计算机研究与发展杂志

计算机研究与发展杂志2025年第11期

• 芯粒互联技术综述

  王浩,王勇,冯长磊,盖伟新,吴鹏,钱江,

  作为摩尔定律的“破局者”，芯粒（Chiplet）技术被业界寄予了厚望.芯粒技术能够将多个具有特定功能的“小芯粒”通过高速互联技术组合成一个“小芯粒”集成芯片，其技术核心是能够实现芯粒组合扩展的芯粒互联技术.从芯粒互联协议、互联架构、容错机制、典型互联芯粒、基于互联芯粒的可测性设计5个方面进行了分析与讨论.首先详细对比分析了国内外芯粒互联协议，给出了各协议的分层及功能.然后介绍了3种典型的芯粒互联架构，分析了各种架构的特点及优势.之后介绍了芯粒容错机制，介绍了互联接口容错编码、容错拓扑和容错路由等容错途径.接着给出了可编程互联芯粒、路径可编程互联芯粒以及专用互联芯粒3种设计方案.最后介绍了基于互联芯粒的可测试性设计与测试方案.以芯粒互联为主题，旨在帮助读者对芯粒互联技术进行系统性了解.

• 基于混合模式路由的脑启发片上网络架构

  王智超,陈亮,李千鹏,陈奥新,刘昕,宋文娜,

  大规模神经形态平台的兴起和发展要求片上网络（network-on-chip，NoC）具备高效的数据传输机制.现有工作在开发高性能路由拓扑架构和设计路由策略方面已经做出了许多努力，但它们仍然受限于单一传输模式或扩展性差的问题，这导致神经形态计算的效率低.受人脑网络小世界特性的启发，提出了一种高效的片上网络路由方案——区域广播（region-broadcast，ReB），能够直接支持单播、多播和广播的混合传输模式.此外，部署了一种突触连接索引方法，以适应所提出的路由方案并支持这种混合模式的传输.这种方法替代了传统的多播路由表，有效提高了网络扩展性并降低功耗.实验结果表明，与现有工作相比，ReB路由方案将峰值脉冲流量和链路负载标准差分别降低了11.5%和20.4%.在合成流量、脉冲神经网络应用和脑皮质柱网络验证下，ReB策略有效提升了片上网络的延迟、吞吐量和功耗等方面的性能.最后，所提出的ReB路由器的带宽达到0.24spike/cycle,硬件实现面积仅为0.014mm2.

• 基于多策略的总线拓扑感知全局布线算法

  刘耿耿,黄隽芊,朱予涵,余延涛,魏凌,陈家瑞,徐宁,

  高性能的全局布线方案能够有效地满足设计规范并大幅提高详细布线过程的效率.随着芯片中通过总线传输的信号增加，总线逐渐成为影响芯片性能的关键因素.若在全局布线过程中未考虑总线拓扑结构，将会导致总线传输信息时出现耦合现象，使得总线传输的信号产生较大的时序偏差.因此，为了优化2D全局布线中总线拓扑结构的一致性，提出了一种有效的基于多策略的总线拓扑感知全局布线算法.首先，设计了一种基于拥塞拓扑重构策略以对2端线网进行优化，从而有效提高布线空间利用率.其次，构建了一种拆线重布模型来实现对多信号位总线的拆线重布.然后，在拆线重布模型中提出了一种考虑总线拓扑结构的寻路算法，调整同一总线线网组的拓扑结构，提高了总线的拓扑结构一致性.最后，设计了一种自适应调整总线拓扑结构代价的迭代方式，进一步优化了总线拓扑结构的一致性.实验结果表明，所提算法能有效优化2D布线方案的总线拓扑结构一致性.

• 注意力增强的语义融合知识图谱表示学习框架

  郭文斌,王鑫,李钊,陈子睿,赵军,冯锋,杜方,

  当前知识图谱通常存在不完整性的挑战，可以通过链接预测任务对缺失信息进行补全来缓解这一问题.然而，大部分知识图谱补全方法过度关注对嵌入特征的提取，没有充分考虑预测节点邻域信息、全局特征信息和方向特征信息中所包含的复杂语义，难以准确预测出缺失的信息.提出一种通用的表示学习语义增强框架ASFR，利用注意力机制提取知识图谱局部关联信息、知识图谱结构特征，结合位置信息对现有的知识图谱表示学习模型进行增强.将3种知识图谱附加信息嵌入到知识图谱的实体向量中，提高知识图谱表示向量的质量.在5种不同类别的经典方法中进行对比实验，结果显示ASFR框架在3个公开数据集上性能的提升幅度为6.89%，能够有效增强模型的预测能力.

• 基于元优化特征解耦的多模态跨域情感分析算法

  贾熹滨,李宸,王珞,张沐晨,刘潇健,张旸旸,温家凯,

  多模态情感分析旨在利用多模态点评等数据识别用户情感倾向.为实现存在域偏移的跨域应用，常用无监督领域自适应方法.然而，该类方法着重于领域不变特征提取，忽略了目标领域特定特征的重要作用.为此，提出基于元优化的领域不变及领域特定特征解耦网络.首先，通过嵌入情感适配器对预训练大模型微调，建立图文融合情感特征编码器.进而，构建基于因子分解的特征解耦模块，分别利用领域对抗及领域分类、协同独立性约束，实现知识可传递的领域不变特征编码的同时，提取领域特定特征以增强目标域情感分类性能.为保证特征解耦与情感分类的总体优化方向一致性，提出基于元学习的元优化训练策略，实现情感分析网络的协同优化.基于MVSA和Yelp数据集构建的双向情感迁移任务的对比实验表明，较之其他先进的图文情感迁移算法，所提算法于双向情感迁移任务的精确率、召回率和F1值3项评价指标均取得了优异的性能.

• 基于粗糙超立方的联邦进化特征选择算法

  陈雪颖,罗川,李天瑞,陈红梅,

  特征选择是机器学习领域中数据降维的有效手段.在大数据时代，数据安全成为了当今社会中备受关注的问题，如何在隐私保护的前提下完成特征选择任务是亟需解决的一个挑战性科学问题.粗糙超立方是一种结合粗糙集理论和超立方学习的不确定性近似计算模型，通过引入有监督的信息粒化技术和多重特征评估准则，为数值型近似分类问题提供了一种高效的特征选择方法.将粗糙集超立方模型和粒子群优化算法相结合，提出了一种新颖的隐私保护下多方参与的联邦特征选择算法.首先，该算法建立了一种适用于多方参与的集中式（客户端/服务器）联邦特征选择架构.在客户端上利用粗糙集超立方模型和粒子群优化算法搜索本地最优特征子集，同时在服务器端给出了一种适应多参与方的全局特征子集评估策略.然后，通过设计联邦环境下的粒子初始化策略提高了算法在多参与方下协同特征选择能力.最后，在12组UCI基准数据集上的实验结果表明，相比于其他6种传统特征选择算法，在满足各参与方数据隐私保护的前提下，算法所选择出的特征子集在各参与方上具有更好的分类性能表现.

• 基于梅尔谱与压缩激励加权量化的语音神经编解码方法

  周俊佐,易江燕,陶建华,任勇,汪涛,

  目前，以SoundStream等为代表的端到端语音神经编解码器在重建语音感知质量方面展现了优异性能.然而，这些方法需要大量的卷积计算，从而导致较长的编码时间.为缓解上述问题，提出基于梅尔谱和压缩激励加权量化的神经语音编解码方法.该方法旨在保持较高语音感知质量的同时降低计算代价，加快运行速度，从而减少时延.具体而言，采用梅尔谱特征作为输入，借助梅尔谱提取过程中时域压缩的性质，并结合低层卷积编码器以简化运算过程.此外，借鉴压缩激励网络思想，提取了编码器最后一层输出特征各维度的激励权重，将其作为量化器中计算码本距离时压缩特征各维度的权重系数，由此学习特征间的相关性并优化量化性能.在LibriTTS和VCTK数据集上的实验结果表明，该方法显著提升了编码器计算速度，且能在较低比特率时（≤3Kbps）提升重建语音质量.以比特率1.5Kbps时为例，编码计算实时率（real-timefactor，RTF）最多可提升4.6倍.对于感知质量，以0.75Kbps为例，短时客观可懂度（short-timeobjectiveintelligibility，STOI）、虚拟语音质量客观评估（virtualspeechqualityobjectivelistener，VISQOL）等客观指标相较基线平均可提升8.72%.此外，消融实验不仅表明压缩激励权重方法的优化效果与比特率呈反相关，而且发现Relu激活函数相较周期性质激活函数Snake而言，在语音感知质量相当的情况下，能大量加快运行速度.

• 基于序贯三支掩码和注意力融合的Transformer解释方法

  成晓天,丁卫平,耿宇,黄嘉爽,鞠恒荣,郭静,

  Transformer逐渐成为计算机视觉任务的首选方案，这推动了其可解释性方法的发展.传统解释方法大多采用Transformer编码器的最终层生成的扰动掩码生成可解释图，而忽略了掩码的不确定信息和上下采样中的信息丢失，从而造成物体区域的定位粗糙且不完整.为克服上述问题，提出基于序贯三支掩码和注意力融合的Transformer解释方法（SAF-Explainer），SAF-Explainer主要包含序贯三支掩码（sequentialthree-waymask，S3WM）模块和注意力融合（attentionfusion，AF）模块.S3WM通过应用严格的阈值条件处理掩码，避免掩码中的不确定信息对解释结果产生损害，以此有效定位到物体位置.随后，AF利用注意力矩阵聚合生成跨层信息交互的关系矩阵，用来优化解释结果中的细节信息，生成边缘清晰且完整的解释结果.为验证所提出SAF-Explainer的有效性，在3个自然图像与1个医学图像数据集上进行比较实验，结果表明SAF-Explainer具有更好的可解释性效果.

• MB-HGCN：基于层次图卷积网络的多行为推荐方法

  严明时,陈慧临,程志勇,韩亚洪,

  基于协同过滤（collaborativefiltering，CF）的单行为推荐系统在实际应用中经常面临严重的数据稀疏性问题，从而导致性能不理想.多行为推荐（multi-behaviorrecommendation，MBR）旨在利用辅助行为数据来帮助学习用户偏好，以缓解数据稀疏性问题并提高推荐精度.MBR的核心在于如何从辅助行为中学习用户偏好（表示为向量表征），并将这些信息用于目标行为推荐.介绍了一种旨在利用多行为数据的新型推荐方法MB-HGCN（hierarchicalgraphconvolutionalnetworkformulti-behaviorrecommendation）.该方法通过从全局层面的粗粒度（即全局向量表征）到局部层面的细粒度（即行为特定向量表征）来学习用户和物品的向量表征.全局向量表征是从所有行为交互构建的统一同构图中学习得到的，并作为每个行为图中行为特定向量表征学习的初始化向量表征.此外，MB-HGCN还强调了用户和物品在行为特定表征上的差异，并设计了2种简单但有效的策略来分别聚合用户和物品的行为特定表征.最后，采用多任务学习进行优化.在3个真实数据集上的实验结果表明，所提方法显著优于基准方法，尤其是在Tmall数据集上，MB-HGCN在HR@10和NDCG@10指标上分别实现了73.93个百分点和74.21个百分点的性能提升.

• 6G卫星物联网随机多址接入技术发展与展望

  丁飞,赵芝因,宋爱国,潘志文,张婷婷,

  卫星物联网作为第6代移动通信（6G）网络架构的核心演进方向，正通过星地协同组网技术构建全球无缝覆盖的物联网泛在连接体系与综合服务能力.多址接入技术作为支撑卫星物联网大规模用户动态接入的关键技术，其核心目标在于通过无线资源的智能化分配机制，实现海量用户终端按需、有序、可靠的并发接入服务.梳理了基于ALOHA协议的多址接入技术演进脉络，从数据发送的时间约束维度出发，将现有接入技术划分为时隙随机多址接入与非时隙随机多址接入两大技术谱系，并对其技术特征进行分类解析，深入剖析了各技术方案的物理层实现原理与协议特性.针对融合创新方向，总结了新型混合随机多址接入技术的设计范式与研究成果，从协议体制、频谱感知、业务建模等维度梳理了前沿研究进展.最后，从按需接入控制、极简随机多址接入、多接入边缘计算（multi-accessedgecomputing，MEC）融合的随机多址接入、数据-模型联合驱动模型与场景验证等方面指出了未来研究的技术方向和发展趋势.

• 工业物联网零信任安全研究综述

  王航宇,吕飞,程裕亮,吕世超,孙德刚,孙利民,

  工业物联网（industrialInternetofthings，IIoT）正面临着日益严峻的安全威胁，传统边界型安全模型已无法应对复杂多变的需求.零信任作为一种新兴的安全模型，以“绝不信任，始终认证”为核心原则，逐渐受到关注.然而，零信任在IIoT中的研究与应用仍处于起步阶段，亟需更加全面且系统的探索.系统综述了近年来工业领域零信任的发展与应用，重点分析其核心技术与实践场景，并明确当前研究趋势和未来方向.首先介绍了工业零信任的基本概念和原则，为后续讨论奠定理论基础.随后，系统梳理了工业零信任架构的迁移与评估方法，并总结了身份认证、软件定义边界、微隔离、信道安全及信任评估等关键技术，这些技术构成了工业零信任的核心支撑体系.此外，深入探讨了访问控制在零信任中的关键作用及其在权限管理中的价值.结合IIoT的典型应用场景，进一步分析零信任在复杂环境中的实践优势，最后总结了工业零信任的现存挑战和未来发展.

• 面向智算中心的细粒度流量控制技术综述

  许晶,王展,元国军,马振龙,杨帆,孙凝晖,

  随着人工智能生成内容技术的迅猛发展和大语言模型（largelanguagemodels，LLMs）广泛应用，智算中心的网络面临着严峻挑战，流量控制是优化网络性能的重要方法.综述细粒度流量控制领域的关键问题及解决方案，重点梳理了自适应负载均衡机制、主动式拥塞控制机制和乱序包重排机制3个方面的研究进展.自适应负载均衡能够有效规避网络内部的拥塞，主动式拥塞控制用于预防自适应负载均衡无法避免的最后一跳拥塞问题，而乱序包重排解决了自适应负载均衡过程中可能引发的数据包乱序问题，三者协同作用确保了网络在高负载、高延迟等复杂环境下的稳定性与高效性.在此基础上，阐述了当前主流智算中心采用的关键技术方案以及目前支持细粒度流量控制的网络设备，最后总结了该领域尚未解决的关键问题及可能的解决方案，并对未来发展趋势进行了展望.

• 基于动态插桩的网络功能软件性能测量方法

  贾茹,姜海洋,李振宇,谢高岗,

  网络功能（networkfunction，NF）软件化为新型网络场景和应用的实现与部署提供灵活性.然而，相较于专有硬件，网络功能软件的程序结构和运行环境更复杂，导致短时吞吐异常、长尾时延等各种性能问题，影响用户体验.当出现性能问题时，需要快速通过性能测量，定位问题所在模块，确定问题产生的原因.面对NF软件复杂的运行环境、日益膨胀的代码规模、问题根因的复杂多样等问题，粗粒度性能测量已经无法满足性能问题定位和分析的需求，急需高效的细粒度NF软件性能测量方法.当前NF软件性能测量主要分为基于采样和基于插桩2类方法.通过实际测量分析证明了基于采样的性能测量方法不适用于细粒度NF软件的性能测量，而基于插桩的方法可以满足细粒度测量的功能需求，但会产生大量的额外测量开销，影响测量准确度.为此，提出了动态库插桩和函数级快速断点相结合的函数级动态插桩方法.和静态库插桩相比，动态库插桩可以在NF软件运行过程中实时按需打桩，解决了静态库打桩的灵活性问题；和传统快速断点相比，函数级快速断点的插桩开销平均降低了70%.在此基础上，设计并实现了数据包级的NF软件性能测量方法LProfile，基于轻量化探针和存储优化等技术进一步减少测量开销.对比基线方法TAU，LProfile降低了82%的单点测量开销.

• 群智感知中基于个性化差分隐私的真值发现方法

  王涛春,强勇,许诺,陈付龙,谢冬,赵传信,

  在群智感知系统中，用户通过提供感知数据完成感知任务.然而，由于传感设备精度、用户行为以及环境条件等因素的影响，不同用户提供的数据质量存在显著差异.真值发现技术能够有效地消除低质量数据影响，从而能够更好地利用感知数据，但现有的真值发现方法往往忽略用户个性化隐私要求，且基于加密的隐私保护技术难以应用于大量用户参与的群智感知系统.基于此，提出一种个性化差分隐私真值发现（personalizeddifferentialprivacytruthdiscovery，PDPTD）方法.PDPTD将本地差分隐私随机响应机制应用于隐私保护，使用户能够根据个人隐私需求自主调整感知数据的扰动幅度，平衡数据隐私与可用性.服务器在聚合数据时充分考虑扰动影响，并通过加权机制提升数据质量.与此同时，PDPTD依据数据质量动态分配用户权重，即使部分用户选择较高程度的扰动，系统仍能推断出接近真实值的结果，从而保证数据的可靠性.理论分析与实验结果表明，PDPTD方案符合本地差分隐私原则，同时确保最终推断结果具有较高的精确度.

• 基于区块链索引的可验证布尔搜索加密方案

  李宇溪,陈晶晶,周福才,徐剑,纪东,

  针对现有可搜索加密方法中搜索表达能力不足以及验证机制不完善的问题，提出了一种基于区块链索引的可验证布尔搜索加密（verifiableBooleansearchableencryptionbasedonblockchainindex，VBSE-BI）方案.该方案首先构建了支持可验证布尔搜索的安全模型，并在此基础上设计了一种基于区块链存储结构的增量型安全索引构造方法，在实现高效搜索的同时，确保索引结构的不可篡改性.此外，方案还设计了安全索引的高效动态更新机制，有效避免了因构建辅助更新结构而导致的索引存储和更新开销过大的问题.针对布尔搜索的完整性验证需求，方案定义了布尔搜索结果的不可伪造性，并提出了一种基于双线性映射累加器和扩展欧几里得算法的布尔运算完整性验证算法.安全性分析表明，VBSE-BI方案在随机预言模型下可抵御动态选择关键字攻击，并在双线性q阶强Diffie-Hellman假设下满足不可伪造性.与同类方案相比，VBSE-BI方案不仅支持更丰富的布尔搜索语句，还将用户端计算复杂度显著降低至logn（n为关键字个数）.实验结果显示，通过优化验证算法，该方案使用户端验证时间始终保持在较低水平（1.0～1.8s），仅为服务器端计算时间的9.98%～14.03%.上述结果表明，VBSE-BI方案非常适用于资源受限的移动设备，为可搜索加密的实际应用提供了坚实的理论基础和高效性保障.

• 面向多层级区块链架构的轻量级高效验证资产跨链转移方法

  牛翔宇,孔兰菊,蒋亚丽,钱进,崔立真,李庆忠,

  多层级区块链架构是一种将多个区块链组织成树形的架构，其中每层的区块链可以通过跨链技术控制和管理与其连接的下一层区块链的部分功能和链上数据.然而，这种架构下的资产跨链转移是一个多跳跨链问题，证明跨链交易成功执行的证据需要沿源链到目标链路径进行多跳的传递与验证，导致跨链事务的执行时延较长以及证据传输开销与验证开销较大的问题.为此，提出一种面向多层级区块链架构的轻量级高效验证资产跨链转移方法，该方法引入顶层见证链连接各多层级架构，并在各链上部署见证合约，使跨链事务中的源链和目标链的父链作为见证链驱动跨链事务的完成.此外，还提出一种基于Verkle树的跨链事务验证证据，将区块内需要处理的跨链事务信息组织在采用KZG（Kate-Zaverucha-Goldberg）多项式承诺的Verkle树中，并将KZG承诺和证明数据加入证据中，通过验证证据证明跨链事务的执行状态，从而优化证据的传输和验证.理论分析和对方法原型的实验证明，所提方法降低了跨链事务的执行时延，并且相比采用简单支付验证的方案在不增加证据传输开销的基础上降低了证据验证开销，具有轻量级和高效验证的特点.