检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于图重构和子图挖掘的僵尸网络检测方法

郑州大学学报（工学版） 2025年第1期46卷 34-41页

作者：景永俊吴悔陈旭宋吉飞合肥工业大学计算机与信息学院安徽合肥230601 北方民族大学计算机科学与工程学院宁夏银川750021 国家(中卫)新型互联网交换中心宁夏中卫755000

针对伪装后僵尸网络主机难以检测的问题,提出一种基于图重构和子图挖掘的僵尸网络检测方法(GR-SGM)。首先,将网络数据转化为图数据,并对其进行重构以此增强主机节点特征表示;其次,基于重构图中拓扑结构、节点的特征和位置变化设计僵尸... 详细信息

针对伪装后僵尸网络主机难以检测的问题,提出一种基于图重构和子图挖掘的僵尸网络检测方法(GR-SGM)。首先,将网络数据转化为图数据,并对其进行重构以此增强主机节点特征表示;其次,基于重构图中拓扑结构、节点的特征和位置变化设计僵尸网络子图评分函数,以此捕捉伪装后的特征,提取出僵尸网络子图,并对原始图和重构图进行预检测,以提高检测的准确率和效率,减少重构误差;最后,对预检测结果和僵尸网络子图进行综合评分,以获取完整的僵尸网络信息。在ISCX2014僵尸网络数据集和CICIDS2017僵尸网络数据集上的实验结果表明:GR-SGM的检测准确率分别达到99.98%和99.91%,F 1分别达到99.94%和99.65%,相较于其他僵尸网络检测模型,GR-SGM能更加高效准确地识别僵尸网络节点,同时具有更低的误报率。

关键词：僵尸网络子图挖掘图重构网络安全预检测

液晶智能超表面辅助的室内可见光通信系统优化设计

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2025年第2期47卷 307-314页

作者：余礼苏吕欣欣钟润张鸣莉王正海王玉皞南昌大学信息工程学院南昌330031 南昌大学先进信号处理与智能通信江西省重点实验室南昌330031

可见光通信(VLC)作为6G的候选技术,具备广阔的免许可频谱、更高的安全级别、避免射频干扰等诸多优势,这些特点使得VLC成为射频通信的有效补充方案.本文设计并优化了一种基于功率域非正交多址(PD-NOMA)技术的室内VLC下行链路通信系统,该... 详细信息

可见光通信(VLC)作为6G的候选技术,具备广阔的免许可频谱、更高的安全级别、避免射频干扰等诸多优势,这些特点使得VLC成为射频通信的有效补充方案.本文设计并优化了一种基于功率域非正交多址(PD-NOMA)技术的室内VLC下行链路通信系统,该系统中包括一块位于信道中间的同时透射和反射智能超表面(STAR-RIS)和一个基于液晶智能超表面(LC-RIS)的接收器.为了评估所设计的系统性能,本文提出了一个和速率最大化问题,并考虑了实际情况下发射机和接收机之间的视距(LoS)路径存在非用户遮挡因素.由于所提出优化问题的非凸性,首先使用二次变换将目标函数转化为一个分式规划(FP)问题,其次采用分步优化算法和凸优化(CVX)工具来获得可行解.此外,本文分析了发光二极管(LED)的数量、入射光波长以及液晶折射率对室内可见光通信系统和速率的影响.数值仿真结果表明,在能量分裂(ES)操作协议下,STAR-RIS和LC-RIS联合辅助的室内VLC系统的和速率明显高于仅有反射智能超表面(RIS)和无LC-RIS的VLC系统.LED灯数量、入射光波长以及液晶(LC)折射率均会在一定程度上对系统性能产生影响.这些研究结果为室内可见光通信系统的设计和优化提供了重要参考.

关键词：可见光通信同时透射和反射智能超表面液晶智能超表面功率域非正交多址分式规划

在线全文

学校读者我要写书评

暂无评论

CARFB：即插即用的目标检测模块

计算机科学与探索 2025年第1期 223-236页

作者：杨梅君姚若侠谢娟英陕西师范大学计算机科学学院

针对坐标注意力（CA）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB(coordinateattentionandreceptivefieldblock)模块。该模块将CA的平均池化修改为平均+最大... 详细信息

针对坐标注意力（CA）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB(coordinateattentionandreceptivefieldblock)模块。该模块将CA的平均池化修改为平均+最大池化，以保留输入特征在水平和垂直方向的显著和细节信息；利用RFB具有不同大小感受野的优势，在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积，以同时提取不同大小目标的特征；引入包含不同大小卷积核和步长的CBS模块，替换CA的二维普通卷积，进一步提取水平和垂直方向的特征，得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息，利用不同感受野提取不同大小目标的强辨别性特征，从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能，将其嵌入ObjectBox目标检测框架，得到ObjectBox-CARFB模型；用CARFB模块替换RFBnet中的RFB模块，得到CARFBnet目标检测模型。MSCOCO数据集的实验测试表明，ObjectBox-CARFB模型的性能得到全面提升，尤其对小目标的检测性能提升突出；PASCALVOC和MSCOCO数据集的实验结果表明，CARFBnet300和CARFBnet512的目标检测能力分别优于原始RFBnet300和RFBnet512模型，并优于其他同系列对比模型。提出的CARFB模块具有更强的特征学习能力，对不同尺度目标均能取得较好的检测效果，特别是在小目标检测方面，效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络，能保存更多的目标信息，具有更强的特征学习能力和更高的网络性能，对不同尺度目标均能取得较好的检测效果，尤其对小目标的检测效果提升显著。

关键词：目标检测感受野模块(RFB) 坐标注意力小目标深度学习

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

双编码端高分辨率遥感影像语义分割算法

计算机科学与探索 2025年第1期 187-195页

作者：吴梦可高心丹东北林业大学计算机与控制工程学院

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络（CNN）的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，提出了双编码端高分辨率遥感影... 详细信息

遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络（CNN）的语义分割算法难以捕捉到影像的全局特征，导致分割效果不佳。针对以上问题，利用Swin Transformer的全局特征提取能力，提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块（FFB）将Swin Transformer捕获的全局特征引入编码端，应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块（SIB），降低复杂背景样本带来的负面影响；在解码端引入全局-局部注意力模块（GLTB）和特征细化模块（FRB），来更好地利用编码端提取的信息，提高语义分割的精确性；采用交叉熵损失和Dice Loss组成的混合损失函数训练模型，减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上，宏观平均F1值（mF1）、平均交并比（mIoU）和整体准确率（OA）指标分别达到91.9%、84.8%和92.4%；在LoveDA数据集上，mIoU指标达到55.0%，均展现出了更好的语义分割效果和良好的泛化性。

关键词：高分辨率遥感影像语义分割卷积神经网络 Swin Transformer

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

元宇宙服务的人机交互综述

郑州大学学报（理学版） 2025年第1期57卷 8-14页

作者：高俊涛程玉玉东北石油大学计算机与信息技术学院黑龙江大庆163318

近年来,元宇宙飞速发展,已成为未来数字世界的一个重要发展方向。元宇宙中的人机交互是实现虚实融合的核心,其解决了元宇宙中的多用户协作、沟通、社交等挑战,促进了创新和合作。为了深入探讨元宇宙作为虚拟和现实世界融合的数字化空间... 详细信息

近年来,元宇宙飞速发展,已成为未来数字世界的一个重要发展方向。元宇宙中的人机交互是实现虚实融合的核心,其解决了元宇宙中的多用户协作、沟通、社交等挑战,促进了创新和合作。为了深入探讨元宇宙作为虚拟和现实世界融合的数字化空间,其服务如何与人机交互相结合,创造出丰富、沉浸式、个性化的用户体验,调研了元宇宙和人机交互技术,并从人机交互的角度对元宇宙的概念进行了定义。讨论了元宇宙服务和人机融合的可行性与优势,并整理归纳了现有的挑战。最后探讨了元宇宙服务的未来发展趋势。

关键词：元宇宙服务人机交互数字化空间

同方期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

2D Mesh的多故障容错路由算法

天津理工大学学报 2025年第1期41卷 70-76页

作者：胡宇杨代广珍陈乃金安徽工程大学电气工程学院安徽工程大学计算机与信息学院

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-... 详细信息

容错路由算法是确保片上网络(network on chip, NoC)可靠性的主要方法，然而多故障点的绕行容错往往会导致网络负载不均衡及网络时延增大，为了解决这个问题提出了一种多故障点的无虚通道绕行容错路由算法。算法依赖于内建自测试(built-in self-test, BIST)技术获取故障区域的位置信息，继而传输到部分节点的故障存储器中。通过数据包在X维度和Y维度遇到故障区域的情况分别采用了不同的绕行策略，且无死锁特性。在8×8的2D Mesh中，相比于参考的算法，在故障区域大小横向扩展为2×2,2×3,2×4的情况下，饱和注入率分别提高了18.75%,30.23%,12.85%,并且均衡了故障区域周围的网络负载。通过周期精确的仿真模拟器实验表明，随着故障区域的横纵扩展，所提算法有效地减少了网络时延，提高了饱和注入率。

关键词：片上网络路由算法无虚通道容错饱和注入率

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向自动语音识别系统的对抗样本生成方法

计算机科学与探索 2025年第1期 253-263页

作者：于振华苏玉璠叶鸥丛旭亚西安科技大学计算机科学与技术学院

通过对系统进行对抗攻击可以检测系统漏洞，进而提高系统鲁棒性。然而，对抗攻击前往往需要系统的参数信息，这使得攻击条件受限。为此，结合一种新的量子粒子群优化算法，提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加... 详细信息

通过对系统进行对抗攻击可以检测系统漏洞，进而提高系统鲁棒性。然而，对抗攻击前往往需要系统的参数信息，这使得攻击条件受限。为此，结合一种新的量子粒子群优化算法，提出一种黑盒有目标对抗攻击方法。该方法通过在原始样本中添加微小噪声，构造差异化粒子群，作为初始对抗样本种群；基于记忆搜索的领域重分布策略得到当前种群的全局最优粒子，从而生成初始对抗样本；融入扩维和自适应权重位置更新，使得种群更接近目标；根据对抗样本与目标语句的编辑距离，继续优化初始对抗样本，生成最终对抗样本。为了验证方法的攻击效果，在GoogleSpeech、LibriSpeech以及CommonVoice数据集上，对语音识别模型DeepSpeech进行实验，将目标语句设置为不同场景中的常见语音指令。实验结果表明，提出的方法在三个数据集上成功率都优于对比方法，其中在Common Voice数据集上的成功率比对比方法提升了10个百分点。同时，召集志愿者对生成的对抗样本噪声强度进行主观评估，其中82.4%的对抗样本被志愿者判断为没有噪声或噪声很小。

关键词：对抗攻击语音识别黑盒攻击样本生成量子粒子群算法梯度评估方法

同方期刊数据库

支持IPv4/IPv6双栈的5G通信网络可靠性组网部署研究

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2025年第1期48卷 102-106页

作者：黄琳黄劼蒋平湖北师范大学计算机与信息工程学院湖北黄石435002 腾讯科技(深圳)有限公司广州深圳518000 湖北理工学院计算机学院湖北黄石435003

5G网络要求更多的基站部署以支持更高的数据传输速率和连接密度。为实现网络数据的并行高速传输,确保网络应用业务的实时性和稳定性,文中提出一种支持IPv4/IPv6双栈的5G通信网络可靠性组网部署方法。结合IPv4和IPv6双栈,构建双栈转换机... 详细信息

5G网络要求更多的基站部署以支持更高的数据传输速率和连接密度。为实现网络数据的并行高速传输,确保网络应用业务的实时性和稳定性,文中提出一种支持IPv4/IPv6双栈的5G通信网络可靠性组网部署方法。结合IPv4和IPv6双栈,构建双栈转换机制结合有限双协议栈模型,在模型下构建5G通信网络结构,并通过高架立体交叉网优化IPv4/IPv6双栈的5G通信网络组网结构,提升IPv4/IPv6双栈5G通信网络的通信速度。采用冗余路径算法,实现5G网络IPv4/IPv6双栈通信中的服务功能链编排,解决IPv4/IPv6双栈通信中的冗余问题。实验结果表明,该方法能够构建一种更稳定、更高效的5G通信网络组网结构,提高了网络频谱效率,优化了网络环境。

关键词： 5G通信网络 IPv4/IPv6双栈可靠性组网部署服务功能链冗余路径算法有限双协议栈模型

维普期刊数据库博看期刊

LightGCNet：基于轻量化卷积网络的深度色域压缩算法

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2025年第1期 196-210页

作者：杨晨徐昊朱佳伟吴秦柴志雷江南大学人工智能与计算机学院江苏省模式识别与计算智能工程实验室

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对... 详细信息

色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对上述问题，提出了轻量化的深度色域压缩方法，该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。为色域压缩算法设计了LightGCNet模型，该网络中的双层卷积由DSC与DW卷积组合而成，相比常规U-Net，参数量与计算复杂度急剧降低。为进一步提高模型先验性，将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系，最终权重由重聚焦权重和预训练权重组成。针对色相、明度、彩度这三个色彩属性，设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失，而且融合了图像感知损失，并联合色彩属性的多尺度信息进行加权，解决了深度色域压缩过程中细节丢失的问题。基于迭代算法生成标签以训练网络，联合学习目标色域特征与图像信息，实现了与迭代算法相当的效果。实验结果表明：该方法与业界经典的SGCK算法相比，iCID值降低了17.08%,SSIM值提高了5.30%。相比常规U-Net模型，LightGCNet参数量减少了82.96%，乘加次数从8.5GFLOPs大幅下降至2.2GFLOPs，使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208s，计算时间比迭代类算法减少99.92%。

关键词：色域压缩轻量化深度学习色彩管理