Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2019 Vol.20 No.6 P.751-884

<<< CONTENTS >>>

Research Articles

A novel gradient climbing control for seeking the best communication point for data collection from a seabed platform using a single unmanned surface vehicle

Jiu-cai Jin, Jie Zhang, Zhi-chao Lv

DOI: 10.1631/FITEE.1700732 Downloaded: 1685 Clicked: 5317 Cited: 0 Commented: 0(p.751-759) <Full Text>

Chinese summary <26> 一(yī)種用于尋找無人船回收海床基數據最佳通信點的梯度上升控制法

摘要：給出了一(yī)種在無人船聲學回收海床基數據時尋找最佳通信點的控制方法。衆所周知(zhī)，梯度上升極值尋找法常應用于多平台或多智能體(tǐ)，這是因爲多平台能大(dà)範圍測量且易于梯度估計。單一(yī)平台測量範圍有限，不能快速估計測量場，難以迅速獲得測量場極值。本文提出一(yī)種無人船振蕩運動形式，以獲取海床基與無人船間水聲通信鏈路強度數據。基于多元加權線性遞歸法，利用無人船振蕩運動獲取的新數據，不斷更新水聲通信鏈路強度場。基于梯度上升和人工(gōng)勢場方法，考慮未知(zhī)場的遞歸估計，設計無人船最佳通信點控制器，并證明其穩定性。仿真結果表明該算法可靠、高效。

關鍵詞組：無人船；數據回收；水聲通信；梯度上升；極值尋找

Message delay time distribution analysis for controller area network under errors

Lei-ming ZHANG, Yi-chao SUN, Yong LEI, Lei-ming Zhang, Yi-chao Sun, Yong Lei, Lei-ming Zhang, Yi-chao Sun, Yong Lei

DOI: 10.1631/FITEE.1700815 Downloaded: 2067 Clicked: 5857 Cited: 0 Commented: 0(p.760-772) <Full Text> <PPT> 1474

Chinese summary <21> 控制器局域網在錯誤狀态下(xià)的報文延時分(fēn)布研究

摘要：控制器局域網（CAN）是一(yī)種廣泛應用于各類工(gōng)業場景的現場總線協議。爲深入理解錯誤發生(shēng)時的網絡行爲并優化網絡控制系統設計，需分(fēn)析CAN網絡報文響應時間。本文在考慮錯誤的基礎上，提出一(yī)種新穎的CAN網絡報文延時分(fēn)布分(fēn)析方法，将複雜(zá)報文序列分(fēn)解爲典型報文模式和情形。首先開(kāi)發随機故障模型并定義概率因子計算錯誤的分(fēn)布形式，其次基于錯誤分(fēn)布分(fēn)析單個子節點布局下(xià)報文的延時分(fēn)布。然後基于典型報文模式和情形的延時分(fēn)布，開(kāi)發多子節點布局下(xià)報文延時分(fēn)布的分(fēn)析框架。最後搭建實驗平台，在不同網絡設置下(xià)進行多組實驗，展示和驗證該方法。結果表明該方法計算出的報文延時分(fēn)布與實際觀測值一(yī)緻。

關鍵詞組：控制器局域網；報文延時；概率分(fēn)布；錯誤

Generic attribute revocation systems for attribute-based encryption in cloud storage

Genlang Chen, Zhiqian Xu, Jia-jian Zhang, Guo-jun Wang, Hai Jiang, Miao-qing Huang

DOI: 10.1631/FITEE.1800512 Downloaded: 1796 Clicked: 5518 Cited: 0 Commented: 0(p.773-786) <Full Text> <PPT> 1544

Chinese summary <23> 雲存儲中(zhōng)基于屬性加密的通用型屬性撤銷系統

摘要：在雲存儲由第三方服務商(shāng)提供的今天，基于屬性的加密（ABE）技術是解決數據保護和訪問控制問題的首選。雖然ABE可在每個數據項級别控制數據訪問，但在動态屬性撤銷方面依然有實際應用的局限性。本文提出一(yī)種具有用戶隐私保護的ABE通用屬性撤銷系統。該系統基于ABE技術，可用于原本基于ABE加密的應用場景，并可通過動态撤銷應用系統中(zhōng)任意數量的屬性，實現對數據的訪問控制和安全保護。

關鍵詞組：基于屬性的加密；通用型屬性撤銷；用戶隐私；雲存儲；訪問控制

A secure data sharing scheme with cheating detection based on Chaum-Pedersen protocol for cloud storage

Xin Wang, Bo Yang, Zhe Xia, Hong-xia Hou

DOI: 10.1631/FITEE.1800066 Downloaded: 1933 Clicked: 6996 Cited: 0 Commented: 0(p.787-800) <Full Text> <PPT> 1639

Chinese summary <24> 一(yī)種基于Chaum-Pedersen協議的欺騙可檢測雲存儲數據共享協議

摘要：随着雲計算技術的發展，數據可外(wài)包給雲，方便用戶共享。然而，用戶常常擔心其數據在雲端的可靠性和完整性。因此，在雲端提供安全的數據共享服務至關重要。本文将門限秘密共享技術和Chaum-Pedersen零知(zhī)識證明相結合，提出一(yī)種可靠、安全的雲數據共享方案。該方案不僅有效、靈活、語義安全，還能有效識别行爲不誠實的欺騙者身份，确保合法用戶解密密鑰的安全。相比而言，該方案計算性能較好，尤其适合雲端用戶醫療保險數據保護。

關鍵詞組：數據分(fēn)享；Chaum-Pedersen證明；欺騙可檢測；雲儲存

Malware homology identification based on a gene perspective

Bing-lin Zhao, Zheng Shan, Fu-dong Liu, Bo Zhao, Yi-hang Chen, Wen-jie Sun

DOI: 10.1631/FITEE.1800523 Downloaded: 1977 Clicked: 5373 Cited: 0 Commented: 0(p.801-815) <Full Text>

Chinese summary <21> 基于基因視角的惡意代碼同源性判定

摘要：惡意代碼同源性判定對攻擊事件溯源、應急響應方案處置以及事件發展趨勢預測有重要作用。目前，惡意代碼同源性判定以人工(gōng)分(fēn)析爲主，效率較低，對安全事件的爆發無法快速響應。因此，提出一(yī)種新的從基因視角分(fēn)析的惡意代碼同源性判定方法。惡意代碼基因由表示家族同源性的子圖組成。通過篩選關鍵應用程序接口和利用社團劃分(fēn)算法，從函數依賴圖中(zhōng)提取關鍵子圖作爲惡意代碼基因。然後，設計一(yī)種頻(pín)繁子圖挖掘算法發現惡意代碼家族的共有基因，并對基因編碼。最後，利用家族共有基因指導惡意代碼同源性判定。對公開(kāi)數據集的分(fēn)類和實驗結果表明，分(fēn)類準确率達97%，且效率較高。

關鍵詞組：惡意代碼分(fēn)類；基因視角；函數依賴圖；同源性分(fēn)析

An artificial intelligence based method for evaluating power grid node importance using network embedding and support vector regression

Hui-fang Wang, Chen-yu Zhang, Dong-yang Lin, Ben-teng He

DOI: 10.1631/FITEE.1800146 Downloaded: 2069 Clicked: 6039 Cited: 0 Commented: 0(p.816-828) <Full Text> <PPT> 1616

Chinese summary <20> 用于電網節點重要度評估的一(yī)種基于網絡嵌入和支持向量回歸的人工(gōng)智能方法

摘要：重要節點識别對電網安全意義重大(dà)。但電網在規模、結構等方面差異較大(dà)，評價指标難以涵蓋電網不同狀态下(xià)所有信息，因此基于指标構建的傳統評估方法，其效果視情況而定，通用性不足。由此，本文提出基于人工(gōng)智能的電網節點重要度評估法。首先利用網絡嵌入，提出綜合考慮電網結構與電氣量的電網節點特征選擇法。然後對具體(tǐ)電網，進行各類運行方式下(xià)的穩态與節點故障暫态仿真，構建能反映節點特征與節點重要度内在關系的樣本集。最後，根據優化後的樣本集訓練支持向量回歸模型，模型成熟後可用于電網節點重要度在線評估。結果表明，本方法能根據從樣本中(zhōng)學到的信息有效評估電網節點重要度。相比傳統指标構建法，本方法規避了片面性和主觀性。此外(wài)，基于該人工(gōng)智能框架，本方法可針對每個具體(tǐ)電網建立特定樣本集，具有通用性。

關鍵詞組：電網；人工(gōng)智能；節點重要度；TADW法；網絡嵌入；支持向量回歸

An online error calibration method for spaceflight TT&C systems based on LEO-ground DDGPS

Qiao Wang, Xiao-Jun Jin, Wei Zhang, Shi-Ming Mo, Zhao-Bin Xu, Zhong-He Jin

DOI: 10.1631/FITEE.1800308 Downloaded: 2126 Clicked: 5695 Cited: 0 Commented: 0(p.829-841) <Full Text> <PPT> 1500

Chinese summary <21> 基于星地差分(fēn)GPS的航天測控系統在線誤差标校方法研究

摘要：爲克服傳統誤差标校方法的缺點，提出一(yī)種基于星地差分(fēn)GPS的航天測控系統在線誤差标校方法。該方法采用固定區間平滑算法，平滑前向、後向抗差自适應卡爾曼濾波結果，同時基于蟻群最優化算法固定星地差分(fēn)GPS載波相位模糊度，以獲取高精度星地基線測量結果。将該結果作爲航天測控系統比較标準，并用最小(xiǎo)二乘批處理算法求解測距誤差模型。利用Spirent導航信号模拟器和自主研制的星載GPS雙頻(pín)接收機，構建半實物(wù)仿真平台對該誤差标校方法進行仿真驗證。結果表明，固定區間平滑算法平滑後，星地基線解算精度（RMS，單軸）優于10 cm。測距系統誤差标定後，殘差優于5 cm。

關鍵詞組：航天測控系統；低軌衛星；濾波；優化算法；标校

Taylor expansion MUSIC method for joint DOD and DOA estimation in a bistatic MIMO array

Wen-tao Shi, Qun-fei Zhang, Cheng-bing He, Jing Han

DOI: 10.1631/FITEE.1700657 Downloaded: 2135 Clicked: 6039 Cited: 0 Commented: 0(p.842-848) <Full Text> <PPT> 1463

Chinese summary <21> 基于泰勒展開(kāi)MUSIC的雙基地MIMO陣列DOD與DOA聯合估計方法

摘要：提出一(yī)種基于泰勒展開(kāi)多信号分(fēn)類（TE-MUSIC）的雙基地多輸入多輸出（MIMO）陣列發射角（DOD）與接收角（DOA）聯合估計法。首先通過泰勒展開(kāi)陣列流型矢量，将MIMO陣列MUSIC方法中(zhōng)的二維搜索降爲一(yī)維。然後通過拉格朗日算子，經一(yī)維搜索估計目标接收角，并代入MIMO MUSIC空間譜，獲得目标的發射角。因此目标的發射角和接收角可自動配對。該方法既減少MIMO MUSIC計算量，又(yòu)保持方位估計性能。仿真分(fēn)析證明其性能優于MIMOESPRIT法。

關鍵詞組：雙基地MIMO陣列；發射角；接收角；MUSIC方法；泰勒展開(kāi)；計算量

Detecting interaction/complexity within crowd movements using braid entropy

Murat Akpulat, Murat Ekİncİ

DOI: 10.1631/FITEE.1800313 Downloaded: 1825 Clicked: 5234 Cited: 0 Commented: 0(p.849-861) <Full Text> <PPT> 1470

Chinese summary <19> 利用編織熵探測人群運動的相互作用/複雜(zá)程度

摘要：在群體(tǐ)分(fēn)析領域中(zhōng)，圖像運動與非運動區域分(fēn)割對理解大(dà)衆行爲至關重要。在許多研究中(zhōng)，相似的運動可根據位置、彼此鄰接、方向及平均速度分(fēn)割。然而，這樣的分(fēn)割不可能反過來表明各自區域内相同行爲類型。本文目的是通過局部測量分(fēn)割片段内的相互作用/複雜(zá)程度，更好地理解大(dà)衆行爲。爲此，圖像中(zhōng)運動的流動主要由一(yī)系列軌迹表達，且圖像被分(fēn)割爲諸多六邊形單元。根據各單元不同投影角度，可計算出有限時間編織熵（FTBE）值。該值取決于運動軌迹螺旋形結構的複雜(zá)性，并展示了行人間相互作用程度。本文将分(fēn)割片段内所确定的不同複雜(zá)度的行爲視作整體(tǐ)上的相似運動，測試了49個來自UCF和CUHK數據庫的不同視頻(pín)系列。

關鍵詞組：大(dà)衆行爲；運動分(fēn)割；運動熵；群體(tǐ)場景分(fēn)析；複雜(zá)度檢測；編織熵

De-scattering and edge-enhancement algorithms for underwater image restoration

Pan-wang Pan, Fei Yuan, En Cheng

DOI: 10.1631/FITEE.1700744 Downloaded: 3509 Clicked: 5933 Cited: 0 Commented: 0(p.862-871) <Full Text> <PPT> 1683

Chinese summary <20> 基于去(qù)散射與邊緣增強算法的水下(xià)圖像複原

摘要：對色差嚴重和邊緣模糊的水下(xià)圖像需進行複原。一(yī)般分(fēn)兩步：去(qù)散射和邊緣增強。首先，提出一(yī)種用于水下(xià)圖像去(qù)散射的多尺度叠代框架。利用卷積神經網絡估計傳輸圖，再用自适應雙邊濾波器改進傳輸圖估計結果。由于無可用數據集訓練網絡，收集包含2000個水下(xià)圖像的數據集以獲得合成數據。其次，采用白(bái)平衡算法消除水下(xià)圖像的色偏。最後将圖像轉換到特殊變換域，使用非下(xià)采樣輪廓波變換對邊緣去(qù)噪和增強。結果表明：該方法主、客觀質量均明顯優于現有方法。

關鍵詞組：圖像散射；邊緣增強；卷積神經網絡；非下(xià)采樣輪廓波變換

A network security entity recognition method based on feature template and CNN-BiLSTM-CRF

Ya Qin, Guo-wei Shen, Wen-bo Zhao, Yan-ping Chen, Miao Yu, Xin Jin

DOI: 10.1631/FITEE.1800520 Downloaded: 2045 Clicked: 6271 Cited: 0 Commented: 0(p.872-884) <Full Text> <PPT> 1570

Chinese summary <20> 一(yī)種基于特征模闆和CNN-BiLSTM-CRF的網絡安全實體(tǐ)識别方法

摘要：利用海量網絡安全威脅情報數據，構建網絡安全知(zhī)識圖譜實施深度關聯分(fēn)析和挖掘，可幫助識别安全威脅并提出相應防禦措施。這已成爲網絡安全領域研究熱點。本文針對網絡安全文本數據，研究實體(tǐ)識别算法，爲構建網絡安全知(zhī)識圖譜奠定基礎。傳統方法難以識别網絡安全領域的新實體(tǐ)、中(zhōng)英文混合安全實體(tǐ)等，且提取的特征不夠充分(fēn)。本文在神經網絡模型基礎上，提出基于特征模闆的CNN-BiLSTM-CRF網絡安全實體(tǐ)識别算法。首先構建人工(gōng)特征模闆，提取局部上下(xià)文特征。再利用CNN提取字符特征，與局部上下(xià)文特征結合，傳入BiLSTM模型提取語義特征。最後利用CRF對安全實體(tǐ)進行标注。結果表明，在大(dà)規模網絡安全數據集上，該方法優于其它算法，F值達到86%。

關鍵詞組：網絡安全知(zhī)識圖譜；網絡安全實體(tǐ)；特征模闆；實體(tǐ)識别；神經網絡