2025, 47(8): 2499-2508.
doi: 10.11999/JEIT250048
刊出日期:2025-08-27
量子计算的飞速发展威胁了传统密码系统的安全性,进而推动了后量子密码算法的研究与标准化。Dilithium数字签名算法基于格理论设计,于2024年被美国国家标准与技术研究院(NIST)选定为后量子密码算法标准。同时,对Dilithium的侧信道分析,特别是能量分析,也成为当前的研究热点。然而,现有的能量分析数据集主要针对经典分组密码算法,如AES等,缺乏Dilithium等新型算法的数据集,限制了相关侧信道分析方法的研究。为此,该文采集并公开首个针对Dilithium算法的能量分析数据集,旨在促进后量子密码算法的能量分析研究。该数据集基于Dilithium的开源参考实现,在Cortex M4处理器上运行,并通过专用设备采集,包含60000 条Dilithium签名过程中采集的能量迹,以及与每条能量迹对应的签名源数据和敏感中间值。进一步对构造的数据集进行可视化分析,详细研究了随机多项式生成函数polyz_unpack的执行过程及其对能量迹的影响。最后,使用模板分析和深度学习分析方法对数据集进行建模和测试,验证了该数据集的有效性和实用性。数据集和相关代码见https://doi.org/10.57760/sciencedb.j00173.00001 。
2025, 47(2): 541-550.
doi: 10.11999/JEIT240404
刊出日期:2025-02-28
信息年龄(AoI)是信息新鲜度的衡量指标,针对时间敏感的物联网,最小化AoI显得尤为重要。该文基于LoRa网络的智能交通环境,分析Slot-Aloha协议下的AoI优化策略,建立了Slot-Aloha协议下数据包之间传输碰撞和等待时间的系统模型。通过分析指出,在LoRa上行传输过程中,随着数据包数量增多,AoI主要受到数据包碰撞影响。为克服优化问题中动作空间过大导致难以实现有效求解的问题,该文采用连续动作空间映射离散动作空间的方式,使用柔性动作-评价 (SAC)算法对LoRa网络下的AoI进行优化。仿真结果显示,SAC算法优于传统算法与传统深度强化学习算法,可有效降低网络的平均AoI。
2012, 34(8): 2007-2012.
doi: 10.3724/SP.J.1146.2011.01249
刊出日期:2012-08-19
物理不可克隆函数(Physical Unclonable Functions, PUF)是一种用于保护集成电路芯片安全的新方法。传统的基于振荡器的PUF在产生响应过程中振荡器的振荡频率固定不变,因此存在着被攻击的隐患。该文提出一种新的利用多频率段的PUF(Multiple Frequency Slots based PUF, MFS-PUF)来解决这个问题,通过可配置的振荡器,每产生一位响应,振荡器的振荡频率便发生转移。在每一种振荡频率下,由于不可避免地制造差异,振荡器之间的频率会有微小差别,这些略有差异的频率组成了一个频率段(frequency slot),整个系统中则存在着多个频率段。各个频率段之间随机转变,相比于传统的基于振荡器的PUF,系统输入输出响应对(Challenge-Response Pairs, CRPs)的值更大,也更加不可预测,这使得攻击者使用建模攻击的复杂度大大增加,在保证了自身性能的同时增强了本身的安全性。
2012, 34(5): 1226-1230.
doi: 10.3724/SP.J.1146.2011.00744
刊出日期:2012-05-19
多级Clos网络是一种典型的可扩展交叉互连结构,在数据通信和计算机并行网络中有着广泛应用。基于传统三级Clos网络C(m, n, r)的理论分析表明,当满足m2n-1时该网络是严格无阻塞的。该文针对多时隙业务,利用可快速实现时隙交叉的单级交换模块,构建了一种新型的MTS-Clos交换网络结构C(m, n, r)(Multiple Time Slot Clos network)。利用时隙交叉能力,该结构在保留原有网络特性的同时可提供更为理想的交换性能。采用随机分析模型,对该结构的阻塞率进行了理论分析,结果表明当中间级规模m=n+k, k是一个很小的非负整数,网络即达到无阻塞。对该结构的数值仿真有同样的结论。因此,该结构及分析结果对下一代大容量交换设备的设计,具有良好的参考价值。
2021, 43(11): 3266-3271.
doi: 10.11999/JEIT200917
刊出日期:2021-11-23
近些年来,多种基于卷积神经网络(CNNs)的模型结构表现出越来越强的多尺度特征表达能力,在说话人识别的各项任务中取得了持续的性能提升。然而,目前大多数方法只能利用更深更宽的网络结构来提升性能。该文引入一种更高效的多尺度说话人特征提取框架Res2Net,并对它的模块结构进行了改进。它以一种更细粒化的工作方式,获得多种感受野的组合,从而获得多种不同尺度组合的特征表达。实验表明,该方法在参数量几乎不变的情况下,等错误率(EER)相较ResNet有20%的下降,并且在VoxCeleb, SITW等多种不同录制环境和识别任务中都有稳定的性能提升,证明了该方法的高效性和鲁棒性。改进后的全连接模块结构能更充分利用训练信息,在数据充足和任务复杂时性能提升明显。具体代码可以在https://github.com/czg0326/Res2Net-Speaker-Recognition 获得。
2025, 47(2): 561-572.
doi: 10.11999/JEIT240324
刊出日期:2025-02-28
非局部稀疏表示模型,如联合稀疏(JS)模型、低秩(LR)模型和组稀疏表示(GSR)模型,通过有效利用图像的非局部自相似(NSS)属性,在图像去噪研究中展现出巨大的潜力。流行的基于字典的JS算法在其目标函数中利用松驰的凸惩罚,避免了NP-hard稀疏编码,但只能得到近似的稀疏表示。这种近似的JS模型未能对潜在的图像数据施加低秩性,从而导致图像去噪质量降低。该文提出一种新颖的低秩正则联合稀疏(LRJS)模型,用于求解图像去噪问题。提出的LRJS模型同时利用非局部相似块的LR和JS先验信息,可以增强非局部相似块之间的相关性(即低秩性),从而可以更好地抑制噪声,提升去噪图像的质量。为了提高优化过程的可处理性和鲁棒性,该文设计了一种具有自适应参数调整策略的交替最小化算法来求解目标函数。在两个图像去噪问题(包括高斯噪声去除和泊松噪声去除)上的实验结果表明,提出的LRJS方法在客观度量和视觉感知上均优于许多现有的流行或先进的图像去噪算法,特别是在处理具有高度自相似性的图像数据时表现更为出色。提出的LRJS图像去噪算法的源代码通过以下链接下载:https://pan.baidu.com/s/14bt6u94NBTZXxhWjBHxn6A?pwd=1234 ,提取码:1234。
2025, 47(12): 4937-4947.
doi: 10.11999/JEIT250981
刊出日期:2025-12-10
高光谱图像(HSI)和激光雷达(LiDAR)数据的联合分类是遥感领域的一项关键任务,它通过融合丰富的光谱信息和精确的三维结构信息,显著提升了对地物识别的精度。然而,现有的基于深度学习(DL)的联合分类方法依然受限于高模型计算复杂度。因此,该文提出一种新颖的轻量级Mamba网络。该网络的核心是引入了先进的状态空间模型(SSM),其线性计算复杂度特性使其能够高效地建模遥感数据中的长距离上下文依赖关系。首先,多源对齐模块被用于对异构的HSI和LiDAR数据进行特征提取与空间-光谱维对齐,以提供一致的特征表示;其次,多源轻量Mamba模块以LiDAR的高程信息作为引导,采用轻量化设计融合双流序列,高效建模长距离依赖;最后,设计了一种基于MLP的分类器,并输出分类结果。在多个公开基准数据集上的实验结果表明,与当前先进方法相比,LightMamba在分类精度上取得了显著提升,同时保持了更低的计算复杂度,证明了基于Mamba的架构在遥感多源数据融合与分类任务中的巨大潜力。LightMamba的代码可访问https://www.scidb.cn/detail?dataSetId=064dc4ac5350418e87a8b82dd324737b&version=V1&code=j00173 。
2026, 48(2): 806-817.
doi: 10.11999/JEIT250713
刊出日期:2026-02-10
近年来,最先进的说话人确认模型大多数以牺牲参数量和计算量的代价来实现感受野的固定获取,然而鉴于语音信号内部蕴含着丰富且多层次的信息,通过高度自主选择的动态感受野来描绘复杂信息是相对未被探索的,更没有直观地解释是什么构成了关于有效感受野的最佳实践。潮涌现象表现为潮水前端形成陡立水墙并伴随轰鸣声高速推进,受其非线性耦合行为的启发,该文提出潮涌卷积(TR-Conv)“使用潮涌感受野(T-RRF),获得更有效感受野”。首先采用二幂插值操作构建窗口内的主/从感受野,随后分别采用扫描-池化机制聚焦提取窗口外的关键信息、算子机制精细感知窗口内的差异信息,最后融合三重感受野,得到兼具多尺度、动态性、有效性的可变感受野。为全面验证潮涌卷积的表现,该文建立潮涌卷积神经网络(TR-CNN)。另外,针对数据集的错误标签问题,提出动态归一化的非目标(NTDN)损失与具有两个子中心的加性角边距(Sub-Center AAM)损失变体加权融合的总损失,以提升模型性能。实验结果表明,与ECAPA-TDNN(C=512)相比,TR-CNN(C=512, n=1)分别在测试集Vox1-O, Vox1-E, Vox1-H上的等错误率(EER)以及最小检测代价函数(MinDCF)相对降低了4.95%, 4.03%和6.03%以及31.55%, 17.14%和17.42%,参数量和乘加累积操作次数相对减少了32.7%,23.5%。进一步,TR-CNN(C=1024 , n=1)的EER/MinDCF分别是0.85%/0.0762 /1.10%/0.1048 /2.05%/0.1739 。本研究代码已开源:https://www.scidb.cn/detail?dataSetId=a232c98b082941c58002958208ef3f43&version=V1&code=j00173 。