计算机研究与发展杂志

计算机研究与发展杂志2023年第10期

• 策略隐藏的高效多授权机构CP-ABE物联网数据共享方案

  张学旺,姚亚宁,付佳丽,谢昊飞,

  物联网环境下的数据共享存在效率低下、隐私泄露等问题，以及基于密文策略的属性基加密（ciphertextpolicyattribute-basedencryption,CP-ABE）数据共享方案因采用单授权机构，需要承担繁重的计算工作而成为系统运行效率的瓶颈.为解决上述问题，提出一种策略完全隐藏的高效多授权机构CP-ABE物联网数据共享方案.该方案利用多授权机构CP-ABE实现数据的细粒度访问控制，利用联盟链不可篡改的特性保证密文哈希值和密钥集合密文的安全，采用MurmurHash3算法实现策略的完全隐藏，避免访问策略泄露用户隐私信息；并结合多秘密共享算法改进多授权机构CP-ABE，进而提升数据共享的效率.理论分析证明该方案能够保证访问策略和秘密共享过程的安全性.仿真实验结果表明，所提方案在策略隐藏和秘密分发过程中都具有较好的性能.

• 基于身份的群组密钥分发方案

  王后珍,秦婉颖,刘芹,余纯武,沈志东,

  随着人们越来越倾向于使用即时通讯软件进行交流，保障群聊中消息的安全性成为一个亟需解决的问题.因此，基于国密SM9算法提出了一种基于身份的群组密钥分发方案，并进行了严格的安全性证明；提出的方案相较于Guo等人、Meng等人提出的方案在便捷性和兼容性上更具优势，同时，相较于Wu等人在欧密会上提出的非对称群组密钥协商协议也有群组密钥管理和兼容性方面的优势.此外，还给出了所提方案在即时通讯群聊及点对点通信场景下的应用示范，进一步证明了所提方案在通信开销和密钥管理方面要优于目前典型即时聊天软件中的安全群聊实现方法.

• 物联网环境下鲁棒的源匿名联邦学习洗牌协议

  陈景雪,高克寒,周尔强,秦臻,

  随着物联网(Internetofthings,IoT)和人工智能(artificialintelligence,AI)技术的快速发展，大量的数据被物联网设备收集.使用机器学习或深度学习等人工智能技术可以对这些数据进行训练.训练好的模型是物联网中分析网络环境、提高服务质量(qualityofservice,QoS)的重要组成部分.然而，大多数数据提供者(物联网终端用户)不愿意将个人数据直接分享给任何第三方进行学术研究或商业分析，因为个人数据中包含私人敏感信息.因此，研究物联网中的安全与隐私保护是一个重要研究方向.联邦学习(federatedlearning，FL)允许多方物联网终端用户作为训练参与者将数据保存在本地，仅上传本地训练模型至参数服务器以进行聚合，通过这种方式可以保护参与者数据隐私.具体来说，FL面临的攻击主要有2种，即推理攻击和投毒攻击.为了同时抵抗推理攻击和检测投毒攻击，提出了一个全新的源匿名数据洗牌方案Re-Shuffle.提出的Re-Shuffle采用不经意传输协议实现FL中参与者模型的匿名上传，保证参数服务器只能获得参与者的原始本地模型，而不知道来自哪个参与者.此外，为了更适应IoT环境，Re-Shuffle采用了秘密共享机制，在保证梯度数据原始性的同时，解决了传统shuffle协议中参与者的退出问题.Re-Shuffle既保证了局部模型的原始性，又保证了局部模型的隐私性，从而在保护隐私的同时检查中毒攻击.最后给出了安全证明，对方案的检测效果进行了评价，并在Re-Shuffle方案下对2种投毒攻击检测方案的计算开销进行了评估.结果表明Re-Shuffle能够在可接受的开销下为毒化攻击检测方案提供隐私保护.

• 基于人工智能的物联网恶意代码检测综述

  刘奇旭,刘嘉熹,靳泽,刘心宇,肖聚鑫,陈艳辉,朱洪文,谭耀康,

  近年来，随着物联网（Internetofthings,IoT）设备的大规模部署，针对物联网设备的恶意代码也不断出现，物联网安全面临来自恶意代码的巨大威胁，亟需对物联网恶意代码检测技术进行综合研究.随着人工智能（artificialintelligence,AI）在计算机视觉和自然语言处理等领域取得了举世瞩目的成就，物联网安全领域也出现了许多基于人工智能的恶意代码检测工作.通过跟进相关研究成果，从物联网环境和设备的特性出发，提出了基于该领域研究主要动机的分类方法，从面向物联网设备限制缓解的恶意代码检测和面向性能提升的物联网恶意代码检测2方面分析该领域的研究发展现状.该分类方法涵盖了物联网恶意代码检测的相关研究，充分体现了物联网设备独有的特性以及当前该领域研究存在的不足.最后通过总结现有研究，深入讨论了目前基于人工智能的恶意代码检测研究中存在的问题，为该领域未来的研究提出了结合大模型实现物联网恶意代码检测，提高检测模型安全性以及结合零信任架构3个可能的发展方向.

• 嵌入式设备固件仿真器综述

  张浩,申珊靛?,刘鹏,杨泽霖,周威,张玉清,

  随着物联网(IoT)技术的发展，嵌入式设备面临更加严峻的安全威胁，特别是嵌入式设备漏洞严重影响物联网产业的安全发展.但受限于嵌入式设备自身硬件资源的限制，通用计算机系统常用的动态漏洞检测技术，例如模糊测试难以直接应用到嵌入式设备上.因此，近年来嵌入式设备固件仿真技术成为学术界的研究热点，通过对嵌入式设备硬件依赖的仿真或替换，可以将模糊测试、符号执行等通用高效漏洞检测技术应用于嵌入式设备.围绕最新嵌入式设备仿真技术，搜集整理近年来国际顶级学术论文，对相关研究成果进行归纳、总结.基于采用的仿真技术和衍生关系进行分类介绍，然后对这些固件仿真器进行评估和细化比较，为使用者选择固件仿真器提供技术参考.最后，根据当前嵌入式设备固件仿真器的现状，提出固件仿真器的挑战和机遇，对固件仿真器的研究进行了展望.

• 物联网设备安全检测综述

  张妍,黎家通,宋小祎,范钰婷,路晔绵,张若定,王子馨,

  目前，物联网（Internetofthings,IoT）设备已广泛应用于人们的日常生活，其安全性与个人、企业甚至国家密切相关.IoT设备重要性提高的同时也招致越来越多的攻击.为应对IoT设备所面临的安全挑战，各国各地区已制定众多和IoT设备安全相关的法律法规、安全测评及认证标准.对该领域现有的研究状况进行了归纳与整理，首先从IoT设备面临的安全威胁出发，按照层次逻辑划分探讨针对IoT设备的不同攻击面，并在此基础上对现有的安全法律法规、安全测评及认证现状进行分析、总结，重点从芯片木马检测、接口安全风险检测、无线协议安全风险检测、固件风险检测及应用与服务安全风险检测5个方面对IoT安全风险检测前沿技术进行研究，并在最后对该领域未来可能的发展方向进行了总结和展望，以期为我国未来IoT设备产品的安全发展提供参考和帮助.

• 基于机器学习的无人机传感器攻击在线检测和恢复方法

  孙聪,曾荟铭,宋焕东,王运柏,张宗旭,马建峰,

  针对无人机（unmannedaerialvehicles,UAV）飞行控制系统的传感器注入攻击能够诱导无人机接受错误的传感器信号或数据，错误估计系统状态，从而威胁无人机的飞行安全.当前针对无人机传感器注入攻击的在线检测和恢复方法存在检测精度不高、系统状态恢复缺乏持续性、控制模型精度及检测精度受无人机硬件算力限制的问题.提出了一种基于轻量级机器学习模型的无人机传感器攻击在线检测和恢复方法（machinelearningbasedruntimedetectionandrecoverymethodagainstUAVsensorattacks,LDR），利用机器学习模型对非线性反馈控制系统的表征能力相比线性模型更强的特点，构建各传感器对应的预测模型，对不同传感器对应的无人机系统状态进行准确预测，结合提出的缓解预测误差短时振荡的攻击检测算法，对GPS传感器攻击和陀螺仪读数攻击进行有效的检测和系统状态恢复.实验结果表明，所提方法的开销满足飞控系统的实时性要求，具有高可靠性和预测有效性，对典型攻击的在线检测和恢复效果相比现有工作更好.

• 车联网安全研究综述：威胁、对策与未来展望

  况博裕,李雨泽,顾芳铭,苏铓,付安民,

  车联网(Internetofvehicle,IoV)作为一个支撑交通管理、信息服务、车辆控制等各类功能的集成网络，为车、路、人、云等不同实体提供信息服务，为道路安全和交通效率带来的极大帮助.然而，庞大而复杂的网络架构也曝露了大量的攻击面，进而可能造成车辆失窃、信息泄露、驾驶故障等安全事故.在深入总结现有车联网安全相关文献的基础上，将车联网架构分为了车内网和车外网2部分，再进一步细粒度地将车内网划分为固件层、车内通信层和应用决策层3个层级，将车外网划分为设备层、车外通信层和应用与数据层3个层级.然后，基于该架构系统性地分析总结了每个层级目前所面临的攻击威胁，并且归纳比较了每层能够采取的安全对策.之后，针对性地介绍了当前车联网安全关键技术.最后，展望了车联网安全未来的研究方向.

• 以RISC-V为目标的动态二进制翻译代码质量优化方法

  余子濠,陈璐,孙凝晖,包云岗,

  动态二进制翻译是解决一款指令集面临生态系统壁垒问题的主流技术，通过将二进制程序从源指令集翻译成目标指令集，可以在目标指令集的处理器上运行源指令集的应用程序.动态二进制翻译技术的一大挑战是如何生成高质量的目标指令序列，尤其当源指令集和目标指令集存在差异时.为探究该问题，以RISC-V64指令集为目标指令集，分析了当RISC-V64，RISC-V32，MIPS32，x86分别作为源指令集时，影响动态二进制翻译技术翻译质量的因素.针对这些因素，分别提出相应优化方法，并借助RISC-VB扩展和RISC-VP扩展中的部分指令提升翻译质量.最后，提出一个新的动态二进制翻译程序DBT-FEMU实现优化.在模拟器和FPGA中的评估数据显示，运行SPECCPU2006的整数基准程序时，优化方法可使目标程序所执行的动态指令数平均减少57%，平均性能达QEMU-i386的4.12倍.

• 基于上下文感知并面向多样性的API推荐

  赖宝强,李征,赵瑞莲,郭俊霞,

  软件开发者在开发过程遇到应用程序编程接口（applicationprogramminginterface，API）使用问题时，通常希望能够得到有效的API使用模式建议，从而帮助其学习和使用.传统的API推荐方法会挖掘和学习代码库中API的使用知识，然后给开发者推荐与上下文相关的API.然而由于上下文信息表征不够充分，以及推荐列表中冗余项和同质化内容的出现影响了推荐性能.针对这一问题，构建项目和方法与API的API层次调用图（APIhierarchycallgraph，AHCG）模型以更好地表达API上下文关系，充分利用API结构信息和语义信息来减少冗余项和降低同质化内容被推荐的可能性，进而提出基于上下文感知并面向多样性的API推荐（context-awarebasedAPIrecommendationwithdiversity,CAPIRD）方法.该方法中引入相关性度量和关联性度量，最大限度地保留相关结果，同时平衡已选API与候选API的关联性，以尽可能挖掘到合理的初选API列表.最后结合最大边缘相关算法，在标准模式数据集上学习相关性和关联性的最佳权重组合，并进行多样性重排推荐.在2210个项目构成的3类数据集上进行实验并验证推荐性能，实验结果表明，CAPIRD在基于上下文的API推荐场景下能够有效提高推荐性能.在所有数据集的API推荐中，平均精度（meanaverageprecision，MAP）指标平均提升值约9%，在Top-1的推荐中，成功率（successrate）指标平均提升约13%.

• 道路网多用户偏好Top-<i>k</i> 天际线查询方法

  李松,宾婷亮,郝晓红,张丽平,郝忠孝,

  已有的天际线（Skyline）查询主要聚焦于单用户场景，并基于单用户模型进行Skyline计算，而较少考虑道路网环境下多用户情况.为了弥补已有方法无法解决道路网络环境下多用户偏好和权重Top-kSkyline查询问题的不足，提出了一种基于道路网环境下多用户偏好Top-kSkyline（multi-userpreferenceTop-kSkyline，MUP-TKS）查询方法.在道路网环境下考虑多用户的不同偏好和权重进行Skyline查询，可以快速得到符合查询用户群偏好和权重的结果集，提供用户群更好的决策支持.MUP-TKS首先通过所提的G_DBC算法，利用道路网中数据点与查询点之间的位置关系和新的索引结构Vor-R*-DHash剪枝、过滤数据点，从而得到距离较优集；再利用静态Skyline集不变的性质，预先计算、保存该集合；然后通过所提的新支配关系对距离较优集与静态Skyline集取并集后的集合S进行放松支配；最后利用所提TK_DC算法对经过放松支配后的候选结果集打分，依据数据点得分情况，排序输出Top-k个结果集返回用户群.理论研究与实验表明，所提方法具有较好的效率与可靠性.

• 基于内在动机的深度强化学习探索方法综述

  曾俊杰,秦龙,徐浩添,张琪,胡越,尹全军,

  近年来，深度强化学习(deepreinforcementlearning,DRL)在游戏人工智能、机器人等领域取得了诸多重要成就.然而，在具有稀疏奖励、随机噪声等特性的现实应用场景中，该类方法面临着状态动作空间探索困难的问题.基于内在动机的深度强化学习探索方法是解决上述问题的一种重要思想.首先解释了深度强化学习探索困难的问题内涵，介绍了3种经典探索方法，并讨论了这3种方法在高维或连续场景下的局限性；接着描述了内在动机引入深度强化学习的背景和算法模型的常用测试环境，在此基础上详细梳理各类探索方法的基本原理、优势和缺陷，包括基于计数、基于知识和基于能力3类方法；然后介绍了基于内在动机的深度强化学习技术在不同领域的应用情况；最后总结亟需解决的难以构建有效状态表示等关键问题以及结合表示学习、知识积累等领域方向的研究展望.

• 时态图顶点介数中心度计算方法

  张天明,赵杰,金露,陈璐,曹斌,范菁,

  在社会网络分析中，介数中心度用于衡量顶点对网络结构的贡献大小，是一种广泛使用的顶点重要度衡量指标.该指标主要通过计算经过顶点的最短路径数来表明顶点的重要性.目前研究的介数中心度算法主要聚焦在普通图上，针对时态图的研究工作较少.普通图介数中心度计算方法主要依据Brandes算法设计，Brandes算法有效的关键理论是最短路径的子路径依然是最短路径，即最优子结构特性.然而时态图包含时态信息，时态路径类型多样，并且时态最短路径并不满足此特性，因此普通图介数中心度计算理论与方法不再适用于时态图.鉴于此，定义了严格（时态递增）和非严格（时态非递减）2种时态路径类型，并研究了时态图介数中心度计算理论与方法.提出了一种高效的基于消息传播的2阶段迭代计算框架.第1阶段采用自顶向下的广度优先遍历方式计算时态最短路径；第2阶段采用自底向上的方式计算顶点的后继节点和孩子节点对其介数中心度的贡献值，并设计了基于消息传播机制的迭代累积计算方法.为了提高效率和可扩展性，实现了基于OpenMP（openmultiprocessing）框架的多线程并行算法FTBC（fasttemporalbetweennesscentrality）.基于8个真实的时态图数据集实验结果表明，与现有方法相比，提出的介数中心度计算方法具有更优的计算性能.

• 基于双评论家的多智能体深度确定性策略梯度方法

  丁世飞,杜威,郭丽丽,张健,徐晓,

  在现实世界的复杂多智能体环境中，任务的完成通常需要多个智能体之间的相互协作，这促使各种多智能体强化学习方法不断涌现.动作价值函数估计偏差是单智能体强化学习领域中备受关注的一个重要问题，而在多智能体环境中却鲜有研究.针对这一问题，分别从理论和实验上证明了多智能体深度确定性策略梯度方法存在价值函数被高估.提出基于双评论家的多智能体深度确定性策略梯度（multi-agentdeepdeterministicpolicygradientmethodbasedondoublecritics,MADDPG-DC）方法，通过在双评论家网络上的最小值操作来避免价值被高估，进一步促进智能体学得最优的策略.此外，延迟行动者网络更新，保证行动者网络策略更新的效率和稳定性，提高策略学习和更新的质量.在多智能体粒子环境和交通信号控制环境上的实验结果证明了所提方法的可行性和优越性.

• 面向新一代国产异构众核处理器的数据流计算系统

  肖谦,赵美佳,李名凡,沈莉,陈俊仕,周文浩,王飞,安虹,

  如今，科学研究已从计算科学时代进入数据科学时代.从海量数据中发现规律和突破科学发展瓶颈是数据科学范式的主要目标.与此同时，高性能计算机（HPC）也越来越重视智能算力，在传统高性能计算方法的基础上融合人工智能算法（HPC+AI），更有利于在数据科学时代解决实际问题，并能充分发挥高性能计算机的智能算力.不过，在国产HPC系统——特别是面向由新一代国产异构众核处理器sw26010pro构建的HPC系统——上支撑HPC+AI领域应用，则面临着诸多挑战.提出了一种面向国产异构众核处理器的数据流计算系统swFLOWpro，支持使用TensorFlow接口构建数据流程序，实现对用户透明的众核加速，并实现了面向全处理器视角的两级并行策略.经测试，系统针对典型核心计算，单核组众核加速比最高可达545倍、典型模型众核加速比最高可达346倍，全片6核组并行执行ResNet50模型训练，对比单核组加速比达到4.96倍，并行效率82.6%.实验表明，swFLOWpro能够支持以深度学习为代表的数据流程序在国产异构众核处理器上的高效运行.

• 低跨云数据中心修复流量的纠删码的快速构造方法

  包涵,王意洁,

  近年来，云数据中心故障频发，因而各大机构纷纷采用跨云数据中心多副本技术对数据进行容灾存储.与跨云数据中心多副本技术相比，跨云数据中心纠删码技术可靠性更高、冗余度更低.但是，现有跨云数据中心纠删码技术无法同时满足低跨云数据中心修复流量、高编码参数适应性和高纠删码构造效率，因而尚未在生产系统中得到普遍应用.提出一种低跨云数据中心修复流量的纠删码的快速构造方法(fastconstructionmethodoftheerasurecodewithsmallcross-clouddatacenterrepairtraffic,FMEL)，该方法可在不同编码参数下快速构造具有低跨云数据中心修复流量的纠删码.具体而言，FMEL首先将纠删码修复组分布方案及用户指定的编码参数转换为定长特征向量，并基于支持向量机对各特征向量进行快速分类以检验其对应纠删码修复组分布方案和编码参数的匹配性——某特征向量属于正类表示其对应纠删码修复组分布方案与编码参数相匹配.而后，FMEL用一种并行搜索算法从所有通过检验的纠删码修复组分布方案中选出平均跨云数据中心修复流量较小的一个方案，并用一种试错算法将其转换为具有低跨云数据中心修复流量的纠删码的生成矩阵.跨云数据中心环境中的实验表明，与现有的可在不同编码参数下构造出能达到平均跨云数据中心修复流量下限的最优码的工作相比，FMEL可将纠删码构造用时缩短89%，且在大部分编码参数下，二者构造的纠删码的跨云数据中心修复流量相同.此外，与其他几类常用纠删码相比，FMEL构造的纠删码可将跨云数据中心修复流量降低42.9%~56.0%.