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 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 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 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 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 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 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 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 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 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 在不完美信道状态信息和不完美串行干扰消除的场景下,研究了可重构智能表面辅助多用户非正交多址接入网络的鲁棒安全资源分配问题.考虑能量用户作为网络中的潜在窃听节点,在两类用户(信息用户和能量用户)服务质量约束和能量用户最大窃听速率约束下,建立了基站发射功率最小化优化问题.首先,基于信息用户信道增益确定串行干扰消除解码顺序,然后使用S-程序转化含信道不确定性的非凸约束,将优化问题分解为两个子问题,最后使用基于半正定松弛的交替优化方法迭代求解两个子问题.仿真结果表明:在不完美信道状态信息下,优化串行干扰消除解码顺序可以有效地降低基站发射功率.

关键词 不完美信道状态信息; 不完美串行干扰消除; 可重构智能表面; 非正交多址接入; 安全资源; imperfect channel state information; imperfect successive interference cancellation; reconfigurable intelligent surface; RIS; non-orthogonal multiple access; NOMA; secure resource allocation

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

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

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

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 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

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

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 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

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

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

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

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 无人机; 数据采集; 航迹规划; 深度强化学习; 协同任务; UAVs; data collection; trajectory planning; deep reinforcement learning; cooperative tasks

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

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 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 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 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 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 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 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 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 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 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 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 本文提出了一种基于智能超材料表面的动态捷变双端全息MIMO无线通信系统.充分利用智能超表面能够灵活动态调控电磁信号的特点,将其作为一种具有动态捷变能力的MIMO天线配置在发射端和接收端.基于此提出了全息MIMO阵列的空时动态捷变框架,在同一符号持续期内多次捷变超表面单元的相位响应,构造等效扩展空时信道矩阵,从而充分挖掘系统的通信能力.论文详细分析了多径衰落信道下系统的复用增益(自由度)、分集增益和阵列增益.结果揭示了:(1)自由度与捷变频率、径簇角度扩展、天线尺寸和收发端天线数的明确关系式,该结论表明当接收天线数少于发射天线数时,超表面单元相位响应动态捷变能够提高系统自由度;(2)分集增益与捷变频率和自由度的明确关系式,分集增益随捷变频率增加而增加;(3)阵列增益和全息MIMO阵列尺寸成正比.

关键词 智能超表面; 全息MIMO; 自由度; 分集增益; 阵列增益; intelligent metasurface; holographic MIMO; degrees of freedom; diversity gain; array gain

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 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 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 智能化时代,计算任务正从“计算密集型”向“数据密集型”转变,这使得传统冯·诺依曼(von Neumann)架构在算力和能效上面临严峻挑战.阻变器件凭借其高集成密度、高开关速度和低开关能耗等优势,在嵌入式存储、存算融合及类脑计算等领域展现巨大潜力,为解决传统架构挑战提供了创新路径.本文将讨论阻变器件的基本概念、关键电学特性及应用现状,分析其在先进工艺节点下推动嵌入式存储、存算融合和类脑计算发展的重要作用.特别地,本文将讨论阻变器件在赋能存算融合技术及类脑计算核心单元(如神经元和突触等)中的发展现状和挑战,揭示其对智能计算体系发展的支撑作用,并展望未来发展前景.总而言之,阻变器件凭借其独特的优势,为传统计算系统带来变革性创新,成为助力人工智能时代加速发展的基础器件.

关键词 阻变器件; 嵌入式存储; 存算融合; 类脑计算; resistive switching devices; embedded memory; in-memory computing; neuromorphic computing

摘要 在回顾无线通信历史、现状与挑战的基础上,本文对无线通信的未来发展趋势进行了展望.通过分析电磁场信息理论、时空编码与天线技术、企业应用与AI使能架构、通感融合应用,本文认为可以通过更大的代际颠覆性创新,来创造更大的客户价值与用户体验,支持新消费与新生产,以及可持续发展的环境与虚实融合的数字世界.

关键词 无线通信; 香农极限; 5G-A; 6G; wireless communication; Shannon limit; 5G-A; 6G

摘要 目前,神经网络模型的计算复杂度与更新迭代速度正呈现出爆炸式增长的趋势.为了在设备上高效使用神经网络算法,加速神经网络的技术得到了学术界与工业界的关注.主流的神经网络加速器,主要包含两大类.第一类通常针对特定类型的神经网络进行定制化加速,提升神经网络算法的性能.然而,这类定制加速器方案存在可扩展性较差,计算数据流固定等局限性.这种局限性使得这些方案无法灵活应对需要频繁切换网络模型的应用场景,尤其在高动态切换和实时响应的场景中表现不佳.第二类则是基于指令集Overlay处理器.这类方案首先提出一套针对人工智能(artificial intelligence,AI)加速的指令集,在面向新型网络时,可通过扩展指令实现快速支持.与此同时,通过编译器在软件侧实现神经网络计算图的优化、指令分配和映射的优化;通过硬件架构在硬件侧完成数据流、并行化等加速优化.对此,本文首先分析了专用定制神经网络加速器与通用覆盖神经网络处理器(Overlay neural network processing)的设计理念和架构特点.其次通过对这两类加速器在设计方案、灵活性以及应用适用性方面的详细比较,本文深入探讨了通用Overlay神经网络处理器,强调其在易用性、扩展性和通用性方面的显著优势.再次对现有通用Overlay神经网络处理器的现场可编程门阵列(fieldprogrammable gate array, FPGA)原型进行了系统分类,并对每一类处理器的设计原理、实现方法以及实际应用中的表现进行了深入剖析.最后本文讨论了通用Overlay神经网络处理器在设计过程中面临的挑战,并展望了该技术在未来发展中的潜在方向和应用场景,以期为今后的研究工作提供参考和借鉴.

关键词 人工智能; 现场可编程门阵列; 专用定制加速器; 通用覆盖加速处理器; 编译器; 硬件加速; artificial intelligence; FPGA; customized accelerator; Overlay processing unit; compiler; hardware acceleration

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 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 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

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

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

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 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 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

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 电池是当前新型储能技术的核心,在国家新能源发展体系中占据着举足轻重的地位,其开发过程面临着材料选择、结构优化及制造工艺等多重复杂挑战.随之而来,电池的性能、电量和健康状态的监测显得尤为重要,亟须开发新的先进监测技术,揭示电池内部的关键物理化学信息,为电池故障的早期预警提供精准依据.光纤传感器凭借其安全、成本低、结构紧凑、抗干扰能力强、易于集成且无损电池性能等优点,已成功应用于电化学领域,基于光纤的电池原位检测研究越来越受到研究者们和业界的关注.光纤传感技术与智能电池平台的融合,有望为电池行业带来颠覆性变革和进步.本文致力于推动建立基于“光纤实验室”的电池原位传感技术体系,旨在实现电池性能、健康与安全状态的实时监测,提升储能系统的可靠性.本文重点概述了光纤电池原位监测技术的优势与最新研究进展,彰显了其在推动下一代可持续能源发展中的巨大潜力,最后探讨了光纤传感在助力电池可持续发展面临的挑战和未来发展方向.

关键词 光纤传感; 电池检测; 内部状态; 安全预警; fiber optic sensing; battery detection; internal status; safety warning

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 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 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 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 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 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 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 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 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 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 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 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 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