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
远程直接内存访问(RDMA)已经成为数据中心网络(DCN)跨节点高性能数据传输的关键技术。但是，现有的RDMA传输协议，如基于融合以太网的RDMA版本2(RDMA over Converged Ethernet version 2,RoCEv2),仅支持顺序数据包处理。为进一步提高数据传输的灵活性，支持多路径传输与选择性重传，如何使RDMA网卡处理乱序数据包成为当下的研究热点。本文总结了RDMA乱序数据包的产生原因与处理方法，同时对涉及的相关技术如数据包排序、乱序数据包直写、位图管理、丢包检测、跨工作队列元素(WQE)的内存一致性、路径选择等进行了介绍。
随着社交媒体的快速发展，信息传播速度大幅提高，网络谣言的扩散问题日益严重，给社会秩序和公共安全带来极大挑战。传统的人工和基于机器学习的谣言检测方法，虽然取得了一定进展，但在处理大规模数据和复杂传播模式时存在效率低、特征依赖强等问题。近年来，深度学习特别是大语言模型(LLMs)的应用为谣言检测提供了新的思路。本文探讨当前谣言检测的传统方法和深度学习技术的应用，分析不同技术的优缺点，并提出结合大语言模型和社交媒体传播特征的新型谣言检测模型，提高检测的准确性和效率。通过对不同类型谣言的分类和传播路径的深入分析，旨在为公共安全和社会治理提供更有效的工具，促进网络信息环境的治理与安全保障。
滚动轴承在实际运行时，出现故障时间段通常较短，所以采集到的轴承故障振动数据较少，导致轴承正常振动信号的数量远多于故障振动信号，造成数据集的严重不平衡，这显著降低深度学习网络模型的泛化性能和识别准确性。针对该问题，本文提出一种自动生成故障轴承数据的方法，并结合SEMobileNetV2轻量化卷积神经网络，改善由于数据的不平衡性导致的网络性能损失，提高故障轴承诊断的识别率，采用梯度惩罚生成对抗网络，使用改进的SEMobileNetV2轻量化卷积神经网络进行故障分类。多种实验表明，本文采用的WGAN-GP生成对抗网络能够生成与真实数据高度相似的样本。将平衡与不平衡数据集样本分别输入至改进前后的MobileNetV2网络中进行训练。改进网络前，在CRWU和XJTU平衡数据集上得到的平均测试准确率分别为97.84%和98.04%,均高于不平衡数据集上的89.6%与76.70%;改进网络后，在CRWU和XJTU平衡数据集上得到的平均测试准确率分别为98.72%和99.80%,均高于不平衡数据集上的91.60%与87.40%。通过4组实验对比，说明本文所提方法能够有效扩充真实样本集，并提高轴承故障诊断的识别准确率。
在宽带声源距离估计任务中，训练阶段通常依赖于理想化的模拟数据，而测试阶段面对复杂多变的实际环境，从而导致神经网络模型性能因环境失配而显著下降。为缓解这一问题，本文提出一种基于注意力机制的特征自适应方法，通过引入少量在特定真实环境中采集的实验数据作为自适应数据，对仿真训练数据提取的特征进行加权调整。本文提出3种特征加权策略：基于特征值的加权、基于功率谱的加权以及基于注意力加权神经网络的加权。为验证所提方法的有效性，在真实采集的实验水声数据集上进行了评估。相较于传统的匹配场处理方法和深度迁移学习方法，所提出的特征自适应方法具有更优的定位精度和更强的鲁棒性。
移动用户的位置变化会导致网络地址的变更，因此需要切换有线网络侧的数据路径，以保持服务的连续性，并保障低时延应用的需求。然而，在大规模移动用户场景下，多个用户会同时发生移动。由于网络节点的处理能力有限，多个移动数据流须依次切换路径。不合理的切换顺序会导致已切换和未切换的数据流在共享链路上叠加，进而引发链路超载和网络拥塞，影响网络的可靠性和切换的即时性，不适用于智能驾驶等对可靠性和延迟要求极高的场景。本文提出一种基于最小化最大带宽利用率的路径切换顺序优化方法。该方法通过合理规划多个移动数据流的切换顺序，减少共享链路竞争，降低拥塞风险。实验结果表明，相较于随机切换顺序和基于带宽需求的切换顺序，该方法能够有效减少路径切换中的链路拥塞风险，为大规模移动性管理提供一种可行的优化方案。
随着图像篡改技术的不断提高，篡改者能够轻松生成高质量的篡改图像，使得人眼难以准确分辨出图像的真伪。因此，有效检测出图像篡改区域具有重要意义。本文提出一种基于VMamba模型及金字塔特征融合的双分支图像篡改检测网络。该网络由RGB分支和频域分支组成，对输入RGB图像和其小波变换频域特征分别采用VMamba模型进行多尺度特征提取，捕捉相应篡改特征，以定位伪造区域的边界和细节；然后通过双向金字塔多尺度特征融合模块对特征进行融合，特征信息双向传递使得能够在更深层次上获取高层次语义信息，同时保持细节；最后采用紧凑双线性池化对双分支特征进行进一步融合，通过分割器输出预测结果，实现图像篡改检测。在相关数据集上进行训练与测试，实验结果表明，相比其他方法，本文提出的检测网络其检测精度具有显著优势。
车辆智能技术需要对人脸和车牌等个人隐私数据做严格的脱敏处理。然而在车辆行驶过程中，成像角度、光照条件、目标尺寸、遮挡条件等影响敏感信息定位的因素时刻都在变化，给脱敏任务带来巨大的挑战。面对这一难题，提出一种基于高阶驾驶辅助系统(ADAS)感知信息的高精度脱敏增强方法。首先，在现有的脱敏pipeline中引入车辆ADAS感知信息目标检测的结果，该结果是ADAS模块根据多模态输入数据计算得到的，所以其精度远高于仅基于图像数据输入的结果。然后，构建一个可见性判决模型，该模型可以综合各种影响因素对目标敏感区域的可见性做出最终的判断。最后，将经过ADAS目标检测模块及可见性判决模块双重确认的目标感兴趣区域(ROI)信息提供给敏感区域定位模块，从而实现高精度的目标脱敏。真实场景测试表明，本文提出的增强方法将人脸目标和车牌目标的检出率分别提升12%、10%,将人脸目标和车牌目标的误检率分别降低4%、6%,具有重要的工程应用价值。
针对电力通信网中广泛使用的同步数字体系(SDH)设备，管理网通常采用数字通信通道(DCC)组网，最大带宽只有768 kbit/s,网管数据传输缓慢无法满足逐步扩大规模的电力通信网需求的问题，本文提出一种基于ETPPP提升管理网带宽的方案。该方案在承载的网管信息速率达到DCC通道设计上限的90%时，封装在以太网帧中的网管数据将会传输至2M-ETPPP接口，然后利用ETPPP提取出网管信息，将其复用映射至同步传送模块STM-N帧净荷中，从光口传输至相邻网元，组建一个2.048 Mbit/s带宽的管理网。与DCC网络方案相比，此方案可在不增加以太网盘等硬件资源投入的情况下，将SDH网管系统的带宽提升为DCC组网方案的2.6倍以上。
<正>2025年6月18日,在2025上海世界移动通信大会(MWC上海2025)期间,由中国信息通信研究院(简称“中国信通院”)主办的“智能IP广域网(AI WAN)产业论坛”举行。论坛以“拥抱AI,激发网络新质生产力”为主题,来自国内外基础电信企业、电信制造企业、行业单位、科研机构的200余名嘉宾参与了论坛。参会嘉宾从网络建设、技术创新、应用实践等多个维度展开交流,分享前沿技术、共话生态建设、共谋产业创新。
<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”。
