当期目录 

2025年第6期

主编

潘云鹤，费爱国

顾问  卢锡城 

ISSN  2095-9184

CN  33-1389/TP

IF (2024 JCR)  2.9

我要投稿

 

 

  • 当期目录
  • 封面文章
  • 过刊浏览
  • 专题浏览
  • 优先出版
MORE
Volume 26  Issue 6，2025 2025年26卷第6 Issue

  • 常规文章

    熊蜀峰, 张桂培, 樊晓博, 田文杰, 席磊, 刘合兵, 司海平

    2025, 26(6): 833-846. DOI: 10.1631/FITEE.2400242
    Abstract：中文文本情感结构分析（CTASA）是一项序列标注任务，通常依赖于带监督的深度学习方法。然而，获取用于训练的大型带标注数据集可能既昂贵又耗时。通过选择最有价值的样本，主动学习提供了一种降低标注成本的解决方案。以往的主动学习方法主要关注样本的不确定性或多样性，但实际上还面临着模型偏差或选择到无关样本等挑战。为解决这些问题，本文引入多层次主动学习（MAL），该方法利用句子和词汇两个层面的深层文本信息建模汉语的复杂结构。通过整合从基于Transformer的双向编码器表示（BERT）嵌入中提取的句子级特征以及从随机条件场（CRF）模型中获得的词汇级概率分布，MAL能够全面捕捉中文文本的情感结构（CTAS）。实验结果表明，与基线方法相比，MAL显著降低了约70％的标注成本，并且性能更加稳定。  
    Keywords：情感分析;序列标注;主动学习;基于Transformer的双向编码器表示（BERT）   
    36
    |
    18
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113563315 false
    Updated：2025-07-02

  • 常规文章

    “In the field of image encryption, a self-sufficient plaintext-related JPEG image encryption scheme based on a unified key (SPJEU) has been proposed. This scheme establishes the connection between the plaintext and the key by selecting the direct current (DC) coefficients in the JPEG image through a unified key, and applies homomorphic encryption to the selected DC coefficients. Extensive experiments show that our scheme can resist chosen plaintext attacks, avoid transmitting plaintext-related additional data in the communication channel, and simplify key management.”

    李名, 周文文, 王梦蝶, 张玉书, 项勇

    2025, 26(6): 847-861. DOI: 10.1631/FITEE.2400721
    Abstract：在最新的图像加密研究中，为了抵抗选择明文攻击，许多方案将密钥生成过程与明文相关联。然而，当大量图像需要加密时，会有大量与明文相关的附加数据需要传输，从而导致高传输成本、密钥存储空间高要求、密钥管理复杂等问题。因此，本文提出一种基于统一密钥自给自足的明文相关的JPEG图像加密方案（SPJEU）。根据统一密钥选择JPEG图像中的直流系数，使密钥与明文相关联。对选定的直流系数进行同态加密，在密文域通过特定的计算方法实现明文信息的解密。剩余的直流系数采用分组扩散加密，交流系数则按照游程进行分组和排列。大量实验表明，我们的方案不仅可以抵抗选择明文攻击，还避免了在通信信道中传输与明文相关的附加数据，并简化了密钥管理。该方案还能确保密文图像的安全性和格式兼容性，且加密后的文件增量非常小。  
    Keywords：图像加密;自给自足;关联明文;JPEG;同态加密   
    10
    |
    12
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113098783 false
    Updated：2025-07-02

  • 常规文章

    基于子空间的小样本物联网入侵检测系统 Enhanced Publication AI Introduction

    “In the field of IoT security, researchers have made progress in few-shot intrusion detection. They proposed a subspace-based approach for few-shot IoT intrusion detection systems, which constructs a subspace for each category and calculates the distance between query samples and the subspace to detect malicious samples. This provides a solution to address the dilemma of insufficient learnable samples in real-world IoT environments.”

    李智慧, 许聪源, 邓琨, 刘春元

    2025, 26(6): 862-876. DOI: 10.1631/FITEE.2400556
    Abstract：基于深度学习的入侵检测系统依赖大量的训练样本才能达到令人满意的检测率。然而，在实际的物联网环境中，物联网设备种类多，攻击类型碎片化，导致训练样本数较小，这迫切需要研究者们开发小样本入侵检测系统。为此，本文提出基于子空间的小样本物联网入侵检测系统方法，来应对可学习样本不足的困境。该方法基于度量分类的思想来识别网络流量，对样本进行特征提取后，为每一个类别构造一个子空间，然后通过度量模块计算查询样本与子空间的距离，从而实现对恶意样本的检测。基于CICIoT2023数据集，构建了小样本物联网入侵检测数据集，并对所提方法进行评估。对于未知类别的检测，在5-way 1-shot（5类，每类仅1个标注样本）设置下检测准确率为93.52%，在5-way 5-shot设置下检测准确率为92.99%，在5-way 10-shot设置下检测准确率为93.65%。  
    Keywords：入侵检测系统;小样本学习;物联网;子空间   
    15
    |
    5
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113563311 false
    Updated：2025-07-02

  • 常规文章

    “In the field of string matching algorithms, researchers have introduced their research progress. Expert developed the CUDA-enhanced SMART (CUSMART) library, which incorporates parallelized iterations of 64 string matching algorithms, leveraging the CUDA application programming interface. This provides solutions to solve string matching problems and lays a foundation for the construction of high-performance string matching systems.”

    Adnan OZSOY, Mengu NAZLI, Onur CANKUR, Cagri SAHIN

    2025, 26(6): 877-895. DOI: 10.1631/FITEE.2400091
    Abstract：提出一种字符串匹配算法研究工具（SMART）库的并行版本，该版本在NVDIA的统一计算设备架构（CUDA）平台上实现，采用通用图形处理器（GPGPU）编程概念以提升性能及深入了解这些字符匹配算法的并行版本。利用CUDA应用程序编程接口（API）开发了CUDA增强的SMART（CUSMART）库，该库集成了64种字符串匹配算法的并行迭代。为确保全面且公正的比较，在各种场景下评估这些算法的性能，进而识别它们在特定应用场景中的优势和劣势。探索并建立了优化技术，以评估它们对算法性能的影响。该研究的结果通过算法的可扩展性突出了GPGPU计算在字符串匹配应用中的潜力，表明性能有显著提高。此外，确定了不同场景下表现最佳和最差的算法。  
    Keywords：字符串匹配;并行编程;图形处理器（GPU）编程;通用图形处理器（GPGPU）;英伟达（NVDIA）;统一计算设备架构（CUDA）;字符串匹配算法研究工具（SMART）   
    15
    |
    17
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113563310 false
    Updated：2025-07-02

  • 常规文章

    “In the field of human activity recognition, researchers have introduced FedCoad, a novel federated learning model that leverages contrastive learning with adaptive control variates to address data skewness among clients, enhancing model convergence and outperforming state-of-the-art FL algorithms on HAR benchmark datasets.”

    Ignatius IWAN, Bernardo Nugroho YAHYA, Seok-Lyong LEE

    2025, 26(6): 896-911. DOI: 10.1631/FITEE.2400797
    Abstract：随着隐私问题日益凸显，目前亟需一种通信安全的方法，用于在用户活动数据上训练人体活动识别模型。联邦学习作为一种备受关注的技术，可以在保护数据隐私的同时促进服务器与客户端之间的模型训练。然而，传统联邦学习方法通常假设各客户端数据是相互独立且同分布的，这在实际场景中却并不成立。现实场景中的人类活动具有差异性，导致相同行为在不同客户端执行时会产生系统性偏差。这导致了本地模型目标偏离全局模型目标，进而阻碍整体收敛。为此，本文基于对比学习及自适应变量控制，提出一种名为FedCoad的联邦模型来处理人体活动识别中的客户端偏差。模型对比学习将全局模型和本地模型之间的表征差距最小化，有助于全局模型的收敛。在本地模型更新期间，自适应控制变量会根据模型权重和控制变量更新的变化速率对本地模型更新进行惩罚。我们的实验结果表明，FedCoad在人体活动识别基准数据集上的表现优于现有最先进的联邦学习算法。  
    Keywords：联邦学习;人体活动识别;对比学习;深度学习   
    14
    |
    11
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113098785 false
    Updated：2025-07-02

  • 常规文章

    原型引导的跨任务知识蒸馏 Enhanced Publication AI Introduction

    “In the field of knowledge distillation, researchers have proposed a prototype-guided cross-task knowledge distillation (ProC-KD) method. This approach transfers the teacher network's local-level object knowledge to various task scenarios, enhancing the student network's generalization ability. It provides a solution to address the challenge of different label spaces in cross-task knowledge distillation.”

    李登, 李鹏, 武阿明, 韩亚洪

    2025, 26(6): 912-929. DOI: 10.1631/FITEE.2400383
    Abstract：近年来，大规模预训练模型在各种任务中展现了其优势。然而，受繁重的计算和巨大的存储需求限制，大规模预训练模型难以部署于真实场景中。现有主流的知识蒸馏方法要求教师模型和学生模型共享相同的标签空间，这限制了预训练模型在真实场景的应用。为缓解不同标签空间的限制，本文提出一种原型引导的跨任务知识蒸馏（ProC-KD）方法，旨在将教师网络的本质物体表征知识迁移到各种下游任务场景中。首先，为更好地学习跨任务场景中的泛化知识，提出一个原型学习模块，从教师网络中学习物体的不变本质表示。其次，对于多样的下游任务，提出一个任务自适应特征增强模块，通过习得的泛化原型表示增强学生网络特征，并指导学生网络的学习以提高其泛化能力。在不同视觉任务上的实验验证了所提方法在跨任务知识蒸馏场景中的有效性。  
    Keywords：知识蒸馏;跨任务;原型学习   
    14
    |
    19
    |
    0
    <HTML>
    <网络PDF><Meta-XML>
    <Citation> <Bulk Citation> 113563563 false
    Updated：2025-07-02
SEE MORE

  1. 0 1 混合-增强智能：协作与认知

    郑南宁, 刘子熠, 任鹏举, 马永强, 陈仕韬, 余思雨, 薛建儒, 陈霸东, 王飞跃 573 | 178 | 48

  2. 0 2 深度学习中的视觉可解释性

    张拳石, 朱松纯 83 | 58 | 45

  3. 0 3 人工智能在智能制造领域的应用研究

    李伯虎, 侯宝存, 于文涛, 陆小兵, 杨春伟 382 | 179 | 40

  4. 0 4 AI2.0时代的群体智能

    李未, 吴文峻, 王怀民, 程学旗, 陈华钧, 周志华, 丁嵘 271 | 181 | 39

  5. 0 5 挑战与希望：AI2.0时代从大数据到知识

    庄越挺, 吴飞, 陈纯, 潘云鹤 197 | 173 | 28

  6. 0 6 深度卷积神经网络高效计算研究进展

    程健, 王培松, 李钢, 胡庆浩, 卢汉清 259 | 347 | 25

  7. 0 7 利用太赫兹时域光谱法和微腔器件检测样品：综述

    陈麟, 廖登高, 郭旭光, 赵佳宇, 朱亦鸣, 庄松林 156 | 120 | 24

  8. 0 8 跨媒体分析与推理：研究进展与发展方向

    彭宇新, 朱文武, 赵耀, 徐常胜, 黄庆明, 卢汉清, 郑庆华, 黄铁军, 高文 344 | 431 | 24

  9. 0 9 智能无人自主系统发展趋势

    张涛, 李清, 张长水, 梁华为, 李平, 王田苗, 李硕, 朱云龙, 吴澄 206 | 190 | 24

  10. 10 论视觉知识

    潘云鹤 139 | 141 | 22

SEE MORE

视频资源

  • 2023年第1期 国家并行计算机工程与技术研究中心 何晓斌、陈鑫等| 面对E级超算系统的可扩展性和效率挑战:神威E级原型系统并行支撑环境的实践 00:02:51

    2023年第1期 国家并行计算机工程与技术研究中心 何晓斌、陈鑫等| 面对E级超算系统的可扩展性和效率挑战:神威E级原型系统并行支撑环境的实践

    2023-12-30
    Play Total： 23
  • 2023年第6期 北邮张平、许晓东等 | 面向语义通信的模分多址技术 00:02:30

    2023年第6期 北邮张平、许晓东等 | 面向语义通信的模分多址技术

    2023-12-30
    Play Total： 12
  • 2022年第10期 清华季新生、邬江兴等 | 6G网络内生安全新范式探讨 00:02:15

    2022年第10期 清华季新生、邬江兴等 | 6G网络内生安全新范式探讨

    2023-12-30
    Play Total： 0
  • 2022年第12期 国防科大苏金树、赵宝康等 | 大规模高效网络计算中的网络技术发展趋势 00:02:22

    2022年第12期 国防科大苏金树、赵宝康等 | 大规模高效网络计算中的网络技术发展趋势

    2023-12-30
    Play Total： 2
  • 2022年第6期 国防科大邵明天、卢凯等|面向高性能计算的自部署运行环境 00:02:48

    2022年第6期 国防科大邵明天、卢凯等|面向高性能计算的自部署运行环境

    2022-08-03
    Play Total： 7
  • 2022年第2期 浙大魏斌、况琨等 | 一种智慧法院的全流程智能化审判系统 00:02:24

    2022年第2期 浙大魏斌、况琨等 | 一种智慧法院的全流程智能化审判系统

    2022-05-17
    Play Total： 7
  • 2022年第3期 数学工程与先进计算国家重点实验室麻荣宽、魏强等 | 基于动态污点分析的工业控制系统协议自动逆向工程分析 00:02:37

    2022年第3期 数学工程与先进计算国家重点实验室麻荣宽、魏强等 | 基于动态污点分析的工业控制系统协议自动逆向工程分析

    2022-05-17
    Play Total： 4
  • P1 段宝岩院士致辞 00:05:36

    P1 段宝岩院士致辞

    2022-04-17
    Play Total： 9
  • P2 西电盛敏教授致辞 00:02:27

    P2 西电盛敏教授致辞

    2022-04-17
    Play Total： 6
  • P3 西电李云松教授致辞 00:02:37

    P3 西电李云松教授致辞

    2022-04-17
    Play Total： 10
SEE MORE

0