最新刊期
- 摘要：海洋超视距通信中大气波导与对流层散射机制共存，导致电波传播路径损耗难以准确预测。针对现有模型多聚焦单一传播模式、无法有效刻画混合传播机制的问题，构建基于抛物方程的双机制耦合路径损耗模型。利用中尺度数值模式模拟高时空分辨率非均匀气象参数，通过抛物方程法分别解算蒸发波导与对流层散射机制下的电场强度，进而提出加权因子非相干合成的混合场强求解方法，获得双机制共存的路径损耗。跨海链路试验验证表明，所提模型与实测值吻合良好，平均绝对误差低于4 dB@300 km，均方根误差低于5 dB@300 km，精度优于现有模型，可为海洋对流层超视距通信系统设计与性能评估提供支撑。关键词：超视距通信;对流层散射;蒸发波导;路径损耗;抛物方程法3|0|0更新时间：2026-07-31
- 摘要：针对无蜂窝（Cell-Free）网络因依赖固定接入点（access point, AP）而难以应对突发业务需求及无基础设施覆盖场景的问题，本文提出一种基于深度强化迁移学习与干扰管理的动态无人机（unmanned aerial vehicle, UAV）辅助Cell-Free网络快速部署方法。该方法将UAV作为Cell-Free架构中的动态可扩展节点，通过深度强化学习驱动多UAV协同部署，实现补充覆盖与动态负载均衡双重功能；引入迁移学习机制，将源域习得策略快速适配至目标域，降低模型重训练复杂度；融入基于干扰管理的分布式频谱资源分配策略，实现相邻UAV间同频干扰的动态规避。仿真结果表明，与传统深度强化学习部署策略相比，所提方法在收敛速度与网络拥塞缓解方面均有显著提升，用户等待概率控制在2%以下，平均用户满意度提升44.3%。本文方法可有效突破固定AP的覆盖局限，为突发场景下Cell-Free网络的快速弹性部署提供了一种高效、智能的解决方案。关键词：无人机;深度强化学习;迁移学习;干扰管理3|3|0更新时间：2026-07-29
- 摘要：针对低轨卫星网络星地链路频繁切换导致流量分散、难以追踪与汇聚的问题，提出一种星上分布式Sketch测量框架。该框架利用分布式哈希表动态记录跨星长流经过的卫星轨迹，在查询时先定位轨迹序列，再聚合各接入卫星上的流量片段。采用卫星数据平面与地面控制平面协同架构：卫星端部署Sketch进行本地统计，并利用布隆过滤器与分布式哈希表实现首包检测与轨迹记录；地面端负责按需查询、结果聚合与参数配置，借助Sketch的线性可加性高效汇聚分散片段。理论分析与仿真实验表明，在792颗卫星Walker星座和跨3颗测量卫星的典型场景下，本文测量方案的平均端到端查询时延为128 ms，平均相对误差在3%以内。关键词：低轨卫星网络;流量测量;Sketch;分布式哈希表;布隆过滤器3|3|0更新时间：2026-07-29
- 摘要：智能体互联网的兴起，推动海量智能体交互由信息域向知识域拓展，亟需突破面向智能体互联网的网络资源管理技术。虚拟网络嵌入作为核心资源分配手段，在动态网络环境中面临严峻挑战。针对现有深度强化学习方法因隐式知识编码导致的适应性差、可解释性弱等问题，本文提出一种知识驱动的资源编排框架。该框架首创将时序知识图谱作为智能体的显式世界模型，实现网络动态知识的结构化表征与推理；进而设计一种混合Actor-Critic智能体，通过双循环机制融合实时状态、历史经验与领域启发式知识，协同实现快速战术适应与长期战略优化。实验表明，本框架在请求接受率与收益成本比上表现优异，在冻结策略参数下的跨拓扑迁移与在线知识适配场景下，模型由合成拓扑部署至真实拓扑时无需额外重训练，仍能保持稳定优势，其中在指数业务场景下相较最强接纳率基线提升6.50%，相较部分深度强化学习基线的相对提升超过80%，为智能体互联网的高效可靠服务提供了关键技术支撑。关键词：智能体互联网;知识驱动;虚拟网络嵌入;资源编排;时序知识图谱2|1|0更新时间：2026-07-29
- 摘要：针对有源可重构智能反射面(ARIS)辅助的半免授权非正交多址(SGF-NOMA)接入上行系统安全传输问题，提出一种面向信道时变和窃听信道不确定场景的安全资源分配方案。首先，该方案利用ARIS的幅度放大与相位调控能力补偿级联路径损耗，构建了一个联合优化基站接收波束成形、ARIS幅相系数及免授权用户发射功率的优化问题，以最大化系统长期保密速率。然后，为了求解该优化问题，提出了一种基于集中式训练分布式执行框架的多智能体双延迟深度确定性策略梯度算法，以实现基站与免授权用户的协同安全决策，有效解决了传统逐时隙优化算法由于信道动态性及模型中变量耦合带来的难以满足实时性问题。在该算法中，通过引入双批评家网络、目标策略平滑与延迟更新机制，有效地缓解了信道时变与窃听信道估计误差引起的策略震荡问题，从而提升训练稳定性。仿真结果表明，相较于无源RIS辅助SGF-NOMA上行系统安全传输，所提方案的系统保密速率提升约46%，并在信道时变和窃听信道不确定条件下表现出更好的保密性能。关键词：有源可重构智能反射面;半免授权;非正交多址接入;安全传输;多智能体强化学习2|2|0更新时间：2026-07-29
- 摘要：针对现有可微卡尔曼滤波（DKF）方法依赖循环神经网络而导致长程记忆能力受限、难以同时抑制传感器长时零偏漂移与量测瞬态冲击，以及在复杂城市环境中面临GPS长时间拒止时状态估计易发散的问题，本文提出一种双尺度门控 Mamba-CNN 可微卡尔曼滤波器（Dual-Scale Gated Mamba-CNN Differentiable Kalman Filter, DSG-MC DKF）融合定位算法。该方法将IMU序列、观测新息与断联掩码输入双尺度Mamba-CNN网络，并通过数据驱动增益预测调节状态的更新过程，从而降低对外部逐时刻姿态旋转解算结果和精确人工运动学模型的直接依赖；同时引入显式断联掩码门控机制，并结合Mamba与1D-CNN双尺度并行结构，实现长程趋势特征与短时瞬态特征的自适应融合。实验结果表明，相较于传统 GRU 架构，所提模型在提升定位精度的同时将单步推理延迟降低了80%；在长达10 s的GPS完全拒止场景下，仍能够较好维持载体运动轨迹的物理拓扑保真度。关键词：可微卡尔曼滤波;融合定位;结构化状态空间模型;GNSS拒止8|5|0更新时间：2026-07-24
-
时频增强与轻量化网络的无人机射频信号检测 AI导读
摘要：针对低信噪比下无人机射频时频图目标能量弱、易漏检和检测网络冗余的问题，提出一种时频增强与轻量检测联合方法。该方法基于自适应前景掩膜、多尺度能量密度和连通域内部权重选择性增强目标区域，并通过P2/P5尺度重构、Ghost骨干、SlimNeck和共享解耦检测头构建RF-YOLO-Lite。实验结果表明，该方法在仿真数据集上mAP@0.5和mAP@0.5:0.95分别为94.85%和79.86%，参数量为1.39×106，GFLOPs为5.4；在DroneRFa实采加噪数据上具有较好的低信噪比鲁棒性。关键词：无人机射频信号;轻量化目标检测;低信噪比;时频增强6|9|0更新时间：2026-07-24 -
大模型驱动的自演化多目标云调度算法 AI导读
摘要：针对大规模异构云资源调度中完工时间与系统能耗的多目标冲突，以及传统元启发式算法易陷入映射陷阱的问题，提出了一种大语言模型驱动的自演化云调度算法（L-EWOA）。将大语言模型作为逻辑架构师，通过神经符号演化机制重构底层鲸鱼优化算子，赋予算法自主进化能力。构建了基于能效比的物理感知拓扑映射策略，规避异构节点间的耗能陷阱。引入基于贪心验收的安全演化守卫，通过对劣化试探解的严格拦截确立了全局适应度单调非劣收敛的充分条件，并结合认知重启机制保障了系统在面临环境突变时的动态自愈韧性。基于Google Borg负载的仿真结果表明，该算法有效解耦了完工时间与能耗，在多目标帕累托前沿上优于标准启发式算法，并在应对多级动态节点故障时表现出快速的自愈韧性。关键词：云计算调度;大语言模型;神经符号演化;多目标优化;绿色计算;容错机制4|10|0更新时间：2026-07-24 - 摘要：针对模型互联网中协作模型匹配效率与增益难以兼顾的问题，提出了一种基于输出相似度分簇的模型匹配方法OSC-MM。通过主导–同步模型解耦的相似度度量方法，来刻画模型间的Token级行为差异；利用相似度度量结果进行分簇，并结合代表模型机制，降低匹配复杂度。当新模型接入时，仅需小规模验证，即可完成协作匹配。实验结果表明，OSC-MM与传统实测方法相比，验证开销降低42%–68%；同时，该方法能优先筛选出具有互补性的模型组合，降低同质化并联风险。关键词：模型互联网;模型匹配;相似度度量;模型协作6|7|0更新时间：2026-07-24
- 摘要：SAEAES是2018年于国际密码硬件和嵌入式系统会议提出的轻量级认证加密算法，适用于资源受限场景。本文基于唯密文基本假设，采取随机单字节故障，提出了一种新型唯密文故障分析方法，即滑动差分统计故障分析。该方法基于滑动攻击，结合差分关系和统计故障分析，通过随机注入单字节故障，获取故障密文和标签并进行统计学分析破译SAEAES算法。本文还设计了基于机器学习的新型随机森林区分器。实验结果表明，本文提出的滑动差分统计故障分析方法使故障注入轮数加深一轮，随机森林区分器最少仅需78个故障即可破译SAEAES算法的128比特原始密钥。该结果聚焦于新型唯密文分析，有助于推动轻量级密码算法的进一步研究。关键词：SAEAES;轻量级认证加密算法;滑动攻击;差分关系;唯密文9|7|0更新时间：2026-07-24
-
面向Tor网络的网站指纹防御技术研究综述 AI导读
摘要：针对Tor网络加密流量中包时序、流量突发等侧信道特征泄露引发的匿名性威胁，首先，阐述Tor网络架构与网站指纹安全问题；其次，提出网站指纹防御层次化分类架构，对流量特征混淆、攻击模型误导、匿名集增强、跨层协同优化防御进行横向与纵向对比分析；接着，梳理公开评估框架与数据集，结合防御效果、系统开销与部署特性开展评估体系构建与防御选型；最后，凝练概念漂移、对抗鲁棒等核心挑战，展望自适应防御、Tor原生集成等前沿方向。关键词：Tor网络;网络安全;网站指纹防御;综合评估5|11|0更新时间：2026-07-24 - 摘要：面向天地一体化网络中低轨卫星星座具有低时延、高带宽等优势，成为地面终端接入天地一体化网络的核心载体。低轨卫星信道易受非法窃听与干扰、通信链路时断时续，如何实现用户终端可信接入低轨卫星网是当前亟待解决的问题。本文提出一种面向天地一体化网络的终端可信接入认证与密钥协商协议，实现终端用户与低轨卫星之间安全高效的双向认证与密钥协商。协议采用轻量级密码原语，由地面控制中心承担大部分计算任务，降低卫星的计算开销；设计伪身份和身份密码，提高用户终端隐私性；基于初次接入生成的认证参数，协助断线后卫星对用户终端快速认证，提高断线重认证的效率。利用ROR（Real-Or-Random）模型和Tamarin工具对协议进行形式化分析与验证，证明其具有更强的安全性和隐私保护性。性能分析表明，所提协议降低了通信与计算开销，相比现有方案通信效率明显提升，满足天地一体化网络的轻量级需求。关键词：天地一体化网络;接入认证;断线重连;密钥协商;隐私保护13|16|0更新时间：2026-07-17
- 摘要：针对现有多维时间序列异常检测方法在局部频率变化和通道表征刻画存在的不足，提出了一种基于频域通道交互增强的多维时间序列异常检测方法TFDG-AD。该方法首先通过快速傅里叶变换并进行分块构建频谱实虚部子频段表示，以表征不同频率范围内的局部异常特征。其次，根据当前子频段表示自适应学习通道间关系，构建稀疏归一化通道图，并在该图上进行残差式图传播以聚合相关通道信息，获得增强后的子频段表示。最后，利用增强后的表示重构回时域序列，并结合时域重构误差与频域误差完成异常评分。多个公开数据集上的实验结果表明，所提方法能够有效提升多维时间序列异常检测效果，与多种基线方法相比取得了明显提升。关键词：多维时间序列;异常检测;频域重构;时频联合评分7|13|0更新时间：2026-07-16
-
基于非对称冲突区域的多无人机协同路径规划 AI导读
摘要：为了解决低空融合空域多无人机协同路径规划中飞行安全与运行规则难以兼顾的问题，提出了一种基于非对称冲突区域（ACR）与柔性演员-评论家（SAC）算法的多无人机协同路径规划方法。该方法的主要思想是在无人机机体坐标系下构建方向偏置的六边形冲突区域，利用其几何不对称性使不同通行方向产生差异化重叠惩罚，将靠右避让、靠右超越和顺时针环流等运行规则隐式嵌入奖励信号，并采用集中训练-分散执行框架完成策略学习与执行。仿真结果表明，所提方法在三类典型冲突场景下任务成功率均可达 99.83% 以上，平均冲突次数接近于零，并使多无人机形成靠右避让、靠右超越和顺时针环流的有序通行秩序，降低了通行方向的随机性。关键词：低空融合空域;多无人机;协同路径规划;深度强化学习;非对称冲突区域11|19|0更新时间：2026-07-14 - 摘要：针对红外遥感目标检测的噪声与复杂背景干扰问题，本文提出一种基于频谱-空间协同增强的红外遥感目标检测算法SSCE-YOLO(Spectral-Spatial Collaborative Enhancement YOLO)。不同于单一注意力或频域增强模块，本文构建由通道预筛、频域调制、深层门控传递和全局稳定性约束组成的层次化协同增强机制。该方法通过频域-空间协同滤波模块(Frequency-Spatial Collaborative Filter,FSC)实现噪声相关频段抑制与目标结构保持；进一步构建频域-空间门控高阶卷积模块(SpectralGNConv,SGNC)，将FSC增强特征注入多阶通道交互过程，以持续传递抑噪先验；同时引入通道感知全局上下文模块(Channel-aware Global Context,CGC)，结合均值-方差统计抑制复杂背景诱发的高波动通道，并采用高效通道预筛注意力模块(Efficient Channel Pre-selection Attention,ECPA)控制计算开销。在VEDAI-IR与HIT-UAV数据集上的实验结果表明，SSCE-YOLO的mAP@0.5分别由59.2提升至63.7、由79.1提升至82.2，优于当前主流算法，在保证参数量、计算量和推理速度增幅整体可控的前提下，模型在噪声干扰与复杂背景条件下表现出更好的精度和效率平衡。关键词：红外遥感;目标检测;YOLO;频域-空间协同23|21|0更新时间：2026-07-14
-
算电协同体系架构与关键技术研究综述 AI导读
摘要：随着人工智能与新型应用的快速发展，算力需求激增，数据中心能耗问题日益突出。在高比例可再生能源接入、“双碳”目标背景下，算力系统与电力系统长期存在的时空错配与独立运行模式制约了能源利用效率与电网调节能力。算力电力协同（简称“算电协同”）通过信息流与能量流的深度融合，将算力任务的可迁移性转化为电力系统的灵活性资源，已成为绿色发展的关键路径。本文系统综述算电协同研究进展：首先阐述核心概念与内涵；其次构建包含六层的参考架构；进而从基础理论、感知迁移、分析计算与闭环控制四个维度梳理关键技术体系，并比较不同技术路线的适用优势、主要局限与演进方向；然后归纳“算随电调”与“电随算用”两类典型应用场景，并从电力侧、算力侧、平台侧与用户侧讨论生态建设路径；最后分析技术挑战，展望智能调度、绿色微网与标准化等发展方向。本文旨在为算电协同的理论研究与工程实践提供系统参考。关键词：算力网络;算电协同;绿色协同计算;关键技术27|20|0更新时间：2026-07-14 - 摘要：针对车路协同网络所面临的边缘计算服务部署非均衡及资源覆盖受限的问题，提出了一种基于残差图注意力网络与竞争双深度Q学习的边缘计算服务器智能部署方法。首先，通过基于双重邻接矩阵与多维特征编码的V2X环境建模方法将RSU网络转化为结构化图数据。其次，构建了一种融合残差连接与注意力机制的图神经网络提取节点间复杂的空间依赖关系。接着，设计了一种基于竞争双深度Q网络的序列部署决策框架，通过价值函数分解与双网络更新机制来提升Q值估计精度，并结合多目标导向的奖励函数引导策略收敛。实验结果表明，相较于现有方法，所提出的方法改善了5.1%的服务覆盖率、1.4%的负载均衡度和17%的传输延迟。关键词：车路协同;边缘计算;注意力机制;图神经网络;竞争双深度Q学习8|20|0更新时间：2026-07-13
- 摘要：联邦学习面临后门攻击威胁，现有防御方案主要依赖参数空间中的单一统计特征，在非独立同分布（Non-Independent and Identically Distributed, Non-IID）条件下易因良恶更新特征重叠而导致检测性能下降，且缺乏面向低秩微调场景的专用防御方案。为此，本文提出一种基于双域协同检测的联邦学习后门防御方案。该方案首先在频域利用离散余弦变换（Discrete Cosine Transform, DCT）对客户端更新进行解耦，并结合语义对齐与谱密度聚类提升良恶更新的可分性；其次在参数域利用低秩适配（Low-Rank Adaptation, LoRA）谱一致性检测识别低秩子空间中的异常偏移，并结合因果探针主动暴露隐藏后门。实验结果表明，在CIFAR-10视觉任务和基于Llama-2-7B的联邦LoRA微调任务上，本方案能够有效降低多种后门攻击的攻击成功率，并在多数实验设置下保持较好的安全性与主任务性能平衡。关键词：联邦学习安全;后门攻击防御;双域协同检测;鲁棒聚合12|23|0更新时间：2026-07-13
- 摘要：针对智慧医疗中医生跨多服务器综合诊治的需求，以及现有后量子认证方案缺乏高效切换机制问题，提出一种面向多服务器智慧医疗环境的后量子口令认证与快速切换密钥协商协议。协议以ML-KEM为核心，设计初始认证与快速切换认证相结合的机制，实现首次完整认证并建立主会话密钥和业务会话密钥，多服务器访问时快速切换认证并独立协商新业务会话密钥。安全性方面，ROR模型下证明协议满足会话密钥语义安全，并能够抵抗常见攻击。性能方面，当用户连续访问5个服务器时，相比Wen和Chen两种后量子方案重复执行完整认证的方式，协议的累计计算开销降低70.34%以上，累计通信开销降低27.53%以上。该性能差距随服务器数量增加而扩大，说明本文协议在大规模部署场景下具有显著的效率优势和良好的可扩展性。关键词：后量子密码;ML-KEM;口令认证;多服务器认证;快速切换认证10|20|0更新时间：2026-07-13
- 摘要：随着全同态加密（FHE）在隐私保护机器学习中的广泛应用，基于CKKS方案的同态Transformer推理成为研究热点。然而，Transformer中重要的层归一化（LayerNorm）组件包含倒数平方根运算，传统方法采用Goldschmidt迭代实现该运算，需额外消耗6-8层乘法深度，成为制约推理效率的关键瓶颈。本文提出一种基于CKKS函数型Bootstrapping的融合式同态LayerNorm计算方案。核心思想是在Bootstrapping的EvalMod阶段，将恢复线性值的反正弦多项式替换为直接输出倒数平方根的复合多项式，从而在自举过程中"免费"获得倒数平方根的计算结果，在输入满足校准边界且不触发可选软裁剪的默认设置下，实现倒数平方根计算的零额外乘法深度。此外，为解决正弦函数的周期别名风险，本文提出了由预缩放和统计边界构成的默认范围守卫机制，并讨论了在分布外输入下可选的软裁剪备用策略，并严格证明了在该机制下输入方差经缩放后始终落入正弦函数的单调区间内，从根本上保证计算正确性。最后对于多项式拟合，采用Remez算法在切比雪夫基上求解31阶极小极大逼近，逼近误差达10-11量级，远低于CKKS自举的固有噪声。实验结果表明，相比Goldschmidt迭代节省6层乘法深度，单次LayerNorm计算加速1.26倍，峰值内存较Goldschmidt(k=3) 节省16.7%。在BERT-Base模型的SST-2数据集上，实现了92.1% 的同态分类准确率，与明文推理（92.5%）的差距仅为0.4%。本文方案有效消除了倒数平方根计算的额外深度消耗，在性能和资源效率方面均明显优于传统Goldschmidt迭代方法。该研究为归一化函数在加密域中的高效计算提供了新思路，为同态加密Transformer推理的实际部署提供了关键支撑，具有重要的理论意义与应用价值。关键词：全同态加密;CKKS全同态加密;层归一化;函数型Bootstrapping;Transformer;隐私保护推理6|20|0更新时间：2026-07-13
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：783977 今日访问量：606
0