计算机科学与探索杂志

计算机科学与探索杂志2020年第10期

• 区块链原理及关键技术

  王群，李馥娟，王振力，梁广俊，徐杰

  区块链是综合运用密码学、分布式数据库、P2P通信、智能合约等的技术，在一个去中心化、去信任网络中，利用加密算法在链式数据结构中验证和存储数据。区块链技术是一项具有普适性的底层技术架构，它通过共识机制在分布式节点上生成和同步数据，借助可编程脚本实现合约条款的自动执行和数据操作。对区块链进行系统梳理并对其关键技术元素进行解构，在此前提下，从体系结构和实现协议入手分析了区块链系统的基础架构，以区块链技术的应用发展为脉络，主要结合比特币、以太坊和超级账本应用场景，对其技术原理、实现路径、应用现状和存在的挑战进行了阐述。力求为读者在系统学习区块链技术的基础上致力于更深入的研究提供帮助和借鉴。

• 布谷鸟算法的收敛性分析及性能比较

  刘晓东，孙丽君，陈天飞

  群体智能算法是一类新兴的优化方法，它通过团队的协作和组织将简单的个体联系起来产生群体智慧，并用于解决实际问题。迄今为止，群体智能算法种类繁多，布谷鸟算法（CS）是典型的群体智能算法之一，它具有实现简单、效率较高等特点。以标准CS算法原理为基础构建Markov链模型，分析其性质，结合全局收敛准则，证明CS算法的全局收敛性。实验在两方面进行仿真：一方面，在解决相同问题的情况下，分析5种算法的复杂度；另一方面，选取18个标准测试函数分别对5种算法进行数据统计，在低维度和高维度下对比了5种算法运行的精确度、收敛速度和稳定性。实验结果表明：布谷鸟算法复杂度较低，与其他算法相比，其精度高，稳定性好。

• 基于程序向量树的代码克隆检测

  曾杰，贲可荣，张献，李晓伟，周全

  代码克隆能够加速软件开发但是也会导致缺陷重复发生和软件质量问题。部分类型的代码克隆在字面上相似度低，导致识别困难。针对这一问题，提出一种基于程序向量树的代码克隆检测方法。首先，基于统计语言模型抽取词法单元的特征表示，分析不同字面单词之间的语义相似性；接着，通过语法分析提取程序的抽象语法树（AST），为叶子节点赋予对应字面单词的特征表示，将抽象语法树转化为程序向量树；最后，提出一种加权编码规则，在考虑区分不同树节点重要程度的基础上，将程序向量树编码为定长向量，而具有相似向量表示的代码片段被判定为代码克隆。实验结果表明，在真实代码克隆的大规模标准数据集BigCloneBench上，针对在字面上相似度较低的Moderately Type-3和Type-4类型克隆进行检测时，该方法均优于当前的主流方法，包括NiCad、Deckard、SourcererCC和Oreo等，证实了该方法的有效性。

• CrowdDepict：多源群智数据驱动的个性化商品描述生成方法

  张秋韵，郭斌，郝少阳，王豪，於志文，景瑶

  随着网上购物逐渐发展，在无法接触到实体商品的情况下，商品描述显得尤为重要。传统人工撰写的商品描述语对所有用户展示相同的商品信息，但没有考虑到不同用户所关注的不同属性，并且人工撰写的效率无法与产品增长速度相匹配，因此如何自动生成个性化产品描述成为前沿研究问题。主要研究个性化商品描述内容生成，考虑用户的个性化特征，对每个用户生成对应其兴趣点的商品描述文本。因为个性化商品描述数据集的缺失，提出CrowdDepict方法，通过豆瓣、京东等公开数据源获取商品描述相关语料处理，利用商品评论等数据，生成商品个性化描述。实验结果表明，提出的个性化商品描述模型可根据用户偏好自动生成个性化的商品描述，内容覆盖用户兴趣与产品特点，文本表达流畅。

• 利用层级交互注意力的文本摘要方法

  黄于欣，余正涛，相艳，高盛祥，郭军军

  基于注意力机制的编解码模型在文本摘要、机器翻译等序列到序列任务上得到了广泛的应用。在深度学习框架中，深层神经网络能够提取输入数据不同的特征表示，因此传统编解码模型中通常堆叠多层解码器来提高模型性能。然而现有的模型在解码时仅利用编码器最后一层信息，而忽略编码器其余层的特征。鉴于此，提出一种基于多层循环神经网络和层级交互注意力机制的摘要生成模型，通过层级交互注意力提取编码器不同层次的特征信息来指导摘要的生成。为了处理因引入不同层次特征而带来的信息冗余问题，引入变分信息瓶颈压缩数据噪声。最后在Gigaword和DUC2004摘要数据集上进行实验，结果表明所提方法能够获得最佳性能。

• 少数决：更安全的分布式一致性算法选举机制

  李彬，姜建国

  目前应用于分布式系统中的基于选举的分布式一致性算法（类Paxos算法），都是采用得到50%以上选票者当选Leader的方式进行选举。此种选举机制类似现实生活中的选举，存在因控制投票而丧失系统去中心化的安全隐患。而去中心化是分布式系统的重要安全属性，可以避免系统因某个特殊节点故障而整体瘫痪。为此，提出了一种新的Leader选举机制——少数决，即通过逐步淘汰选择一致的多数者的方式选出Leader。此种选举机制可以有效降低绝对控票攻击的可能性，提高Leader选举的随机性，进而保证整个系统去中心化。通过理论分析和实验结果进一步验证了此种选举机制对比传统的多数决选举机制，在没有明显降低选举时间的基础上，具有更好的安全性。

• 身份基矩阵层级全同态加密方案

  陈虹，黄洁，陈红霖，王闰婷，肖成龙，郭鹏飞，金海波

  随着量子理论的发展，传统的加密算法面临着巨大的挑战，一旦量子计算机问世，现有的加密体制将不再安全。格密码是被理论证明能抵抗量子算法的新型加密方案，它具有运算速度快，占用空间小等特点，因此成为了当今研究的热点问题。身份基加密方案，能提高对存储空间的利用率，方便用户进行公钥管理。基于格上误差学习（LWE）困难问题，首先构造一个基于身份的矩阵加密方案，然后采用改进密钥转换技术将同态运算密文的维度缩减到正常值，并使用模转换技术减小噪声，实现矩阵同态运算，得到一个基于身份的矩阵层级全同态加密方案。方案以矩阵为存储结构，较其他单比特方案，在处理能力上有了大幅提高。方案不仅满足矩阵的加法与哈达玛积，还支持矩阵点乘运算。实验结果表明，该改进密钥转换技术较其他方法引入的噪声更小。最后，通过LWE问题的困难性，证明了该方案安全性满足IND-sID-CPA。

• 融合深度和浅层特征的多视角癫痫检测算法

  田晓彬，邓赵红，王士同

  癫痫是一种常见的精神疾病。通过分析EEG信号可以监控癫痫病人的状态，在病人发病时及时地发现并且介入来保护病人的生命安全。在癫痫检测研究中，如何获得有效的特征和构建有效的分类器是癫痫检测和识别的关键。为了获得更好的癫痫检测效果，提出了一种融合深度和浅层特征的多视角癫痫检测算法。该算法首先使用FFT和WPD来获取EEG信号频域和时频域的浅层特征；然后使用CNN网络学习得到频域和时频域的深度特征；进一步使用多视角TSK模糊系统对浅层和深度特征进行分类模型的构建。实验研究表明，在EEG信号癫痫检测方面，提出的浅层特征和深度特征的效果与PCA、LDA等常用的特征提取方法相比均高出1%以上；使用融合深度特征和浅层特征的多视角癫痫检测算法的分类效果比单视角算法的检测效果均高出1%以上，比单视角算法的平均检测效果高出5%以上。

• 针对二分支神经网络匹配的人脸检测算法研究

  王茹，贺兴时，杨新社

  在尺度、遮挡等因素的影响下，人脸检测算法速度和精度不匹配进而表现出检测性能差等系列缺点，采用融入模板匹配思想的神经网络检测器算法解决这一不足，提出了二分支神经网络匹配的人脸检测算法。以此得到检测速度与精度相匹配的改进方法。首先根据五官位置关系构建人脸模板框架并设置一定的阈值；其次依据构建的模板和锚策略对不同尺度人脸的鲁棒性，在DSFD人脸检测器的特征增强模块层中实现对样本数据中人脸区域的提取及标记；最后依据提取、标记的人脸区域与构建的模板进行相关性匹配。改进算法在Face Detection Data Set and Benchmark、FDDB、WIDER FACE人脸数据集的实验结果表明，在提升检测速度的同时保证算法的精度，相比几类相近算法，该算法的优势更加明显。

• 胶囊网络用于短文本多意图识别的研究

  刘娇，李艳玲，林民

  意图识别是人机对话系统中口语理解的关键子任务。考虑到当前用户表达存在多个意图的问题，主要采用胶囊网络构造基于单意图标记的多意图分类器对用户表达的多种意图进行识别。为了保证意图文本的特征质量，通过在胶囊网络中增加卷积胶囊层提取意图文本的深层次语义信息，同时利用胶囊网络中的动态路由将特征胶囊动态分配到意图胶囊类别中，通过设置阈值大小判别多种意图存在的概率，从而完成多意图识别任务。实验结果表明在多意图识别任务中，胶囊网络优于卷积神经网络，而增加卷积胶囊层的胶囊网络可以提升多意图识别的性能效果，在中文和英文数据集上的宏平均F1值分别达到77.3%和94.7%。

• 多尺度非局部注意力网络的小目标检测算法

  梁延禹，李金宝

  现有的小目标检测方法通常采用多尺度特征图或利用多尺度融合特征进行检测，这些方法主要利用了特征图的空间信息而忽略了通道间的相互依赖关系。提出一种新的小目标检测网络，该网络在浅层利用非局部通道注意力模块整合特征的全局空间信息，进而对通道间的信息进行校准。从空间域及通道域获取特征的远距离依赖关系，增强浅层特征中小目标的上下文语义信息。同时，通过密集连接结构增强深层部分的特征提取能力，获取丰富的目标信息，提高目标检测任务的准确率和实时性。实验结果表明，该算法在PASCAL VOC、MS COCO数据集中得到了较好的检测结果，并且在保证检测速度的前提下，能有效提高小目标的检测准确率。

• 联合场景和行为特征的短视频行为识别

  董旭，谭励，周丽娜，宋艳艳

  目前行为识别方法更关注动作本身，但短视频中包含的信息比较少，需要利用视频中的多种特征信息，提高任务行为识别的准确率。因此，对基于场景和行为联合特征的短视频行为识别方法进行了研究，利用场景信息作为上下文信息，提高传统单一行为识别网络的效果。首先对短视频中的场景特征利用深度融合网络进行提取；然后对短视频中的行为特征利用可变卷积网络进行RGB特征和Flow特征提取；最后利用字典学习的方法对构建的联合特征进行稀疏表示，提取出更具解释性的特征信息。在Charades测试集top-5准确率为33%，优于传统单一行为识别网络，使行为识别效果更加准确。

• 检测优化的多伯努利视频多目标跟踪算法

  杨金龙，程小雪，缪佳妮，张光南

  针对多伯努利滤波方法在多目标跟踪时，难以检测新生目标，且当目标出现互相遮挡等干扰时，跟踪精度下降，甚至出现目标漏跟，以及当漏跟目标被重新跟踪后，与之前运动轨迹难以关联等问题，在多伯努利滤波框架下，引入YOLOv3检测算法，并采用卷积特征对目标进行描述，计算相邻帧目标的相似度矩阵，设计新生目标识别和漏跟目标的重识别策略，以实现对目标新生判别和漏跟目标的连续估计；此外，在模板更新时，融合高置信度检测框，提出遮挡目标处理机制，有效提高目标跟踪精度。最后，采用标准数据集中具有挑战性的视频序列进行算法测试，结果表明，提出算法能有效识别新生目标和漏跟目标，实现对视频多目标轨迹的连续跟踪。

• 利用采样安全系数的多类不平衡过采样算法

  董明刚，刘明，敬超

  传统的过采样算法在处理多类不平衡问题时容易出现过度泛化和类别重叠，从而降低了分类性能。为了提高多类不平衡学习性能，提出了一种利用采样安全系数的多类不平衡过采样（SSCMIO）算法。首先为了防止过度泛化，采用近邻采样安全系数为那些会造成过度泛化的邻域分配一个较小的权重。然后考虑到样本点的全局特性，采用反向近邻采样安全系数防止新合成的样本点侵入到其他类别区域，减轻类别之间的重叠问题。最后以C4.5决策树作为基分类器，将SSCMIO算法与7种典型的过采样算法进行了对比实验。在16个公开的真实数据集上，SSCMIO算法在准确率、召回率、F-measure、MG、MAUC这5个指标上均能取得11个以上的最优值，在5个指标上最大提升分别是0.481 8、0.305 3、0.342 0、0.266 4、0.130 7。实验结果表明SSCMIO算法相比其他7种算法可以取得更好的分类性能。

• 异质空间结构种群迁徙动力学优化算法

  黄光球，陆秋琴

  为了求解一些复杂优化问题，采用异质空间结构种群迁徙动力学理论，提出了异质空间结构种群迁徙动力学优化算法（HSS-PMDO）。在该算法中，优化问题的解空间与由若干个斑块组成的海岛相对应，每个斑块具有竞争、互利和捕食-被食3个生存条件之一。种群会依据所在斑块的生存条件选择适应度更好的斑块进行迁徙。在斑块上，种群相互之间展开与生存条件相适应的相互作用。依据种群的迁徙和相互作用开发出了5个算子：竞争算子可提升算法的求精能力；互利算子和捕食-被食算子可提升算法的探索能力；迁徙算子可使得种群间信息交换充分，从而提升了探索能力和求精能力的平衡性；选择算子可确保算法具有全局收敛性。当种群不断进化时，每次只有其部分特征发生变化，该特征可提高收敛速度。测试结果表明，HSS-PMDO算法具有收敛速度快，探索、求精及其平衡能力强，能够快速求解一些维数较高的复杂优化问题。