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
信息中心网络(ICN)作为一种面向内容分发的新型网络架构，改变了内容检索和路由的方式。它直接对内容进行命名和寻址，并为网络节点配备了自决策计算、缓存和响应请求等能力，因而丰富了网络节点的功能。ICN的这些新特性和功能为网络传输控制技术研究提供了新的解决思路。同时，ICN的传输复杂度更高，且对传输控制有新的需求，从而对传输控制技术研究带来了新的挑战。本文对ICN的传输控制技术进行综述，在简要介绍传统TCP/IP网络的传输控制技术的基础上，从传输路径控制、传输速率控制和网内缓存控制等方面对ICN传输控制技术及其研究进展进行了梳理和分析，并对ICN传输控制技术的未来研究方向进行了展望。
图像超分辨率重建作为图像质量增强研究领域的基本任务之一，具有很高的研究和应用价值。生成对抗网络可以有效提高超分辨率重建图像的纹理细节信息，在该领域得到了广泛应用。然而，仅仅依靠从输入的低分辨率图像中学习的特征信息，难以重建出高质量的超分辨率图像。针对该问题，本文提出一种基于潜在辅助特征的图像超分辨率重建算法，引入一个可训练的潜在特征来扩大生成器的特征空间，为重建图像提供辅助的特征信息，提高重建效果。同时还利用输入图像特征来对潜在辅助特征的生成进行约束指导，避免特征空间差异性大，导致重建图像保真度低。本文所提方法在7个公开数据集上与7种方法进行了对比实验。实验结果表明，本文方法所重建的超分图像纹理细节信息更丰富，视觉效果更好。
在信息中心网络(ICN)中采用多路径通信可以提高网络的带宽利用率和数据传输的可靠性，而保障ICN多路径传输性能的一个关键因素是有效地调度可用网络路径上的流量。但不同的路径具有不同的链路状态，而且这些路径的链路状态会因流量波动而快速变化。因此，本文提出了一种基于哈希边界的ICN多路径数据调度方案，以在较小的时间尺度上实现高效的路径权重分布更新和精确的流量分割。该方案通过将哈希边界与每条路径相关联来实现流量的不均匀分割，并降低了路径权重分布更新的开销。实验结果表明，在路径链路状态动态变化的场景下，与ECMP等多路径数据调度方案相比，所提方案的数据块平均传输完成时间缩短12%以上。
伪装目标检测任务中目标和所处环境具有极大的相似性，只通过简单的特征提取容易使得重要信息丢失，此外，直接聚合不同层特征会引入噪声，导致预测不准确。针对这些问题，本文提出一种基于多尺度渐进式特征融合的伪装目标检测网络。该网络采用金字塔视觉Transformer作为骨干网络提取多尺度特征，利用可变形注意力对提取的多尺度特征增强，以突出伪装目标的边界；然后通过渐进式特征融合模块递增式融合相邻层特征，积累难以分辨但有效的信息，避免非相邻层之间较大语义差距；在融合过程中引入自适应空间融合操作，以减少在同一空间位置发生信息冲突问题；最终输出预测结果，实现伪装目标检测。模型在COD10K和CAMO组成的训练集上进行训练，实验结果表明本文方法与其他方法相比具有较明显优势。
软件定义网络(SDN)通过将控制平面与数据平面分离，实现了网络的可编程性，改变了网络管理的模式。然而，随着SDN网络规模的不断扩大，其可扩展性问题逐渐显现。针对这一问题，多控制器架构成为提升SDN可扩展性的主流策略。在多控制器架构中，数据流的跨域路由问题对网络的可扩展性产生了影响。随着网络规模的增大，跨域路由计算的时间复杂度呈非线性增长，导致跨域路由计算的收敛时间也随着增加，带来可扩展性问题。为了应对大规模SDN网络的挑战，基于ONOS控制器，完成了层次式SDN多控制器方案的设计与开发。在此基础上，提出一种层次式网络抽象方法，复用OpenFlow南向协议实现层次控制器间的消息同步与业务协作。该方法对多域网络中的每个域网络拓扑进行抽象，以降低跨域路由计算的复杂度，进一步降低跨域路由计算的收敛时间，以提升可扩展性。在实验验证阶段，我们从2个维度创建不同规模的SDN数据面仿真网络，并对比测试了集中式路由与使用网络抽象方法的层次式路由的跨域路由计算时长。实验结果表明，随着多域网络规模的扩大，与集中式跨域路由相比，层次式跨域路由的效率显著提升。当网络规模为20×20时，使用本文提出的网络抽象方法使跨域路由计算效率提升约40倍。这一结果为大规模SDN网络的有效管理提供了新的策略和方法。
阵列形态作为阵列信号处理的基础参数，其准确度严重影响阵列信号处理算法的增益和性能。针对柔性声基阵的阵形畸变问题，提出一种基于吉布斯采样的方位自聚焦阵形校正方法。该方法建立噪声源目标的阵列接收模型，以阵列互相关函数、阵列协方差函数为基础的联合似然，通过吉布斯采样循环迭代方式，实现对阵列形态的实时估计。最后结合非声传感器提供的阵列航向信息，对阵列形态进行旋转匹配，获得阵列校正后的各阵元相对位置输出。仿真结果证明，通过该方法阵形校正后能够获得相对准确的阵元相对位置，具有较好的研究和参考意义。
电力系统的智能化检测已经成为现代工业生产的重要保障，而其中对日常巡检中采集的红外图像进行电力设备区域分割是电力故障诊断过程中的重要环节。然而，当前基于深度学习的电力设备红外图像分割方法需要大量人工标注的样本，像素级的人工标注费时费力。为此，利用可见光图像数据集中预训练得到的大模型所具有的泛化性优势，将图像分割大模型—分割任意模型(SAM)应用于红外图像的电力设备交互式分割，利用少量的用户点击输入，快速得到准确的电力设备分割结果。在本文构建的电力场景红外图像数据集中，利用模拟的用户点击对模型性能进行了评估。实验表明，本文的方法在无需额外训练的情况下能够精准地实现电力设备的交互式分割。本文的方法能够有效地帮助工作人员提高对电力设备图像的标注效率，快速构建大规模红外图像数据集，促进红外图像分割模型及故障诊断模型的训练，助力电力系统检测智能化水平的提升。
拥塞控制技术是数据中心网络中实现超低延迟、高带宽和网络稳定的关键。现有的拥塞控制技术难以同时兼顾低延迟、高带宽和网络稳定。因此，提出一种基于网络感知的拥塞控制机制，利用网络带内遥测技术获取精确的链路负载信息，精确控制流量。通过解决拥塞期间的延迟信息和对信息的过度反应等问题，实现快速收敛以利用空闲带宽，避免拥塞。测试结果表明在小型数据中心网络中，采用本文设计的拥塞控制机制与dcqcn算法进行比较，当流量较小时，在前99%流量的情况下流放缓比的值前者仅为后者的10%左右。
<正>2024年将是迎接网络安全新挑战的一年。随着经济和政治领域数字化发展,企业将越来越多地利用人工智能、机器学习(AI/ML)、云等新型技术。虽然这些创新为企事业单位发展及运营提供了帮助,提高了效率,但它们同时也为攻击者提供了机会。
<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”。
