前沿·综述

• 基于大语言模型的实体关系抽取综述

  夏江镧;李艳玲;葛凤培;

  实体关系抽取任务旨在从非结构化文本中识别实体对及其相互关系，是众多自然语言处理下游任务应用的基础。随着大数据和深度学习技术的发展，实体关系抽取的研究取得了显著进展。近年来，将大语言模型应用于实体关系抽取任务已成为新的研究趋势。大语言模型具备自动特征提取和强大的泛化能力，能够显著提升任务性能。对实体关系抽取的方法进行综述，并根据所使用的方法和模型的演变将其划分为两大类。介绍了命名实体识别和关系抽取任务的定义。系统回顾了实体关系抽取方法的发展历程，并对其相应模型的优缺点进行了深入分析。在此基础上，重点探讨了基于大语言模型的方法在解决实体关系抽取任务中的独特优势。整理了当前主流数据集的特点，并总结了实体关系抽取任务的常用评价指标，如精确率、召回率和F1值等。分析了当前研究中存在的挑战并对未来研究方向进行了展望。

  2025年07期 v.19;No.202 1681-1698页 [查看摘要][在线阅读][下载 2199K]
  [下载次数：1668 ] |[网刊下载次数：0 ] |[引用频次：1 ] |[阅读次数：10 ]

• 图像压缩技术研究综述

  周开军;廖婷;谭平;史长发;

  图像压缩是图像处理与通信领域的一项关键技术，一直以来是学术界的研究热点。对图像压缩的基本概念和原理进行了系统梳理，区分了无损压缩与有损压缩，介绍了各类编码技术。在传统压缩方法方面，对基于离散余弦变换、离散小波变换、矢量量化和分形压缩的技术进行了全面分析，探讨了它们的优缺点及适用范围。这些方法虽在图像压缩领域发挥了重要作用，但随着技术发展，其局限性也逐渐显现。针对深度学习领域的图像压缩技术，重点研究了卷积神经网络、循环神经网络、生成对抗网络以及近年来兴起的Transformer和扩散模型等方法在图像压缩中的应用。这些方法通过自动学习图像特征，实现了更高效的压缩和图像重构。在性能评估方面，分析了压缩比、峰值信噪比和结构相似性指数等关键指标，并探讨了图像压缩技术在不同领域的应用前景和面临的挑战。对未来图像压缩技术的发展方向和研究趋势进行了展望，指出随着深度学习与新兴技术的结合，智能图像压缩将成为未来的重要发展方向。

  2025年07期 v.19;No.202 1699-1728页 [查看摘要][在线阅读][下载 1724K]
  [下载次数：1438 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 医学领域多模态知识图谱融合技术发展现状研究

  时振普;吕潇;董彦如;刘静;王晓燕;

  多模态知识图谱利用文本、视觉等多模态数据对实体、关系及事件进行建模，展现出强大的数据处理能力，为人工智能领域提供更丰富、深入的理解，也因此备受医学领域瞩目，其在医学数据处理、潜在价值挖掘等多类研究中均取得显著成效。为更好地厘清多模态知识图谱在医学领域的研究现状，阐述多模态知识图谱基本知识及医学领域多模态知识图谱构建难点与相关数据集；从传统方法及深度学习方法两个角度分析多模态知识图谱融合涉及的多模态实体对齐与多模态实体链接等关键技术，重点分析文本、图像、音频三个模态的特征提取及融合方法，总结各多模态融合方法优缺点并阐述多模态大语言模型在多模态融合中的应用；详细梳理多模态知识图谱在医学视觉问答、药物研发、影像辅助诊断等领域的研究进展。在此基础上，分析归纳医学领域多模态知识图谱在多模态融合与数据集方面的局限性及面临的挑战，并对未来研究方向进行展望。

  2025年07期 v.19;No.202 1729-1746页 [查看摘要][在线阅读][下载 1646K]
  [下载次数：2204 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• 下一个兴趣点推荐算法综述

  刘广腾;王峰;吴中博;

  随着移动互联网和位置服务的迅速发展，基于位置的社交网络已成为用户日常生活的一部分。深度学习技术，尤其是基于注意力机制和图神经网络的模型，在预测用户未来可能访问地点的下一个兴趣点推荐任务中取得了显著突破。系统回顾了过去五年内下一个兴趣点推荐算法的研究进展，重点分析了注意力机制和图神经网络在该领域的应用。介绍了相关技术的基础理论，包括注意力机制和图神经网络的基本原理及其在时空数据中的优势。通过对不同方法的优缺点进行深入比较和分析，总结了当前该领域所面临的主要挑战。详细介绍并比较了常用的下一个兴趣点推荐数据集（如Foursquare、Gowalla），并探讨了在实际应用中如何选择和利用这些数据集。讨论了推荐算法中常用的评价指标（如准确率、召回率）。展望了未来的研究方向，并提出了多种可能优化下一个兴趣点推荐算法性能的策略，包括解决深度模型中的数据稀疏性问题，提升模型可解释性，以及应对冷启动问题等。

  2025年07期 v.19;No.202 1747-1770页 [查看摘要][在线阅读][下载 1972K]
  [下载次数：797 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

• 面向大规模DNN训练场景的容错技术综述

  许光远;张亚强;史宏志;

  由大量异构资源构建的大规模算力集群是训练ChatGPT、Sora等大型深度神经网络（DNN）的必需品，然而训练过程中的故障率往往与训练规模正相关，集群中任一部件故障可能会导致训练任务中断，因此在大规模深度神经网络训练中实现高效容错能力变得尤为重要。对近年大规模神经网络训练的容错技术进行了深入探讨，重点讨论了不同层面上如何有效应对训练过程中出现的故障及相关技术可能存在的优劣势。说明了容错技术在大规模深度神经网络训练中所起的关键作用，阐述了近年来有关大规模深度神经网络训练的容错技术，根据作用主体从训练过程，以及训练体系架构和模块两个层面展开论述。训练过程中的容错设计主要包括检查点和非检查点容错技术。检查点容错技术旨在优化检查点的存储和传输，以减少故障发生时的数据丢失和训练恢复时间。非检查点技术则依赖于弹性训练、冗余计算及参数更新策略，提供更加灵活的故障恢复机制。在训练体系架构和模块的容错设计中，探讨了近年确保大规模集群稳定性的故障检测和管理等容错技术。讨论了容器、数据预处理和矩阵乘法等模块的容错措施，以提升训练任务的效率与容错能力。通过归纳和分析近年提出的容错技术，总结了面向大规模深度学习训练场景的现有挑战，并展望了未来的发展方向，提出了相关优化方向，以适应更大规模深度学习训练场景的容错需求。

  2025年07期 v.19;No.202 1771-1788页 [查看摘要][在线阅读][下载 2132K]
  [下载次数：234 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

理论·算法

• 融合信赖域与非线性单纯形法的黑翅鸢优化算法

  王玉芳;程培浩;闫明;

  针对黑翅鸢优化算法（BKA）因缺乏种群内信息交流而导致搜索力度受限以及迁徙阶段种群跟随最优个体迁徙的盲目性而导致种群多样性下降的问题，提出融合信赖域和非线性单纯形法的黑翅鸢优化算法（TDNSBKA）。对黑翅鸢初始种群利用精英动态反向学习策略进行初始化，提高初始解的质量；在算法的攻击阶段，引入信赖域变异策略，实现种群内的信息交流，提高算法的收敛精度并平衡算法的探索与开发能力；在算法的迁徙阶段，对适应度最差的个体采用非线性单纯形法的反射操作，减小种群跟随领导者迁徙的盲目性，提高种群的多样性。建立TDNSBKA算法的Markov链模型，证明了其具有全局收敛性。仿真实验基于30维与50维的CEC2017测试函数，验证了3种改进策略的有效性，将改进的算法TDNSBKA和对比算法进行收敛性分析、Wilcoxon秩和检验，证明了TDNSBKA具有更优秀的收敛性能以及鲁棒性。将TDNSBKA应用在齿轮系设计和压力容器设计的求解上，验证了其在实际应用中的有用性。

  2025年07期 v.19;No.202 1789-1807页 [查看摘要][在线阅读][下载 1574K]
  [下载次数：718 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ]

• 基于图潜向量分布学习的图过采样方法

  任博;董明刚;于扬;卢贤睿;

  现实世界中许多图数据存在类别分布不平衡的问题，其通常表现在节点、边和图三个级别。常用的基于过采样的图级不平衡处理方法，因样本缺乏多样性，会导致模型过拟合。针对该问题，提出一种图潜向量分布学习的图过采样方法（GLRD-GAN）。提出一种图潜向量分布学习方法，利用预训练的图变分自编码器（VGAE）和全连接神经网络学习少数类图样本在低维空间内的潜向量分布，在该分布上随机采样潜向量信息并与原少数类潜向量融合，保证了少数类潜向量的多样性。设计了一种基于双解码器的图样本生成器，经预训练的内积解码器和图卷积解码器充分利用采样的潜向量来分别生成图数据的拓扑结构和节点特征。通过GAN判别器检测生成样本的真伪和类别，监督生成样本的有效性，实现多样性的少数类图样本生成。在5个具有代表性的长尾图数据集上进行了对比实验和可视化观察，结果表明提出的基于图潜向量分布学习的图过采样方法在Acc和F1值上较其他方法平均高出1%～4%，且能够生成有效的少数类图样本。

  2025年07期 v.19;No.202 1808-1819页 [查看摘要][在线阅读][下载 2050K]
  [下载次数：110 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ]

• 自适应积空间离散动态图链接预测模型

  陈旭;张其;王叔洋;景永俊;

  随着复杂网络分析在诸多领域的广泛应用，如推荐系统、社交网络、疾病传播网络和金融交易网络，动态图的分析成为图神经网络研究的一个关键挑战。针对动态图神经网络在链接预测时因单一空间嵌入导致的嵌入扭曲问题，提出了自适应积空间离散动态图链接预测模型（APSDG），拟解决嵌入扭曲问题，提高离散动态图链接预测性能。通过结合欧几里德空间、双曲空间和超球面空间，构建积空间作为嵌入空间，以更好地拟合动态图数据的复杂结构。为实现积空间的自适应调整，设计了一种强化学习机制，动态优化各空间的维度比例和曲率参数。实验结果表明，APSDG在五个真实世界数据集上优于使用单一空间的基准模型，在动态链接预测和动态新链接预测任务中，AUC和AP指标上的平均增益分别为2.24%和1.90%、2.12%和1.43%,APSDG有效解决了单一空间嵌入方法的嵌入扭曲问题，能够更好地捕捉复杂网络的层次结构和规则结构，显著提升了动态链接预测效果。

  2025年07期 v.19;No.202 1820-1831页 [查看摘要][在线阅读][下载 1752K]
  [下载次数：77 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

图形·图像

• 基于Transformer的全局-局部融合特征的遮挡行人重识别方法

  汪旭;胡晓光;付哲宇;赵利欣;

  行人重识别（ReID）是利用人工智能解决车站安检、城市监控系统等公共安全应用问题的技术，具有从跨设备采集的图像中识别某一特定行人的能力。但是在行人重识别等问题中，往往会出现行人被刻意遮挡或被复杂场景环境遮挡等因素，这大大增加了行人重识别的难度。在目前所提出的大部分遮挡行人重识别方法中，卷积神经网络模型更加关注局部特征，但难以获得全局结构信息，Transformer网络模型建模长距离的特征依赖，但易忽略局部特征细节。为解决这些难题，提出了一种全局-局部融合特征的遮挡行人重识别方法，利用CNN和Transformer特征学习网络的特点，在丰富行人局部特征的同时提升特征的全局表达能力。该模型由三个部分组成：CNN网络主要提取局部细节特征，Transformer分支侧重提取全局特征信息，并通过跨维度多尺度池化融合模块计算上述两个分支特征的相关性，进而实现全局-局部的特征融合；由多层级注意力引导生成的掩码模块能够精准地突出行人图像中的关键特征，自动对齐行人特征信息，抑制遮挡部分或背景噪声的干扰；图像高低频特征增强模块强化被遮挡行人的高低频特征信息，突出有效信息。消融实验以及在相关数据集上的实验结果证明了所提方法的有效性。

  2025年07期 v.19;No.202 1832-1850页 [查看摘要][在线阅读][下载 1710K]
  [下载次数：748 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：11 ]

• 基于核特征缩放和边界样本挖掘的不平衡图像分类方法

  冷强奎;陶抒清;

  不平衡图像分类是计算机视觉领域的一大挑战。尽管深度学习技术已被广泛应用，但类别不平衡问题仍然显著，导致模型偏向多数类而忽视少数类。传统的数据采样方法易引入噪声或丢失关键信息，限制了模型的泛化能力。研究表明，将几何思想融入深度学习方法中是一种有效且创新的解决方案。几何思想通过优化特征空间结构、改进决策边界和增强数据多样性，显著提升了不平衡图像分类的性能。提出了一种新的几何深度学习方法，该方法集成了基于核函数的层次特征缩放技术（KHFS）和相对邻域边界样本挖掘手段（RNBM）。KHFS借鉴了基于核函数的支持向量数据描述（SVDD），通过层次聚类确定每类的中心点，并计算以中心点为球心的超球体半径，对各类特征向量进行相应缩放，从而增强少数类样本的表示能力。RNBM方法则通过构建相对邻域图来捕捉样本间的邻域关系，从中挖掘出不同类别交界处的边界样本，以约束类内样本的紧凑性和类间样本的分散性。此外，也引入了卷积块自注意力机制（CBSA），应用于卷积神经网络（CNN）特征提取模块，旨在关注输入数据中的关键信息。在CIFAR-10、CIFAR-100、CINIC-10三个基准数据集上的大量实验验证了该几何深度学习方法在解决数据不平衡问题方面优于现有模型的显著性能。

  2025年07期 v.19;No.202 1851-1867页 [查看摘要][在线阅读][下载 2055K]
  [下载次数：172 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 基于几何约束和结构注意力机制的图像超分辨率

  辜翱;方艳红;

  针对将超分辨率技术应用于古建筑物图像修复时，如何在更大尺度的重建时更多地保留原始图像的几何结构问题，提出一种基于几何约束与结构注意力增强的超分辨率图像重建方法。该方法在GeoSR模型的基础上设计了多尺度特征融合ghost卷积模块，在不显著增加模型参数的同时，提升模型性能；同时引入结构注意力增强模块，在上采样时自适应地调整不同通道和空间位置的权重，使模型能够更加关注图像中的结构信息，从而更有效地捕捉和恢复图像细节；利用最小化混合均方误差和几何对齐误差构成损失函数，在训练中有效地恢复了细节和几何规律。在Cityscape、DIV2K等数据集上进行了详尽的实验，实验结果表明利用多尺度的ghost卷积模块能够在减小模型参数同时增强模型的性能，同时结构注意力增强模块的应用使模型对几何结构的重建更加出色。改进后的模型只有原始GeoSR模型参数的80.9%，但超分辨率重建效果对比目前的模型效果更好，特别是在4倍和8倍的重建尺度下，该模型效果提升更明显。

  2025年07期 v.19;No.202 1868-1877页 [查看摘要][在线阅读][下载 1440K]
  [下载次数：170 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

人工智能·模式识别

• 基于隐式通信的值分解多智能体强化学习

  邓亚男;王秋红;李俊杰;顾晶晶;

  在多智能体系统中，智能体通常只能观察到部分状态信息，导致每个智能体在作决策时缺乏对其他智能体行为和环境动态的完整理解，进而增加了协作的难度。虽然基于值函数分解的多智能体强化学习方法对解决局部可观测性问题有一定的优势，但由于状态-动作空间维度高、模型结构复杂等问题，多智能体系统中仍然存在着协作不确定性的影响，从而导致奖励分配不公平的问题。提出了一种基于隐式通信的值分解多智能体强化学习方法（VFRL-IC），通过挖掘智能体之间的局部关系，缓解环境不确定性问题带来的影响：提出隐式通信框架，在训练阶段使智能体共享局部观测信息以训练局部策略；基于局部观测信息构建全局影响的评估模型，求解智能体间影响值；设计了一种类多头注意力机制的网络结构，融合智能体间影响值，求解包含全局信息的局部动作值模型。在星际争霸环境中进行实验验证，结果表明，VFRL-IC在各场景中的平均成功率优于基线算法15～40个百分点，效率提高18%。

  2025年07期 v.19;No.202 1878-1887页 [查看摘要][在线阅读][下载 1939K]
  [下载次数：163 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 面向语音情感识别的持续特征解耦生成方法

  宁美玲;齐佳音;梁快;张洵;陈凯帆;

  针对语音情绪识别领域中语音模型缺乏大量带标签的训练数据和语音模型无法持续学习的问题，提出了一种面向语音情感识别的持续特征解耦生成方法，该方法能够有效地提取数据情感信息并能较好地进行持续学习分类。构建并行选择解耦器，利用频谱选择模块和内容选择模块将语音的频谱特征和内容特征建立联系，通过计算情绪相关系数，赋予解耦数据相关权重，生成融合特征数据。构建二阶知识流情绪分类器，充分挖掘利用生成的语音情绪数据，引入自定义L2归一化层，构建自定义持续语音情绪分类网络（CL-SER），利用多层卷积结构处理语音情绪数据，减少模型误差损失。利用任务蒸馏损失和任务平滑损失优化持续语音情感网络CL-SER，实现跨任务的知识迁移，提高模型持续分类准确率。在IEMOCAP数据集上，进行了生成数据性能、模型防止灾难性遗忘性能和情绪分类性能测试。实验结果表明，提出的持续语音情感数据生成方法在多组持续学习方法和语音情感识别方法中均展现出了在准确率、遗忘率和未加权平均召回率等方面的良好性能，相较于其他经典的持续学习方法和情绪识别方法更具优势。

  2025年07期 v.19;No.202 1888-1898页 [查看摘要][在线阅读][下载 1829K]
  [下载次数：390 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• 结合知识蒸馏的中文文本摘要生成方法

  崔健;汪永伟;李飞扬;李强;苏北荣;张小健;

  生成是自然语言处理领域的主要研究方向之一。针对当前中文摘要模型语义提取能力弱、大模型生成质量不稳定、部署资源要求高等问题，提出了结合知识蒸馏的中文文本摘要生成方法。采取多线程调用大模型接口的方式对训练数据进行增强，引入提示工程，对齐摘要质量并生成参考标签；利用蒸馏技术在知识迁移方面的优势，采取离线知识蒸馏方法，将大模型输出作为知识传授给学生网络，提升学生网络摘要准确性和可读性，同时降低训练成本和资源消耗；对学生网络进行改进，使用复制机制缓解未登录词问题，并对输出结果进行双向相似度计算以优化损失函数，进一步提升模型稳定性。在NLPCC2017数据集上的实验表明，所提方法在ROUGE评价指标上的综合性能优于现有主流的摘要生成方法。在摘要生成质量方面，提出的方法在中文摘要过程中提高了准确率，提升了流畅度；在模型部署要求方面，所提方法具备较小参数量，能够满足轻量级低开销离线部署。

  2025年07期 v.19;No.202 1899-1908页 [查看摘要][在线阅读][下载 1722K]
  [下载次数：469 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：3 ]

• 聚合全局交互与局部交互的知识图谱补全

  冯勇;栾超杰;王嵘冰;徐红艳;张永刚;

  知识图谱的不完整性严重影响了下游任务的应用与发展，因此，有必要对其进行改进以补充缺失值，即知识图谱补全。现有的知识图谱补全模型大多重组实体关系嵌入表示以捕获局部交互。但这种方法破坏了三元组的原有结构，只能利用单一的局部交互而忽略了实体关系间全局交互的影响。为此，提出一种聚合全局交互与局部交互的知识图谱补全方法AGILI。该方法首先引入自注意力机制获取头实体和关系间的信息关联程度，生成融入全局交互信息的嵌入表示，再采用卷积神经网络从新嵌入表示中提取局部交互信息，设计基于关系权重的可学习交互聚合器，在将全局交互与局部交互进行特征融合时，可以根据关系类别自适应地调整两种交互的重要程度，提高方法在多关系知识图谱上的表达能力。在公开数据集FB15k-237、WN18RR和Kinship上通过链接预测任务进行实验验证，实验结果表明，与最新的基于卷积神经网络的模型ConvD相比，所提出的方法在FB15k-237数据集上Hits@1、Hits@3指标分别提高了6.9%、5.3%，证明了所提出方法的优越性。

  2025年07期 v.19;No.202 1909-1917页 [查看摘要][在线阅读][下载 1556K]
  [下载次数：230 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

• 改进KGAT的恐怖组织空间行为预测方法

  韩竹轩;卜凡亮;侯智文;齐彬廷;曹恩奇;

  当前，恐怖主义已成为影响世界和平与发展的重要因素。分析恐怖袭击事件以提取有用信息，并预测恐怖组织的空间行为成为当下研究的热点之一。虽然已经有较多对于恐怖袭击空间预测的研究，但大多数方法在构建恐怖组织空间行为关系网络并显示提取高阶关系方面仍有提升空间。为解决这一问题，将恐怖组织空间行为预测问题建模为由恐怖组织-袭击地点交互网络和袭击地点知识图构成的恐怖组织空间行为协同知识图，提出了一种基于改进KGAT的恐怖组织空间行为预测方法KGCE。该方法根据恐怖组织与袭击地点之间的交互关系及袭击地点的知识图谱，分别构建了恐怖组织-袭击地点交互网络及袭击地点知识图，通过将这两种网络结合，提出了一种基于社会-空间关系的恐怖组织空间行为协同知识图；改进了KGAT结构，在嵌入层中引入TransE模型以缓解模型过拟合问题，同时整体模型以端到端的方式，有效地对恐怖组织空间行为协同知识图中的高阶关系进行了建模。在公开数据集上通过与五个主流竞争基线进行对比，实验结果和分析表明，KGCE在恐怖组织空间行为预测准确度方面高于现有基线，其召回率最高提升7.14%，验证了该框架的有效性与正确性。

  2025年07期 v.19;No.202 1918-1930页 [查看摘要][在线阅读][下载 1713K]
  [下载次数：204 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：7 ]

• 时空交叉注意力特征融合的交通流量预测模型

  孟祥福;徐永杰;翁雪;

  交通流量预测是智能交通系统的核心组成部分，对高效的交通管理和规划至关重要。针对现有方法在动态时空依赖建模和特征表示方面存在的不足，提出了一种时空交叉注意力特征融合的交通流量预测模型。通过构建动态多特征嵌入模块，融合原始数据、周期性、空间和时空自适应嵌入，生成交通流量数据内在的时空特征表示，提升了模型对多样化交通模式的适应能力。基于Transformer编码器架构，设计并行的时空自注意力模块，高效提取时间和空间特征，为深度的特征融合提供了基础。创新性地引入时空交叉注意力特征融合机制，在时间和空间维度分别使用多头交叉注意力机制，使时间特征能够自适应地学习关键节点的空间信息，同时空间特征也能选择性地聚焦于重要的时间信息，以实现时间和空间特征的深度融合，从而更全面地理解和捕捉交通流量中的动态时空依赖关系。在四个真实交通数据集上的实验结果表明，与最优基线模型相比，所提模型的MAE、RMSE和MAPE指标分别平均降低了1.56%、1.91%和2.58%。

  2025年07期 v.19;No.202 1931-1944页 [查看摘要][在线阅读][下载 1937K]
  [下载次数：1083 ] |[网刊下载次数：0 ] |[引用频次：1 ] |[阅读次数：5 ]

编者信息

• 2025中国工业计算机大会（CCF ICCC2025）征文通知

  <正>2025中国工业计算机大会（CCF ICCC2025）由中国计算机学会主办、中国计算机学会工业控制计算机专委会和昆明理工大学主要联合承办，将于2025年10月31日—11月2日在云南昆明云安会都酒店召开。本次大会主题是“智能工控·驱动未来”，将邀请多位中国科学院/工程院院士等工业计算机应用及相关领域的国家级人才、顶级专家学者、企业家，围绕新一代工控技术在先进制造与智能工厂、新能源与双碳、工业安全与安全生产、智慧交通与物流、国防军工科技、医疗与民生保障等领域的深度融合应用开展交流，

  2025年07期 v.19;No.202 1887页 [查看摘要][在线阅读][下载 1055K]
  [下载次数：1 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：5 ]

• “极端环境图像处理与应用”专题征文通知

  <正>近年来，密集遮挡、极端弱光、高动态模糊、水下浑浊、强辐射等极端环境日益成为智慧城市、深空探测、极地科考、灾害应急、智能交通和高端制造等领域的常态场景。面对信噪比极低、退化类型多样、目标尺寸微小或密集的原始影像，传统图像处理链路在增强复原、信息解析和下游应用中屡遭瓶颈。与此同时，跨模态融合、物理退化建模、生成式人工智能等新兴技术不断涌现，为极端环境图像处理与应用注入创新动力。然而，以下关键问题仍亟待突破：如何面向多源退化过程构建统一的成像与复原框架？如何在极低信噪比、暗弱场景下稳健提取结构与语义信息？如何准确高效地检测、识别和跟踪微小、密集目标？如何建立覆盖多场景、多任务、多退化类型的公开数据集与评测基准？如何将超分辨、三维重建、多模态融合等图像处理技术安全、可靠地部署到极端环境实际系统？为深入探讨上述前沿挑战与技术突破，推动科研成果在国家重大需求和战略新兴产业中的落地，《计算机科学与探索》特设“极端环境图像处理与应用”专题。本专题旨在汇聚极端环境下的图像增强复原、目标检测识别、跨模态融合、数据集与评测体系等领域的最新研究进展，搭建学术界与工业界开放交流平台。

  2025年07期 v.19;No.202 1981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：4 ]

网络·安全

• 基于可撤销代理重加密的细粒度数据共享方案

  闫永勃;郭瑞;郑东;王雨鑫;马瑞阳;刘光军;

  医疗物联网（IoMT）是在现有的物联网架构基础上将医疗传感器与网络互联互通，完成对患者体征数据的实时收集与处理。IoMT不仅可以大幅度提升医疗服务的质量，而且还可以降低医疗产业的管理成本。然而，当患者医疗数据外包存储在云端时，存在患者隐私泄露、医疗系统未授权的恶意访问等安全威胁。针对上述问题，提出了一种支持策略隐藏的可撤销属性代理重加密方案。其中，患者对医疗数据加密后上传到星际文件系统，并对属性加密中访问策略的属性值进行隐藏，有效防止患者敏感信息的泄露，实现医疗数据细粒度的安全共享。同时，借助代理重加密技术完成对复杂计算的可验证外包处理。此外，将变色龙哈希函数嵌入用户私钥生成，采用新的随机因子实现密钥的更新，完成对恶意用户的撤销。在标准模型中证明了方案满足特定访问结构和选择明文攻击下的不可区分性。并通过实验仿真，与现有方案相比，该方案在加/解密阶段、撤销阶段以及文件下载阶段具有更高的执行效率。

  2025年07期 v.19;No.202 1945-1957页 [查看摘要][在线阅读][下载 1520K]
  [下载次数：266 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：8 ]

• 基于数据分解和多模型切换的网络安全态势预测

  王娜;张鑫海;常娅明;

  准确的网络安全态势预测，能够给网络安全管理者提供决策依据，以便及时做好应对措施，对于维护网络安全稳定具有重要意义。网络安全态势序列通常具有复杂性和非平稳性的特点，单一模型预测存在预测精度低、泛化性差等问题。针对上述问题，提出一种基于数据分解和多模型切换的态势预测方法。引入变分模态分解方法，并与互信息熵结合，对原始态势数据集进行分解和重构，形成新的训练数据集和测试数据集，以降低数据的非平稳性，提高后续模型预测的精度。提出一种多模型切换策略，利用皮尔逊相关系数对初始模型集进行差异性分析，找到差异性大且预测效果好的模型构成候选模型集。基于距离测度，在训练数据集中找到测试数据的最近邻数据，采用投票机制找到最适合测试样本的预测模型，弥补了单一模型预测泛化性不足的缺陷。最后利用该策略获得测试数据集的态势预测结果。通过在网络入侵检测数据集NSL-KDD和国家互联网应急中心数据集上进行仿真，验证了所提方法的有效性。

  2025年07期 v.19;No.202 1958-1968页 [查看摘要][在线阅读][下载 1980K]
  [下载次数：438 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]

实践·应用

• TPLADD：高鲁棒性与高精度的C/C++第三方库检测方法

  贾昀峰;王俊峰;吴鹏;

  第三方库（TPL）作为现代C/C++软件开发的重要组成部分，其精确检测与管理对于保障软件质量与安全性至关重要。然而现有方法主要依赖代码语法特征，对TypeⅡ和TypeⅢ克隆重用场景的适应性不足，易导致检测失效。提出一种基于函数抽象语法树（AST）特征的TPL检测方法TPLADD。该方法利用AST节点度数与次序的度量信息快速实现函数语法向量嵌入，并结合向量数据库与近似最近邻检索技术，显著提升了修改重用场景下的检测鲁棒性。基于异常检测的过滤技术可以有效减少干扰函数对检测的影响，提高结果精确性。基于GitHub搜集的29 782个开源软件（OSS）共计726 074个版本，构建了特征向量索引库，并在100个知名项目上验证有效性。实验结果表明，在精度上，TPLADD相较于CENTRIS，精确率和召回率分别提升了3.88和2.76个百分点；在鲁棒性上，TPLADD即使出现较大程度代码修改时，仍能保持74%的F1值；在性能上，TPLADD平均每个TPL检测耗时仅0.42 s，索引库存储占用率仅为总体函数特征的0.41%。这些充分体现了TPLADD高鲁棒性、高精确性的特点，且具备良好的性能表现。

  2025年07期 v.19;No.202 1969-1980页 [查看摘要][在线阅读][下载 2099K]
  [下载次数：149 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：4 ]
下载本期数据