Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.


FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

 


Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

   Cover:  <129>
      
Contents:  <114>

<<<                         CONTENTS                         >>>

Review Articles

Review Article: A survey of the pursuit–evasion problem in swarm intelligence

Zhenxin MU, Jie PAN, Ziye ZHOU, Junzhi YU, Lu CAO

DOI: 10.1631/FITEE.2200590 Downloaded: 1076 Clicked: 758 Cited: 0 Commented: 0(p.1093-1116) <Full Text>   <PPT>  178

Chinese summary   <8>  群体智能中的追逃围捕问题综述

穆祯鑫1,2,潘杰1,周子烨1,喻俊志1,曹璐2
1北京大学工学院先进制造与机器人系湍流与复杂系统国家重点实验室,中国北京市,100871
2国防科技创新研究院,中国北京市,100071
摘要:对于人工系统中涌现出的复杂功能,理解自然界中生物群体行为的内在机制至关重要。本文对生物集群中的一个关键问题-追逃围捕问题进行了全面的综述。首先,从博弈论、控制论与人工智能、生物启发3个不同视角对追逃围捕问题进行了回顾。然后,概述了生物系统和人工系统中追逃围捕问题研究进展,其中捕食者的追捕行为和猎物的逃避行为被概括为捕食者-猎物行为。之后,分别从强追捕者组vs.弱逃避者组、弱追捕者组vs.强逃避者组、相同能力组3个角度分析追逃围捕问题在人工系统中的应用。最后,讨论了未来追逃围捕问题面临的挑战和发展展望。本文为多智能体系统和多机器人系统在不确定动态场景下完成复杂狩猎任务的设计提供了新的见解。

关键词组:群体行为;追逃问题;人工系统;生物模型;群集运动

Review Article: Artificial intelligence algorithms for cyberspace security applications: a technological and status review

Jie CHEN, Dandan WU, Ruiyun XIE

DOI: 10.1631/FITEE.2200314 Downloaded: 2123 Clicked: 903 Cited: 0 Commented: 0(p.1117-1142) <Full Text>   <PPT>  214

Chinese summary   <5>  人工智能算法在网络空间安全中的应用:技术与现状综述

陈捷1,2,武丹丹2,谢瑞云2
1西北工业大学网络空间安全学院,中国西安市,710000
2中国电子科技网络信息安全有限公司,中国成都市,610000
摘要:网络空间安全急需解决的3个技术问题是:网络攻击检测的及时性和准确性、安全态势的可信评估和预测以及安全防御策略优化的有效性。人工智能算法已成为网络安全应用增加安全机会和提高对抗能力的核心手段。近年来,人工智能技术的突破和应用为提高网络防御能力提供了先进的技术支持。本综述对2017至2022年间人工智能技术在网络空间安全领域的最新应用进行了全面回顾。参考文献来源于各种期刊和会议,其中52.68%的论文来自Elsevier、Springer和IEEE期刊,25%来自国际学术会议。本综述重点介绍了机器学习、深度学习和一些流行的优化算法在该领域的最新应用进展,对算法模型的特点、性能结果、数据集、以及潜在的优点和局限性进行了分析,强调了现存的挑战。本工作旨在为想进一步挖掘人工智能技术在网络空间安全领域应用的潜力、解决特定网络空间安全问题的研究人员提供技术指导,掌握当前技术和应用的发展趋势以及网络安全领域的热点问题。同时,本综述对当前面临的挑战提供了有效应对策略和方向。

关键词组:人工智能;机器学习;深度学习;优化算法;混合算法;网络空间安全

Research Articles

Reversible data hiding using a transformer predictor and an adaptive embedding strategy

Linna ZHOU, Zhigao LU, Weike YOU, Xiaofei FANG

DOI: 10.1631/FITEE.2300041 Downloaded: 1164 Clicked: 761 Cited: 0 Commented: 0(p.1143-1155) <Full Text>   <PPT>  196

Chinese summary   <5>  基于transformer和自适应嵌入策略的可逆信息隐藏

周琳娜1,陆智高2,尤玮珂1,房笑妃2
1北京邮电大学网络空间安全学院,中国北京市,100084
2国际关系学院网络空间安全学院,中国北京市,100091
摘要:在可逆信息隐藏(RDH)领域中,设计高精度预测器以减少嵌入失真和开发有效的嵌入策略以最小化由嵌入信息引起的失真是提高RDH性能的两个关键方面。本文提出一种新的RDH方法,包括基于transformer的预测器和具有多个嵌入规则的新嵌入策略。在预测器部分,我们首先设计了一个基于transformer的预测器。然后,提出一种图像分割方法,将图像分成4部分,可以使用更多的像素作为上下文。与其他预测器相比,我们的预测器可以将用于预测的像素范围从相邻像素扩展到全局像素,从而使其在减少嵌入失真方面更为准确。在嵌入策略部分,我们首先提出了能够利用目标块中像素的复杂性度量。然后,开发了一种改进的预测误差排序规则。最后,我们首次提出一种包含多个嵌入规则的嵌入策略。本文中的RDH方法可以有效减少失真,同时在提高隐藏图像的视觉质量方面提供令人满意的结果。实验结果表明,本文中提出的RDH算法的性能处于领先地位。

关键词组:可逆信息隐藏;Transformer;自适应嵌入策略

High capacity reversible data hiding in encrypted images based on adaptive quadtree partitioning and MSB prediction

Kaili QI, Minqing ZHANG, Fuqiang DI, Yongjun KONG

DOI: 10.1631/FITEE.2200501 Downloaded: 2739 Clicked: 860 Cited: 0 Commented: 0(p.1156-1168) <Full Text>   <PPT>  176

Chinese summary   <6>  基于自适应四叉树分块与最高有效位预测的大容量密文域可逆信息隐藏算法

祁凯莉,张敏情,狄富强,孔咏骏
武警工程大学网络与信息安全武警部队重点实验室,中国西安市,710086
摘要:为提高密文域可逆信息隐藏(reversible data hiding in encrypted images,RDH-EI)算法的嵌入容量,提出一种基于自适应四叉树分块和最高有效位(most significant bit,MSB)预测的大容量RDH-EI方案。首先根据图像的平滑程度进行自适应四叉树分块,然后将不同大小的块进行块级加密和置乱,以抵抗对于加密图像的分析。在嵌入数据阶段,对于文献Wang & He(2022)提出的自适应MSB预测方法进行改进,以块中左上角像素为目标像素,用于预测其它像素,从而腾出更多嵌入空间。首次将四叉树分块方法应用于密文域图像的可逆信息隐藏。模拟结果表明,所提方法具有可逆性与可分离性,并且在自适应MSB预测方法基础上进一步提高了平均嵌入容量。对于512×512大小的灰度图像,平均嵌入容量提高约25 565比特,对于所有嵌入容量有所提高的较平滑图像,平均嵌入容量提高约35 530比特。

关键词组:自适应四叉树分块;自适应最高有效位预测;密文域可逆信息隐藏;高嵌入容量

TPE-H2MWD: an exact thumbnail preserving encryption scheme with hidden Markov model and weighted diffusion

Xiuli CHAI, Xiuhui CHEN, Yakun MA, Fang ZUO, Zhihua GAN, Yushu ZHANG

DOI: 10.1631/FITEE.2200498 Downloaded: 808 Clicked: 1354 Cited: 0 Commented: 0(p.1169-1180) <Full Text>   <PPT>  181

Chinese summary   <5>  TPE-H2MWD:基于隐马尔科夫模型和分权扩散的精确缩略图保留加密方案

柴秀丽1,2,陈绣辉1,马亚坤1,左方3,甘志华2,3,张玉书4
1河南大学人工智能学院,河南省工业互联网工程技术研究中心,中国郑州市,450046
2河南省网络空间态势感知重点实验室,中国郑州市,450001
3河南大学软件学院,河南省智能数据处理工程研究中心,智能网络系统研究所,中国开封市,475004
4南京航空航天大学计算机科学与技术学院,中国南京市,211106
摘要:随着图像传输技术日益发展,人们对图像安全的需求也在大幅提升。由传统图像加密方案获得的类噪声图像虽然可以保证内容安全,但无法直接用于预览和检索。一些学者基于排序后加密方法,设计了一种三像素缩略图保留加密方案(TPE2),用于平衡图像安全性和可用性,然而该方案的加密效率较低。为此,本文提出一种有效的精确缩略图保留加密方案。首先对明文图像进行分块和位平面置乱,然后采用Z字形置乱模型改变最低的4个位平面中比特的位置,随后介绍了用于改变最高的4个位平面中比特位置的操作(这是隐马尔科夫模型的一个扩展应用)。最后,根据每个位平面中比特的权重不同,设计了一种比特级分权扩散规则。至此生成的加密图像能保证块内像素和不变。仿真结果表明,该方案在平衡图像隐私性和可用性的同时,提高了加密效率。

关键词组:隐马尔科夫模型;分权扩散;可用性与隐私性之间的平衡;图像加密

Federated unsupervised representation learning

Fengda ZHANG, Kun KUANG, Long CHEN, Zhaoyang YOU, Tao SHEN, Jun XIAO, Yin ZHANG, Chao WU, Fei WU, Yueting ZHUANG, Xiaolin LI

DOI: 10.1631/FITEE.2200268 Downloaded: 1861 Clicked: 954 Cited: 0 Commented: 0(p.1181-1193) <Full Text>   <PPT>  194

Chinese summary   <4>  联邦无监督表示学习

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1
张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5
1浙江大学计算机科学与技术学院,中国杭州市,310027
2浙江大学公共管理学院,中国杭州市,310027
3同盾科技,中国杭州市,310000
4中国科学院基础医学与肿瘤研究所,中国杭州市,310018
5杭州灵思智康科技有限公司,中国杭州市,310018
摘要:为利用分布式边缘设备上大量未标记数据,我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题,以在没有监督的情况下学习通用表示模型,同时保护数据隐私。FURL提出了两个新挑战:(1)客户端之间的数据分布转移(非独立同分布)会使本地模型专注于不同的类别,从而导致表示空间的不一致;(2)如果FURL中客户端之间没有统一的信息,客户端之间的表示就会错位。为了应对这些挑战,我们提出带字典和对齐的联合对比平均(FedCA)算法。FedCA由两个关键模块组成:字典模块,用于聚合来自每个客户端的样本表示并与所有客户端共享,以实现表示空间的一致性;对齐模块,用于将每个客户端的表示与基于公共数据训练的基础模型对齐。我们采用对比方法进行局部模型训练,通过在3个数据集上独立同分布和非独立同分布设定下的大量实验,我们证明FedCA以显著的优势优于所有基线方法。

关键词组:联邦学习;无监督学习;表示学习;对比学习

RCDS: a right-confirmable data-sharing model based on symbol mapping coding and blockchain

Liang WANG, Shunjiu HUANG, Lina ZUO, Jun LI, Wenyuan LIU

DOI: 10.1631/FITEE.2200659 Downloaded: 2988 Clicked: 1518 Cited: 0 Commented: 0(p.1194-1213) <Full Text>   <PPT>  207

Chinese summary   <4>  RCDS:一种基于符号映射编码和区块链的可确权数据共享模型

王亮1,黄顺久1,左立娜1,李军2,刘文远3
1河北大学网络安全与计算机学院,中国保定市,071000
2雄安新区智能城市创新联合会,中国雄安,071700
3燕山大学信息科学与工程学院,中国秦皇岛市,066000
摘要:数据确权问题是数据共享中长期存在的瓶颈。现有数据确权方法由于缺乏有效监管手段可信度低,且由于技术限制只能用于特定数据类型。随着区块链的出现,一些新的数据共享模型有望提供更可靠的数据安全性。然而,因为数据访问不能完全处于区块链设施的控制下,这些模型在数据确权方面的能力不足。提出一种名为RCDS以符号映射编码(SMC)和区块链为特征的可确权数据共享模型。通过SMC,数据共享各方通过生成符号映射表将其数字身份嵌入被共享数据字节序列中,从而使数据权利的声明与数据类型和数据量无关。通过区块链,所有数据共享方共同监督数据的交付和访问,从而可公开验证数据权利的授予。评价结果表明,RCDS在强调确权要求的数据共享应用中是有效且实用的。

关键词组:数据确权;符号映射编码;区块链;数据共享;叛徒追踪;访问控制

High-accuracy target tracking for multistatic passive radar based on a deep feedforward neural network

Baoxiong XU, Jianxin YI, Feng CHENG, Ziping GONG, Xianrong WAN

DOI: 10.1631/FITEE.2200260 Downloaded: 1112 Clicked: 1064 Cited: 0 Commented: 0(p.1214-1230) <Full Text>   <PPT>  170

Chinese summary   <5>  基于深度前馈神经网络的多基地外辐射源雷达高精度目标跟踪

徐宝兄,易建新,程丰,龚子平,万显荣
武汉大学电子信息学院,中国武汉市,430072
摘要:在雷达系统中,目标跟踪误差主要来自运动模型和非线性量测。在评估跟踪算法时,其跟踪精度是主要衡量准则。为提高跟踪精度,本文将跟踪问题表述为从量测到目标状态的回归模型,提出一种基于改进深度前馈神经网络(MDFNN)的跟踪算法。所提MDFNN跟踪算法引入一种滤波层来描述输入量测序列的时序关系,并分析了最优量测序列长度。仿真和实测的外辐射源雷达数据测试表明,在所考虑的场景下,所提算法跟踪精度优于基于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF)和递归神经网络(RNN)的跟踪方法。

关键词组:深度前馈神经网络;滤波层;外辐射源雷达;目标跟踪;跟踪精度

Perspective

Perspective: Physical artificial intelligence (PAI): the next-generation artificial intelligence

Yingbo LI, Zhao LI, Yucong DUAN, Anamaria-Beatrice SPULBER

DOI: 10.1631/FITEE.2200675 Downloaded: 582 Clicked: 796 Cited: 0 Commented: 0(p.1231-1238) <Full Text>   <PPT>  177

Chinese summary   <4>  物理人工智能:下一代人工智能

李颖博1,李朝2,段玉聪1,Anamaria-Beatrice SPULBER1
1海南大学计算机科学与技术学院,中国海口市,570228
2之江实验室,中国杭州市,311121
摘要:人工智能(AI)已经成为各领域创新和社会进步的驱动力。然而,其大多数工业应用集中在信号处理领域,这依赖于不同传感器产生和收集的数据。最近,一些研究人员提出将数字人工智能和物理人工智能结合,这可能带来人工智能理论基础的重大进步。在本文中,我们探讨了物理人工智能的概念并提出两个子领域:集成式物理人工智能和分布式物理人工智能。我们还讨论了物理人工智能可持续发展和治理所面临的挑战和机遇。由于物理人工智能需要连续处理来自边缘、雾和物联网的分布式信号,它可以被看作分布式计算连续系统在人工智能领域的延伸。

Journal of Zhejiang University-SCIENCE, 38 Zheda Road, Hangzhou 310027, China
Tel: +86-571-87952783; E-mail: cjzhang@zju.edu.cn
Copyright © 2000 - 2024 Journal of Zhejiang University-SCIENCE