计算机应用研究杂志

计算机应用研究杂志2025年第12期

• 推荐系统中的隐私保护：技术演进、评估框架与隐私效用协同发展

  王斌,王畅,吕灵慧,刘毓涛,张磊,

  随着互联网和移动技术迅速发展，数据采集与处理能力显著提升，推荐系统能够深入挖掘用户行为特征，提供更为精准的个性化服务，改善用户体验。然而，海量数据的持续累积和推荐系统的广泛应用也带来了严峻的隐私泄露风险；在保障隐私的同时实现高效推荐，已成为当前研究的重点。旨在梳理推荐系统中隐私保护方法的技术演进，聚焦推荐流程中的关键环节所面临的风险，分析现有方法的设计原理与应用特点，并结合实际应用中使用的评估指标，从隐私保护强度与推荐效能两个维度比较不同方案的表现。进一步总结各类方法的优势与不足，提出优化方向并探讨未来研究的可能路径，以期为隐私保护机制在推荐系统中的深入应用提供理论依据与实践参考。

• 基于多模态动态图学习的假新闻检测研究综述

  杨宇,郭瑞,高敏娜,王一凡,卢耀林,

  随着社交媒体的发展，假新闻以前所未有的速度和广度传播，对社会稳定、公共信任和个体利益构成严重威胁。传统的基于单一文本内容的检测方法难以应对利用AI生成的图文并茂、形式多样且传播迅速的现代假新闻，文本、图像、视频等多模态信息的融合分析和信息传播的动态网络的结构化挖掘，为假新闻检测提供了新的视角。系统梳理了假新闻检测的技术路线，从数据感知、特征解析、路径追踪和主动阻断四个环节探讨分析了代表性的方法和研究进展，总结了不同方法的优缺点，探讨了假新闻检测中多模态数据采集清洗、特征分析提取、动态溯源等核心挑战。多模态动态图学习凭借其在关联多模态信息、捕捉网络传播时序演化方面的优势，为假新闻检测提供了关键技术支撑，具体而言，多模态技术可深度应用于数据感知和特征解析层面，动态图学习则能精准捕捉假新闻的传播特性以进行路径追踪，最终实现更为精准高效的主动阻断。

• 一种动态评估的去中心化跨链桥协议

  何雅萱,唐春明,邓智洪,李涛涛,

  针对现有跨链协议中存在的中心化委员会选举与节点行为评估不足问题，提出一种基于动态评估的去中心化跨链桥协议。该协议采用PoW驱动的动态委员会选举机制，结合节点行为历史与社会交互结构，构建多维度信誉值并引入激励策略，动态反映节点可信度变化；协议提升了对恶意行为的识别能力，避免人为干预与选举操控，引导节点持续诚实参与、抑制作恶行为。实验结果表明，所提方案能动态反映节点行为，实现验证与激励过程的去中心化和可信执行，相较于零知识证明方案gas消耗减少约37%，展现出良好的开放性与实用性。

• MultiRelay：面向云边端架构的动态多中继链跨链方案

  王劲松,李懿,石凯,赵泽宁,

  针对云边端架构下现有中继链跨链方案存在的吞吐量不足、跨链活性难以保障及跨链验证开销高等问题，提出一种名为MultiRelay的动态多中继链跨链方案。首先，部署多条中继链并设计跨链交易动态分配策略，实现跨链交易的并行处理，以提升系统的整体吞吐量；其次，提出一种非交互式随机节点选择方法，以提升跨链过程的活性；最后，提出一种基于RSA累加器的跨链验证方法，降低了跨链验证开销。实验结果表明，相较于现有方案，MultiRelay的吞吐量最高提升约6倍，交易时延最多降低约70%，为涉及多链协作的复杂云边端架构应用提供了一种兼具高性能与可扩展性的创新跨链方案。

• 基于因果掩码控制与反事实干预机制融合的多模态仇恨模因检测

  徐超,浦悦,陈勇,孙凯丽,

  仇恨模因作为社交媒体中的新型暴力载体，其语义深度根植于社会文化背景，对内容安全治理构成核心挑战。现有研究聚焦浅层模态优化，忽视语义对齐的因果依赖性，导致跨模态语义偏差。针对该问题，提出了一种基于因果掩码控制与反事实干预机制融合的多模态仇恨模因检测模型。该模型经过图像文本编码后，通过因果掩码控制机制定向建模图文特征依赖关系；进一步设计了反事实干预机制，遮蔽关键单元并量化预测概率变化，以识别仇恨语义传播的因果路径节点。基于此生成反事实语义偏置向量，驱动注意力权重进行语境自适应调节。实验结果表明，该方法在MUTE和MultiOFF数据集上F1分数分别达到71.8%和68.8%，有效缓解了背景噪声与仇恨语义的共现关联，显著提升了检测准确率。

• 基于对抗训练与多模态自适应特征融合的情感分析

  冯广,黄荣灿,周垣桦,项峰,杨燕茹,郑润庭,刘天翔,李伟辰,

  多模态情感分析在基于在线课堂的智慧教育领域发挥着关键的作用，在近些年越来越受到关注。然而，当前多模态情感分析中存在着有效利用模态间的互补性方面不足、文本模态主导作用没有发挥、噪声干扰和鲁棒性不足等问题。针对上述问题，提出了一种基于对抗训练的多模态自适应特征融合的情感分析方法。在特征提取方面，将音视频作为低级特征通过交叉注意力交互提高信息密度，并通过自适应加权对交互结果进行动态校正；其次，针对文本模态的主导作用，引入掩码机制以保留关键句子的表征，音频和视频模态通过跨模态注意力机制进一步优化情感识别性能；同时，引入模态判别器与特征提取器之间的对抗机制，实现多模态特征在共享空间中的对齐与融合，提升模态间的互补性利用效果。实验结果表明，所提出模型在公开的数据集MOSI和MOSEI上均取得了优越的性能表现。

• 高速公路场景下的车辆换道意图预测研究

  黄海峰,黄德启,黄德意,刘振航,

  高速公路车辆在复杂动态场景下的车辆换道行为极易诱发交通事故，影响道路负载能力。为了提高预测车辆换道意图的能力，提出了一种基于双通道图神经网络（dual-channel GAT-MGCN）融合自注意力机制的换道意图识别模型。通过将图注意力网络（GATv2）提取的高阶交互特征与图卷积网络（GCN）经过可学习的消息传递函数message捕获的拓扑结构特征在高维空间进行拼接融合，同时利用线性投影去除冗余信息与重构机制有效保留关键信息，极大增强了特征表达的判别能力，使用轻量化网络模型提高模型的鲁棒性。通过这种联合特征表示，所提模型能够充分整合多源异构数据的时空交互信息，显著提升换道意图识别的准确率。针对数据不平衡问题，采用带类别权重的动态损失函数进行优化。基于公开的HighD高速公路轨迹数据集，所提模型在准确率、精确率和实时性综合分析优于传统机器学习和现有深度学习方法。消融实验进一步验证了所提模型对于性能提升的关键作用，该模型为高速公路场景下车辆换道意图预测提供了一种新颖的解决方案。

• 基于大语言模型的多模态互动内容人机协作创作

  赵云龙,胡呈鹏,蓝文兴,袁博,刘佳琳,

  针对大语言模型在互动内容生成中可能存在的用户可控性弱、专家知识门槛高及缺乏用户界面的问题，提出了一种基于大语言模型的人机协作工作流框架。该框架通过用户自定义的任务分解提升可控性，并辅以可视化调试界面优化生成过程。基于该框架，实现了一个面向视频游戏描述语言的规则与关卡生成工作流实例，并开发了基于Web的协作创作平台。实验结果表明，该工作流使用不同的大语言模型均能有效地生成不同类型的互动内容，成功率相较于基线方法平均提升了20%。用户调研的系统可用性量表分数为78.75，证明该平台具备良好的可用性，能有效支持非专家用户创作，并有效提升多模态互动内容的生成质量与可控性并降低创作门槛。此外，通过将视频游戏描述语言分别集成至虚幻引擎与Godot引擎实现了3D场景生成，并通过修改工作流生成了基于JavaScript的即时战略游戏，展示了该框架的拓展性。

• 基于有限标量量化与分阶段跨模态注意力融合的光伏功率预测

  张海清,刘珈伶,唐聃,向筱铭,杨东,郭本俊,

  为解决光伏功率预测中多模态融合在处理模态异构性带来的数据表征差异与跨模态关联建模方面的不足等问题，提出了一种多模态气象数据融合模型（MMDF）。首先，该模型通过有限标量量化FSQ（finite scalar quantization）技术实现多源数据的统一表征，有效突破了模态间信息对齐的瓶颈，并降低了跨模态融合过程中的计算复杂度；接着，设计混合编码的特征提取模块，结合Vision Transformer的全局空间建模能力与GRU-Linear架构的时序动态捕获机制，显著提升了多模态特征的判别性；进一步，基于门控机制构建了分阶段式的跨模态融合策略，并通过Cross Transformer跨模态注意力机制，实现了时间序列特征和云图特征的深度融合，有效地揭示了不同模态数据之间的复杂关系。经实验验证，相比于FusionSF算法，MMDF模型在多模态太阳能功率数据集上的MAE、RMSE和R2指标分别提升了5.69%、12.44%和4.52%，为复杂气象条件下的光伏功率预测提供了理论突破与工程实践新范式。

• 融合多维度特征的图卷积网络知识追踪模型

  付睿,李晓兰,徐焱,何佰丹,张大强,

  知识追踪作为个性化教育的核心研究方向，致力于通过建模学生历史答题序列预测其知识状态。针对现有模型存在的全局关联建模缺失、特征融合薄弱和数据稀疏性等问题，提出一种融合多维度特征的图卷积网络知识追踪模型。通过构建学生-问题-知识三元交互图，设计问题-知识-问题与问题-学生-问题双重图卷积关联路径以捕获高阶关联。通过节点-边特征深度融合增强特征表征能力，并引入LSTM门控机制动态更新知识状态。基于三个公开数据集的实验表明，该模型预测精度显著优于经典主流方法，有效提升了知识状态追踪的准确性与泛化能力，为个性化教育系统提供了更可靠的技术支撑。

• 基于脉冲序列核的递归脉冲神经网络突触权值-延迟学习算法

  王向文,丁少轩,邹丽,范景行,

  递归脉冲神经网络是一类具有反馈回路的类脑智能计算模型，具有强大的复杂时空模式学习能力，但构建其高效的脉冲序列级监督学习算法仍面临挑战。突触权值和延迟在神经元间的信息传递中起着重要作用，然而现有研究大多关注突触权值的学习，对突触延迟的学习和优化相对不足。针对这一现状，提出了一种基于脉冲序列核的递归脉冲神经网络突触权值-延迟监督学习算法，通过同时优化突触权值和延迟来提升网络的学习性能。脉冲序列学习和UCI数据集分类实验的结果显示，动态延迟学习算法比静态延迟学习算法的学习准确率更高且所需学习周期更少，表明突触延迟学习能够显著提高网络训练的准确性并加速网络收敛。

• 基于因果发现的业务流程概念漂移根因分析

  尚鑫宇,卢可,方贤文,

  业务流程模型会随着时间推移发生演变，导致历史事件日志构建的模型逐渐失效。检测概念漂移可优化流程模型以适应环境变化，分析漂移原因则为优化提供了依据。现有的概念漂移检测技术大多依赖控制流中活动关系的变化，忽略了活动关系对漂移发生的影响力变化，难以解释漂移的根本原因。为此，提出了一种基于特征影响力变化的概念漂移检测技术CADDAR。具体来说，将控制流中的活动对和流程持续时间作为因果发现的特征和结果，探究它们之间的因果系数，将因果系数视为特征对漂移发生的影响力；随后，筛选出具有显著影响力的活动对作为因果特征，利用因果特征影响力的变化检测漂移，并使用滑动窗口定位漂移位置；最后，将因果特征影响力变化的三种类型作为漂移发生的根本原因，包括因果关系的变化和因果关系强度的变化。实验结果表明，CADDAR的检测效果优于现有的技术；案例研究进一步表明，该方法能有效解释概念漂移的根本原因。

• 基于自适应环吸引子网络的基础数值计算模型

  陈信宇,陈祖刚,

  提出了一种生物启发式的自适应HDC网络模型，在模型中实现哺乳动物大脑头部方向细胞运作规律的模仿，利用自调整权重与Hebbian学习法则，实现了网络的自主学习与误差修正功能。实验结果发现，在自主学习方面，网络权重可基于计算误差进行自适应调整，平均收敛时间为2.5次迭代，学习效率比固定权重方法提升60%；在误差修正方面，系统能够将误差修正率达到94%，最终误差稳定控制在3%以内。环状拓扑模式借助LIF神经元组建而成，实现兴奋性与抑制性信号联系状态调控能力。各类神经类测算任务通过它处理后，相比传统固定权重方法，适应性学习收敛时间缩短60%，无论是在处理结果超出［0，99］的溢出情况时还是处理跨度不同加减运算任务，都表现出平均误差率降低35%的性能提升。本研究为生物启发式智能计算的发展提供了新的研究思路，在脑科学引起的人工智能进步方面，具有重要的参考借鉴功能及推广应用的可能性。

• 融合文本增强与深度强化学习的交互式推荐方法

  张晓宇,梅红岩,胡思雨,赵恩童,

  针对交互式推荐系统（IRS）仍然存在深度强化学习（DRL）所带来的数据稀疏性和大型离散动作空间导致的效率低下问题，提出了一种融合文本增强与深度强化学习的交互式推荐方法（TDIRS）。首先利用文本信息来获得丰富的嵌入表示，并构建一个基于多头注意力机制的深度强化学习模型以捕捉用户不断变化的偏好，从而缓解稀疏问题；同时，给出一种基于项目流行度和嵌入表示的动态候选动作生成方法来识别用户感兴趣的项目，并缩小动作空间，从而提高推荐性能。实验表明，TDIRS在music等数据集上的核心指标优于其基线方法，其中HR@10最高提升了7个百分点。实验结果验证了TDIRS的有效性。

• 基于大语言模型的飞行轨迹预测方法

  罗恺玮,周激流,

  飞行轨迹预测是空中交通管理系统中的关键任务，深度学习方法已在该领域取得显著进展，然而现有方法通常以黑盒方式处理数据，导致预测结果缺乏可解释性。大语言模型（LLMs）擅长文本理解和生成，具备强大的思考和推理能力，但其在飞行轨迹预测中的应用尚未得到充分探索。为此，提出一种将轨迹预测任务转换为语言建模的方法FTP-LLM，首次探索了大模型在该领域的潜力和可行性。具体而言，首先从飞行数据中提取时空特征，并结合领域相关的提示词模板，构建出一个指令微调数据集。为了增强模型的可解释性和透明性，提示词中融入了思维链（CoT）推理过程。在实验中，对多个大模型进行微调以探究其在轨迹预测任务中的表现，并进一步分析了其在少样本场景下的泛化能力。实验结果表明，相较于深度学习方法，大模型在轨迹预测任务中展现出一定的性能提升，其中Llama 3.1模型在整体预测精度上表现最优，单步和多步（4步和8步）预测的平均误差分别降低7.16%、10.71%和10.15%。

• 融合动态模糊扰动和特征引导的稀疏大规模多目标优化算法

  李彤,顾清华,王倩,骆家乐,王建国,

  现有多目标进化算法在求解大规模稀疏多目标优化问题时存在稀疏性控制能力弱、目标冲突均衡性差、易陷入局部最优等挑战，针对上述问题设计了一种融合动态模糊扰动和特征引导自适应交叉的多目标进化算法（multi-objective evolutionary algorithms for dynamic fuzzy perturbation and feature-guided adaptive crossover，MOEA-FA）。首先，通过引入基于双阶段参数自适应调控的动态模糊扰动策略，引导进化个体向特定偏好区域逼近以获取决策者期望的解，从而平衡目标间冲突，避免早熟收敛；其次，在二进制变量交叉过程中引入基于特征引导的自适应交叉策略，通过变量激活频率识别关键特征，优先保留高贡献度变量以维持解稀疏性。为验证MOEA-FA的有效性，将MOEA-FA和六种先进算法在8个基准测试问题和投资组合优化问题上开展测试。实验结果显示，MOEA-FA分别在80%和82.86%的测试问题上获得了IGD（inverted generational distance）和HV（hypervolume）指标的最佳结果，表明MOEA-FA在求解稀疏大规模多目标优化问题时具有优越的性能。

• 地震应急救援中卡车-无人机多目标协同调度问题及优化算法

  刘勇,陈卓,马良,

  针对地震应急救援问题，提出了低风险区与高风险区的救援区域划分策略，设计了一种多卡车-多无人机协同调度模式，并构建了以最大化救援满意度和最小化总路径长度为目标的混合整数规划模型。由于该模型属于NP难问题，提出了一种基于新型记忆回溯策略的多目标优化算法。该算法结合多种记忆机制和多阶段搜索策略，增强了局部搜索能力，并通过改进的Metropolis准则提升了全局搜索效率。实验结果通过IGD、HV和SP等性能指标验证了该算法的有效性，且与多种对比算法相比，表现出显著的优势。结果表明，该算法能够有效提高解集的收敛性和多样性。此外还对灾情规模与无人机数量的灵敏度进行了分析，为地震救援物资调度提供了一种新的有效解决方案。

• 面向复杂城市环境的无人机动态航迹规划算法

  肖海林,马仁煜,张中山,武紫豪,孔祥婷,

  针对复杂城市场景下传统蚁群算法搜索效率不高、易陷入局部最优等问题，提出了一种无人机动态航迹规划算法。该算法定义了飞行转角和飞行高度代价函数，建立了无人机三维航迹规划目标函数，实现了对三维航迹的全局优化；其次，该算法对信息素浓度进行非均匀的初始化，并引入了快速探索随机树算法来改进个体状态转移规则，避免算法陷入局部最优；接着，通过设计一种非线性动态调整的信息素挥发因子来提高算法的搜索效率；最终，采用准均匀B样条曲线优化路径使其更符合无人机的飞行轨迹。为验证所提算法的有效性和优越性，分别进行了策略有效性检验、算法性能测试，并与其他智能算法在不同环境模型下开展了对比实验。实验结果表明，所提算法的平均收敛精度在所有参与对比的算法中最小，这表明该算法具有更强的寻优能力和更高的搜索效率，在复杂城市环境下能有效地避开静态和动态障碍物，得到符合要求的航迹。

• 复杂环境下基于RRT*引导MPPI的移动机器人路径规划

  郑建校,黄子健,刘金颂,童枭扬,陈刚,

  针对复杂环境下路径规划的高效性和动态避障问题，提出了一种融合全局快速随机探索树（rapidly exploring random tree*，RRT*）与局部模型预测路径积分（model predictive path integral，MPPI）的路径规划算法。在全局规划阶段，改进的RRT*算法通过环境感知模型评估局部环境复杂度，并引入方向偏置因子优化路径的收敛速度。同时，提出了自适应重布线半径和剪切插值策略，提高了搜索效率，为算法提供高质量的导航节点。在局部规划阶段，基于RRT*的初始全局路径，模型预测路径积分结合自适应目标点导航策略，在动态半径圆内对路径节点进行搜索，并根据权重评估选取最优导航点。引入障碍物动态约束增强动态避障能力，实现路径的实时调整以规避动态障碍物。实验结果表明，所提出的改进算法与标准RRT*引导MPPI算法在复杂动态环境中相比，规划成功率提高了12.37%，规划时间降低了29.20%，且总移动距离也小于其他方法，显著提高了路径规划效率和路径平滑性，表现出优异的鲁棒性和适应性。

• 面向物联网安全的域映射增强与对抗增益聚合算法

  谷越,刘苗,孙振兴,

  为了在保障数据安全的前提下，拓展联邦学习在物联网异构环境中的应用，提出一种融合域映射增强与对抗增益聚合机制的联邦学习框架。该框架引入域映射增强方法增强对数据特征的提取能力，提高了特征可分离性，从而提高模型性能。该框架还提出了一种对抗增益聚合方法，在聚合阶段动态调整客户端权重，减少异构性带来的全局模型性能损失。与FedGen相比，该框架的准确率提高了6.64个百分点。实验结果表明，该框架有效缓解了异构影响，在四个实验场景中均表现优异，显著提升了物联网应用模型的收敛稳定性和整体精度。

• 基于多视图多特征集成模型的EEG睡眠分期算法

  王旭粲,周强,李婉,

  随着单通道脑电（EEG）信号分析的睡眠分期方法取代多通道EEG成为主要睡眠分期模式，使原本含有时间-空间（大脑皮层表面位置）-频率3维信息丧失了空域信息，并且由于大多数睡眠分期方法不具有频率分析能力使得EEG的频域未被利用，加之睡眠各期之间类不平衡的原因，共同造成了睡眠分期方法精度难以提升的结果。针对上述不足，提出一种基于集成模型（IM）的多视图融合网络（MVFNet）睡眠分期算法（IMMVFNet）。为充分挖掘EEG信号的不同维度信息，首先分别采用一维和二维网络对时-空域的原始EEG信号和时-频域的EEG短时功率谱图进行特征提取；其次采用堆叠泛化（SG）方法联合两个异构网络，将提取到的多样性特征融合；最后由自适应增强（AdaBoost）算法完成睡眠分期。提出的IM-MVFNet在公开数据集Sleep-EDFx的Fpz-Cz和Pz-Oz通道上达到了89.6%的准确率，各类指标优于近年来的其他算法。

• 融合胶囊网络与细粒度语义匹配的多标签文本分类

  宋珂,李翔,林剑楚,

  基于深度学习的多标签文本分类主要存在两个方面的不足：一是忽略标签的语义信息以及标签之间的依赖关系，二是忽略了文本与标签之间的细粒度语义匹配。针对上述问题，提出了一种融合胶囊网络与细粒度语义匹配的多标签文本分类方法。首先通过标签嵌入将标签信息融入节点构建图结构，并通过图卷积网络在节点间传递信息，深入挖掘标签间的关联性。然后，计算标签注意力和文本自注意力，并构建标签协同注意力网络和文本协同注意力网络。最后，将特征输入胶囊网络分类器以捕捉多层次语义信息并匹配想要的标签。在AAPD、RCV1-V2和EUR-Lex数据集上进行实例验证，所提出的方法在P@k和nDCG@k指标上均优于其他方法，实验结果证明了胶囊网络和多粒度语义匹配策略的有效性。

• 通过递进知识更新和自一致性增强大语言模型推理能力

  常肖楠,张珑,马拂晓,

  针对大语言模型（large language models，LLMs），虽然现有方法在复杂多步推理任务中（如思维链（chain of thought）通过引导模型生成推理步骤来增强推理能力，但常出现生成的中间步骤错误和信息遗漏问题，一旦某环节出错，往往导致最终解答失败。为此，提出了一种全新的推理方法——递进一致性推理（progressive consistent reasoning，PCR）。PCR通过构建一个动态已知量库（一个在推理过程中不断更新的结构化信息列表），从原始问题中提取显式关键信息建立初始已知量库，并将问题分解为多个子问题；在每一次解答子问题后，通过从子问题答案中提取新信息对已知量库进行动态更新，然后基于最新的已知量库对“原始问题”重新思考后进行一次完整的解答尝试，生成阶段候选解。最后，采用聚合策略整合各阶段候选解，输出更加稳健、准确的最终答案。与其他方法相比，PCR方法在GSM8K、CSQA等多项复杂推理基准上相比传统思维链和自一致性方法（selfconsistency reasoning）提高了11.9%、5.73%和3.45%、0.95%。结果表明，PCR方法能够有效降低中间步骤错误和信息遗漏对结果的影响，增强推理的稳定性和准确性。

• 考虑故障因素的云服务器的最优策略及性能分析

  陈思溢,袁博,匡海洋,

  在云中心环境中，长期运行的服务器可能出现故障。为此，旨在解决存在故障风险的云中心中随机到达请求的服务器选择问题，以实现预期响应时间与功耗的最优权衡。采用马尔可夫决策过程对请求的预期响应时间进行分析，提出一种迭代优化方法以确定满足目标需求的最佳服务器选择策略，并通过方差分析评估系统参数对算法性能的影响。结果表明，所提迭代优化方法能够有效地确定最佳服务器选择策略，实现预期响应时间与功耗的最优平衡，且方差分析明确了系统参数对算法性能的具体影响规律。为云服务提供商在考虑服务器故障情况下进行服务器选择、优化系统性能提供了有效的理论依据和实践指导。

• 二维簇态上基于测量的量子网络编码

  杨文灵,李祯祯,高博,李子臣,

  为了利用基于测量的量子计算和量子网络编码在蝶形网络中实现远程节点间的纠缠粒子分发与量子信息传输，提出了一种二维簇态上基于测量的量子网络编码方案。该方案首先设计了一种基于测量的量子中继协议；其次，通过构建与蝶形网络拓扑相匹配的图态模型并设计相应的测量策略，实现了远程节点间的并行量子操作；此外，在已有工作的基础上，进一步深入推导了测量过程与量子态演化的理论机制，从理论层面证明了所提方案的可行性与正确性。该方案不仅有效克服了长距离纠缠分发中光子损耗带来的影响，还显著提升了量子通信的效率与灵活性，实现了蝶形网络中高效且可靠的量子通信。安全性分析与性能对比表明，所提方案能够有效抵御量子窃听等典型攻击模型，且在资源消耗与操作复杂度方面均表现出显著优化，展现出更为优越的综合性能。

• RIS辅助的多小区无线信息能量协同传输方案

  丁云齐,陈东华,陈佳凡,刘世龙,

  针对部署在信号盲区的智能物联网设备，其因严重的路径损耗导致能量采集受限问题，提出一种可重构智能反射面辅助协作多点同传的无线携能通信方案。该方案以采集能量最大化为目标，以信息用户的最小通信速率、基站的最大发射功率和反射面相移矩阵为约束，通过交替优化算法将带有耦合变量的目标分解为两个子问题。由于子问题都是非凸问题，难以直接求解，利用半定松弛、逐次凸逼近算法对其迭代优化。特别地，针对反射面相移矩阵的恒模约束求解，采用一种类夹逼准则的解决方法。仿真结果表明，相较于现有方法，该方法的收敛性能提升86.9%，兼具低复杂度和快收敛速度的显著优势，为解决盲区设备供能不足的问题提了有效方案。

• 有源可重构网络中的联合波束优化与功率控制

  雷芳,陈传阳,胡鑫,

  针对无源可重构智能表面（RIS）系统中由“乘性衰落”效应引入的高路径损耗问题，提出一种面向多用户通信场景的低复杂度、高能效有源RIS联合优化方案。该方案以加权和速率（weighted sum rate，WSR）最大化为目标，在基站与RIS功率约束下，通过闭式分数规划（fractional programming，FP）方法将原始非凸问题转换为等价的可分解子问题，并在块坐标下降（block coordinate descent，BCD）框架下，交替优化基站发射波束与RIS反射预编码矩阵，实现高效的系统性能提升。在RIS反射矩阵优化过程中，采用主化最小化（majorization-minimization，MM）策略，构造封闭形式的下界函数，将求解过程简化为矩阵-向量乘法与投影操作，相较CVX方法可降低约O（N1.5）的复杂度；相比基于二分搜索的近似解法，所提算法在相似计算复杂度下表现出更优的收敛性与性能。仿真结果表明：所提方案在15 dBm功率预算下，WSR较CVX方案提升了27.67%。同时，仅需约5 dBm的功率预算即可达到相同性能，能量开销降低约10 dB，显著提升了系统能效，适用于大规模RIS系统的快速部署。

• 基于动态行为链和会话变异的API访问控制漏洞自动化检测方法

  任官荣,高见,胡驷驹,

  针对复杂交互场景下API访问控制漏洞检测存在的接口覆盖率低、自动化不足和检测精度低等问题，提出基于动态行为链和会话变异的自动化检测方法。通过多层动作链模拟用户操作路径触发API调用，结合流量代理中间件动态关联前端交互与后端API调用从而生成接口地图。提出基于角色和用户的会话变异攻击向量生成方法实现漏洞类型全覆盖，设计规则引擎与大语言模型协同的响应分析策略提升漏洞判别精度。在ShenYu、APISIX等6个主流框架的对比实验表明：该方法实现89.2%的接口覆盖率，成功检出全部20个已知漏洞，检测精确率达95.2%，较其它工具取得了更好的效果，证明其有效性和优越性。此外，在AI图像生成框架SD-WEBUI中发现水平越权漏洞（CVE-2024-31006），验证了该方法在复杂交互场景下的工程实用性。

• 异质性感知的自适应安全联邦聚合方法

  李晓会,王超,王诗源,张兴,兰洁,

  针对联邦学习中非独立同分布（Non-IID）数据环境下的模型性能下降、动态敏感度隐私保护不足以及恶意攻击与通信延迟引发的鲁棒性失衡问题，提出了异质性感知的自适应安全联邦聚合方法（heterogeneity aware adaptive federated security aggregation method，HAFSA）。首先，服务端根据本地模型偏离程度自适应调整聚合权重，并对延迟客户端时滞补偿；其次，客户端根据梯度显著性为其敏感层添加本地噪声，服务端根据本地模型更新偏离程度度量隐私大小动态分配中央隐私预算；最后，服务端结合损失值和本地模型更新相似度利用四分位距法筛选有效客户端，对有效客户端截断中位数聚合。实验结果表明，在CIFAR-10与MNIST数据集上，HAFSA性能优于对比算法，准确率提升12%~20%、收敛速度提升超一倍，同时可有效抵御梯度泄露攻击。消融实验进一步验证了各组件对系统性能的显著增益。实验证实，HAFSA在异步联邦学习中实现了隐私保护、通信效率与模型稳健性的高效平衡。

• 基于安全洗牌的抗投毒攻击可验证联邦学习框架

  李功丽,董志祥,刘登辉,张哲,

  针对联邦学习面临的模型重构攻击和投毒攻击等威胁，提出了一种安全且鲁棒的联邦学习框架。首先设计双域秘密共享安全框架，确保模型参数的隐私性；基于安全洗牌协议设计了安全中位数算法，解决了现有中位数计算中存在的参数泄露问题，并利用中位数梯度及Pearson相关系数实现密文域下的投毒检测；引入可验证机制，检测辅助节点的恶意行为并保证聚合结果的正确性。实验结果表明，在投毒比例接近50%时所提框架仍能达到90%的正确率；同时与现有工作相比，速度提升了约一个数量级；且当模型维度为217时，降低了约40%的通信成本。

• 基于非局域性正交乘积态的量子密钥协商协议

  何业锋,高塬,杜小雨,

  现有的互认证量子密钥协商协议普遍使用纠缠态以提高协议的安全性和效率，但其制备困难，在实际应用中不易实现。为此，提出了一种新的量子密钥协商协议，并实现了两方之间的身份互认证。在协议中，通信双方通过酉运算将身份信息与私钥信息编码至正交乘积态，并依据公布的初始态与测量基进行解码，实现身份认证与密钥协商。与纠缠态相比，正交乘积态更容易制备，其非局域性也确保了窃听者无法通过测量协议中传输的粒子来获取秘密信息。安全性分析表明，该协议能够有效抵抗参与者攻击，以及针对身份认证的冒充攻击、特洛伊木马攻击、截获-重发攻击、测量-重发攻击和纠缠-测量攻击等外部攻击，增强了协议的安全性和应用价值。

• 面向开放场景的自适应阈值源相机识别算法

  范兴振,刘宇飞,田华伟,肖延辉,

  光响应非均质性（PRNU）噪声具有唯一性和稳定性，可作为成像设备的指纹用于源相机识别。现有的识别方法在开放场景下采用固定阈值比较峰值相关能量（PCE）大小，无法适应图像内容复杂度、图像尺寸、用于PRNU指纹提取的图像数量等带来的PCE波动变化，导致了误判或漏检。针对此问题，提出了一种面向开放场景的自适应阈值源相机识别算法。具体地，设计了自适应阈值识别模块的训练模型，可将PRNU指纹、查询图像及其噪声残差、PCE值等作为监督学习的数据。通过适当训练得到模块的权重参数，进而自适应设定阈值以适应PCE值的波动、实现更精准的识别。在Daxing智能手机数据集和Dresden相机数据集上与四种源相机识别方法的多组对比实验充分证明了所提算法的有效性和普适性，更能适应不同内容复杂程度的源相机识别任务。

• 基于多尺度注意力与动态软掩膜的无监督图像拼接方法

  赵文龙,王列伟,王军华,杨吉祥,

  针对现有图像拼接技术因依赖特征匹配导致的伪影、失真等问题，提出一种基于无监督的图像拼接方法。该方法包含无监督图像配准和无监督图像融合两个阶段。在配准阶段，通过融合多尺度特征和高效局部注意力机制（efficient local attention，ELA）改进残差块，进行跨尺度特征融合和动态特征增强，并结合交叉注意力（cross-attention）构建交互感知增强模块，促进图像对之间特征信息的深度交互与融合。进一步提出多尺度渐进变换配准模块，通过分层优化策略逐步校准图像变换关系，显著提升对齐精度。在融合阶段，引入动态软掩膜预测机制，基于像素级连续权重学习，实现重叠区域的平滑过渡与细节保持。为支撑无监督训练，构建了涵盖复杂光照、多视差场景的真实图像拼接数据集。实验表明，相较于现有传统和深度学习拼接算法，该方法在PSNR、SSIM上分别达到27.31、0.84，且视觉上拼接效果更好，抗干扰能力更强。

• 基于环形卷积的遥感影像语义分割方法

  徐睿,韩斌,陈飞,张梓涵,

  针对基于编码器-解码器结构的遥感图像语义分割算法存在的上下文理解不足、小目标识别性能欠佳等问题，提出了一种基于环形卷积的新型语义分割模型——RingNet。通过引入环形卷积层来编码图像中具有环状分布特征的语义信息，并设计了环形残差（RingRes）模块和环形金字塔卷积（RingSPP）模块以组合多尺度特征。模型以ResNet18为主干网络，在浅层加入环形卷积残差模块以扩大感受野并保留原始输入信息；在深层使用环形金字塔模块，通过不同大小环形卷积核结合通道注意力捕捉丰富的上下文和纹理信息。在Potsdam和Vaihingen高分辨率遥感数据集上的实验结果表明，RingNet在整体准确率、平均F1分数和mIoU等指标上均优于现有主流模型，同时在语义细节分割上表现更好，证明了环形卷积方法在遥感图像语义分割任务中有改进效果。

• 集成重构与分割网络的工业异常无监督检测算法

  汪若琛,周毅,

  工业生产中异常产品的识别是一项计算机视觉挑战，基于合成样本的无监督异常检测是当前研究的热点。针对缺乏跨层级响应优化、静态约束机制难适应对象边界变化和特征空间中特征相互耦合，难以建立紧致的分布边界等问题，提出一种集成重构与分割网络的无监督异常检测算法（boundary-aware guidance integration network，BGIN）。首先，在集成网络中依靠特征金字塔架构，实现多尺度特征协同优化；其次，设计动态界限界定信息的跨模态引导机制，形成重构网络与分割网络的协同优化范式；最后，构建对差异敏感的特征耦合架构，利用特征平行卷积层与双通道耦合注意力模块，强化异常区域的特征响应。在MVTecAD数据集上的实验表明，该算法在图像级与像素级AUC分别达到99.2%与97.8%，较最优合成方法JRCC-Net误检率降低55.5%，在复杂纹理与微小缺陷场景中均展现出显著优势。

• 复杂道路场景下智能驾驶单目3D车道线检测

  娄路,胡振坤,魏文洁,沈燚,隗寒冰,

  车道线检测对智能车辆的环境感知和驾驶决策至关重要，针对现有方法在复杂交通道路场景中难以同时兼顾检测精度与速度的问题，提出一种高效的单目3D车道线检测方法。该方法通过采用动态蛇形卷积，有效提取车道线弯曲和细长形态特征；利用不同尺度的视图变换与特征聚合，减少特征损失，获取不同层次的车道线位置信息；采用残差连接的辅助监督策略，增强模型的表征能力。在3D车道线评测数据集上的实验结果显示，该方法在虚拟仿真数据集Apollo 3D synthetic上的F1-score指标达到98.6%，相较于目前先进的BEV-LaneDet和LATR方法分别提升了1.7%和1.8%；在大规模真实场景OpenLane数据集上的F1-score指标达到59.8%，相较于BEV-LaneDet，提升了1.4%，在上下坡和弯道场景中的精度提升尤为明显，分别为4.6%和2.5%；F1-score虽比基于Transformer的LATR方法低2.1%，但运行速度80.1 fps是后者14 fps的5.7倍。结果表明，该方法能够提高复杂场景下3D车道线检测的准确性和鲁棒性，实现检测性能与运行推理速度之间的较好平衡。

• 基于边界增强和加权大核的多尺度RGB-D显著性目标检测

  严灵毓,周婷,高榕,叶志伟,

  针对显著性目标检测中前景与背景分离效果不佳及背景噪声抑制不足的问题，提出了一种加权大核边界增强多尺度RGB-D显著性目标检测网络（LKMNet）。该方法通过引入边界增强加权大核融合模块（BWLKF），结合边界信息与加权大核卷积结构，提升前景聚焦能力并增强边界检测精度。同时，设计了动态门控多尺度融合模块（DGMF），通过自适应门控机制平衡局部与全局信息，从而突出空间相关特征并有效抑制背景干扰。实验结果表明，该方法在四个RGB-D数据集上的检测精度优于现有方法，验证了其在显著性目标检测任务中的优越性能。

• 基于BEV多模态特征融合的三维目标检测算法

  李珣,张友兵,周奎,付勇智,宋杰,

  针对多模态融合算法对小目标物体检测精度不足的问题，提出一种基于鸟瞰图视角多模态特征融合的三维目标检测算法（BEV-MFDet）。首先，对图像进行统一归一化，减少特征分布差异。对点云数据进行半径滤波与地面拟合，去除无效点云的影响。同时，在柱化网络中引入空间注意力模块，增强网络对立柱特征的学习能力。其次，设计BEV全局注意力融合模块自适应分配多模态权重，更精准地表征场景特征。在KITTI数据集上的实验结果显示，该算法在中等难度的检测任务中综合表现最优。其中，在小目标自行车人类别的检测精度上，相较于综合表现较好的CenterPoint和LIN算法分别提升了2.51%和1.75%。实验结果表明，该算法在小目标检测精度和整体检测性能方面表现优越，具有较高的应用价值。

• 一种面向手绘草图的多阶段跨域图像检索方法

  王智贤,雷浩鹏,王明文,罗国亮,付懿睿,

  针对基于手绘草图的图像检索任务中存在草图缺乏纹理与色彩细节导致跨模态特征对齐困难，以及跨域转换过程信息丢失影响检索精度的问题，提出了一种面向手绘草图的多阶段跨域图像检索方法（MSCD）。该方法分为三个阶段:首先，采用生成模型将手绘草图转换为自然图像，补充视觉细节特征，降低草图与自然图像的风格差异；其次，针对手绘草图、生成图像与真实自然图像的多模态特性，设计多分支特征提取网络，充分捕捉各模态的结构与语义信息；最后，通过相似度加权融合策略综合草图与生成图像的互补信息，提升最终检索结果的准确性与多样性。在Sketchy Ext与TU-Berlin Ext两个公开数据集上的实验结果表明，MSCD的mAP和Prec@100指标较现有先进方法均取得了明显提升，证明了MSCD在草图检索任务中的有效性。