- 段新涛;徐凯欧;白鹿伟;张萌;保梦茹;武银行;秦川;
针对图像隐写中不可感知性差、安全性不足和隐写容量低的问题，提出一种基于改进ConvNeXt Block的新型双域融合图像隐写方案。首先，改进后的深度可分离卷积模块可以学习到更为细节的图像特征信息。其次，设计一种新型的空间域和频域信息融合方式来提高图像的不可感知性和安全性。最后，采用多个损失函数对网络进行级联约束。实验结果表明，相比其他隐写方案，所提方案在峰值信噪比上平均提高3～4 dB,结构相似性和学习感知图像块相似度的平均值分别为0.99和0.001;抗隐写分析能力更接近50%,具有更高的安全性，且大容量隐藏时仍具有较好效果。
2026年01期 v.58 1-9页 [查看摘要][在线阅读][下载 2330K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：251 ] |[阅读次数：0 ] - 李英双;贾文玉;杨莉;曾旺官;董永峰;
标签噪声通过在训练过程中降低对真实类别预测的置信度引入了不确定性问题，为了降低标签噪声的影响，提出了一种不确定性感知的标签噪声矫正算法(ULC)。首先，基于证据理论和主观逻辑理论，从样本的多个视图和标签信息中估计不确定性。其次，采用双准则样本选择策略将数据集划分为三个子集，并使用联合预测矫正噪声标签。最后，采用不同的正则化策略处理各个子集以优化训练目标。在四个模拟标签噪声数据集和两个真实标签噪声数据集上进行对比实验。与DivideMix算法相比，在包含40%Pairflip类型噪声的CIFAR-10和CIFAR-100数据集上，ULC的分类准确率分别提升了10.58个百分点和15.84个百分点，矫正标签准确率分别达到了95.48%和81.32%。实验结果表明，ULC能够准确估计不确定性，提升矫正标签准确率和模型泛化性能。
2026年01期 v.58 10-18页 [查看摘要][在线阅读][下载 1822K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：93 ] |[阅读次数：0 ] - 陈旭;陈子雄;景永俊;王叔洋;宋吉飞;
随着软件系统的日益复杂，源代码漏洞检测成为维护软件安全的关键任务。虽然现在已有各种基于深度学习的漏洞检测方法，但这些方法主要依赖单一的欧氏空间视角提取代码表示结构中的语义特征与结构特征，这不利于检测隐藏在代码深处的漏洞。为了解决这一问题，提出一种融合双曲表示与欧几里得表示的源代码漏洞检测方法(source code vulnerability detection method fusing hyperbolic representation and Euclidean representation, VulDEHGCN),在两种不同的空间对源代码进行嵌入处理，以不同视角挖掘源代码的漏洞特征，实现更准确的漏洞检测。实验结果表明，与现有的漏洞检测方法相比，VulDEHGCN在准确率、精确率、召回率和F1得分等关键性能指标上均实现了显著提升，其中，准确率和F1分数分别达到98.93%和96.63%。消融实验还证实了融合不同视角的代码嵌入的检测性能更优。
2026年01期 v.58 19-26页 [查看摘要][在线阅读][下载 1192K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：75 ] |[阅读次数：0 ] - 闫彦彤;于文涛;李丽红;方伟;
基于深度学习的网络攻击检测是对欧几里得数据进行建模，无法学习攻击数据中的结构特征。为此，提出一种基于改进图采样与聚合(graph sample and aggregate, GraphSAGE)的网络攻击检测算法。首先，将攻击数据从平面结构转换为图结构数据。其次，对GraphSAGE算法进行了改进，包括在消息传递阶段融合节点和边的特征，同时在消息聚合过程中考虑不同源节点对目标节点的影响程度，并在边嵌入生成时引入残差学习机制。在两个公开网络攻击数据集上的实验结果表明，在二分类情况下，所提算法的总体性能优于E-GraphSAGE、LSTM、RNN、CNN算法；在多分类情况下，所提算法在大多数攻击类型上的F1值高于对比算法。
2026年01期 v.58 27-34页 [查看摘要][在线阅读][下载 996K] [引用频次：1 ] |[网刊下载次数：0 ] |[下载次数：329 ] |[阅读次数：0 ] - 邹元怀;张淑芬;张祖篡;高瑞;马将;
基于深度学习的恶意流量检测模型容易受到对抗攻击的影响，为了发掘此类模型的安全漏洞并找到提高其鲁棒性的方法，提出一种对抗样本生成模型ReN-GAN。该模型基于生成对抗网络原理，能够根据流量特征自动生成相应伪装流量并利用对抗样本可迁移性实现黑盒攻击。通过引入动量迭代方法和添加扰动的约束机制，在保证原始流量功能性的同时提高了伪装流量对抗样本的泛化能力。在训练过程中结合元学习理论进行优化，使得目标集成模型能够更有效地捕捉各模型的共同决策边界，提高了生成对抗样本的可迁移性。实验结果表明，ReN-GAN模型在保持原始流量特性的前提下，生成的对抗样本在黑盒检测模型上的平均逃逸率达到了54.1%,且比其他方法显著缩短了生成时间。此外，在以基于DNN的分类器为攻击目标进行训练时，ReN-GAN模型仅需5次迭代即可生成逃逸率为62%的伪装流量，大幅减少了交互次数。
2026年01期 v.58 35-42页 [查看摘要][在线阅读][下载 1047K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：336 ] |[阅读次数：0 ] - 道路;刘纳;郑国风;李晨;杨杰;
医疗命名实体识别是从非结构化医疗文本中识别命名实体，在许多下游任务中起重要作用。医疗命名实体的复杂性需要专家利用领域知识进行标注，导致医疗领域存在严重的标注数据稀缺问题。为解决该问题，提出了一种基于实体感知掩码局部融合命名实体识别数据增强(entity aware mask local mixup data augmentation, EALMDA)方法。首先，使用实体感知掩码通道提取关键元素并掩码非实体部分，以保留核心语义。其次，通过上下文实体相似度和k近邻两种采样策略的线性组合对掩码句子进行融合，保留核心语义的同时增加样本的多样性。最后，经序列线性化操作后，将句子输入生成的模型中得到增强样本。在NCBI-disease等五个主流医疗命名实体识别数据集上，模拟低资源场景与主流的数据增强基线方法进行对比实验，所提方法的性能相比基线方法有显著提升。
2026年01期 v.58 43-50页 [查看摘要][在线阅读][下载 1310K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：169 ] |[阅读次数：0 ] - 杨杰;刘纳;郑国风;李晨;道路;
针对医疗短文本分类中关键语义信息提取不足与模型鲁棒性下降的问题，提出了融合多级语义信息的文本分类模型。首先，利用预训练模型捕获文本的初步语义特征。其次，通过胶囊网络提取关键语义信息，确保模型能够有效学习到短文本中的核心语义；采用注意力池化技术聚焦文本中的文档级信息，增强对医学专业术语和概念的识别与理解。最后，引入对抗训练策略，提升模型在面对模糊表达或扰动输入时的稳定性和准确性。在CHIP-CTC、KUAKE＿QIC和VSQ三个医疗文本分类数据集上验证了模型的有效性，结果表明，相较于现有模型，所提模型在三个数据集上的F1值均有所提升，显著增强了中文医疗短文本的分类性能。
2026年01期 v.58 51-57页 [查看摘要][在线阅读][下载 1069K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：312 ] |[阅读次数：0 ] - 刘子源;马占有;李霞;黄瑞祺;何娜娜;
为解决复杂系统模型检测过程中的状态空间爆炸问题，提出了模糊最大可能性互模拟等价理论，并使用其相关性质对状态空间进行优化。首先，在模糊决策过程中对模糊测度和模糊最大互模拟等价进行定义，并对其相关定理进行证明。其次，给出模糊互模拟商的定义以及路径长度相等和路径最大可能性相等的定理。最后，给出模糊计算树逻辑扩展的语法和语义，并在模糊决策过程中讨论了模糊计算树逻辑和模糊计算树逻辑扩展的模糊最大可能性互模拟等价性质。
2026年01期 v.58 58-64页 [查看摘要][在线阅读][下载 1086K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：77 ] |[阅读次数：0 ] - 任向阳;赵梦媛;胡微;刘刚琼;毕莹;
现有的基于深度学习的医学图像分割方法，大多是利用大量的训练数据拟合检测网络，以获得优异的检测性能。这些方法往往需要较大的模型参数，导致检测实时性较差。为此，提出了基于局部上下文引导特征深度融合轻量级医学分割网络(local context guided feature deep fusion lightweight medical segmentation network, LCGML-net)。LCGML-net通过精确的特征选择与特征融合来减少模型拟合所需的参数数量，从而在保证检测精度的同时实现更小的模型参数。在特征提取阶段和映射阶段，分别通过提取和融合目标的多层次多尺度局部上下文特征来丰富特征表达和精准分割。在STARE、CHASEDB1和KITS19等多个基准数据集上开展的实验证明，与其他方法相比，所提出的LCGML-net具有最佳的检测性能和最小的模型参数。
2026年01期 v.58 65-71页 [查看摘要][在线阅读][下载 1745K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：364 ] |[阅读次数：0 ] - 张婧;孔霄;曹峰;张超;李德玉;
高光谱遥感图像特征选择旨在从高维光谱特征集中选择最优光谱特征子集，以消除冗余光谱特征来提高高光谱遥感图像分析的效率和精度。由此提出了一种混合型特征选择算法MMRI-Boruta,该算法首先对过滤式MRI特征选择算法进行改进，通过引入方差定义新的特征重要性评价指标，然后利用封装式的Boruta算法实现特征子集的进一步优化。所提算法结合了过滤式和封装式两种特征选择算法的优点，更易于获取最优特征子集。为了验证该算法的有效性，使用了两个经典的高光谱遥感图像数据集Indian Pines和Salinas对算法的性能进行了测试，实验结果表明该算法优于对比算法。
2026年01期 v.58 72-77页 [查看摘要][在线阅读][下载 953K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：231 ] |[阅读次数：0 ] - 胡玲艳;陈鹏宇;郭占俊;徐国辉;秦山;付康;盖荣丽;汪祖民;张雨萌;
为了精准预测温室蓝莓基质的温湿度变化趋势，提出一种融合Informer-LSTM算法的温湿度预测方法。以温室蓝莓现场环境数据为研究对象，使用LSTM算法捕捉时间序列数据中的依赖关系并与自注意力机制相结合，使模型在聚焦自注意力特征的同时兼顾LSTM特征，以增强其长期记忆力。在生成初步预测序列后，再应用LSTM算法修正模型的短期注意力，提高模型的反应速度。实验结果显示，Informer-LSTM预测模型在预测准确率、鲁棒性和响应速度等方面都有显著的优势。当温度湿度等时序输入数据发生明显变化时，模型能快速捕获短期内输入数据的动态模式变化。该模型在智慧温室管理中，对辅助人工决策及实现智能化控制具有较高实际价值。
2026年01期 v.58 78-86页 [查看摘要][在线阅读][下载 1296K] [引用频次：0 ] |[网刊下载次数：0 ] |[下载次数：281 ] |[阅读次数：0 ]