方案的安全性基于q-BDHI困难问题,在随机谕言机模型中可证明方案满足IND-ID-CCA和OW-ID-CCA的安全性.最后,分析比较新方案与现有相关方案,结果表明SM9-FSET在计算开销、通信代价和安全性方面与相关方案是可比的且更具实用性.

关键词 SM9; 密文等值测试; 前向安全; 选择密文攻击; CCA; equality test; forward security; chosen-ciphertext attack

摘要 在CRYPTO 2019上, Gohr首次将深度学习技术应用于分组密码的安全性分析,开辟了深度学习辅助密码分析的研究方向.深度学习辅助密码分析的核心为基于深度神经网络构建的差分–神经区分器.相比于经典差分区分器,差分–神经区分器可以达到更高的准确率,有利于降低密钥恢复攻击的数据复杂度.然而,差分–神经区分器的访问涉及大量浮点运算,引入了额外的计算成本,导致攻击的计算复杂度较高.这一缺点极大地限制了深度学习辅助密码分析的性能.本文提出一种通用的深度学习辅助密码分析增强框架,可以在几乎不损失区分准确率的前提下,将差分–神经区分器转换为存储复杂度可忽略的查找表,克服了差分–神经区分器的缺点,显著地增强深度学习辅助密码分析的能力.在美国NSA设计的Speck, Simon以及ISO/IEC标准LEA三类分组密码上的实验,充分地验证了该框架的有效性和通用性.基于该框架,本文改进了对Speck32/64, Speck96以及Speck128的深度学习辅助分析结果.特别地,本文给出了国内外第1个针对13轮Speck32/64完整验证的实际密钥恢复攻击,同时给出Speck96, Speck128目前最长轮数的实际攻击.这些攻击充分说明了本文框架对于增强深度学习辅助密码分析的应用价值.

关键词 深度学习; 对称密码分析; Speck; Simon; LEA; deep learning; symmetric cryptanalysis

摘要 国密SM9是一种我国自主设计的标识密码算法.杨亚涛和安浩杨等分别基于SM9标识密码提出了可证明安全的区块链隐私保护方案,实现了区块链交易发送方的地址隐私保护.然而,相比现有公钥密码体制下的区块链匿名交易技术,它们均无法保护交易接收方的地址隐私,且不支持可链接性和不可诽谤性.因此,本文提出了一种新的基于国密SM9标识密码的区块链匿名交易方案,通过可链接环签名和密钥派生机制同时保护交易双方的地址隐私.设计了基于SM9的定长可链接环签名算法,结合零知识证明技术,在保证交易发送方地址隐私的前提下,具有签名长度与环成员数无关的优势;借鉴分层密码的思想,设计了两层的SM9签名密钥派生结构,保证了交易接收方的地址隐私;在随机谕言机模型中证明了本文方案的安全性,包括不可伪造性、匿名性、不可诽谤性和可链接性等性质.最后,理论分析和实验结果表明,与现有方案相比,本文方案在隐私增强的前提下,签名生成和验证算法计算开销未明显增加,签名长度缩短约6.8%.在以太坊实验平台上进行了原型实现.结果表明,本文方案的运行时间为秒级, gas消耗低于区块gas上限,具有实用性.

关键词 区块链; 匿名交易; SM9数字签名; 可链接定长环签名; 密钥派生机制; blockchain; anonymous transaction; SM9 digital signature; constant-size linkable ring signature; key derivation mechanism

摘要 适配签名可用于将加密货币交易中的授权和秘密值的泄露绑定在一起,提供解决诸如多方公平交易和区块链等分布式系统中可扩展性、公平性和互操作性问题的重要技术.适配器签名方案实际执行的是与一个秘密值绑定的两步签名算法:先生成部分签名,接下来只有知道特定秘密的一方才能完成整个的签名,而完整的签名将揭示这个秘密值.当前对于适配器签名的研究主要集中在两方适配器签名场景,未能满足复杂多方交互过程中的公平性和可溯源的实际需求.本文提出了一种基于国密SM2算法的多方链式适配器签名方案,通过引入“预适配签名”算法,形成链式的安全传递与交互,具有高效性、公平性和可扩展性等特点,能够满足多方协作、跨链交易和版权保护等场景中的应用.本文先给出基于SM2算法的三方适配器签名模型、具体方案和安全性分析,然后通过扩展的链式结构扩展到一般化的多方适配器签名.给出方案的计算性能和通信开销,通过形式化的安全性证明和分析,所提多方适配器签名方案满足预签名正确性、预签名可适配性、存在性不可伪造性和见证提取性等安全属性.

关键词 适配器签名; SM2数字签名; 区块链交易; 多方链式; 隐私保护; adaptor signature; SM2 digital signature; blockchain transaction; multi-party chain; privacy protection

摘要 量子算法和量子计算机的发展对基于大整数分解或离散对数等假设构造的公钥密码系统的安全性提出了严峻挑战,基于编码理论构造的密码体制因其能够有效地抵抗量子计算而备受关注.现有的基于编码的安全盲签名方案几乎都是基于CFS (Courtois, Finiasz, and Sendrier)签名方案构造.然而,这种构造方式导致盲签名方案的签名效率与CFS方案一样低,且通信代价大(有些方案达到了几十MB).本文借助(U, U+V)码构造的Wave签名方案,结合Stern协议构造了一种新的盲签名方案,并给出了两组参数示例.与基于CFS签名方案构造的盲签名方案相比,本文方案在公钥和签名尺寸方面都具有显著优势.此外,在本文方案中,任意的校验子均可被有效译码,用户仅需与签名者交互一次即可生成合法签名.在128安全级别下,通信量(包括用户和签名者共同发送的信息)只需2.61 kB.这一改进显著提升了签名效率和方案的实际可用性.

关键词 后量子密码; 基于编码的密码学; 盲签名; (U,U+V)码; post-quantum cryptography; code-based cryptography; blind signatures; (U,U+V) codes

摘要 近年来,超生日界安全的密码本原备受关注.可调密码本原作为传统密码本原的拓展,在密码算法或网络安全通信协议中也发挥着重要作用.然而,其超生日界安全的设计方案却鲜有出现.因此,本文关注超生日界安全的可调密码本原设计与分析,从基于公共置换的可调Even-Mansour密码出发,设计基于可调Even-Mansour密码实例的超生日界安全的可调伪随机函数和强可调伪随机置换.首先,针对陈玉龙提出的随机置换模型下的拓展镜像理论限制了不同随机置换查询的差异性和交集为空的问题,本文对不同随机置换做了差异化改进查询以及交集非空的拓展,给出了更一般性的适配拓展镜像理论解的上界.然后,基于两个可调Even-Mansour密码实例的并级联结构分别构造了超生日界安全的可调伪随机函数和强可调伪随机置换,并采用改进的拓展镜像理论分别给出了可证明安全结果.最后,讨论了基于多个可调Even-Mansour密码实例的并级联结构来构造超生日界安全的对称密码本原及其所依赖的基于多变量的镜像系统超图理论以及基于单置换单密钥最小结构且域保持的超生日界安全对称密码本原设计思路.本文的工作丰富了镜像理论和密码本原,同时对于构建可证明超生日界安全的对称密码方案具有重要的理论研究意义与实践指导价值.

关键词 超生日界安全; 可调密码本原; 可调Even-Mansour密码; 镜像理论; 随机置换模型; beyond-birthday-bound security; tweakable cryptographic primitive; tweakable Even-Mansour cipher; mirror theory; random permutation model; RPM

摘要 区块链技术与工业物联网(Industrial Internet of Things, IIoT)的融合,为工业领域数据交易和共享带来了革命性机遇.然而,现有区块链模型在IIoT场景下面临着可扩展性、安全和效率的挑战.本文提出了一种基于信用的分布式账本模型CreChain,旨在解决上述问题.该模型通过引入信用账户,优化交易验证过程,实现了高吞吐量和低延迟性能,同时利用Mtree和Credit证明来确保交易安全,保护用户隐私.此外,通过优化信用选择、证明和交换机制,进一步提高了系统性能和可扩展性.实验结果表明, CreChain能够实现20000 TPS (transactions per second)的吞吐量和秒级的交易确认延迟,在共识效率和存储成本方面同样优于主流的区块链扩展方案,能够有效利用区块链实现安全高效的数据交易和共享,使其成为IIoT应用场景的理想选择.

关键词 区块链; 工业物联网; 共识算法; 分布式账本; 零知识证明; blockchain; industrial Internet of Things; consensus algorithm; distributed ledger; zero-knowledge proof

关键词 处理器安全; 漏洞挖掘与利用; 动态电压频率调节; 故障注入攻击; 隐藏通道攻击; processor security; vulnerability exploring and exploitation; dynamic voltage and frequency scaling; fault injection attack; covert channel attack

摘要 物联网（Internet of Things,Io T）领域当前正面临着无法回避且持续存在的网络安全威胁以及设备资源受限的双重挑战.针对前述问题,本文在ASIC （application specific integrated circuit）平台上,利用时序复用与门控时钟技术,设计了一种高效的低面积ZUC算法硬件实现电路.此电路通过确保每个功能模块仅被实例化一次,实现了电路面积的极小化.在S盒的设计上,本文借鉴了塔域分解的思想,并提出了一种算法,用于在有限域F2n到有限域F′2n之间搜索同构映射矩阵.该算法旨在找到一种同构映射,当它与S盒运算的仿射矩阵及其他相关矩阵相乘后,能够以最少的异或逻辑门数实现映射.基于上述两点,本文所实现的S1-box在面积上与当前AES算法的Sbox相当.在线性变换部分,本文采用了最大距离可分（maximum distance separable,MDS）矩阵拆解的思想,使得整个线性层的实现仅需164个异或门.在加法链的设计上,本文采用了进位存储加法器、32比特加法器、单加数的31比特加法器与中间寄存器的组合.这一设计使得线性反馈移位寄存器层与有限状态自动机层能够共享同一条加法链,从而进一步优化了电路结构.在TSMC 90 nm工艺下综合验证,本文所提出的硬件实现方案在时钟频率为250 MHz时,吞吐率可达2 Gbps,同时面积开销仅为6.67 k GE.与当前主流方案相比,本设计在保持吞吐率不变的前提下,面积开销降低了44%.

关键词 ZUC; 面积优化; 复合域; 时序复用; 窄带物联网; area optimization; composite domain; time division multiplexing; NB-IoT

摘要 现实环境中各种泄露攻击的存在,使得攻击者能够获得用户秘密信息的部分泄露,导致密码算法的传统安全性在有泄露攻击的环境下不再成立.为进一步防止泄露攻击对数据安全性的危害,密码学研究者提出了一系列具有抗泄露攻击能力的密码算法.属性基加密(attribute-based encryption,ABE)机制由于其能为数据提供细粒度的访问控制能力,在现实环境中得到了广泛的关注和应用.然而,在现有抗泄露ABE机制的构造中,其系统公开参数的尺寸与其所能支持属性集合的大小成正比,导致其无法在大属性集环境中使用.为进一步增强抗泄露ABE机制的实用性和适用性,本文提出了支持大属性集合的抗泄露ABE机制的新型构造方法.为获得更优的计算效率,本文首先在素数阶群上提出了支持大属性集合的抗泄露ABE机制的构造方法,并基于判定的并行双线性Diffie-Hellman指数假设证明了该方案的安全性,同时通过性能分析表明该方案具有较优的计算、存储和通信效率.为获得更紧致的形式化安全性证明过程,本文随后在合数阶群上提出了支持大属性集合的抗泄露ABE机制的构造方法,并基于合数阶群上改进的子群判定假设证明了该方案的安全性.此外,本文还对上述两种抗泄露ABE机制的基本性能进行了对比和分析.

关键词 泄露容忍性; 属性基加密机制; 大属性集合; 辅助输入泄露; leakage-resilience; attribute-based encryption; large universe; auxiliary input leakage

摘要 唯一最短向量问题(unique shortest vector problem, uSVP)的困难性是一些流行的格密码方案的安全基础,对其在不同参数下的复杂性的研究也是格密码体系的重要组成部分,然而这方面的研究进展十分缓慢,同时对uSVP的细粒度复杂性的研究也十分欠缺.本文改进了一个从最短向量问题(shortest vector problem, SVP)到uSVP的归约算法,提高了其成功概率,调整了参数限制,从而允许建立不同参数条件下从SVP到uSVP的细粒度归约.利用这个归约,得以证明以下结果:(1)在超多项式时间下,得到了一个参数更大的从SVP到uSVP的归约;(2)在强指数时间假设(gap strong exponential time hypothesis, GapSETH)下,构建了从常数参数的SVP到常数参数的uSVP的亚指数时间归约,从而证明了uSVP在GapSETH下的困难性;(3)以上结果都可以转化成有界距离译码(bounded distance decoding, BDD)的相应结论:在对应条件下求解参数小于1的BDD也是困难的;(4)结合稳定格中的格点个数上界,得到了参数远超常数的从SVP到uSVP的归约.

关键词 最短向量问题; 唯一最短向量问题; 计算复杂性; 细粒度复杂性; 复杂性归约; shortest vector problem; unique shortest vector problem; computational complexity; fine-grained complexity; complexity reduction

摘要 随着各种流行传染病在全球频繁暴发,传染病监测在阻止传染病传播方面发挥着至关重要的作用.隐私保护数据聚合技术常用于避免传染病监测数据传输造成的用户隐私泄露问题.然而,现有的数据聚合方案仍然具有一些安全问题,如聚合节点不可信等.为了解决这些问题,本文提出了一个支持容错的轻量级可验证隐私保护传染病监测数据聚合方案.首先,使用基于CRT (Chinese remainder theorem)改进的Paillier同态加密系统和支持批量验证的签名算法分别对传染病数据进行高效加密和签名,以保护数据传输过程中的数据隐私和数据完整性.其次,使用承诺机制解决聚合节点不可信的问题.此外,本方案支持容错,即使某些用户和聚合节点没有按时地上传数据,聚合工作依然能够继续.特别地,本方案能够抵抗合谋攻击,满足更高的安全需求.由于本方案没有使用高耗时的计算操作,如双线性映射等,仿真实验证明本方案具有优秀的计算和通信开销,可以安全有效地应用于传染病检测系统.

关键词 传染病监测; 数据聚合; 隐私保护; 同态加密; 轻量级; infectious disease surveillance; data aggregation; privacy-preserving; homomorphic; lightweight

摘要 在攻击调查领域,为应对依赖爆炸和语义鸿沟的挑战,日志融合通过引入多层级日志的丰富语义得到系统实体之间细粒度的因果关系,以逼近实际的执行历史.然而,由于审计日志的系统调用和应用日志的程序消息被用来推断复杂的系统状态,基于日志融合的攻击调查系统存在被对抗攻击的弱点,本文率先提出并称之为日志重融合攻击(log refusion attacks),其演示了攻击者如何增强实际漏洞来破坏日志完整性,绕过现有防御,破坏溯源中的联结并陷害良性用户.而后,本文提出一种攻击调查的新设计PRovGuARD (provenance guardian),它利用同时包含程序调用控制流和应用消息数据流的建模来交叉验证审计日志和应用日志的历史记录,以确保执行的合法性和一致性.如果攻击者毁损溯源数据,将检测到矛盾并告警,修正执行路径,得到正确的攻击根因和后果.本文在Linux上实现了原型,并在覆盖各类执行模型的14个实际应用场景及程序上进行了广泛评估.实验结果显示,其成功验证还原了正确的攻击故事,且平均性能开销比传统审计框架仅高3.62%,同时在最坏情况下只重新引入0.78%的错误依赖,证明了原型的有效性及其防御攻击的新颖性.

关键词 攻击调查; 对抗攻击; 日志融合; 控制流图; 数据流图; attack investigation; adversarial attack; log fusion; control flow graph; data flow graph

摘要 椭圆曲线密码体制(elliptic curve cryptosystem, ECC)依然是当前应用最广泛的公钥密码体制,其安全核心是椭圆曲线离散对数问题.本文提出了椭圆曲线离散对数的强不动点问题.利用强不动点假设,在随机预言模型下证明了ECDSA (elliptic curve digital signature algorithm)的一个全域哈希变形方案是可以抵抗自适应选择消息下的存在伪造的.签名的聚合性质使得签名方案在诸如区块链、云存储等众多场景中发挥着重要作用,所以本文也讨论了这个全域哈希椭圆曲线签名方案的聚合性质.

关键词 椭圆曲线; 数字签名; 不动点; 加和多项式; 聚合签名; elliptic curve; digital signature; xed point; summation polynomial; aggregate signature

摘要 内积函数加密支持当使用一个与向量y相关的私钥解密一份与向量x相关的密文时,解密者仅能获得内积值?x, y?而无法获取任何其他信息.分层广播内积函数加密,则进一步具有密文向指定用户广播与密钥授权的性质. SM9标识加密是我国自主设计的一个商用密码标准,已被应用于物联网、医疗协同服务与电子政务等领域,但SM9标识加密算法及现有扩展算法均无法同时实现内积函数的功能与密文广播、密钥授权的性质,限制了SM9标识加密算法的适用场景.本文基于SM9标识加密算法设计了一个分层标识广播内积函数加密方案HIBB-IPFE-SM9.方案构造借鉴了Abdalla等的内积函数加密(PKC’15)与Liu等的分层广播加密(ACISP’14)的设计思想,解密算法仅包含两个双线性配对运算.本文还在随机谕言机模型中证明了方案满足选择明文安全性.最后,对提出方案与现有相关方案进行了对比分析,结果显示HIBB-IPFE-SM9方案在计算和通信开销上与相关方案是可比的.

关键词 内积函数加密; 分层广播加密; 标识密码; SM9; 选择明文安全; inner product functional encryption; hierarchical broadcast encryption; identity-based cryptography; CPA

摘要 随着数字经济时代的到来,数据已成为重要生产要素,将数据外包给第三方存储、管理、分析、计算等应用越来越广泛,随之而来的外包数据、外包计算等外包服务的可信性问题也日益突出,可验证技术被视为判定外包服务可信的一种有效且具有广泛应用前景的技术.该技术发展迅速、研究内容丰富、技术多样、种类繁多,且随着区块链、人工智能、隐私计算等新型外包服务需求的出现,为可验证技术带来了新的挑战和发展契机.本文对面向外包服务的可验证技术研究进展进行了梳理与总结.首先梳理总结给出了面向外包服务的可验证技术框架、分类方法、安全目标与评价体系.接着从外包数据和外包计算两个角度给出可验证技术的形式化定义,并分别论述其典型的可验证方案.然后从外包数据的角度,以验证数据类型为主线结合实现的功能和方法分别详细论述了不同数据类型、不同场景、不同实现方式的外包数据持有性验证和完整性验证技术;从外包计算的角度,根据外包计算类型的不同,总结归纳了5种典型外包计算的可验证技术特点及研究进展,并基于提出的评价体系对典型方案进行了详细的对比分析.最后结合新兴技术和应用热点,展望了可验证技术在前沿方向上的发展趋势、应用前景及其面临的挑战.

关键词 外包服务; 外包数据验证; 可验证计算; 可认证数据结构; 动态可验证结构; outsourcing services; outsourcing data verification; verifiable computation; authenticated data structures; dynamic verifiable structures

摘要 FBC是一种轻量级分组密码算法,由于结构简单、软硬件实现灵活等优点成为2018年中国密码学会(CACR)举办的全国密码算法设计竞赛中晋级到第2轮的10个算法之一.FBC密码包含3个版本支持128和256两种比特长度的明文分组以及128和256两种比特长度的密钥,本文主要对分组长度128位的两个版本进行分析.我们基于SAT (Boolean satisfiability problem)模型对FBC的差分特征进行自动化搜索,得到了新的14轮差分路线,概率为2~(-102.25).基于此路线我们给出了18轮FBC128-128和20轮FBC128-256差分分析,并且在分析过程中给出了复杂度估计.对于18轮FBC128-128差分分析,时间复杂度和存储复杂度分别为2~(101.5)和2~(52).对于20轮FBC128-256差分分析时间复杂度和存储复杂度分别为2~(184)和2~(96).

关键词 分组密码; 差分分析; FBC 算法; 布尔可满足性问题; block cipher; differential cryptanalysis; FBC; Boolean satisfiability problem

摘要 联邦学习甫一问世便得到了广泛的关注,被认为是一种具有广阔前景的分布式机器学习范式.然而,传统联邦学习方案基于中央服务器的集中式设计,在效率和可扩展性上存在不足.此外,集中式设计需要有可信的中央节点协调参与者完成训练,可能导致信任和可靠性的问题,例如中央服务器被操控或是出现单点故障.为了解决上述问题,相关领域的研究人员提出了基于区块链的去中心化联邦学习方案.去中心化联邦学习修补了传统集中式联邦学习的缺陷,但与此同时也引入了全新的攻击面.具体而言,由于区块链将网络中节点发起的全部事务保存在一个公开共享的数字账本,所有区块链节点都可以获取联邦学习参与者每轮的本地训练模型副本.这一现象严重地侵害了参与者的数据隐私和自身利益.在上述困境的驱动下,本文提出了一种安全去中心化联邦学习的可行方案,能够同时解决联邦学习参与者的数据机密性问题和学习公平性问题.区别于此前的研究工作,还提出了一种基于区块链的联邦学习的生产–消费模型,用于在模型安全聚合过程中审查参与者的本地行为,防止出现参与者不劳而获或是虚假训练的情况,在此基础上本文提出APoS共识机制,提供一种激励与审查机制,确保参与者在联邦学习的过程中倾向于选择诚实的训练.

关键词 联邦学习安全; 去中心化网络; 区块链; 数据消费; 激励机制; secure federated learning; decentralized network; blockchain; data consumption; incentives

摘要 人工智能的快速发展,尤其是大型语言模型的突破性进展,正驱动生物医学研究范式的深刻变革.生物医学大模型作为人工智能与生命科学交叉融合的核心载体,通过整合多模态数据、解析复杂生物机制,显著加速科研发现,提升科研生产力.这类模型基于海量生物医学知识预训练,获得深度知识推理能力与跨领域泛化能力,在生物组学解析、药物研发及个性化治疗中展现出突破性潜力.

摘要 创新是人类独有的顶级智能和实践活动,是智能的最高体现.创新需要反复思索、尝试,不断解决问题才能实现.思维是人类智能的核心,是实现创新的基础,科技创新依赖持续深入的思维活动.本文从意图创新的实用目标出发,归纳了作者多年来在计算机科学技术领域,指导研究生开展研究过程中不断尝试,并取得成效的一些创新思维方法和思索策略,供研究生们参考.

关键词 计算机科学; 科学研究; 创新思维; computer science; scientific research; innovative thinking

摘要 先进计算与软件作为信息领域的基石,其技术创新直接关系到国家政治、经济、国防、文化等领域发展的独立性.美国为强化其科技领导地位,在大国博弈中继续抢占先机,近期针对先进计算领域连续发布多项重大国家策略,目标构筑面向未来的先进计算生态系统.受巨大的产业与应用需求驱动,我国的先进计算与软件领域在过去几十年虽然发展迅猛,但长期依赖于以美国主导的基础技术路线,“卡脖子”问题严重.

摘要 软件正在成为人类社会基础设施之一.此类软件系统兼具“复杂性”和“关键性”的特点,在其生命周期内,需求和运行环境都在频繁变化,传统软件工程方法很难为其提供有效支撑,成为当前实践中的瓶颈问题.要应对挑战,就必须“边建边用边升级”、让系统自身演化的速度跟上外部变化的速度.然而,复杂关键软件系统运行于高度管制环境,具有服务质量可信确保、信息物理社会高度融合、利益相关方众多等特点,其演化有着自身的独特规律,很难简单地照搬互联网等领域的已有实践.本文在分析复杂关键软件系统特点基础上,提出开发与运行活动紧密结合、多利益相关方共同驱动的复杂关键软件系统演化方法 TrustieEvo,阐述其需求持续管理、版本可信迭代、系统韧性增强3个方面核心使能机制,给出相应软件平台设计.方法支撑某真实复杂关键软件系统近5年的持续演化,将“用户新需求提出–软件新能力形成”需求实现周期从“年”级别提升到“周”级别,在实践中经受了高强度检验.

关键词 复杂关键软件系统; 高度管制环境; 软件演化; 软件代谢率; 软件韧性; complex mission-critical software systems; highly-regulated environment; software evolution; software metabolism rate; software resilience

摘要 在开源社区GitHub,开发者通过提交拉取请求向开源项目贡献代码.一些拉取请求可能与用户发布的问题存在链接关系,表明该拉取请求希望解决这些问题.维护拉取请求和问题之间的链接关系可以增强项目的可追溯性.然而,目前链接关系由用户人工建立.由于拉取请求和问题数量太多,人工建立链接不仅耗时费力,还可能存在遗漏.针对上述问题,本文提出一种链接建立方法 LinkFinder,通过模板过滤减少正文模板内容高度同质化的影响,从拉取请求和问题中提取语义特征和统计特征,使用深度神经网络构建匹配度计算拉取请求和问题的匹配度,得到链接问题推荐列表.本文从5个开源项目中收集了25411条链接.实验结果表明, LinkFinder的MAP达到0.434～0.774, MRR达到0.436～0.774, Top-1精确率达到0.344～0.702, Top-1召回率达到0.333～0.698, Top-1 F1分数达到0.338～0.700;相比对比方法 T-BERT, LinkFinder的MAP提升了9.01%～186.63%, MRR提升了8.86%～183.50%, Top-1精确率提升了20.21%～388.54%, Top-1召回率提升了20.34%～386.52%, Top-1F1分数提升了20.27%～389.13%.为了分析链接的价值,本文设计基于链接问题参与度的评审人推荐方法.实验结果表明,相比对比方法 RevFinder,引入候选评审人对链接问题的参与度排序对4个项目的MAP提升幅度达到3.11%～41.20%, MRR提升幅度达到2.45%～49.26%.

关键词 GitHub; 拉取请求; 问题; 链接建立; 评审人推荐; pull request; issue; link establishment; reviewer recommendation

摘要 人机物融合的新兴领域需要新型操作系统内核以支持泛在计算,对下管控海量异构硬件,对上服务动态多变应用场景.本文提出一种积木式内核架构BrickOS,可以根据使用场景灵活选择要加入内核的系统组件,同时可以选择将系统组件运行在用户态以提供较好的安全性,或者运行在共享地址空间的内核态中以提升性能.为了保障运行在相同地址空间中的系统组件的安全性, BrickOS为底层硬件的内存保护机制提供了统一的抽象,并将其用于单地址空间的内存隔离.测试结果表明BrickOS可以根据不同场景生成定制化内核,并拥有较低的进程间通信(inter-process call, IPC)开销,整体性能良好.

关键词 操作系统内核; 组件编排; 进程间通信; 内存隔离; operating system kernel; components arrangement; inter-process communication; memory isolation

摘要 人机物融合泛在计算的新场景和新模式,需要新型的操作系统,即泛在操作系统.存储管理作为泛在操作系统的一项核心功能,设计轻量化、高性能和动态可适配的存储系统是推进泛在操作系统发展的必要举措.然而,对于“端(终端设备)–边(边缘端)–云(云端)”泛在场景中普遍存在的结构化数据,传统存储解决方案存在I/O放大严重、系统体量过大和软件栈冗余等问题,难以满足泛在应用的需求.为此,本文从系统全栈的角度进行原创性探索,提出原生表存储系统.本文首先回顾了计算机系统的发展历史;之后分析泛在计算时代的新需求,总结出泛在操作系统的基本形态,并介绍最新研究成果;然后剖析了现有结构化存储方案在“端–边–云”场景下面临的挑战;进一步提出面向泛在操作系统的原生表存储系统,并从端侧和边/云侧两个场景深入分析其架构优势.最后,总结全文并展望未来发展趋势.

关键词 泛在计算; 泛在操作系统; 原生表存储; 软件栈; 端-边-云; ubiquitous computing; ubiquitous operating system; native table storage; software stack; end-edge-cloud

摘要 巨型星座是未来天基系统的一个重要发展方向.本文基于巨型星座核心共性需求以及对桌面、物联网、车联网、卫星等典型应用场景操作系统发展历程的研判,分析了应用场景需求与操作系统间的演化规律,提出了我国发展完全自主可控星云操作系统的构想和技术途径,包括架构定义、硬件载体、内核设计、安全可信,以及生态建设等方面,以满足巨型星座复杂应用场景的需求.

关键词 巨型星座; 星云操作系统; 共性需求; 应用场景; 发展思路; mega-constellation; China satellite cloud operating system; common requirements; application scenario; development research

摘要 智慧农业作为农业现代化的核心方向,正通过控制科学与信息技术的深度融合推动生产模式变革.本文从农业信息流动全链条切入,系统剖析智慧农业数字化转型中的关键技术挑战:在精准农业领域,复杂环境下多源异构数据的语义冲突（如卫星遥感与田间传感器的尺度割裂）、低价值数据冗余及动态资源适配中的多目标冲突（如产量提升与碳减排矛盾）,制约着数据驱动决策的精度与效率;在智能农机领域,非结构化环境下机器人的动态避障与柔性抓取、人机协作中的感知不对称与信任失衡,以及农田多源干扰（如气象突变、通信时延）导致的控制失稳等问题,阻碍着装备的自主作业能力与系统鲁棒性提升.研究表明,突破上述挑战需要构建跨学科理论体系:在精准农业中,通过农业语义编码机制、多模态特征融合算法及动态多目标优化模型,实现数据“去噪–融合–增值”全流程优化与资源高效配置;在智能农机领域,针对人机协作中感知不对称、信任失衡及控制权模糊等核心冲突问题,通过构建跨模态意图互译系统与动态权责分配机制,实现人机协同决策的高效融合,此外借助多模态感知与强化学习提升机器人环境适应性,通过人机意图互译机制与鲁棒控制策略（如H∞与滑模控制融合）解决协作冲突与干扰抑制问题.本文提出的“干扰建模–协同感知–智能决策”技术框架,为智慧农业基础技术研发与产业升级提供了理论指引,对推动农业所有要素的数字化以及整条链路的智能化有着极为重要的意义.

关键词 智慧农业; 多源数据融合; 人机协作冲突; 鲁棒控制策略; smart agriculture; multi-source data fusion; human-machine collaboration conflict; robust control strategies

摘要 航天任务的日益复杂,对航天器的自主性和可靠性提出了更高的要求.大模型等人工智能技术凭借海量参数、多模态融合与学习演化等特性,在特征提取、逻辑推演及自主决策等方面有明显的优势,能显著提升航天器的性能和任务执行效率,在航天领域的应用日益广泛.本文从深空探测、遥感卫星、通信卫星和导航卫星等领域梳理了国内外人工智能赋能航天器应用研究现状,构建了“4+n”多层次人工智能赋能航天器应用体系架构.给出了人工智能赋能航天器应用向人机混合智能、集群智能和强人工智能等方向发展的趋势.提出了智能感知识别与在轨数据挖掘信息融合技术、自适应自演化的航天器智能决策与控制技术、基于天地学习泛化的智能星群协同与博弈技术,以及面向在轨应用的航天专业轻量化大模型技术等4个关键技术,为未来人工智能在航天器领域的深化应用提供了理论支撑与技术参考.

关键词 航天器; 人工智能; 体系架构; 大模型; 集群智能; spacecraft; artificial intelligence; architecture; large models; swarm intelligence

摘要 实现开放环境下的自主持续学习是无人系统发展的内在要求与关键挑战.传统的监督学习范式严重依赖于大规模、高质量的标注数据,难以满足开放动态环境下的目标检测需求.自训练(selftraining)作为一种半监督学习方法,通过生成伪标签利用未标注数据以提升模型检测性能,可以有效缓解这一问题,是未来无人系统实现目标检测自主学习的关键基础.本文全面综述了目标检测自训练的研究进展,总结归纳了目标检测自训练的基本流程框架,针对其中关键模块的算法、函数和优化策略等进行分类与详细分析,并讨论了自训练方法在开放场景和开放类别目标检测中的扩展应用.此外,尽管自训练在提高自主泛化能力和降低数据人工标注依赖等方面展现出显著优势,但仍面临多方面的挑战,本文进而展望了未来目标检测自训练研究的发展方向,以期为无人系统自主学习的发展提供借鉴.

关键词 自训练; 目标检测; 环境感知; 自主无人系统; self-training; object detection; environmental perception; autonomous unmanned systems

摘要 流程工业智能工厂在精益化运行方面已取得显著成效,但在数据透明化程度、核心工业软件之间信息互通以及分析结果深度洞察等方面仍面临瓶颈.为了解决这些挑战并建设从自主运行到自主优化的新型流程工业智能工厂,本文探讨了将流程工业智能工厂的核心工业软件与新一代人工智能的大模型技术结合的新路径.基于此,本文提出了工业大模型赋能的新型流程工业智能工厂核心工业软件体系.该体系构建了基于大语言模型的工业大模型,其架构分为模型底座层、公共能力层和业务应用层.其中,公共能力层提供时序数据、图像数据、文本数据等多模态处理能力,业务应用层则结合具体业务场景开发了多种类型的智能体,包括图表智能体、低代码智能体、感知智能体、分析智能体、诊断智能体、决策优化智能体和控制智能体.这些智能体能够准确执行人类通过自然语言发出的各项任务,并通过组合调用公共能力层的能力来处理数据和知识.这种新型体系旨在提高核心工业软件的数据透明化程度、实现更完善的信息互通和利用,并提供更具价值的营运分析结果.本文以比例–积分–微分控制(proportional-integral-derivative control, PID)性能评估与整定系统为例,展示了工业大模型赋能核心工业软件的应用效果.在此示例中,分析智能体负责整体调度,协调感知智能体获取数据、图表智能体进行绘制、诊断智能体分析原因以及控制智能体提供参数优化方案,各智能体通过事件总线实现松耦合交互.这证明了通过智能体之间的协同作用,能够提升工业数据的透明化和工业场景的智能化水平.

关键词 流程工业; 智能工厂; 新型核心工业软件; 工业大模型; process industry; smart factory; new core industrial software; industrial large model

摘要 工业具身智能作为新一代人工智能的热点发展方向,可通过融合多模态大模型对世界的认知能力,驱动工业世界中的物理实体(如各类工业机器)实现“感知–决策–执行”的端到端闭环智能系统,从而为未来智能制造的实现提供重要支撑.然而,工业界各类复杂的应用场景具有操作对象多变性、操作任务多样性等特点,工业场景构建以及数据采集成本高昂,造成工业具身世界模型的训练场景与数据极度匮乏,成为该方向发展的瓶颈挑战.为此,本文提出了“数字族谱”的全新概念,并定义了基于数字族谱DG-DNA基因的生成机制.基于DG-DNA,能够生成从多样零件到多型产品的多代演化产品数字族谱,也能够生成各制造阶段中包含不同设备及环境配置的多样生产空间数字族谱.基于此可构建支撑工业具身智能世界模型训练的场景与数据,以驱动更具操作对象泛化性与空间适应性的工业具身智能的实现.首先,提出了数字族谱的定义与概念内涵;其次,提出了数字族谱系统体系架构;同时,提出了数字族谱的生成构建方法;然后,阐述了面向产品全生命周期的数字族谱典型应用场景,并给出了一个基于数字族谱DG-VAE生成方法的工业零件定制化创新设计应用案例;最后,探讨和展望了数字族谱未来的研究方向和在其他领域的应用延伸.本文为工业具身智能世界模型以及大规模高质量数据训练场的构建提供了一种新的思路与方法,为数字族谱这一全新概念的开创与发展,提供基础理论、关键技术和行业应用的全面指导.

关键词 数字族谱; 具身智能; 数字族谱DNA; 工业大模型; 多模态大模型; 世界模型; 空间智能; 生成式人工智能; 工业智能体; 智能制造; 数字孪生; digital genealogy; embodied intelligence; digital genealogy DNA; industrial foundation model; multimodal foundation model; world model; spatial intelligence; generative artificial intelligence; industrial agent; smart manufacturing; digital twin

摘要 高端装备制造中的排产问题往往涉及复杂的生产流程,且动态变化的工艺路径与资源状态进一步增加了排产的难度.现有的集成工艺规划与车间调度(integrated process planning and shop scheduling, IPPS)方法,通常基于工艺路径与资源状态不变的假设,利用工艺特征表、工艺网络图等静态模型进行优化求解,难以在复杂动态的环境中高效地获得最优解.本文创新性地提出了一种基于元排产的双迭代式IPPS计算框架.该框架基于生产全要素信息构建元排产模型,作为排产过程的数字孪生,以描述复杂任务的动态执行过程,并针对路径变化提出了元排产驱动的工艺网络图迭代生成机制,实现排产模型的演化能力,进而,针对资源状态变化,建立了基于资源时分状态视图的求解模式,并通过变粒度求解、粗求解精化及资源冲突检测与消解策略提高解的可复用性,降低了求解成本,实现排产问题的可计算性,从而提供了实际复杂制造中动态排产问题的完整解决方案.本研究通过大型民用飞机构件制造案例分析与实验,验证了该方法在提高生产计划可行性和降低计算成本方面的显著优势,对构建智能排产系统、发展先进装备制造具有重要的实际应用价值.

关键词 复杂制造; 动态排产; 滚动窗口; 变粒度; 冲突检测与消解; complex manufacturing; dynamic scheduling; rolling window; variable granularity; conflict detection and resolution

摘要 大语言模型近年来受到广泛关注,并逐步发展为材料科学领域的重要研究工具.相较于传统机器学习方法,大语言模型能够实现材料科学领域多种任务协同处理,进行跨模态语义理解,并实现全流程智能化覆盖.本文系统梳理了大语言模型在材料领域知识增强、多模态数据融合以及工具协同调用方向的最新进展,阐述了大语言模型推动材料研发流程从局部智能化向全流程智能化的技术演进.本文进一步探讨大语言模型应用于材料领域面临的核心挑战,包括领域特定知识深度与指令泛化能力的平衡机制、跨模态语义精确对齐方法、工具调用精确度与模型自学习能力的提升策略,以及学术研究与工业界需求间的矛盾,最终为构建材料科学专用大语言模型的技术创新与应用落地提供了理论框架和发展建议.

关键词 大语言模型; 材料科学; 多模态; 智能体; large language model; materials science; multimodal; agent

摘要 生产调度智能决策是实现我国流程工业智能制造的关键环节.在人工智能和知识赋能的时代背景下,数学优化和数据科学技术的迅猛发展深刻改变了流程调度的决策范式.本文在流程智能制造背景下,以典型调度决策链视角,围绕过程调度模型的虚实映射、融合工业知识的快速寻优和突发多源干扰的动态响应3个环节,概述了工业应用调度决策优化的关键问题和研究难点,并对相关研究成果进行了系统性的回顾,提出了知识融合的数智化流程调度软件框架,并结合原油调度智能优化案例进行说明.最后,结合当前技术的发展现状,对新一代智能调度技术和软件的研究进行了展望.

关键词 流程工业; 智能制造; 调度优化; 工业软件; process industry; smart manufacturing; scheduling optimization; industrial software

摘要 随着车联网技术的普及,在带来了众多便利的同时,也引发了诸如DDoS (分布式拒绝服务)攻击在内的安全性问题.利用深度学习处理DDoS攻击取得了显著成效.然而,为了提高模型的有效性,需要大量高质量的数据.这些数据通常分散在不同的车辆运营公司或组织之间,因此很难通过集中数据集的方式来训练出有效的攻击检测模型.针对这一问题,本文提出了一种基于强化联邦学习的车联网DDoS攻击检测方法.该方法将强化学习应用于联邦学习的聚合过程中,从而优化车联网环境中的DDoS攻击检测算法.在此方法中,车联网的雾节点服务器作为学习的参与方,利用本地数据进行强化学习,并将训练后的模型参数上传至车联网组织的边缘服务器进行聚合.通过研究雾节点模型对环境的适应性能,证明强化联邦学习能够提高DDoS攻击检测模型在数据分布不均衡方面的准确性以及模型收敛效率.使用公开的DDoS攻击数据集CICDDoS2019进行实验,实验结果表明,所提出的方法在车联网环境中展现出优异的性能,为车联网安全领域的研究提供了新的思路和方法.

关键词 车联网; DDoS攻击检测; 强化学习; 联邦学习; Internet of Vehicles; DDoS attack detection; reinforcement learning; federated learning

摘要 城市固废焚烧(municipal solid waste incineration, MSWI)过程是一个多时空、多要素、开放的复杂动态系统,通过固废焚烧、余热利用及烟气处理等环节实现固废污染防治与资源化利用,具有不确定性、强非线性及非平稳等特点,难以安全稳定保障,绿色高效运行.文中提出了一种MSWI过程动态协同优化方法,能够在提高系统发电效率的同时降低烟气污染物排放及运行成本.首先,针对固废焚烧、余热利用以及烟气处理环节的不同时间尺度特性,设计了双层优化方案,实现MSWI过程协同运行优化.其次,采用数据驱动方法建立了MSWI过程运行指标模型,利用自适应Levenberg-Marquardt算法对模型进行在线更新,实现不确定工况下运行性能的动态精准评价.然后,提出了一种双层多目标竞争群优化算法,分别为上层优化和下层优化分别设计寻优策略,以实现合理的优化分工和高效的搜索效率.此外,针对MSWI过程随机动态变化特性,提出一种基于快速映射的动态响应策略,提高问题求解效率.最后,采用北京市某MSWI厂的实际运行数据验证所提算法有效性.

关键词 城市固废焚烧; 动态多目标优化; 竞争群优化; 多时间尺度; 随机变化; municipal solid waste incineration; dynamic multi-objective optimization; competitive swarm optimization; multi-time scale; stochastic changes

摘要 在何种条件下能设计控制协议使一个多智能体系统实现期望编队是编队控制的基本问题.通过分析线性多智能体系统一类可完全实现的期望编队的性质,本文注意到期望编队的可实现性和时变线性方程组的相容性之间存在联系,由此利用时变线性方程组的渐近相容性提出期望编队的渐近相容概念,并利用矩阵的Moore-Penrose广义逆研究其主要性质.利用这一概念,本文给出线性多智能体系统期望编队的可实现性结论:只要智能体动态和连接网络分别满足可控性和连通性条件,所有渐近相容的期望编队都是可实现的.对渐近相容的期望编队,本文利用加权可控性Gram矩阵和Moore-Penrose广义逆设计出状态反馈控制协议.若智能体动态进一步还是可观的,则利用分离原理设计出基于观测器的控制协议.最后,仿真实例的结果验证了本文结论.

关键词 线性多智能体系统; 编队控制; 期望编队的可实现性; 渐近相容; 协议设计; linear multi-agent systems; formation control; achievability of desired formations; asymptotical consistency; protocol design

摘要 随着新一代人工智能的发展,大模型(如GPT-4o等)凭借大规模训练数据、网络参数和算力涌现出强大的生成能力、泛化能力和自然交互能力,展现出改变工业世界的巨大潜力.尽管大模型已在自然语言等多个领域取得突破性进展,但其在工业应用中的探索仍处于初级阶段,当前工业大模型的系统性研究仍属空白.工业应用中特有的异质数据模态、复杂多样的专业化场景、长流程的关联性决策、以及对于可信性实时性的高要求,使得通用大模型无法直接用于解决复杂的工业问题,亟需开展全新的工业大模型基础理论和关键技术研究.本文系统地探讨了工业大模型的挑战问题、概念内涵、体系架构、构建方法、关键技术与典型应用.从5个挑战问题的分析出发,提出了工业大模型的全新定义和体系架构;同时,提出了工业大模型的四阶段构建方法,阐述了工业大模型核心关键技术;然后,基于所提出的工业大模型6种核心应用能力,探讨了面向产品全生命周期的工业大模型典型应用场景,并给出了“基石”工业大模型原型系统在生成式人工智能方面的应用实例;最后,探讨和展望了工业大模型未来的研究方向和开放性问题.本文将为工业大模型这一全新研究方向的开辟与发展,提供基础理论、关键技术和行业应用的全面指导.

关键词 工业大模型; 工业基础模型; 生成式人工智能; 具身智能; 工业智能体; 智能制造; industrial foundation model; industrial AI foundation model; AIGC; embodied intelligence; industrial agent; intelligent manufacturing

摘要 随着全球卫星数量的快速增长和天基网络的蓬勃发展,优化卫星任务调度以确保任务观测时效性变得至关重要.任务调度方法不仅影响观测数据采集的效率,还直接关系到天基信息系统能否及时响应多种实时应用需求.然而,针对非周期动态任务,传统批处理调度方法存在局限性,需收集完所有任务信息后才能作出决策,而现有基于深度强化学习的实时调度方法也无法保证紧急任务的观测时效性.鉴于此,本文首次提出了“时效性优化的敏捷卫星动态任务实时调度”问题,该问题定义任务观测时效性指标,综合考虑任务观测延迟和接收任务的总收益,以最大化所有任务观测时效性.为了求解该问题,设计了两阶段时效性优化算法PPODL-HR.在任务选择阶段,提出了基于深度神经网络和长短期记忆网络的近端策略优化以加快模型的收敛速度;在资源分配阶段,设计了启发式规则,通过任务合并进一步降低任务切换所需的卫星转换时间.通过数值仿真和STK仿真验证, PPODL-HR算法在任务观测时效性方面优于传统的静态批处理调度和现有的动态任务实时调度算法,且适用于不同任务密度和不同紧急性任务占比的情况.特别地,与经典的动态任务实时调度算法相比,任务观测时效性提高了21.14%,任务观测延迟降低了4.55%,接收任务的总收益增加了20.70%.

关键词 时效性优化; 卫星任务调度; 动态任务实时调度; 深度强化学习; 任务观测时效性; 启发式; timeliness optimization; satellite task scheduling; real-time scheduling for dynamic tasks; deep reinforcement learning; timeliness of task observation; heuristic rule

摘要 针对动态不确定环境下异构多无人机协同路径规划问题,提出了一种新的多智能体深度强化学习算法.首先,开发了一个空域场景下多无人机到达目标地点的强化学习环境,环境引入了无人机动力学方程,并考虑了无人机异构的因素以及安全避障的需求.其次,设计了任务完成率、编队保持率、飞行时间等性能指标,用以衡量算法的优劣.然后,将多无人机协同路径规划问题建模为部分可观Markov决策过程,提出了一种多智能体柔性执行评价(multi-agent soft actor critic, MASAC)算法寻求该问题的近似最优策略.最后,通过仿真实验验证了所提算法的有效性和优越性.

关键词 多无人机; 路径规划; 多智能体深度强化学习; 部分可观Markov决策过程; MASAC算法; multi-UAV; path planning; multi-agent deep reinforcement learning; partially observable Markov decision process; multi-agent soft actor critic algorithm

摘要 飞机装配是飞机制造中的关键环节,如何对飞机装配脉动生产线进行合理调度,实现降本增效,是智能制造领域的重要科学问题.然而,飞机装配脉动生产线场景复杂,装配单架飞机就包含上万道工序,这为飞机装配调度问题的形式化建模和高效求解带来新的挑战,因而当前生产实践中主要依靠人类专家经验进行手工调度.本文聚焦降低人力负载的优化目标,提出两种领域特定的技术以解决飞机装配调度问题.首先,将飞机装配脉动生产线调度问题建模为两个马尔可夫(Markov)决策过程,通过双重强化学习智能体决策生成飞机装配的近似调度方案.其次,针对强化学习决策鲁棒性不足的缺陷,提出领域知识迁移方法,将强化学习的求解知识迁移到整数规划约束剪枝中,最后利用整数规划求解器优化得到综合性能优异的调度方案.在飞机装配生产线的真实数据上完成了实验验证,结果表明本文提出的基于深度强化学习和知识迁移的调度方法能够成功扩展到年产量近百架次的飞机装配脉动生产线调度问题,将组合优化方法难以求解的问题优化到分钟级求解,相较于基线方法取得显著性能优势.

关键词 飞机装配; 智能调度; 组合优化; 强化学习; 知识迁移; aircraft assembly; intelligent scheduling; combinatorial optimization; reinforcement learning; knowledge transfer

摘要 随着自动驾驶技术的不断成熟与应用,系统性梳理开源自动驾驶数据集有利于产业生态良性循环.现有自动驾驶数据集可大致分为两代,第一代数据集的传感模态复杂度相对较低、数据集规模相对较小,且大多局限于感知级任务,以发布于2012年的KITTI为代表.相比于第一代数据集,第二代数据集的特征为传感模态复杂度较高、数据集规模与多样性较丰富、所设置任务从感知扩展到预测、规控上,以2019年前后提出的nu Scenes, Waymo为代表.本文联合学术界、产业界同仁,首次系统性梳理了国内外70余种开源自动驾驶数据集,对如何构建高质量数据集、数据在算法闭环体系中发挥的核心作用、如何利用生成式大模型规模化生产数据等进行了总结.此外,就未来第三代自动驾驶数据集应该具备的特质和数据规模,以及需要解决的科学与技术问题,进行了详细分析与讨论.希望本文的归纳与展望能促进新一代自动驾驶数据集与生态体系的建设、推动关键领域自主原创与科技自强的发展.

关键词 自动驾驶; 数据算法闭环; 基础模型; 数据集与挑战赛; autonomous driving; data pipeline; foundation model; dataset and challenge

摘要 非接触式传感器相比接触式触觉传感器可以避免与物体直接接触过程中产生的噪声,因而能够获取更有价值的原始数据表征物体内在属性;然而针对非接触式传感器感知的物体属性数据而言,现有算法难以实现单样本学习下的物体准确识别.为解决这一问题,本文提出一种新颖的单样本学习下时序约束稀疏表示方法 (one-shot learning with temporally constrained sparse representation, OSL-TCSR)用于识别5种不同材料下的50个物体类别.首先将两种原始数据(Lumini光谱和SCiO光谱)并行投影至共享子空间,并且使用聚类典型关联分析法(cluster canonical correlation analysis, C-CCA)计算两种原始数据的聚类相关性特征;其次通过稀疏表示分别计算得到聚类相关性特征数据以及原始数据的编码向量,并利用原始数据的编码向量对相关性特征数据的编码向量进行二次投影映射;然后将两次映射后的原始数据和相关性特征数据进行重构,以充分耦合化两种光谱数据,解决了单样本学习下的数据稀缺问题;进一步地,设计新颖的时序约束稀疏表示方法计算重构后的原始数据和相关性特征数据,以充分考虑每个光谱序列的时序特征;最后与最新的物体识别方法进行实验对比,结果表明提出的OSL-TCSR方法提高了单样本学习情况下的物体识别结果.此外, OSL-TCSR还可灵活迁移至多种应用场景,比如材料识别或纹理识别等.

关键词 物体识别; 聚类相关性特征; 单样本学习; 时序约束正则化; object recognition; clustering correlation characteristics; one-shot learning; temporally constrained regularization

摘要 构建以新能源为主体的新型电力系统(novel power system, NPS)是“双碳”背景下我国能源电力转型发展的重要方向.工业园区(industrial park, IP)作为城市经济的主要承载平台和增长动力,是构建新型电力系统的重要组成部分.随着第五代移动通信(5th generation mobile network, 5G通信)技术的不断发展采用, 5G基站(5G base station, 5G BS)在工业园区中得到大量建设并承担了重要通信任务,成为工业园区新型电力系统运行的新兴负荷需求,给5G通信运营商与工业园区双方带来了更大的电量需求和严峻的能耗成本等挑战.为应对上述挑战,本文利用5G基站的柔性调节能力助力工业园区新型电力系统运行,降低整体系统运行成本,提高运行效率.首先,本文建立了5G基站与工业园区新型电力系统协同运行模型,以研究5G基站和工业园区新型电力系统的工作特性.然后建立了5G基站细粒度通信模型,基于效用理论评估通信过程中的用户服务质量(quality of service, QoS)指标,在进行协同运行时保证用户QoS.在此基础上,提出基于合作博弈的激励机制,以进一步确保协同运行稳定并降低系统运行成本.对含5G基站的工业园区系统案例研究验证了本文提出的协同运行模型和运行框架的有效性.与独立运行、集群方式通信运行、传统需求响应机制方式协作运行相比,本文提出的方案有着更低的系统运行成本和更高的用户QoS.

关键词 5G基站; 工业园区; 协同运行; 多目标优化; 合作博弈; 5G base station; industrial park; cooperative operation; multi-objective optimization; cooperative game

摘要 本文针对社交网络中基于线性阈值模型下的对抗影响力最大化问题,提出了一种新的启发式算法–局部影响力算法(local influence, LI).首先,通过分析削弱种子节点影响力的因素,识别出具有某些特定拓扑特征的候选节点,这些节点在种子节点的传播过程中能够有效阻塞其扩散;其次,基于这些拓扑特征,提出一种新的启发式算法;最后,在不同真实数据集和传统方法上进行对比分析实验.实验结果表明:与其他基线算法相比, LI算法在效果和运算效率上均表现出显著优势,其中相较于表现最优的Degree算法,阻塞效果平均提升了88.64%.此外,通过消融实验以及在人工合成网络上的实验,进一步验证了LI算法中各拓扑结构对节点阻塞能力提升的有效性.

关键词 社交网络; 影响力传播; 对抗影响力最大化; 启发式算法; social network; influence spread; adversarial influence maximization; heuristic algorithm

摘要 如何从观测时间序列来重构复杂网络结构是网络科学领域的热点和难点问题.近年来统计推断和压缩感知两类方法广泛用于网络重构,然而代表性重构方法的精度、速度和抗噪声性能均有大幅提升空间.本文在经典压缩感知算法的基础上,提出了一种基于节点中心性排序和交替乘子法的网络重构算法.首先对节点状态特征矩阵按照节点中心性的判断方法重新排序重构节点的顺序,然后利用压缩感知对排序后的节点时间状态特征矩阵进行处理,最后引入交替乘子法优化矩阵实现网络拓扑结构的重构.理论分析证明,所提算法的复杂度低于代表性的压缩感知重构方法.实验结果表明,本文将所提算法相比于现有代表性重构方法,提升了重构精度,减少了重构时间,具有更高的抗噪声鲁棒性.本研究提升了网络重构算法应用于大规模网络的准确性、适用性和可靠性,并可在未来扩展到不同类型约束的加权网络重构中.

关键词 网络重构; 压缩感知; 时间序列; 节点中心性; 交替乘子法; network reconstruction; compressive sensing; time series; node centrality; ADMM

关键词 非线性相互作用; 社交网络; 方向切换行为; 稳态概率密度; 平均切换时间; nonlinear interactions; social networks; directional switching behavior; stationary probability density; mean switching time

关键词 分布式能源; 特征点集; 聚合和分解; Minkowski和; 内近似; 凸包; distributed energy; feature point sets; aggregation and decomposition; Minkowski sum; inner approximation; convex hull

摘要 复杂网络是刻画现实世界的有效工具,而同步现象是复杂网络中最为普遍的现象之一,广义同步更因其普适性吸引着研究者的目光.本文研究单向耦合双层驱动–响应网络的广义同步问题.判定广义同步存在的辅助系统方法因其简单有效自提出起便被广泛使用,并于21世纪初被推广应用于复杂网络.而对于不能自发同步的网络,间歇控制是一种常见且有效的控制机制.间歇控制策略不仅符合现实场景,还能够减少通信,节约控制资源.基于此,本文研究单向耦合双层网络的层间广义同步,并利用辅助系统方法,提出间歇控制策略下的双层网络广义同步准则.首先,本文提出线性反馈牵制间歇控制机制下的网络广义同步准则.进一步,为节约控制资源,考虑自适应牵制控制器在间歇控制策略下的网络广义同步问题.本文从理论和仿真两方面证实了间歇控制策略下的双层网络层间广义同步可行性.

关键词 双层复杂网络; 广义同步; 间歇控制; 牵制控制; 自适应控制; two-layer complex network; generalized synchronization; intermittent control; pinning control; adaptive control

摘要 火力与制导资源联合分配问题是军事运筹学研究中典型的NP完全问题,其求解具有较高的实时性要求.精确求解算法难以适用,而近来提出的构造算法的时间开销也相对较大,严重影响算法的实际应用.为了解决该问题,本文将其建模为多阶段传感器–武器–目标分配(sensor-weapon-target assignment, S-WTA)问题,并分解成两类作战资源分配子问题.在武器分配阶段采用了一种基于威胁值确定分配优先级的快速构造算法,在传感器分配阶段提出了一种新的基于阶段顺序确定分配优先级的快速构造算法,该算法能充分利用约束条件,大幅度减小时间开销.本文在两种基本构造算法与基于边际损失的构造算法的基础上进一步提出了构造算法序列化组合,对多阶段S-WTA问题进行求解.计算实验验证了新提出的基本构造算法的快速性以及构造算法序列化组合相比于各种基本构造算法的性能优势.

关键词 异构资源联合分配; 传感器 – 武器 – 目标分配; 启发式算法; 构造算法; 协同作战; heterogeneous resources co-allocation; sensor-weapon-target assignment; heuristic algorithms; constructive algorithms; cooperative engagement

摘要 如何定量评估复杂网络中节点的影响力是一个重要的研究课题,因为它有助于深入理解网络的结构和功能.现有的多数方法主要基于网络固有拓扑的分析建立,缺少对多阶邻居节点的传播性质和拓扑信息的综合利用,然而它们对影响力节点识别有重要影响.为此,本文提出了一种综合多阶邻居传播度量和拓扑特征(multi-order neighbor propagation metrics and topological features, MNPMTF)的算法来有效识别复杂网络中的影响力节点.首先,该算法结合传播模型和最短路径来刻画邻居节点的传播概率,从而量化节点之间信息传播的可能性.其次,考虑多阶邻居中的邻居重叠比形成邻居重叠度,进而量化信息在邻居网络中的传播路径.再次,利用节点的k壳、h指数和聚类系数构成新指标KHC系数,以此来描述节点的拓扑特征.最后,算法综合3阶邻居范围内的传播概率、邻居重叠度和拓扑特征以评估节点的影响力.在9个真实网络上的大量实验表明,所提算法在排序准确性、有效性和区分能力等多方面均优于7种具有代表性的方法,为复杂网络中节点影响力评估提供了一种新的思路.

关键词 传播概率; 邻居重叠度; KHC系数; 影响力节点; 复杂网络; propagation probability; neighbor overlap; KHC coefficient; influential nodes; complex networks

摘要 随着网络科学的发展,普通网络无法描述多个个体间的交互作用,这就有必要引入高阶网络.高阶网络能够刻画普通网络无法描述的网络特征,其中单纯形(2阶以上)扮演着关键角色.牵制控制具有“四两拨千斤”的作用,在高阶网络中只需牵制一部分单纯形就能达到同步.但如何选取合适的单纯形进行牵制控制,是一个充满挑战而又全新的课题.本文给出高阶网络达到同步的自适应牵制控制律,并提出如何选择合适的单纯形进行牵制,选择方式由高阶网络广义Laplacian矩阵次小特征值对应的单位特征向量分量决定.数值仿真结果表明该方法简单有效,牵制控制效果与单纯形选择方式一致.

关键词 复杂网络; 高阶网络; 牵制控制; 同步; 单纯形; complex networks; higher-order networks; pinning control; synchronization; simplexes

摘要 任务分配是移动群智感知的一个关键问题.考虑到人员用户的区域可达性限制会导致数据收集难以满足时空覆盖要求,有必要将无人机作为人员用户的补充感知单元,共同组成异构群智感知系统.为解决异构群智感知系统任务分配问题,本文分析无人机和人类移动用户的特质,分别给出相应的感知能力度量和任务奖励方法;并以任务感知质量和剩余预算最大化为目标,构建了动态多目标任务分配模型.针对上述问题,提出了知识模型辅助的分解式多目标进化算法.在将多目标问题分解成一组标量子问题后,根据问题特性提炼知识,进而构建知识模型,学习用户–任务对的分配概率分布.随后,开发知识模型辅助的变化响应机制和进化算子,增强种群的收敛速度和性能.最后,在25个静态实例和24个动态实例上进行了大量实验,验证了所提出任务分配算法的优越性.

关键词 群智感知; 任务分配; 动态多目标; 进化算法; crowdsensing; task allocation; dynamic multi-objective; evolutionary algorithm

摘要 针对具有非平衡图、输入饱和、匹配和非匹配扰动的二阶非线性多智能体系统固定时间分布式优化问题,提出了固定时间鲁棒自适应跟踪控制策略.首先,设计了基于梯度和估计的固定时间分布式优化参考信号,实现了非平衡参考信号网络的固定时间分布式优化.其次,针对非匹配扰动设计固定时间估计算法,基于扰动估计和参考信号定义分层协调的跟踪误差,将二阶非线性多智能体系统转换为跟踪误差动态系统,其中的未知连续非线性部分通过模糊逻辑系统逼近.再次,利用固定时间滑模控制方法,建立了具有复合学习鲁棒自适应律的滑模动态系统模型,该模型的鲁棒自适应项在线估计补偿未知干扰项.然后将滑模变量内嵌于光滑的双曲正切函数中得到固定时间鲁棒自适应跟踪算法,实现了二阶非线性多智能体系统的固定时间分布式优化.最后,两个仿真实例验证了所提算法的良好性能.

关键词 固定时间分布式优化; 非平衡图; 输入饱和; 鲁棒自适应跟踪控制; 非匹配扰动; fixed-time distributed optimization; unbalanced graph; input saturation; robust adaptive tracking control; unmatched disturbance

摘要 随着多智能体系统研究的深入和实际应用需求的增长,分布式优化近年来受到了学术界和工业界的广泛关注,如何提升算法的效率成为该领域的核心挑战.本文旨在对多智能体系统分布式优化算法进行综述.首先,本文介绍了该领域的研究背景、基本定义与核心问题模型;在此基础上,系统梳理了典型的分布式优化算法;进而,聚焦非理想通信网络和非确定性代价函数两个维度,探讨了当前算法设计的核心思路、瓶颈问题与改进策略;最后,阐述了分布式优化在无人系统、工业物联网和智能电网领域的应用实例,并分析其独特价值.本文通过对现有的研究成果进行归纳与梳理,旨在为相关领域的研究人员提供有价值的参考,并对未来的研究方向进行了展望.

关键词 分布式优化; 多智能体系统; 非理想通信网络; 非确定性代价函数; 算法设计; distributed optimization; multi-agent systems; non-ideal communication network; non-deterministic cost function; algorithm design

摘要 直流微电网是通过直流总线聚合分布式发电资源的小型配电网系统.本文针对含有构网转换器和馈网转换器的单总线直流微电网系统,提出一类混合分布式二次均流调压控制策略,实现快速且精确的直流总线电压调控和分布式发电资源电流分配.在控制设计中,对具有电压源特性的构网转换器采用V-I下垂控制策略,对具有电流源特性的馈网转换器采用无下垂形式的二次控制策略.然而,混合模式的反馈设计使得系统的动态矩阵不再具备对称性.对此,本文在稳定性分析中构建由电流误差和电压误差线性融合的误差闭环系统,将微电网的稳定性问题转换成秩一矩阵摄动的特征值分析问题,进一步结合图论和广义负定矩阵性质,推导出使系统稳定的参数取值条件.最后通过数值模拟和硬件实验验证了该方法的有效性.

关键词 直流微电网; 分布式二次控制; 均流调压; 稳定性分析; 微电网控制; DC microgrids; distributed secondary control; voltage regulation and current sharing; stability analysis; microgrid control

摘要 为保障直流微电网的安全运行,需要通过分布式控制方法实现负荷功率的合理分配并维持母线电压的稳定.以往的分布式控制设计与分析往往基于连续时间系统模型.然而,对于现代控制系统,大多数控制方法尤其是系统级方法都是通过数字控制器和数字通信实现的.为避免连续时间控制策略在离散数字控制系统中实现时可能导致的不稳定现象,本研究基于离散时间(discrete-time, DT)直流微电网模型,提出了一种分布式DT控制方法,实现了比例负荷功率分配和加权几何平均电压调节.此外,为应对分布式控制器间信息交互可能导致的网络拥堵问题,本研究引入了周期事件触发(periodic event-triggered, PET)机制,在维持控制效果的同时,降低了对通信网络的通信资源需求.由于该触发条件仅在离散时刻检测,因此可以从本质上避免Zeno现象.进而,利用Lyapunov稳定性分析方法与LaSalle不变集原理,本研究从理论上证明了闭环系统可渐近收敛至平衡点.最后,通过Simscape Electrical软件对所提出的分布式控制方法进行了仿真测试,验证了其有效性以及在非理想通信网络情况下的鲁棒性.

关键词 直流微电网; 负荷功率分配; 母线电压调节; 离散时间控制; 周期事件触发控制; DC microgrid; load power sharing; bus voltage regulation; discrete-time control; periodic event-triggered control

摘要 随着工业智能系统的快速发展以及能源互联网的广泛应用,工业软件在支持多节点协同计算和解决复杂优化问题中发挥了关键作用.然而,能源互联网的分布式、多节点自治特点以及复杂网络结构和实时动态调控需求,对工业软件的实时性、收敛速率和适用范围提出了更高要求.这些要求迫切需要设计高效的分布式优化算法作为工业软件的核心支撑.因此,本文研究了时变通信拓扑下的分布式非凸复合优化问题,其中全局目标函数由光滑的非凸部分和非光滑的凸部分组成.所提出的算法利用逐次凸逼近(successive convex approximation, SCA)技术与梯度跟踪机制,并引入类Nesterov动量项以调整每次迭代的更新方向,从而进一步提升算法的收敛速率.理论证明了当动量参数低于设定的上界时,所提算法在固定步长条件下能够渐近收敛至所研究问题的平衡点集.数值仿真实验进一步验证了算法的有效性.

关键词 工业软件; 分布式非凸优化; 复合优化; 类Nesterov加速方法; industrial software; distributed non-convex optimization; composite optimization; Nesterov-like acceleration method

关键词 扰动补偿; 自适应事件触发; 分布式模型预测控制; 互联电力系统; 负荷频率控制; disturbance compensation; adaptive event-triggered; distributed model predictive control; interconnected power system; load frequency control

摘要 本文通过设计非凸控制约束条件下的迭代学习控制策略,解决多智能体系统的一致性和包含控制问题.此类问题的难点在于缺乏一种有效工具来处理分布式控制中的非凸约束.为此,本文综合非凸约束算子方法提出了一类新颖的迭代学习策略,并将其用于非凸约束下的多智能体一致性分析中.进一步,通过设计非凸约束下的终端迭代学习策略,探讨了相关的包含控制问题,即使各节点在终端时刻的状态收敛到领导者状态生成的凸包内.本文在迭代学习的框架下,结合压缩映射和Lyapunov稳定性理论,分别给出了非凸约束下实现一致性或包含的充分性条件.最后,通过两个数值模拟来说明本文理论结果的有效性.

关键词 非凸约束; 终端迭代学习; 一致性; 包含控制; 收敛性分析; nonconvex constraint; terminal iterative learning control; consensus; containment control; convergence analysis

摘要 针对无人机集群携带异构资源以及任务的异构需求下的复杂任务分配优化求解问题,提出一种基于联盟形成博弈的分布式任务分配算法.首先针对任务分配问题规模较大的特点以及资源的异构性,提出一种基于异构资源的改进K-medoids聚类算法,通过对无人机集群和任务进行聚类的预处理,降低了任务分配的规模和难度.考虑任务需求、机载资源以及路径成本等条件建立任务分配模型,将原有任务分配问题转化为联盟划分问题,设计了一种基于联盟形成博弈的分布式任务分配算法进行求解.最后,将30个具有异构需求的任务分配给100架携带3种异构资源的无人机的仿真结果表明,所提算法能够实现较好的任务分配效果,同时极大提高任务分配的实时性,充分发挥集群效能.

关键词 任务分配; 异构无人机集群; 异构资源; 聚类算法; 联盟形成博弈; task allocation; heterogeneous UAV swarms; heterogeneous resources; clustering algorithm; coalition formation game

摘要 作为新一代智能化综合数字信息基础设施,第六代移动通信(6G)深度融合人工智能、大数据以及先进计算等技术,构建泛在互联,智能体高效互通的新型网络模式,具有更大系统容量、更快信息传输速率以及更加智能化与数字化的性能特征.智能超表面(reconfigurable intelligent surface, RIS)是推动未来6G通信网络实现超级无线带宽、超大规模连接以及极其可靠通信能力等方面性能的极具潜力的新兴技术.该技术是基于在数字超材料平面上集成的大量低成本无源反射元件,通过自适应配置无线传播环境,显著提高无线通信网络在复杂场景下的性能,而实现自适应动态调控通信链路的关键在于对RIS辅助的网络系统优化.为此,本文通过对RIS近年来在网络性能优化方面相关研究文献进行综述,从RIS辅助通信的网络架构及其性能优化方案和应用场景两个方面总结了当前RIS辅助的无线通信网络性能优化研究成果与进展,并进一步讨论了通信网络部署RIS的潜在未来研究方向.

关键词 智能超表面; 无线通信网络; 性能优化; 6G; reconfigurable intelligent surface; wireless communication networks; performance optimization

摘要 随着风电场规模的不断扩大,尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重.为了降低风电场运营成本,提高动态经济性能,本文提出了一种风电场分层控制结构.在上层通过优化全场风机的诱导因子实现当前风向下的全场最大风能捕获,为下层本地控制提供各机组的最佳降载跟踪功率基准.在下层采用基于终端区域约束的稳定分布式经济模型预测控制策略对各风机实施本地控制,在保证满足电网负荷需求的同时有效降低机组的疲劳载荷,提高风电场的动态经济性.最后,通过SimWindFarm软件对由9台风机组成的风电场进行仿真实验,验证了风向变化、阶跃风速扰动和湍流风速扰动3种情况下所设计控制策略的有效性.

关键词 风电场控制; 尾流效应; 疲劳载荷; 分布式经济模型预测控制; 凸序列规划; wind farm control; wake effect; fatigue load; distributed economic model predictive control; sequential convex programming

摘要 针对分布式网络中的参数估计问题,本文提出了一类基于分数阶梯度信息的扩散LMS算法,主要利用分数阶梯度的变阶次机制来提升算法的各项性能.首先,针对已有的集中式分数阶梯度LMS算法,将其推广到分布式网络中的参数估计问题上来.进而,讨论了所提算法的收敛速度和收敛精度.其次,考虑到分数阶阶次对于算法性能的影响,设计了一个变分数阶阶次的策略来充分发挥分数阶的优点以提升算法的收敛特性.进一步,证明了切换拓扑结构下所提算法的收敛性.最后,通过数值仿真结果,从收敛速度、收敛精度、鲁棒性等角度验证了所提算法的有效性和优越性.

关键词 分布式估计; 扩散式 LMS 算法; 适应性滤波; 切换拓扑; 分数阶微积分; distributed estimation; diffusion LMS algorithm; adaptive filter; switching topologies; fractional calculus

摘要 针对一般异构线性多智能体系统的分布式资源分配问题,结合智能体动力学特性设计一类分布式优化算法,旨在实现扰动抑制的同时完成资源的最优分配.面对扰动模型已知干扰信号,本文利用智能体状态信息设计一种自适应分布式优化算法,其中拉格朗日(Lagrange)乘子对偶变量控制参数自动增加,直至拉格朗日乘子对偶变量达到一致.当智能体状态信息不可测时,本文将上述算法修改为基于输出反馈的分布式优化算法.当全局成本函数强凸时,借助拉萨尔(LaSalle)不变性引理证明上述所提算法渐近收敛到全局最优解.面对未知扰动信号,本文利用扩张状态观测器技术设计一种分布式优化算法.当未知扰动信号为常数或其微分趋于零时,利用李雅普诺夫(Lyapunov)理论证明上述算法渐近收敛至全局最优解.最后利用数值仿真验证上述算法有效.

关键词 异构多智能体系统; 资源分配; 自适应通信权重; 状态反馈; 输出反馈; 未知扰动; heterogeneous multi-agent systems; resource allocation; adaptive communication weight; state feedback; output feedback; unknown disturbance

摘要 针对通信噪声干扰下的资源分配问题,本文提出了基于对偶梯度追踪的分布式算法以实现资源的最优配置.通过设计新的噪声追踪策略与引入抑制系数,本文算法对噪声干扰具有更好的鲁棒性,并且支持各节点使用非协同步长进行迭代更新.理论分析证明了对于非Lipschitz光滑甚至不可微的强凸目标函数,算法在噪声干扰下仍能收敛到最优解邻域并且具有O(1/k)收敛速率.最后,在IEEE14母线和IEEE 118母线系统上验证了本文所提出分布式算法的有效性和可拓展性.

关键词 分布式优化; 对偶问题; 噪声抑制; 资源分配; 非协同步长; distributed optimization; dual problem; noise suppression; resource allocation; uncoordinated stepsizes

摘要 本文提出一种集成视觉转换器(vision transformer, ViT)与无监督域适应(unsupervised domain adaptation, UDA)的跨域识别方法 (cross-domain identification methods, CDIM),并将其用于烧结过程氧化亚铁(ferrous oxide, FeO)含量的智能识别.首先,针对实际工业标签数据稀缺和多工况数据分布不一致的问题,所提CDIM通过引入无监督域适应(unsupervised domain adaptation, UDA)技术,减少对标签数据的依赖,同时减缓不同工况下数据分布不一致对模型性能的影响.其次,针对源域和目标域的特征对齐问题,通过域混合模块(domain mixing module, DMM)构建中间域,从而在域级别上进行粗粒度层面的对齐;同时,采用局部域适应模块(local domain adaptation module, LDAM)在token级别上进行细粒度层面对齐,提取域不变特征;此外,通过博弈策略(game strategies, GS)与自细化策略(self-refinement strategies, SRS)缩小域间差异,并通过优化相应损失函数以进一步增强模型的准确性.最后,将所提方法在两个基准数据集上进行测试,并进行实际烧结工业数据的实验.结果表明:所提CDIM方法能够完成多种不同领域的跨域识别任务,并且在烧结矿FeO含量跨域识别任务中表现最为优异,为提高烧结矿质量及优化后续工艺操作提供有力支持.

关键词 无监督域适应; 视觉转换器; 跨域识别; 博弈策略; 自细化策略; 氧化亚铁含量识别; unsupervised domain adaptation; vision transformer; cross-domain recognition; game strategy; selfrefinement strategy; ferrous oxide content recognition

摘要 模型库是高端工业软件的核心组件.“无免费午餐”定理证明没有一种模型能在所有场景中表现良好,根据对象特性确定合适的模型至关重要.然而,常见的模型选择过程繁琐,需要逐一训练候选模型,并根据性能评估来确定最佳模型,这需要大量的标签信息和计算资源.本研究的重点是通过不依赖逐一实验和评估的方式,快速为无标签的目标数据选择合适的模型,提高工业软件模型库对各种工业对象快速支撑和规模应用的能力.本文首次将电子商务推荐系统的理念引入工业领域,提出了工业模型推荐系统的概念,指出并解决了构建工业模型推荐系统的主要挑战,即工业时序数据缺乏直观推荐特征.具体地,本文提出了一套推荐特征挖掘方法,其能够从工业时间序列数据中挖掘与设备无关但与监控性能相关的特征.其次,设计了基于宽度学习和大语言模型的双通路模型推荐方法,其能够建立特征和监控模型性能之间的映射关系,且能够综合多种评价维度给出推荐结果.此外,构建了一套工业模型推荐系统,包括数据集、特征和模型,为工业时间序列监测任务的模型推荐领域提供了一个基准.通过大量实验验证,展示了工业模型推荐的可行性以及本文方法的有效性.

关键词 过程监测; 模型自动选择; 模型推荐方法; 宽度学习系统; 大语言模型; process monitoring; automatic model selection; model recommendation method; broad learning system; large language models

摘要 现代智能制造产线集成化程度高,产线设备结构和功能复杂,工艺流程存在耦合性,导致故障隔离定位困难,易产生故障传播风险并威胁产线安全稳定高效运行.故障根因诊断旨在基于产线实时状态信息,通过准确识别故障传播路径与源头,提升产线和关键设备的系统可靠性,提高生产运行效率.然而,现有方法多局限于因果相关性分析,缺乏深层次的因果推理能力,难以揭示故障后状态变量之间真实的因果关系,限制了故障传播分析与根因诊断的可信度.为此,本文提出一种基于深度因果推理的故障根因诊断方法 (deep causal inference-based root cause diagnosis, DCIRCD).该方法首先通过结构因果模型(structural causal model, SCM)构建监测变量间的因果关系,结合干预与反事实推理实现因果推理的3个层级,提升了监测变量状态变化的因果解释性.特别地,通过引入孪生网络简化反事实推理过程,将其转化为关联因果模型上的贝叶斯推断(Bayesian inference, BI),降低了计算复杂度.所提方法在航空机载叶轮制造产线上进行了可行性与有效性验证,基于产线的状态报警数据,DCIRCD方法能够准确诊断故障根因,其结论与历史维修记录和系统机理相符.

关键词 因果推理; 反事实推理; 故障根因诊断; 孪生网络; causal inference; counterfactual inference; fault root cause diagnosis; twin networks

摘要 航空发动机是飞行设备的心脏,其涡轮叶片的缺陷检测对保障航空航天的安全至关重要.现有的深度学习方案通常需要大量计算资源,并且无法满足精准快速的检测需求.为了解决以上挑战,本文提出了基于网络架构搜索的多尺度高低频特征聚合分割方法 (multi-scale separate-frequency feature aggregation segmentation method, MSFA),并将其部署到自动化质检系统中.首先,本文针对航空发动机涡轮叶片的复杂缺陷设计了一个自适应知识图谱驱动的轻量搜索空间,以动态搜索网络的配置,通过通道数量与卷积核大小双最优构建本文的轻量化模型.其次,本文开发了高分辨率残差模块来引导缺陷分割过程,在保证精度的前提下实现高效的缺陷检测.最后,本文构建了高低频信息分离方法,来选择性地融合纹理信息以获得缺陷的重要特征,利用多尺度特征融合来聚合不同语义层级的缺陷信息.实验结果表明, MSFA在航发叶片分割任务中以5.73M的参数量实现了75.04%的交并比,与目前最先进的方法相比提升了7.42%,并保持实时级推理效率.此外,本文将其部署到一套多过程的自动化质检系统中,涵盖自动上下料、智能全覆盖成像、缺陷精准检测、误检检出和缺陷综合评估5个部分,解决了工业场景中航发叶片高速、精准检测的难题,全自动化的过程实现了高效的缺陷检测.

关键词 神经网络架构搜索; 航空发动机涡轮叶片; 缺陷检测; 轻量化模型; 实时语义分割; neural architecture search; aero-engine turbine blades; defect detection; lightweight model; real-time semantic segmentation

摘要 随着电力系统智能化转型,大量物联网设备被引入,这在带来便利的同时也引入了网络攻击问题,且大量新能源的并网导致电力系统的状态变化更加多样、频繁,对状态估计的鲁棒性和快速性提出了更高的要求.然而,目前状态估计(state estimation, SE)方法更多关注估计精度提升,忽略了状态估计的计算速度和鲁棒性.为解决上述问题,本文提出了一种快速、鲁棒、精确、安全的SE方案,其由攻击检测器、数据重构器和状态估计器串行组成.首先,本文提出了一种鲁棒的攻击检测器,即使电网拓扑变化也能够精确检测攻击数据.其次,本文提出了一种鲁棒的数据重构器,其能够精确、鲁棒地将攻击数据清洗为正常数据,从而保证数据的可用性.此外,本文提出了一种基于图形处理单元的快速、鲁棒的状态估计器,结合考虑稀疏存储和重排序等方法,进一步加快SE计算.最后,本文进行了大量实验证明了上述方案的可行性和鲁棒性.

关键词 电力系统状态估计; 攻击检测; 并行计算; 图形处理单元; power system state estimation; attack detection; parallel computing; graphics processing unit

摘要 有杆泵抽油系统工况的精准识别对提升运行效率、实现节能降耗以及保障安全生产具有重要意义.传统工况识别方法主要依赖专家经验,人工提取特征,效率低且主观性强.深度学习技术虽然在一定程度上提升了识别精度和效率,但在复杂工况识别方面仍存在局限性,且其“黑箱”特性导致模型内部机制难以直观理解,可解释性差.本文提出了一种基于迁移学习和改进EfficientNetB3的有杆泵抽油系统工况自动识别方法和基于边缘强化梯度加权类激活映射的模型可解释性分析方法,在显著提升工况识别精度的同时,有效增强了模型的可解释性.利用油田现场采集的真实示功图数据进行实验验证,并与目前具有代表性的深度学习方法进行了系统性对比.实验结果表明,本文所提出的方法能够实现有杆泵抽油系统工况的高精度识别,精准捕捉示功图的关键特征区域,为工况识别模型提供细粒度解释.

关键词 有杆泵抽油系统; 工况识别; 示功图; 迁移学习; 可解释性; sucker-rod pumping systems; working condition recognition; dynamometer card; transfer learning; interpretability

摘要 复杂工业生产中,利用实时采集的多变量时间序列数据进行异常检测是确保生产稳定安全的关键.针对现有多变量时间序列异常检测方法存在的诸多问题,提出一种新颖的无监督异常检测方法,即基于跨时空注意力机制的多变量时间序列异常检测(CSTA-MTAD)算法.首先,为了解决序列间和变量间的潜在时空特征提取不完整问题,采用多头自注意力机制为不同时间序列和不同变量赋予不同的注意力分数,捕获序列间和变量间复杂的时空依赖关系,实现现实世界的时空统一性,形成跨时空注意力机制;然后,进一步通过门控循环单元对提取到的时空信息进行显式融合,以捕获更丰富更完整的潜在时空信息;为了解决单一使用基于预测模型或重构模型的异常检测方法性能不足的问题,采用联合优化两种模型来进行异常检测的框架,可平衡两类方法的优势,提高异常检测性能;最后,为了解决现实世界数据标签稀少的问题,采用无监督框架进行模型训练,减少对数据标签的依赖性.实验结果表明,所提方法在3个公开数据集均表现出最佳性能,在SMAP, MSL, SMD数据集上F1得分分别为0.958, 0.949和0.958,平均F1得分为0.955,比其他6个最佳基线方法分别提高了5.94%, 2.63%和4.27%,具有优异的多变量时间序列异常检测的性能.

关键词 多变量时间序列; 异常检测; 多头自注意力机制; 跨时空注意力机制; 门控循环单元; multivariate time series; anomaly detection; multi-head self-attention mechanism; cross spatial-temporal attention mechanism; gated recurrent unit

摘要 在非平稳环境下,对复杂装备进行实时安全评估有助于及时发现潜在危险.其中,在线监测数据的动态变化是最主要的挑战之一.尽管一些在线安全评估方法可以使用监测数据进行动态的调整,但它们通常假设监测数据标签是可用的.然而,在大部分现实场景中,仅有部分提前收集的初始数据或历史数据是有标记的,而实时监测数据则通常是未标记的,这引发了被称为极端验证延迟的挑战.为解决该问题,本文提出了一种基于动态支持向量提取的实时安全评估方法.首先,基于支持向量域描述,在核空间构建包含不同类监测数据的超球面,捕获数据的几何结构;其次,通过对超球的更新,在未标记的监测数据中传播标签信息,从而适应监测数据的分布变化;进一步,采用支持向量动态加权策略,消除监测数据类别不平衡对模型性能的影响.面向蛟龙号深海载人潜水器监测数据的实验结果验证了所提方法的有效性.

关键词 实时安全评估; 非平稳环境; 极端验证延迟; 类别不平衡; 数据流; real-time safety assessment; non-stationary environment; extreme verification latency; class imbalance; data stream

摘要 实际工业过程受多种因素(如原材料变化、负载波动、设备老化等)的影响,往往表现出非平稳特性,即过程监测数据统计特性随时间发生变化,因此非平稳过程异常监测备受关注并已成为监测领域的焦点之一.本文从监测方法的角度对非平稳过程异常监测相关研究成果进行了系统性的回顾:首先对非平稳过程的概念和技术难点进行了概述;其次,将非平稳过程监测方法根据原理的差异划分为五大类,并总结了各类方法的优点与不足;最后,结合当前技术发展的现状,对非平稳过程研究中的挑战进行了深入分析与展望.

关键词 非平稳过程; 过程监测; 自适应建模; 协整分析; 平稳子空间分析; 慢特征分析; 深度学习; non-stationary processes; process monitoring; adaptive modeling; cointegration analysis; stationary subspace analysis; slow feature analysis; deep learning

摘要 针对工业设备故障诊断知识图谱故障实体属性残缺、故障关系链接缺失的问题,本文提出了一种基于知识图谱异构图注意力网络(knowledge graph heterogeneous graph attention network, KGHAN)模型的工业设备故障诊断知识图谱补全方法,通过对故障实体概念补全和故障关系链接补全完善了工业设备故障诊断知识图谱.所提KGHAN模型在异构图注意力网络模型的基础上,融合了故障知识结构信息和故障图结构信息,有效地表征了故障实体和故障关系的嵌入表示,提高了故障实体概念补全任务的准确率和故障关系链接补全任务的命中率.将所提工业设备故障诊断知识图谱补全方法应用在国内某企业的工业设备故障运维数据上,结果表明,故障实体概念补全任务的准确率提高了约10%,故障关系链接补全任务的命中率提高了约37%,验证了方法的有效性.

关键词 知识图谱补全; 知识图谱; 图神经网络; 故障诊断; 工业设备; knowledge graph completion; knowledge graph; graph neural network; fault diagnosis; industrial equipment

摘要 本文基于前景理论在博弈的框架下研究了行为感知概率对网络化系统中攻防资源配置的影响.首先,在理性决策情形下,通过融合物理系统、执行器攻击和资源分配模型,构建了一个新的安全博弈框架.其次,针对决策者依靠感知概率而非真实概率进行主观决策的情形,基于前景理论构造了行为安全博弈模型.然后,建立了安全博弈和行为安全博弈下期望收益函数关于攻防资源凹凸性的充要条件,并深入分析和比较了安全博弈和行为安全博弈下攻防资源最优配置的存在性和唯一性以及行为概率对安全博弈的影响.最后以无人机群为例进行了仿真,验证了所提方法的有效性.

关键词 执行器攻击; 前景理论; 资源分配; 安全博弈; 行为安全博弈; actuator attacks; prospect theory; resource allocation; security game; behavioral security game

摘要 信息物理系统(cyber-physical system, CPS)的开放性和无线传感器的普及,使得CPS受到窃听攻击的风险加剧,因此CPS隐私保护成为亟待解决的重要问题.本文针对窃听攻击下CPS中的隐私保护问题利用远程状态估计的方法,设计了一种将传输调度与噪声注入相结合的传感器传输策略.该策略允许传感器在发送数据包和保持静默间选择,并在发送数据时以一定概率传输噪声以混淆数据.本文引入开环预测的概念作为系统基准,构建合法用户与窃听者的马尔可夫链模型,推导出期望稳态估计误差协方差,确定了噪声传输概率的范围.本文优化合法用户和窃听者估计误差协方差的负线性组合,达到最小化合法用户的误差并使得窃听者的误差保持在开环估计之上的效果,以此实现隐私保护和能量管理的平衡.此外,本文证明了所提方案具有阈值结构,并通过基于动态规划的算法在仿真环境下对算法进行验证与分析.

关键词 信息物理系统; 隐私保护; 远程状态估计; 传感器传输策略; 噪声注入; cyber physical systems; privacy protection; remote state estimation; sensor transmission strategy; noise injection

摘要 为解决卡尔曼(Kalman)滤波的工程应用难题,现有方法往往以过多的性能损失为代价来增强滤波算法鲁棒性,从而导致估计性能下降.为进一步提升滤波精度,本文借助于影响力函数,构建基于黎卡提(Riccati)方程的自适应鲁棒卡尔曼滤波(adaptive robust Kalman filter, ARKF)算法,削弱不确定性影响的同时,最小化性能损失.首先,利用影响力函数实时感知并量化不确定性影响;其次,根据量化结果反演不确定性导致的观测偏移量;然后,根据观测偏移量实时放缩黎卡提方程先验信息上界,实现卡尔曼滤波鲁棒性的自适应调整,减小性能损失;最后,通过数值仿真以及在四容水箱实验中的应用,证实所提算法的有效性及优越性.

关键词 卡尔曼滤波; 自适应鲁棒滤波; 影响力函数; 黎卡提方程; 不确定性; Kalman filter; adaptive robust filter; influence function; Riccati equation; uncertainty

摘要 作为复杂薄壁曲面类部件,航空发动机叶片结构复杂、工况恶劣,叶片振动会直接影响航空发动机工作稳定性.面向以压电材料构建压电智能叶片进行主动振动抑制的新一代航空发动机叶片研究,本文提出了基于有限元分析的压电元件优化配置方案和变步长自适应滤波控制算法.首先,给出了3种压电元件配置优化目标函数,基于叶片的有限元模态分析和瞬态分析,采用改进的差分进化算法对压电元件的位置进行优化布局.随后,提出了根据误差信号幅值动态调整步长、能够平衡收敛速度与稳态误差的VSS-FxLMS算法.最后,按照优化配置结果,构建了实时振动主动控制实验平台,并针对单频扰动、多频扰动进行了实时控制实验对比分析.实验结果表明,本文所提的VSS-FxLMS算法有较好的振动抑制效果,且收敛速度较快.

关键词 压电智能叶片; 振动主动控制; 优化配置; 差分进化算法; 变步长 FxLMS 算法; smart piezoelectric blade; active vibration control; optimal placement; differential evolution algorithm; variable step-size FxLMS algorithm

摘要 本文研究了离散时间网络化系统的分布式状态估计问题,提出了一种基于状态分解的新型分布式状态估计方法.通过解耦系统的能观状态分量,网络中各传感器节点可独立估计对应分量,实现了估计方法的完全分布式设计.针对网络信息传输冗余问题,建立了状态预测值扩散策略,各传感器仅需向外传输其能观状态分量的预测值,大幅降低了传感器网络各节点的计算与通信资源消耗.为证明本文所设计估计方法的误差协方差有界性,构造了紧凑形式误差协方差迭代式,得到了协方差存在上下界的充分条件.最后,通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析,验证了所设计估计方法的有效性.

关键词 分布式状态估计; 网络化系统; 传感器网络; 状态分解; 有界性分析; distributed state estimation; networked systems; sensor networks; state decomposition; boundedness analysis

摘要 针对复杂动态环境下无人机集群在执行目标聚集、避障等任务中存在协同控制不稳定、收敛性差等关键问题,提出了一种具有拓扑驱动分岔–聚集动态的自适应无人机集群控制方法.该方法采用基于三角剖分的自适应相邻建模策略,其能有效利用邻域信息并具有记忆效应;通过局部密度作为驱动因素,引入三力权重在线学习方法,并通过自反馈控制各子系统飞行参数;最后利用状态分岔和密度–距离耦合的权重更新模型,实现集群多级状态下的目标点切换、自适应绕障及终端聚集一致性,并提高多机间的协调收敛性.仿真结果表明,该控制方法可以在含有多种障碍物环境中完成不同数目、不同大小的任务聚集,在最终状态下保持多无人机速度高度一致,调整控制过程中采取的控制策略,改变自身通信关系结构,相较于传统固定权重及静态拓扑方案,具备较好的鲁棒性.

关键词 无人机; 分岔控制; 避障; 自适应群体控制; 欧椋鸟; UAV; bifurcation control; obstacle avoidance; adaptive group control; starling

摘要 本文针对运载火箭发生执行机构故障和外部干扰的姿态控制问题,设计了一种基于复合学习和固定时间同步收敛的姿态容错控制方法.首先,建立了运载火箭的姿态控制模型和故障模型,用来描述系统在故障和扰动情况下的姿态运动特性.然后引入了时间同步收敛策略,设计了固定时间同步故障估计器和控制器,并进行了稳定性证明.通过扰动估计器对外部扰动进行补偿,构造了使用跟踪误差和预测误差的复合学习算法来处理外部干扰对控制系统产生的影响.相较于传统有限时间控制方法,本文所提出时间同步控制策略能够保证系统姿态误差在固定时间内同时收敛,这能够有效增强控制系统的整体响应.最后,通过仿真验证了所提控制策略的姿态跟踪效果和容错能力.

关键词 运载火箭; 执行器故障; 姿态容错控制; 时间同步控制策略; 固定时间收敛; 复合学习; launch vehicle; actuator failure; attitude fault-tolerant control; time synchronization control strategy; fixed time convergence; composite learning

摘要 面向浪涌摇摆、飓风天气等复杂海况,本文设计了一种基于动态面控制器和非线性扩张状态观测器的舰载机着舰控制系统.为了补偿舰尾流和甲板运动等复杂干扰对控制精度的影响,设计了一种具有全新累积损失函数结构的扩张状态观测器,并引入观测量变化率作为跟踪误差,可以有效改善干扰观测的滞后性和原点附近收敛速度慢等问题.为了降低舰载机控制系统设计复杂度,提升控制精度,设计了基于动态面控制的舰载机着舰控制系统,实现了横侧向控制输入之间的解耦.提出了归巢鸽群优化算法实现对控制器参数的整定,并证明了算法收敛性.最后,仿真结果表明,本文提出的舰载机着舰归巢鸽群优化——动态面控制系统优于对比着舰控制方案,尤其是在着陆精度和抗干扰方面.

关键词 舰载机着舰; 动态面控制; 非线性扩张状态观测器; 复杂海况; 鸽群优化算法; carrier-based aircraft landing; dynamic surface controller; nonlinear extended state observer; complex sea conditions; pigeon-inspired optimization algorithm

摘要 为了使航天器“感知–决策–执行”一体化控制系统在轨运行过程中既能保障既定任务执行,还能自主完成轨道威胁目标的自主感知与规避,以自适应空间不确定动态环境演变,本文研究了时空约束下的航天器“感知–决策–执行”一体化控制系统行为演化特征.基于“分散–集成”的建模思想,提出了结合Agent和Petri网的一体化控制系统行为建模方法.将一体化系统按照功能模块进行划分并抽象成各个功能模块Agent,从宏观上整体刻画系统.从微观层面,基于Petri网建模方法建立各个功能模块Agent的行为模型.进一步,基于一体化控制系统闭环框架,建立Agent之间的相互交互和作用关系的行为模型,分析一体化控制系统行为动态特性与系统参数、逻辑架构和协调运行机制间的关系.基于CPNTools搭建仿真模型,模拟系统在碎片威胁场景下的响应过程.仿真结果显示,模型可呈现多路径行为演化,具备良好的活跃性、公平性与结构连通性,能够根据不同感知结果自主选择应对路径,实现威胁识别后的动态避障与任务调整,展现出系统的适应性与稳定性.

关键词 感知-决策-执行闭环控制; multi-agents模型; Petri网; 行为模型; 行为演化特征; perception-decision-execution closed-loop control; multi-agent model; Petri net; behavior model; behavioral evolutionary characteristics

摘要 面向大规模航天器集群(数十至上百量级)的无碰撞构形重构控制需求,需实时求解复杂约束下的高维优化问题以生成安全控制指令,传统方法存在计算复杂度指数爆炸的问题.为此,本文提出了一种基于控制障碍函数的控制方法,在确保碰撞规避的同时显著降低在线计算复杂度.首先,基于控制障碍函数理论,将航天器集群构形重构安全控制表述为一个二次规划问题.然后,设计了该二次规划的两个关键部分:控制障碍函数和扩展K类函数.其中,通过为扩展K类函数设计自适应参数,提高了控制性能.进一步,针对多安全约束与控制输入约束相互冲突引发的优化不可行问题,设计了可行性约束以保证优化可行性.最后,建立12个航天器所组成的集群构形重构仿真场景.数值仿真结果表明,本文所提出的安全控制算法在计算效率方面表现优异,能够在亚秒级时间尺度内完成控制指令求解,同时有效减少为实现碰撞规避所需的额外燃料消耗,适合应用于大规模航天器集群的安全控制问题.

关键词 航天器集群; 控制障碍函数; 构形重构; 安全关键控制; 可行性保证; spacecraft swarm; control barrier function;|formation reconfiguration; safety-critical control; feasibility-guaranteed

摘要 随着空间技术的发展和应用,航天任务对导航系统的精确性、自主性和实时性提出了越来越高的要求.作为一种新兴的航天器自主导航技术,基于相对论效应的自主星光导航以遍布天球且稳定度极高的恒星作为观测对象,通过导航滤波器处理恒星角距及视线方向观测量,确定航天器的位置、速度和姿态等运动状态.相较于传统自主天文导航方式,相对论导航具有可用目标多、辐射信号强和恒星位置准等优势,为提升航天器导航系统性能开辟了新的途径.针对航天器高精度自主导航的工程需求,阐明了相对论导航研究的背景意义,从相对论导航的框架和仪器技术研究等方面,说明了相对论导航研究的主要进展,并提出了需要重点关注的研究方向,为相对论导航技术未来发展提供参考和借鉴.

关键词 航天器; 自主导航; 相对论导航; 测量敏感器; 导航滤波器; spacecraft; autonomous navigation; relativistic navigation; sensor; navigation filter

摘要 面向动态环境下无人机航迹规划的高时效性和动态环境适应性需求,开展基于启发式增量搜索的航迹规划方法研究.将稀疏A*（Sparse A*,SA*）与增量式搜索结合:通过改进节点扩展规则、定制节点简并策略,实现对SA*历史规划的节点图和代价信息的复用,避免计算资源的浪费;通过定制启发式增量搜索框架,在历史规划信息的基础上进行局部增量式更新,提出了增量式动态稀疏A*算法（incremental dynamic sparse A*,ID-SA*）,提升航迹规划的动态环境适应性.数值仿真与飞行试验结果表明,ID-SA*能够利用历史规划信息加速动态环境下的航迹重规划,效率远高于SA*、即时修复式稀疏A*（anytime repairing sparse A*,AR-SA*）,耗时降至10-1s量级,满足有限机载运算资源下的高效动态航迹规划需求.

关键词 无人机; 航迹规划; 动态环境; 启发式增量搜索; 稀疏A*算法; unmanned aerial vehicles; UAV; path planning; dynamic environment; heuristic incremental search; sparse A*

摘要 高速变体飞行器(high-speed morphing vehicle, HMV)作为一种具有变形能力的飞行器,可以通过调整气动外形适应飞行任务,在航空航天领域具有广泛的应用前景.然而,气动外形变化会导致气动模型不确定,对控制器稳定性和鲁棒性提出了更高的要求.针对HMV再入变体过程中的姿态跟踪需求,为提高姿态跟踪系统收敛速度和鲁棒性能,本文基于预定时间技术设计了一种多变量鲁棒预定时间滑模控制器,并基于李雅普诺夫(Lyapunov)方法给出了闭环稳定性证明.通过数值仿真和实验验证,证明了所提出的控制方法能够有效地实现HMV再入变体过程中的稳定控制,实现姿态跟踪误差在预定时间内收敛至零.

关键词 高速变体飞行器; 预定时间控制; 再入段姿态控制; 跟踪控制; high-speed morphing vehicle; prescribed-time control; reentry phase attitude control; tracking control

摘要 为了提高自主水下航行器(autonomous underwater vehicles, AUVs)末端光学导引回收定位精度,本文首次将深度网络引入基于多象限测角的AUV光学导引定位位置解算任务中,提出了基于多分支回归网络的AUV光学导引定位方法.建立了水下光学导引定位系统的物理几何关系,研究了多分支结构的位置解算回归网络,设计了数据驱动的多维度定位约束训练方法,搭建了基于多象限测角的AUV光学导引定位硬件系统,实现了光学导引硬件与算法的一体化设计.利用AUV搭载的多象限光电探测器,采集回收站–导引灯偏角数据,将该数据作为系统输入,能够实时获取AUV与导引灯的相对位置坐标.仿真结果表明,本文方法的单次坐标解算平均耗时5.650 ms,误差解算均值为58.292 mm@0.8～20 m,标准差为43.347 mm@0.8～20 m,最佳误差解算均值达7.107 mm@2～3 m.经海试验证,本文方法的位置解算速度和精度能够满足AUV末端光学导引回收需求.与现有光学(视觉)导引方法相比,解算速度更快,算力功耗需求低,能量消耗少,为AUV完成能源补充、数据传输、指令下达等任务提供了可靠的技术路线.

关键词 光学导引; 位置解算; 多象限光电探测; 深度学习; 自主水下航行器; optical guidance; position calculation; multi-quadrant photoelectric detection; deep learning; autonomous underwater vehicles

摘要 智能多源自主导航系统以北斗导航为基石、以惯性导航为支撑,旨在提供高度智能化的定位导航与授时服务,通过实现即插即入、无缝衔接、无感切换、可信完备等功能,以满足复杂多变的场景需求.采用以深度学习、强化学习为代表的智能学习方法,从复杂性与多尺度视角出发,探索智能多源自主导航中的优化与协同理论,建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要素的智能学习方法,推动构建弹性、健壮、动态、可控与可信的精准智能多源自主导航模型与方法体系,从而有力支撑国家综合定位导航与授时体系的创新发展和先进导航技术的规模化应用.

关键词 智能多源自主导航; 内嵌动力学机理; 可泛化; 可解释; 可信性; 完备性; intelligent multi-source autonomous navigation; embedded system dynamics; generalizability; interpretability; dependability; completeness

摘要 针对飞行器姿态控制问题,综合反步法和自适应控制理论设计了飞行器姿态控制律,采用高通滤波器估计控制律中所需的控制信号时间导数,解决了常规反步法存在的需要解析或数值求导的问题.基于投影算子方法设计了输出边界保护控制律,使飞行器输出响应不超过由超椭圆曲线定义的控制边界,在多变量控制下使控制边界匹配实际边界.根据Lyapunov稳定性理论证明了完整控制律的闭环稳定性,解决了高通滤波器与闭环系统稳定性的耦合问题.通过数值仿真检验了姿态控制律的控制性能,仿真结果表明飞行器闭环系统具有良好的俯仰角指令跟踪和协调转弯指令跟踪性能,并实现了迎角和侧滑角的输出边界保护.

关键词 姿态控制; 输出边界保护; 反步法控制; 自适应控制; 投影算子; attitude control; output boundary protection; backstepping control; adaptive control; projection operator

摘要 针对高超声速滑翔飞行器的编队控制问题,提出了基于预定时间稳定性理论的控制策略.首先,建立高超声速滑翔飞行器六自由度制导控制一体化模型,基于反演结构对模型进行简化处理,在此基础上,设计预定时间控制律,实现期望队形形成及编队保持;其次,利用人工势场理论,设计避碰/规避势场函数项,避免高超声速滑翔飞行器与其邻机之间的碰撞,并实现对威胁区的规避;再次,基于Lyapunov稳定理论对高声速滑翔飞行器在预定时间内的编队稳定性进行严格证明;最后,通过Matlab/Simulink进行仿真,仿真结果验证了本文所提的控制策略能够实现预定时间内高超声速滑翔飞行器的编队队形生成保持及碰撞规避.

关键词 高超声速滑翔飞行器; 预定时间控制; 人工势场算法; 编队控制; 制导控制一体化; hypersonic glide vehicle; predefined time control; artificial potential field method; formation control; integrated guidance and control

摘要 针对高超声速飞行环境力热载荷严酷,执行机构易发生脆化、热损伤、缺损等故障,进而导致姿态控制精度下降甚至失稳等问题,本文提出了主被动复合故障容错控制方法.该方法在舵面缺失故障发生初期,采用滑模控制策略满足鲁棒增稳控制需求,同时,采用在线气动辨识方法,估计故障引起的气动参数变化,在满足瞬时增稳需求后,结合气动参数辨识结果与飞发一体化自适应控制进行控制重构,提升故障后高超声速飞行器飞发一体化控制品质.通过数学仿真对比验证表明该方法的有效性,验证了该方法相对于单一容错控制策略具有更强的鲁棒性和更好的控制性能.

关键词 高超声速飞行器; 舵面缺失故障; 容错控制; 气动参数辨识; 飞发一体化; hypersonic vehicle; missing elevator failure; fault-tolerant control; aerodynamic parameter identification; integrated flight/propulsion

摘要 无人机在协同对抗博弈上的应用越来越广泛和深入,尤其是无人机集群在协同探测、全域对抗、策略骗扰等对抗任务中,发挥着越来越重要作用,可靠高效的无人机集群博弈方法是当前的研究热点.本文将反事实基线思想引入到无人机集群对抗博弈环境,提出一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)的无人机集群对抗博弈方法;在具有无限连续状态、动作的无人机对抗环境中,基于无人机动力学模型,设置符合实际环境的击敌条件和奖励函数,构建基于多智能体深度强化学习的无人机集群对抗博弈模型.红蓝双方无人机集群采取不同的对抗博弈方法,利用多智能体粒子群环境(multi-agent particle environment, MPE)对红蓝双方无人机集群进行非对称性对抗实验,实验结果表明平均累积奖励能够收敛到纳什均衡,在解决4 vs. 8的对抗决策问题方面, COMA方法的平均命中率较DQN和MADDPG分别提升39%和17%,在平均胜率方面比DQN和MADDPG分别提升34%和17%.最后,通过对COMA方法的收敛性和稳定性的深入分析,保证了COMA方法在无人机集群对抗博弈任务上的实用性和鲁棒性.

关键词 无人机集群; 对抗博弈; 多智能体; 深度强化学习; 纳什均衡; UAV swarm; confrontation game; multi-agent; deep reinforcement learning; Nash equilibrium

摘要 本文旨在解决信息物理系统(cyber-physical system, CPS)在遭受虚假数据注入与窃听协同攻击时的安全控制挑战.针对现有研究在面对复杂多样的协同攻击时需叠加多重防御技术导致的系统复杂度增加、防御机制间相互干扰和资源效率低下等问题,本文提出了一种信息物理融合的主被动协同防御架构.该架构以动态异构冗余(dynamic heterogeneous redundancy, DHR)为基座,融合机密交互协议在信息域抵御虚假数据注入与窃听协同攻击.设计的基于椭圆曲线加密的机密交互协议在保障数据传输安全的同时满足CPS实时性需求;提出的基于历史可信度与异构度的DHR调度算法平衡了检测可靠性、异构度最大化和系统稳定性.为应对DHR架构在实际应用中面临的异构资源受限、底层同源风险和切换频率约束等挑战,在物理域设计了攻击检测滤波器作为补充.构建了主动与被动相结合的防御控制算法,主动防御通过控制器动态切换提高系统不可预测性,被动防御则依靠攻击检测滤波器及时识别受攻击控制器.理论分析表明,即使面临未知攻击,闭环系统仍能保持稳定性.多种CPS场景的仿真实验证明,所提弹性控制方法增强了系统抵御虚假数据注入与窃听协同攻击的能力,验证了该方法的有效性.

关键词 信息物理系统; 动态异构冗余; 主动和被动防御; 虚假数据注入攻击; 窃听攻击; cyber-physical systems; dynamic heterogeneous redundancy; proactive-reactive defense; false data injection attack; eavesdropping attack

摘要 网联车队具有提高道路容量、提升交通效率和节约能源等多方面的潜在优势,而零散车辆通过主动或被迫换道加入车队,是多车系统实现灵活编队的典型应用场景之一.考虑到车辆端计算和通信资源的有限性、网联车辆协同换道及编队任务的复杂性,本文借助边缘服务器实现零散车辆通过换道加入网联车队的多车协同过程.其中,边缘服务器收集所有车辆的状态数据和目的地数据,为换道车辆规划最优换道轨迹,并基于模型预测控制设计其轨迹跟踪算法;此外,边缘服务器基于分布式深度确定性策略梯度算法进行网联车队的协同自适应巡航控制并在换道时协调车队生成安全间隔,进而向换道车辆和网联车队发出协同换道行车建议,实现换道车辆安全高效地加入网联车队.特别地,通过设计合理的强化学习奖励函数和安全间距生成策略实现安全、稳定和快速的车队控制,并抑制换道车辆加入车队过程中造成的加速度和速度震荡.最后,通过与多种车辆协同策略进行比较,联合仿真验证了所提出的控制策略和协同方案的优越性.

关键词 边缘服务器; 多车协同; 网联车队; 虚拟领航者; 强化学习; edge server; multi-vehicle cooperation; connected vehicle platoon; virtual leader; reinforcement learning

摘要 针对混合攻击下的一类新型电力系统,本文提出了一种负荷频率安全控制方案,实现在欺骗与拒绝服务(denial of service, DoS)攻击下的闭环稳定与安全运行.首先,基于确认字符(acknowledgement character, ACK)技术提出了一种针对非周期性DoS攻击的“阴阳”检测机制.其次,为保持系统控制性能并节约网络通信资源,提出了一种新颖的带宽感知事件触发机制.再次,建立了一个混合攻击下包含风力发电机组与电池储能系统的多区域电力系统切换模型.利用Lyapunov-Krasovskii泛函(Lyapunov-Krasovskii functional, LKF)理论与线性矩阵不等式(linear matrix inequality, LMI)技术,给出满足H∞性能的系统指数均方稳定充分条件,并导出了事件触发负荷频率安全控制器的设计准则.最后,通过仿真实验验证了所提DoS攻击检测机制和事件触发安全控制器的有效性与优越性.

关键词 欺骗攻击; 非周期性DoS攻击; 带宽感知事件触发机制; 攻击检测; 负荷频率控制; deception attack; intermittent DoS attack; bandwidth-aware event-triggering mechanism; attack detection; load frequency control

摘要 水下目标编队包围控制旨在通过水下机器人环绕运动,可实现对目标的近距离全方位监测.然而,未知流速场与水下机器人模型不确定等约束,导致水下机器人难以形成可靠、稳定的编队队形.为此,研究了基于流速场预测的水下机器人编队包围问题.首先,根据水下机器人真实轨迹与估计轨迹,设计了分布式流速场参数估计器,以实现流速场实时预测.基于此,结合水下机器人状态与环境信息,提出了动力学模型神经网络估计器,设计了基于导航向量场的目标编队包围算法,以在避障同时对移动目标实现包围控制.最后,给出导航向量场和模型估计器权重更新率的理论推导过程.仿真与实验结果表明,所提流速场预测方法可摆脱对划分栅格的依赖,同时,所提算法能在障碍物与未知流速场环境下完成目标包围任务.

关键词 流速场; 水下机器人; 包围; 导航向量场; flow velocity field; autonomous underwater vehicle; surrounding; guidance vector field

摘要 本文探讨了不确定目标下异质非线性切换多智能体系统的一致性跟踪问题,其中待跟踪的目标具有未知的控制输入且不受界的限定;所采用的随机切换机制不仅考虑了转移概率,还考虑了驻留时间.由于目标的不确定性、非线性、异质性以及随机切换特性,一致性跟踪问题很难直接用现有方法解决.因此,本文为一致性跟踪问题开发了一种新的依模态双层设计框架.基于该框架并通过引入自由矩阵和参数提出了一个新的多重李雅普诺夫函数,给出了异质非线性切换多智能体系统能几乎必然指数型一致性跟踪上不确定目标的条件.最后,通过数值仿真验证了所提控制方案的有效性.

关键词 多智能体系统; 一致性跟踪; 非线性; 随机切换; 不确定性; multi-agent systems; consensus tracking; nonlinear; random switching; uncertain

摘要 考虑存在通信拓扑切换的非线性车辆队列多目标编队控制问题,提出一种分布式多目标模型预测控制(multi-objective model predictive control, Mo-MPC)策略.首先,利用邻居车辆状态信息以及与时间相关的图函数构造队列协同控制目标函数,再使用字典序优化描述分布式Mo-MPC问题.然后,采用平均终端等式约束保证各车预测终端状态的收敛性.进一步结合权值矩阵充分条件和兼容性约束,利用切换系统公共Lyapunov稳定性技术保证车辆队列闭环系统的稳定性.同时,为了抑制前车状态误差波动沿着队列传播,使用一类状态误差最大值约束保证车辆队列的L∞弦稳定性.最后,利用两组典型工况的对比仿真结果验证本文策略较传统编队控制策略在经济性能方面的提升.

关键词 非线性车辆队列; 分布式模型预测控制; 多目标控制; 切换通信拓扑; 稳定性; nonlinear vehicle platoon; distributed model predictive control; multi-objective control; switching topology; stability

摘要 本文在分析工业控制技术在工业革命中的作用和工业过程控制现状与存在问题的基础上,提出了工业过程控制智能化的涵义、发展方向和面临的挑战.通过基于新一代信息技术的工业过程智能控制方法和抗商用5G随机时延控制实验案例表明,将工业人工智能、工业互联网等新一代信息技术与工业控制技术紧密融合与协同为发展工业过程控制智能化开辟了新途径.最后,提出了工业过程控制智能化的主要研究方向和研究思路.

关键词 过程控制; 智能控制; 强化学习; 数字孪生; 自优化; process control; intelligent control; reinforcement learning; digital twin; self-optimization

摘要 针对非严格反馈结构下的柔性关节机器人系统,本文提出了一种基于强化学习的简化模糊优化跟踪控制算法,柔性关节机器人通过非严格反馈形式的四阶动态系统来描述,采用模糊逻辑系统逼近未知函数,并建立一个辅助自适应系统处理输入饱和问题.基于actor-critic的简化强化学习算法设计模糊最优跟踪控制器.此外,采用非负函数的负梯度下降法,而非贝尔曼(Bellman)残差误差平方法实现优化.通过Lyapunov稳定性分析,确保整个系统的半全局一致最终有界性.仿真算法说明了基于强化学习的模糊跟踪控制策略的有效性.

关键词 最优控制; 模糊逻辑系统; 强化学习; 非严格反馈结构系统; actor-critic执行器; 柔性关节机器人系统; optimized backstepping; fuzzy logic systems; reinforcement learning; non-strict-feedback form systems; actor-critic actuator; flexible-joint robot sysems

摘要 Markov跳变双线性系统由于具有不同模态下的双线性动力学,且系统模态跳变转移由Markov链控制,因而其控制与优化是一个挑战性难题.针对该问题,提出一种基于Krotov方法的离散时间Markov跳变双线性系统最优跟踪控制方法,并将其用于高炉铁水质量的最优跟踪控制.首先,联立Markov跳变双线性系统状态方程和参考轨迹,构建增广系统,将最优跟踪控制问题转化为最优二次调节问题;同时,设计一个适用于Markov跳变双线性系统的改进函数,以实现对容许过程的迭代更新;其次,迭代优化所建立的性能指标,并将满足收敛条件的最后一次迭代所求得的控制器作为最终的最优跟踪控制器;最后,基于数值仿真验证所提方法的有效性,并将所提方法应用于高炉铁水质量控制,取得了满意的跟踪控制效果.

关键词 Markov跳变双线系统; 最优跟踪控制; Krotov方法; 高炉炼铁; 铁水质量; Markov jump bilinear system; optimal tracking control; Krotov’s method; blast furnace ironmaking; molten iron quality

摘要 很多实际问题可以归结为约束多目标优化问题.尽管已有多种求解约束多目标优化问题的方法,但是,在全局搜索空间中高效分配适应度评估资源,实现解方案可行性、收敛性和多样性的平衡仍然是个挑战.鉴于此,本文提出深度嵌入适应度评估分配策略的约束多目标进化优化方法,识别搜索空间中的重点区域,引导种群高效进化.该方法首先采用去噪自编码器设计进化种群的降维模型,获取种群在低维空间的流形;然后,在低维空间中聚类种群数据,获得每类种群约束违反度的方差,辅助感知适合每一种群个体的低维全局和局部搜索范围;最后,基于去噪自编码器获得种群个体的原始空间搜索范围,准确分配适应度评估资源.该方法可嵌入已有的进化算法,能不同程度地提升这些进化算法的性能.将所提方法应用于33个基准测试问题和15个矿山综合能源系统运行优化问题,实验结果表明了所提方法求解约束多目标优化问题的有效性.

关键词 约束多目标优化; 适应度评估分配; 深度嵌入; 进化优化; 矿山综合能源系统; constrained multi-objective optimization; fitness evaluation allocation; deep embedding; evolutionary optimization; integrated mine energy system

摘要 本文研究了具有输出约束的二阶切换非线性系统的固定时间输出反馈镇定问题.构造降阶切换状态观测器以估计未测量状态,并与设计的切换状态反馈控制器相结合,实现了闭环切换系统的固定时间输出反馈镇定.利用正切型障碍Lyapunov函数保证闭环切换系统在固定时间稳定的同时满足输出约束.由于构造的障碍Lyapunov函数当约束趋向于无穷时可退化为无约束的公共Lyapunov函数形式,因此,本文提出的方法适用于具有或没有输出约束两种情况,而无需改变所设计的切换控制器和观测器结构,具有一定的普适性.利用双极限齐次方法证明了文中结论.数值例子和连续搅拌釜式反应器的固定时间控制验证了文中所提方法的有效性.

关键词 切换非线性系统; 固定时间; 输出反馈; 输出约束; 双极限齐次方法; switched nonlinear systems; fixed-time; output feedback; output constrains; bi-limit homogeneous method

摘要 针对一类存在干扰和未知不确定性的复杂非线性被控过程的跟踪控制问题,将广义预测控制和信号补偿法相结合,提出了补偿信号驱动的非线性广义预测控制方法.采用低阶线性模型和未知非线性项来表示被控对象,未知非线性项表示系统建模误差及干扰等不确定性.采用低阶线性模型设计广义预测控制器,根据广义预测控制闭环系统可获得未知非线性项对系统影响的跟踪误差,引入最小化跟踪误差和控制量波动的一步最优控制设计补偿信号,抵消未知非线性项对被控对象的影响,改善系统动态性能.所提方法将以往要求未知非线性项全局有界的条件放宽为Lipschitz条件,证明了闭环系统的稳定性和收敛性.为了进一步提升系统动态性能,提出了基于梯度下降法的控制器加权参数的优化方法.仿真对比实验验证了所提算法的有效性.

关键词 预测控制; 补偿信号; 一步最优控制; Lipschitz条件; 梯度下降; predictive control; compensation signal; one-step ahead optimal control; Lipschitz condition; gradient descent

摘要 在煤矿巷道支护中,液压锚杆钻机转速系统具有显著的死区、时变参数、内部外部扰动等非线性特性,使其转速跟踪控制存在精度低、速度慢和超调等问题,从而无法实现高质量和高效率的支护作业.为了解决上述问题,提高煤矿巷道支护的自动化程度、增强安全性和可靠性,设计一种高效的控制方法十分必要.鉴于此,本文提出一种基于自适应扩张状态观测器的全局终端滑模有限时间控制方法.首先,基于跟踪误差,设计一种自适应扩张状态观测器,该观测器能够通过自适应调整估计增益实时响应系统动态,实现扰动估计和系统跟踪性能的改善,从而有效克服转速系统的非线性特性,改善动态性能.其次,构建一种快速、平滑、连续的收敛函数,并有机融合跟踪误差和估计误差,设计一种新颖的全局终端滑模面;并根据李雅普诺夫(Lyapunov)方法,提出全局终端滑模控制律,有效改善转速系统的稳态性能.基于此,将观测器估计的扰动在滑模控制律中加以补偿,构成所提控制器.最后,基于李雅普诺夫稳定理论,论证转速系统的有限时间稳定性,并通过对比实验验证所提方法的有效性.

关键词 液压锚杆钻机; 滑模控制; 扩张状态观测器; 有限时间稳定; 收敛函数; hydraulic roofbolter; sliding-mode control; extended state observer; finite-time stability; convergence function

摘要 迭代学习模型预测控制(iterative learning model predictive control, ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于批次运行工况的强一致性,以此保证当前批次与历史批次间的有效信息传递.然而,生产需求和生产环境的变化通常会导致各批次的操作轨迹和操作周期存在差异,从而使得历史批次提供的先验知识对于后续批次呈现出不精确性和不完整性.为了提高ILMPC在变运行工况条件下的适应性和灵活性,本文提出了一种具有知识迁移机制的数据驱动ILMPC策略.建立自适应深度神经网络(deep neural network, DNN)沿批次学习ILMPC控制行为,实现历史控制经验在当前批次工况下的全面转换.为抑制DNN前期估计误差的影响,在知识迁移机制下进一步构建Tube控制结构下的ILMPC算法,保证ILMPC系统的时域稳定性和迭代域收敛性.针对非线性注塑过程的仿真实验验证了在操作轨迹和操作周期同时变化时,所提方法在跟踪精度和收敛速度方面具有明显优势.

关键词 迭代学习模型预测控制; 知识迁移; 数据驱动; 变运行工况; iterative learning model predictive control; knowledge transfer; data-driven; trial-varying operating conditions

摘要 当前,工业体系正处于由传统制造向智能制造深度转型的关键阶段.资源配置效率不高、系统运维复杂性上升、产品质量管控难度加剧等问题持续制约制造业高质量发展.面对多源异构数据孤岛、状态感知精度不足、模型泛化能力弱等挑战,传统工业系统与软件正面临性能瓶颈与结构重塑的双重压力.因此,急需构建具备感知–认知–决策–执行闭环能力的新型工业智能系统,并推动当前工业软件从工具型程序向智能化系统转型.为助力工业系统与软件智能化发展,支撑工业体系转型,本期工业智能系统及软件专刊聚焦工业过程中的状态感知与质量监测、过程优化与智能控制、智能建模与知识系统等瓶颈问题,旨在推动工业系统运行效率、控制精度与软件智能化水平的全面提升,支撑未来复杂工业环境中的智能决策、高质量生产与可持续发展.

摘要 无人机集群在军民诸多应用领域引起了极大的关注, 尤其在空中搜索、目标跟踪、边境巡逻、应急救援、交通管制、农业监测等特定任务领域已大显身手. 无人机群体自主控制是无人机集群方向的核心关键技术和“卡脖子”挑战痛点难题, 近年来国内外学者在无人机集群智能感知、协同控制、集群规划、态势评估、集成验证等方面取得了新的进展. SCIENCE CHINA Information Sciences 在2024 年67 卷第8 期组织出版了“无人机群体自主控制专题” (Special Topic: UAV Swarm Autonomous Control), 重点介绍了国内外学者在无人机群体自主控制方面的部分新理论和新方法.

摘要 随机控制理论在处理控制系统噪声、优化系统性能和增强鲁棒性等方面发挥关键作用, 是现代控制理论中的重要研究领域之一. 近年来, 随机控制理论和应用虽有显著进步, 但依然面临众多新的、具有挑战性的问题. 这些问题包括高阶和低阶非线性特性、输出约束的随机系统的稳定化问题、平均场随机系统最优策略的部分无模型或完全无模型的智能算法设计问题, 以及针对道路交通拥堵的随机网络控制策略问题等. 为了展示这些问题的最新研究进展, SCIENCE CHINA Information Sciences 在 2024 年 67 卷第 4 期组织并出版了 “随机系统分析与控制专题” (Special Topic: Analysis and Control of Stochastic Systems), 深入地探讨了随机系统基础理论与应用领域的研究现状及其创新成果.

摘要 针对近障碍物环境下空地跨域载臂机器人(composite hybrid aerial/terrestrial precise manipulator, ChatPM)的机–臂运动规划问题,本文提出一种融合分层轨迹优化与机械臂干扰抑制的规划框架.首先,针对常规移动机器人规划方法未区分障碍物几何特征的局限性,基于B样条轨迹参数化方法,设计了一种分层碰撞惩罚机制:通过差异化处理平面障碍物与非结构化障碍物,在平面障碍物附近生成贴合其表面的轨迹,利用支撑效应提升机器人运动稳定性;对非结构化障碍物施加严格避障约束,确保轨迹安全性.其次,为降低机械臂运动对机身的动态干扰,构建非线性模型预测控制(NMPC)框架,综合机械臂关节运动约束、末端执行器跟踪精度及最小化干扰力/力矩等多目标代价函数,实时滚动优化机械臂轨迹,实现无碰撞、平滑且低干扰的规划运动.最终,在ROS Rviz可视化平台和Gazebo物理仿真平台中验证了Chat-PM机器人本体和机械臂的运动规划,实验效果证明了所提出方法的有效性.

关键词 空地跨域载臂机器人; 机器人运动规划; 机械臂运动规划; B样条曲线; 非线性模型预测控制; hybrid aerial-terrestrial manipulator; vehicle motion planning; manipulator motion planning; B-spline curve; nonlinear model predictive control

摘要 多无人机编队作为无人机技术的重要发展方向,展现出强大的应用潜力和研究价值.近年来,基于深度强化学习算法训练多无人机编队控制策略得到了愈发广泛的关注.然而,在编队策略学习中,环境的未知性和传感器误差等因素可能导致无人机采取不安全或不合理的动作,影响策略学习的安全性和稳定性.针对这一问题,提出了一种基于安全强化学习的多无人机编队与避障控制方法.首先,考虑环境扰动、传感器误差等因素的影响,基于部分观测马尔可夫(Markov)决策过程建立多无人机编队控制模型.在此基础上,设计最大池化多智能体深度确定性策略梯度算法,训练编队控制的标称策略;同时构建基于控制障碍函数的安全过滤器,用于修正标称策略输出的不安全动作,确保编队飞行过程的安全性.最后,通过数值仿真和实物飞行实验,验证了所提多无人机编队避障方法的安全性和有效性.

关键词 安全强化学习; 多无人机系统; 编队控制; 控制障碍函数; 未知环境; safe reinforcement learning; multi-UAV systems; formation control; control barrier function; unknown environments

摘要 本文提出了一种结合Voronoi图和深度强化学习的机器人路径规划方法.在全局规划方面,通过Voronoi图构建“安全区域”,利用A*算法和关键路径点提取算法优化路径点,为局部规划提供目标.局部规划采用融合阶段关键点与均衡回放策略的RainbowDQN（stage-key&weight-balanced replay Rainbow deep Q-network,SW-RDQN）算法,通过3项关键设计提升复杂动态环境下的导航适应性:首先,采用多阶段路径分割策略对全局路径进行划分与剪枝,提取并保留关键路径点信息;其次,结合轨迹落点预测与环境势场设计奖励函数,引导智能体学习更安全有效的避障行为;最后,采用基于奖励与TD误差动态加权的优先经验回放,通过偏移与对数归一化提升关键经验采样概率,从而提高训练效率.状态输入融合了卷积和多层感知机提取信息,取若干场景帧送入长短期记忆网络模型,最后由稠密层做出决策,提升了机器人对动态环境的感知和响应能力.该方法有效提升了机器人在动态环境中的路径规划精度与鲁棒性.

关键词 多阶段路径分割; Voronoi图; SW-RDQN; 落点预测; 场景避障导航; multi-stage path segmentation; Voronoi diagram; SW-RDQN; landing point prediction; scene-based obstacle avoidance navigation

摘要 智能仿生扑翼飞行机器人以自然界飞行生物为原型,通过机翼扑动产生升推力,具备低能耗、高隐蔽性及高机动性的优势.本文以具备飞行实验基础的智能扑翼飞行机器人为研究核心,系统梳理该领域在扑翼飞行机器人设计、感知决策控制系统及智能自主飞行关键技术三方面的研究进展.首先,依据翼展尺度将其划分为小型、中型、大型三类,分别介绍不同尺度机型的系统参数与性能指标;其次,对应上述尺度分类,概述各类型扑翼飞行机器人的感知决策控制系统配置与特点;最后,从技术深度维度,依次阐述简单、有限、高级3个层级的智能自主飞行关键技术.基于上述文献调研,本文进一步凝练了当前该领域面临的关键科学问题,并展望了未来研究方向.

关键词 智能仿生扑翼飞行机器人; 扑翼飞行机器人设计; 感知决策控制系统; 智能自主飞行关键技术; intelligent bionic flapping-wing robot; flapping-wing robot design; perception-decision-control systems; intelligent autonomous flight technologies

摘要 集群系统协同定位技术因其在GPS拒止环境中可大幅提升机器人集群自主性和适应性而受到广泛的关注.本文系统地归纳总结了集群协同定位领域的研究结果,包括集群系统分布式协同定位算法、定位性能表征与优化以及协同定位技术在智能集群系统中的应用.本文重点分析了不同集群协同定位方法各自的优缺点,讨论了基于传感器网络部署和智能体轨迹优化的集群系统定位增强方法,指出了集群协同定位方法在分布式形状控制、协同建图与搜索以及隐式协同等具体任务中的重要作用,阐明了未来值得进一步深入研究的开放性问题.

关键词 集群系统; 分布式协同定位; 拓扑条件; 激励条件; 定位性能; swarm systems; distributed cooperative localization; topology condition; excitation condition; localization performance

摘要 在多机械臂系统中,拓扑变换是难以避免的.然而,现有考虑多机械臂系统的研究,通常要求其在每一时刻都保持连通状态.任意一条通信链路损坏都可能导致系统崩溃,对通信链路具有较高的依赖性,这使其难以适用于非连通生产场景.针对上述研究的缺陷,本文提出一种基于联合连通有向平衡图的方案,有效地实现了在非连通环境下的多机械臂协同控制,降低了系统对通信链路的依赖性.该方案优化了系统的通信资源分配,使信息按照指定方向传输,减少了信息双向流动的冗余性.最终,通过仿真实验验证了该方案的有效性.

关键词 多机械臂系统; 协同控制; 有向图; 联合连通; multi-manipulator system; collaborative control; directed graph; joint connectivity

摘要 人形机器人是机器人技术的集大成者,在服务国家重大战略需求中扮演着重要的角色,可以协助或取代人在危险、肮脏和重复的环境中,执行各种类型的任务.本文以人工智能(artificial intelligence,AI)大模型驱动的具身智能人形机器人技术与展望为切入口,系统介绍人形机器人的发展背景与意义,重点阐述大模型技术,如大型自然语言模型、视觉Transformer、视觉语言模型、视觉生成模型、具身多模态大模型等,并从分布式模块化大模型技术、端到端一体化大模型技术、云边端协同化大模型技术等3个方面,详细介绍AI大模型驱动的具身智能人形机器人关键技术.具身智能人形机器人的应用场景十分广泛,而大模型技术的发展为机器人感知识别、认知决策、规划调度、行为控制注入语言理解、视觉泛化、常识推理等关键能力,进一步推动人形机器人在智能制造、国防安全等领域的应用.最后本文探讨了大模型驱动的具身智能人形机器人的技术挑战与展望.

关键词 人形机器人; 具身智能; 自然语言大模型; 视觉语言大模型; 具身多模态大模型; humanoid robot; embodied intelligence; natural large language model; visual language large model; embodied multimodal large model

摘要 基于形式化方法的多智能体任务规划因其丰富的任务形式和多样的系统功能而备受关注.然而,随着智能体数量增加,规划复杂度呈指数级增长,因此形式化方法在计算效率和集群规模上都受到了限制.已有的改良方法中,基于图搜索的方法对计算效率改进有限,只能处理中等规模的集群;而基于组合优化的算法忽略了智能体动作模型,无法处理大规模协同任务.本文针对以上局限,提出了基于智能体动作链的偏序任务分配算法,在保证正确性的基础上大幅提升规划性能.进一步针对环境不确定性和在线新任务,设计了自适应重规划算法和协作同步机制,确保任务执行过程中的鲁棒性.最后,通过数值仿真和对比验证了算法的有效性和可靠性.

关键词 多智能体任务规划; 形式化方法; 线性时序逻辑; 在线自适应; 偏序集; multiagent task planning; formal method; linear temporal logic; online self-adaptation; partially ordered set

摘要 随着无人机技术的发展,无人机集群对抗已成为国内外研究热点.现有决策算法的研究主要集中于同构无人机集群对抗场景,且当应用于更复杂对抗场景时,存在奖励函数设计难度大、决策实时性难以满足等问题.为此,本文针对异构无人机集群对抗的实时机动决策问题展开研究.首先,构建了一个长机–僚机异构无人机集群的对抗仿真环境,其中,长机和僚机具有不同的机动和攻击能力,且对胜负具有不同影响力.其次,本文提出了一种基于多智能体强化学习的分布式无人机集群协同机动控制算法,并设计了一套结合课程学习和自博弈的策略训练与优化方法.通过设计简单的稀疏奖励结合课程学习方法即可学到异构无人机集群协同机动策略;引入自博弈对抗方式,使得对手无人机的策略更具针对性,以提升对抗的强度,从而进一步优化机动策略,使其更贴近实际需求.最后,仿真验证了本文所提方法的有效性和可扩展性.

关键词 集群对抗; 协同决策; 自博弈; 多智能体强化学习; 无人机; swarm confrontation; cooperative decision-making; self-play; multi-agent reinforcement learning; UAV

摘要 智能驾驶汽车已成为人们关注的热点话题之一.然而,现有的智能驾驶技术仍面临一系列挑战,如交通障碍物的遮挡所引起的模型漏检,以及当汽车驶入隧道等光线骤变的场景时所引起的传感器感知精度下降导致的误检问题等.为保证复杂场景下车辆的感知安全,智能驾驶多模态感知技术应运而生.然而,现有的多模态融合方法仍局限于对检测精度的提升,缺乏感知过程的可解释性,并缺少对模型感知过程的评价指标.本文从信息论角度出发,按照通信模型的构建方法对感知模型进行设计,提出了一种基于信源信道联合编码理论的多模态融合感知模型,从理论上对模型的感知过程进行解释.同时,提出了一种新的评价指标——平均信息熵变(average entropy variation, AEV),用AEV来实时反映模型与外界感知交互过程中的稳定性.进而,对多模态模型的感知过程进行量化分析,增加模型的可解释性.最后,与其他的感知模型在KITTI数据集的评估结果进行比较,我们的模型在经过相似的网络结构时平均信息熵变下降到0.5904,更好地保证了检测任务的感知安全.

关键词 可解释性; 信息论; 信源信道联合编码; 多模态融合; 智能驾驶; interpretability; theory of information; joint source-channel coding; multimodal fusion; intelligent driving

摘要 冗余机器人在智能制造、救灾抢险与太空探索等领域扮演着重要角色.然而,对结构信息不准确或未知的冗余机器人进行运动规划是一个棘手的问题.此外,若不考虑冗余机器人末端执行器的姿态约束,可能会因姿态的不可控性导致任务失败.为解决该问题,在考虑末端姿态保持和多层关节物理限制的基础上,本文针对模型未知的冗余机器人提出了一种基于数据驱动技术的双层运动规划方案.该方案在关节角加速度层求解的同时能实现最小化关节角速度范数的要求.进而,构建一个离散神经动力学求解器以在线求解该方案.理论分析、仿真和物理实验验证了所提数据驱动的冗余机器人双层运动规划方案的可行性和有效性.

关键词 冗余机器人; 姿态保持; 数据驱动; 神经动力学; 非线性优化; redundant robots; orientation maintaining; data-driven; neural dynamics; nonlinear optimization

摘要 针对多智能体系统通信网络遭受欺骗攻击与隐私窃取问题,本文提出了一种新的具备隐私保护能力的多智能体系统弹性一致性算法.首先考虑到多智能体系统在信息传输环节直接将真实状态信息暴露给外界的问题,设计了一种基于状态分配思想的节点状态信息处理机制,来保证系统中节点状态信息隐私的安全性.其次考虑到外部攻击者对系统收敛的影响,在状态分配机制上进一步引入了检测环节,从而保证系统安全收敛.然后通过数学理论分析证明了算法能够有效保护节点初始状态信息隐私的同时能够保证系统实现弹性一致性收敛.最后通过数值仿真实验与对比实验,进一步验证了本文算法的有效性.

关键词 多智能体系统; 弹性一致性; 欺骗攻击; 隐私保护; 网络安全; multi-agent systems; resilient consensus; deception attack; privacy-preserving; cyber security

摘要 针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.

关键词 智慧交通; 自动驾驶车辆; 道路跟驰; 多智能体系统; 一致性控制; 外部干扰; intelligent transportation; autonomous vehicle system; path following; multiagent system; consistency control; external disturbance

摘要 考虑高超声速飞行器再入飞行的稳定姿态控制需求,本文围绕气动舵控制能力约束和不确定干扰的问题,利用通道耦合特性开展协调鲁棒自适应控制技术研究.基于副翼舵偏角和升降舵偏角协调的策略提出分层控制设计,实现通道耦合利用以弥补方向舵低舵效引起的操纵不足.针对动力学不确定估计和外界干扰观测的需求,采用模糊逻辑系统以及误差鲁棒积分技术建立平行估计模型,提出利用预测误差的复合估计自适应律.通过Lyapunov方法分析闭环系统稳定性,并保证闭环系统的误差信号一致终值有界.通过仿真测试验证了所提出算法的跟踪性能、学习准确性和鲁棒性.

关键词 高超声速飞行器; 通道耦合; 分层协调控制; 模糊逻辑系统; 误差鲁棒积分; hypersonic flight vehicle; channel coupling; hierarchical coordinated control; fuzzy logic system; robust integral of the sign of the error

摘要 针对高超声速飞行器过载跟踪问题, 分析并给出了由过载和俯仰角速度组成的非线性系统动力学, 设计了有限时间预设性能控制策略以保证过载跟踪性能和精度. 考虑过载系统动力学中模型的不确定性, 利用神经网络估计系统未知非线性函数. 为改善神经网络学习性能, 采用平行估计模型构造表征学习性能的预测误差, 基于预测误差与跟踪误差设计了复合学习权重更新律, 通过李雅普诺夫 (Lyapunov) 函数分析证明了闭环系统学习与跟踪误差的有限时间稳定性. 仿真结果表明, 所设计的控制策略能够实现对动力学未知函数的在线估计与过载指令的准确跟踪.

关键词 高超声速飞行器; 过载跟踪控制; 有限时间控制; 复合学习; 预设性能控制; hypersonic flight vehicle; overload tracking control; finite-time control; composite learning; prescribed performance control

摘要 为解决涡扇发动机大包线内多变量鲁棒控制问题,提出了一种基于干扰观测器的非线性涡扇发动机系统固定时间预设性能模糊自适应控制方法.首先,利用平衡流形建模方法构建了涡扇发动机的仿射非线性数学模型.借助反馈线性化技术,推导了受扰涡扇发动机系统的输出跟踪误差系统.然后利用模糊逻辑系统逼近系统不确定项,并设计非线性干扰观测器估计未知干扰和逼近误差组成的复合干扰.为保证控制系统的瞬态性能和稳态精度,引入固定时间预设性能函数,并通过误差转换函数将系统转化成无约束误差系统,进而设计涡扇发动机复合非线性鲁棒抗扰控制器.仿真结果表明,该控制方法能够使得涡扇发动机系统的转速和压比有效地跟踪参考指令并且跟踪误差始终限制在预设性能边界内.

关键词 涡扇发动机; 非线性干扰观测器; 模糊逻辑系统; 固定时间; 预设性能函数; turbofan engine; nonlinear disturbance observer; fuzzy logic system; fixed time; prescribed performance function

摘要 本文考虑四旋翼飞行过程中湍流风扰动的影响,以及因变工况飞行而导致的不确定动态突变问题,提出了基于输入–扰动双补偿器设计的自适应湍流风扰动抑制方案,保证了四旋翼飞行器系统的稳定和输出渐近跟踪性能.首先对风场环境下的四旋翼进行建模,研究各不同工况下的动态特性,并分析研究了四旋翼飞行器变工况飞行时的动态特性突变的表现形式以及所带来的控制难题.进而设计了一种基于输入–扰动双补偿器的系统重构方案,实现了动态系统重构,解决了关联矩阵突变为非对角型时难以解耦控制,以及相对阶结构突变时控制器结构发生突变的问题.基于重构后的系统,设计自适应的湍流风扰动抑制方案,保证四旋翼飞行器的稳定、扰动抑制和渐近输出跟踪性能.最后,对所设计的控制器进行稳定性证明,并通过仿真验证所提出控制算法的有效性.

关键词 四旋翼; 风扰动抑制; 动态特性突变; 系统重构; 自适应控制; quadrotor; wind disturbance suppression; dynamic mutation; system reconstruction; adaptive control

摘要 本文研究了一类离散时间隐半马尔可夫切换奇异系统的稳定性分析与控制器设计问题.首先通过综合运用状态空间分解技术,半马尔可夫核方法,输出概率方法,矩阵降幂技术和系数矩阵还原技术,构造了由一组原始系数矩阵线性不等式表示的系统正则性、因果性和σ-均方稳定性判别条件.在此基础上通过结合矩阵合同变换和Schur补等矩阵解耦方法,给出相应的异步控制增益矩阵显式求解条件.最后给出一个数值实例验证本文所给出理论方法的有效性.

关键词 半马尔可夫核; 奇异系统; 输出概率; 线性矩阵不等式; 异步控制器; semi-Markov kernel; singular system; emission probability; linear matrix inequality; asynchronous controller

关键词 多径衰落; 可重构智能超表面; 通信时延; 概率密度函数; 相位一致算法; multipath fading; reconfigurable intelligent surface; RIS; communication delay; probability density function; phase alignment algorithm

摘要 仿真技术已被广泛地用于评估与优化随机复杂系统,例如生产制造、网络通信、医疗健康等信息物理融合系统.然而,将仿真优化方法用于方案排序问题的研究甚少.本文考虑只能通过系统仿真才能获取性能表现的k个备选方案排序问题,在贝叶斯(Bayes)框架下,构建以寻求最大化后验方案正确排序概率为目标的动态仿真预算优化分配模型.通过将仿真预算分配决策过程表述成一个随机动态规划问题,推导出一种动态计量预算分配策略,并证明了该分配策略的渐进最优性.数值实验以及案例分析的结果表明,本文提出的算法显著地提高了方案排序问题的仿真优化效率.

关键词 仿真优化; 排序选优; 信息物理融合系统; 马尔科夫决策过程; 贝叶斯估计; simulation optimization; ranking and selection; cyber-physical system; Markov decision process; Bayesian estimation

摘要 近年来,人工智能生成内容(artificial intelligence generated content, AIGC)蓬勃发展,为文学创作、新闻报道、智能对话、音视频生成、艺术创作等应用带来了新的机遇,但同时也引发了伪造信息泛滥的隐患,对国家、社会和个人造成潜在威胁,针对这种技术滥用的检测与防范逐渐成为研究热点.本文首先介绍了AIGC伪造技术,从局部伪造和整体生成两个方面介绍了基于一般生成模型的内容生成技术.此外,本文根据生成模态种类的不同梳理归纳了目前基于大模型的整体内容生成技术.然后,从被动检测和主动防御两个维度出发,系统地归纳、分析并比较了当前主流的AIGC伪造取证方法.针对被动检测技术,从图像、视频、音频和文本角度介绍了单模态伪造检测方法,从基于视觉–音频信息和基于视觉–文本信息两个角度介绍了多模态伪造检测方法.针对主动防御技术,从主动干扰技术和主动水印技术两个类别详细介绍和探讨了伪造防御方法.最后,进一步讨论了AIGC伪造内容被动检测和主动防御面临的挑战和发展方向.

关键词 深度伪造; 视频换脸; AIGC; 被动检测; 伪造检测; 主动防御; deepfake; video face swap; passive detection; forgery detection; proactive protection

摘要 随着大语言模型(large language model, LLM)的广泛应用,其知识产权(intellectual property,IP)保护问题日益凸显,特别是在应对模型盗窃和许可违规等威胁时.现有的模型指纹技术虽取得一定进展,但大多依赖于白盒访问权限,而基于后门攻击嵌入指纹的算法大多仅适用于单轮对话场景.即便在多轮对话场景中,现有方法通常局限于同一层次触发器(如词级触发器)的简单组合,未能充分挖掘多轮对话的语义空间与多层次触发器的潜力.针对这一局限,本文提出了一种基于多轮对话场景的多层次跨粒度触发器设计的模型指纹嵌入方法 (InSty). InSty通过结合词级触发器与句级触发器,并将其分布于多轮对话的不同轮次,使指纹触发依赖于跨轮次的特定上下文条件组合,从而显著提升了指纹的隐蔽性和鲁棒性.大量实验表明, InSty在黑盒场景下的触发率超过94%,对模型性能影响较小部分模型的性能甚至有所提升(LLaMa2-7B-Chat提升近7%),并能有效抵御模型融合、裁剪、输入扰动等多种攻击操作.本文的研究充分利用了多轮对话的语义空间和多层次触发器设计,为大语言模型的知识产权保护提供了全新思路和技术支撑.

关键词 大语言模型; 版权保护; 后门攻击; 模型指纹; large language model; copyright protection; backdoor attack; model fingerprinting

摘要 云原生数据中心网络的复杂性和动态性对多源数据驱动的故障检测及细粒度分析提出了更高要求.有效的故障检测与详细的故障关联和分析成为提升云原生网络韧性的关键.然而,现有方法缺乏对故障与多源数据特征的关联分析,难以生成与网络组件和实例相关的故障报告.为此,本文提出了一种面向云原生网络的微服务系统故障诊断方法,旨在通过故障检测、关联和分析来提升网络韧性.该方法分析3类故障与多源数据的相关性,结合关键指标、跨度持续时间和偏移特征来构建特征序列.通过追踪数据和网络资源接口构建动态的多层微服务架构图,并关联深度学习模型输出的故障检测结果,最终生成细粒度的故障分析报告.实验结果表明,本文方法在故障检测性能上高于其他基线方法,并为工程师提供了云原生网络相关的故障关联和分析报告,帮助提升云原生网络韧性.

关键词 云原生; 微服务; 网络韧性; 故障诊断; 人工智能运维; cloud-native; microservice; network resilience; fault diagnosis; AIOpos

摘要 当今网络的迅速发展大大增加了数据维度与网络结构的复杂性,遭受的各类内部故障、外部攻击、意外事件等广义扰动也愈发地增多,网络韧性以及抗毁能力急需提升.拟态防御技术被广泛地认为是提升网络韧性以及抗毁能力的关键技术,但在各种大规模集群化设备环境下部署拟态防御体系存在开销大、适应性低、运维难度大等一系列缺点.为了解决上述问题,本文提出了一种基于人工免疫算法的拟态网络韧性增强方法 (the resilience enhancement method of imitative networks based on artificial immune algorithm, REMI-AIA),考虑设备集群防御开销、负载控制的同时,提升其安全防御能力.该算法采用基于长时空数据的prepost+算法关联攻击行为与防御组件,通过人工免疫算法进行异构设备迭代,负反馈控制异构设备数量,实时生成亲和度较高的异构设备,构成拟态架构进行防御.最后,仿真实验结果证明,与传统拟态架构相比,本文提出的拟态架构自适应控制方法在减少集群防御开销的同时增强网络韧性以及抗毁能力.

关键词 拟态安全; 网络韧性; 设备集群; 人工免疫; 自适应控制; 内生安全; mimic security; network resilience; device cluster; artificial immunity; adaptive control; endogenous security

摘要 具备感知与决策能力的物理信息系统在结构上具备一定的内生安全属性,能够在面对不同强度的网络攻击时维持系统韧性.然而,现有研究在该类系统的韧性度量方面仍面临根本性挑战:一方面,不同架构设计在抵御已知与未知攻击方式方面能力差异显著,导致系统表现出的韧性存在较大差异;另一方面,当前主流韧性评估方法普遍缺乏对真实攻防动态环境的建模支持,且度量维度单一,难以客观反映系统在复杂环境中感知与决策能力对韧性表现的实际影响.为解决这一关键问题,本文聚焦于具备反馈调度能力的动态异构冗余(dynamic heterogeneous redundancy, DHR)架构系统,首次从博弈论视角出发,基于真实漏洞攻击手段及其破坏后果,科学建模攻防双方在动态环境中的策略对抗过程,并引入对抗性多臂老虎机问题形式化描述策略演化机制.在此基础上,创新性地将EXP3(exponentialweight algorithm for exploration and exploitation)强化学习方法引入DHR架构的策略反馈调度过程中,实现对环境动态变化的快速感知与防御策略的自适应更新,有效提升系统对未知攻击的应对能力与策略鲁棒性,体现了EXP3算法与DHR体系结构结合的合理性与实效性.同时,针对传统韧性评估维度单一的问题,本文提出了三维度的韧性度量方法,全面刻画系统在复杂威胁环境下的抗攻击能力与自适应能力.最后,通过实验模拟验证所提博弈建模方法与多维韧性度量体系的有效性,进一步分析感知与决策能力对系统韧性的显著影响及参数配置对系统安全性的敏感性,体现了本工作在攻防建模、策略自适应与韧性度量方法上的系统性创新,具有重要的理论价值与现实应用意义.

关键词 内生安全; 攻防博弈; 动态异构冗余; 韧性度量; endogenous security; attack-defense game; dynamic heterogeneous redundancy; resilience measurement

摘要 智能网联汽车(intelligent connected vehicle, ICV)作为一种新型信息物理系统,既存在车内软硬件故障失效造成的功能安全(safety)风险,也存在网络攻击导致的网络安全(security)威胁,还存在因二者交织叠加产生的新质安全问题.如何构建一个“高可靠、高可信、高可用”一体的韧性安全技术体系,使ICV在面对功能安全、网络安全等风险和威胁时具备预防、抵御、恢复和适应的韧性能力,成为了汽车行业重大新挑战.本文探索了一种内生安全赋能的智能网联汽车韧性技术.首先,以ICV智能系统——高级辅助驾驶系统(advanced driving assistance system, ADAS)为对象,提出基于动态异构冗余(dynamic heterogeneous redundancy, DHR)架构的韧性增强方法;随后,提出基于系统理论过程分析(STPA-safesec)与贝叶斯网络(Bayesian network, BN)的韧性量化评估方法,通过实车测试和模型评估验证了DHR架构ADAS韧性效果;在此基础上,设计了一种面向整车智能网联系统的韧性安全系统方案,并初步验证了应对不同类型漏洞的安全效果.

关键词 智能网联汽车; 内生安全; 韧性; 量化评估; intelligent connected vehicle; endogenous security & safety; resilience; quantitative evaluation

摘要 作为支撑人机物三元融合社会的数字基础设施,第六代移动通信系统(6G)呈现出开放异构、云网融合、智慧内生等复杂特性.网络韧性作为6G系统的一项关键内在质量属性,对于确保其在复杂环境下的持续可靠运行至关重要.本研究通过系统分析6G网络韧性研究动态与技术演进趋势,在内生安全理念指导下提出了一种“3-3-4-4-2”框架下的核心网韧性体系构想.该构想旨在应对开放环境高级持续威胁、云化网络功能失效风险和多域流转隐私数据泄露三大核心挑战,通过构建“点–线–面”三维韧性增强机制,系统集成多维感知、动态修复、迭代更新和灵活包容四项核心能力,从而达成预测与智能优化、抵抗与故障容错、快速响应与恢复及自适应自演化四项韧性目标,并形成具备可测试、可验证特征的韧性评估体系.基于该构想,本文进一步提出了具有工程可行性的6G核心网韧性参考架构,深入阐释其协同工作机制与动态演化原理,并识别了多项候选关键技术,为构建具有内生韧性的6G网络提供理论支撑与技术实现路径.

关键词 6G; 核心网; 网络韧性; 协同安全; 评估体系; core network; cyber resilience; collaborative security; assessment framework

摘要 多模态网络作为网络技术发展的重要范式革新,自“十三五”时期以来取得了显著进展,目前已逐步完成覆盖系统验证、工程验证到运营商网络验证的全链条验证过程.本文依托国家重点研发计划课题所构建的多模态网络验证环境,系统梳理多模态网络核心技术的研究进展,并对其未来发展进行前瞻性展望,旨在推动多模态网络理论研究与实践应用的深度融合,加速创新成果转化与产业规模化落地.

关键词 多模态网络; 多模态智慧网络环境; SEANet; 超融合网络; polymorphic network; polymorphic intelligent network environment; super converged network architecture

摘要 广域网作为连接新业务、新基础设施和多样化应用的纽带,被广泛认为是实现未来“万物互联”的核心支撑.广域确定性网络凭借低时延、低抖动和高可靠的通信保障能力正在成为广域网演进的重要方向.本文首先介绍广域确定性网络技术的应用场景与需求,然后对主流的确定性网络技术进行概述,并梳理广域确定性网络技术的发展路线和最新研究进展.针对现有广域确定性网络技术大多聚焦于单一网域或封闭控制网络、难以应对大规模异构环境下的端到端确定性传输难题,本文进一步从面向端到端多域协同的广域确定性网络系统架构、关键技术和试验验证3个方面展开分析,探讨当前面临的挑战和已有的解决方案.最后,本文对该领域的未来发展方向进行展望,期望对相关研究起到参考和帮助作用.

关键词 确定性网络; 时间敏感网络; 广域网; 流量调度; 有界时延; deterministic networking; time-sensitive networking; wide-area networks; traffic scheduling; bounded delay

摘要 本文面向具备智能在轨服务功能的NTN-IoT网络,设计了一种基于帧结构资源部署优化方案.多颗具备在轨推理功能的卫星服务众多地面用户,这些地面用户主要产生常规通信数据和少量AI推理数据,因此卫星需要合理安排这些数据的帧结构.本文按照NPUSCH(窄带物理层上行链路共享信道)给出的帧结构特征对这一问题进行表述,并进一步将这个问题描述为0-1背包问题.为了资源部署效率,本文设计了一种基于分支定界的方法,该方法先对用户的通信信息进行处理然后再分配AI数据.仿真结果表明,本文的方案能够提升频谱效率,这为海量用户的接入提供了优势,同时本方案还能够对AI数据进行合理放置以降低平均推理时间.

关键词 NPUSCH; IoT; 帧结构; 海量接入; 在轨推理; frame structure; mass access; on-orbit reasoning

摘要 空地协同的高效跨模态目标感知对资源有限的智能无人机系统至关重要,而减少跨模态感知信息中的大量冗余数据是其关键.现有研究多聚焦于简化感知模型复杂度,却忽视了减少感知数据本身的冗余,导致计算过程精度下降且复杂性居高不下,且空地传输过程中面临数据海量与信息丢失.受脑机制中选择性注意力启发,本文提出了一种仿神经形态协同选择性注意框架,利用先验信息和模态间的语义关联,在数据和特征两个层面对冗余信息进行选择与消除,实现了在保障计算所需信息的前提下降低传输量,且在不损失精度的前提下降低计算量.基于此框架,本文面向无人机空地协同雷达–视觉融合目标感知问题,设计了仿神经形态协同选择性注意网络,使空地协同推理过程聚焦于潜在目标区域,避免了冗余信息参与计算和传输.在实际空地协同无人机平台的部署测试表明,所提出仿神经形态协同选择性注意网络相比基线方案减少了超42.4%的通信延迟,相比最优基线方案降低超20%的整体协同延迟,同时提高了7.3%的准确性.

关键词 仿神经形态协同选择性注意; 跨模态目标感知; 边缘计算; 空地协同; 无人机; neuromorphic collaborative selective attention; cross-modal target perception; edge computing; air-ground collaboration; UAV

摘要 面向未来低空领域涌现的各种新型业务形态,低空智联网是实现低空空域高效运行与安全控制的重要保障.由于低空智联网的立体化覆盖、高可靠通信、超精准服务等特征,使得传统的被动式网络管控技术难以满足业务随需服务要求,亟须融合数字孪生、自智网络、分布式人工智能等新型技术突破管控瓶颈.为应对以上挑战,本文分析了低空智联网的特征和需求,提出了数字孪生驱动的低空智联网自智管控架构.依托自智管控闭环,分别分析了低空网络层、数字孪生层、自智管控层的功能,并针对各个层次的关键技术,包括低空组网覆盖和资源分配技术、网络资源孪生建模与状态同步技术、动态网络性能状态的小尺度预测方法、业务需求自适应的资源映射机制和管控智能体部署方案等,进行了介绍.结合关键技术,本文进行了低空智联网自智管控实例设计,验证了网络性能预测机制、资源状态孪生同步机制以及低空网络自主部署机制的有效性.最后总结低空智联网的未来技术挑战,为未来低空智联网的智能化、自主化运维提供了技术参考.

关键词 低空智联网; 数字孪生; 自智网络; 网络管控; low-altitude intelligent networks; digital twin; autonomous networks; network management and control

摘要 低空无人机的广泛应用对传统通信网络提出了更高的要求,空地一体立体覆盖通信网络成为解决这一挑战的关键.然而,低空与地面网络的同频组网模式下,空地干扰、SSB波束排布不理想导致的覆盖碎片化以及由此引发的频繁切换等因素,严重影响了系统容量和服务质量.相比于从零开始部署6G网络,本文依托现有5G基础设施,提出了面向空地一体网络的容量优化方法.这种策略能够最大限度地降低现网改动成本和部署复杂度,实现软硬件资源的有效复用,为低空经济发展提供经济高效的通信保障.本文首先建立了空地一体网络的容量评估模型,并从机理上深入分析了干扰、切换和传播路径损耗等因素对网络性能的影响.为在提高低空上行容量的同时避免对地面网络性能的负面影响,本文创新性地提出了基于垂直分层技术的SSB波束排布优化方案,旨在通过在网络规划和配置层面重构波束布局,有效改善低空覆盖碎片化并提升覆盖质量.同时,创新设计了空地多层互异同频方案,旨在从根本上解决空地同频干扰问题.依托真实商用网络环境进行的大量严谨外场测试结果表明,本文提出的优化方案显著降低了低空网络的切换次数,避免了地面网络性能下降,并显著提升了空地一体网络的整体性能,为未来低空信息基础设施的构建和部署提供了有力支撑.

关键词 空地一体网络; 网络容量; SSB波束排布; 空地多层互异同频; 立体覆盖; integrated low-altitude and ground network; network capacity; SSB beam arrangement; distinct multi-layer co-frequency; three-dimensional coverage

摘要 低空飞行器的通信与定位感知系统是低空经济建设的重要支撑.然而,现阶段依赖于卫星导航和视觉导航等手段的定位感知系统,普遍存在观测受限、抗干扰能力弱等问题,难以满足低空运营在安全性与高效性方面的严苛要求.为应对上述不足,将具备泛在覆盖能力的6G通信网络引入低空飞行器定位感知体系,有望推动构建更为完备的理论模型与可靠性更高的关键技术,从而有效突破现有方案的能力边界,提升系统在复杂开放环境下的整体性能与适应能力.本文首先系统梳理了融合6G通信网络的低空飞行器定位感知理论模型,并围绕“起降、飞行、评估与管理”等关键作业环节,分析了对应的四类代表性科学问题:(1)网络弱覆盖区域空地连续高精度定位感知;(2)高动态密集网络节点离在线联合定位感知;(3)异构信号体质下的低空定位感知可靠评估;(4)多尺度信息物理跨域时空数字孪生与推演.进一步地,本文对这些领域的主要代表性研究工作进行了总结,并探讨了其现阶段的不足之处与未来潜在发展方向,以期为显著提升低空飞行器的定位感知性能提供理论支撑与应用指导.最后,本文简要介绍了团队搭建的低空通信与定位感知测试验证平台,为后续理论与算法在低空经济应用中的实证测试提供了坚实基础.

关键词 低空经济; 第六代移动通信技术; 6G; 低空飞行器; 定位感知; 运行识别; low-altitude economy; 6th generation mobile networks; low-altitude aircraft; localization and sensing; operation identification

摘要 针对“多对多”通信对抗场景中的差异化动态干扰资源分配问题,本文基于深度强化学习(deep reinforcement learning, DRL)提出一种分层协同干扰资源分配(hierarchical collaborative jamming resource allocation, HCJRA)方案.该方案包括波束分配和功率分配两个阶段:首先,通过构建DRL辅助的目标威胁度动态评估模型,实时评估目标威胁度,并动态调整波束资源分配;其次,将多干扰设备协同干扰功率分配任务建模为分布式局部可观测马尔可夫决策过程(decentralized partially observable Markov decision process, Dec-POMDP),各干扰设备基于波束资源配置独立进行功率资源分配,解决了协同干扰中的干扰收益分配问题;为降低功率决策复杂度,设计了“去中心化训练、分布式决策(decentralized training and decentralized execution, DTDE)”框架;最后,提出一种基于离散柔性演员–评论家(discrete soft actor-critic, DSAC)的干扰功率资源分配策略,运用最大熵强化学习理论在策略探索与利用之间进行自适应平衡,并通过优化设计Dec-POMDP模型来增强策略的泛化性.仿真实验结果表明,所提出的干扰资源分配方案相比现有方案在干扰效能和扩展性上具有显著优势.

关键词 通信对抗; 目标威胁度评估; 多智能体深度强化学习; 干扰资源分配; 分布式决策; 离散柔性演员-评论家; communication countermeasures; target threat assessment; multi-agent deep reinforcement learning; jamming resource allocation; decentralized execution; discrete soft actor-critic

摘要 高端装备的研发与制造比较薄弱是我国当前电子信息产业进一步发展的最大痛点与难点.本文分析了问题产生的原因——制造业企业的分类和全球分布情况,介绍了我国缺乏第4类制造类企业(能够在其生产的装备中集成相关最新技术成果)的原因,明确提出要做好高端装备的研发与制造生产,必须依靠3支技术队伍(用装备,造装备,和从事基础技术研究)的长期、稳定和密切合作.

关键词 电子信息技术; 高端装备; 制造企业; 技术队伍; electronic information technology; high-end equipment; manufacturing enterprises; technical teams

摘要 针对隐身目标低频超宽带电磁吸收的需求,提出了一种基于多机制协同的设计方法,通过结合磁性材料和阻性表面的损耗特性,并联合等效电路模型和遗传算法实现快速阻抗匹配和参数优化,实现P-Ku波段低频宽带吸波体设计.本文理论分析了磁性材料降低吸波体厚度和提升低频吸波性能的机制,通过磁性材料和阻性表面协同设计,实现P-L频段内优异吸波效果.进而,通过多层阻性表面级联结构补偿S-Ku波段内的吸波性能,实现P-Ku超宽带高性能吸波体设计.设计的低频超宽带吸波体在0.3～0.33 GHz和0.33～18 GHz内分别实现至少-8 d B和-10 dB的反射损耗,厚度仅为0.027λL（λL为最低频率处的波长）.同时,该吸波体具有大角度稳定性,在TE极化波和TM极化波斜入射下依然保持良好的吸波性能.最后,进行了加工和实验测试,结果表明该吸波体具有低频超宽带吸波性能以及宽角度稳定特性.

关键词 多机制协同设计; 磁性材料; 阻性表面; 低频超宽带; 超材料吸波体; multi-mechanism collaborative design; magnetic material; resistive surface; low-frequency ultra-wideband; metamaterial absorber

摘要 类周期结构具有独特的电磁波调控特性,在天线、雷达探测、目标隐身等领域具有重要研究价值,而针对大尺度类周期阵列的高效精确电磁仿真一直是电磁计算领域的重难点问题.本文从类周期阵列几何相似性出发,提出了一种具有函数复用机制的并行综合函数法(parallel synthetic basis functions method, p-SBFM),首次实现并验证了p-SBFM在多构型类周期阵列分析中的有效性.相比传统电磁数值算法, p-SBFM在大尺度类周期阵列分析中,能够在一定程度上克服精度、效率、内存消耗三方面指标难以兼顾的难题,为类周期结构的工程应用提供理论分析和仿真手段.

关键词 类周期结构; 综合函数; 并行计算; 矩量法; 电磁仿真; quasi-periodic structures; synthetic functions; parallel computing; method of moment; electromagnetic simulation

摘要 面对日益增长的大容量需求, NAND闪存技术不断进步并实现了一系列突破,然而,存储密度的不断提升也极大程度削弱了NAND闪存系统的抗干扰能力.因此,针对NAND闪存存储系统中的差错控制码进行优化设计成为一个重要课题.本文首先对NAND闪存存储系统中的干扰源进行了全面分析,考虑到存储单元阈值电压的非对称非高斯特性,采用修正Student’s t分布对其建模.此外,考虑了实际NAND闪存中的量化问题,利用离散非对称密度进化算法分析了不同量化位宽和量化范围对LDPC码的影响,并对非规则LDPC码进行了优化设计.最后,以IEEE闪存标准中的LDPC码本为基础,对码本中的参数进行优化设计.仿真结果表明,经过优化设计的LDPC码本在存储单元的正常使用周期内,纠错性能提升1个数量级以上,并且能够有效延长存储单元的使用寿命.

关键词 NAND闪存系统; 低密度奇偶校验码; 修正 Student's t 模型; 非对称密度进化算法; 量化; NAND flash memory system; low-density parity-check codes; modified Student's t-model; asymmetric density evolution algorithm; quantization

摘要 智能时代发展依赖高度发达的通信技术.在新一代,特别是6G通信框架下实现天、空、地、海泛在互连,以及多种通信模式协同,需要发展新技术.太赫兹通信和可见光通信备受关注.前者预期带动通信带宽和感知深度精细度的重大突破,后者寻求光通信应用范围的重要拓展,两种技术目前处在前沿研究阶段,基本的模式、架构、器件等吸引了大量的研究兴趣,本综述将对研究前沿热点、瓶颈、进展和发展态势做出分析.

关键词 太赫兹通信; 可见光通信; 通信模式; 通信架构; 太赫兹源; 太赫兹调制器; 太赫兹探测器与接收器; 可见光通信器件; terahertz communication; visible light communication; communication mode; communication architecture; terahertz sources; terahertz modulators; terahertz detectors/receivers; visible light communication devices

摘要 主备路由光纤同沟是一种高风险事件,光纤选用的随机性导致主备业务可能共享同一沟槽,出现故障会导致主备业务同时中断.当前仅仅依靠人工识别同沟难度大、效率低,给通信网络服务安全性带来了重大风险.为了提升通信网络生存性,本研究提出并验证了一种集成学习检测架构,采用人工智能手段对光纤同沟进行识别.该架构可以在通信网络中实现高准确率的同沟光纤在线识别,无需在线路上人工敲击配合检测.本文采用基于光纤振动动态特性的曲线相似度对比学习器对同沟光纤进行识别,并首次对同沟光纤识别进行了现网试验.对现网中采集到的动态光纤振动数据预处理,基于混淆矩阵中的准确率、F1-score等指标进行评价.本文提出的曲线相似度集成学习算法相比次优非集成学习模型准确度提升6.1%,实验结果验证了所提出架构的可靠性和先进性.

关键词 光纤同沟识别; 集成学习; 曲线相似度; 人工智能; 网络生存性; fiber co-trench identification; ensemble learning; curve similarity; artificial intelligence; network survivability

摘要 传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性,表征物体的多种信息,因此偏振信息能有效区分目标与背景,并在恶劣环境中维持信息有效性.利用偏振信息的这种特性,人们将光的偏振信息引入视觉系统,得到了一种解决复杂场景成像问题的方案,即偏振视觉.偏振视觉最早在部分生物上发现,对偏振视觉的进一步研究使人们发现偏振视觉相较于传统视觉在复杂场景下的成像优势.本文以偏振视觉的发展为主线整理了偏振视觉技术的诞生、成像设备的发展与该技术在各领域的应用,并展望了偏振视觉及其相关技术的未来发展方向.

关键词 偏振视觉; 偏振信息; 偏振成像设备; 散射介质成像; 目标检测; 反射光去除; 三维重构; polarization vision; polarization information; polarization imager; scattering medium imaging; object detection; specularity removal; 3D reconstruction

摘要 光纤作为开启信息时代的关键技术之一,自诞生以来引领了信息、物理等众多相关领域的飞速发展.伴随着光纤材料与器件研究的深入和多元化,其应用领域不断扩展,在多个行业中发挥了不可替代的重要作用.本文从国家自然科学基金的视角,结合2018～2022年国家自然科学基金中人才项目、重点项目、重大项目、国家重大科研仪器研制项目、面上项目和地区科学基金项目的资助情况,对各立项项目的题目和关键词进行了热词分析,梳理了我国光纤材料与器件领域的研究现状与挑战,在此基础上分析展望了需进一步深入研究和探讨的方向与内容.

关键词 光纤材料与器件; 国家自然科学基金; 热词分析; 前沿热点; 研究展望; optical fiber materials and devices; National Natural Science Foundation of China; hot word analysis; frontier hot spots; research prospect

摘要 涉水光学(water-related optics)主要研究光与水的物质相互作用机理及光的跨介质传播机理,解决与涉水光学数据智能获取、信息传输及智能信号处理有关的各种问题,探索光学在涉水领域中应用的科学,是临地安防(vicinagearth security, VS)体系中水下安防的重要学科支撑.近年来,随着光学技术和智能科学的快速发展,光学在水体中的应用日渐突出,涌现出大量的涉水光学新理论、新技术,同时面临着新的机遇与挑战,对我国领水的防卫、防护、生产、安全、救援等具有重要的意义.本文系统介绍了光学技术在涉水领域中的数据获取、信息传输及智能信号处理,包括涉水光学中的传感、测量、成像、探测、通信、智能信号处理等研究方向.本文对现有涉水光学理论和技术进行了深入的思考,针对现有的科学技术现状,分析了涉水光学当前所面临的挑战,并展望了涉水光学的未来发展趋势.

关键词 光与水相互作用; 智能科学; 海洋光学; 水下光学; 认知计算; 水下安防; 临地安防; light-water interaction; artificial intelligence; ocean optics; underwater optics; cognitive computing; underwater security; vicinagearth security

摘要 大型语言模型(large language model, LLM)和更广泛的生成式人工智能(artificial intelligence generative content, AIGC)等的快速发展催发了不同行业的变革. LLM以其在理解、生成和操作人类语言方面的熟练程度而闻名,代表了AIGC技术的一个重要发展.虽然LLM越来越多地用于从客户支持系统到高级研究方法的应用,但AIGC包含更广泛的AI生成内容,比如图像、音频和视频.将通信问题与AIGC等大模型相结合,可以开辟出新颖的应用场景.

摘要 随着5G商用的快速发展和逐步成熟,全球各国及各研究组织开始对6G的愿景、需求、关键技术等进行探索工作.传统1G～5G的通信系统主要工作在Sub-6 GHz以下.由于实际天线阵列部署的约束,运营商对天线阵列的尺寸有一定的限制.因此,根据远近场瑞利(Rayleigh)距离计算公式,工作在低频段下的天线阵列大多工作在远场范围内.然而,为了满足未来6G的超高传输速率和低时延等需求, 6G通信系统将向中、高频段和超大阵列方向演进(超大阵列包括可重构智能超表面、超大规模天线阵列和无蜂窝大规模阵列等).这种架构将使得瑞利距离得到极大的拓展,原本属于远场范围的用户将处于近场球面波范围内.该范式转变将给无线通信的空口传输设计带来了新的机遇和挑战.一方面,近场信道可以从传统远场的角度维度进一步拓展到同时包括角度维度和距离维度,因而可以支持更多用户的接入;另一方面,从感知定位角度,近场信道中每个天线单元到用户的电磁波不再是平面波,因而可以将天线单元近似当作一个定位参考点,从而提高感知定位精度.虽然近场信道可以带来通信和感知方面的性能增益,但其在空口传输设计方面面临诸多技术挑战,包括低开销的信道估计以及低复杂度的波束成形设计等.

摘要 复旦大学电子与信息学科作为学校的优势学科之一,长期以来始终是推动信息技术创新与人才培育的重要力量.在一百二十年的深厚学术积淀与办学历程中,紧密贴合国家和社会发展需求,汇聚了一批在信息领域造诣深厚、极具创新精神的专家学者,构建起了一支科研实力强劲的学术队伍.复旦大学电子信息学科为国家和社会输送了大批专业人才,他们活跃在信息科技的各个前沿领域,成为集成电路、信息通信、先进制造等多个关键方向的领军力量.近年来,面对信息科技领域的飞速发展与深刻变革,复旦大学师生与校友始终勇立潮头,在空天信息、先进通信、智能芯片、高端制造等前沿领域积极探索,取得了一系列突破性进展,助力复旦大学在新工科向世界一流水平迈进.

摘要 随着数字宽带接收机(DWR)技术的快速发展,现有的低截获概率(LPI)雷达面临更为严峻的侦察威胁.本文以降低DWR对雷达信号的截获概率为目标,首次提出了一种针对DWR信号截获机制约束的LPI雷达波形设计方法.首先建立了DWR编码器模型,定义了脉冲描述字(PDW)截获概率作为核心LPI指标,揭示了DWR编码器的暂态响应抑制(TRE)与频域多信号检测(FD-MSD)机制中存在的机制约束,并设计了极窄脉冲(VNP)和同频正交(CFO)两种LPI波形,以降低PDW截获概率,并通过仿真实验验证了所提出LPI波形的有效性.

关键词 低截获概率; 波形设计; 数字宽带接收机; 数字信道化接收机; 侦察接收机; 正交波形; low probability of intercept; LPI; waveform design; digital wideband receiver; digital channelized receiver; reconnaissance receiver; orthogonal waveform

摘要 分布式多传感器融合跟踪是信息融合研究领域的前沿问题,其核心挑战在于对不同传感器所获取的后验信息(主要以密度函数或其统计矩的形式呈现)进行融合计算,以实现对目标状态的精确、可靠且一致的估计.近年来备受关注的概率密度均值融合方法,主要包括算术均值与几何均值两种,均可有效应对传感器之间未知关联耦合,近似或者渐进实现多传感器节点之间的一致性,在单目标跟踪与多目标跟踪应用中均展现出了优异性能.本文系统回顾了贝叶斯滤波跟踪模型、随机有限集、变量融合与密度均值融合的概念,并对两种密度均值融合方法的统计学与信息学属性进行了对比分析,包括协方差一致性、均方误差、保模性、收敛性等.此外,还探讨了融合权值的设计策略,给出了典型随机有限集分布的均值融合解析解,重点给出可推导不同类型随机集滤波均值融合的概率假设密度算术均值融合统一框架以及两种均值融合方法优势与不足的对比.最后,结合实际应用需求,展望了密度均值融合在应对复杂目标(如集群目标与扩展目标)、受限传感器(如有限通信带宽、融合时延、动态/有限视场)、传感网攻击与隐私防护、资源管理等方面仍面临的挑战和未来研究趋势.

关键词 目标跟踪; 多传感器融合; 均值一致性; 算术均值; 几何均值; 鲁棒融合; 高斯滤波; 随机有限集; 异构融合; 有限混合模型; target tracking; multi-sensor fusion; average consensus; arithmetic average; geometric average; robust fusion; Gauss filtering; random finite set; heterogeneous fusion; finite mixture model

摘要 当前,星载SAR(synthetic aperture radar)已成为全天时、全天候、全球对地高分成像观测唯一手段.随着各行业对天基雷达观测能力需求的不断提升,星载SAR成像分辨率与幅宽间的矛盾日益凸显.基于多通道技术发展空时频编码成像成为星载SAR同时获取高分辨率与超大宽带的重要途径.本文围绕多通道星载SAR在空间、时间与频谱编码成像中的系列关键技术,如距离模糊抑制、射频干扰抑制与定位、方位向重构及MIMO回波分离等展开阐述.研究结果表明,这些技术可突破传统体制与技术瓶颈,实现高分宽幅对地观测成像,为未来多通道星载SAR的体制优化设计与应用提供技术支撑.

关键词 星载SAR; 多通道; 空时频编码; 高分宽幅; spaceborne SAR; multichannel; space-time-frequency coding; high-resolution and wide-swath

摘要 基于空天电磁信息技术的重大发展,本文介绍复旦大学电磁波信息科学教育部重点实验室研究团队近年来在该领域的主要的几项工作进展,从空天电磁信息的获取、传输与智能处理3个方面,论述了空天电磁信息科技的国家战略地位,及其对经济社会发展的深远影响.空天电磁信息获取研究包括面向定量化的新体制SAR设计与反演算法、高轨SAR运动目标模拟与重构、月球行星微波遥感等研究进展;空天电磁信息传输研究包括了空天电磁新频谱通信、毫米波太赫兹通信及光无线通信等技术进展;空天电磁信息智能处理的研究概述了“微波视觉”与SAR图像目标智能解译、导航中电离层时空参数智能反演与预测等研究进展.并对未来空天电磁信息技术的研究与发展进行了展望.

关键词 微波遥感; 新体制SAR; 行星; 通信; 微波视觉; microwave remote sensing; new regime SAR; planetary; communication; microwave vision

摘要 光的本质是横波电磁波矢量,以双向反射分布函数BRDF (bidirectional reflectance distribution function)为基础模型的标量遥感体系只利用植被反射光的整体强度信息,无法进一步区分反射辐射蕴含的叶表、叶内和冠层结构信息;在标量遥感基础上考虑垂直于电磁波传播方向的二维偏振矢量特性(强度+方向)就能深化为矢量遥感体系,从而有望精确刻画反射光中蕴含的多种信息,提升植被参数反演精度.刻画偏振反射空间分布的双向偏振分布函数BPDF目前存在精度低、泛化性差等问题,因此进一步探索矢量遥感基础理论,构建通用性强的植被矢量遥感基础模型具有迫切的现实需求.本文旨在利用光子与植被元素的相互作用构建通用性较强的植被BPDF物理模型.首先基于光子–植被元素相互作用的光谱不变原理,提出基于方向逃逸概率的植被BPDF物理模型基础形式,并基于植被单次反射的辐射传输理论推导模型解析表达;随后通过考虑叶片散射随干物质含量的变化,提出光谱不变原理优化表达并推导模型通用表达式;最后分别利用三维矢量辐射传输模型和多尺度实测数据实现模型的正演直接验证和间接验证.结果表明,本文构建的BPDF物理模型的解析表达和通用表达在不同植被场景下,对偏振反射率的正演均方根误差可达0.001以内,与矢量辐射传输模型正演结果在半球空间内具有很强一致性,在多尺度实测数据也简洁验证了模型关系的稳定性,模型R2普遍高于0.9.相比于现存植被偏振反射模型,本文构建的模型兼具物理机理、简洁形式、可接受的参数化方案、较高精度和较强泛化能力,对浓密植被具备通用性,为在BRDF一维标量遥感的基础上进一步考虑BPDF二维偏振特性从而形成矢量遥感体系这一转变过程提供了理论基础和探索性方案.

关键词 植被; BPDF; 矢量遥感; 物理模型; 偏振; vegetation; BPDF; vector remote sensing; physical model; polarization

摘要 极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)能够获取目标丰富的极化信息,在人造目标的散射机理解译和检测、分类、识别等领域发挥着重要的作用. PolSAR车辆目标检测对环境侦察监视、道路交通监管等应用来说尤为关键.不同于海上的舰船目标,车辆目标所处的地面背景包括草地、树木、建筑、道路等,背景杂波较为复杂,人造杂波干扰较强,这给PolSAR车辆目标的检测带来了一定的挑战.车辆目标散射机理的准确解译是后续极化特征提取和目标检测方法设计的基础.为了准确描述车辆目标的散射行为,本文构建了旋转二面角散射模型,并由此提出了一种精细五分量极化分解方法.在此基础上,通过分析车辆目标与其地面背景的散射特性差异,本文提出了一种散射功率复合特征检测器,用于车辆目标的检测.在两景实测无人机载SAR数据上的实验结果证明,本文方法能够显著提高车辆目标处的目标杂波比(target-to-clutter ratio, TCR),获得了优异的检测性能.此外,本文方法能够保留车辆目标完整的轮廓和细节信息,有助于后续的分类、识别等应用.

关键词 极化合成孔径雷达; 车辆目标检测; 旋转二面角散射; 精细极化分解; 散射功率复合特征; polarimetric synthetic aperture radar; PolSAR; vehicle detection; rotated dihedral scattering; refined polarimetric decomposition; scattering power composite feature

摘要 随着航天技术的发展,太空目标精细感知在动态监测、形变分析和轨道交会中具有重要作用.极端空间环境下的图像退化、高动态场景及多模态融合问题限制了感知精度和效率.本文聚焦极端空间环境目标精细感知的3个核心问题,包括低质图像增强、目标三维重建和目标姿态估计,分析其研究进展与挑战.针对低质图像增强,本文回顾了去噪、去模糊及超分辨率等领域经典方法,讨论了不同方法应对极端光照、各类噪声等干扰的解决思路和优缺点.针对目标三维重建,结合光学重建与点云配准重建技术,探讨动态场景下的优化策略.针对目标姿态估计,分析了高动态环境下的传感器可靠性及高精度推断方法.本文呈现了领域方法发展时间脉络图、方法分类图及数据库与评价指标表,为极端空间感知研究提供全面总结和参考,讨论了未来需要突破的瓶颈问题,助力极端空间环境精细感知新技术的发展.

关键词 太空感知; 低质图像增强; 三维重建; 姿态估计; 极端环境; space perception; low-quality image enhancement; 3D reconstruction; pose estimation; extreme environments

摘要 空间认知是大脑对空间环境进行感知、理解并记忆的复杂认知功能.人类与许多动物依赖该功能定位自身位置与规划行动路径.大脑中的众多神经细胞会释放出编码外部环境信息的神经信号,帮助动物在大脑中构建环境的基本空间表征.对这些神经信息的探测,是揭示空间认知神经机制的重要途径.同时,这些信息的编码机制也为导航技术提供了仿生学启示.本文总结了目前报道的空间认知细胞及其协同信息编码的模型机制,并阐述了植入式神经微电极、荧光成像和功能成像等检测技术在脑空间认知研究中的重要作用.此外,我们探讨了该领域在空间导航与认知疾病等方向的创新应用,并对未来的发展前景进行了展望.

关键词 空间认知; 神经信息检测; 微电极阵列; 仿生导航; 认知障碍; spatial cognition; neural|information detection; microelectrode arrays; bioinspired navigation; cognitive disorders

摘要 在数字经济时代,数据作为关键生产要素,其价值评估与定价问题一直是研究的热点.当前,信息价值评估与定价的研究主要集中在数据质量、数据需求和数据市场政策等方面,但缺乏数据驱动的定量研究.本文旨在探讨基于信息熵的数据元件数据定价,并提出相应的定价机制.随着数据在数字经济中的关键性地位日益凸显,数据元件作为连接数据供给和需求的“中间态”具有重要意义.首先,本文回顾了信息价值评估与定价的研究现状,指出了信息价值评估既是经济挑战也是数据科学挑战,并阐述了建立最优定价结构的重要性.其次,本文定义了数据元件并构建了相应的数学模型,强调了数据元件在数据资源开发、计量、定价等方面的作用.进而,通过基于数据元件的数据计量与定价模型,研究了数据元件的内蕴信息及其与传统方法在信息量上的差异.最后,本文以电力数据定价为实证研究对象,验证了所提出方法的有效性.本文还强调了数据元件在实现数据要素高效配置中的重要性,并指出了其未来发展方向.本文的研究为实现数据要素的高效配置提供了新思路,为数字经济的发展和数据要素的流通与共享提供了理论支撑和实践路径.

关键词 数据元件; 数据科学; 信息论; 数据要素; 数据治理; 电力定价; data component; data science; information theory; data elements; data governance; electricity pricing

摘要 针对未来物联网中众多无线传感设备面临的能量受限问题、服务质量(quality of service, QoS)需求方面存在差异,以及无线供电通信网络(wireless powered communication network, WPCN)中普遍存在的“双远近”问题,本文研究了一种智能超表面(reconfigurable intelligent surface, RIS)辅助分离架构的WPCN系统模型,通过联合优化有源波束成型、无源波束成型和资源分配,旨在最大化设备的加权和能量效率.针对优化问题,提出了一种基于加速近端距离算法(accelerated proximal distance algorithm, A-PDA)的波束成型与资源分配方案.该方案利用分式规划解耦优化问题,交替优化各个子问题,直至收敛得到最终解,其中首次采用A-PDA得到RIS相移矢量的闭式解.仿真结果表明,相较于经典优化方案,所提方案能够快速收敛,有效降低了平均运行时间,并且表现出优异的加权和能效性能,尤其在小发射功率场景下的能效提升更为显著.

关键词 智能超表面; 无线供电通信网络; 波束成型; 资源分配; 近端距离算法; reconfigurable intelligent surface; wireless powered communication network; beamforming; resource allocation; proximal distance algorithm

摘要 针对高动态复杂电磁环境下多智能体可靠通信问题,本文设计了一种新的智能体分布式认知选频模型.在该模型中,智能体基于当前自身接入状态动态调整环境认知策略,实时感知邻居节点的协议状态迁移及频谱、时隙资源特征,选择最佳频谱资源进行通信,而无需设置专用感知通道.具体来说,本文将环境认知模型与分布式部分可观马尔可夫(Markov)决策过程相结合形成分布式认知选频模型,并基于自动请求重传协议设计相应认知选频算法.该模型通过感知邻居节点信息并提取特征知识,等效于将感知范围扩展至一跳邻居逻辑域,突破了传统单节点物理感知的范围限制,这样不仅显著提升了感知范围、感知的实时性与准确度,更能有效支持智能体快速规避干扰.理论分析与仿真验证表明,在干扰占比高且快速变化的复杂场景中,该算法的分组投递率较典型算法提升10%∼30%,性能显著优于目前基于频谱感知的智能体模型.该算法不改变已有协议设计,可兼容现有协议架构及频谱感知方法,不增加额外通信资源即可无缝集成于异构网络动态频谱共享、抗干扰通信等应用场景,为动态电磁环境下多智能体可靠通信提供了新思路.

关键词 复杂电磁环境; 多智能体; 分布式认知选频模型; 抗干扰通信; complex electromagnetic environments; multi-agent; distributed cognitive frequency-selection model; anti-jamming communication

摘要 移动通信网络服务正突破传统的单一连接服务,加速向通信、感知、智能、计算、控制一体化的综合信息服务升级演进.移动通信网络功能将进一步下沉,形成通感智算控超融合的超级边缘网络节点,通过网络连接资源、算力资源、存储资源的平台化和开放化,为客户提供低时延、智能化、定制化的服务,满足5G和6G多场景业务开放的发展需求.在上述背景下,本文提出一种综合移动信息服务基础设施技术框架:AI Edge.它基于网络内置的异构开放性可编程共享算力基座,在感知信道环境和用户需求的基础上,实现数据技术、运营技术、信息技术、通信技术(data technology, operation technology, information technology, communication technology, DOICT)的深度融合,并对移动边缘信息服务、网络功能虚拟化、网络内生AI与自治等功能进行按需编排.本文对AI Edge发展驱动力、基本技术内涵、核心特征、技术比较优势等进行了简述,并以低空无人机、机器人、智慧驾驶等典型场景为例,说明AI Edge的潜在应用前景.

关键词 AI; 边缘网络; 算力网; edge network; computing power network

摘要 为应对6G系统在容量、频谱效率、能量效率等关键性能指标上面临的严峻挑战,将人工智能(artificial intelligence, AI)技术引入空口传输已成为重要的技术突破方向.然而,当前6G空口AI研究主要聚焦于设计高精度AI模型以提升通信能力,普遍忽视了工程实践中所需的算力、复杂度和空口资源等AI代价,对模型泛化能力和推理时延等关键AI质量指标也缺乏系统性考量.这种过度依赖算力资源追求通信能力提升的研究范式,难以支撑智能化网络的可持续发展.本文系统分析了AI在6G空口传输中的典型应用场景与关键技术挑战,涵盖单功能模块性能增强、多功能模块联合优化以及复杂数学问题低复杂度求解等重要领域;创新性地提出了综合考虑空口AI能力、质量和代价的三维联合优化设计准则,通过最大化多场景通信能力与综合代价的比值实现三角均衡,有效弥补了现有设计准则中质量和代价维度缺失的不足.此外,通过多个设计示例验证了所提方法的有效性,并深入探讨了空口AI标准化面临的技术路径与挑战.本文为6G空口AI技术的理论研究、标准化与工程实践提供了参考.

关键词 6G空口; 人工智能; 均衡设计; 频谱效率; 能量效率; AI质量; AI代价; 6G air interface; artificial intelligence; balanced design; spectrum efficiency; energy efficiency; AI quality; AI costs

摘要 语义通信通过发送方和接收方共享语义知识库,从原始数据中提取核心语义信息,并传输编码后的语义信息,从而减少传输数据量,提高传输效率.在多用户语义通信中,语义知识库依赖多用户数据训练以实现精准的语义理解和传输.为保护用户隐私,联邦学习允许多用户在不共享原始数据的前提下协作训练语义知识库.然而,在协同训练过程中可能引入过时、不相关、有害等无效数据,影响多用户语义知识库的可靠性和整体通信性能.为消除无效数据的影响并维持语义知识库的可用性,需要消耗大量通信和计算资源重新协同训练语义知识库.为解决该问题,本文创新地提出一种面向多用户语义知识库的高效可信联邦遗忘方案,考虑单层多用户语义通信和多层多用户语义通信的不同层次需求,设计基于梯度上升和可信执行环境的联邦遗忘方法,在有效移除无效数据影响的同时确保语义知识库的可靠性.实验结果表明,在单层和多层的语义通信场景下,提出方案大幅减少计算开销,且在遗忘数据的识别准确率和遗忘后语义知识库的准确率上与重训练方法相当.

关键词 多用户语义通信; 语义知识库; 联邦遗忘; multi-user semantic communication; semantic knowledge base; federated unlearning

摘要 本文提出了一种面向标准化的增强版6G普适信道模型 (6G pervasive channel model, 6GPCM) —— 6GPCM+. 相较于现有的信道模型, 6GPCM+首次突破了声波和电磁波(包含光波)的统一建模难题, 在6GPCM基础上增加了对短波和全部光无线频段, 海洋超视距、浅海域恒声速水下水声、地下空间、通感一体化和跨频段等场景的支持, 并进一步支持6G普适大尺度衰落信道建模, 真正实现了空天地海跨域跨介质普适信道建模. 提出的6GPCM+可以兼容目前所有2G∼5G的3GPP和ITU标准化信道模型. 通过研究6GPCM+在空、时、频、多普勒、时延、角度全部6个域的信道特性及与信道测量数据的对比, 发现6GPCM+可以精确描述6G全频段全场景信道特性, 为6G信道模型标准化和空天地海一体化网络的共性理论技术研究与系统融合构建奠定坚实基础.

关键词 6G; 标准化信道模型; 普适信道建模理论; 6G全频段全场景普适信道模型; 信道特性; standard channel model; pervasive channel modeling theory; 6G all-spectra and all-scenarios pervasive channel model; channel characteristics

摘要 随着6G网络的发展,通信与环境感知的深度融合已成为重要的研究方向之一.本文提出了一种新颖的近场联合成像与通信系统,旨在通过优化波束成形策略刻画近场成像与通信之间的性能折中关系.具体而言,本文将近场成像等效信道条件数最小化作为设计目标,并以近场通信速率和总发射功率为约束,研究了相应的波束成形设计问题.为有效求解该问题,本文提出了半定松弛与连续凸近似相结合的优化方法.最后,数值仿真验证了所提波束成形设计方法的有效性,并展示了近场联合成像与通信系统中成像和通信性能的折中关系.同时,仿真结果还展示了系统条件数与成像精度之间的关系,验证了以条件数最小化为优化设计准则的有效性.

关键词 近场通信; 近场成像; 联合成像与通信; 波束成形; 6G网络; near-field communication; near-field imaging; integrated imaging and communication; beamforming; 6G networks

摘要 随着智能机器人产业的蓬勃发展,将通信和感知功能同时集成到通信设备中已成为未来的一个重要发展趋势.为了实现通信设备的高精度感知,利用设备移动性形成大规模虚拟天线阵列,成为一种具有前景的解决方案.然而,现有利用通信设备移动性的感知系统基于远场信道假设设计,仅能提供到达角(angle of arrival, AoA)定位信息,无法直接提供距离估计,需要部署多个接入点(access point, AP).针对该问题,本文通过融合多天线信道状态信息(channel state information, CSI)和机器人的运动轨迹,为移动机器人开发了一种新型近场感知架构,仅需单个AP就能实现高精度定位.具体而言,本文首先提出了AoA-距离参数联合估计方案,并通过耦合两根天线的CSI矫正相位偏移.其次,本文在理论上证明了在近场条件下,多天线CSI耦合的方案在直线轨迹和弧形轨迹均能实现高精度定位.然后,本文进一步提出了聚类加权多尺度估计方案精准分离视距路径.最后,本文搭建了一个基于移动机器人和商用WiFi的原型实验验证系统.实验结果表明,所提系统可以在复杂的环境中工作,其定位精度优于现有方案.

关键词 近场感知定位; 移动机器人; 虚拟天线阵列; 信道状态信息; 移动轨迹; near-field sensing and localization; mobile robot; virtual antenna array; channel state information; mobile trajectory

摘要 在近场区域内,智能反射面(reconfigurable intelligent surface, RIS)辅助的通信系统中面临着信道估计导频开销大,优化算法复杂度高等挑战.针对以上问题,建立了基于菲涅尔衍射理论的菲涅尔椭球模型,分别设计了双模态智能反射面模型并由此提出了低导频开销的通感一体化(integrated sensing and communication, ISAC)帧结构和低复杂度的分布式通感算法.具体来说,基于用户粗定位信息,首先通过联合位置信息和菲涅尔空间的参数椭球提出了透射RIS下的配置算法在RIS控制器处感知用户的精定位信息.之后基于精定位和基站反馈的信道估计的相位偏移量并考虑离散相移约束,提出了反射RIS下的通信算法.其中,基站采用最大比传输且不需要估计RIS相关信道,而精定位和反射RIS的参数配置全程由RIS控制器驱动且不需要基站的控制.分析和仿真结果证明了所提方法在导频开销和计算复杂度的优越性.

关键词 智能反射面; 离散相移约束; 近场通信; 位置辅助通信; 通感一体化方法; reconfigurable intelligent surface; discrete phase shift constraint; near-field communications; location-aided communications; ISAC scheme

摘要 本文针对超大规模MIMO (extremely large-scale multiple-input multiple-output, XL-MIMO)系统的混合场信道估计问题,提出了一种基于远近场路径分量分离的牛顿化正交匹配追踪(separationbased Newtonized orthogonal matching pursuit, S-NOMP)算法.首先研究适用于分离远场路径及近场路径分量的阈值准则,进而对混合场中远场及近场路径分量进行精确识别及分离.在此基础上,对分离出的路径分量分别使用远场牛顿化正交匹配追踪(far-field NOMP, F-NOMP)和近场牛顿化正交匹配追踪(near-field NOMP, N-NOMP)算法进行信道估计,实现在混合场复杂信道环境中远场及近场路径分量比例先验信息未知的情况下,以较低复杂度完成对多条路径信道参数的精确估计以及对混合场信道的高效重构.相较于其他混合场信道估计算法,该算法能够在缺乏信道远近场路径分量比例先验信息的条件下,仍获取高效的信道估计结果.仿真结果表明所提S-NOMP算法可以实现更加灵活高效的混合场信道估计,且相较于现有算法具备更高的估计精度.

关键词 超大规模MIMO; 混合场信道; 远近场路径分离; 信道估计; XL-MIMO; hybrid-field; near-field and far-field paths separation; channel estimation

摘要 太赫兹(THz, Terahertz) 通信具有高传输速率和强抗干扰等特点, 可以解决目前无线通信系统的频谱资源稀缺和容量限制问题, 被认为是第六代(6G, 6th generation) 移动通信中最具前景的技术之一. 而太赫兹频段存在高传播损耗问题, 利用大规模多输入多输出(MIMO, multiple input multiple output) 技术可以补偿这种衰减. 为充分利用太赫兹频段的优势, 需要探究太赫兹大规模MIMO 的信道特性并且建立准确高效的信道模型. 本文开展典型会议室视距(LoS, line of sight) 场景下260∼400 GHz 高频段宽频带的128 根天线虚拟大规模MIMO 阵列的近场通信信道测量活动. 首先, 介绍了基于矢量网络分析仪(VNA, vector network analyzer) 的扩频方案的太赫兹信道频域测量系统及环境部署; 其次, 阐述了该系统的校准原理, 并且重点对主径近端杂散问题进行理论分析; 最后, 基于测量结果验证了不同发射机位置的空间一致性, 并且全面分析了太赫兹室内信道特性, 包括多径特性, 多天线阵列轴上非平稳特性以及近场相位特性. 分析结果表明该频段太赫兹信道多径呈现明显的稀疏分布和成簇分布的特点, 且多天线阵列相位变化与近场球面波函数(SWF, spherical waveform function) 拟合良好. 此外, 可以观察到散射簇沿多天线阵列轴方向出现明显的生灭现象, 这说明太赫兹信道沿阵列轴呈现非平稳特性.

关键词 信道测量; 太赫兹通信; 空间非平稳特性; 大规模MIMO; 近场球面波函数; channel measurement; terahertz communication; spatial non-stationary characteristics; missive MIMO; near-field SWF

摘要 超大规模三维多输入多输出(three dimensional multiple-input multiple-output, 3D MIMO)由于提供了巨大的空间自由度将成为未来6G移动网络的潜在关键支持技术,然而超大规模3D MIMO也带来了新的电磁效应–近场效应.近场效应为通信与感知系统提供了深度感知与高精度目标检测,能够有效提升通信与感知系统的整体性能.本文从经典电磁信息论入手,分析了超大规模3D MIMO技术带来的新的电磁效应,并刻画了基于近场球面波前的信道模型与信道容量,然后介绍了近场通信与感知的典型应用,包括波束训练、混合预编码和联合目标检测与信道估计,最后介绍了近场通信与感知的未来研究方向,并进行了总结.

关键词 近场通信; 电磁信息论; 信道建模; 通信与感知; near-field communication; electromagnetic information theory; channel modeling; sensing and communication