2026, 58(9):1-8. DOI: 10.11918/202412039
摘要:为降低截取方法对可变分数延时滤波器系数定点量化时带来的性能损失,优化分数延时滤波器工程应用的资源消耗,提出一种结合极小化极大(Minimax)方法和混合整数线性规划(mixed integer linear programming,MILP)的Farrow滤波器设计方法,并引入Farrow滤波器复用方式。首先,根据Farrow滤波器结构及系数对称性,将滤波器系数求解表征为具有幅频响应峰值误差约束和分数延时误差约束的优化问题,并对Farrow滤波器系数建立整数约束;其次,根据所建立的约束,对滤波器系数进行求解;再次,基于引入的Farrow滤波器复用方式,对资源消耗进行分析;最后,在Xilinx VCU118开发板上搭建16通道4波束的波束形成系统实验平台,对本文提出的滤波器设计方法及复用方式进行验证。实验结果表明:在相同量化位宽条件下,相比于传统截取量化方法,本文所提方法降低了分数延时滤波器的归一化均方误差和群延时误差;Farrow滤波器组在复用后,资源消耗得到显著优化;实验平台形成的数字波束指向符合期望,无指向偏移现象。本文提出的设计方法与复用方式可为Farrow滤波器在宽带多波束形成中的工程应用提供参考。
2026, 58(9):9-16. DOI: 10.11918/202412051
摘要:为解决现有单快拍波达方向(direction of arrival,DOA)估计算法在高实时性应用中计算复杂度高且仅适用于均匀线阵的问题,提出一种适用于任意线阵的低复杂度单快拍DOA估计算法。该算法采用初始估计+优化迭代的两步策略。在初始估计阶段,基于扩展的自适应对角加载技术缓解快拍数不足导致的噪声特征值发散问题,并通过近似算法替代传统的矩阵分解以降低计算复杂度;同时,引入估计相减策略,使加载矩阵在每次估计中仅针对单个信源,提升角度分辨率并匹配加载量以提高估计精度。在优化阶段,利用初始估计结果的高精度特性,在较小搜索范围内快速迭代,以期进一步提升估计性能并减少计算开销。仿真结果表明:在均匀线阵和非均匀线阵条件下,本文所提算法的DOA估计精度与角度分辨能力均优于5种对比算法;计算复杂度最低,且平均计算时间分别减少了69.60%与76.94%。所提算法在保证高精度DOA估计性能的同时,显著降低了计算复杂度,可为雷达、通信及水声测向等高实时性系统中的目标定位与参数估计提供有效技术支撑,具有较高的工程应用价值与推广意义。
2026, 58(9):17-26. DOI: 10.11918/202412064
摘要:增量式入侵检测系统训练过程中存在数据不平衡和遗忘不平衡问题,易导致高错分代价样本漏检,为此,提出一种考虑代价敏感性的增量式入侵检测机制(incremental intrusion detection mechanism considering cost- sensitive,IIDM-CCS)。首先,提出一个改进的生成对抗网络,引入检测模型和目标增强信息熵损失函数,抑制非特定类生成,增加生成样本中特定类的比例;其次,提出一种多教师知识蒸馏方法,通过基础检测模型和旧检测模型为增量训练过程施加约束,指导新检测模型学习如何检测新特定类,并缓解对旧特定类的灾难性遗忘;最后,在知识蒸馏过程中设计代价敏感梯度加权损失函数引导模型关注特定类,利用软标签增量蒸馏损失函数提高模型对旧特定类的泛化能力。在CSE-CIC-IDS2018和EDGE-IIoT数据集上与其他增量式入侵检测方法进行对比,实验结果表明:增量训练后,所提机制检测特定类时的平均召回率分别比对比方法高51.45%和60.32%;同时,检测旧特定类时的召回率较常规增量式入侵检测方法有明显提升。所提机制可以适配于现有的增量式入侵检测系统,使其具备代价敏感性,进一步提升了入侵检测系统对特定类别的识别精度并缓解了其在增量过程中的灾难性遗忘。
2026, 58(9):27-36. DOI: 10.11918/202411094
摘要:为提高道路监控中车辆目标跟踪的准确性,特别是面向目标车辆由于距离变化和遮挡导致的跟踪精度降低以致跟踪对象丢失问题,提出一种基于改进野狗优化算法的车辆目标跟踪框架(IDOAT)。首先,该框架融合快速方向梯度直方图特征和深度特征,以增强对目标车辆的表征能力;其次,结合卡尔曼滤波初始化和螺旋更新机制,对野狗优化算法进行改进,以适应目标在搜索过程中容易丢失的问题;最后,采用改进的野狗优化算法作为搜索策略,快速定位目标,并选取土地移动距离作为相似性度量函数,以最大化视觉感知上的相似性。在目标跟踪数据集UAV20L上的实验结果表明:与现有跟踪算法相比,本算法的跟踪精确率和成功率均较高。具体而言,在car1视频中,本算法的精确率和成功率分别达到了82.9%和22.7%;在car16视频中,精确率和成功率则分别为51.4%和16.1%。说明本算法能够有效应对由车辆遮挡和快速运动所引发的目标漂移问题。在提高车辆目标跟踪的准确性方面,所提跟踪框架具有显著效果,对道路监控系统的实际应用具有重要价值。
2026, 58(9):37-46. DOI: 10.11918/202410026
摘要:为解决当前单幅图像去雪模型普遍仅关注前景雪花建模与移除,忽视图像背景信息,导致整体还原精度不高的问题,提出一种前景背景联合学习的单幅图像去雪模型。首先,设计一种基于逐深度卷积的双尺度幻像特征模块,在增强雪花与背景细节表征能力的同时,有效缓解过拟合风险;其次,提出前景背景联合学习机制,在雪花建模过程中引入背景语义信息,引导模型更全面地理解图像结构与场景上下文;最后,构建双边长短时特征融合单元,促进前景与背景特征间的充分融合与交互,以进一步提升图像复原的质量与稳定性。 在Snow100K、CSD两个公开基准数据集上进行有效性验证。实验结果表明,前景背景联合学习的单幅图像去雪模型在RPSN、SSSIM指标上均优于对比模型,展现出更强的鲁棒性、泛化能力与处理复杂雪景图像的能力。所提模型有效弥补了现有模型在背景建模方面的不足,在实际应用场景中具备较高的实用价值。
2026, 58(9):47-59. DOI: 10.11918/202412036
摘要:为解决单阶段文本到图像生成技术存在的生成结果单一、精确调控困难等局限性,提出一种基于词级注意力的多样化文本到图像生成对抗网络框架(diverse text-to-image generative adversarial network framework based on word-level attention,WordGAN)。该框架在条件生成对抗网络的基础上,引入双重注意力机制、双残差连接设计和线性层策略。其中,双重注意力机制由条件自适应实例层归一化、通道注意力模块和像素注意力模块组成,通过量化分析文本描述中各词汇的语义贡献度捕捉网络特征通道及空间像素的权重分布;双残差连接设计用于维持底层视觉特征完整性和支持更深层次的网络扩展;线性层策略利用线性层改变原有图像模式,促进框架探索更多次要模式。在CUB bird、MSCOCO和Oxford-102基准数据集上进行一系列实验,结果表明:WordGAN有效地实现了生成图像的多样性,而且不会损害质量和语义一致性,其性能水平优于所对比的文本到图像生成框架。本文提出的基于词级注意力的多样化框架为单阶段文本到图像生成任务研究提供了新的思路,具有实际应用价值。
2026, 58(9):60-69. DOI: 10.11918/202407062
摘要:为解决入侵检测系统在学习新类攻击样本时存在的灾难性遗忘、分类偏向新类、旧类泛化能力弱等问题,提出基于对比学习和关系蒸馏的增量式入侵检测方法(incremental intrusion detection method based on contrastive learning and relational distillation,CLRD-IIDM)。首先,提出对比学习增强方法,构建具有特征提取层、投影分支和分类分支的双分支网络结构,并提出旧类补偿对比损失与之配合以增强对旧类样本的记忆;其次,提出新旧类关系蒸馏方法,提取旧模型中的新旧类相似关系并构造类关系标签,利用这些标签对新模型施加正则化约束,缓解模型对新类的分类偏向问题;最后,设计均衡偏差示例存储器,存储能够有效且全面表征旧类特征的样本以保持模型对旧类的泛化能力。在UNSW-NB15数据集上的实验结果表明,应用CLRD-IIDM的多个神经网络模型的最终准确率优于基线模型2.11%~9.78%;对比实验和消融实验结果验证了本文方法的有效性和泛化性。CLRD-IIDM能较好地适应复杂多变的现实网络环境,具有一定的应用价值。
2026, 58(9):70-82. DOI: 10.11918/202412071
摘要:为解决无人机端侧小目标检测中像素低、背景复杂、目标密集且算力受限的矛盾,提出基于改进YOLOv8s的轻量化基线(you only look once v8 small-lightweight,YOLOv8s-LW)算法。首先,利用幽灵卷积与深度卷积优化的高性能图形处理器网络取代YOLOv8s主干网络,通过参数共享与结构裁剪降低冗余,增强端到端可训练性;其次,在颈部以幽灵卷积增强型特征融合模块和快速块高效多尺度注意力融合模块替换跨阶段双卷积瓶颈模块,引入空间混合与多尺度注意力加权,强化多尺度特征聚合与泛化能力;再次,以焦点形状约束交并比损失函数取代原损失函数,从形状约束与匹配精度多维度优化小目标回归鲁棒性;最后,融合动态检测头,提升复杂背景下的小目标响应与定位一致性。实验结果表明:在VisDrone-2019数据集上,YOLOv8s-LW算法的mAP@0.5达到38.5%,参数量为6.4×106,计算量为19.2×109,推理速度为64.0帧/s;相较于基线YOLOv8s,参数量下降约43%,计算量下降约33%,且精度提升0.2%。所提算法在端侧无人机小目标检测中实现了低算力、高实时、稳精度的可用均衡,形成可直接部署的轻量化基线,并为复杂背景场景下的稳健检测与后续多任务扩展提供工程化支持与可迁移的结构设计范式。
2026, 58(9):83-92. DOI: 10.11918/202411087
摘要:为保障电网及输电线路的安全运行,研究复合绝缘子覆冰规律,提出了耦合场下的复合绝缘子覆冰模型。以FXBW-35/70复合绝缘子为试品,通过建立电场与气流场耦合下的水滴运动控制方程,分析水滴碰撞复合绝缘子在不同位置时所受的电场力分布,探讨风速和水滴粒径对局部碰撞系数 α1和水滴受电场偏移程度Δs的影响,计算并分析不同冰棱分布下复合绝缘子表面整体碰撞系数β1。 最后,开展复合绝缘子干湿增长试验,验证所提模型的有效性。结果表明:伞裙边缘、表面、芯棒处的电场强度依次减弱;带电水滴与不带电水滴均在驻点处α1最大,并随两侧逐渐减小,增大风速或水滴粒径均能提升两者的α1;带电水滴相比不带电水滴在直流电场吸引作用下α1更高,其受电场偏移程度由高压端至低压端逐渐降低,最高偏移率可达30%;降低风速、减小水滴粒径或增大冰棱长度、增加冰棱数量均会降低β1;干增长条件下,覆冰形态在无电场作用下整齐规则,而在带电条件下覆冰速率加快,形态杂乱;湿增长条件下,水滴捕获形成水膜流动并促进冰棱生长,无电场作用下覆冰速率明显降低,带电条件下冰棱出现弯曲且形状不规则。研究成果为明确带电条件下复合绝缘子覆冰生长机制及数值模拟提供技术参考。
2026, 58(9):93-103. DOI: 10.11918/202409021
摘要:为减少滥用生成人脸技术导致的社交媒体欺诈行为及虚假新闻传播问题,本文提出基于YOLOv8的多尺度融合与感受野增强的生成人脸检测算法(MSERF-YOLOv8)。首先,引入逐通道卷积模块替换原网络中的卷积模块,利用其独立卷积核处理通道的特点,保持特征的独立性;其次,在主干网络高层结合扩张式残差模块构建全新的C2f模块,扩大主干网络高层感受野;再次,引入高效多尺度注意力机制,通过跨空间学习方法聚合多个并行子网络的输出特征图,丰富特征聚合;最后,基于ghost module、动态卷积和C2f模块构造新的混合架构,采用分组卷积参数共享的方式重构轻量化检测头。在5种GAN生成人脸自制数据集上开展实验,结果表明:MSERF-YOLOv8的均值平均精度达到了95.14%,相较于YOLOv8提升了1.25%,参数量仅为5.30×106,检测速度达到90.10帧/s;与经典目标检测算法和改进算法相比,该算法在特征提取和特征融合方面均有一定的优势。所提算法提高了生成人脸的检测精度、检测速度,同时节约了计算资源。
2026, 58(9):104-114. DOI: 10.11918/202311091
摘要:针对工业互联网中数据海量、有效信息与冗余信息混杂,且传统入侵检测方法忽略网络流量间复杂关联性的问题,为提升工业互联网场景下入侵检测系统的特征提取能力与检测准确性,提出一种堆叠循环卷积自编码器和头部注意力机制的工业互联网入侵检测方法。首先,利用卷积自编码器提取流量数据的空域特征,降低流量数据的冗余性;同时,引入二维卷积层和循环填充方式,通过对原始数据进行升维和空域拓展,扩大卷积核对数据的感受野,进而提高特征提取能力;其次,利用头部注意力机制提取流量间的相关性信息,并根据不同注意力头提取到的相关性信息的重要程度分配注意力头权重,在判断网络流量类型时考虑最重要的相关性信息;最后,在UNSW-NB15数据集上,与传统入侵检测方法及基于传统时序神经网络的入侵检测方法等进行二分类、多分类对比实验。实验结果表明,所提方法在二分类任务中准确率达99.18%,在多分类任务中准确率达87.36%,优于传统入侵检测方法。所提入侵检测方法在工业互联网场景中能有效对网络入侵进行检测。
2026, 58(9):115-124. DOI: 10.11918/202403057
摘要:为解决多阶段语音到图像生成过程中生成器缺乏对图像进行集成和细化的过程,框架训练多个对抗器网络而增加复杂性、训练成本等问题,提出一种单阶段语音到图像生成对抗网络(single-stage speech-to-image generative adversarial network,Single-S2IGAN)框架。该框架在条件生成对抗网络基础上,引入视觉-语音融合模块(visual speech fusion module,VSFM),VSFM由批归一化(batch normalization,BN)、像素注意力模块(pixel-attention module,MPA)、语音调制模块(speech modulation module,MSM)和加权融合模块(weighted fusion module,MWF)组成。其中,BN用于稳定网络训练;MPA对空间像素区域间的语义关联进行建模,并为关键位置分配更高的权重;MSM利用语音向量中的细粒度语言线索调制视觉特征映射;MWF以自适应的方式捕捉MPA和MSM在通道级别的语义重要性。在CUB bird、Oxford-102、Flickr8k和Places-subset 4个基准数据集上进行一系列实验,结果表明:Single-S2IGAN能够生成高分辨率且与输入语音描述语义一致的图像;与现有其他单阶段框架和多阶段框架方法相比,Single-S2IGAN表现出更好的性能,且其性能水平接近文本到图像生成的方法。本文所提Single-S2IGAN框架为语音到图像生成任务研究提供了新的思路。
2026, 58(9):125-134. DOI: 10.11918/202410044
摘要:为解决破损敦煌壁画图像修复中存在的结构修复不合理及图像特征纹理不够细化的问题,提出一种级联迭代精细化壁画图像修复模型。该模型通过多层残差连接网络(multi residual-net,MR-Net)结合空间和通道注意力,利用迭代层归一化残差模块(layernorm residual module,LRM)及普通卷积进行先修复,逐步提取壁画图像的全局和局部特征信息;结合深度可分离卷积下的多头转置注意(dsconv layernorm transposed-attention,DSLT-A)和门控部分卷积特征聚合传播模块(feature aggregation propagation module,FAPM),对图像的全局信息和局部特征纹理信息进行重构;通过部分卷积多尺度门控模块增加修复过程中缺失的原始图像特征信息,对壁画图像的纹理信息进行细化。进行人为不规则掩码修复实验、模拟霉斑掩码修复实验以及真实破损壁画修复实验。实验结果表明:与4种对比模型中表现最好的数据相比,本文所提模型修复图像的 峰值信噪比提升了1.178 dB,结构相似性指数提升了0.010 2,平均平方损失函数降低了0.000 9,3种指标均优于对比模型。所提模型能够修复出更高质量的壁画图像,为提高敦煌壁画图像修复水平以及后续研究数字化敦煌壁画图像修复提供技术支撑和参考。
2026, 58(9):135-143. DOI: 10.11918/202410008
摘要:为改善红外和可见光图像融合过程中信息丢失及特征融合局限性等问题,提出一种跨尺度交叉注意力的Transformer网络。首先,设计跨尺度视觉注意力模块以加强弱光照条件下特征提取能力,重点关注低对比度区域的信息;其次,构造交叉约束模块,通过嵌套连接进行全局特征的交互与融合;最后,提出一种基于Transformer的融合策略,进一步提升图像融合性能,增强细节信息保留。与其他9种先进融合网络的对比实验表明:在客观评价方面,跨尺度交叉注意力的Transformer网络在TNO数据集上的8项评价指标分别提升了10.5%~27.8%, 在Road scene数据集上的8项评价指标分别提升了8.6%~30.3%;在主观评价方面,跨尺度交叉注意力的Transformer网络展现出更优的视觉表现,显著提升了融合图像的可解释性与实用性,能有效保留红外图像中的热目标信息与可见光图像中的细节纹理。所提网络能够充分提取源图像信息,生成纹理细节更清晰、对比度更佳的融合结果,为提升图像融合性能及支持下游任务提供有益参考。
2026, 58(9):144-153. DOI: 10.11918/202412034
摘要:为解决复杂电磁环境中多功能雷达(multifunction radar,MFR)截获信号样本稀缺、增强数据质量不佳及识别性能受限等问题,提出一种基于元数据增强生成对抗网络(meta-data augmentation generative adversarial network,MetaDAGAN)模型的多功能雷达及工作模式识别方法。该模型通过生成对抗网络对小样本信号进行高质量增强,提升训练样本的多样性与代表性;引入具备结构共享的元学习判别器,实现不同雷达辐射源信号间的特征迁移与判别边界的自适应建模;构建多任务联合学习框架,融合特定雷达辐射源识别与工作模式识别两项任务,实现对特定多功能雷达及其工作模式的同步识别,以提升特定多功能雷达及其工作模式的识别准确率。对比实验和消融实验结果表明:基于MetaDAGAN的特定MFR识别与工作模式识别准确率分别达到了98.50%和97.24%,整体优于对比模型;在完整配置模型中移除Transformer和样本增强模块后,工作模式识别准确率分别下降至72.64%和52.06%,体现出二者在特征建模与泛化能力提升中具有关键作用。所提方法在小样本条件下仍具备特征表达能力和多任务泛化性能,展现出良好的鲁棒性与工程适应性,具有广泛的应用前景。
2026, 58(9):154-162. DOI: 10.11918/202412014
摘要:为解决卷积神经网络的图像Copy-Move篡改检测网络中对小尺度篡改的检测不敏感及细节敏感性低的问题,提出融合卷积块注意力模块(convolutional block attention module,CBAM)的双向递归门控残差图像Copy-Move篡改检测网络。通过两种残差块构建编码器解码器结构,使网络对小尺度篡改区域识别更加敏感;在此基础上,引入CBAM注意力机制,以增强特征表达能力,自适应地聚焦于关键的篡改区域;融合双向门控循环单元(bidirectional gated recurrent unit,Bi-GRU),交互前后向信息,耦合宏微观特征,建模长距离依赖;最后,通过跳跃连接机制,促进多尺度特征融合,强化网络的识别能力。在公共数据集CASIA2.0和CoMoFoD上进行实验,结果表明:本文所提网络在CASIA2.0数据集中的准确率 和F1分数分别达到95.78%和82.08%,验证了其在小尺度篡改检测方面的有效性;在CoMoFoD数据集中的准确率和F1分数分别达到92.36%和55.72%,进一步证实了其对复杂篡改场景的泛化能力。所提网络能准确实现对Copy-Move篡改图像的检测,可为篡改检测领域的后续研究提供技术支撑。
2026, 58(9):163-172. DOI: 10.11918/202411088
摘要:为解决现有因果异质性效应估计方法主要聚焦于二元处理而难以适应多元处理情景的不足,提出一种创新的两阶段多元处理因果森林(multiple treatment-causal forest,MT-CF)方法。该方法通过两个阶段的分析过程实现对多元处理因果异质性效应的精准估计。第1阶段,采用传统因果森林方法计算成对处理之间的效应差异;第2阶段,将成对处理的效应差异拓展至多元处理,从而估计每种处理相较于所有处理平均效应的差异。设计两组模拟实验以验证MT-CF方法在不同情景下的表现;将MT-CF方法应用于监测、流行病学和最终结果(the surveillance,epidemiology,and end results,SEER)数据库中,通过对乳腺癌数据的分析,评估患者术后辅助治疗的个体化疗效。结果表明:在两组模拟实验中,MT-CF方法均表现优异,其多个评价指标均优于其他基准方法;在评估患者术后辅助治疗的个体化疗效中,该方法也能估计多种治疗方案的相对效应,为患者个体化治疗决策提供科学依据,同时进一步验证了MT-CF方法在真实医疗数据中的实用性和可靠性。所提方法不仅为多元处理因果效应的估计提供一种有效工具,也为复杂因果推断问题的解决提供了新的视角与思路。
沈瑜,李江柽,梁栋,王若暄,吴红刚,马殷军,严源,马煜堃,刘佳英,闫佳荣
2026, 58(9):173-182. DOI: 10.11918/202411025
摘要:为解决时间序列预测方法普遍存在计算复杂度高、推理速度慢以及关键信息容易丢失的问题,提出一种特征选择的高效时间序列预测模型(Targetformer)。该模型采用Transformer仅编码器结构,并引入倒置输入编码块,将输入时间序列转换为独立的Token;提出特征选择性注意力机制,从映射后的时序Token中提取关键特征;最后利用投影层将提取的特征映射为最终的预测结果。 在6个数据集上的实验结果表明:相较于最优基线模型,Targetformer的均方误差和平均绝对误差分别降低5.7%和2.0%,均取得最优的预测性能,验证了其有效性和实用性。该模型为时间序列预测领域提供一种高效且实用的解决方案。
2026, 58(9):183-195. DOI: 10.11918/202410036
摘要:为改善因石油开采过程复杂多变,难以获取完备油井生产数据信息导致的动液面预测模型效果不佳问题,提出一种基于模糊决策(fuzzy decision,FD)约束迁移的变分自编码器生成对抗网络(variational autoencoder-generative adversarial network,VAE-GAN)模型,用于生成油井动液面预测建模虚拟样本。首先,利用信息较为完备的相似工况源域油井数据,基于迁移学习的VAE-GAN生成虚拟样本,并采用最大均值差异使虚拟样本特征分布向待测目标域油井迁移;其次,为使虚拟样本具有源域油井的丰富信息特征并符合目标域油井生产规则,设计了模糊判别约束模块用于辨别虚拟样本参数间生产特征,进一步约束虚拟样本生成;最后,将所得虚拟样本与目标域少量真实样本混合,构建动液面预测模型。仿真结果表明:本文所提方法生成的虚拟样本可以有效补充待测油井的生产数据,相较于采用待测油井真实数据构建的预测模型,其构建的预测模型在满足油田生产关键参数测量相对误差5%以内要求的基础上,平均绝对误差下降29.589%,均方根误差下降26.386%。所提方法可以有效解决油井生产数据信息不完备问题,能够降低动液面预测模型的输出误差。
2026, 58(9):196-208. DOI: 10.11918/202410075
摘要:为解决现有入侵检测模型在多分类检测中准确率低、误报率高,且难以在物联网等资源受限的边缘设备上高效部署的问题,提出一种卷积长短期记忆自注意力网络(convolutional long short-term self-attention network,CLSA-Net)深度学习模型。该模型通过自适应卷积模块、长短期记忆网络与改进的自注意力机制级联,增强对多样化时序攻击特征的捕捉能力;将模型转换为TFLite(TensorFlow Lite)格式,以实现在低成本ESP32-S3嵌入式平台上的高效部署。在多个公共数据集上进行综合对比实验,并在ESP32-S3平台上进行部署测试。实验结果表明:CLSA-Net在UNSW-NB15、CICIoT2023等多个公共数据集上的性能均优于现有主流模型,综合检出率与准确率分别达到了98.60%和97.48%;在边缘部署测试中,优化后的模型在ESP32-S3平台上保持了超过80%的准确率,并实现了低功耗下的实时检测。本研究验证了在资源受限的物联网边缘计算环境中部署高性能入侵检测系统的可行性,并实现了高精度检测与低功耗运行的有效平衡,为边缘安全防御提供了一个具备实用价值的解决方案。
2026, 58(9):209-216. DOI: 10.11918/202301024
摘要:为解决当前Tor网络拓扑研究中存在的难以快速分析其网络重要节点,进而难以发现薄弱环节和隐藏服务的问题,提出一种基于改进ELECTRE(elimination and choice translating reality)算法的Tor网络节点重要度评估方法。该方法将熵权法(the entropy weight method,EWM)与ELECTRE算法相结合,将节点参数矩阵规范化后加权,确定一致性矩阵和不一致性矩阵,得出聚合优势矩阵,对各个节点的重要度进行排序。采用全局网络效率、自然连通度和最大连通子图对Tor网络的抗毁性进行量化,通过删除节点后抗毁性的变化对节点重要度评估方法进行比较。实验结果表明:在删除15个节点后,基于本文方法的网络抗毁性下降了79.25%;与5种对比方法相比,网络抗毁性的下降比例分别高出0.31%、0.60%、0.68%、3.68%和0.98%,说明本文方法节点重要度评估准确度更高,并且简化了计算过程,避免了人为因素带来的评估偏差,提高了计算效率。所提方法能够准确定位Tor网络中的重要节点,反映节点在维持网络结构稳定性中的关键作用,有助于对目标节点进行追踪,发现潜在威胁,为Tor网络安全防护与脆弱性分析提供了有力支持。
您是本站第 4754718 访问者 
地址:哈尔滨南岗区西大直街92号136信箱
邮编:150001 E-mail:hitxuebao@hit.edu.cn
备案号:京ICP备09084417号-23
版权所有:哈尔滨工业大学学报 ® 2026 版权所有
