期刊名称：网络新媒体技术 原刊名称：微计算机应用 创刊时间：1980年 主管部门：中国科学院 主办单位：中国科学院声学研究所 刊期： 双月刊 电话： 010-82547906 Email：xmt@dsp.ac.cn 国内统一刊号(CN)： 10-1055/TP 国际标准刊号(ISSN)：2095-347X
在大规模数据传输和实时音视频等带宽密集型场景中，组播技术因其高效性而备受青睐，能够显著节省网络带宽资源并降低设备负载。然而，随着视频会议和电子商务直播等应用的迅猛发展，对网络传输服务质量(QoS)的要求日益提高，如低延迟和高带宽的保障，组播路由优化技术成为关键。随着网络规模的扩大以及状态的动态变化，计算满足特定QoS要求的组播路由变得愈加复杂。同时，多个组播会话共享链路时的资源竞争进一步引发链路拥塞，加大组播路由优化的难度。因此，综合考虑各组播会话的需求，以减少拥塞、提高资源利用率，实现满足QoS要求的路由构建和优化具有重要意义。本文介绍现有的组播技术，重点讨论组播QoS路由算法及其优化技术，并对组播路由技术的发展趋势进行总结与展望。
在有损异构网络中，终端设备天然具备多条物理隔离的传输路径，但其网络环境的波动给多路径传输的性能带来困难。本文提出一种基于带宽预测的网络层多路径传输方法，该方法首先通过收集网络环境参数来预测每条传输路径的最大带宽和链路利用率，然后使用预测的参数分配每条路径的权重，从而实现网络层多路径传输。从仿真实验结果可以看出，该方法可以在相对较短的时间内实现收敛，同时在有损异构网络环境波动的情况下可以保证一定的TCP传输性能。与等权多路径方法和其他常见的网络层多路径方法相比，该方法可以实现约80%的路径带宽聚合率。
脑电信号(EEG)图像重建技术在辅助残疾人视觉功能及推动脑机接口(BCI)发展方面具有重要意义。然而，EEG信号噪声大、空间分辨率低的特点使得高精度图像重建面临巨大挑战。因此，本文提出一种基于生成对抗网络(GAN)的双阶段脑电信号图像生成框架，通过双阶段处理流程实现从小规模EEG数据集到高质量图像的端到端重建。首先，采用双向长短期记忆网络(Bi-LSTM)结合多头注意力机制提取EEG信号的特征，并通过三元组损失优化特征空间，增强同类样本的聚集性和异类样本的区分性;其次，利用特征增强的条件生成对抗网络(cGAN)，引入可微分数据增强和模式正则化技术，显著提升生成图像的分辨率(128×128)和多样性。实验结果表明，所提框架在Inception Score(IS)评估指标上达到6.75，优于现有方法，为小规模EEG数据下的图像重建提供新思路。
本文针对传统单语种标点预测方案训练成本高、跨语种迁移困难等问题，提出一种基于RoBERTa的统一多语种标点预测框架。该框架构建中、日、韩3语种混合语料库，采用统一的3种标点标签(COMMA、PERIOD、NONE)进行标注，实现单一模型对多语种标点的同步端到端预测。实验结果表明，该模型与单语种基线相比，标点预测F1平均值差距仅为1.7%，各语种性能下降均未超过2%，验证了多语种统一建模在标点恢复任务中的有效性与可行性。
媒体深度融合背景下，物联网设备在广播电视台的规模化应用显著增加，但其安全防护薄弱导致网络入侵风险剧增，严重威胁安全播出，亟需将网络安全保障模式从“被动响应”转变为“主动防御”。本文旨在为构建“检测-响应-溯源”三位一体的广播电视台网络安全体系提供核心算法支撑，以物联网流量基准数据集UNSW-NB15模拟攻击场景，对比评估6种主流机器学习算法(逻辑回归、决策树、随机森林、支持向量机、K近邻及朴素贝叶斯)在入侵检测上的性能差异。结果显示，随机森林算法在准确率(90.92%)、F1值(93.16%)和AUC值(97.80%)上优于其他模型。该研究成果为构建面向广播电视台网络入侵检测系统提供技术路径，对全面提高广播电视台的网络安全防御能力具有重要理论和实践意义。
对民俗体育跨文化传播的生成式AI内容创作方法展开研究。设置全局更新机制，将多模态数据映射到该方法中，进行数据的定向整合。通过生成式对抗网络技术，对整合后的数据持续迭代和筛选，在筛选后的多模态数据中提取民俗体育文化的特征目标，增加阶段式特征目标语义间的关联，完成特征计算。以设定的语义相似度标准作为约束条件，采用动态匹配的方式进行同类型内容的汇总生成，输出最终的创作结果。实验结果表明，所提方法 AI生成内容用户的接受率为90%，平均接受率为70%，而拒绝率仅为15%，适应性较高，性能比较优越。
中文多标签文本分类是自然语言处理领域的重要任务之一，广泛应用于情感分析、舆情监测、文本标注等多个领域。然而，中文文本的复杂性以及多标签数据集的特殊性(如数据量少、标签不平衡、复合标签等)给分类任务带来诸多挑战。本文提出一种基于数据增强和多通道解码的中文多标签文本分类模型，通过大模型增强平衡不同类型的标签数据，同时利用多通道解码改善单通道解码不能充分区分不同维度语义差别的问题。实验结果表明，所提出的方法在多个数据集上平均F1值从69提升至79，为中文多标签文本分类任务提供新的解决方案。
在光网络处理速率需求持续提升与多通道混合型业务场景广泛应用的背景下，为解决光网络多通道输入数据前向纠错(FEC)处理场景中存在的数据拥塞和资源冗余问题，本文面向硬件架构优化，提出一种基于Reed-Solomon码结构特点的多层次架构。该架构整合高速轮询调度算法、多通道少量中间变量独立动态缓存机制与Ri BM算法结构流水化，实现动态资源分配与模块高效复用，构建编译码全链路优化的低延时前向纠错系统。通过现场可编程逻辑门阵列(FPGA)的仿真综合验证表明，在16通道混合业务数据并行传输条件下，系统的FEC处理延时<0.864μs，较传统单通道编解码复用处理架构实现50%的时延压缩，同时逻辑资源消耗较全独立链路编译码方案减少90%，显著提高前向纠错处理效率。
<正>2025年12月12日，“2026中国信通院八大研究领域深度观察专场报告会”在北京顺利举办。中国信息通信研究院(简称“中国信通院”)党委书记李冠宇出席会议并致辞，工业和信息化部信息通信科技委常务副主任兼秘书长韩夏、相关省通信管理局领导，以及产业界专家、企业代表等出席会议，中国信通院首席专家续合元主持会议。李冠宇表示中国信通院秉持“国家高端专业智库、产业创新发展平台”的定位，始终胸怀“两个大局”，牢记“国之大者”，紧密围绕国家赋予的使命任务和产业发展需求，持续把推进工业和信息化事业的发展需要体现到战略性、前瞻性、创新性的研究中，不断提高国家高端专业智库引领作用、增强产业科技创新推动效力，全力为制造强国、质量强国、网络强国、科技强国和数字中国建设贡献智慧力量。
<正>一、期刊简介《网络新媒体技术》期刊是经国家新闻出版总署批准，中国科学院主管，中国科学院声学研究所主办，依托国家网络新媒体工程技术研究中心公开发行的综合性中文学术期刊。本刊由中国科学院声学研究所主办的原《微计算机应用》更名而来。二、期刊宗旨《网络新媒体技术》致力于国内外高水平的网络新媒体技术及相关领域的交叉学科的学术、技术交流，推广网络新媒体技术的前沿创新成果，推动国内网络新媒体技术领域的产、学、研、用创新产业生态链环境的发展。其宗旨是“专注新媒体创新领域，倡导跨媒体融合理念，建立新媒体交流平台，推进产业链协作发展”。
