最新刊期
- 摘要：图神经网络（Graph Neural Networks,GNNs）凭借其卓越的源代码语义结构捕获能力，已成为软件漏洞检测中重要的代码特征学习工具。然而，GNNs的黑箱特性严重制约了其在漏洞检测领域的应用。为解决这一难题，现有研究提出了基于反事实推理的解释器，通过寻找能改变模型预测的最小代码图扰动，提供漏洞检测的因果解释。这类方法普遍缺乏全局信息的引导，且扰动范围仅限于代码图的边。针对此问题，本文提出了GlobalGCE，一种新型的基于反事实推理的解释器，旨在提升GNNs漏洞检测模型的预测解释性。GlobalGCE通过识别代码图中最小的边和节点扰动来生成反事实解释，并融合全局漏洞代码程序图的先验知识，加速反事实解释子图的搜索。在4个主流基于GNNs漏洞检测模型上的实验结果表明，GlobalGCE在性能上显著超越了当前最先进的事实和反事实推理解释器。关键词：图神经网络（GNNs）;漏洞检测;反事实解释;全局解释;模型可解释性;代码图;图扰动3|0|0更新时间：2026-10-02
- 摘要：在外包计算中，客户端通常将计算任务委托给多个服务器执行。在客户端与服务器互不信任的安全模型中，针对多服务器计算中计算完整性、输入隐私性与输入有效性的问题，提出了一种基于批量多项式承诺的多服务器双向验证计算协议BatchProofs。为满足协议中客户端与服务器的验证需求，分别设计了一对一和一对多两种多项式承诺验证方案。其中，一对一验证方案实现了双变量多项式的证明局部聚合，用于客户端验证计算结果的正确性；一对多验证方案在高效批量生成证明的同时，通过随机线性组合实现了证明的聚合，用于服务器端验证输入秘密份额的有效性。实验结果表明，一对一验证方案中证明的验证时间比Kate-Zaverucha-Goldberg（KZG）方案快了10倍左右；当批量生成的证明数量
-
生命健康分析技术研究进展与应用挑战 AI导读
-
基于时序动态图神经网络的链上女巫地址检测 AI导读
摘要：随着区块链空投活动的普及，女巫攻击已成为威胁Web3生态安全的重要挑战。攻击者通过控制大量虚假身份获取不当利益，严重破坏了去中心化应用的公平性。为识别和治理此类攻击，研究者提出了多种链上女巫地址检测方法，但现有方法仍普遍面临节点特征提取单一、时序建模能力不足和人工标注数据依赖性强的问题。针对这些问题，提出了一种基于时序动态图神经网络的链上女巫地址检测模型。该模型面向邀请关系构建时间感知的动态有向图，从拓扑结构、行为统计、社交活动和网络中心性4个维度提取节点特征，形成68维特征向量；设计了融合记忆机制与时序图注意力机制的时序动态图表示学习算法，其中记忆机制用于维护节点长期状态，时序图注意力机制用于聚合邻居时序信息；引入非对称对比学习框架，通过自监督学习降低对人工标注数据的依赖。在真实区块链邀请数据集上的实验表明，该模型在F1分数、AUC和平衡准确率指标上分别达到91.11%、97.69%和92.50%，与基线方法相比均取得了更好的性能。关键词：女巫地址检测;节点特征提取;时序动态图神经网络;对比学习21|50|0更新时间：2026-09-23 -
暗增强机理下的光电化学传感 AI导读
- 摘要：场效应晶体管（FET）生物传感器具有高灵敏、免标记、可实时检测、易于微型化集成等优势，在细胞外囊泡（EVs）检测领域具有重要的应用价值。本文概述了EVs的生物学特性与临床诊断价值，阐明了FET生物传感器的基本检测原理，系统总结了FET生物传感器的设计策略，并以沟道材料为主线，分类评述了基于石墨烯、碳纳米管、金属氧化物、有机电化学晶体管以及其他类型FET生物传感器在EVs检测中的最新研究进展。最后，讨论了当前在特异性提升、复杂样本抗干扰及临床转化等方面面临的关键挑战，并展望了面向集成化、标准化与即时检测等方向的发展趋势。本文旨在为FET平台应用于EVs检测的多种路径提供全景式框架，为推动该领域的基础研究与临床应用提供参考。关键词：场效应晶体管;生物传感器;生物标志物;细胞外囊泡;液体活检32|51|0更新时间：2026-09-18
- 摘要：头部姿态估计作为计算机视觉领域的关键研究任务，在人机交互、安防监控等场景中具有广泛应用前景。然而，实际的头部姿态应用面临诸多挑战，例如严重的遮挡、光照不足和极端的姿态角度。为此，本文提出一种基于五官旋转位移关系表征的头部姿态估计方法，该方法主要包含两个模块：五官关系挖掘模块和隐秘位移特征表示模块。五官关系挖掘模块通过精细建模左眼、右眼、双耳等五官区域的空间分布及相互依赖关系，显著提升模型对头部姿态关键信息的感知与理解能力；隐秘位移特征表示模块以五官旋转过程中的相对位移为核心，构建适配遮挡场景的稳健特征结构，有效突破遮挡干扰。在BIWI、AFLW2000数据集及其遮挡版本上的实验结果表明，本文方法在遮挡条件下的头部姿态估计性能优于多种现有方法，同时在无遮挡场景中准确率较高，充分验证了方法的有效性与鲁棒性。关键词：头部姿态估计;五官关系挖掘;隐秘位移特征;Transformer;图像理解5|31|0更新时间：2026-09-17
- 摘要：作为反映物流配送服务水平的一项关键指标，前置时间对消费者预期效用和物流配送服务定价有重要影响，有必要对时间、效用、定价三者之间的相互作用关系进行深入量化研究。为此，构建一个由物流平台方、自营物流商和加盟物流商构成的服务供应链系统，为消费者提供物流配送服务。首先基于前置时间和物流配送服务定价的交互关系刻画消费者预期效用函数和需求函数，在此基础上，分物流配送服务市场业务的成长阶段和成熟阶段，研究前置时间一致性和差异化两种场景下的物流配送服务定价策略。研究表明：1） 综合考虑前置时间和物流配送服务定价的消费者预期效用函数，与市场或企业发展阶段、物流配送服务提供渠道相关，消费者预期效用与时间敏感型消费者市场需求紧密相关；2） 在成长阶段，物流配送服务最优定价与前置时间负相关，自营物流商和加盟物流商可在缩短前置时间与提高定价两者所带来的消费者预期效用达到均衡的情形下制定最优定价策略；3） 在成熟阶段，存在一个前置时间阈值支持自营物流商和加盟物流商制定最优定价策略，自营物流商可采取零售价格有限降低而大幅缩短前置时间的定价策略，加盟物流商则采取跟随定价策略。研究结论可为企业制定物流配送服务定价和前置时间等经营决策提供参考。关键词：前置时间;消费者预期效用;两阶段;物流配送服务;定价策略19|25|0更新时间：2026-09-15
-
基于责备机制的Vigilance语义 AI导读
摘要：渐进类型系统在提升程序类型灵活性的同时，也引入了运行时类型不一致与类型错误归责问题；而现有Vigilance框架虽强调类型历史一致性验证，却难以兼顾细粒度错误归责。基于此，本文提出了基于责备机制的Vigilance语义扩展（简称“责备感知Vigilance语义”）。该扩展在核心中间语言ICTL中引入带方向性的责备标签，使类型转换（cast）、类型监控（monitor）及类型断言（assert）表达式能够在类型不一致时触发指向具体来源（值或上下文）的责备信息。相应地，该扩展调整了值日志和类型历史的结构以记录责备信息，并对两种核心逻辑关系进行扩展以形式化地刻画责备信息的触发与传播。本文验证了责备感知Vigilance语义不仅能保证值始终满足历史类型约束，还能提供精确且一致的运行时错误归因，该语义显著增强了Vigilance的错误解释能力及工程实用性。实例分析表明，在典型的图像处理流水线中，本文提出的责备感知Vigilance语义能通过责备标签与类型历史精确定位错误责任方（如函数实现或调用上下文），显著优于传统Vigilance仅报告类型不匹配而无法归责的局限，从而大幅提升调试效率与工程实用性。关键词：渐进类型;责备演算;语义;逻辑关系;类型推理5|42|0更新时间：2026-09-15 - 摘要：寒地传统村落文化景观长期受到严寒气候、冻融过程与社会经济转型的复合影响，其脆弱性具有显著的地域情境性、系统关联性与结构异质性。针对现有研究对寒地环境适应性关注不足、脆弱性结构识别不充分以及评价结果与分类治理衔接不足等问题，以牡丹江市10个国家级传统村落为研究对象，将寒地环境适应性作为地域分析情境，构建基于压力-状态-响应（Pressure-State-Response，PSR）模型的文化景观脆弱性评价体系，运用组合赋权法、综合指数法和因子贡献度分析，识别文化景观脆弱性水平、结构特征及主导约束因素，并开展脆弱性类型划分与分类治理研究。结果表明：1）研究区域文化景观脆弱性呈现“压力驱动-状态敏感-响应约束”的结构特征，政府与村民响应是影响文化景观综合脆弱性的关键约束因素，乡村旅游开发的外部扰动高于快速城镇化，非物质文化景观脆弱性整体高于物质文化景观；2）文化景观总体处于低脆弱性水平，但村落间存在明显差异，呈现低脆弱性村落占主体、中脆弱性村落局部出现的空间格局，低脆弱性村落主要分布于渤海镇及周边区域，其空间分异与区位条件、资源禀赋、发展强度及治理资源配置等因素密切相关。针对响应主导型（R型）、压力-状态复合型（PS型）和状态-响应复合型（SR型）文化景观脆弱性类型，分别提出强化基层保护治理与优化资源配置、控制乡村旅游开发扰动与修复受损文化景观、强化景观状态修复与村民参与协同的分类治理策略。该研究将寒地环境适应性纳入传统村落文化景观脆弱性的地域解释框架，构建“寒地环境情境-压力作用-状态变化-响应调节-脆弱性表征”的分析路径，可为寒地传统村落文化景观的适应性保护与精细化治理提供理论依据。关键词：寒地传统村落;文化景观脆弱性;PSR模型;结构识别;类型划分;分类治理;牡丹江市23|26|0更新时间：2026-09-14
- 摘要：针对阶跃型滑坡在降雨与库水位变动共同作用下变形机制不明确、位移预测精度不足的问题，以香溪河右岸白家包滑坡为研究对象，采用地质调查、多源监测与数值模拟等方法，系统分析了滑坡变形演化机制，构建了基于位移导向的变分模态分解（VMD）、改进蜣螂优化算法（IDBO）和长短期记忆网络（LSTM）的混合预测模型VMD-IDBO-LSTM。研究结果表明：1）库水位下降速率与低渗滑体渗流响应速率不匹配，导致滑带内超孔隙水压力增大，是诱发阶跃型位移的主要原因；2）降雨对滑坡变形的影响相对较弱，主要表现为对滑坡后缘变形的叠加效应；3）库水位波动通过改变坡体渗流场，使滑坡稳定性呈现“增强-趋稳-减弱”的阶段性变化特征；4）基于白家包滑坡位移数据构建的VMD-IDBO-LSTM模型，预测精度显著优于VMD-LSTM和VMD-DBO-LSTM模型，均方根误差（RMSE）为8.894 mm，相关系数（R²）为0.983，能有效预测库区阶跃型滑坡。关键词：阶跃型滑坡;白家包滑坡;库水位变动;变形机制;位移预测1084|100|0更新时间：2026-09-14
- 摘要：拆分学习将深度学习模型划分为若干部分，由客户端与服务端双方协同完成训练与推理，但面临数据重构攻击等隐私威胁。差分隐私可缓解上述威胁，但目前的差分隐私拆分学习方案存在两点不足：一是没有为拆分学习的整个训练过程提供形式化的差分隐私保证；二是高维破碎数据上的差分隐私噪声过大，导致图像分类精度严重下降。为了保护整个训练过程，设计了面向拆分学习的差分隐私训练方案DPSplit，向破碎数据添加差分隐私噪声以保护整个训练过程，并设计分配算法在满足总体隐私预算下增大每轮的隐私预算。针对噪声过大的问题，提出面向高维矩阵的差分隐私机制R1SMG-E，采用单秩协方差矩阵加噪使噪声规模与维度无关。R1SMG-E作为独立的差分隐私机制，可应用于DPSplit训练方案中进一步降低噪声。实验结果表明，在基于R1SMG-E的DPSplit方案下训练的模型能保持良好的可用性，能有效抵御多种数据重构攻击。关键词：差分隐私;拆分学习;数据重构攻击24|67|0更新时间：2026-09-14
- 摘要：采用密度泛函理论（DFT）研究了生命体内（310.15 K、1.013×105 Pa）自由水和束缚水环境下苯丙氨酸钙（Phe→Ca2+）与羟基自由基（OH·）反应的机理。该反应有OH·提氢、OH·加成和单电子转移3个通道。自由水环境下，提氢的优势反应是能垒为35.2~49.6 kJ/mol的显著放热过程，加成的优势反应是能垒为27.7~45.4 kJ/mol的放热过程。束缚水环境下，提氢的优势反应是能垒为40.0~45.8 kJ/mol的放热过程；加成的优势反应是能垒为38.8~45.5 kJ/mol的放热过程。自由水和束缚水环境下，电子转移过程热力学和动力学均不允许。研究表明，生命体内自由水和束缚水环境下Phe→Ca2+可通过提氢和加成两个途径清除OH·。关键词：苯丙氨酸钙;羟基自由基;密度泛函理论;自由水;束缚水;自由能垒;氨基酸12|35|0更新时间：2026-09-14
-
基于私有信息检索的签名证书时间戳审计系统 AI导读
摘要：证书透明度通过公开日志机制对数字证书进行审计，其中签名证书时间戳的审计能够有效防止证书误发，是保障网络安全的重要机制。然而，现有基于匿名化的方案依赖额外信任假设，难以提供强隐私保障；基于密码学的方案则在大规模场景下受限于服务器存储开销过高或动态维护效率不足。为此，提出一种基于私有信息检索的签名证书时间戳审计（Signed Certificate Timestamp Auditing， SCTA）系统。通过设计扩展二进制融合过滤器这一全新原语，将二进制融合过滤器的高效查询与计数布隆过滤器的动态可删性相结合，实现静态数据的快速审计与动态数据的实时更新；结合私有信息检索与删除日志管理，支持在保护客户端查询隐私的同时进行高效的数据增删与持久化删除。形式化分析表明，SCTA系统在半诚实敌手模型下能够满足客户端查询隐私；实验结果表明，SCTA系统在计算开销可控的前提下，显著降低了服务器存储开销，相比对比方案在性能与安全性上具有综合优势。关键词：证书透明度;签名证书时间戳;私有信息检索;二进制融合过滤器15|61|0更新时间：2026-09-07 - 摘要：为探讨三峡库区典型支流香溪河库湾除草剂草甘膦（PMG）的污染特征，于2025年3月至12月对香溪河库湾水体中9个点位开展4个季度的采样，测定水体中PMG及其主要代谢物氨甲基膦酸（AMPA）的浓度，分析其时空分布特征及环境响应机制，并采用风险商（RQ）评价其生态风险。结果显示，研究区域水体中，PMG在所有采样点、4个季节均检出，质量浓度为0.01~4.54 μg/L；AMPA在春、夏、秋季检出率为100%，冬季检出率降至66.67%，质量浓度范围为0~2.78 μg/L。PMG与AMPA表现出明显的时空错位特征，PMG浓度按春、夏、秋、冬季次序递减，并表现为上游高、下游和交汇处降低的空间分布特征；而AMPA浓度峰值出现在夏季，空间上表现出交汇处和下游高于上游的反向富集特征。环境响应分析显示，PMG的赋存主要受农业面源输入、降雨径流输送及水体理化条件的共同影响，而AMPA的生成和累积则受微生物转化过程和库区水动力条件共同调控。生态风险评价结果表明，PMG在春、夏季部分区域达中等风险水平（0.1≤RQ<1），是研究区域草甘膦相关生态风险的主要贡献者；AMPA的生态风险处于可忽略水平（RQ<0.01）。研究结果揭示了三峡库区典型支流中PMG及AMPA的迁移转化规律，为三峡库区面源污染的精准管控与水环境风险防范提供科学依据。关键词：三峡库区;香溪河库湾;草甘膦（PMG）;氨甲基膦酸（AMPA）;时空分布;生态风险17|47|0更新时间：2026-08-17
-
聚丙烯酸导电水凝胶的快速制备及其机械性能 AI导读
摘要：针对柔性电子设备对高导电与高强韧水凝胶的需求，采用抗坏血酸（Laa）与过硫酸铵（APS）构建了高效氧化还原引发体系，并利用Zr4+的配位作用和（NH4）2SO4的Hofmeister效应协同，实现了一步法快速制备聚丙烯酸（PAA）基强韧性导电水凝胶，凝胶化时间仅需100 s。系统研究了Zr4+用量及（NH4）2SO4浓度对水凝胶性能的影响。最佳条件下制备的PAA水凝胶表现出卓越的综合性能：机械性能突出，在2.72 MPa的应力下，断裂伸长率高达1 429.7%；导电性能良好，离子电导率为73.46 mS/cm；同时，还表现出优异的抗疲劳性能与形状恢复能力。该导电水凝胶在柔性储能器件、柔性可穿戴传感、软体机器人驱动及生物医学监测等领域具有广阔的应用前景。关键词：水凝胶;柔性电子设备;机械性能;导电性;氧化还原引发体系;配位作用;Hofmeister效应16|57|0更新时间：2026-08-10 -
柔性场效应晶体管离子传感研究进展 AI导读
摘要：离子浓度变化与生理稳态维持及疾病发生发展密切相关，对离子浓度进行精准、连续的监测可为健康管理和疾病早筛提供重要基础信息。柔性晶体管因兼具优异电学性能与机械性能，成为构建新一代离子传感器的重要平台。本文围绕场效应晶体管（FETs）和有机电化学晶体管（OECTs）两类器件，系统概述其在柔性离子传感中的研究进展，重点分析无机、有机FETs及OECTs在材料体系、器件结构与传感性能方面的特点与差异，总结其在可穿戴与生物电子领域中的应用现状，并进一步探讨了当前面临的挑战和未来发展的方向。关键词：场效应晶体管;柔性;离子传感;电学性能;机械性能52|64|0更新时间：2026-07-29 - 摘要：红队测试对保障大语言模型（Large Language Model，LLM）的实际应用安全至关重要。然而，现有自动化红队方法忽视了对攻击样本泛化性的提高，且通常仅依赖单一的越狱策略，缺乏对多策略集成和协同机制的探索，难以满足实际的需要。为此，提出一种集成多种越狱策略的LLM自动化红队测试框架。该框架不仅可以使用攻击模型生成语义多样的测试样本，还以模块化方式集成了22种越狱策略，并支持组合加工与动态扩展，从而实现对目标模型的高强度测试；同时，还可基于红队测试过程产生的数据进一步提升目标模型的安防能力。实验表明，该框架生成的测试样本在违规类别覆盖度与文本相似度上均表现优异，攻击成功率达94.29%，较当前最优方法提升17.37个百分点。经对齐优化后，攻击成功率大幅下降至14.00%，充分验证了所提框架在红队测试与模型优化双重目标上的有效性与实用价值。关键词：大语言模型;红队测试;越狱策略;模型对齐14|67|0更新时间：2026-07-28
- 摘要：方言语音在发音方式、声学分布及语言结构等方面具有显著差异，使端到端语音识别模型在低资源条件下面临建模能力不足和解码不稳定等问题。本文提出一种基于多尺度卷积的Conformer端到端四川方言语音识别方法，在编码与解码阶段进行了针对性改进。模型由多尺度卷积编码器以及连接时序分类与注意力机制联合建模的混合解码器组成。编码阶段，在Conformer的卷积模块中引入多尺度卷积设计，实现对不同时间跨度局部声学特征的并行提取，并结合门控融合机制实现多尺度信息的自适应整合，从而增强模型对复杂方言语音特征的表达能力。在解码阶段，采用连接时序分类与双向Transformer的混合解码架构，集成基于四川方言文本训练的专用N-gram语言模型，并提出一种动态注意力重打分策略，根据解码路径得分统计特性自适应调整声学模型与语言模型的融合权重。在真实四川方言语音数据集上的实验结果表明，所提出的方法在测试集上的字符错误率与基线模型相比平均降低约17%，验证了所提方法在四川方言语音识别任务中的有效性。关键词：语音识别;方言语音识别;Conformer;端到端模型38|110|0更新时间：2026-07-23
- 摘要：知识图谱的引入有效缓解了推荐系统面临的数据稀疏与冷启动问题。然而，现实场景中的协同知识图谱普遍存在长尾分布与交互噪声，传统的图对比学习增强策略多依赖启发式的随机拓扑扰动，容易破坏原有的协同网络结构。为此，本文提出一种面向知识图谱推荐的SVD（Singular Value Decomposition）视图与残差对比学习框架（SVRCL）。该框架在谱空间对全量表征矩阵执行奇异值分解，通过在奇异值分布上直接注入自适应高斯噪声并重构全局对比视图，在保留核心拓扑连通性的前提下缓解长尾交互噪声对表征学习的干扰。此外，针对传统排序优化中梯度信号稀疏的问题，本文设计了基于Sigmoid难度的残差重加权BPR损失，通过动态量化负样本困难度精准分配梯度权重，优化了推荐系统的判别边界。在Last-FM和Book-Crossing两个公开数据集上的实验表明，SVRCL在多项核心性能指标上均优于现有主流基线模型。在高度稀疏的Book-Crossing数据集上，相较于表现次优的LightKG模型，SVRCL的Recall@10、NDCG@10和MRR@10分别提升了12.39%、7.26%和5.71%，且具有更低的时间与显存开销，实现了稀疏场景下推荐鲁棒性与计算高效性的有效平衡。关键词：图神经网络;知识图谱;推荐算法;对比学习;奇异值分解10|75|0更新时间：2026-07-21
- 地址：湖北省武汉市武昌区武汉大学文理学部本科生院楼北楼504
- 联系电话：027-68756952 Email：whdz@whu.edu.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备09064830号-19
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
- 总访问量：157145 今日访问量：109 在线人数：8
批量引用
0