计算机研究与发展杂志

计算机研究与发展杂志2023年第12期

• MIBS分组密码的改进积分攻击

  毛永霞,吴文玲,张丽,

  MIBS算法是由Izadi等人在CANS2009上提出的一个轻量级分组密码算法，整体采用Feistel结构，轮函数使用SP结构，分组长度为64b，包含MIBS-64和MIBS-80这2个版本，适用于资源受限的环境，例如RFID（radiofrequencyidentification）标签.研究MIBS算法针对积分攻击的安全性.首先，针对该算法的密钥编排算法，利用密钥搭桥技术，分别得到了MIBS-64和MIBS-80的轮密钥的相关性质.其次，利用基于MILP（mixedintegerlinearprogramming）的比特可分性的自动化建模搜索方法，构造了MIBS的8轮和9轮积分区分器.然后，基于8轮积分区分器，给出了12轮MIBS-64的密钥恢复攻击，数据复杂度为\text2^\text60，时间复杂度为\text2^\text63\text.42；最后，基于9轮积分区分器，给出了14轮MIBS-64的密钥恢复攻击，数据复杂度为\text2^\text63，时间复杂度为\text2^\text66.这是目前对MIBS-64和MIBS-80轮数最长的积分攻击.

• 可证明安全的基于SGX的公钥认证可搜索加密方案

  刘永志,秦桂云,刘蓬涛,胡程瑜,郭山清,

  公钥可搜索加密（publickeyencryptionwithkeywordsearch，PEKS）技术使用户能够搜索存储在不可信云服务器上的加密数据，这对于数据隐私保护具有重要意义，也因此受到了广泛关注.公钥认证可搜索加密要求数据发送方使用接收方的公钥对关键词进行加密，同时还使用其自身私钥对关键词进行认证，使得敌手无法构造关键词密文，从而抵抗公钥可搜索加密面临的关键词猜测攻击（keywordguessingattack，KGA）.提出了一个可证明安全的基于软件防护扩展（softwareguardextensions，SGX）的公钥认证可搜索加密（publickeyauthenticatedencryptionwithkeywordsearch，PAEKS）方案，通过在云服务器上建立一个可信区并运行一个执行关键词匹配的飞地程序来完成对密文数据的搜索.正式的安全性证明显示方案具备密文不可区分性和陷门不可区分性，即可抵抗关键词猜测攻击.进一步地，给出搜索模式隐私性的定义，确保敌手无法仅通过陷门来判断2次搜索是否针对同一关键词，从而避免向外部敌手泄露部分隐私.此外，所提方案具有易扩展的优势，很容易被扩展为支持复杂搜索功能或者具备其他增强隐私保护性质的方案，如前向安全.作为示例，给出了多关键词搜索、搜索能力分享这2个功能扩展方案以及具备前向安全性的扩展方案的简单介绍.真实环境中的实验表明，与其他对比方案相比，所提方案在效率上同样具有出色的表现.

• 一种基于SRE的对称可搜索加密方案

  黄一才,郁滨,李森森,

  具有前向隐私和后向隐私的动态对称可搜索加密(dynamicsearchablesymmetricencryption,DSSE)方案能够支持动态添加和删除密文索引且具有较高的搜索效率，一直是近年来研究的热点.针对Aura方案中存在密文存储开销大和误删除的问题，给出了对称可撤消加密（symmetricrevokableencryption，SRE）原语更严格的正确性定义，从理论上分析了误删除发生的条件，通过设计穿刺密钥位置选择算法，避免了哈希碰撞导致的节点位置重用.在此基础上，构造了基于SRE对称可搜索加密方案.方案利用多点可穿刺伪随机函数实现一次穿刺所有未使用节点，既有效降低了搜索时服务器的计算开销，又可避免提前暴露未使用密钥，提高方案的安全性.最后，从搜索效率、存储开销、通信开销和安全性等方面对方案进行了分析.理论分析和实验结果表明，所提方案不仅能够减小服务器密文存储时的空间开销，避免误删除索引，而且在大规模节点下具有更高的搜索效率.

• 前向安全的高效属性基可净化签名方案

  朱留富,李继国,陆阳,张亦辰,

  在属性基签名（attribute-basedsignature,ABS）方案中，签名者密钥由不同的属性生成，只有当所拥有的属性满足给定的签名策略时才能够产生有效签名.验证者不需要知道签名者真实身份就能判断签名是否有效.所以ABS因其匿名性而受到广泛关注.在ABS方案中，一旦密钥发生泄露，那么获得密钥的攻击者就可以生成一个有效签名.原始消息中往往包含一些敏感信息，例如在电子医疗或电子金融场景中，个人的医疗记录或交易记录中包含个人隐私信息，若未经脱敏处理将会导致个人敏感信息泄露.为了解决密钥泄露和敏感信息泄露问题，提出了一种前向安全的高效属性基可净化签名（forward-secureattribute-basedsanitizablesignature,FABSS）方案.基于η-DHE（η-Diffie-Hellmanexponent）困难问题假设，在标准模型下证明了该方案的安全性.提出的方案不仅可以抵抗密钥泄露，保护签名者隐私，同时还具有敏感信息隐藏功能.此外，提出的方案具有固定签名长度，并且在验证阶段只需要计算常数个配对运算.实验分析表明提出方案的性能是高效的.

• 边缘智能研究进展

  张晓东,张朝昆,赵继军,

  从智能手机、智能手表等小型终端智能设备，到智能家居、智能网联车等大型应用，再到智慧生活、智慧农业等，人工智能已经逐渐步入人们的生活，改变传统的生活方式.各种各样的智能设备会产生海量的数据，传统的云计算模式已无法适应新的环境.边缘计算在靠近数据源的边缘侧实现对数据的处理，可以有效降低数据传输时延，减轻网络传输带宽压力，提高数据隐私安全等.在边缘计算架构上搭建人工智能模型，进行模型的训练和推理，实现边缘的智能化，对于当前社会至关重要.由此产生的新的跨学科领域——边缘智能（edgeintelligence，EI），开始引起了广泛的关注.全面调研了边缘智能相关研究：首先，介绍了边缘计算、人工智能的基础知识，并引出了边缘智能产生的背景、动机及挑战.其次，分别从边缘智能所要解决的问题、边缘智能模型研究以及边缘智能算法优化3个角度对边缘智能相关技术研究展开讨论.然后，介绍边缘智能中典型的安全问题.最后，从智慧工业、智慧生活及智慧农业3个层面阐述其应用，并展望了边缘智能未来的发展方向和前景.

• 一种联合时延和能耗的依赖性任务卸载方法

  张俊娜,鲍想,陈家伟,赵晓焱,袁培燕,王尚广,

  边缘计算通过在靠近用户的网络边缘侧部署计算和存储资源，使用户可将高延迟、高耗能应用程序卸载到网络边缘侧执行，从而降低应用延迟和本地能耗.已有的卸载研究通常假设卸载的任务之间相互独立，且边缘服务器缓存有执行任务所需的所有服务.然而，在真实场景中，任务之间往往存在依赖关系，且边缘服务器因其有限的存储资源只能缓存有限的服务.为此，提出一种在边缘服务器计算资源和服务缓存有限的约束下，权衡时延和能耗（即成本）的依赖性任务卸载方法.首先，松弛研究问题中的约束将其转换为凸优化问题；采用凸优化工具求最优解，并用解计算卸载任务的优先级.然后，按照优先级将任务卸载到成本最小的边缘服务器，若多个依赖任务卸载到不同的边缘服务器，为了使总成本最小，则采用改进粒子群算法求解边缘服务器的最佳传输功率.最后，为了验证所提方法的有效性，基于真实数据集进行了充分的实验.实验结果表明，所提方法与其他方法相比能够降低总成本8%~23%.

• 一种车载控制器局域网络入侵检测算法及硬件加速

  许鹤,吴迪,卢继武,李仁发,

  控制器局域网（controllerareanetwork，CAN）总线协议广泛应用于车辆系统，是一种高效的标准总线，可实现所有电子控制单元（electroniccontrolunits，ECUs）之间的通信.然而，CAN总线由于缺乏安全防御功能，很容易受到攻击.针对车载入侵检测提出一种自注意力机制（self-attentionmechanism，SAM）增强的网格型长短时记忆（gridlongshort-termmemory，GridLSTM）网络，称为SALVID.SAM可以增强针对CAN总线的攻击行为特征，GridLSTM可以有效提取时序数据的深度特征.通过从实际汽车中提取的正常CAN数据生成5个攻击数据集，包括拒绝服务（denialofservice，DoS）攻击、模糊攻击、欺骗攻击、重放攻击和删除攻击，比较了具有不同模型深度的各种模型的性能，结果表明，在检测CAN总线攻击方面，SALVID具有最佳性能.该模型可以识别带有小批量特征的攻击，整体检测准确率为98.98%，这在以往的研究中是很难做到的.还设计并实现了基于现场可编程门阵列（fieldprogrammablegatearray，FPGA）嵌入式平台的SALVID模型，并基于训练好的模型使用并行优化和量化来加速计算.实验结果表明，即使有一定程度的量化，SALVID仍然表现出98.81%的高检测准确率和1.88ms的低时延.该研究为设计高性能实时车载入侵检测系统提供了一种新思路.

• 一种基于异步决策的智能交通信号协调方法

  高涵,罗娟,蔡乾娅,郑燕柳,

  智能交通信号控制系统是智慧交通系统（intelligenttrafficsystem，ITS）的重要组成部分，为形成安全高效的交通环境提供实时服务.然而，现有自适应交通信号控制方法因通信受限难以满足复杂多变的交通需求.针对通信时延长和信号灯有效利用率低的难题，提出一种基于边缘计算的异步决策的多智能体交通信号自适应协调方法（adaptivecoordinationmethod，ADM）.该方法基于提出的端—边—云架构实现实时采集环境信息，将异步通信引入强化学习的多智能体协调过程，设计一种多智能体之间使用不同决策周期的异步决策机制.实验结果表明边缘计算技术为高实时性要求的交通信号控制场景提供一种良好的解决思路，此外，相较于固定配时和独立决策的Q学习决策方法IQA（independentQ-learningdecisionalgorithm）而言，ADM方法基于异步决策机制和邻居信息库实现智能体之间的协作，达到降低车辆平均等待长度及提高交叉口时间利用率的目标.

• 基于稳定性分析的非凸损失函数在线点对学习的遗憾界

  郎璇聪,李春生,刘勇,王梅,

  点对学习（pairwiselearning）是指损失函数依赖于2个实例的学习任务.遗憾界对点对学习的泛化分析尤为重要.现有的在线点对学习分析只提供了凸损失函数下的遗憾界.为了弥补非凸损失函数下在线点对学习理论研究的空白，提出了基于稳定性分析的非凸损失函数在线点对学习的遗憾界.首先提出了一个广义的在线点对学习框架，并给出了具有非凸损失函数的在线点对学习的稳定性分析；然后，根据稳定性和遗憾界之间的关系，对非凸损失函数下的遗憾界进行研究；最后证明了当学习者能够获得离线神谕（oracle）时，具有非凸损失函数的广义在线点对学习框架实现了最佳的遗憾界O(T^-1/2).

• 基于多路编码器和双重注意力的古画修复算法

  赵磊,吉柏言,邢卫,林怀忠,林志洁,

  绘画是重要的文化艺术形式，数千年以来，我国古代产生了大量的绘画作品，包含有丰富的文化、艺术、科学与历史价值，但是由于自然灾害（地震）与自然风化以及人类越来越多的经济活动等种种原因导致部分绘画作品存在或多或少的残损或者大块缺失，严重影响了基于这些绘画作品的鉴赏、文化创意、文化传播等活动.与自然图像相比，古画图像的自相似性通常较高，有着明显的风格特点、丰富和细腻的纹理.尽管目前在自然图像上的修复技术已经取得了令人印象深刻的进展，但是这些算法还不能直接用于中国古画的修复.结合中国古画的特点对算法和模型结构进行设计，提出了基于多路编码器和双重注意力机制的中国古画修复算法，目标是对内容受损的古画进行自动化修复.为了能够较好地从多个尺度来修复古画，采用了多路编码器来学习古画不同尺度的语义特征，通过学习到的宏观、中观、微观的语义特征来对古画进行修复，解决了古画丰富和细腻的纹理修复困难问题.为了更好地学习古画的全局语义特征，使得修复后的古画整体更加和谐一致，采用了双重注意力模块分别从风格和内容2个方面来学习古画的全局语义特征.为了验证提出的算法的先进性，制作了一个古画数据集，在该数据集上的实验证明，提出的算法相对于目前最先进的算法而言具有较好的修复质量.

• 基于2阶段集成的多层网络社区发现算法

  赵兴旺,张珧溥,梁吉业,

  社区发现旨在挖掘复杂网络蕴含的社区结构，是复杂网络分析的重要任务之一.然而,现有的社区发现方法大多针对单层网络数据，对现实世界中广泛存在的多层网络数据的研究较少.针对多层网络的社区发现问题，提出了一个基于2阶段集成的社区发现算法，以提高社区发现结果的准确性和可解释性.首先，在各层分别得到基社区划分；其次以各层社区划分结构信息为主并结合其他各层网络得到的基社区划分中最优的社区划分信息进行局部集成；再次，基于信息熵对各层局部社区划分中各个社区的稳定性进行度量，并通过其他层社区划分结果来对各个局部社区划分的准确性进行评价；最后，基于各个社区以及社区划分的重要性进行全局加权集成得到最终的社区划分结果.在人造多层网络和真实多层网络数据上与已有的多层网络社区发现算法进行了比较分析.实验结果表明，提出的算法在多层模块度、标准化互信息等评价指标上优于已有算法.

• 基于中间域语义传导的跨领域文本生成方法

  马廷淮,于信,荣欢,

  在多领域数据的文本生成场景中，不同领域中的数据通常存在差异性，而新领域的引入会同时带来数据缺失的问题.传统的有监督方法，需要目标领域中大量包含标记的数据来训练深度神经网络文本生成模型，而且训练好的模型无法在新领域中取得良好的泛化效果.针对多领域场景中数据差异和数据缺失的问题，受到迁移学习方法的启发，设计了一种综合性的迁移式文本生成方法，减少了不同领域之间文本数据的差异性，同时借助已有领域和新领域之间文本数据上的语义关联性，帮助深度神经网络文本生成模型在新领域上进行泛化.通过在公开数据集上的实验，验证了所提方法在多领域场景下领域迁移的有效性，模型在新领域上进行文本生成时具有较好的表现，对比现有的其他迁移式文本生成方法，在各项文本生成评价指标上均有提升.

• 多层结构化语义知识增强的跨领域命名实体识别

  张文韩,刘小明,杨关,刘杰,

  跨域命名实体识别旨在缓解目标领域标注数据不足的问题.现有方法通常利用特征表示或者模型参数的共享来实现实体识别能力的跨领域迁移，但对文本序列中结构化知识的充分利用仍有所欠缺.基于此，提出了基于多层结构化语义知识增强的跨领域命名实体识别（multi-levelstructuredsemanticknowledgeenhancedcross-domainnamedentityrecognition，MSKE-CDNER）模型，即通过在多个层级实现对源领域和目标领域文本各自蕴含的结构化表示的对齐来促进实体识别能力跨领域迁移.首先，MSKE-CDNER利用结构特征表示层从不同领域中获取文本的结构化语义知识表示；然后，将获得的结构化语义知识表示通过潜层对齐模块在对应的层级进行结构化对齐，获取结构化的跨领域不变知识，从而提高模型对文本结构化知识的利用；此外，将域不变知识与特定域知识融合，进一步增强模型的泛化能力；最后，分别在5个英文数据集和特定的跨域命名实体识别数据集上进行实验.结果显示，对比当前跨域模型，MSKE-CDNER的平均性能提高了0.43%和1.47%，表明利用特征表示中的结构化知识可以有效提高目标领域的实体识别能力.

• 基于多模态方面术语提取和方面级情感分类的统一框架

  周如,朱浩泽,郭文雅,于胜龙,张莹,

  通过方面术语提取和方面级情感分类任务提取句子中的方面-情感对，有助于Twitter，Facebook等社交媒体平台挖掘用户对不同方面的情感，对个性化推荐有重要的意义.在多模态领域，现有方法使用2个独立的模型分别完成2个子任务，方面术语提取提取句子中包含的商品、重要人物等实体或实体的方面，方面级情感分类根据给定的方面术语预测用户的情感倾向.上述方法存在2个问题：1）使用2个独立的模型丢失了2个任务之间在底层特征的延续性，无法建模句子潜在的语义关联；2）方面级情感分类1次预测1个方面的情感，与方面术语提取同时提取多个方面的吞吐量不匹配，且2个模型串行执行使得提取方面-情感对的效率低.为解决这2个问题，提出基于多模态方面术语提取和方面级情感分类的统一框架UMAS.首先，建立共享特征模块，实现任务间潜在语义关联建模，并且共享表示层使得2个子任务只需关心各自上层的网络，降低了模型的复杂性；其次，模型利用序列标注同时输出句子中包含的多个方面及其对应的情感类别，提高了方面-情感对的提取效率.此外，在这2个子任务中同时引入词性：利用其中蕴含的语法信息提升方面术语提取的性能；通过词性获取观点词信息，提升方面级情感分类的性能.实验结果表明，该统一框架在Twitter2015，Restaurant2014这2个基准数据集上相比于多个基线模型具有优越的性能.

• 基于FP-tree和MapReduce的集合相似度自连接算法

  冯禹洪,吴坤汉,黄志鸿,冯洋洲,陈欢欢,白鉴聪,明仲,

  利用集合相似度自连接算法找出一个集合集中所有相似度大于给定阈值的集合对有着广泛的应用.基于过滤-验证框架和并行分布式计算框架MapReduce的集合相似度连接是近年来的研究热点.但现有算法在阈值低时产生较大规模的候选集，导致性能不理想.针对这一问题，提出采用频繁模式树FP-tree及其派生结构FP-tree*将数据压缩在内存中计算集合相似度自连接以减小候选集规模.首先设计并讨论基于现有FP-tree*的集合相似度连接计算及其优缺点，提出遍历效率更高的线性频繁模式树结构模型TELP-tree及基于它的算法TELP-SJ（TELP-treeselfjoin），其包括分别面向构建树和遍历树的2阶段过滤算法，这些算法可以减小树规模和减少树遍历.然后，设计基于MapReduce的并行分布式算法FastTELP-SJ.最后，基于4组真实应用数据集进行3组性能比较实验.实验结果表明FastTELP-SJ算法面向高维大规模集合相似度自连接计算时，包括执行时间、内存占用率、磁盘使用量和可扩展性的运行效率最好.

• 基于多种同构化变换的SLP向量化方法

  冯竞舸,贺也平,陶秋铭,马恒太,

  超字级并行（superwordlevelparallelism，SLP）是一种面向处理器单指令多数据（singleinstructionmultipledata，SIMD）扩展部件实现程序自动向量化的方法，这种方法被广泛应用于主流编译器中.SLP方法有赖于先找到同构指令序列再对之进行自动向量化.将非同构指令序列等价转为同构指令序列以扩展SLP方法的适用范围是当前研究趋势之一.提出SLP的一种扩展方法──SLP-M向量化方法，引入二元表达式替换同构转换方式，基于条件判断和收益计算的选择，利用多种指令序列同构化转换，将满足特定条件的非同构指令序列转换为同构指令序列，再进一步实施自动向量化，从而提升SLP的适用范围和收益.在LLVM中实现了SLP-M方法，并利用SPECCPU2017等标准测试集进行了测试评估.实验结果表明，SLP-M方法相比于已有方法在核心函数测试中性能提升了21.8%，在基准测试程序整体测试中性能提升了4.1%.