应用科学学报

中文目录

2026, 44(5): 0-0.

摘要 ( 14 )

PDF (79KB) ( 7 )

相关文章 | 多维度评价

融合大语言模型的区块链开源项目主题挖掘与演化分析

饶芮瑞, 朱莉, 颜嘉麒

2026, 44(5): 701-715. doi:10.3969/j.issn.0255-8297.2026.05.001

摘要 ( 20 )

PDF (3643KB) ( 9 )

参考文献 | 相关文章 | 多维度评价

本文基于2021—2024年GitHub区块链开源项目，提出融合大语言模型与BERTopic （bidirectional encoder representations for topic）模型的开源项目主题识别框架：依据大语言模型提示词工程对开源项目进行特定数据预处理与文本精炼，并通过词嵌入、降维UMAP（uniform manifold approximation and projection）以及基于层次密度的空间聚类算法（带噪声）构建BERTopic模型以实现区块链主题识别，然后采用结合“大语言模型主题表示和命名”以及“专家评判与优化”的方式生成区块链开源项目主题标签。在得到主题识别结果的基础上，构建“主题强度-技术影响力-再创活跃度”三维指标体系进行主题评价和技术主题演化特征分析。研究表明，区块链开源生态呈现出“基础巩固-应用扩展-智能融合”的演化路径。除了识别出围绕智能合约、去中心化金融、非同质化代币等方面展开的常见技术主题外，还发现“AI+区块链”相关技术主题正成为新的增长点。多维指标评估显示，开发者社区在追随技术和市场热点的同时，持续夯实安全基础与工具链建设。

LauHunter：一种快速高效的洗钱检测工具

郭丽, 张文杰, 潘恒, 陆思奇, 邢颖, 李坤阳, 张博伟, 斯雪明

2026, 44(5): 716-730. doi:10.3969/j.issn.0255-8297.2026.05.002

摘要 ( 9 )

PDF (954KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

区块链风险控制方法在面对以太坊网络庞大数据规模、标签信息稀疏性和高计算复杂度时，通常难以有效识别可疑账户和交易路径。针对该问题提出了一种新的以太坊洗钱检测工具LauHunter，结合反向聚类分析和行为模式细粒度判定，能够解决上述问题。实验结果表明，LauHunter在检测准确性和效率方面显著优于现有主流检测方法，尤其在应对复杂的资金流动路径方面表现出色，有助于监管机构追踪非法资金流动。

一种基于区块链的个性化联邦边缘学习保护框架

云健, 刘涛, 高新茹, 张海玉

2026, 44(5): 731-751. doi:10.3969/j.issn.0255-8297.2026.05.003

摘要 ( 7 )

PDF (1417KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

针对联邦学习在边缘场景下面临的资源约束、数据异构性及安全威胁等挑战，提出一种基于区块链的个性化联邦边缘学习保护框架。旨在通过去中心化共识机制、安全压缩与个性化微调协同作用，提升对恶意客户端及Non-IID数据的鲁棒性。通过构建安全压缩与个性化微调协同机制，实现本地模型适应能力增强、通信开销降低及聚合过程鲁棒性保障。在此基础上，设计了一种融合贡献与信任的双重激励机制，并基于Raft协议整合可验证随机函数，构建VRF-VGRaft共识算法，实现候选节点筛选、随机可验证的领导者选举及多方验证组构建。在FEMNIST和CIFAR10数据集上的仿真实验表明，相较于现有方法，该框架在处理Non-IID数据及恶意节点时，能显著提升联邦学习的安全性与效率。

基于深度强化学习的分片区块链节点多维评估和智能动态重构方案

孟令洋, 李鹏, 孙丽珺, 杜剑

2026, 44(5): 752-770. doi:10.3969/j.issn.0255-8297.2026.05.004

摘要 ( 14 )

PDF (2664KB) ( 6 )

参考文献 | 相关文章 | 多维度评价

区块链因吞吐量低、扩展性差，难以实现规模化落地应用。分片技术虽可借助并行处理优化性能，但传统分片方案存在重配置灵活性不足、节点评估维度单一的缺陷，无法兼顾系统吞吐量与安全性。为此，本文提出一种基于深度强化学习的分片区块链节点多维评估和智能动态重构方案，旨在实现分片重配置过程中吞吐量性能与系统安全性的动态平衡。首先设计一种多维评估方法，为节点构建更全面的动态画像，并对分片吞吐量与安全性展开量化分析；其次引入深度强化学习算法，根据系统状态识别响应网络条件的最佳分片策略，同时动态均衡节点分配，最终实现分片重配置的智能自适应调整。实验结果表明，相较于传统方案，本文方法能有效提高吞吐量，降低分片风险，实现吞吐量和安全性的长期动态平衡，为区块链在大规模场景下的应用提供了可行方案。

基于零知识证明的可信数据质量评估

李熙, 文斌, 王怡蓓

2026, 44(5): 771-786. doi:10.3969/j.issn.0255-8297.2026.05.005

摘要 ( 15 )

PDF (1702KB) ( 6 )

参考文献 | 相关文章 | 多维度评价

针对数据质量评估中常见的数据安全问题，如隐私泄露、评估结果被篡改，以及数据交易中缺乏可靠验证机制等，提出一种基于零知识证明的可信数据质量评估方法，通过zk-SNARK技术，数据提供方可在不公开原始数据的前提下，向验证方证明数据质量达标。同时引入Pedersen承诺机制，可保证数据内容的完整性，确保数据不可篡改；并将评估过程与结果上链存储，进一步提升系统整体的透明度与可信度。实验结果表明，所提方法可对多个数据集实现精准质量评估：在保护隐私的同时，能够通过零知识证明顺利完成验证；在Ethereum链上设计、部署智能合约后，系统运行稳定，Gas消耗减少，计算效率提升。该方法在确保数据质量评估可信性的同时，有效保护了用户隐私，适用于需要高隐私保护的数据交易、联邦学习和数据共享等场景。

基于RAW域的多曝光图像融合

舒勇, 沈礼权

2026, 44(5): 787-799. doi:10.3969/j.issn.0255-8297.2026.05.006

摘要 ( 11 )

PDF (1114KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

针对现有sRGB域多曝光图像融合方法在处理运动幅度较大场景时容易产生鬼影现象，融合出的高动态范围（high dynamic range,HDR）图像质量不佳、算法效率不高等问题，提出了一种基于多尺度对齐和融合的RAW域多曝光图像融合模型，可直接在RAW域进行多曝光图像融合。该模型设计了多尺度可形变对齐模块（multi-scale deformable alignmentmodule,MS-DAM），通过在多个尺度上对不同曝光的特征进行隐式对齐，实现了更加准确的对齐效果，显著减轻了鬼影现象；同时，为了更好地进行多曝光特征融合，设计了渐进式融合模块（progressive fusion module,PFM），该模块在多个尺度上进行多曝光特征融合，并预测相应尺度下的HDR图像，逐渐强化对后续融合有利的特征表达。考虑到RAW域多曝光融合数据集的缺乏，构建了一个RAW域多曝光图像融合基准数据集。实验结果表明，在RAW域进行多曝光图像融合，本文方法优于先前的多曝光图像融合方法。

基于三元组特征分布损失的GAN生成人脸反取证方法

尚雨婷, 范春年, 陈北京

2026, 44(5): 800-815. doi:10.3969/j.issn.0255-8297.2026.05.007

摘要 ( 7 )

PDF (5961KB) ( 2 )

参考文献 | 相关文章 | 多维度评价

针对现有生成对抗网络（generative adversarial network,GAN）生成人脸的反取证方法可转移性不强的问题，设计了三元组特征分布损失（triplet feature distribution loss,TriFDL），并据此提出一种基于TriFDL的GAN生成人脸反取证方法。该方法通过优化TriFDL训练反取证模型的扰动生成器，使扰动生成器输出的反取证人脸尽可能落入所有取证模型共同的真实人脸决策区域，从而实现对多个取证模型的欺骗并提升方法可转移性。此外，为了增强抵抗JPEG压缩的鲁棒性，在反取证模型训练过程中引入JPEG压缩模拟模块。在基于StyleGAN生成的人脸数据集上进行的实验表明，与7种已有方法相比，所提方法对黑盒模型的平均攻击效果最优，受JPEG压缩影响最小，这表明提出方法具有较强的可转移性和鲁棒性。

基于同态加密和哈希的用户位置隐私的安全查询

黄芯怡, 乐燕芬

2026, 44(5): 816-826. doi:10.3969/j.issn.0255-8297.2026.05.008

摘要 ( 10 )

PDF (658KB) ( 6 )

参考文献 | 相关文章 | 多维度评价

随着基于位置的服务应用不断激增，室内定位已成为位置服务的重要基础技术之一。当用户向服务提供商请求定位服务时，如何保护用户的位置隐私是一些应用需面对的重要问题。针对一些只允许特定人员进入的场景以及服务提供商需要在匿名状态下对特定区域进行用户访问统计的问题，本文提出了一种改进的空间布隆过滤器结合Paillier加密算法的三方协议，实现对特定区域访问用户安全、高效的匿名统计。协议中，服务提供商利用多个哈希函数生成各特定区域的布隆过滤器，经加密后送往云服务器；利用加密同态特性，云服务器完成用户位置和特定区域的布隆过滤器的匹配运算，最终由服务提供商解密后完成对访问用户的安全统计。理论分析和实验结果表明，相较于现有的安全查询方案，本文所提的三方协议具有更低的误判率，可降低计算与通信开销。

基于注意力增强的卷积框架在阿尔茨海默症分类中的应用

张括, 胡众义

2026, 44(5): 827-837. doi:10.3969/j.issn.0255-8297.2026.05.009

摘要 ( 10 )

PDF (3156KB) ( 4 )

参考文献 | 相关文章 | 多维度评价

阿尔茨海默症（Alzheimer’s disease,AD）的辅助诊断作为脑科学领域的重要研究课题，一直受到广泛关注。本文提出了一种新颖的深度学习模型AttentionConvFusion（ACF），通过引入自注意力机制对卷积核的权重进行动态优化，使其能够更加有效地捕捉神经影像中的关键特征。实验结果表明，ACF模型在不同的阿尔茨海默症分类任务中展现了令人满意的性能。在对阿尔茨海默症与正常认知的分类任务中，ACF模型达到了81.5%的准确率；在阿尔茨海默症与轻度认知障碍的分类任务中，该模型达到了80.1%的准确率；在多分类任务中，该模型达到了77.8%的准确率。结果表明，本文提出的ACF在阿尔茨海默症的诊断与分类中具有显著优势。

面向载体选择隐写的训练样本优化隐写分析方法

曹海腾, 王子驰, 张新鹏

2026, 44(5): 838-845. doi:10.3969/j.issn.0255-8297.2026.05.010

摘要 ( 8 )

PDF (1100KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

针对载体选择隐写对传统隐写分析方法构成的挑战，提出一种基于训练样本优化的隐写分析改进方法。传统基于手工设计特征的隐写分析，在训练阶段通常采用成对的干净-含密图像对训练集成分类器。针对隐写者在载体选择隐写中会刻意筛选适配图像进行隐写的场景特性，本文对训练样本构造方式进行优化：将传统成对样本替换为互不相交的干净图像子集与含密图像子集，使训练数据更贴合实际隐写场景，从而训练出对载体选择行为更敏感的集成分类器。实验结果表明，该方法能有效提升对载体选择隐写的检测准确率。

结合超图与高低频注意力的长尾感知兴趣点推荐

胡君寅, 卢菁

2026, 44(5): 846-860. doi:10.3969/j.issn.0255-8297.2026.05.011

摘要 ( 12 )

PDF (808KB) ( 5 )

参考文献 | 相关文章 | 多维度评价

本文提出了一种结合全局频率超图网络与多跨度高低频注意力机制的长尾感知兴趣点（point of interest,POI）推荐方法。首先，构建全局频率超图网络，对头部和尾部POI的后续轨迹分别进行建模，挖掘跨会话的高阶频率信号，捕捉复杂的交互特征。然后，利用多时间跨度高低频注意力机制，捕捉隐藏序列内部的高低频特征。最后，引入长尾增强模块，通过自适应边删除和增强图构建，提高尾部POI的传播能力。在多个真实数据集上的实验结果表明，本文方法优于现有的基线模型，特别是在长尾POI推荐任务上表现出显著的优势。

一种面向簇分布异构的一次通信联邦聚类方法

马小锋, 张诚, 史汶泽, 陆林

2026, 44(5): 861-874. doi:10.3969/j.issn.0255-8297.2026.05.012

摘要 ( 11 )

PDF (1462KB) ( 8 )

参考文献 | 相关文章 | 多维度评价

联邦聚类在非独立同分布场景下易受数据异构性影响，难以保持模型性能的鲁棒性。传统多轮迭代聚类方法通信开销大、隐私风险高，难以适用于资源受限环境。为此，本文提出一种面向簇分布异构的一次通信联邦聚类方法：联邦贝叶斯加权聚类（federatedBayesian weighted clustering,FedBWC）。该方法在客户端采用贝叶斯高斯混合模型对本地数据进行变分推断，自适应识别有效簇并提取聚类中心及置信度权重；在服务器端，仅需单轮通信执行加权K均值聚合，利用动态权重分配提升全局中心的代表性。基于6个基准数据集（Thyroid、Balance Scale、Digits、Waveform、USPS、PenDigits）的系统实验表明，在强异构场景（Dirichlet参数为0.3）下，FedBWC相较于对比方法在V-measure、ARI和AMI上平均提升分别为21.6%、28.7%和22.6%，在中度异构场景（Dirichlet参数为0.5）下亦保持超5%的性能优势，整体表现显著优于现有方法，为复杂异构环境下的联邦聚类提供了高效且鲁棒的解决方案。

当期目录