最新刊期
      2025年第11卷第3期

        专题

      • 面向云边端协同的跨域分布式智能计算与数据处理技术 AI导读

        2025, 11(3): 1-2.
          
        311
        |
        269
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477755 false
        更新时间：2025-05-15
      • 宋尧, 宋平, 高巍, 刘述, 霍志胜
        2025, 11(3): 3-16. DOI: 10.11959/j.issn.2096-0271.2025037
        摘要：随着人工智能等新一代信息通信技术飞速发展，广域分布式智能计算环境已成为一种重要基础设施。针对广域分布式智能计算环境中资源的高效协同调度难题，提出了一种面向广域分布式智能计算的运行时算力网络资源协同调度方法。该方法设计了关键任务决策与回填、基于关键流量调度的执行保障、数据自适应布局等策略，通过综合分析算力网络中的算、网、存资源使用情况，协同应用3类策略以优化运行时资源的全局利用。实验结果表明，相较于已有方法，该方法可有效提升系统吞吐量，并优化全局数据迁移开销。  
        关键词：任务调度;网络资源调度;数据布局;协同调度   
        490
        |
        313
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477516 false
        更新时间：2025-05-15

      • SpanTrain：基于云边端异构设备的跨域分布式模型训练系统 AI导读

        王锦权, 刘旭昭, 廖晓坚, 肖利民, 霍志胜, 索珈顺, 李云潼, 沈润楠, 谢喜龙, 唐熙程
        2025, 11(3): 17-32. DOI: 10.11959/j.issn.2096-0271.2025040
        摘要：目前，除云计算中心外，以物联网、固定或移动计算边缘为代表的边、端侧环境中也部署了大量的智能计算设备。将深度神经网络（DNN）模型的训练任务从云计算中心拓展到边、端侧，在新应用模式支持、数据隐私保护、训练成本控制等方面具有显著优势。现有的分布式模型训练系统大多针对同构设备设计，难以适应云边端异构计算环境。为此，设计了基于云边端异构设备的跨域分布式模型训练系统SpanTrain，通过一种新颖的混合流水线并行机制，实现了云边端异构设备协同的高效DNN模型训练。典型云边端异构设备环境中的实验表明，与已有的训练系统相比，SpanTrain带来了1.17~3.15倍的训练吞吐量提升，并将异构设备的资源利用率提升了39%，这充分说明了SpanTrain在云边端异构设备中进行DNN训练的高效性。  
        关键词：云边端异构设备;分布式计算;模型训练;并行训练策略   
        384
        |
        322
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477753 false
        更新时间：2025-05-15

      • 面向云边端协同的数据库预聚合方法研究 AI导读

        崔双双, 马若尧, 王宏志
        2025, 11(3): 33-48. DOI: 10.11959/j.issn.2096-0271.2025039
        摘要：云边端协同架构是智能制造、智慧城市等应用的基础，协同计算是其重要支撑技术。在云边端协同架构下，由于数据类型多样且规模庞大，传统数据管理技术难以支持大规模数据的实时查询。为此，提出一种面向云边端协同的数据库预聚合方法，通过物化视图自动生成策略实现数据预聚合，提升实时查询性能。实验结果表明，该预聚合方法使查询时间最多缩短68.45%，显著提升了云边端协同架构下的数据查询性能。  
        关键词：云边端协同;物化视图;深度强化学习   
        152
        |
        149
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477547 false
        更新时间：2025-05-15

      • 面向云边场景的读写均衡键值存储系统 AI导读

        郑宜湉, 张余豪, 霍志杰, 舒继武
        2025, 11(3): 49-61. DOI: 10.11959/j.issn.2096-0271.2025038
        摘要：基于LSM-tree的键值存储因其高效的数据存储机制，成为云端和边端数据管理的理想选择。但LSM-tree采用的Leveled压实策略具有较高的写放大率，会对前台写性能造成明显的负面影响。如何在降低写放大、进一步提升写性能的同时不牺牲读性能，成为优化LSM-tree面临的一大挑战。针对以上问题，提出一种新型的键值存储系统LooseKV，该系统利用Tiered压实策略显著降低写放大，同时引入基于跳表的内存索引，结合轻量级的索引更新策略、与分层结构上的迭代器集成，有效改善了Tiered策略存在的读性能差的问题。实验表明， LooseKV的随机写入吞吐量为LevelDB的1.18~2.28倍，随机读取性能为LevelDB的1.01~1.26倍，顺序读取性能低于LevelDB，接近PebblesDB。  
        关键词：键值存储;日志结构合并树;写放大;读性能优化   
        152
        |
        153
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477575 false
        更新时间：2025-05-15

      • 分布式模型缓存赋能端云协同自演进视频分析 AI导读

        廖天俊, 赵茆哲, 刘生钟, 吴帆
        2025, 11(3): 62-77. DOI: 10.11959/j.issn.2096-0271.2025036
        摘要：在移动视频分析领域，数据漂移是影响系统推理效果的主要问题之一。对此，提出了一种移动端主导的端云协同持续学习框架。具体而言，该框架在资源受限的移动设备上部署了模型高速缓冲存储器，并结合云服务器设计了一套“重用、微调、重训练”的分层演进策略。通过构建基于领域属性的前缀树存储结构，其实现了快速模型查找，降低了演进中云端的排队时延。评估结果显示，该框架在目标检测和分类任务中优于现有最佳方案，并在多端设备系统中取得了最优的整体演进精度。这体现了该框架在提升响应速度和系统扩展性方面的显著潜力。  
        关键词：端云协同;视频分析;边缘计算;持续学习   
        151
        |
        146
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477735 false
        更新时间：2025-05-15

        地方政府大数据专栏

      • 公共数据分类分级及应用实践研究 AI导读

        何正庆, 吴善鹏, 刘超, 白惠文, 李安伦, 吴志刚
        2025, 11(3): 78-89. DOI: 10.11959/j.issn.2096-0271.2025032
        摘要：公共数据分类分级制度是数据基础制度的重要部分，其有力有序的应用实施对数据要素的体系供给、高效流通和安全治理具有重要支撑保障作用。根据江苏省相关部门及设区市分类分级试点情况，提出可行的公共数据分类分级闭环管理方法，并针对不同敏感级别的数据建立分类分级管控体系，在保障数据安全的前提下，优化数据资源配置，促进数据共享开放和授权运营，提高数据流通交易的安全性和透明度，以推动数据要素价值有效释放。  
        关键词：公共数据;数据要素;安全治理;分类分级闭环管理;分类分级管控体系   
        396
        |
        371
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477715 false
        更新时间：2025-05-15

      • 山东省推行“无证明之省”赋能数字政府建设研究 AI导读

        侯新玥
        2025, 11(3): 90-97. DOI: 10.11959/j.issn.2096-0271.2025034
        摘要：各地区和政府部门正积极探索数字政府建设的新模式，推进电子证照扩大应用领域和全国互通互认。山东省聚焦深化“放管服”改革，优化营商环境，将建设“无证明之省”作为推动政府数字化转型的重要举措。然而，目前山东省正处在“无证明之省”建设的初期，在探索“无证明”服务过程中还面临一些问题和挑战。为此，分析其中的难点、痛点及堵点，并提出具有针对性的对策建议，旨在加快山东数字政府建设的进程，进一步提升政务服务效能。  
        关键词：无证明之省;电子证照证明;数字政府   
        209
        |
        191
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477743 false
        更新时间：2025-05-15

        论坛

      • 数据产品及其流通监管体系研究 AI导读

        熊贇, 朱扬勇
        2025, 11(3): 98-107. DOI: 10.11959/j.issn.2096-0271.2025042
        摘要：有序推进数据流通和有效监管数据市场的统筹部署是一项重要课题。针对数据流通标的辨识性差、数据负外部性处理难等问题，从计量、可追溯、安全和监管等角度出发，界定数据流通标的的形态，提出可辨识的盒装数据产品流通标的；基于盒装数据产品，明确数据产品流通监管体系涵盖的内容，并提出可实操的数据产品监管体系。该体系在设计、生产、流通各阶段融入监管指标，实现有效识别和管理流通风险。  
        关键词：数据流通;数据产品;流通监管;数据市场   
        248
        |
        216
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477758 false
        更新时间：2025-05-15

        研究

      • 基于多模态大模型的具身智能体研究进展与展望 AI导读

        赵博涛, 亢祖衡, 瞿晓阳, 彭俊清, 张旭龙, 王健宗
        2025, 11(3): 108-138. DOI: 10.11959/j.issn.2096-0271.2025035
        摘要：具身智能体指能够根据指令完成某种或多种任务并且具备与物理环境交互能力的智能实体。其在服务机器人、智能教育、辅助医疗等领域具有巨大的潜在应用，是实现通用机器人的重要途径之一。随着多模态大模型的发展，具身智能体具备了更强的语言理解、推理判断和环境感知能力，极大地推动了该领域的发展。近年来，具身智能体领域涌现出许多优秀的研究工作，但缺乏系统的调查评述。为了帮助研究者更全面地了解这一领域，对具身智能体的研究进行了深入调研与展望。首先，介绍了多模态大模型，其次回顾了常用数据集和用于构建具身智能体的物理载体。然后，回顾了具身智能体的3个关键研究方向：具身大模型、高级任务规划和低级动作控制。最后，总结了具身智能体领域面临的挑战和存在的局限性，并展望了未来的发展方向。该综述为研究者提供了有价值的参考，旨在促进具身智能体领域的进一步发展与创新。  
        关键词：具身智能体;多模态大模型;机器人;视觉语言模型;具身智能   
        1133
        |
        521
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477514 false
        更新时间：2025-05-15

      • 基于5W传播模型的技术体系：计算传播技术综述 AI导读

        王续澎, 何洪波, 王闰强
        2025, 11(3): 139-166. DOI: 10.11959/j.issn.2096-0271.2025020
        摘要：海量的数据和人工智能技术为传播学的研究提供了很大的便利，可以有效地解决传播效果测量的问题。该领域现有的研究主要关注计算传播学的研究范式、场景应用和发展路径，缺少对计算传播中新型计算方法的梳理和归纳。采取文献调研法，提出了基于5W传播模型的计算方法归类框架，以提升传播效果为目标，较系统地梳理了传播过程中的新型计算方法，阐述了不同计算方法的思路、所需的数据集以及各项评价方法。分析了计算传播技术面临的挑战，展望了未来可能的研究方向。  
        关键词：计算传播;5W传播模型;计算传播技术;计算方法;社交网络   
        395
        |
        1486
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 76441936 false
        更新时间：2025-05-15

      • 基于One-Class学习的鲁棒音频真伪识别 AI导读

        梁子琪, 张旭龙, 王健宗, 肖京
        2025, 11(3): 167-187. DOI: 10.11959/j.issn.2096-0271.2025031
        摘要：深度伪造技术对社会经济、政治稳定和社会安全构成了严重威胁，而深度伪造中，语音伪造技术被广泛应用于电话诈骗、舆论操控等危害性活动中。近年来，随着深度学习技术的应用，语音合成和语音转换技术飞速进步，已经能够生成以假乱真的语音，足以欺骗机器和人类。针对语音伪造技术的危害，目前已经有许多语音欺骗检测技术来提高说话人验证系统的可靠性。然而，现有方法往往依赖于已知攻击类型的先验知识，在面对未知攻击类型的先验知识时，其泛化能力受到限制。基于One-Class学习构建了一个语音欺骗检测系统，通过为真实语音建立严格的决策边界，将边界外的样本判定为伪造语音，从而增强了模型的泛化能力。此外，针对伪造语音数据稀缺的问题，引入具有更强通用性和鲁棒性的自监督模型Wav2vec2进行特征提取，进一步提高了模型在面对未知类型先验知识攻击时的识别准确率。实验结果表明，提出的方法在保证良好语音鉴伪性能的同时，减少了CM系统对下游ASV系统的潜在干扰，有效解决了伪造语音数据稀缺和模型泛化能力不足的问题。  
        关键词：伪造检测;One-Class学习;自监督学习   
        111
        |
        198
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477515 false
        更新时间：2025-05-15

      • 兼顾隐私保护与结果可验证的点对点能源交易匹配机制 AI导读

        皮冰锋, 金澈清, 钱卫宁, 华松, 张沈斌
        2025, 11(3): 188-202. DOI: 10.11959/j.issn.2096-0271.2025041
        摘要：在多边经济调度的推动下，点对点能源交易模式日益受到关注，然而数据隐私泄露和交易监管难题成为制约其发展的关键瓶颈。提出了一种新型的点对点能源交易匹配机制PV-RCI，其在保障隐私保护机制有效性的同时，确保交易匹配结果的可验证性。通过引入可信的监管审计方，并结合同态加密和零知识证明技术，所提机制不仅有效保护了交易过程中的数据隐私，还实现了交易匹配结果的可验证性。所提机制在促进供需双方交易匹配的基础上，降低了交易的社会总成本，为解决能源交易行业的隐私保护和可监管性问题提供了全新的思路。  
        关键词：点对点;隐私保护;交易匹配;零知识证明   
        85
        |
        149
        |
        0
        <HTML>
        <网络PDF><WORD><XML><Meta-XML>
        <引用本文> <批量引用> 100477517 false
        更新时间：2025-05-15
      0