本期电子书封面故事整期封面整期目录
优先出版刊期浏览栏目浏览
- 摘要:为了在存在干扰者和窃听者,且编码器在每个发送时刻可以检测到干扰信号的通信系统中进行可靠且保密的通信,提出一种编码方案并研究该通信系统的理论通信能力极限。该编码方案利用每个时刻检测到的干扰信号对信道输入进行针对性编码,构造了用于组合信道上保密可靠通信的码。基于此码,利用一组对码字的随机置换构造了用于抵抗任意变化的干扰信号的强保密通信码,得到了所研究通信系统的强保密通信容量的下界。通过分析可得,当所构造的编码方案用于主信道比窃听信道严格低噪的情况时,其达到了最优强保密容量,是该情况下的最优编码方案。关键词:任意变化信道;窃听信道;强保密通信;可靠通信;因果状态信息525|455|0更新时间:2026-04-20
内嵌式数据处理单元的服务功能链编排机制 AI导读
摘要:针对云-边-端场景下大规模、多元化业务应用对高灵活性和高性能网络服务的需求,提出一种内嵌式数据处理单元的服务功能链编排机制。首先,提出了一种内嵌式数据处理单元的服务功能链架构,以解决传统服务功能链无法兼顾灵活性和性能的问题。其次,针对该架构下服务功能需求异构资源的特点,提出综合考虑资源占用率、硬件加速器利用率、端到端时延和部署响应时间的服务功能链部署问题。为解决该问题,设计了一种基于遗传粒子群优化算法的服务功能链部署方法,同时提出子链划分方法和相似请求合并方法,分别优化方法的计算时间和部署方法的平均响应时间。仿真结果表明,相较于对比方法,所提方法可以得出更优的服务功能链部署策略,且具备较快的决策速度。关键词:服务功能链;服务功能链部署;云-边-端网络;数据处理单元;遗传粒子群优化算法311|139|0更新时间:2026-04-20- 摘要:针对可重构智能表面(RIS)辅助定位在多径环境下精度受限的问题,提出一种基于RIS子结构(RISS)的高精度定位算法。该算法通过将单块RIS划分为多个RISS并对各RISS施加时序正交编码,使接收端能够通过正交解码精确分离各RISS的反射信号分量,将单RIS等效为多个虚拟锚点,从而在单RIS单天线配置下显著提升系统的空间观测维度。在此基础上,构建了基于角度域信号模型的压缩感知直接定位框架,以候选位置到各RISS的几何映射关系构建观测字典,直接在位置域搜索目标,避免了传统两步法中到达角(AoA)等中间参数估计的串级误差;通过联合利用目标位置的一致性约束和多径分量的稀疏性,有效实现目标路径与多径干扰的区分。仿真结果表明,所提算法在复杂多径环境下具有良好的鲁棒性,能够实现亚米级定位精度,为低成本、高精度的RIS辅助定位提供了新的解决方案。关键词:定位;可重构智能表面;多径环境;压缩感知382|216|0更新时间:2026-04-20
- 摘要:控制器局域网络(CAN)总线的安全性正面临现代车辆中动态非平稳通信模式的严峻挑战,传统静态检测方法难以有效捕捉此类特征。为此,提出一种基于指数平滑动态图神经网络(ES-DyGNN)的CAN总线入侵检测模型,旨在精准刻画电子控制单元(ECU)间的动态关联关系。与启发式动态模型不同,该方法通过严格定义的指数平滑图算子实现拓扑变化的自适应捕捉,推导了动态邻接序列的闭式展开式,并建立了刻画模型稳定性的Frobenius范数收敛界。同时,从理论上证明了攻击扰动的持续存在性下界,确保即使在噪声环境中仍能检测到细微的注入攻击。模型利用正弦时间嵌入技术增强节点的时间感知能力,并结合边缘条件注意力机制,使消息传递同时考虑特征相似性与平滑转移频率。在两个基准数据集上的实验结果表明,ES-DyGNN检测准确率超过99%,且单窗口推理时延为0.14 ms。理论分析与实验验证证明了该方法的高效性和实用性。关键词:CAN总线入侵检测;动态图神经网络;指数平滑;车载安全268|141|0更新时间:2026-04-20
FR-FPE:有限基保留格式加密算法 AI导读
摘要:针对现有保留格式加密算法难以应对滑动关联及线性密码分析攻击且效率不高的问题,提出了有限基保留格式加密FR-FPE算法。通过设计基于CBC模式的参数向量加密机制和结构化调整参数全关联加密模型,有效抵御滑动关联及线性密码分析攻击。通过设计轻量化确定性加密结构,支持对不超过192 bit的明文和96 bit的调整参数进行加密,在保证算法与NIST FF1相同安全强度的同时,分组加密的调用次数比FF1减少45%(9次)。基于Game-Hopping博弈模型,给出了FR-FPE算法强伪随机置换(SPRP)安全性证明,并量化分析了算法抵御滑动关联及线性密码分析攻击的能力。实验结果表明,针对radix=36的数字字母混合数据集,FR-FPE的每秒加密次数比FF1平均高26.55%,加密数据吞吐率平均高21.25%。关键词:保留格式加密;滑动关联攻击;线性密码分析攻击;强伪随机置换325|217|0更新时间:2026-04-20基于组播时间扩展图的集合通信编排算法 AI导读
摘要:集合通信时延已成为大模型分布式训练的瓶颈。针对现有算法拓扑感知不足、调度复杂度高等问题,提出一种基于组播时间扩展图的集合通信编排算法。通过构建组播时变图模型,刻画节点间的拓扑关系及时隙冲突约束,将集合通信编排问题转化为时变图中组播路径搜索问题,实现路由与时隙联合规划。仿真结果表明,所提算法完成时间接近最优,同时显著降低计算复杂度,适用于大规模分布式训练场景。关键词:集合通信;拓扑感知;时变图;组播调度;分布式训练265|295|0更新时间:2026-04-20基于机器遗忘的模型能力细粒度访问控制机制 AI导读
摘要:针对现有人工智能模型在部署中缺乏能力访问控制,导致模型能力可能被未授权用户滥用的问题,提出一种基于机器遗忘的模型能力细粒度访问控制机制Model-Guard,实现不需要重新训练便可对模型任务能力进行细粒度访问控制。首先,基于选择性突触衰减(SSD)算法识别敏感任务能力对应参数,并通过衰减实现模型敏感任务能力默认关闭。其次,设计授权因子计算方法,授权用户通过授权因子恢复模型能力。为保证授权因子的安全分发,Model-Guard 采用对称加密与属性基加密(CP-ABE)混合加密方式,并引入布隆过滤器降低验证开销。实验表明,Model-Guard可在图像识别任务中实现精准能力隔离与恢复,并显著降低部署与维护成本。关键词:模型能力访问控制;选择性突触衰减算法;授权因子;属性基加密;布隆过滤器272|246|0更新时间:2026-04-20- 摘要:针对协作频谱感知中数据非独立同分布(Non-IID)特性导致的模型性能下降问题,提出了一种融合个性化差分隐私与重平衡分簇策略的联邦学习方案(RebalFL)。该方案首先引入个性化差分隐私机制,允许数据设置差异化隐私预算,在保障隐私的同时减少噪声注入;其次,设计重平衡分簇策略,构建数据分布均衡的客户端簇,缓解模型漂移问题。实验结果表明,RebalFL在Non-IID场景下显著优于现有差分隐私方法,能有效提升频谱感知模型在隐私保护下的分类精度与鲁棒性。关键词:联邦学习;个性化差分隐私;频谱感知;隐私保护294|440|0更新时间:2026-04-20
- 摘要:为解决数据流通交易场景下的数据违规转售问题,基于交易上下文信息相似度和交易因果顺序约束,对关系图卷积网络的消息传递和特征聚合过程进行改进,提出一种增强关系图卷积网络模型,可有效学习复杂交易关系下的违规转售行为特征。基于该模型设计一种数据违规转售检测方法,预测数据交易拓扑图中节点是否为违规转售交易节点。构造带有违规转售样本的模拟数据交易数据集并展开对比实验,结果证明了所提方法的有效性。关键词:数据流通交易;数据违规转售;关系图卷积网络;注意力机制178|198|0更新时间:2026-04-20
- 摘要:针对当前网络流量应用层指令细粒度识别方面存在的不足,提出一种基于时序双模特征融合的加密FTP指令细粒度识别方法,并解决IPsec-ESP加密隧道下的FTP指令识别问题。首先,设计基于加密代理的多约束匹配算法,实现对ESP加密流量的指令级精确标注;然后,构建包含时序双模特征融合的流量分析框架,从宏观流量模式和微观时序动态两个维度提取特征。实验基于加密代理环境获取真实FTP流量数据,实现对24种FTP指令细粒度(响应)的匹配标注和精确识别,并通过5种机器学习模型的对比实验,验证了该方法的有效性。实验结果表明,该方法在加密FTP指令级分类任务中的准确率达95.4%,显著优于传统单模特征方法,为加密网络环境下的应用层流量识别提供新的技术路径。关键词:FTP指令细粒度识别;时序双模特征融合;IPsec-ESP加密隧道;流量分类;机器学习188|483|0更新时间:2026-04-20
- 摘要:针对现有轨迹隐私保护方法普遍缺乏对用户个性化隐私需求的考虑,且传统的加噪机制容易造成数据可用性下降的问题,提出了一种基于Laplace机制的个性化动态轨迹隐私保护方法。首先,利用模糊数学构建位置点敏感度量化模型,融合位置语义特征与用户隐私偏好,获得个性化的敏感度评估结果;随后,基于轨迹中位置点单元的隐私权重动态分配隐私预算,并使用Laplace机制实现动态轨迹扰动,从而在高敏感区域提供更强保护,在低敏感区域保持更高数据可用性。实验结果表明,与现有轨迹差分隐私保护方法相比,所提方法在隐私保护效果与轨迹数据可用性方面均具有显著优势。关键词:轨迹隐私保护;模糊隶属度函数;差分隐私;Laplace机制206|414|0更新时间:2026-04-20
- 摘要:为解决现有后门防御方法对显著且可分后门特征的依赖,以及触发器反演开销较高的问题,提出了参数空间定向对抗扰动框架PTAP。该框架在参数空间内针对各候选目标类别,求解达到预设成功率所需的最小参数扰动幅度,并以该幅度作为后门异常检测的统计量,避免高开销的触发反演过程并提升检测性能。此外,PTAP利用参数扰动指向的异常敏感方向来指导轻量级微调,在尽量保持主任务性能的同时削弱后门效应,并面向第三方模型场景实现检测与修复的一体化流程。在涵盖输入空间、特征空间和动态触发设置的11种后门攻击上的实验表明,PTAP对后门目标的检测置信度超过99%,显著降低了检测开销,并在各种攻击类型中保持稳定的性能。关键词:深度神经网络;机器学习即服务;后门攻击;后门检测228|303|0更新时间:2026-04-20
- 摘要:针对智能网联汽车协同通信场景中日益增长的多样化服务需求,提出了一种基于链路自适应的功率控制与频谱共享联合资源分配方案,从而实现异构协同通信场景下的差异化资源分配。首先,构建了一个包含车到基础设施(V2I)和车到车(V2V)链路的异构网络模型,并提出了在发射功率和频谱资源受限的条件下,最大化系统加权和速率的优化问题。在此基础上,提出了一种基于几何规划理论的最优功率控制策略,并推导出了在不同加权因子下的闭式功率分配解,在有效降低计算复杂度的同时,保证了车辆用户的服务质量。最后,设计了功率控制与频谱共享的联合优化算法,进一步提升了系统整体性能。仿真结果表明,与基准算法相比,所提算法在系统加权和速率方面提升了33.7%。关键词:智能网联汽车;功率控制;频谱复用;资源分配194|295|0更新时间:2026-04-20
语义赋能的空间感知编解码技术研究 AI导读
摘要:针对特种机器人在大规模场景实时重建时所面临的计算复杂性、网络传输效率和高保真度语义重建等问题,提出了一种语义赋能的空间感知编解码技术。首先,采用BEV特征映射将点云转换为结构化张量;其次,基于语义信息生成二值语义掩码实现关键区域定位和数据稀疏化;再次,构建层次化熵编码框架,通过可学习量化和超先验概率模型实现高效压缩;最后,解码采用具身智能场景语义对齐重建确保几何与语义高保真恢复。实验结果表明,所提方法在保持良好重建质量的同时实现了高效的数据传输,充分验证了该方法的有效性和鲁棒性。关键词:具身智能;空间感知;语义赋能;熵编码;场景重建205|303|0更新时间:2026-04-20- 摘要:当前,无反射滤波器的设计面临选择性不足与通带平坦度欠佳等挑战。为此,提出一种双端口微带线无反射带通滤波器拓扑结构,旨在为解决上述难题提供设计参考。该微带电路拓扑由两段平行耦合微带线通过短路支节连接构成,并联一组对称的带阻滤波器,利用其内部电阻吸收无法传输的信号。通过对含传输零点的集总元件滤波器进行分析与转换,实现了具有高选择性的微带带通滤波器。此外,提出的设计流程能够适配不同中心频率与带宽要求,相较于其他设计方法具有更高的灵活性。为验证该设计,制造了中心频率为2.5 GHz的微带带通滤波器。测试结果表明,3 dB带宽为960 MHz(相对带宽38.4%),兼具高选择性与平坦的通带响应;10 dB反射带宽达203%,带外抑制超过30 dB。关键词:耦合结构;无反射带通滤波器;平坦通带;高选择性214|273|0更新时间:2026-04-20
- 摘要:针对6G通感一体化(ISAC)边缘网络中联邦学习(FL)在通信带宽受限、链路动态变化及设备异构条件下的通信效率问题,构建了一种面向ISAC场景的特征信息驱动压缩与聚合协同框架(FI-ISAC-FL)。不同于现有压缩方法,联邦更新压缩与聚合决策是为实现任务相关特征与系统状态之间的协同适配而联合设计。具体来说,设计Federated-AE在线训练机制对局部更新进行在线特征压缩,实现对高维更新的特征提取与高效传输,增强压缩表示对数据变化的适应能力。同时,结合ISAC场景下的信道状态与数据分布特征,构建状态感知的自适应聚合策略,改善通信受限条件下的训练稳定性与效率。仿真结果表明,在雷达目标识别任务中,所提方法在固定通信预算下能够取得较好的模型性能,在性能与资源开销之间实现更优折中,并对强感知干扰与Non-IID数据分布表现出较强的鲁棒性。关键词:通感一体化;联邦学习;特征信息;梯度压缩;自编码器244|463|0更新时间:2026-04-20
学术论文
- 摘要:无线室内定位已深度融入交通导航、工业制造与公共安全等众多场景,是6G时代感知万物的重要基石。然而,室内环境中信号的非视距传播与多径特性严重影响定位精度,而且环境噪声与干扰也削弱其鲁棒性。人工智能的深度应用和6G通感一体化能力的持续强化,为缓解上述难题提供了新契机。基于此,提出了面向任务特性的AI室内定位技术框架,从提升定位精度、增强环境感知以及生成定位数据3类任务出发,深刻揭示由“单点位置估计”向“整体空间认知”再到“数据反向优化”的递进关系。其次,提出了面向AI定位系统的综合评价指标,重点突出AI驱动无线定位的独特特征与多维差异。最后,讨论了AI驱动的无线室内定位技术的关键挑战与发展趋势,为新一代定位技术发展提供新视角。关键词:无线室内定位;AI驱动;6G;环境感知;数据生成300|512|0更新时间:2026-04-20
医学影像无监督异常检测技术综述 AI导读
摘要:无监督异常检测技术能够在仅使用正常样本训练的前提下识别偏离分布的异常样本,因此在医学影像领域中能够用于病变的自动检测与区域定位,对辅助疾病筛查,尤其是罕见病的诊断具有重要意义。针对医学影像无监督异常检测领域的研究进展,首先,依据核心检测机制将现有异常检测方法划分为4个主要类别,并详细阐述了每类方法的机理、特性及其代表性工作;其次,汇总了常用的医学影像公开数据集,并归纳了主要的异常评分计算方式以及模型评估基准指标;进而,通过在多模态医学影像数据集上的系统性定量实验,对比了各类代表性方法的检测性能与计算效率,并对其结果进行了深入分析;最后,讨论了该领域在检测性能及临床适用性等方面存在的挑战,并对未来的研究方向进行了展望。关键词:医学影像分析;异常检测;深度学习;无监督学习312|375|0更新时间:2026-04-20
综述
- 摘要:针对联邦学习中隐私泄露与投毒攻击并存的双重威胁,现有防御方案往往将隐私保护与鲁棒性视为独立模块,导致噪声添加盲目、防御精度受限。基于此,提出一种隐私保护与鲁棒性深度耦合的防御方案DPBR-Adapt。首先,在隐私保护维度,引入层级变异系数与训练进度感知因子,实现了层级差异化的噪声分配策略;在鲁棒性维度,设计了基于欧氏距离与余弦相似度的双重过滤机制,确保在强噪声干扰下仍能精确识别恶意更新。其次,建立了一套基于鲁棒统计量的自适应闭环机制,利用拜占庭检测输出的良性梯度中位数动态校准差分隐私的裁剪阈值,实现了隐私敏感度随环境风险的实时反馈调节。实验结果表明,DPBR-Adapt实现了两者在防御过程中的互补增强;在多种拜占庭攻击场景下,模型准确率较现有先进方案有显著提升,实现了更优的隐私-效用平衡与系统鲁棒性。关键词:联邦学习;层级差异化;动量机制;双重过滤机制262|366|0更新时间:2026-04-20
- 摘要:在协同多智能体系统的隐蔽通信中,基于生成式模型的隐写技术能够直接在公开信道中合成载体图像,为安全传输指令或数据提供了新途径。针对现有生成式隐写方法无法兼顾鲁棒性、载体图像质量与抗检测性等问题,提出了一种基于分布保持嵌入与正交映射的生成式图像隐写方法。首先,设计一种分布保持的信息嵌入机制,将秘密信息编码至采样的高斯潜向量中。其次,引入向量重构模块,生成满足标准正态分布的向量作为模型输入,以增强对信道干扰的鲁棒性及抗隐写分析能力。最后,接收方基于共享的密钥执行逆向操作以提取信息。实验结果表明,在不同隐写容量下,所提方法生成的载体图像均具有较好的视觉保真度,在遭受JPEG压缩、高斯噪声等常见信道攻击后,信息提取准确率仍保持在97%以上,表现出较强的鲁棒性。此外,面对常见的隐写分析检测器,误检率均保持在0.500左右,表现出优异的抗隐写分析性能。关键词:分布保持;生成式隐写;正交映射;扩散模型306|396|0更新时间:2026-04-20
学术通信








