通信学报

面向未来的语义通信：基本原理与实现方法

张平, 牛凯, 姚圣时, 戴金晟

2023, 44(5): 1-14. doi:10.11959/j.issn.1000-436x.2023079

摘要 ( 838 )

在线阅读 ( 244 )

PDF下载 (2053KB) ( 895 )

可视化

数据和表 | 参考文献 | 相关文章

阐述了语义通信的基本原理与实现方法。首先，提出了语义通信的系统模型，梳理语义通信的基本概念与术语，对比经典通信与语义通信的主要区别，总结了语义通信的技术优势。在此基础上，回顾了语义信息论的发展，构建了语义信息的度量指标体系，提出了基于归一化条件复杂度的新型度量，用于评估语义压缩的极限，探讨了语义典型序列编码的性质，揭示语义编码的渐近性能。进一步地，归纳了语义编码传输的2种典型方法——直接编码与变换编码，分析了它们的基本原理，并针对文本、语音与图像信源展示了语义编码传输的优越性能。最后，总结了语义通信的研究难点与问题，指出未来的研究方向。

面向语义信息直传的通信架构

石光明, 杨旻曦, 高大化, 柴靖轩

2023, 44(5): 15-27. doi:10.11959/j.issn.1000-436x.2023098

摘要 ( 214 )

在线阅读 ( 38 )

PDF下载 (4095KB) ( 345 )

可视化

数据和表 | 参考文献 | 相关文章

随着聚焦提升带宽和频谱效率的传统通信发展模式渐入瓶颈，越来越多的研究将智能通信的目标从语法层转向语义层，通过感知并传输语义而非完整信号来节省带宽资源。信宿端智能体只需接收可理解语义中有信息部分即可。若能在信源端从语义角度中甄别出对信宿端有信息的部分加以传输，将进一步降低带宽资源和信宿端语义信息处理的时间和功耗。为此，首先探讨了智能体的语义信息处理和理解的过程，并将信宿从信息中感知到的语义划分为冗余语义、难以理解语义（暗语义）和有信息的语义（语信）；接着，提出了面向传输语义中有信息的部分的通信范式——语信通信，并将通信范式划分为语法、语义、语信、语用四层；最后，通过仿真实验验证了语信通信的可行性和有效性。这为下一代通信范式的发展提供了新思路和技术牵引。

多模态语义通信研究综述

秦志金, 赵菼菼, 李凡, 陶晓明

2023, 44(5): 28-41. doi:10.11959/j.issn.1000-436x.2023105

摘要 ( 792 )

在线阅读 ( 125 )

PDF下载 (1190KB) ( 1206 )

可视化

数据和表 | 参考文献 | 相关文章

随着人工智能与通信的交叉融合，文本、图像、音频、视频等多模态数据处理技术蓬勃发展，模态语义的共享维度被深度挖掘，多模态语义信息的高度抽象、智能简约等特性被充分利用，为语义通信带来了全新的思路和手段。首先，介绍了语义通信的基础理论和分类，分别针对文本、图像、音频、视频综述了单模态语义通信的研究现状；然后，综述了多模态语义通信的研究现状，介绍了多模态数据融合技术和安全语义通信的研究；最后，总结了多模态语义通信面临的挑战。

面向机器识别-人类感知的联合振动触觉编码

房颖, 徐艺文, 赵铁松

2023, 44(5): 42-51. doi:10.11959/j.issn.1000-436x.2023099

摘要 ( 157 )

在线阅读 ( 28 )

PDF下载 (2600KB) ( 239 )

可视化

数据和表 | 参考文献 | 相关文章

为了精确地传输信号内容含义，实现智能识别与信号重建，针对振动触觉信号，提出了一种面向机器识别-人类感知的联合编码方案。在编码端，将三维振动信号转化为一维信号，采用短时傅里叶变换提取信号的语义信息，并实现语义信息高效压缩与表征。在解码端，基于语义信息采用全卷积神经网络实现触觉的智能识别；同时，将原始信号与基于语义信息的重构信号的残差值作为语义信息的补偿，逐步提高重构信号的质量，满足人类感知需求。实验结果表明，所提方案用较低比特率的语义信息实现触觉识别，同时在满足人类感知需求情况下，触觉数据的压缩效率有所提高。

基于有限理性的网络防御策略智能规划方法

刘盈泽, 郭渊博, 方晨, 李勇飞, 陈庆礼

2023, 44(5): 52-63. doi:10.11959/j.issn.1000-436x.2023091

摘要 ( 211 )

在线阅读 ( 47 )

PDF下载 (1367KB) ( 445 )

可视化

数据和表 | 参考文献 | 相关文章

考虑到网络防御主体通常具有资源受限等特点，基于智能化攻防对抗的理念研究了有限理性条件下的网络防御策略智能规划与自主实施。首先，融合攻击图、通用与领域专有知识构建网络防御安全本体；在此基础上，利用知识推理推荐安全防御策略，以更好地适应受保护网络信息资产的安全需求及当前所面临的攻击威胁；最后，结合有限理性的智能规划方法，实现网络安全防御资源受限、网络信息资产动态变化等约束条件下的防御策略自主规划与实施。实例表明，动态攻击下所提方法具有稳健性。将所提方法与现有基于博弈论及攻击图方法进行对比，实验结果表明在对抗一次典型的APT攻击时所提方法的防御有效性提高了5.6%～26.12%。

基于Transformer解码的端到端场景文本检测与识别算法

郑金志, 汲如意, 张立波, 赵琛

2023, 44(5): 64-78. doi:10.11959/j.issn.1000-436x.2023070

摘要 ( 336 )

在线阅读 ( 77 )

PDF下载 (5030KB) ( 379 )

可视化

数据和表 | 参考文献 | 相关文章

针对任意形状的场景文本检测与识别，提出一种新的端到端场景文本检测与识别算法。首先，引入了文本感知模块基于分割思想的检测分支从卷积网络提取的视觉特征中完成场景文本的检测；然后，由基于Transformer视觉模块和Transformer语言模块组成的识别分支对检测结果进行文本特征的编码；最后，由识别分支中的融合门融合编码的文本特征，输出场景文本。在Total-Text、ICDAR2013和ICDAR2015基准数据集上进行的实验结果表明，所提算法在召回率、准确率和F值上均表现出了优秀的性能，且时间效率具有一定的优势。

冗余数据去除的联邦学习高效通信方法

李开菊, 许强, 王豪

2023, 44(5): 79-93. doi:10.11959/j.issn.1000-436x.2023072

摘要 ( 246 )

在线阅读 ( 47 )

PDF下载 (4857KB) ( 316 )

可视化

数据和表 | 参考文献 | 相关文章

为了应对终端设备网络带宽受限对联邦学习通信效率的影响，高效地传输本地模型更新以完成模型聚合，提出了一种冗余数据去除的联邦学习高效通信方法。该方法通过分析冗余更新参数产生的本质原因，根据联邦学习中数据非独立同分布特性和模型分布式训练特点，给出新的核心数据集敏感度和损失函数容忍度定义，提出联邦核心数据集构建算法。此外，为了适配所提取的核心数据，设计了分布式自适应模型演化机制，在每次训练迭代前动态调整训练模型的结构和大小，在减少终端与云服务器通信比特数传输的同时，保证了训练模型的准确率。仿真实验表明，与目前最优的方法相比，所提方法减少了17%的通信比特数，且只有0.5%的模型准确率降低。

面向版式文档的细粒度隐私操作控制方法

尹沛捷, 李凤华, 牛犇, 罗海洋, 邝彬, 张玲翠

2023, 44(5): 94-109. doi:10.11959/j.issn.1000-436x.2023083

摘要 ( 137 )

在线阅读 ( 16 )

PDF下载 (4335KB) ( 199 )

可视化

数据和表 | 参考文献 | 相关文章

针对隐私信息频繁交换场景下不可控转发导致的隐私信息泄露问题，提出了一种面向版式文档的细粒度隐私操作控制方法，可实现隐私信息在分享过程中按分享者的要求进行差异化细粒度的隐私操作控制。对接收到的多模态版式文档提取已有隐私操作控制策略，结合当前分享者使用属性、接收者隐私保护能力等因素，迭代生成隐私操作控制策略，并给出了抽象化的控制策略生成算法框架；基于迭代隐私操作控制策略，结合具体操作场景，对不同模态的信息分量进行差异化脱敏控制、交换边界控制和本地使用控制，并给出了抽象化的隐私操作控制算法框架。实验开发了 OFD 的隐私操作控制前后台原型系统，并对上述方法进行了验证，在即时通信系统中实现了基于好友关系的迭代隐私操作控制策略生成与传递，以及 OFD 的差异化脱敏控制、交换边界控制和本地使用控制。

DAGUARD：联邦学习下的分布式后门攻击防御方案

余晟兴, 陈泽凯, 陈钟, 刘西蒙

2023, 44(5): 110-122. doi:10.11959/j.issn.1000-436x.2023086

摘要 ( 312 )

在线阅读 ( 35 )

PDF下载 (1650KB) ( 795 )

可视化

数据和表 | 参考文献 | 相关文章

为了解决联邦学习下的分布式后门攻击等问题，基于服务器挑选最多不超过半数恶意客户端进行全局聚合的假设，提出了一种联邦学习下的分布式后门防御方案（DAGUARD）。设计了三元组梯度优化算法局部更新策略（TernGrad）以解决梯度局部调整的后门攻击和推理攻击、自适应密度聚类防御方案（AdaptDBSCAN）以解决角度偏较大的后门攻击、自适应裁剪方案以限制放大梯度的后门增强攻击和自适应加噪方案以削弱分布式后门攻击。实验结果表明，在联邦学习场景下，所提方案相比现有的防御策略具有更好的防御性能和防御稳定性。

面向异构流式数据的高性能联邦持续学习算法

姜慧, 何天流, 刘敏, 孙胜, 王煜炜

2023, 44(5): 123-136. doi:10.11959/j.issn.1000-436x.2023102

摘要 ( 258 )

在线阅读 ( 42 )

PDF下载 (2745KB) ( 491 )

可视化

数据和表 | 参考文献 | 相关文章

为了缓解提供智能服务的 AI 模型训练流式数据存在模型性能差、训练效率低等问题，在具有隐私数据的分布式终端系统中，提出了一种面向异构流式数据的高性能联邦持续学习算法（FCL-HSD）。为了缓解当前模型遗忘旧数据问题，在本地训练阶段引入结构可动态扩展模型，并设计扩展审核机制，以较小的存储开销来保障AI模型识别旧数据的能力；考虑到终端的数据异构性，在中央节点侧设计了基于数据分布相似度的全局模型定制化策略，并为模型的不同模块执行分块聚合方式。在不同数据集下多种数据增量场景中验证了所提算法的可行性和有效性。实验结果证明，相较于现有工作，所提算法在保证模型对新数据具有分类能力的前提下，可以有效提升模型对旧数据的分类能力。

基于双样本KS检验的非特定TVLA方法

郑震, 严迎建, 蔡爵嵩, 刘燕江

2023, 44(5): 137-147. doi:10.11959/j.issn.1000-436x.2023101

摘要 ( 121 )

在线阅读 ( 11 )

PDF下载 (1192KB) ( 349 )

可视化

数据和表 | 参考文献 | 相关文章

测试向量泄露评估（TVLA）在能耗样本量较少时易出现“假阴性”错误。针对该问题进行了理论推导，发现对非特定TVLA，能量迹中存在泄露的采样点处得到的检验统计量t值随能耗样本量变化而变化，非泄露点处的t值则无显著变化，因此当存在泄露时不同能耗样本量下得到的t值序列的分布不同。据此提出在不同样本量下实施非特定TVLA并对得到的t值序列实施双样本KS检验以评估泄露。分别在无防护对齐仿真能耗数据、加防护对齐能耗数据集DPA Contest v4_2和加防护非对齐自测能耗数据上进行了验证，结果表明在对齐的仿真能耗数据和DPA Contest v4_2数据集上所提方法检测出泄露所需样本量较其他方法均有所减小，最多分别减小了46.1%和39.0%；在非对齐的自测能耗数据进行对齐处理后，所提方法所需能耗样本量较其他方法同样有所减小，最多减小了 29.4%。因此所提方法能够有效减小能耗样本量较小时出现“假阴性”错误的概率。

车联网中基于区块链的分布式信任管理方案

张海波, 曹钰坤, 刘开健, 王汝言

2023, 44(5): 148-157. doi:10.11959/j.issn.1000-436x.2023097

摘要 ( 257 )

在线阅读 ( 52 )

PDF下载 (1692KB) ( 309 )

可视化

数据和表 | 参考文献 | 相关文章

针对车联网中恶意车辆识别效率低、识别准确率低带来的安全问题，提出了一种基于区块链的分布式车联网信任管理方案。通过聚合车辆的评分信息，结合贝叶斯推理模型设计了一种虚假信息识别策略。联合车辆历史交互信息以及交通事件信息设计了一种声誉值更新算法，并利用声誉阈值识别恶意车辆。通过路边单元构建区块链，实现了交通数据以及车辆声誉值的分布式存储。改进了传统的工作量证明共识机制，通过事件等级与参与评分车辆数量动态改变矿工节点的出块难度，并利用等待机制使近期出块的节点暂时停止参与矿工节点的选举过程，从而减少重复计算带来的资源消耗。仿真结果表明，所提方案能够有效识别虚假信息，抵御恶意车辆的欺骗行为，提升恶意车辆的识别效率，减少资源消耗，在车联网的分布式信任管理方面是有效可行的。

基于简化序列重复节点的极化码快速串行抵消译码算法

郭锐, 刘洋

2023, 44(5): 158-168. doi:10.11959/j.issn.1000-436x.2023088

摘要 ( 120 )

在线阅读 ( 11 )

PDF下载 (2869KB) ( 390 )

可视化

数据和表 | 参考文献 | 相关文章

为了进一步降低串行抵消（SC）译码算法的译码时延，在序列重复（SR）节点的基础上，根据SR源节点的类型与译码复杂度，对不同类型的拓展类广义奇偶校验（EG-PC）节点进行分解、合并和简化，并使用快速简化串行抵消（Fast-SSC）译码对Rate-C节点进行裁剪处理，提出了基于简化SR节点的极化码快速SC译码算法（SSRFSC）。实验数据表明，在相近的译码性能下（在误帧率为10^-3时，约有0.1 dB的性能损失），与基于SR节点的快速SC（SRFSC）译码算法相比，所提算法的译码时延最多减少了28%；与Fast-SSC译码算法相比，译码时延最多减少了49%。

基于激励机制的联邦学习优化算法

田有亮, 吴柿红, 李沓, 王林冬, 周骅

2023, 44(5): 169-180. doi:10.11959/j.issn.1000-436x.2023095

摘要 ( 305 )

在线阅读 ( 51 )

PDF下载 (3104KB) ( 668 )

可视化

数据和表 | 参考文献 | 相关文章

针对联邦学习的训练过程迭代次数多、训练时间长、效率低等问题，提出一种基于激励机制的联邦学习优化算法。首先，设计与时间和模型损失相关的信誉值，基于该信誉值，设计激励机制激励拥有高质量数据的客户端加入训练。其次，基于拍卖理论设计拍卖机制，客户端通过向雾节点拍卖本地训练任务，委托高性能雾节点训练本地数据从而提升本地训练效率，解决客户端间的性能不均衡问题。最后，设计全局梯度聚合策略，增加高精度局部梯度在全局梯度中的权重，剔除恶意客户端，从而减少模型训练次数。

基于深度强化学习的软件定义安全中台QoS实时优化算法

李元诚, 秦永泰

2023, 44(5): 181-192. doi:10.11959/j.issn.1000-436x.2023090

摘要 ( 174 )

在线阅读 ( 32 )

PDF下载 (3315KB) ( 404 )

可视化

数据和表 | 参考文献 | 相关文章

针对软件定义安全场景中的服务质量（QoS）实时优化方案因安全防护手段与业务场景不匹配而导致的适用困难和性能下降的问题，提出了基于深度强化学习的软件定义安全中台QoS实时优化算法。首先，将碎片化的安全需求与安全基础设施统一到软件定义安全中台云模型中；然后，通过深度强化学习结合云计算技术提高安全中台的实时匹配和动态适应能力；最后，生成满足QoS目标的安全中台资源实时调度策略。实验结果表明，与现有实时算法相比，所提算法不但保证负载均衡，还提高了 18.7%的作业调度成功率以提高服务质量，降低了34.2%的平均响应时间，具有很好的稳健性，更适用于实时环境。

基于GAN的联邦学习成员推理攻击与防御方法

张佳乐, 朱诚诚, 孙小兵, 陈兵

2023, 44(5): 193-205. doi:10.11959/j.issn.1000-436x.2023094

摘要 ( 363 )

在线阅读 ( 73 )

PDF下载 (3691KB) ( 322 )

可视化

数据和表 | 参考文献 | 相关文章

针对联邦学习系统极易遭受由恶意参与方在预测阶段发起的成员推理攻击行为，以及现有的防御方法在隐私保护和模型损失之间难以达到平衡的问题，探索了联邦学习中的成员推理攻击及其防御方法。首先提出2种基于生成对抗网络（GAN）的成员推理攻击方法：类级和用户级成员推理攻击，其中，类级成员推理攻击旨在泄露所有参与方的训练数据隐私，用户级成员推理攻击可以指定某一个特定的参与方；此外，进一步提出一种基于对抗样本的联邦学习成员推理防御方法（DefMIA），通过设计针对全局模型参数的对抗样本噪声添加方法，能够在保证联邦学习准确率的同时，有效防御成员推理攻击。实验结果表明，类级和用户级成员推理攻击可以在联邦学习中获得超过90%的攻击精度，而在使用DefMIA方法后，其攻击精度明显降低，接近于随机猜测（50%）。

新的周期准互补序列集构造方法

陈晓玉, 王成瑞, 刘凡

2023, 44(5): 206-212. doi:10.11959/j.issn.1000-436x.2023100

摘要 ( 113 )

在线阅读 ( 12 )

PDF下载 (788KB) ( 342 )

可视化

数据和表 | 参考文献 | 相关文章

为解决完备互补序列集序列数目受限的问题，构造了周期准互补序列集。首先基于循环 Florentine 阵列，应用上的映射函数构造了几乎最优周期准互补序列集，所构造的周期准互补序列集具有全新的子序列长度；其次基于单重合跳频序列集，定义到上的映射函数，构造了渐近最优周期准互补序列集。对比结果表明，与现有周期准互补序列集相比，所提方法在子序列长度相同时包含更多的序列数目，可以在多载波通信系统中支持更多用户。

基于双层分片区块链的车联网跨信任域高效认证方案

刘雪娇, 钟强, 夏莹杰

2023, 44(5): 213-223. doi:10.11959/j.issn.1000-436x.2023080

摘要 ( 261 )

在线阅读 ( 43 )

PDF下载 (1982KB) ( 575 )

可视化

数据和表 | 参考文献 | 相关文章

为解决车联网跨信任域消息认证中拓展性差、认证信息同步慢和认证开销大的问题，提出了基于双层分片区块链的车联网跨信任域高效认证方案。设计了一种面向大量跨信任域消息认证的双层分片区块链架构，通过在全域不同实体层级上构建区块链，提升系统的拓展性，确保跨域信息安全高效的共享；提出了一种基于 Metis图划分算法的车联网区块链分片方法，通过均衡各分片的负载，适应车联网中各路段认证信息不均的情形，提高大量认证信息上链同步的效率；提出了基于无证书公钥密码的跨域批量认证方案，实现对不同信任域消息的批量认证，降低了跨域消息的认证开销。实验表明，所提方案有效地提升了跨信任域消息的认证效率，相比于其他方案，在大量跨域消息认证上降低了26.4%以上的计算开销。

基于本地化差分隐私和属性基可搜索加密的区块链数据共享方案

冯涛, 陈李秋, 方君丽, 石建明

2023, 44(5): 224-233. doi:10.11959/j.issn.1000-436x.2023103

摘要 ( 271 )

在线阅读 ( 41 )

PDF下载 (1483KB) ( 268 )

可视化

数据和表 | 参考文献 | 相关文章

针对传统基于云的数据共享方案依赖可信第三方、只关注数据隐私保护或访问控制问题，提出一种基于本地化差分隐私和属性基可搜索加密的区块链数据共享方案。将区块链和云服务器结合，链上链下协同存储数据，提供高效可靠防篡改的数据共享。首先，引入本地化差分隐私对共享数据进行预处理，保证数据拥有者身份隐私的同时抵御不可信第三方攻击；其次，将可搜索加密技术和属性基加密结合，支持密文检索实现数据隐私保护、为共享数据提供细粒度访问控制；最后，通过安全性、正确性证明及实验分析证明所提方案满足安全目标。

基于联合优化的网络切片资源分配策略

王再见, 谷慧敏

2023, 44(5): 234-245. doi:10.11959/j.issn.1000-436x.2023089

摘要 ( 177 )

在线阅读 ( 36 )

PDF下载 (1726KB) ( 358 )

可视化

数据和表 | 参考文献 | 相关文章

为解决5G网络中各类应用差异性大对通信需求侧重点不同造成的网络资源利用率低的问题，提出一种基于联合优化的网络切片资源分配策略，旨在通过综合考虑切片间资源分配和切片内资源调度问题，最大化网络资源利用率和网络收益。首先，在切片间资源分配问题中定义一个切片用户平均满意度函数，基于切片用户数量、切片调度时延以及切片优先级等约束，提出基于用户服务质量（QoS）的比例公平资源分配算法，以权衡各切片之间的公平性和用户需求。其次，在切片内资源调度问题中引入服务降级和资源迁移函数，针对拥塞和非拥塞2 种情况为内部接入用户和外部接入用户分别建立价格模型。基于所提价格模型建立基站与用户之间的Stackelberg博弈，并采用一种低复杂度的全局搜索算法求解该博弈的最佳响应，使基站效用和用户效用最优。仿真结果表明，所提策略能够有效提高资源利用率和网络收益，并降低网络拥塞，较好地实现资源分配的公平性。

当期目录