检索结果-内蒙古大学图书馆

软件学报 2024年第11期35卷 5040-5064页

作者：刘哲王俊杰陈春阳车行苏宇辉王青中国科学院软件研究所互联网软件技术实验室北京100190 中国科学院大学北京100049 中国科学院软件研究所智能博弈重点实验室北京100190 中国科学院软件研究所天基综合信息系统重点实验室北京100190 Monash University Melbourne 3800Australia

应用程序图形用户界面(graphical user interface,GUI/UI)为应用程序与其终端用户提供了一座可视化的桥梁,用户可以通过交互操作使用应用程序.随着移动应用程序的发展,兼具美学与交互设计的图形用户界面也变得越来越复杂,用户也更加关... 详细信息

应用程序图形用户界面(graphical user interface,GUI/UI)为应用程序与其终端用户提供了一座可视化的桥梁,用户可以通过交互操作使用应用程序.随着移动应用程序的发展,兼具美学与交互设计的图形用户界面也变得越来越复杂,用户也更加关注应用程序的可访问性和可用性.然而图形用户界面的复杂性也对其设计与实现带来巨大的挑战.由于用户对于移动设备的自定义设置以及不同的设备型号和屏幕分辨率导致用户界面显示问题频繁发生.例如由于软件或硬件兼容性,在不同设备上进行界面渲染时总会出现文本交叠、组件遮挡、图像丢失等显示问题.它们对应用程序的可用性和可访问性产生负面影响,导致用户体验不佳.不幸的是,对于移动应用程序用户界面显示问题的成因知之甚少.为了应对这一挑战,收集来自百度众测平台上的6729张具有用户界面显示缺陷的应用程序截图和GitHub中1016个缺陷报告提供的应用程序截图,采用主题分析方法识别出9类用户界面显示缺陷,然后对GitHub中1016个缺陷报告和其对应的缺陷代码进行分析,总结出用户界面显示缺陷本质成因.研究发现:(1)在众测数据集中用户界面显示缺陷截图占总截图的62.1%;(2)导致界面显示缺陷的原因中字体的缩放设置与组件的自适应设置不适配所占的比例较大;(3)界面的布局设置会导致界面显示缺陷产生;(4)硬件加速未开启会影响界面的正常显示.

关键词：经验研究移动应用程序界面显示缺陷界面显示缺陷成因界面显示缺陷检测

来源：评论

学校读者我要写书评

暂无评论

骨架引导的三维网格模型显著性检测

引用

计算机辅助设计与图形学学报 2025年

作者：赵冲王文成侯飞中国科学院软件研究所基础软件与系统重点实验室中国科学院大学

针对三维网格模型显著性检测效率与精度提升问题，提出一种骨架引导的高效检测方法. 基于骨架端点、弯曲点和关节点与显著性区域的对应关系，用以识别候选区域并剔除非显著区域的检测以降低计算量; 结合骨架对于模型的全局性表达特性... 详细信息

针对三维网格模型显著性检测效率与精度提升问题，提出一种骨架引导的高效检测方法. 基于骨架端点、弯曲点和关节点与显著性区域的对应关系，用以识别候选区域并剔除非显著区域的检测以降低计算量; 结合骨架对于模型的全局性表达特性以进行不同尺度下的显著性检测; 最后与模型简化相结合以支持大规模模型的有效处理. 在Schelling和斯坦福数据集上的实验表明，与mesh saliency、频谱检测、MRSS和MIMO-GAN等方法相比，所提方法在RMSE指标上误差平均降低23.4%～38.9%， MESH指标平均降低22.8%～40.3%，处理有345 944面片的犰狳模型的检测速度最高可提升约50倍.

关键词：三维模型显著性检测骨架引导

来源：评论

学校读者我要写书评

暂无评论

开源软件供应链漏洞威胁智能感知

引用

软件学报 2025年第2期36卷 511-536页

作者：王丽敏吴敬征武延军芮志清罗天悦屈晟杨牧天中国科学院软件研究所智能软件研究中心北京100190 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049

开源软件的繁荣推动了软件领域的蓬勃发展,也促使以开源软件为基础的供应链开发模式的形成.开源软件供应链本质上是个复杂的供应链拓扑网络,由开源生态的关键元素及其关联关系构成,其产品全球化等优势有助于提高软件行业的开发效率.然而... 详细信息

开源软件的繁荣推动了软件领域的蓬勃发展,也促使以开源软件为基础的供应链开发模式的形成.开源软件供应链本质上是个复杂的供应链拓扑网络,由开源生态的关键元素及其关联关系构成,其产品全球化等优势有助于提高软件行业的开发效率.然而,开源软件供应链也存在依赖关系复杂、传播范围广泛、攻击面暴露扩大等特点,带来了新的安全风险.现有的以安全漏洞、威胁情报为基础的安全管理虽然可以实现安全预警、预先防御,但是由于漏洞威胁信息获取不及时、缺少攻击技术和缓解措施等信息,严重影响了漏洞处理效率.针对上述问题,设计并实现一种针对开源软件供应链的漏洞威胁智能感知方法,包括两部分:1)构建CTI(网络威胁情报)知识图谱,在其构建的过程中使用到相关技术,可以实现安全情报的实时分析与处理,尤其提出SecERNIE模型以及软件包命名矩阵,分别缓解漏洞威胁关联挖掘的问题和开源软件别名的问题.2)漏洞风险信息推送,以软件包命名矩阵为基础,构建软件包过滤规则,实现开源系统漏洞实时过滤与推送.通过实验验证所提方法的有效性和可用性.实验结果显示,相较于NVD等传统漏洞平台,本方法平均感知时间最高提前90.03天;在操作系统软件覆盖率上提升74.37%,并利用SecERNIE模型实现63492个CVE漏洞与攻击技术实体之间的关联关系映射.特别地,针对openEuler操作系统,可追踪的系统软件覆盖率达到92.76%,并累计感知6239个安全漏洞;同时,还发现openEuler中891条漏洞与攻击的关联关系,进而获取到相应的解决方案,为漏洞处理提供了参考依据.在真实攻击环境验证2种典型的攻击场景,证明所提方法在漏洞威胁感知方面的良好的效果.

关键词：开源软件供应链漏洞威胁感知特征表示知识图谱风险推送

来源：评论

学校读者我要写书评

暂无评论

HiLog:OpenHarmony的高性能日志系统

引用

软件学报 2024年第4期35卷 2055-2075页

作者：吴圣垚王枫武延军凌祥屈晟罗天悦吴敬征中国科学院软件研究所智能软件研究中心北京100190 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190

日志是计算机系统中记录事件状态信息的的重要载体,日志系统负责计算机系统的日志生成、收集和输出.OpenHarmony是新兴的、面向全设备、全场景的开源操作系统.在所述工作之前,包括日志系统在内OpenHarmony有许多关键子系统尚未构建,而Op... 详细信息

日志是计算机系统中记录事件状态信息的的重要载体,日志系统负责计算机系统的日志生成、收集和输出.OpenHarmony是新兴的、面向全设备、全场景的开源操作系统.在所述工作之前,包括日志系统在内OpenHarmony有许多关键子系统尚未构建,而OpenHarmony的开源特性使第三方开发者可以为其贡献核心代码.为了解决Open Harmony日志系统缺乏的问题,主要开展如下工作:(1)分析当今主流日志系统的技术架构和优缺点;(2)基于OpenHarmony操作系统的异构设备互联特性设计HiLog日志系统模型规范;(3)设计并实现第1个面向OpenHarmony的日志系统HiLog,并贡献到OpenHarmony主线;(4)对HiLog日志系统的关键指标进行测试和对比试验.实验数据表明,在基础性能方面,HiLog和Log的日志写入阶段吞吐量分别为1500 KB/s和700 KB/s,相比Android日志系统吞吐量提升114%;在日志持久化方面,HiLog可以3.5%的压缩率进行持久化,并且丢包率小于6‰,远低于Log.此外,HiLog还具备数据安全、流量控制等新型实用能力.

关键词：操作系统日志系统开源软件数据安全流量控制

来源：评论

学校读者我要写书评

暂无评论

基于多任务注意力网络的非接触式睡眠监测

引用

计算机研究与发展 2024年第11期61卷 3739-3753页

作者：李思恒金蓓弘张扶桑王志马俊麒苏畅任晓勇刘海琴中国科学院软件研究所软件工程技术中心北京100190 基础软件与系统重点实验室(中国科学院)、计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院大学北京100049 西安交通大学第二附属医院西安710000

睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结... 详细信息

睡眠几乎占据了一个人每天三分之一的时间,它与人体的健康状况紧密相关.由于睡眠过程中各睡眠阶段的持续时间和转换情况直接影响人的睡眠质量,因此识别睡眠阶段是睡眠监测最基本和最重要的任务.然而,睡眠中出现的睡眠障碍会导致睡眠结构变得复杂,这增加了睡眠阶段分类的难度.已有的非接触式睡眠阶段分类工作大多对睡眠结构的复杂性认识不足,忽视了睡眠阶段和睡眠障碍之间的联系.因此,这些工作难以在睡眠障碍患者上取得较好的性能.提出一种非接触式睡眠监测系统,利用超宽带(ultra-wideband,UWB)信号来识别人体睡眠阶段的变化情况.该系统包含了一个序列预测模型,使用一个基于注意力机制的序列编码器挖掘不同睡眠阶段之间的时序转换关系,并通过一个对比学习模块提高编码器的泛化性.值得一提的是,该序列预测模型采用了一个基于多任务学习的两阶段训练框架,并在模型的微调阶段通过多专家学习模块将睡眠障碍信息融入模型中,从而降低了睡眠障碍对睡眠阶段预测造成的干扰.在110名受试者(包括健康个体和不同程度睡眠障碍患者)中进行实验评估,实验结果表明所提出的模型的性能优于基线方法.

关键词：非接触式感知超宽带深度神经网络多任务学习睡眠分期睡眠障碍

来源：评论

学校读者我要写书评

暂无评论

基于动态完整性度量的机密计算运行时监控方案

引用

计算机研究与发展 2024年第10期61卷 2482-2500页

作者：李为冯伟秦宇冯登国中国科学院大学北京100049 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 中国科学院软件研究所北京100190

机密计算(confidential computing,CC)技术基于硬件可信执行环境(TEE),通过隔离、完整性度量和远程证明等技术保护使用中数据的机密性和完整性,并免受特权敌手的攻击.然而,现有机密计算平台的完整性度量和远程证明机制主要针对启动时,... 详细信息

机密计算(confidential computing,CC)技术基于硬件可信执行环境(TEE),通过隔离、完整性度量和远程证明等技术保护使用中数据的机密性和完整性,并免受特权敌手的攻击.然而,现有机密计算平台的完整性度量和远程证明机制主要针对启动时,而缺少运行时完整性保护,例如当用户工作负载潜在的内存漏洞被敌手利用时容易遭受控制流劫持等攻击,目前仅包含启动时完整性保护的机密计算平台无法有效防止或者检测此类运行时攻击.针对该问题,提出了一种基于动态完整性度量的机密计算运行时监控方案,通过向TEE中引入控制流和数据流度量,并扩展可信验证方功能以进行运行时远程证明,实现了机密计算平台内用户工作负载的运行时完整性保护.使用CSV/SEV服务器作为机密计算平台,在其机密虚拟机/容器基础上进行了系统原型实现与实验评估,评估结果表明,方案在增强运行时安全性的同时,引入了约16%的性能损耗.

关键词：机密计算可信执行环境运行时证明控制流完整性数据流完整性

来源：评论

学校读者我要写书评

暂无评论

面向漏洞检测模型的强化学习式对抗攻击方法

引用

软件学报 2024年第8期35卷 3647-3667页

作者：陈思然吴敬征凌祥罗天悦刘镓煜武延军中国科学院软件研究所智能软件研究中心北京100190 中国科学院大学北京100049 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190

基于深度学习的代码漏洞检测模型因其检测效率高和精度准的优势,逐步成为检测软件漏洞的重要方法,并在代码托管平台GitHub的代码审计服务中发挥重要作用.然而,深度神经网络已被证明容易受到对抗攻击的干扰,这导致基于深度学习的漏洞检... 详细信息

基于深度学习的代码漏洞检测模型因其检测效率高和精度准的优势,逐步成为检测软件漏洞的重要方法,并在代码托管平台GitHub的代码审计服务中发挥重要作用.然而,深度神经网络已被证明容易受到对抗攻击的干扰,这导致基于深度学习的漏洞检测模型存在遭受攻击、降低检测准确率的风险.因此,构建针对漏洞检测模型的对抗攻击不仅可以发掘此类模型的安全缺陷,而且有助于评估模型的鲁棒性,进而通过相应的方法提升模型性能.但现有的面向漏洞检测模型的对抗攻击方法依赖于通用的代码转换工具,并未提出针对性的代码扰动操作和决策算法,因此难以生成有效的对抗样本,且对抗样本的合法性依赖于人工检查.针对上述问题,提出了一种面向漏洞检测模型的强化学习式对抗攻击方法.该方法首先设计了一系列语义约束且漏洞保留的代码扰动操作作为扰动集合;其次,将具备漏洞的代码样本作为输入,利用强化学习模型选取具体的扰动操作序列;最后,根据代码样本的语法树节点类型寻找扰动的潜在位置,进行代码转换,从而生成对抗样本.基于SARD和NVD构建了两个实验数据集,共14278个代码样本,并以此训练了4个具备不同特点的漏洞检测模型作为攻击目标.针对每个目标模型,训练了一个强化学习网络进行对抗攻击.结果显示,该攻击方法导致模型的召回率降低了74.34%,攻击成功率达到96.71%,相较基线方法,攻击成功率平均提升了68.76%.实验证明了当前的漏洞检测模型存在被攻击的风险,需要进一步研究提升模型的鲁棒性.

关键词：对抗攻击漏洞检测强化学习代码转换

来源：评论

学校读者我要写书评

暂无评论

服务器无感知计算系统性能优化技术研究综述

引用

软件学报 2025年第1期36卷 47-78页

作者：杨光刘杰曲慕子王帅叶丹钟华中国科学院大学北京100049 中国科学院软件研究所软件工程技术研究开发中心北京100190 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190

服务器无感知计算是新兴的云计算模式,它基于“函数即服务(FaaS)”的范式,以函数为部署和调度的基本单位,为用户提供大规模并行和自动伸缩的函数执行服务,且无需用户管理底层资源.对于用户,服务器无感知计算能够帮助他们摆脱集群底层基... 详细信息

服务器无感知计算是新兴的云计算模式,它基于“函数即服务(FaaS)”的范式,以函数为部署和调度的基本单位,为用户提供大规模并行和自动伸缩的函数执行服务,且无需用户管理底层资源.对于用户,服务器无感知计算能够帮助他们摆脱集群底层基础设施管理的负担,专注于业务层的开发和创新;对于服务提供商,服务器无感知计算将应用分解为细粒度的函数,极大地提高了调度效率和资源利用率.显著的优势让服务器无感知计算迅速吸引了业界的注意,然而,服务器无感知计算与传统云计算迥然不同的计算模式以及对任务各方面的严格限制给应用的迁移带来了诸多障碍,各种越来越复杂的任务也对服务器无感知计算的性能提出了越来越高的要求,服务器无感知计算的性能优化成为一个重要的研究课题.从4个方面对服务器无感知计算系统性能优化技术的相关研究工作进行梳理和综述,并介绍现有的系统实现.(1)介绍面向典型任务的优化技术,包括任务适配和针对特定任务的系统优化;(2)综述沙箱环境的优化工作,包括沙箱方案和冷启动优化技术,它们是决定函数运行速度的核心;(3)概括I/O和通信技术的优化,它们是服务器无感知计算应用程序的主要性能瓶颈;(4)简述相关的资源调度技术,包括面向平台和面向用户的调度策略,它们决定着系统的资源利用率和任务的执行效率.最后,总结当前服务器无感知计算性能优化技术所面临的问题和挑战,并展望未来可能的发展方向.

关键词：服务器无感知计算函数即服务云函数云计算性能优化

来源：评论

学校读者我要写书评

暂无评论

光纤波导结构设计仿真软件SeeNano

引用

中国激光 2024年第19期51卷 237-245页

作者：段磊谭姝丹徐帆江中国科学院软件研究所天基综合信息系统全国重点实验室北京100190

设计高性能光纤是实现高功率光纤激光器功率提升的重要环节。为解决复杂光纤结构数字化设计难题,在光纤光学理论的基础上,初步开发了光纤波导结构设计仿真软件——SeeNano。本文介绍了多层折射率光纤的部分理论模型以及该软件的基本功... 详细信息

设计高性能光纤是实现高功率光纤激光器功率提升的重要环节。为解决复杂光纤结构数字化设计难题,在光纤光学理论的基础上,初步开发了光纤波导结构设计仿真软件——SeeNano。本文介绍了多层折射率光纤的部分理论模型以及该软件的基本功能和两个典型案例,利用该软件计算了模场分布、有效折射率、有效模场面积、色散等重要参数,并将计算结果与商用软件计算结果进行了比较。该软件可在一定程度上降低多层折射率光纤的研究和设计难度,有望推动国产光纤设计软件的发展。

关键词：光纤波导光纤结构阶跃折射率光纤渐变折射率光纤传导模式仿真软件

来源：评论

学校读者我要写书评

暂无评论

在轨光学目标检测模型轻量化研究

引用

遥感学报 2024年第4期28卷 1041-1051页

作者：吕晓宁夏玉立赵军锁乔鹏中国科学院软件研究所天基综合信息系统重点实验室北京100190 中国科学院大学北京100049

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结... 详细信息

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结构,改进网络模型的局部模块结构,降低整体网络结构的深度与复杂度;同时利用可分离卷积结构实现空间卷积,改进SPP模块与PANet模块,降低模型参数量;通过合并卷积层与Batch Normalization层,进一步加快前向推理速度;此外借鉴Focal损失函数的思想,改进目标检测网络的损失函数,减缓前景与背景样本比例不均衡问题。通过与原Yolov4网络模型对比,在保证识别精度94.09%的前提下参数量降低约7倍,FLOPs降低约30倍。同时与Yolo系列、SSD、MobileNet、CenterNet等前沿网络模型对比的实验结果再一次验证了本文的算法性能,为实现在轨目标识别与过滤无用数据提供了理论支撑。

关键词：遥感卷积神经网络 Yolov4 在轨目标检测反向残差结构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：