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 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 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 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 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 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

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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 V2V通信技术使车辆能够实时共享位置、速度等重要信息,这在提升交通效率、优化能源使用以及规划最优路线等方面发挥着显著作用,但随着车辆用户的不断增加,车联网中V2V通信面临极大的安全与隐私挑战.针对这一问题,本文设计了一种V2V线性量子网络结构,利用贝尔(Bell)态的纠缠特性提出了一种基于测量设备无关(MDI)的匿名认证与密钥约定方案.该方案包括各参与方的注册、通信路径中各参与方的身份认证、通信双方的密钥约定3个阶段.方案将MDI量子技术与动态伪身份机制结合,在保障身份匿名的同时消除了测量设备带来的安全缺陷,设计了基于异或(exclusive OR, XOR)的量子随机数动态密钥生成方法,确保了会话密钥的前向安全性与抗破解性.理论分析表明,本方案可抵抗纠缠测量、拦截–测量–重放等多种攻击,并且满足完全前向后向保密与强匿名性要求.最后,在IBM量子模拟平台设计了量子电路来验证方案的正确性和可行性.

关键词 V2V; 贝尔态; 测量设备无关; 身份认证; 密钥约定; Bell state; measurement-device-independent; identity authentication; key agreement

摘要 近年来,随着通信技术的快速发展,卫星互联网已成为全球信息基础设施的重要组成部分,在军事、民用、经济和应急通信等领域的应用价值不断提升.然而,其网络架构开放、空间节点高动态、系统组成复杂且跨国跨域运营,引入了多种安全挑战与威胁.本文对卫星互联网安全进行系统性综述:首先,概述全球卫星互联网的发展态势及其重要意义,阐明安全问题的重要性;其次,分析卫星互联网的体系特征与面临的基础性安全挑战;再次,梳理卫星互联网面临的多元威胁态势并结合典型案例分析;随后,总结安全防护技术并探讨了相关的政策与法律框架;最后,展望未来趋势,旨在为卫星互联网安全领域的研究、产业实践与安全治理提供有价值的参考.

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 为应对低地球轨道卫星网络所面临的高级内部伪装攻击威胁,本文提出了一种伪装感知多维信任评估模型.该模型摒弃了依赖间接信任的传统范式,构建了一个完全基于身份、行为和服务3个正交维度的客观证据的直接信任评估框架,从根源上免疫了坏嘴攻击和共谋攻击.同时设计了一种伪装感知信任融合方法,该方法突破了D-S(Dempster-Shafer)证据理论的局限,将传统上被视为噪声的证据冲突重构为识别节点伪装行为的关键信号,从而能够精准量化并检测高级伪装攻击.仿真实验结果表明,与现有多种信任评估方法相比,本文模型在应对各类伪装攻击和动态攻击时,在检测准确性与威胁抑制能力方面均表现出显著优势,为低地球轨道卫星网络安全提供了更为鲁棒的信任评估解决方案.

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

摘要 近地轨道卫星互联网正迈向跨管理域的协同供给范式.其各运营域对于终端的接入放行通常依赖于各域黑/白名单的一致性同步.但是,如果各域的准入名单出现不一致的情况,则有可能被敌手利用从而引发实际的攻击.尽管以可靠广播互发名单虽可同步,但由于白名单表征可接入标识、黑名单表征被撤销或受限标识,敌手易据此复原终端在不同域的漫游轨迹,带来了极其严重的隐私泄露风险.为此,本文提出多运营域黑/白名单安全求并协议:各域仅提交本域标识集合,协议仅公开全网有效并集而不泄露交集与标识出现次数.方案采用对称与公钥原语并行设计,基于SM2加法同态加密方案并结合椭圆曲线加法同态快速解密,实现高效的黑/白名单安全求并,同时可抵抗合谋攻击.本文所提协议在半诚实模型下被证明是安全的.实验结果表明本文方案比现有最先进方案更加高效.比如,当存在8个运营域时,本文方案在广域网环境下比现有方案快大约1.16倍到3.32倍.本文的完整代码实现可以在GitHub仓库中得到:https://github.com/ShallMate/MPSU.

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

摘要 6G天地一体化是以基于第三代合作伙伴计划(3rd Generation Partnership Project, 3GPP)标准的非地面网络(non-terrestrial network, NTN)为具体实现路径,它通过将卫星作为基站实现全域覆盖、低时延和多场景适配.然而,由于非地面网络的星地回传链路具有链路断续联通、传播时延高、网络拓扑动态变化等特征,当前3GPP地面网络所采用的互联网协议安全(Internet protocol security, IPSec)方案由于交互轮数多、时延大、严重依赖IP地址进行身份认证等缺陷,并不适合当前卫星高速移动的场景.为此,基于无证书公钥密码体制(certificateless public key cryptography, CL-PKC)与增强型密钥交换协议(ephemeral Diffie-Hellman over COSE,EDHOC),本文提出一种轻量级认证及星地融合回传安全协议EDHOC-NTN,所提出的协议在保障回传链路安全的基础上,实现了低开销、低延迟与强安全性的统一.基于启发式分析与形式化安全协议验证,表明本协议具备抗重放、中间人、假冒攻击等安全性;性能分析与仿真实验证明,该方案较标准的IPSec协议能够节省41.7%的带宽开销和26.4%的计算开销,更加适配资源受限的星地融合网络环境.

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

摘要 随着现代卫星互联网的发展,敏感多模态数据体量不断增加,其安全存储与访问面临着极大的挑战.现有数据共享方案无法兼顾数据搜索效率与搜索过程中的隐私访问控制.为了解决上述矛盾,本文提出了一种层次化多模态数据安全共享方案(SHMDS-SI),将层次化访问控制与可搜索加密巧妙结合,实现卫星互联网中多模态数据的安全共享.首先,方案选用特异性特征提取方法为异构多模态数据进行特征提取,输出统一维度的特征向量,提高数据处理效率;其次,方案设计了策略隐藏的属性基加密与可搜索加密算法,将用户属性嵌入数据密文与查询陷门,实现安全的密文与搜索过程层次化细粒度访问控制;最后,系统通过云边端协同计算协议,指定用户段的代理服务器协助用户解密,有效降低了终端设备高昂的计算开销.本文对方案的安全性进行了严谨的证明.同时,理论与仿真分析表明本方案相较现有方案具有更好的搜索效率与性能.

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

摘要 随着低轨卫星星座与空间信息基础设施的快速发展,卫星互联网已成为全球信息网络的重要组成部分.然而,其链路时变性、星地异构性与节点资源受限等特性使得在面对高级持续性威胁时呈现出高隐蔽性与防御复杂性,传统基于博弈论的静态或半静态拓扑下的防御策略难以适应卫星网络的高动态环境.针对该问题,本文面向时变卫星互联网提出了一种高效动态的最优安全修复策略.首先,构建动态序贯修复博弈模型,将攻防过程建模为有限时域上的多时隙序贯零和子博弈来刻画攻击者的渐进式渗透行为与防御者的动态修复决策.其次,考虑拓扑动态演化、节点状态差异、防御资源约束等因素,提出基于最优控制的前后向搜索与策略更新算法,以低计算复杂度求解博弈均衡策略.仿真结果表明,所提方法能在资源受限条件下有效降低攻击累积损害并提升防御鲁棒性.

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

摘要 本文针对全球卫星互联网爆发式增长背景下,低轨巨型星座呈现出的规模化、网络化、智能化、服务化及生态化五大关键演进趋势,深入分析了在“十万卫星”级超大规模组网环境下,空天核心节点、跨域链路及星地融合边界所面临的供应链攻击、侧信道窃取及跨域协同打击等非对称威胁挑战.针对传统防御模式在应对异构网络互操作、协同指挥与系统可信性方面的局限性,本文提出了一套以“卫星互联网安全大脑”为决策核心、“星云站端”四级智能体为执行单元,并融合NodeMatrix, DataMatrix, AppMatrix与CodeMatrix四大治理框架的体系化防御策略.该体系有效解决了异构环境下的资源统一抽象、多源数据互操作、敏捷战术响应以及软件全生命周期可信演进等关键难题,为保障复杂巨型星座系统的长期可靠运行提供了系统化解决方案.

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

摘要 随着低轨卫星星座加速部署,卫星互联网已成为全球关键信息基础设施的重要组成部分.星地融合的混合架构打破了传统地面网络的“边界–域”防护模式,其网络边界模糊、全球开放接入等特性,形成跨域、动态、演化的系统性安全风险.现有方案多采用地面网络的被动防御与边界防护思想,依赖单点检测、单域隔离和集中响应,难以适配卫星互联网的高动态拓扑与多主体协同治理需求,也难以应对全球化运营面临的合规风险与信任危机.为此,本研究提出一种内生主动防御架构(endogenous active defense architecture, EADA),将身份认证、访问控制与路由转发等关键安全能力内生到系统运行全周期与交互流程中,形成以信任边界逐步外延的分阶段演进路线. EADA遵循3项设计原则:以分层联邦信任解决多方治理难题,以逻辑隔离遏制横向渗透,以智能运维驱动自适应免疫.结合典型低轨星座的分析和性能建模对比, EADA在保障跨域逻辑隔离的同时,显著降低了中间节点劫持与路径篡改风险,基于典型LEO星间链路带宽与MTU设定,该架构将SRv6协议封装开销控制在约2.4%,高并发场景下信令带宽消耗低于0.02%,并仅需占用星载FPGA约2.77%的逻辑资源即可实现微秒级线速处理.研究结果定量验证了该架构在星地资源受限和高动态环境下的工程可行性,为构建新一代安全可信的卫星互联网提供了理论支撑与体系化参考.

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

摘要 低地球轨道(low Earth orbit, LEO)巨型星座的快速部署与商用现成品(commercial off-the-shelf, COTS)技术的普及,正推动卫星互联网从封闭系统向开放融合生态演进,深刻改变了其安全格局.传统基于信息封闭的“隐晦安全”策略,在信号情报开放化、攻击面IP化与载荷软件定义化的趋势下日益失效.针对空天地一体网络环境所特有的跨层攻击统一表征难与攻击战术动态演进刻画难等建模挑战,本文提出卫星互联网安全威胁分析与动态演化框架(SAT-DEF). SAT-DEF从攻击者视角构建了信网协同入侵、多域网络渗透、多维行动打击、后攻击持久化保持四条逻辑关联的攻击链,系统刻画从信号层到网络层、从初始入侵到长期控制的动态威胁演化过程. SAT-DEF引入动态阶段迁移机制,以模拟攻击者与防御环境的交互博弈,支撑对复杂攻击路径与复合战术的分析推演.基于对KA-SAT攻击事件的系统性行为回溯与仿真验证, SAT-DEF能够有效复现攻击者行为并评估其影响,在跨层融合性、生命周期覆盖能力与动态适应性方面具有明显优势,为卫星互联网的主动威胁感知、行为分析与防御决策提供了可扩展的理论框架与方法基础.

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

摘要 低地球轨道(low Earth orbit, LEO)卫星作为6G空天地一体化网络的关键支撑,面临着海量数据高效汇聚与安全保障的双重挑战.空中计算(over-the-air computation, AirComp)利用无线波形叠加实现计算与传输融合,虽然能显著提升通信和计算效率,但其无线广播特性使其极易遭受窃听.针对上述问题,面向窃听威胁下的高动态星间链路,解耦信道预测和安全计算决策,提出一种基于深度学习的安全AirComp框架.首先,基于卫星轨道动力学先验数据,建立物理驱动的信道演化模型.设计基于时序Transformer的信道预测网络,采用残差学习范式,从历史观测中捕捉信道物理量的非线性演化轨迹,实现高精度星间信道预测.在此基础上,提出基于深度展开图神经网络(graph neural network, GNN)的AirComp策略求解器,将迭代优化算法映射为多层展开神经网络,通过GNN中的消息传递建模不同卫星节点间的交互与协同,高效生成抗窃听的安全AirComp波束成形策略.仿真结果表明,所提方案在信道参数预测上比传统方法显著降低预测误差,并且在多种网络配置条件下,均能实现接近上界的安全AirComp速率,显著优于现有启发式基线AirComp方案.

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

摘要 随着卫星技术的飞速发展,超大规模卫星互联网凭借其广域覆盖与高通量传输的潜力,逐渐成为非地面网络通信中的关键组成部分.然而,该类网络节点规模庞大、拓扑动态变化、协议交互逻辑复杂,如何实现高效且精确的网络仿真与协议性能评估面临着严峻挑战.为解决上述问题,本文基于轻量化卫星仿真平台UltraStar,针对超大规模节点及动态时变拓扑下的复杂协议交互场景,提出了一种高效并行分布式仿真方法,旨在显著提升大规模卫星互联网场景下的网络仿真效率.在此基础上,我们系统评估了不同传输层协议及拥塞控制算法组合在动态卫星网络下的性能表现,并分析了其在不同场景中的适用性与性能瓶颈.仿真结果表明,本文所提出的并行分布式仿真方法可有效支持万颗级规模的卫星互联网络仿真,且相较于其他算法,该方法显著提高了仿真效率,展现出优异的加速比与扩展性.此外,多种传输层协议与拥塞控制算法组合在不同场景下展现出了差异性的性能表现,揭示了各方案在不同场景下的性能变化规律,为协议的选型适配与优化方向提供了重要参考.

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

摘要 非地面网络(non-terrestrial network, NTN)是6G实现全球覆盖与空天地一体化通信的关键.针对现有仿真工具在3GPP标准兼容性与NTN动态拓扑建模方面的不足,本研究设计并实现了基于ns-3的高保真NTN仿真平台.具体工作包括:构建NTN专用移动模型以支持卫星等高动态节点轨迹模拟;依据3GPP TS 38.331标准扩展ns-3 NR模块的RRC(radio resource control)层,准确模拟NTN连接管理流程;实现物理层到应用层的完整NTN协议栈,支撑端到端性能评估.实验表明,该平台可准确模拟卫星动态轨迹与传播时延,支持完整端到端仿真,为6G NTN关键技术研究提供了重要工具.

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

摘要 随着复杂网络分析技术的快速发展,社群检测技术在挖掘网络结构特征的同时也引发了隐私泄露风险.因此,社群检测的对抗攻击技术应运而生,其旨在通过有限预算下的网络扰动隐藏真实社群,保护数据安全.本文首先介绍了社群检测对抗攻击研究的背景,提出了社群隐藏问题的统一建模框架,并汇总了常用的数据集信息.随后,综述了社群隐藏效果评估的度量指标及相关方法,创新性地将现有方法分为全局社群隐藏、目标社群隐藏及灵活社群隐藏三大类,梳理分析了不同算法的核心思想、技术优势及局限性,并进行了归纳总结.最后,结合我们自身在社群隐藏方面的研究基础,对该领域的研究动机、难点问题及未来研究方向进行了探索与讨论.

关键词 复杂网络; 社群检测; 社群隐藏; 对抗攻击; 隐私保护; complex networks; community detection; community hiding; adversarial attack; privacy protection

摘要 加速器如图形处理单元(graph processing unit, GPU)等凭借强大的并行计算能力,被广泛用于加速深度学习等计算密集型任务.为充分释放GPU的硬件潜力,系统层优化技术尤为关键,其中核函数融合是一种被主流框架广泛采用的优化手段.横向融合可并行调度多个无依赖核函数,提高资源利用率.然而,现有横向融合方法多基于静态计算图,难以适配具备动态分支结构的任务,如混合专家模型等,其输入在运行时动态路由至不同子网络,导致融合核函数难以预先生成.为此,本文提出FLuxer,一种面向动态分支的自动化横向融合技术.该方法引入动态分支表达抽象,辅助编译系统识别动态结构,并结合激活特性筛选候选核函数,生成一个支持运行时输入分发的融合核函数.编译过程中进一步引入参数结构体化、选择性循环展开等优化技术,提升融合函数执行效率.实验结果表明, FLuxer在无需人工干预的前提下实现了最高1.76倍的性能提升,兼顾通用性与执行效率,适用于深度学习等多类动态计算任务.

关键词 加速器; 核函数融合; 横向融合; 深度学习编译; 动态分支; accelerator; kernel fusion; horizontal fusion; compilation of deep learning; dynamic branches

摘要 随着我国在处理器芯片产业的不断深化,国产指令集架构LoongArch应运而生,其发展需要相应的软件生态系统作为支撑.然而,由于指令集架构之间的差异性,开发者在适配软件项目的过程中,常需要耗费大量时间和专业知识来识别软件包中和架构相关的成分,并制定相应的移植策略.目前的指令集架构移植技术主要依赖于二进制翻译技术,虽然该项技术极大地推动了软件适配的进度,但会引入额外的性能开销,在出现错误时会增加调试难度,不能适用于所有软件系统.因此,亟需一种有效的源代码移植辅助技术,从根源上解决软件及其后续演化版本的指令集架构难题.为应对上述难题,本文建立了一种移植技术框架——ArchPorting,以助力国产指令集架构LoongArch软件的迁移适配. ArchPorting构建了多维度的指令集架构特征知识库,并能识别多种编程语言软件包中的架构相关成分.针对定位到的待适配的代码片段,利用大语言模型(large language model,LLM)的代码生成能力和架构知识库,根据基础架构知识、架构映射关系和代码迁移示例等,定制化地合成包含迁移背景知识的提示词,进而生成符合上下文语义的代码移植策略,辅助开发者完成软件适配.评估结果表明,ArchPorting在识别架构成分方面的准确率达90.5%,召回率为99.1%:生成的移植策略中,有80.29%的代码片段能够降低开发者进行软件适配的代价.综上所述, ArchPorting显著提升了软件迁移的效率和准确性,为龙架构CPU的发展提供了强有力的支持.

关键词 软件适配; LoongArch; 跨架构移植; 大语言模型; 代码生成; software adaptation; cross architecture porting; large language model; code generation

摘要 动态图神经网络近年来因其在建模时空动态信息方面的强大表现而备受关注.然而在现实世界中动态图往往存在分布偏移问题,这种偏移可能来源于时间变化、空间变化,甚至内在的数据生成机制不一致等.现有动态图神经网络模型在分布偏移下的性能显著下降,尤其是在复杂场景中,模型倾向于过度依赖与标签形成虚假关联的变化模式(即伪相关模式),难以刻画具有跨分布稳定预测力的时空不变模式,导致泛化性差.为了解决这一问题,本文提出了一种基于显式独立性解耦的动态图注意力网络,所提方法通过设计专门的模块与优化机制,实现对动态图中时空不变模式的有效建模并显著提升分布偏移下的泛化性能.本文包含三方面的技术创新.首先,所提方法设计了解耦动态图注意力网络,用以建模动态图中的可泛化的时空不变模式,并通过显式分离不变模式和变化模式而避免模型过度依赖容易受到分布偏移影响的变化模式.其次,所提方法引入基于因果推断的时空干预机制,通过生成多种干预分布来模拟分布偏移环境,帮助消除伪相关性,提升模型对不变模式的学习能力.最后,所提方法设计了基于不变性约束和独立性约束的解耦优化模块,增强模型在跨分布预测任务中的泛化性.本文在多个真实数据集和模拟数据集上进行了广泛的实验.实验结果表明与现有的动态图神经网络模型和分布外泛化方法相比,本文所提方法在分布偏移场景下显著提高了模型预测泛化性能.此外,本文还通过消融实验和可视化分析验证了模型中关键模块的有效性和必要性,并对分布外泛化的动态图神经网络进行了未来研究方向的展望.

关键词 动态图神经网络; 解耦; 分布偏移; 图机器学习; 独立性; dynamic graph neural network; disentanglement; distribution shift; graph machine learning; independence

摘要 联邦学习是保护数据隐私的分布式机器学习范式.参与联邦学习的客户端通常拥有不同的硬件资源和训练数据,但传统的联邦学习方法往往忽视了异构客户端在数据和资源上的多层次协作关系,从而导致协作不足,收敛性能受限问题.针对该问题,本文提出了一种基于客户协作关系图的异构联邦学习方法 (HFLCG),旨在挖掘异构客户间的多层面协作关系,实现高效且精细的客户协作.在HFLCG方法中,通过引入客户计算能力的量化指标将客户分为多个集群,并根据集群间的资源差异构建有向非对称拓扑的资源协作关系图,使高能力集群加速低能力集群的收敛,同时低能力集群的数据知识对高能力集群形成补充,有效缓解了传统联邦学习中低能力客户端收敛缓慢和知识交流不对齐的问题.此外,通过在客户集群内构造权重自适应的数据协作关系图,更好地应对不同级别的数据异构情况.双层协作图相互联动,使得客户充分吸收数据知识的同时尽可能受到高资源客户的协助,以同时解决数据和资源异构问题.实验表明,本文提出的方法比基线方法达到同一目标准确率所需时间至少降低了47.34%,在不同资源和数据异构情况下具有较好的鲁棒性.

关键词 联邦学习; 资源异构; 数据异构; 协作; 关系图; federated learning; resource heterogeneity; data heterogeneity; collaboration; relationship graph

摘要 大规模语言模型(LLMs)在解决自然语言任务方面取得了显著进步,缩小了人类与人工智能之间的差距.然而, LLM的性能仍然对提示的细微变化非常敏感.其中引起本文注意的一个现象是,为LLM提供几个问题–答案配对的示例,即使示例的答案是随机选择的,仍然可以显著提高其性能.在上下文学习中, LLM利用示例的机制能够分解为任务辨识(task recognition)和任务学习(task learning)两种,而随机标注示例对性能的提升主要归功于任务辨识.这一现象表明, LLM在任务辨识上仍有不足.本文主要研究LLM在任务辨识上不足的可能原因,指出这一不足可能源于自然语言数据的长尾分布特征和任务之间固有的相似性.本文进一步构建理论模型对这一猜想进行论证,而后通过一系列实验验证了理论假设与理论结果,分析了模型参数量等因素对模型任务辨识能力的影响.最后,本文进一步探究了针对LLM任务辨识不足的可能改进方向.

关键词 大规模语言模型; LLM; 任务辨识; 少样本提示; 数据分布; 经验损失; large language model; task recognition; few-shot prompting; data distribution; empirical risk

摘要 近年来,中间相遇（meet-in-the-middle, MitM）攻击在高级加密标准（advanced encryption standard, AES）类结构和海绵型结构的密码分析中均取得了显著进展.作为SHA-3竞赛的决赛入围者, JH杂凑函数采用了基于置换的压缩函数结构,其设计思想与Even-Mansour结构相近,并结合了广义的AES设计方法论.本文针对JH-512的置换提出了一种MitM攻击建模框架,并利用混合整数线性规划（mixed-integer linear programming,MILP）方法自动搜索,成功找到了一条覆盖13轮的MitM特征.在此基础上,我们对缩减至13/42轮的JH-512进行了MitM原像攻击,时间复杂度为2320,相比当前已知最佳的10/42轮(时间复杂度2325)原像攻击进一步改进.虽然完整版JH依然被认为是安全的,但本文提出的方法为JH及同类原语的密码分析提供了新的思路与工具支持.

关键词 杂凑函数; Even-Mansour结构; 中间相遇攻击; 原像攻击; JH; hash function; Even-Mansour construction; meet-in-the-middle attack; preimage attack

摘要 针对具有不规则状态约束的多智能体系统一致跟踪问题,提出一种自适应模糊一致跟踪控制方法.首先,考虑多智能体不规则状态约束边界不可微特征,设计一种具有动态异构性的避撞函数,解决状态变量不可微硬约束引发的控制信号非光滑跳变问题,消除约束边界固定拓扑形态的强假设条件.其次,针对多智能体死区、饱和输入与不规则状态约束切换耦合造成的约束振荡冲突问题,构建一种无需边界先验知识的分布式光滑扰动近似方法,确保局部扰动抑制与全局约束协调.接着,针对动态不规则状态约束突变导致的多智能体协同失稳风险,提出一种基于非对称受限误差变换的自适应模糊控制方法,保证多智能体输出能够一致跟踪共同的期望轨迹.最后,通过两个仿真例子验证所提方法的有效性.

关键词 多智能体系统; 不规则约束; 自适应控制; 一致跟踪; 扰动; multi-agent systems; irregular constraints; adaptive control; consensus tracking; disturbances

摘要 针对导引头视场角受限情况下的攻击角度或攻击时间调节问题,提出了一种基于前置角高阶多项式剖面塑形的三维多约束末制导律.首先,将前置角分量的参考剖面设计为关于归一化相对距离变量的高阶多项式;随后,利用初末时刻边界条件消除导弹初态到参考剖面的收敛过程,并将剖面处理为仅含一个待调参数的形式,给出驱动导弹沿剖面飞行的制导指令;结合不同攻击约束,给出剩余剖面参数的闭式整定方法;考虑视场角约束,进一步解析推理了剖面参数的安全集及对应的攻击约束可达域.与现有方法相比,本文给出了一种新的任意阶前置角泛化剖面的设计方法和约束可达域分析理论.所设计的制导律既不依赖模型线性化,也无需非连续切换逻辑,且对变速率模型具备适应性.所提供的解析解规避了迭代数值搜索方法的保守性,并避免了初始参数的盲目选择.此外,大量数值仿真和蒙特卡洛(Monte Carlo)测试以及对比实验验证了所提制导律的有效性、鲁棒性以及更低的过载需求.

关键词 三维制导; 视场受限; 攻击时间; 攻击角度; 可达域; three-dimensional guidance; field-of-view constraint; impact time; impact angle; reachable region

摘要 在智能制造领域,自动导引车(automated guided vehicle, AGV)与机器的集成调度对完工时间与能源消耗具有重大影响.然而,现有调度方法难以高效协调AGV运输与作业执行,在分布式柔性作业车间调度场景下,该问题尤为突出.为此,本文提出一种深度强化学习增强的质量多样性优化算法,以充分利用运输与机器的行为特征,生成高质量且多样化的帕累托解集.首先,针对AGV运输特性,设计知识辅助的协作启发式策略,以优化作业、机器和工厂的调度,提升解的整体质量.其次,针对搜索算子利用率低的问题,提出基于深度强化学习的智能选择机制,以克服随机选择的局限性,提高搜索效率与优化质量.仿真实验表明,所提算法在完工时间与能耗优化方面均显著优于现有方法,验证了其有效性.

关键词 分布式柔性作业车间调度; 自动导引车运输; 质量-多样性优化; 深度强化学习; 多目标优化; distributed flexible job-shop scheduling; automated guided vehicle transportation; quality-diversity optimization; deep reinforcement learning; multi-objective optimization

摘要 能量管理系统对于现代微电网的经济优化运行至关重要.微电网中的分布式可再生能源具有较强的间歇性和不确定性.本文提出了一种结合随机规划和近端策略优化算法的风能–太阳能–柴油机–储能电池微电网能量管理优化方法.首先,采用门控循环单元网络对风电功率进行预测.通过拉丁超立方采样生成不同概率的风电误差,并结合门控循环单元网络预测值,获得不同概率的风电场景.然后,将复杂的优化问题构建为具有高维动作和状态空间的马尔可夫(Markov)决策过程.利用近端策略优化算法在该框架下求解优化每个机组的日前功率,从而最小化日前运行成本,同时保证微电网的运行安全.仿真结果显示,所提出的能量管理系统在实际微电网运行中具有高效性和鲁棒性.

关键词 微电网; 能量管理; 近端策略优化; 随机规划; 风电场景; microgrid; energy management; proximal policy optimization; stochastic programming; wind power scenarios

摘要 潜油电泵的实时异常检测对于确保石油长期安全生产至关重要.然而,现有方法在过程建模时未充分考虑数据的多维时空交互特性,且缺乏对先验知识的充分利用,性能有待提升.为此,本文提出了一种先验知识增强的小波时空图网络(prior knowledge-augmented wavelet spatial-temporal graph network, PKWST-GN).该方法首先构建了基于先验知识的特征与离散小波变换后所获得的小波域特征之间的融合策略,并通过多元时间序列相关性学习模块有效揭示各变量间的空间关联性.接着,利用由扩张卷积构成的时间模块,进一步提取融合特征中的长期时序信息.同时,通过跨通道图卷积对变量空间特征进行编码,实现了潜油电泵融合特征的时空协同学习与深度融合.此外,一种自适应阈值异常检测机制进一步集成到PKWST-GN中,以平衡扰动带来的误报率高的问题.最后,通过某真实油田的实际生产数据验证了所提方法对异常检测性能的有效提升.

关键词 先验知识; 小波变换; 时空协同; 图神经网络; 潜油电泵; 异常检测; prior knowledge; wavelet transform; spatial-temporal; graph neural network; electric submersible pump; anomaly detection

摘要 伴随着理论创新、技术突破与实验验证的不断深入,远距离高功率微波无线传能(wireless power transfer,WPT)与空间太阳能电站(space solar power station, SSPS)在不断改进与创新之中,本文对此作如下阐述.(1)提出了分布式欧米伽(OMEGA)创新设计方案,不仅可保证在若干单元失效时,系统仍能正常工作,提高系统的可靠性,且明显降低空间高压高功率传输与管理的压力.(2)论述了面向远距离微波传能的窄波束形成的发射天线设计问题.(3)讨论了面向高功率、小型与轻量化、能量与信息同时传输的接收整流天线的设计问题.(4)阐述了天上原型与地面缩比模型间的相似性问题.(5)探讨了发射与接收天线AiP集成设计与制造问题.(6)介绍了相关测量问题.

关键词 分布式OMEGA-SSPS设计; 多波束综合; 窄波束波形设计; 基于AiP的天线设计; 缩比模型与天上原型的相似性; 多物理量测试技术; distributed OMEGA-SSPS design; multi-microwave beam synthesis; narrow-beam beamshape design; AiP-based antenna design; similitude between prototype and practical system; multiple physical quantity measurement

摘要 受经典衍射极限制约,雷达角分辨率受限于天线孔径及工作波长,使得波束内角分辨问题成为雷达领域长期存在的难点问题,特别是缺乏统一的理论,可用于诠释其共同的物理基础和数学实质,测度其角分辨潜力,优化其实现方式,指导其新途径新体制探索.本文提出的波束内角分辨空时变契合理论,揭示了其物理基础是形成电磁波空变性与时变性的契合,其数学实质是实现角度维观测方程组的有效构建和求解,给出了以空变梯度熵与时变邻距和之积来测度空时变契合度的方法.并据此剖析了不同系统体制的波束内角分辨能力差异和适用场合,还给出了借助该理论来创新系统体制并实现波束内角分辨的验证和应用实例.

关键词 雷达角分辨; 波束内角分辨; 空变性; 时变性; 空时变契合度; radar angular resolution; angular resolving within the beamwidth; spatial variability; temporal variability; spatiotemporal variability compatibility

摘要 针对新型电力系统多元主体灵活高效随机接入与服务质量保障需求,亟需解决现有地面网络通信覆盖不全、任务实时响应弱、设备能量受限等难题.本文提出了由低轨卫星、无人机和地面用户设备构成的空天地协同赋能移动边缘计算系统模型,通过研究用户任务切分、卸载策略、功率控制、无人机轨迹规划和边缘计算资源分配的联合优化问题,以实现终端长期能耗最小化.然而,该问题中短期优化决策与长期超高可靠低延迟通信(ultra reliable and low latency communication, URLLC)约束高度耦合,无法直接求解.为此,采用李雅普诺夫(Lyapunov)优化将原问题转化为一系列可逐时隙求解的子问题.设计基于多智能体软Actor-Critic(multi-agent soft actor-critic, MASAC)的URLLC感知能耗优化算法,并提出了改进的重参数化和激活函数调整策略,实现对问题的高效求解.仿真结果表明,所提方法在降低系统能耗和保障URLLC约束方面优于其他基线方法.

关键词 空天地移动边缘计算; 轨迹优化; 资源分配; 超可靠低延迟通信; 多智能体软演员-评论家; space-air-ground collaborative mobile edge computing; trajectory optimization; resource allocation; ultra-reliable and low-latency communication; multi-agent soft actor-critic; MASAC