南京邮电大学学报(自然科学版)杂志

南京邮电大学学报(自然科学版)杂志2024年第04期

• 基于国产处理器的智能大数据一体机架构及应用研究

  陈国良,汤晓宇,尤帅,姚小良,梅超君,林时俊,刘尚东,吴少刚,孙雅薇,王汝传,季一木

  分析比较国内外智能芯片产品现状，概述智能芯片的相关软硬件技术栈，针对国内大数据与人工智能产业支撑体系尚不完善、尚未建立国产化信息处理安全保障体系的问题，提出基于国产芯片自主研发的智能大数据一体机研究与设计。解决基础设施的运维部署、海量数据存储以及时效性处理等问题，通过对比异构计算系统的分析研究，文中提出的基于国产CPU和NPU异构硬件加速的一体化计算平台具有信息安全、领域普适性强、运行效率高等特点。

• 说话人音频攻击与对抗技术研究综述

  孙知信,赵杰,王恩良,刘晨磊,范连成,刘畅

  文中概括了说话人音频攻击与对抗技术的最新进展。由于说话人音频攻击已经成为语音应用安全的严重威胁，以WaveNet、Transformer和GAN三种模型在音频攻击技术中的应用作为节点，分别介绍以其为基础的音频攻击技术。音频对抗技术则以涵盖的攻击技术分为3类，分别是基础音频攻击、重放攻击和深度伪造攻击。系统地阐述了音频攻击与对抗技术的最新研究成果，并分析比较了各算法在不同条件下的优劣，同时还介绍了音频技术常用的数据集。最后结合该领域目前的研究现状，提出了说话人音频攻防对抗技术研究中亟待关注与研究的问题。

• 区块链交易隐私保护技术研究进展

  孙国梓,万明发,王钰,韩瑞,袁腾

  区块链作为一种去中心化、分布式存储的对等网络技术，近年来在各种互联网交互技术中得以应用。但区块链上存在的隐私保障缺陷限制其发展,并造成一定的风险。首先对区块链按数据结构、节点网络进行介绍，再重点对区块链交易中的账户地址、交易内容、网络节点、节点通信进行隐私安全分析。接着，从地址混淆、内容隐藏、网络保护、通信隔离4个方面叙述现有的区块链隐私保护技术，最后从现有技术的应用和实践出发对区块链安全和效率、监管和保护进行总结和展望。

• 基于DCGAN的加密端到端通信系统设计

  安永丽,李宗瑞,李娜,纪占林

  针对基于端到端学习的无线通信系统中存在的安全传输问题，提出了一种基于深度卷积生成对抗网络（Deep Convolutional Generative Adversarial Networks, DCGAN）的加密端到端通信系统。该系统由DCGAN与基于卷积神经网络（Convolutional Neural Networks, CNN）的自编码器（Autoencoder, AE）组成。通过调整网络结构及设计参数，获得了适用于不同类型信道的加密端到端通信系统。仿真结果表明，DCGAN可以对信息进行多种形式的加密处理。提出的系统可以实现任意长度输入比特的编码和解码，具有良好的泛化能力。系统获得了与传统数字调制系统相近的误码率（BER）性能。相较于基础的AE端到端通信系统，系统发射端的加密模块使非法窃听者更难窃听破译信号。

• 双基地SAR动目标图像相位误差分析和二维稀疏重聚焦处理

  王昕,张权,乔玲,叶啓

  双基地合成孔径雷达(Synthetic Aperture Radar，SAR)系统中，数据采集空间几何关系复杂，动目标回波距离徙动严重，重建图像中往往存在几何失真和散焦现象，需要进一步补偿运动相位误差。为此，分析并推导了双基地动目标极坐标格式图像的二维相位误差谱。根据相位误差模型建立字典，约束动目标回波谱在字典上的投影系数，进而实现杂波和动目标能量的分离和重聚焦成像。点目标仿真验证了算法的有效性。

• 基于FEM MEI和正余弦算法的二维电磁成像方法

  贾瀚钦,高红伟,郝凯子,贾祖朋

  针对二维介质目标的电磁成像问题，将正余弦算法（Sine Cosine Algorithm, SCA）与有限元方法（Finite Element Method, FEM）和不变性测试方程（Measured Equation of Invariance, MEI）进行结合提出一种新的成像方法。将FEM与MEI进行结合求解二维介质目标的电磁散射正问题，即求解Helmholtz方程。其中，MEI保证边界截断的精度，FEM适用于复杂介质目标的准确模拟。对于电磁散射逆问题，引入SCA并加以改进提出一种新的重构方法。该方法采用等效原理与格林函数的渐近式求得远区散射场，以测量的散射场和计算的散射场最大偏差为目标函数，采用改进的SCA优化介质参数，使目标函数达到最小值，以此重构散射体。为提高计算效率，采用MPI算法进行并行计算。文中采用基准函数展示了改进的SCA算法的快速收敛性，并采用非规则的均匀介质柱目标验证了成像方法的正确性。

• 融合注意力机制和边缘预测的医学图像分割网络算法

  朱王令,金正猛,王皓

  针对现有的卷积神经网络在分割医学图像时容易出现异常值且存在边缘分割精度低等问题，引入基于注意力机制的边缘预测模块，利用激活函数的变分表示与测地活动轮廓模型，提出一种融合注意力机制和边缘预测的医学图像分割网络，并设计端到端的网络训练算法。在两个公共数据集上的实验结果表明，与其他分割方法相比，该文的方法能够提取更多的边缘信息，分割结果也更精确。

• 面向智能信号测试系统的MIMO通信调制分类方法

  张睿智,赵智龙,陈远,石培杰,张惠山,孟荣

  电力系统继电保护日趋智能化、数字化，继电保护测试性能要求也日趋复杂。保护设备型号复杂，对测试系统的信号调制兼容提出了更高要求。因此，提出了一种新的调制分类方法，可以对二进制相移键控、正交相移键控、16正交幅度调制等多种调制信号进行分类。所提出的分类方法可在存在未知频率、时间和相位偏移并且没有信道状态信息的情况下工作。首先，对接收信号进行预处理，消除时间偏移的影响。其次，通过计算频域信号的高阶累积量来提取关键特征。然后，使用似然比检验确定阈值并进行正确分类概率的封闭式理论推导。最后，在仿真中将该方法与其他方法进行了对比，结果表明，所提出的方法在准确度与计算速度方面均优于其他方法，验证了该方法的有效性。

• 基于自适应不确定性度量的离线强化学习算法

  张伯雷,刘哲闰

  离线强化学习可以从历史经验数据中直接学习出可执行的策略，由此来避免与在线环境的高代价交互，可应用于机器人控制、无人驾驶、智能营销等多种真实场景。有模型的离线强化学习首先通过监督学习构造环境模型，并通过与该环境模型交互来优化学习策略，具有样本效率高的特点，是最常用的离线强化学习算法。然而，由于离线数据集存在分布偏移问题，现有的方法往往通过静态的方法来评估此种不确定性，无法动态自适应于智能体策略的优化过程。针对以上问题，提出一种自适应的不确定性度量方法，首先对状态的不确定性进行估计，然后通过动态自适应的方法来衡量环境模型的不确定性，从而使得智能体可以在探索-保守中取得更好的平衡。在多个基准的离线数据集对算法进行了验证，实验结果表明，该算法在多个数据集中都取得最好的效果，消融实验等也验证了所提方法的有效性。

• 基于设备可信度和移动性的算力价值化交易方法

  王冬冬,吴紫玉,张晖,王琴

  为了解决算力资源交易过程中的效用低、可信度低、安全性差等问题，考虑设备可信度和设备移动性对边缘计算成本的影响，首先建立了以数据价值为衡量标准的社会效益最大化模型。其次利用贪婪算法求解该优化模型，基于多对多双方竞拍博弈和裁剪算法对算力资源拍卖过程进行了改进。最后采用去中心化、公开透明、不可篡改的区块链技术，制定了智能合约机制，对拍卖过程进行管理监督。结果表明，所提的模型机制在现有机制的基础上进一步保证了交易的真实性，提高了算力资源交易效用，有效提高了交易过程的可信度和安全性。

• 基于CNN LSTM和卷复制方法的高可用系统设计方法

  张焱,李新建,王畅,章建军,陈小虎,邹鑫灏,严智

  针对单机服务器存在的单点故障问题，以及主备双机中存在的逻辑故障导致数据丢失的问题，设计了一种基于卷积和长短期记忆神经网络（CNN LSTM）和卷复制方法的HA(High Availability)系统。系统至少包含两个节点，一个主节点以及一个或多个备用节点，主节点和备节点之间支持主备切换。每个服务器节点上包含4个模块，分别是负责接收配置信息与读写请求的代理模块；进行磁盘读写操作和重定向读写的磁盘I/O（输入输出）模块；负责主备节点间备份快照、映射表、数据块复制的卷复制模块以及基于CNN LSTM进行状态检测的高可用模块。实验表明，该系统不仅可以解决单点故障问题，也可以解决主备双机集群中无法解决的逻辑错误问题；同时基于CNN LSTM方法，自动针对服务器的运行健康状态进行分析和预测，可以根据预测结果自动通知管理员进行处理或自动进行主备切换。

• 基于知识图谱的长短期序列推荐算法

  胡泽宇,肖玉芝,霍宣蓉,黄涛

  现有的部分序列推荐算法较少关注用户短期兴趣随时间变化的问题，从而导致推荐的精度不够理想，且在用户兴趣转变的可解释性上有待提高。据此，提出了一种基于知识图谱的长短期序列推荐算法（KGLSR）。将交互历史划分为长期和短期行为序列后，结合卷积神经网络与注意力机制进行长期兴趣的特征重构，并引入知识图谱与图注意力更新用户的短期偏好，最后实现自适应聚合。经验证，该模型在3类真实场景下的数据集中以HR、MRR和NDCG为评价指标的表现均优于对比实验中的主流基线模型。

• 各向异性的L0正则化图像平滑方法

  赵吴帆,武文娜,武婷婷

  现有的图像平滑方法缺乏灵活性，会导致边缘不清晰、结构缺失和过度锐化等问题。文中提出一种新的自适应加权矩阵的正则化方法，主要应用于图像平滑，并且可以扩展到其他应用。提出的模型设计了一个新的正则化项，基于梯度算子和自适应加权矩阵T组合为L0范数正则化项，使得模型具有各向异性。通过为不同梯度方向赋予不同的权重，以此来刻画平滑图像的局部结构，更好地展现局部特征，防止过度平滑。由于所提出的模型是非光滑且非凸的，在求解上比较复杂，因此采用ADMM算法对模型进行求解。把目标函数分解成几个易求解的子问题，分别对每个子问题求解，最终得到模型的最优解。主客观实验表明，提出的模型在视觉效果以及数值方面都有明显的提高。