前沿·综述

• 大模型增强知识图谱的构建与推理研究综述

  张静;黄文锋;吴春江;谭浩;

  随着知识图谱（KG）在智能问答、推荐系统等领域的广泛应用，其规模化构建与高效推理的技术瓶颈日益凸显。传统人工与半自动化构建模式成本高昂，实体歧义消解、关系抽取准确率不足等问题导致图谱质量难以保障；知识稀疏性与推理规则复杂性限制了图谱推理的泛化能力。大模型（LLM）凭借强大的语义理解与上下文建模能力，为突破这些瓶颈提供了新路径，但目前相关技术缺乏系统性梳理，不同方法的适用场景与性能边界尚不清晰，因此，对现有的大模型增强知识图谱构建和推理的方法开展系统性综述。介绍了知识图谱和大模型相关的基础理论。聚焦知识抽取、自动化构建、知识补全与推理四类核心任务，剖析现有方法：知识抽取中，对比基于大模型的零样本知识抽取与微调领域适配抽取；自动化构建方面，梳理大模型驱动的本体自动生成、图谱迭代更新技术；知识补全方面，总结了借助大模型生成伪三元组、提示规划上下文与结合外部检索机制的方法；推理任务中，分析了基于大模型的静态增强推理和主动规划推理技术。介绍了该研究在医疗、教育等领域的典型应用场景，梳理了支撑相关研究的中英文通用和垂直领域知识图谱数据集资源。针对现存方法的局限性提出了未来研究方向。

  2025年11期 v.19;No.206 2855-2872页 [查看摘要][在线阅读][下载 2282K]
  [下载次数：2384 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：8 ]

• 深度学习方法下的文本聚类模型研究进展

  史东艳;马乐荣;丁苍峰;宁秦伟;曹江江;

  文本聚类是无监督学习的核心技术之一，其目标是将海量文本数据自动划分为若干语义高度相似的簇。近年来，基于深度学习的文本聚类取得蓬勃发展，研究焦点逐步转向利用先进的深度学习架构来高效提取文本特征，以进一步提高聚类结果的准确性。特别是依托RoBERTa和GPT等大型预训练语言模型的聚类策略，凭借其强大的预训练特征表示能力，已展现出卓越的性能优势。通过实例和数据的方式，全面回顾了文本聚类的发展历程、当前进展及其任务特性，旨在直观呈现其最新发展趋势及在数据挖掘领域的重要影响力。创新性地提出了一种面向深度学习架构特征的文本聚类模型分类方式。该分类方式依据模型在聚类任务中的核心机制与特征提取路径进行划分，内容涵盖从传统聚类算法到前沿技术的全面介绍，包括K-means、谱聚类、自编码器、生成模型、图卷积神经网络以及大型语言模型等多种方法，并对其具体实现细节进行深入分析。最后分析了现有方法的优势与局限，并在此基础上探讨未来可能的研究方向。

  2025年11期 v.19;No.206 2873-2894页 [查看摘要][在线阅读][下载 2419K]
  [下载次数：689 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• 胎儿脑核磁共振图像处理技术进展

  刘梦宇;罗琴;姚雄;王健华;陈健;

  胎儿脑核磁共振成像技术因其无创、无辐射和高软组织对比度，已成为评估胎儿大脑发育和诊断先天性脑异常的重要工具。高质量的胎儿脑核磁共振图像在临床诊疗和胎儿脑发育等科学研究方面发挥着重要作用。图像处理技术可提升胎儿脑核磁共振图像质量，满足诊断与研究需求，故其在胎儿脑核磁共振图像领域的研究具有重要意义。对胎儿脑结构及其核磁共振图像数据集进行简要介绍，并对图像质量评价、图像配准、图像去噪、图像偏差场校正、图像去伪影及超分辨率重建六个方面的技术进行阐述。阐述了图像处理技术应用于胎儿脑核磁共振图像的重要性；介绍了胎儿脑结构及其核磁共振图像数据集；分别就六个方面的图像处理技术进行详细介绍，系统地阐述了不同技术的国内外研究现状，对不同方法的性能进行比较与分析，并对已取得的成果与面临的挑战进行了小结；从技术、临床应用等角度探讨了胎儿脑核磁共振图像处理领域存在的问题和未来的研究方向。

  2025年11期 v.19;No.206 2895-2912页 [查看摘要][在线阅读][下载 1757K]
  [下载次数：184 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：2 ]

• 共识机制在联邦学习中的研究现状

  刘义;吴世伟;蒋澄杰;董慧婷;吴银淼;管新如;蒋胜;张磊;

  联邦学习的快速发展带来了分布式数据协同训练的新机遇。区块链为联邦学习的中心化信任、数据隐私保护、系统安全及通信开销优化等关键挑战带来了解决思路，成为联邦学习的一个重要组成部分。而共识机制作为区块链在联邦学习中的重要组成，可以对模型更新进行验证，实现去中心化聚合，使用激励确保参与者积极参与等。针对联邦学习中共识机制的差异，从联邦学习中的经典共识、表现共识、协议共识与协同共识四个角度对现有的联邦学习中使用的共识方案进行了比较：经典共识侧重于区块生成与基础一致性保障；表现共识根据节点本地训练表现进行参与度调节；协议共识面向联邦任务设计专属策略，实现定制化高效聚合；协同共识则支持多链多域环境下的跨链验证与一致性维护。通过对比联邦学习中不同共识的代表算法、优缺点以及适用环境，分析出当前共识机制存在隐私嵌入困难、通信负担重、异构适应性差等问题。最后提出机制融合、轻量设计、隐私集成等未来优化方向，为共识机制与联邦学习的深度融合提供理论支撑与方法参考。

  2025年11期 v.19;No.206 2913-2934页 [查看摘要][在线阅读][下载 2710K]
  [下载次数：281 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：2 ]

• U-Net及其变体在视网膜血管自动分割中的应用研究

  刘艳艳;董彦如;张凯;王晓燕;王旭;

  视网膜血管分割研究旨在促进眼底疾病的早期诊断及病变分析，为医生评估患者眼部健康状况提供重要依据。深度学习技术的迅猛发展为视网膜血管图像分割带来了新方法和分割性能的新突破，U-Net以出色的性能表现成为该领域的主流分割模型。详细整理了近年来U-Net及其改进模型在视网膜血管分割领域的应用进展，在介绍视网膜血管分割常用数据集与评价指标的基础上，概述U-Net模型及其主要结构改进策略。将U-Net变体划分为单网络模型与多网络模型，并从单网络模型中的注意力机制、残差结构、多尺度特征模块、卷积模块，以及多网络模型中的级联U-Net、双路径U-Net、生成对抗网络的融合、Transformer与Mamba模型的融入等角度对U-Net模型及其变体的改进进行了详细梳理，归纳对比分析了各研究在模型结构、特征提取、性能优化等方面的改进与缺陷，以及在公开数据集上的实验结果，并讨论了该领域目前存在的挑战与未来展望。

  2025年11期 v.19;No.206 2935-2949页 [查看摘要][在线阅读][下载 1852K]
  [下载次数：569 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

理论·算法

• 变分信息瓶颈引导的互补概念瓶颈模型

  冀中;林子杰;

  概念瓶颈模型（CBM）将黑盒模型提取的视觉特征表示映射到一组可解释的概念上，并利用概念进行决策。最新提出的方法主要利用大语言模型（LLM）生成文本概念，通过多模态预训练模型将视觉表示与文本概念嵌入相匹配。然而这些方法也将文本噪声注入了概念瓶颈，导致输出的文本解释与图像内容不匹配或与视觉属性无关。针对上述问题，提出了基于变分信息瓶颈引导的互补概念瓶颈模型。设计一种基于思维链（CoT）技术的概念生成方法，提示视觉语言模型（VLM）和大语言模型分别输出更加准确且互补的文本描述。构建一个基于变分信息瓶颈特征归因方法的概念筛选模块，提取文本描述中与图像内容相关性最高的文本概念。设计一种基于互补概念瓶颈的图像分类方法，结合双支路的概念激活得分进行决策。为了评估概念瓶颈模型输出解释的简洁性和有效性，提出了可解释性效率指标。在6个公开数据集上的实验表明，该算法在可解释性效率方面优于其他5个最新模型，同时达到相近甚至更优的准确率。

  2025年11期 v.19;No.206 2950-2966页 [查看摘要][在线阅读][下载 3084K]
  [下载次数：81 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• IMLS：用于大规模属性图的迭代有损图摘要方法

  赵丹枫;马健;贺琪;郑小罗;李明刚;

  随着计算资源的进步，越来越多的现实世界数据以图的形式存储在计算机中。然而，直接处理大规模图所需的时间和资源成本不断攀升。有损图摘要技术在确保保留图的整体结构和主要属性的前提下，对图进行精炼和删减，从而生成一个近似输入图的紧凑表示，来获得较小存储需求和更高计算效率。然而，已有的工作通常面临计算效率与摘要质量的不平衡，或缺乏节点属性的纳入。为了解决这些问题，提出了一种基于迭代最小哈希局部敏感哈希（MinHash-LSH）的有损图摘要方法IMLS。方法通过引入结合属性权重的得分函数评估节点合并收益，迭代地合并节点对，生成一个限制节点数量的摘要图，旨在最大限度地减少重构误差与存储大小，同时最大限度地提高节点同质性。实验结果表明，IMLS在压缩比相似的情况下，运行时间比同类方法快约51.3倍，且能够生成较同类方法重构误差低约91.87%的摘要图。此外，IMLS方法具有线性可扩展性，适用于大规模图，并且通过控制属性权重参数，能够确保生成的摘要图具有可控的节点同质性。

  2025年11期 v.19;No.206 2967-2980页 [查看摘要][在线阅读][下载 2107K]
  [下载次数：41 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

图形·图像

• 双重细化门控自适应融合的道路裂缝检测算法

  冯永安;张紫扬;张旭;

  道路裂缝存在缺陷类型多样、异常区域复杂等特点，当前的目标检测算法在通道和空间维度存在冗余的特征处理、阶段信息的盲目式融合等问题，导致网络效率低、关键信息丢失。提出了一种双重细化门控自适应融合网络（DR-DETR），在潜在空间中实现特征在通道和空间维度上的双重精细化处理，解决上述问题的同时，也提高了道路裂缝的检测精度。构建一种通道-空间双重细化的信息蒸馏机制，分别对通道和空间维度内冗余的特征进行信息蒸馏，减少网络对特征的冗余处理，实现关键性特征的高效表征；针对阶段性特征的粗粒度融合，提出了特征信息门控自适应融合模块（FGAF-Fusion），利用增强型条带大核卷积获取全局信息，借助对比感知注意力实现通道间的交互和融合，同时利用门控自适应融合机制筛选出关键性的小目标语义信息；设计Res-DCNv3模块，利用DCNv3可变形卷积的灵活性来精确提取形态各异的道路裂缝特征。在RDD2022公开数据集中的实验结果显示，提出的DRDETR在mAP0.50和mAP0.50:0.95分别达到了51.7%和24.9%，相较于RT-DETR分别提升了4.2和3.3个百分点。在道路裂缝目标检测任务中，提出的DR-DETR可以有效检测出不同类型的道路缺陷，展现出极具竞争性的检测结果和良好的鲁棒性。

  2025年11期 v.19;No.206 2981-2993页 [查看摘要][在线阅读][下载 2298K]
  [下载次数：421 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 少样本运动模式学习与视频生成控制策略

  冯思聪;彭力;

  随着深度学习的迅速发展，扩散模型在图像生成与视频生成领域取得了显著成效，使文本驱动的视频生成逐渐成为研究热点。然而，现有的文本生成视频模型仍面临诸多挑战，例如，高昂的训练成本与庞大的数据需求限制了模型的应用场景，同时在视频内容的交互式编辑能力方面关注不足，难以满足多样化的生成需求。针对以上挑战，提出一种通过少样本学习的动态掩码引导视频生成网络（DyMask-Vid），仅需少量视频数据就可在消费级GPU上完成训练。该模型在现有模型中引入了文本感知掩码交叉注意力层（TAMCA），以增强训练过程中对视频前景区域的注意力，从而实现文本提示与视频内容的精确匹配，同时为了适应首帧生成策略，该模型加入了时空自注意力层（TSSA）。在生成阶段，模型通过动态掩码和文本提示实现对生成内容的精确控制，同时为了提高生成视频的稳定性，设计了一种时序共享噪声策略（TNSS）。通过广泛的定性和定量实验验证，该方法在视频生成和编辑任务中表现出色，在一致性和生成质量方面显著优于现有的一些方法。

  2025年11期 v.19;No.206 2994-3006页 [查看摘要][在线阅读][下载 3124K]
  [下载次数：70 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• 基于生成对抗网络的舌象图像特征提取方法

  阮群生;王硕诚;吴清锋;

  舌诊是中医特色诊法之一，《医镜》深刻阐释了舌象与人体健康状况、脏腑病变的密切关系。因此，现代中医智能舌诊的重要工作便是舌象图像特征处理，针对舌象图像特征分布规律的学习和特征提取困难的问题，提出一种基于生成对抗网络的舌象图像特征提取新方法（TongueIFE-GAN）。该方法通过对抗思想构建一种面向舌象图像潜在特征的提取网络，它包括判别器和生成器两个重要组成部分，藉此建立图像重构质量与舌象图像的特征提取效果映射关系。为增强深度算法的可解释性，在网络判别器中融入类激活映射机制，进一步优化编码器的特征处理性能，并对TongueIFE-GAN模型在提取特征时关注的图像敏感区域作出可视化解释。同时，在舌象图像分割、分类任务驱动下，新模型可自优化舌象特征提取的能力。通过多组实验，结果表明，基于TongueIFE-GAN模型的舌象分割和分类任务，其分割性能IoU与Dice指标值，以及分类准确率均优于基准模型和对比方法。TongueIFE-GAN利用对抗思想构建新型的特征提取以及注意力可视化机制的研究方法，可为舌象图像特征研究提供一种新的思路。

  2025年11期 v.19;No.206 3007-3022页 [查看摘要][在线阅读][下载 2114K]
  [下载次数：400 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

人工智能·模式识别

• 融合多视角信息的朋友关系预测方法

  马志慧;陈红梅;杨培忠;王丽珍;

  位置社会网络（LBSN）是一类融合了朋友关系和用户签到轨迹的社会网络，其广泛应用于兴趣点推荐、活动策划和朋友关系预测等任务。然而，现有的朋友关系预测方法在处理用户签到轨迹时，在空间维度上忽略了用户的兴趣点偏好和空间约束，在时间维度上忽略了用户兴趣点偏好的动态变化。针对上述问题，提出融合多视角信息的朋友关系预测方法（FPIMV），旨在通过捕获用户签到轨迹中的空间、时间信息以及用户间的朋友关系等多视角信息，有效学习用户对嵌入，提升朋友关系预测效果。FPIMV模型在签到位置嵌入层，提出基于兴趣点相似性和邻近度的用户对嵌入方法，该方法有效捕获了用户的兴趣点偏好和空间约束；在签到时间嵌入层，提出基于签到时间局部和全局特征的用户对嵌入方法，该方法有效捕获了用户兴趣点偏好的动态变化；在社会关系嵌入层，基于元路径学习用户对嵌入，以捕获用户间的语义关系；最后，融合上述嵌入，提高用户对嵌入质量，进而提升朋友关系预测性能。在三个LBSN数据集上的实验结果表明，FPIMV模型在朋友关系预测任务上优于基线模型。

  2025年11期 v.19;No.206 3023-3032页 [查看摘要][在线阅读][下载 1715K]
  [下载次数：134 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 基于超图双重注意力机制的多模态谣言检测模型

  王安然;袁得嵛;潘语泉;贾源;

  针对现有图神经网络模型在多模态新闻谣言检测任务中难以有效建模谣言传播过程中的复杂多节点关系、且对节点自身所含的多模态特征信息挖掘不足的问题，提出一种融合图文及情感等多模态特征的节点嵌入的超图网络谣言检测模型。该方法融合包含图文以及情感等多模态特征，得到信息更充分的初始节点嵌入；将融合后的节点特征导入构建的多重关系的超图结构中，刻画超过成对关系的群体交互模式；引入带门控机制双重注意力机制，自适应给关键节点和超边分配权重并突出高权重要素；得到的节点高层表示作为分类输入，最终提升新闻关系和传播模式的识别能力。通过实验验证，所提出的方法在三个公开数据集上取得了显著的性能提升，准确率分别为94.46%、97.36%和93.86%。此外，该方法在早期谣言检测任务中也表现出一定的有效性，展示了其在多模态信息融合及复杂关系建模方面的优势。

  2025年11期 v.19;No.206 3033-3045页 [查看摘要][在线阅读][下载 2090K]
  [下载次数：587 ] |[网刊下载次数：0 ] |[引用频次：1 ] |[阅读次数：3 ]

• 融合关系路径与实体邻域信息的知识图谱多跳推理方法

  宋宝燕;刘杭生;单晓欢;李素;陈泽;

  知识图谱多跳推理旨在通过挖掘实体间的复杂路径关系补全缺失三元组。现有方法在路径特征提取和实体邻域粒度信息融合方面存在不足，导致推理结果缺乏可解释性和准确性。针对上述问题，提出一种融合关系路径与实体邻域信息的知识图谱多跳推理方法MGPC。设计基于语义相关性的候选路径筛选机制，通过计算中心实体与候选答案实体的语义相关性评分，提取与查询高度相关的候选路径集，并将其嵌入低维空间以增强可解释性。基于时空注意力机制，挖掘候选关系路径中心实体局部邻域粒度信息，并结合长短期记忆网络捕获关系路径的局部多粒度邻域特征与全局依赖关系，生成融合全局-局部语义的路径嵌入。引入Transformer编码器建模全局路径与中心实体的关联性，通过去噪层优化全局路径嵌入表示，选择高置信度的推理路径，进而提高推理结果的可解释性和有效性。在3个基准数据集上将所提出的方法与10个主流基线方法进行比较，实验结果表明，MGPC在多跳推理任务中优于主流基线模型，在FB15k-237、NELL-995数据集上MRR、Hits@1方面分别平均提升了3.1%、4.0%，验证了方法的有效性。

  2025年11期 v.19;No.206 3046-3058页 [查看摘要][在线阅读][下载 4677K]
  [下载次数：318 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

• 基于时间特征的图卷积新闻推荐模型

  杨智勇;陈佳慧;许沁欣;

  针对现有新闻推荐系统在动态特征提取中未能有效挖掘用户交互数据与阅读习惯信息的问题，提出一种基于时间特征的图卷积网络模型TimelyGCN。该模型充分考虑用户停留时长、阅读行为的时序特征以及新闻的生命周期属性，以刻画用户兴趣的演化和新闻内容的新鲜度变化。在新闻特征提取阶段，引入阅读时长数据，并结合时态建模与语义分析，深度挖掘用户与新闻内容的动态关联。同时，构建用户-新闻交互图，并在预训练阶段将行为时间序列特征与新闻生命周期属性作为复合权重融入图结构中，以显式建模用户兴趣的时间依赖性，从而增强模型对新闻消费模式的适应能力。在推荐预测阶段，进一步结合新闻的剩余生命周期信息，采用动态权重调控机制优化候选新闻的曝光优先级，以平衡个性化推荐与新闻内容时效性之间的关系，从而提升推荐效果的精准度和实时性。实验结果显示，提出的模型在Adressa数据集上有效提升了推荐性能，相较于现有基线网络方法，在AUC、MRR、nDCG@5和nDCG@10指标上均取得了不同程度的提升。

  2025年11期 v.19;No.206 3059-3071页 [查看摘要][在线阅读][下载 1882K]
  [下载次数：211 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

• 融合全局图拓扑与多尺度掩码卷积的漏洞检测方法

  黄安博;曲海成;姜庆玲;

  基于序列的深度学习方法在建模源代码的结构特征方面存在不足，而图神经网络（GNN）虽然可以通过聚合邻居节点信息丰富当前节点表征，但无法有效获取图的全局特征信息，且难以捕获图节点间长距离依赖。为克服上述问题，提出了一种融合全局图拓扑与多尺度掩码卷积的门控漏洞检测方法（GTMC-VD）。在该方法中，利用开源工具（Joern）将源代码转换为代码属性图（CPG），采用词嵌入模型（Word2Vec）对图中节点进行嵌入以获得图中节点的初始表示，设计并实现了图全局拓扑编码器。该编码器利用图卷积网络（GCN）的输出作为节点重要性评分，利用该评分对图结构进行简化，并对邻接矩阵和节点特征进行更新，通过层次化的策略实现逐层优化并采用不同池化层获取多尺度的拓扑信息，最终聚合以获取图的全局特征。之后采用两个不同尺度的卷积核捕捉节点之间的依赖关系，同时针对变长图数据引入掩码机制，避免因填充节点带来的噪声干扰，实现了多尺度掩码卷积模块。最终，引入门控机制，自适应融合两个模块的输出结果，并得到模型最终检测结果。在两个公开数据集上的大量实验表明，所提方法有效解决了上述两个问题，并在准确率、精确率、召回率和F1分数指标上相比于基准模型（Devign）分别提高了6.69、4.43、13.63和8.17个百分点。总之，GTMC-VD有效获取了图的全局特征，且缓解了基于GCN模型无法捕捉长距离依赖的问题，为漏洞检测任务提供了一种更为鲁棒且高效的解决方案。

  2025年11期 v.19;No.206 3072-3082页 [查看摘要][在线阅读][下载 1696K]
  [下载次数：62 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• 融合动态边权重图注意力网络的方面级情感分析

  仲兆满;吕慧慧;张渝;崔心如;樊继冬;黄泽宇;

  在方面级情感分析领域，传统研究多依赖静态图神经网络来建模文本上下文与方面之间的依赖关系。然而，这些方法往往忽略了句法结构和词性信息的动态特性，限制了模型在捕捉复杂语义关系方面的能力。为此，提出了一种动态边权重图注意力网络（DEWGAT），旨在更全面地捕捉文本的语义、句法和方面信息。DEWGAT模型通过整合BERT嵌入、句法距离矩阵、方面相关掩码和语法权重矩阵，动态计算基于句法依存关系的边权重，从而强化关键情感依存关系的建模。在图注意力网络中，引入了一种新的注意力机制，该机制同时考虑了方面词和语法依存关系，显著增强了对关键情感信息的捕捉能力，提高了情感分类的准确性。在实验中，DEWGAT模型在四个公开基准数据集上进行了评估，结果显示其在Twitter、Lap14和MAMS数据集上的准确率分别提升了1.16、0.15和4.85个百分点。特别是在MAMS数据集上，DEWGAT模型的准确率达到了0.893 7，显著优于多数对比模型，展示了其在处理复杂情感分析任务中的优越性能。尽管DEWGAT模型在多个数据集上表现出色，但目前尚未实现端到端的框架集成。

  2025年11期 v.19;No.206 3083-3093页 [查看摘要][在线阅读][下载 1911K]
  [下载次数：557 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

网络·安全

• 基于融合特征的元学习对抗样本检测模型

  蒋章涛;李欣;薛迪;王晓宇;

  深度学习模型易受对抗攻击的脆弱性使得对抗样本检测成为一项重要技术。现有检测方法通常依赖大量标注数据进行训练，而新型攻击样本的生成速度远超数据收集与标注效率，致使小样本场景下检测性能显著下降。此外，传统端到端的学习方法存在未能充分利用对抗样本固有特征等问题，限制了检测精度和泛化能力。为解决上述问题，提出了一种基于融合特征与注意力机制的元学习对抗样本检测模型Meta-FAD。该模型旨在模拟安全专家利用元知识快速适应未知攻击的能力，实现仅依赖少量数据检测新型对抗样本。模型融合空域和频域特征构建联合表征，并通过注意力机制模块对特征权重进行动态调控，从而增强对对抗扰动敏感区域的关注。在元学习框架下采用内外循环优化策略对任务级参数进行更新，以确保模型能够迅速适应新型攻击任务。实验结果显示，Meta-FAD在AdvMNIST、AdvFashionMNIST和AdvCIFAR10数据集上实现的2-way 1-shot检测准确率分别为97.42%、89.02%和69.84%，显著优于现有基线模型；消融实验进一步验证了融合特征与注意力机制在提升检测性能方面的关键作用。

  2025年11期 v.19;No.206 3094-3107页 [查看摘要][在线阅读][下载 1936K]
  [下载次数：308 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

• 基于同态加密与代理重加密的可追踪联邦学习方案

  李亚红;王淳之;杨小东;牛淑芬;

  在智慧医疗系统中，需要不同医疗机构的数据进行跨机构共享，为了实现数据的隐私性与安全性，联邦学习被应用其中。然而，联邦学习在实际应用中仍然面临数据安全、动态用户管理和恶意节点防御等挑战。基于此，提出了一种基于隐私保护与匿名追踪的联邦学习方案。该方案利用同态加密与噪声掩码技术对本地模型参数信息进行加密，确保模型更新过程中模型参数的隐私性。利用代理重加密，由噪声服务器生成并安全地分发噪声密文，使得聚合服务器无法访问噪声明文，防止梯度逆推攻击，同时可以容忍医疗机构上传本地模型参数失败的情形，实现高效的掉线安全聚合。采用可追踪的伪匿名身份认证机制，实现对医疗机构的身份保护，并通过模型准确率变化来识别恶意节点，当某医疗机构多次被标记为恶意时，使用秘密值共享可追溯医疗数据的真实身份。实验模拟表明，与现有方案相比，所提方案可以有效抵抗梯度的反演攻击并保持模型精度，并且能够实现高效的掉线安全聚合。

  2025年11期 v.19;No.206 3108-3118页 [查看摘要][在线阅读][下载 1706K]
  [下载次数：220 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

系统软件与软件工程

• 面向微服务系统异常检测的多模态时空增强模型

  马渊沐;丁凯琪;李荣华;

  异常检测作为确保微服务系统健康和性能的关键环节，已经成为智能运维领域的一个热点问题。然而现有异常检测方法存在三个重要问题：（1）微服务系统中收集的指标、日志和调用链等异构监测数据的关联分析不足，导致假阴性。（2）对异构数据时空特征挖掘不充分，导致假阳性。（3）异常检测结果无法综合表征微服务系统状态，缺乏可解释性。为了克服这些问题，提出一种多模态时空增强异常检测框架（STEAD）。对微服务系统中产生的异构多模态数据进行有效的统一表征处理；通过引入跨模态注意力模块，能够精确提取出不同数据模态之间的相关性；将经过关联处理的数据输入到时空增强网络中，利用该网络强大的时空递归编码能力，深入挖掘数据中的时空特征；将编码结果通过变分自编码器映射到潜在空间学习特征分布，通过对比解码重构的结果与输入的差异实现异常检测。实验结果证明STEAD在F1-score指标上相较于现有方法平均提升了7.76%～39.43%，与多模态方法相比，STEAD将模型训练时间缩短了约80%。

  2025年11期 v.19;No.206 3119-3130页 [查看摘要][在线阅读][下载 2238K]
  [下载次数：210 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

编者信息

• 《计算机科学与探索》投稿须知

  <正>《计算机科学与探索》是由中国电子科技集团公司主管、华北计算技术研究所主办的国内外公开发行的高级学术期刊，中国计算机学会会刊，中国百强科技期刊，工业和信息化部优秀科技期刊，北大中文核心期刊，中国科学引文数据库（CSCD）核心期刊，中国科技论文统计源期刊（中国科技核心期刊），RCCSE中国核心学术期刊，中国学术期刊综合评价数据库（CAJCED）统计源期刊，中国科技论文与引文数据库（CSTPCD）统计源期刊，中文科技期刊数据库（VIP）收录期刊，并被“Scopus数据库”“英国《科学文摘》（SA/INSPEC）”“美国《剑桥科学文摘》（CSA）”“美国《乌利希期刊指南》（Ulrich’s PD）”“《日本科学技术振兴机构中国文献数据库》（JST）”“波兰《哥白尼索引》（IC）”“美国EBSCO数据库”“瑞典《开放获取期刊目录》（DOAJ）”收录，入选“庆祝中华人民共和国成立70周年精品期刊展”。月刊，大16开。欢迎踊跃投稿。

  2025年11期 v.19;No.206 3131页 [查看摘要][在线阅读][下载 592K]
  [下载次数：1 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]
下载本期数据