最新刊期
- 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3|0|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2|1|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4|2|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9|2|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5|2|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3|4|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4|6|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5|5|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4|5|0更新时间：2026-07-13
-
面向可信增强的AI智能体研究综述 AI导读
摘要：针对智能体在自主决策、环境交互和任务执行过程中面临的决策可靠性不足、安全风险、行为失控及责任难以追溯等可信挑战，对可信智能体相关研究进展进行系统性综述。首先，梳理智能体的基础组件和典型智能体框架，并对比了智能体和大模型的不同之处。然后，针对智能体面临的可信问题，从正确性与可靠性、鲁棒性、治理与可控等7个方面进行了系统性定义。围绕智能体各基础组件以及可信验证、多智能体协作，对现有可信增强技术进行了系统性梳理与分析。此外，为评估智能体在不同维度下的可信表现，总结了现有评测基准与相关评测指标，同时分析了现有评测基准的局限性。最后，对可信智能体未来的发展方向进行了探讨与展望。关键词：大语言模型;智能体;人工智能;可信;可信增强6|4|0更新时间：2026-07-13 - 摘要：随着低空经济快速发展，无蜂窝大规模多输入多输出（Multiple-Input Multiple-Output，MIMO）的通信支撑作用日益重要。针对传统基于瞬时位置的聚类方法更新滞后、固定功率控制难以适应位置动态变化的问题，本文构建了无人机-接入点关联与上行功率控制的联合优化问题，并将其建模为马尔可夫决策过程，提出基于深度确定性策略梯度的两阶段交替优化算法，将无人机整个飞行周期的大尺度衰落序列作为全局先验输入，实现整个飞行周期的聚类与功控序列的联合规划学习。仿真结果表明，所提算法相比传统方案能够获得更高且稳定的系统性能，并在多种无人机空间分布拓扑下表现出良好的适应性。关键词：无蜂窝大规模MIMO;无人机;强化学习;关联;功率控制6|8|0更新时间：2026-07-09
-
基于结构引导的多模态虚假信息检测方法 AI导读
摘要：针对现有多模态虚假信息检测方法在跨模态语义交互过程中缺乏传播结构约束，以及固定融合策略难以适应样本级模态质量差异的问题，提出一种基于结构引导与样本级自适应融合的虚假信息检测方法（Structure-Guided Multimodal Adaptive Fusion，SGMAF）。首先，从信息传播图中提取节点影响力、传播时序、边类型及节点度等拓扑特征，构建结构偏置矩阵，并将其作为加性偏置注入图文跨模态注意力计算过程，对跨模态注意力分布进行约束与重加权。其次，提出一种样本级自适应多模态融合方法，根据文本、图像及传播结构在当前样本中的信息质量动态生成模态融合权重，以降低低质量模态对模型判别结果的干扰。最后，在Pheme与微博两个公开数据集上进行了实验验证。实验结果表明，所提方法在Accuracy、Precision、Recall及F1-score等指标上均优于现有主流基线模型，其中在Pheme与微博数据集上的准确率分别达到90.91%和96.27%，验证了结构引导机制与动态融合策略的有效性。关键词：虚假信息检测;多模态学习;结构引导机制;自适应融合;信息传播网络7|3|0更新时间：2026-07-09 - 摘要：本地差分隐私（Local Differential Privacy, LDP）因其本地扰动的特性易受数据投毒攻击，现有研究多聚焦于静态数据协议，对内存受限场景下采用域压缩技术的流式数据协议鲁棒性研究不足。本文针对BGR、DSR、BDR、CNR四种主流LDP流式高频项识别协议展开研究。首先提出一种攻击驱动的鲁棒性评估框架，设计基于最大化频率提升的数据投毒攻击，通过分析协议对该攻击的抵抗性评估协议鲁棒性。将攻击成功率（ASR）作为评估指标，通过在3个现实数据集上评估发现DSR协议鲁棒性最高；同时，发现存储空间大小依然对协议鲁棒性有深远的影响。进一步提出一种基于分布一致性的攻击检测方案，不依赖具体协议设计，通过数据频率重建技术解决受限内存下全域频率缺失的问题，实验表明该方案在低隐私预算或高投毒比例下检测效果显著。关键词：本地差分隐私;鲁棒性评估;数据流挖掘;内存受限;数据投毒11|5|0更新时间：2026-07-06
- 摘要：针对水声信道多径效应导致码间干扰严重、现有深度学习方法均衡能力不足的问题，本文提出一种融合旋转位置编码与多尺度自适应机制的水声信道均衡网络(RoMAFNet)。首先，引入旋转位置编码构建Transformer编码器，以乘性方式嵌入符号间相对时延信息，增强网络的位置感知与时变适应能力。其次，设计多尺度自适应多径均衡模块，以膨胀率递增的并行分支分尺度刻画不同时延的多径分量，并由全局上下文驱动的门控机制对各分支动态加权。进一步，在Lipschitz平滑性等假设下推导所提融合机制误差的闭式上界，并据此分析了其在线微调稳定性。所提网络采用“离线预训练-在线微调”范式，仿真信道中，在线微调阶段每帧仅以约50个训练序列符号持续更新即可有效适配新信道，南海实测信道中对训练序列符号的增量利用效率亦显著优于对比方法。关键词：水声通信;信道均衡;旋转位置编码;多尺度自适应融合;在线微调部署8|6|0更新时间：2026-07-05
-
SM3杂凑函数低T深度量子线路实现 AI导读
摘要：针对SM3杂凑函数量子线路因“原地计算”导致T深度过高的问题，本文提出了一种低T深度架构。通过引入基于Wallace树的量子保留进位加法器与低深度全/半加器，将多操作数模加路径压缩至常数级；并分配额外量子比特存储中间状态，免除了回收辅助比特产生的高T深度操作。实验表明，在消耗5453个量子比特下，线路T深度从4528压缩至1712，T门总数从965632降至314882。该方案为对称密码的抗量子安全性评估提供了高效途径。关键词：量子线路;SM3;量子保留进位加法器;T深度优化13|6|0更新时间：2026-07-05 - 摘要：基于密文策略的属性基加密方案被广泛应用于医疗物联网数据安全传输与共享，而传统方案在抵抗合谋攻击、数据完整性审计等方面存在不足。为此，提出了一种支持云审计与设备安全检测的IoMT数据安全方案。该方案采用安全两方计算生成数据使用者密钥，抵抗授权中心腐化下用户合谋攻击，通过在密文聚合多项式中计算基于同态的隐私保护消息认证码来嵌入设备指纹，实现云端数据的高效审计和医疗设备的安全检测。安全分析表明，所提方案能够保证云端数据完整性审计、数据审计隐私和可靠性，以及医疗设备安全状态检测，并且具有授权中心腐化下抗用户合谋攻击的选择明文攻击不可区分性。仿真实验结果表明，相较于同类方案，所提方案在通信开销方面降低约38.7%，在计算开销方面降低约68%，明显提高了医疗数据共享的安全性和效率。关键词：云审计;属性基加密;物理不可克隆函数;同态哈希函数;安全两方计算72|50|0更新时间：2026-07-03
- 摘要：针对资源受限的嵌入式平台下国密数字签名算法运算开销大、执行效率低的问题，设计并实现了一种面向数字签名中SM2、SM3算法软硬协同加速处理的RISC-V密码协处理器。该处理采用自定义指令扩展机制，将SM2标量乘中的模乘、模加减等有限域关键运算以及SM3扩展压缩过程映射为协处理器指令，并设计了模加减单元、专用素数域模乘单元、通用Montgomery模乘单元和SM3扩展压缩单元。实验结果表明，标量乘时间最低为1.14 ms，AT值为2.69；SM3扩展压缩单元完成单个消息分组处理仅需64个时钟周期，吞吐率达到1240 Mbit/s；完整数字签名和验签时间分别为2.92 ms和3.40 ms，对应AT值分别为11.77和13.70。本文方案提高了SM2标量乘、SM3扩展压缩以及数字签名验签过程的执行效率，可为资源受限场景下国密数字签名算法的工程实现提供参考。关键词：RISC-V;数字签名;SM2算法;SM3算法;协处理器14|11|0更新时间：2026-07-01
-
面向智能体网络的去中心化身份体系综述 AI导读
摘要：去中心化标识（DID）作为一种由用户自主控制的新型身份体系，为应对智能体（Agent）大规模、动态化及跨域协同带来的身份管理挑战提供了创新解决方案。本文系统探讨了面向智能体的DID技术，首先分析了传统互联网的通信模式和以中心化认证为核心的标识体系在智能体场景下面临的可扩展性、移动性、跨域互信及隐私保护等瓶颈。其次，本文梳理了数字身份技术从中心化到去中心化的演进脉络，并重点剖析了基于区块链账本的DID架构及其在增强通信安全、实现细粒度动态权限管理以及保障数据主权与隐私合规等方面的核心价值。文章进一步分析了当前DID在性能扩展、跨链互操作性及法律合规治理等方面存在的挑战，并展望了未来在构建智能体信誉体系、实现跨域信任传递及设计面向监管的身份架构等方向的发展路径，旨在为构建安全、可信、自主可控的智能体网络身份基础设施提供理论参考与实践指引。关键词：分布式数字身份;可验证凭证;智能体;标识体系;区块链180|7|0更新时间：2026-07-01 - 摘要：针对卫星边缘计算环境中数字孪生系统任务卸载存在隐私保护与系统开销难以兼顾、动态网络中任务依赖约束严格，以及依赖拓扑结构难以被传统算法有效感知的问题，提出了一种基于优先级图深度强化学习算法的计算卸载策略。首先，以实现时延、能耗与隐私保护的协同优化为目标，构建面向隐私保护的星地数字孪生任务卸载架构；其次，针对动态环境下任务存在依赖约束、调度复杂度高的问题，设计了优先级排序机制以满足依赖约束并简化求解空间。最后，提出优先级图深度强化学习算法，通过图注意力网络提取拓扑特征，为优先级排序后的任务求解出最优卸载策略。实验结果表明，与传统经典算法相比，该策略实现了多目标的协同优化。具体而言，系统时延降低了4.52%~46.16%，卫星能耗减少了3.42%~32.31%，任务被攻破数量降低了2.69%~57.71%。关键词：卫星边缘计算;数字孪生系统;优先级调度;图注意力网络;深度强化学习26|15|0更新时间：2026-06-18
- 摘要：移动宽带传输图像等多媒体内容时，容易遭受截获与篡改，进而威胁通信内容的真实性。针对真实场景下伪造、拼接等篡改操作频发，且现有方法存在跨数据集泛化能力不足、难以准确检测和定位不同尺度篡改区域的问题，本文提出了一种基于多粒度表征解耦与协同的高泛化检测与定位方法。首先，构建多粒度特征提取网络，通过分层架构捕获像素级、区域级及图像级的多尺度篡改线索。其次，设计显式解耦模块，将特征映射解耦为内容稳定分量与篡改敏感分量，以抑制背景纹理等无关信息的干扰。进而，引入门控自适应融合模块，通过特征交互增强不同粒度间的一致性与互补性。实验结果表明，本文方法在CASIA_V1、Columbia、NIST16和Coverage等公开数据集上取得了较好的综合性能，在跨数据集条件下同样表现出较强的泛化能力和定位精度。关键词：移动宽带;图像篡改检测与定位;多粒度表征;显式解耦;门控自适应融合18|22|0更新时间：2026-06-17
- 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：766239 今日访问量：587
0