计算机应用研究杂志

计算机应用研究杂志2025年第10期

• 胶囊网络综述

  朱晓娟,李卫军,马馨瑜,熊章友,杨国梁,

  胶囊网络通过其独特的网络结构和动态路由算法，有效克服了卷积神经网络对数据的依赖性以及识别物体位置、姿态和空间关系建模上的局限性，具有巨大的潜力和可塑性。为系统梳理胶囊网络这一架构的研究进展，围绕基础理论及优化方法、实验对比和应用领域展开讨论。首先，介绍了向量胶囊网络和矩阵胶囊网络两种基本架构及核心算法，并分析了不同优化策略及其优缺点；其次，通过实验对比分析了胶囊网络及其改进模型的性能；此外，探讨了胶囊网络在目标检测、医疗、交通等多种领域的应用。最后展望了胶囊网络的未来研究方向和发展趋势。

• 深度学习小目标检测算法综述

  张琴,郭为安,

  小目标检测是目标检测领域的重要分支，在智能监控、无人驾驶、医学影像分析和遥感监测等实际应用中具有重要价值，然而，由于小目标像素占比小、特征表达弱、背景复杂，以及检测精度与速度难以平衡，其技术挑战仍然突出。在广泛文献调研的基础上，梳理了小目标检测的技术挑战与解决方案，分析了特征表达不足、上下文信息利用不充分、样本不平衡等核心问题，总结了多尺度特征融合、注意力机制、知识蒸馏等关键技术进展。基于MS COCO和TinyPerson数据集，对主流算法的检测效率与精度进行对比，揭示了不同方法的优劣，并探讨了生成式特征学习、自监督学习、动态架构设计等未来研究方向，为小目标检测技术发展提供参考。

• 面向飞行自组网的路由协议仿真评估研究进展

  印家豪,谢升旭,鲁兴波,宁丽娜,

  随着无人机技术与协同通信的发展，飞行自组网（FANET）因其高灵活性与动态性，在军事、农业、物流等各领域得到广泛应用。由于FANET具有节点移动性高、通信链路易中断等特性，其路由协议的设计与评估面临诸多挑战。为分析FANET路由协议研究的主要方向、共性问题以及关键难点，对当前典型FANET路由协议及其仿真评估方法进行了系统梳理与比较。重点分析了各类协议在拓扑感知、链路维护、能效控制等方面的优化策略，总结了常用性能评估指标体系，并评估了主流仿真工具在建模精度、验证效率及适用性等方面的表现。研究覆盖了协议设计、性能评估指标、仿真验证环境等多个维度，揭示了当前研究在各方面存在的不足与挑战，并对未来研究方向进行了探讨。

• 基于智能合约信誉管理的VANET数据共享隐私保护方案

  张磊,白永波,陈运,陈杰,刘义,

  为解决车载自组织网络（VANET）中数据共享所面临的隐私与安全问题，提出一种基于信誉管理的隐私保护方案。该方案结合分布式存储IPFS与智能合约，实现数据的可追溯与不可窜改。通过引入信誉机制和同态加密保护反馈评分，动态更新用户信誉值，有效防范恶意行为带来的隐私泄露风险。基于轻量级的数据处理机制，该方案特别适用于资源受限的VANET环境。实验结果表明，该方案在具备同等隐私保护能力的前提下，其计算和通信资源消耗方面优于现有方法。

• 一种编辑可控且可追责的可编辑区块链方案

  薛庆水,陈涛,

  现有的许多区块链应用研究方案都强调了区块的可编辑性以应对可能出现的错误问题，一个安全有效的可编辑区块链方案需要在保证链上数据可编辑的同时还要对其编辑权限进行严格控制。针对这些问题，首先设计了一种编辑请求控制策略，利用智能合约记录所有节点与区块的编辑状态来对相关编辑请求进行控制以应对区块编辑中存在的过度编辑问题；其次设计了一种应对大规模区块链的代表节点机制，代表节点的选取采用基于编辑行为的信誉度评估策略，解决了去中心化陷门管理下的陷门恢复效率问题；最后设立了一个可信的变色龙随机数生成机构来对代表节点的编辑内容进行严格限制以实现对编辑权限的细粒度控制。方案对比和实验结果表明，该方案在保证系统安全和高效的前提下实现了去中心化陷门管理和区块编辑，并且在复杂编辑环境中具有更高的稳定性和可控性。

• 基于PowerTrust算法的中继链信誉管理模型

  翟社平,魏杰,杨锐,张卫星,

  为解决现有中继跨链方式中节点不可信问题，并预测其在未来一段时间内发生作恶行为的可能性，提出了一种中继链节点信誉管理模型。该模型对PowerTrust算法进行改进，并与中继链相结合，引入动态马尔可夫决策优化原本算法中的分布式哈希机制，并利用强力节点提高信誉聚合的效率。通过节点近期交易记录和节点本身信息评判节点的可信度。实验结果表明，所提方法能够在一定时间内有效计算出节点信誉值，且在节点产生作恶行为后及时对其信誉值做出调整，并能够选择出可信的中继链节点执行跨链交易，提高了系统的安全性。

• 基于不确定性估计的微调代码生成模型与大语言模型的协同方法

  洪少东,申国伟,罗素芬,刘涛,

  针对代码生成任务，微调模型与大语言模型（LLM）的互补机制尚未得到系统性分析，导致两者在协同过程中存在决策边界模糊的问题。提出一种基于不确定性估计的微调代码生成模型与LLM的协同方法Coral，分析微调代码生成模型与LLM的互补机制，量化两者决策边界。Coral通过预期校准误差的思想，比较不确定性估计方法，为微调模型配备较为稳定的不确定性估计方法，使其能够输出不确定性估计得分，反映输出的不确定性。Coral通过最大化微调模型与LLM在验证数据集的BLEU指标，计算不确定性估计阈值，量化两者的决策边界。基于阈值与微调模型输出的不确定性估计得分识别分布内（in-distribution，ID）与分部外（out-of-distribution，OOD）数据，利用LLM提升微调模型在OOD数据的泛化能力，从而提升代码生成任务的整体效果。在两个基准数据集的性能测试中，Coral的BLEU与Exact Match得分优于单独使用微调模型或LLM，证明所提方法能够有效协同微调模型与LLM。

• 基于提示引导多跳推理的医学诊断检索增强生成

  秦乐,勾智楠,王培伍,张高飞,刘思雨,高凯,

  医疗诊断任务的复杂性在症状表现和疾病关联上尤为突出。医疗诊断任务因“同病异症”与“异病同症”的复杂性，对模型推理能力提出了更高要求。传统检索增强生成（retrieval-augmented generation，RAG）技术的静态检索和单步推理难以捕捉多层级逻辑关系（如症状→科室→疾病→鉴别诊断）。为有效突破这一局限，提出一种面向医疗领域的新型框架——基于提示引导多跳推理的医学诊断检索增强生成模型（prompt-guided multi-hop reasoning for retrieval-augmented generation，PGM-RAG）。该框架结合医学领域基础知识，通过设计每个推理步骤的提示信息，为模型提供清晰的推理指引。同时，设计量化重写机制，严格控制大语言模型生成内容的准确性，从而提升推理过程的可靠性和诊断结果的精确性。在Huatuo-26M和WebMedQA两个公开医学数据集上的实验表明，该模型在EM和F1指标上分别优于现有最佳方法12.6%和8.9%，且消融实验证明多跳推理链与量化重写机制对模型性能有显著提升作用。

• 基于扩散模型加速和感知优化的高效姿态驱动人体动作生成技术

  王家松,周雷,张博,

  现有姿势条件驱动的数字人视频生成技术主要聚焦于提升生成结果的质量，如视觉逼真度和动作流畅性。然而往往忽视了生成速度较慢的问题，从而限制了其在实时性应用中的有效部署。为此，针对基于扩散模型的数字人生成技术推理延迟高、计算成本大的问题，提出了一种基于扩散模型加速和感知优化的加速框架（DAF-DH）。该方法采用三级加速策略来提高效率并优化生成质量。首先，通过 TensorRT 优化扩散模型的推理效率；其次，利用基于 TensorRT 加速的扩散模型，结合降低输入分辨率和抽帧生成的方式，快速生成低分辨率、低帧率的初始视频；最后，设计一个轻量化后处理模块，通过超分辨率和插帧算法提升视频的分辨率和流畅度，从而优化最终生成质量。同时，为了提升主观质量，引入语义特征对齐损失函数，进一步优化视觉感知效果。此外，构建了包含1 705个动作序列的DH-Motion数据集，为研究提供基准。实验结果表明，该框架在MimicMotion基础上实现5倍加速比，生成质量有所提升，LPIPS指标降低0.033，FVD指标减少82.9。这些结果证明DAF-DH有效降低了推理延迟，提升了生成质量，适用于实时数字人视频生成应用。

• 基于练习题目文本语义嵌入的知识追踪

  程植,李金龙,

  针对开放域习题数据场景下知识追踪模型对新增习题表现不佳的问题，开展了基于练习题目文本语义嵌入的知识追踪模型研究。该模型包含两个阶段：第一阶段利用微调的预训练语言模型获取练习题目的语义嵌入信息；第二阶段利用习题的嵌入完成知识追踪任务，并设计了答案编码器捕获学生的作答答案信息。为验证模型性能，在英语阅读理解数据集上，将该模型与当前表现最优的知识追踪模型进行对比实验。实验结果显示，该模型在 AUC 和 ACC 等关键指标上显著优于对比模型，有效提升了开放域数据中新增习题的知识追踪效果。该方法通过文本语义嵌入技术实现了对新增习题的有效建模，为智能教育系统在开放域题库场景下的应用提供了创新解决方案。

• 基于环境识别策略的多目标自适应粒子群算法及应用

  武保同,舒若琦,陈志祥,

  针对标准的多目标粒子群算法在寻优过程中易出现局部最优、收敛速度过快和精度较低等问题，提出了一种基于环境识别的多目标自适应粒子群算法。利用佳点集策略生成初始种群，使个体均匀分布在解空间内；采用非线性惯性权重机制和交叉变异策略，避免算法在搜索过程中过快收敛；提出基于环境识别的自适应学习算子和自适应跳跃协作算子，分别通过自识别解空间内种群多样性程度和粒子小生境内拥挤度信息实现粒子间信息的交互和学习。通过多组基准函数的仿真实验进行比较，结果表明算法的搜索能力和优化精度都得到明显改善。最后，通过一个带有NP-hard性质的实际多阶段生产案例验证了算法的实用性。

• 考虑能耗的自动化集装箱码头AGV无冲突路径规划

  邢大宁,陈慧,

  针对自动化集装箱码头多AGV行驶路径冲突和作业能耗高的问题，提出一种改进的基于时空网络的无冲突节能路径规划方法。对码头路径节点赋予时间信息构建可根据时间更新的AGV时空路网，以最小化AGV总运行时间和总能耗为目标函数，综合考虑冲突规避、安全电量等约束，建立基于AGV时空路网的节能路径规划数学模型。设计基于时空网络的TSN算法进行求解，在AGV时空网络中执行最短路径算法并检测和解决冲突，运用动态优先级机制判定AGV优先级，并采用混合冲突解决策略得到各AGV的无冲突路径。最后通过对比实验验证模型及算法的有效性。实验结果表明，与带时间窗的Astar和 CBS相比，TSN在平均运算时间、AGV总运行时间和能耗方面均表现更佳，能够有效提高码头的运作效率。

• 易混淆样本驱动的簇间分布优化短文本聚类

  恩卡尔·奴尔太,马博,王震,艾孜麦提·艾尼瓦尔,吐尔洪·吾司曼,杨雅婷,

  短文本聚类旨在将无标签的短文本实例划分为不同的语义簇。针对该任务中易混淆样本难以有效区分以及语义相近簇间特征分布重叠的挑战，提出了一种易混淆样本驱动的簇间分布优化短文本聚类方法。该方法首先基于信息熵采样不确定性较高的样本作为易混淆样本，并选取其邻近簇样本构建候选集；随后引入大语言模型进行语义判别，构造“易混淆样本-正样本-负样本”三元组；同时，采用参数随机扰动机制为每个样本生成自身正例；最终在对比学习框架下实施簇间分布联合优化。在四个公开短文本数据集上的实验结果表明，与现有先进模型相比，所提方法的聚类效果均有提升，平均准确率提高了5.14%，平均标准互信息提升了2.51%。通过实验结果的分析，进一步验证了该方法不仅显著提升了模型对簇间易混淆样本的语义辨别能力，而且有效缓解了语义相似簇间的特征分布重叠问题。

• 融合实体特征聚合和关系语义聚合的推理模型

  董文永,梁智学,周孟强,贾亚洁,

  目前大多数现有的时序知识图谱推理模型都依赖于关系图神经网络来捕捉每个快照中实体之间的语义依赖关系。为了更好地利用图谱数据中的结构信息，提出了一种融合实体特征聚合和关系语义聚合的推理模型EFRSA。该模型能够捕捉每个时间戳下并发实体之间的语义依赖性，通过实体特征聚合模块识别和利用共现实体之间潜在的重要关联；同时，EFRSA还引入了基于关系关联子图的关系语义聚合模块，以充分表达图结构中的关系语义信息。在ICEWS、GDELT、YAGO和WIKI等数据集上的实验结果表明，EFRSA在实体预测的MRR评估指标上有0.89~3.24的提升，在关系语义预测上都取得了最高的性能，从而增强了模型的推理能力。

• 融合动态传播网络与双重特征差异的社交网络谣言检测模型

  徐桂琼,何思桦,李卫民,

  当前谣言检测模型多基于静态信息构建，难以捕捉谣言动态传播特征，且忽视了原始帖子与评论在情感极性、主题语义等维度的特征差异及动态演变。为解决该问题，提出了融合动态传播网络与双重特征差异的社交网络谣言检测模型（DNDF），旨在借助多维度特征动态演化分析，提升谣言检测的效能。首先，模型通过双重特征差异模块，从情感极性和主题语义维度分析原始帖子与评论序列的特征变异规律；然后，结合传播图序列利用BiLSTM生成差异特征序列；最后，模型引入co-attention机制，强化文本特征与情感差异特征、主题差异特征间的交互学习。在公开数据集PHEME、WEIBO上的实验表明，DNDF的准确率提升了0.3%和2%，在F1等多个指标上优于主流基线模型，验证了其在社交网络谣言检测任务中的有效性。

• 基于检索增强生成的主题推理模型

  潘理虎,李婕,赵红燕,

  针对大语言模型在主题建模中面临的主题多样性和模型可解释性不足的挑战，提出了一种基于检索增强生成的主题推理模型（TIM_RAG），采用三阶段架构实现主题生成与分布推理。首先，在RAG检索阶段设计多维文档相似度检索方法，筛选兼具词频相关性与深层语义关联的相似文档，增强单篇文档的主题信息，提升主题多样性；其次，在RAG生成阶段构建多视角主题生成策略，借助思维链引导LLM提取多角度主题词，并生成中间步骤以提高该过程透明度；最后，在独立推理阶段提出嵌入传输计划机制，通过最优传输理论建模文档-主题与主题-词汇的语义关系，进一步提升模型可解释性。在WikiText-103、BBC News和20 Newsgroups数据集上的实验表明，TIM_RAG模型有效缓解了主题多样性不足的问题，提升了主题模型的性能。

• 基于多粒度渐进式融合的多模态命名实体识别方法

  应旭剑,朱艳辉,陈豪,满芳滕,张志轩,

  为解决现有多模态命名实体识别方法中存在的细粒度语义缺失和多模态语义表征不一致等问题，提出了一种基于多粒度渐进式融合的多模态命名实体识别方法。首先，设计了动态门控过滤机制，通过跨模态动态权重筛选与文本特征相关的视觉区域特征，并引入跨模态对齐与对抗扰动机制，增强文本特征与视觉全局特征的一致性和泛化能力；其次，设计了一种多层次渐进式融合网络，通过融合不同层次的特征向量，采用多级融合策略，并联融合文本级、文本-区域图像级、文本-全局图像级三个层级特征，成功构建一个噪声抑制与语义增强并行的多粒度表征学习体系。在Twitter-2015和Twitter-2017基准数据集上进行大量实验显示，该方法与其他的多模态命名实体识别方法相比，平均F1值分别提升0.89%和1.08%，表明该模型在命名实体识别任务中的有效性。

• 基于跨被试和跨会话的脑电信号情感识别方法

  史鹏程,王海龙,柳林,

  脑电信号是识别情感状态的重要指标，基于脑电信号进行情感识别是精神类疾病诊断和康复的关键环节。在情感识别领域，目前众多研究重点关注于脑电信号的时空信息，未充分考虑不同个体（跨被试）、不同时间段（跨会话）脑电信号的差异性。领域自适应方法是处理该类问题的一种有效手段，在领域自适应方法基础上，提出了多源领域自适应的脑电信号情感识别方法。该方法将多个源域分别转移到目标域，从而避免了多个脑电源域的影响。首先引入基于线性模型的公共特征提取器获得低级域不变性特征；接着引入基于多头自注意力机制的特定领域特征提取器获取特定领域特征；通过特征处理机制，逐步剥离生理差异、情绪波动等域特异性干扰因素；最后引入基于长短期记忆网络的特定领域分类器捕捉输入数据的时序依赖关系，提高模型对复杂特征的表达能力。在SEED和SEED-Ⅳ数据集上进行实验，跨被试的准确率分别为90.02%和91.57%，跨会话的准确率分别为67.09%和69.27%。实验表明，所提方法在跨被试和跨会话情感识别任务中的准确率均优于多个基准模型，充分验证了模型的有效性及泛化性能。

• 基于Puma算法引导帕累托前沿的高效多目标提示优化方法

  董祥千,肖铮,

  针对现有提示优化方法在可扩展性与自适应性方面的局限，提出一种基于Puma算法的多目标提示优化框架Puma-MOPT。该框架结合Puma算法的自适应相位切换和全局搜索能力与PromptWizard的提示生成及评估机制，以实现对提示词的自动搜索和多目标权衡。为提高搜索效率并增强小样本场景下的泛化能力，Puma-MOPT框架引入语义相似性约束并采用对抗过滤技术。在数学推理、医疗问答和代码生成等五个领域的实验结果表明，该框架在多个评估指标上均显著优于NSGA-Ⅱ、MOEA/D、EvoPrompt和PromptWizard等基线方法。Puma-MOPT为大语言模型（LLM）提示工程提供了一种高效、鲁棒且通用的解决方案。

• 搜索圆环上不协作不对抗的变速目标算法

  吴浩男,魏琦,张蕊悦,李鹤,

  在已知环境中进行目标搜索是机器人的基本任务之一，相关问题在计算几何学和机器人学的研究中受到广泛关注。目标搜索问题要求机器人采取高效的搜索策略，以最小化机器人找到目标所需时间。假设k个最大速度为1的机器人被放置在单位圆环上，一个不对抗不协作的移动目标沿着圆环以可变速度移动，机器人的任务为搜索到该目标。针对机器人数量及对目标的已知程度（如移动方向、速度函数等），设计了相应的搜索算法。对于k=1，结合模型特点使用可视化图研究搜索过程中机器人和目标的轨迹，通过分析算法在各种条件下应满足的一般要求，证明了算法的最优性，得到关于目标速度函数的上确界和下确界。进一步将结果推广到k≥2，证明了相应的上确界和下确界。最后，通过实验仿真验证了理论分析的正确性。

• 面向水下三维空间约束的AUV人工势场避障算法

  吴佳俊,张美燕,许素安,傅淑丹,

  为解决自主水下航行器在三维洋流干扰环境下难以避开随机移动障碍物的问题，提出一种改进的人工势场法。该方法使用二维直角坐标系和三维球坐标系的转换，将传统人工势场法扩展到三维空间，并引入安全距离和调节因子，优化势场计算以适应动态环境下的避障路径规划。建立洋流模型和AUV动力学模型，模拟AUV在洋流干扰下的真实运动轨迹。仿真实验表明，在相同的参数条件下，改进算法相比于传统方法避障成功率提升了80%；在不同的参数组合下亦表现出良好的避障能力。相较于传统算法，改进算法在移动障碍物环境下具有更强的适应性和鲁棒性。

• 基于大模型的污染规范提取方法

  方梦麒,徐建,

  随着移动应用的广泛普及，隐私泄露问题日益成为亟待解决的挑战。现有的隐私泄露分析技术通常依赖预定义的源和汇API（application programming interface）列表，即污染规范，而传统污染规范提取方法多采用手动筛选或机器学习算法，难以适应大规模应用场景，且误报率较高。针对上述问题，提出一种基于大模型的污染规范提取方法TaintLM。TaintLM以官方API文档为主要输入，并构造精心设计的指令驱动大模型进行多任务学习，实现源汇分类和语义分类；同时，针对当前领域数据不平衡问题，提出一种多任务迭代微调策略，将半监督学习引入多任务学习框架中，通过半监督学习生成伪标签数据并在微调过程中迭代优化模型性能。实验结果表明，TaintLM在源汇分类和语义分类任务上的F1分数分别为0.92和0.94，优于现有主流方法。该方法提升了污染规范提取的准确性，验证了其在污染规范提取中的有效性，为移动应用隐私保护提供了高效的技术支持。

• 虚拟电厂一致性分布式经济调度的两阶段改进策略

  卓怀宇,王桂兰,周国亮,杨恺,

  针对虚拟电厂经济调度的快速响应要求，以及现有研究普遍未考虑领导者节点选取与收敛效率之间关联的现状，提出一种加快算法收敛的一致性分布式经济调度两阶段改进策略。通过改进K-shell方法和引入双层邻居优化项，建立策略中领导者节点选取方法K*和双层邻居优化一致性变量更新公式，并基于两种通信拓扑进行仿真与分析。仿真结果表明：所提策略在两种通信拓扑下收敛效率较基准算法提升约54%，节点故障鲁棒性、负荷突变收敛性优于基准算法，具备即插即用特性、更优经济性与分布式优势，所选收敛系数ε取值合理、容差μ取值需根据调度精度要求动态调整。综上所述，两阶段改进策略可有效提升收敛效率，兼具即插即用、经济性、分布式、鲁棒性等特性优势，适用于虚拟电厂经济调度场景。

• 基于电商平台与商家定价Stackelberg博弈的动态物流策略

  史佳妮,陈希琼,胡大伟,

  为探究电商平台通过自建物流实现业务拓展与消费者满意度提升的可行性，考虑一个包含电商平台、商家和物流公司的在线销售系统，针对电商平台和商家的不同物流服务策略选择问题，提出四种物流策略组合，并构建每种策略下平台关于物流服务、商家关于商品定价的Stackelberg模型，形成嵌套博弈。采用逆向归纳法求解每种策略下的最优决策，分别获取四种策略的最优收益，进而对比分析不同物流策略下商家和电商平台的收益情况，并再次采用逆向归纳法获得平台和商家的最优物流策略。通过数值实验，分析不同消费者偏好下电商平台和商家的物流决策，表明在Stackelberg最优均衡策略下，当商家选定最优决策为SJ与NJ策略时，平台的决策为SJ策略，更偏向自建物流，此时平台与商家均可以获得更优的收益。在消费环境变化时，消费者需求和价格敏感系数相较于物流服务敏感系数，对平台与商家决策的影响更为显著，这为平台和商家的物流选择决策提供了理论支持。

• 切换拓扑下基于动态事件触发的多智能体固定时间分组一致性

  朱照,王聪,马萍,张宏立,李新凯,

  针对有向切换拓扑下一类二阶非线性多智能体系统的领导-跟随分组一致性问题，设计了一种切换分组下基于动态事件触发的固定时间控制方法。该控制协议利用系统状态跟踪误差设计固定时间动态事件触发机制，保证系统的一次和二次分组均在固定时间内收敛，通过固定时间控制避免系统二次分组失稳。动态事件触发机制可以降低系统控制更新频率以降低系统能耗。系统的稳定性分析中通过构建Lyapunov函数证明系统在切换拓扑下实现固定时间分组一致性，并通过计算事件触发间隔的下限，排除系统的芝诺行为。最后，通过仿真实验验证所提控制方法的有效性。

• 基于动态页面映射的远程交换系统内存管理优化

  李昱祁,王霄阳,朱文喆,李永坤,

  远程交换系统利用内核的页面交换机制透明地使用远程内存，是构建分离式内存架构的一种常见方法。然而，现有系统在创建远程交换分区时，会预先分配完整容量的远程内存，导致内部碎片并降低内存使用率。针对此问题，设计了一种新型远程内存管理方法，动态地为系统中正在使用的交换条目映射远程页面，减少非必要内存占用。该方法引入高效的节点间内存分配与回收机制，以支持细粒度内存管理并确保计算节点间的内存访问隔离性。实验结果表明，该方法可以在不同场景下将远程交换分区的内存利用率提高5.2%~89.1%，同时仅引入较少的额外开销。因此，该方法可以有效提高远程交换系统的内存管理效率。

• 基于反向数据流传播的SQL语句随机化

  马佳鑫,张铮,刘鹏,刘浩,周宛秋,刘慧,

  应用程序使用随机化SQL语句可在随机化SQL环境中访问数据库并防御SQL注入攻击。分析了应用程序SQL语句随机化存在的挑战，提出了一种基于反向数据流传播的SQL语句随机化方法。反向数据流传播算法从数据库操作函数出发，反向追踪SQL语句的数据传播，可快速、准确地识别应用程序源码中的SQL语句。实验表明基于PHP 8.0内核实现的算法识别SQL语句准确率达91.7%。基于反向数据流传播的SQL语句随机化方法较传统方法实施更便捷、通用性更强，该方法处理后的应用程序可适用于随机化SQL环境防御SQL注入攻击。

• 移动边缘网络的内容缓存和推荐联合决策方案

  周继鹏,唐飘,

  在移动边缘网络实现内容缓存是减轻后向链路负载和提高用户体验的有效方法。最近研究发现缓存与推荐结合能有效地提高边缘缓存的效率和减少网络传输的时延。在支持推荐的协同边缘缓存网络模型下，将边缘网络的缓存和内容推荐问题建模为多智能体多臂轮赌问题。首先，利用GCN模型预测用户偏好，获得内容流行度；其次，通过用户对内容推荐的容忍度定义推荐探索窗口，设计了探索与利用策略以及收益更新策略，提出一个基于多臂轮赌的缓存和推荐策略联合求解算法MAMAB-JCR，实现缓存和推荐联合决策；最后，将算法MAMAB-JCR与三种不同类型的基线算法（DDQN、JCCR和MAMAB-C）进行了实验比较。实验结果表明MAMAB-JCR降低了内容传输时延，提高了缓存命中率，提升用户体验。

• 基于任务抢占的VEC计算卸载与缓存优化方法

  施杰,唐宏,刘子兴,燕星芮,

  随着智能交通系统的快速发展，车载边缘计算中的计算资源分配不均与任务时延敏感性问题日益突出。然而，现有的研究中静态资源分配方法已难以满足动态车载环境的需求。针对此问题，提出了一种基于任务抢占的VEC计算卸载与缓存联合优化方案，实现缓存资源的弹性扩展与高效任务调度。首先，综合考虑任务优先级及路边停放车辆的空闲资源，构建了一个多车辆、多路边单元协同计算模型，利用齐普夫分布优化缓存策略；其次，引入任务抢占机制优先处理紧急任务，并整合停放车辆的闲置算力以缓解RSU负载过载问题；接着，为得到最优的任务卸载与缓存策略，以最小化系统平均时延为目标设计了联合优化问题。针对此高维非线性规划问题，结合深度强化学习，提出一种改进异步优势actor-critic算法。仿真结果表明，该算法相较于其他算法能够显著降低系统时延且提高了任务完成率，改善了实际场景中的用户体验。

• 基于多优先级动态调度的高密度WBAN任务卸载策略

  周华阳,廖杨,江潇,冷承凤,覃团发,

  针对智慧医疗场景中高密度无线体域网（wireless body area network，WBAN）多优先级数据传输与计算资源受限的挑战，研究提出一种融合动态优先级评估与量子优化的任务卸载策略。首先通过构建医疗物联网（healthcare Internet of Things，H-IoT）高密度WBAN网络模型，集成任务优先级分层机制与动态信道状态感知模块，建立基于生理数据特征的通信质量评估体系。其次设计多维动态调度框架，利用生理参数偏离度、数据滞留时间及抢占事件等指标实时调整任务优先级权重，结合抢占式调度策略保障急诊数据的低时延传输。再进一步改进量子遗传算法（improved quantum genetic algorithm，IQGA），采用动态量子旋转门角度调整机制优化局部搜索性能，并引入灾变修正函数提升全局收敛效率。仿真实验表明，该策略在任务平均处理时间、系统能耗、高优先级任务时延及收敛速度方面分别实现71.51%、88.21%、89.63%和78.74%的性能优化，系统综合收益提升达114.43%。研究成果为高密度医疗物联网场景下的实时任务调度与资源分配提供了理论支撑与技术路径。

• 基于局部差分隐私的动态聚类个性化联邦学习

  赵金叶,李晓会,贾旭,

  针对非独立同分布数据的联邦学习场景中，采用单一的全局模型往往会忽略不同任务需求而导致模型精度下降的问题，提出一种结合DBSCAN聚类的局部差分隐私个性化联邦学习算法（DBSCAN local differential privacy-personalized federated learning，DBLDP-PFL）。首先引入了局部差分隐私机制，在客户端训练过程中添加噪声来保护单个客户端的数据隐私；其次根据客户端的隐私预算，采用概率选择方法筛选参与训练的客户端；最后在联邦学习的框架中，设计了动态选择的聚类算法，通过相似客户端之间的迭代学习获得更优的全局模型。实验结果表明相比于NbAFL、LDPKmeans、HDP-EFL，该算法在保护数据隐私的同时，模型的准确率在MNIST数据集下分别提升了约10.09%、4.38%与3.33%。

• DLC-TSM：一种用于加密恶意流量分类的高维特征图方法

  郭逸杰,罗琴,吴鹏,

  为了解决现有加密恶意流量分类方法存在的特征表达能力受限、噪声敏感性强、模型泛化能力不足的情况，提出了一种使用三维二阶马尔可夫矩阵图像进行深度学习分类（deep learning classification using three-dimensional second-order Markov matrix images，DLC-TSM）的加密恶意流量分类方法。通过将三维二阶马尔可夫概率矩阵特征变换与深度学习相结合，将原始网络流量转换为RGB特征图像，再结合创新的阈值过滤算法增强特征表征能力，采用深度学习神经网络对生成的图像特征进行深度挖掘，实现流量类别的精准识别。实验结果表明，该方法在三个不同场景的四个加密恶意流量数据集上验证了该方法的有效性，分别达到了99.33%、99.07%、97.98%、98.17%的最好准确度。DLC-TSM有效解决了加密流量特征提取与分类精度间的矛盾，其图像化表征策略为流量分析研究提供了新的技术路径。

• 多网关无线医疗传感器网络中基于PUF的轻量级匿名认证协议

  王雄,李伟麟,张泽昊,胡子宸,安星宇,

  针对当前多网关无线医疗传感器网络跨域认证计算开销大、通信成本高以及无线医疗传感器资源受限、易受攻击等问题，提出了一种面向多网关无线医疗传感器网络的轻量级匿名认证协议。该协议利用物理不可克隆函数（physical unclonable function，PUF），实现了医疗专家通过主网关、外部网关与无线医疗传感器节点之间安全的身份认证和密钥协商。通过ROR Oracle模型、Proverif协议分析工具以及非形式化分析，证明了该协议实现了医疗专家与无线医疗传感器之间的双向认证与会话密钥协商，并且可抵抗常见攻击，具有良好的安全属性。与近几年提出的认证协议对比表明，该协议计算开销最低，优于其他协议11.79%以上。同时，对比表明，该协议具备更加全面的安全属性和良好的轻量级特性，适用于资源受限的无线医疗传感器网络。

• 基于跨视角一致性的3D高斯溅射交互式分割方法

  徐知祥,吕泽均,张严辞,

  现有的3D高斯溅射交互式分割方法耗时较长且难以清晰分割出物体边界，无法满足数字资产生成等领域对单个目标物体进行编辑的需求。为此提出一种基于跨视角一致性的3D高斯溅射交互式分割方法，其基本思想是在2D图像中实现跨视角一致性分割，再通过3D高斯溅射对目标物体进行局部重建。具体而言，该方法在视觉外壳的基础上，利用自提示策略迭代完成跨视角一致性分割，同时引入裁剪拒绝机制来应对迭代过程中的分割失效。此外，该方法提出区域限制和后处理策略来执行遮挡场景的分割。实验结果表明，该方法不仅能清晰分割出物体边界，还实现了2~6倍的分割速度提升。这证明在场景编辑等任务中，该方法在质量和效率上具有一定优势。

• 结合平面约束与Kolmogorov-Arnold网络的室内场景三维重建方法

  贾迪,孟晓华,程硕,徐驰,刘洋,宋慧伦,

  为缓解室内三维重建面临弱纹理区域重建较为困难以及复杂场景表达能力有限的问题，提出一种结合平面约束优化模块与KAN 颜色分支模块的室内三维重建网络KAN-PlaneNet。该网络基于神经辐射场，在颜色分支中引入 KAN 模块与颜色属性输入，以增强复杂场景的细节表达能力；此外，通过引入平面约束优化模块，强制墙壁区域与地板区域垂直，针对墙壁区域的多样性，定义一个可学习的墙壁法向量nw，约束墙壁表面点的法线方向与nw平行或正交，同时对室内物体区域施加约束，要求该区域法线方向与地板法线方向的余弦相似度大于0.95时，强制法线平行。实验结果表明，该方法在ScanNet数据集上的性能优于现有的3D监督方法，与VolSDF方法相比，综合评价指标平均提升0.356，验证了其优越性。

• 融合注意力的多残差膨胀三维卷积红外视频行为识别

  袁帅,余磊,汪嘉杰,熊邦书,

  红外视频因物理特性易受背景干扰，且时间维度变化特征不丰富，导致人体行为识别效果差。针对此问题，提出了一种基于融合注意力的多残差膨胀三维卷积红外视频行为识别方法。首先，设计全维融合注意力机制（IMDA），有效处理红外视频的背景干扰，并结合时空和通道信息高效捕获行为帧中的关键区域；其次，设计时间金字塔分割注意力机制（TPSA），通过在时间维度上分割注意力，有效捕获视频序列在多尺度下的动态信息。基于TPSA，进一步构建时间金字塔多残差模块（TSAMR），增强了模型在不同背景条件下处理红外视频的泛化能力。实验结果表明，在IITR-IAR和校园安全行为数据集上分别取得了81.73%和90.76%的准确率，均优于现有行为识别方法，证明了该方法的优越性。

• 通道-空间多尺度增强与双池化注意的表情识别网络

  刘娟,张民扬,胡敏,黄忠,江巨浪,

  针对自然场景下表情特征提取仅关注通道-空间单一尺度信息以及平均池化易丢失局部显著性语义的问题，提出一种通道-空间多尺度增强与双池化注意的表情识别网络。首先，为捕获通道-空间整体多尺度增强语义，设计通道对称级联多尺度模块和空间多尺度特征提取模块，并以此构建基于通道-空间多尺度结构的整体特征增强子网。然后，为表征通道-空间区域双池化显著语义，将高效局部注意力机制改进为高效通道-空间注意力机制，并嵌入到区域特征注意子网。最后，为获取整体多尺度增强语义与区域双池化显著语义之间的潜在相关性，采用交叉注意力机制进行整体特征与区域特征之间的特征交互，并设计特征融合子网完成两类特征的模型级融合。实验结果表明，在人脸表情数据集RAF-DB和FERPlus上，其表情识别率分别达到89.97%和90.26%，比基线网络分别提升了13.54和10.95个百分点。与其他网络相比，提出的网络在自然场景下具有较好的表情识别性能。

• 基于改进YOLOv11的焊缝缺陷高精度检测方法

  王晓婷,刘婷婷,

  针对焊缝缺陷检测中存在的图像低对比度、缺陷复杂形态、缺陷多样性及正负样本比例失衡等问题，在YOLOv11网络框架的基础上，提出了一种改进的高精度焊缝缺陷检测方法。首先，通过引入鲁棒纹理差异归一化机制，提升了对焊缝图像低对比度区域纹理差异的感知能力，增强了对微小缺陷的检测精度；然后，采用边缘轮廓感知解码器模块对检测框边缘信息进行优化，旨在提升复杂缺陷的定位准确性；接着，利用设计的频域特征调制策略将空间域与频域的特征进行融合，强化了对焊缝细微缺陷检测的感知能力和敏感度；最后，提出了正负样本动态平衡损失函数，通过动态调整样本权重，优化了训练过程中的样本分布不平衡问题。实验结果表明，所提方法与原始YOLOv11模型相比具有更高的检测精度和更强的鲁棒性，在精度、召回率和mAP指标上分别提高了2.7、3.4和2.6个百分点，且依然保持了较高的检测速度，检测速度达到了43.7 fps，能够更好地适应复杂工业环境中的焊缝缺陷检测任务。