近年来，计算学部基础研究水平持续提高，高水平成果不断涌现。2024年，学部在中科院一区或CCF A类期刊/会议上发表论文数量达90篇；2025年截至目前，已发表高水平论文超过60篇。学部遴选了近两年部分青年教师发表的优秀论文进行专题介绍，一方面广泛宣传青年教师的优秀成果，鼓励青年教师继续深耕科研、追求卓越，另一方面也期望引导学部全体教师进一步聚焦国家重大需求和前沿科学问题，开展更高水平的创新研究。

论文1：J Si, Y Zhao, Y Zhu, H Zhu, W Lu, D Zhou. CHECKWHY: Causal Fact Verification via Argument Structure. In Proceedings of the Annual Meeting of the Association for Computational Linguistics, ACL, 15636-15650, 2024. 第一作者司加胜。

该研究工作关注了复杂网络环境中因果事件关系的事实核查机制，提出了因果事实验证数据集CHECKWHY和四种新型验证任务，旨在解决现有基准在验证因果声明时缺乏显示逻辑推理过程的难题。CHECKWHY通过为每个因果断言构建严谨的论证结构，将从证据到结论的多步推理路径进行形式化，从而将验证任务从简单的文本匹配提升至对深度逻辑关系的评估。该工作同时荣获ACL 2024杰出论文奖（Outstanding Paper Award）和高级领域主席奖（Senior Area Chair Award）, 为开发和评测模型“思考式”的因果推理能力提供了极具挑战性的基准。

ACL是自然语言处理（NLP）领域最重要的国际顶级会议，也是该领域历史最悠久、影响力最大、学术权威性最高的学术会议，为中国计算机学会（CCF）推荐的A类会议，主要关注自然语言处理、大语言模型等方向最新的研究进展和技术，在人工智能领域具有举足轻重的地位。

论文2：Y Qu, S Yu, L Gao, K Sood, Y Xiang. Blockchained Dual-Asynchronous Federated Learning Services for Digital Twin Empowered Edge-Cloud Continuum. IEEE Transactions on Services Computing, 17(3), 836-849, 2024. 第一作者曲悠扬。

该研究工作提出了一种适用于数字孪生驱动的边云协同场景的区块链双异步联邦学习服务模型（BAFL-DT），为构建可信、安全、高效的边缘智能即服务提供了新范式。该框架的创新之处在于首次实现了本地训练与全局聚合的双异步并行执行机制，并提出了定制化共识算法“PoFe（Proof-of-Federalism）”，显著提升了系统的收敛效率和鲁棒性。此外，还基于马尔可夫决策过程设计了异步聚合优化策略，使系统在保持隐私保护的同时实现了高准确率与低通信开销的优良平衡，使该框架在智能制造、车联网、电力系统等多种典型边云协同应用中具有良好推广价值。

IEEE TSC是中科院一区TOP期刊，中国计算机学会（CCF）推荐的A类期刊，主要关注云计算、边缘服务、分布式系统及AI驱动的服务计算等前沿领域。该期刊长期处于服务计算领域的国际领先地位，广受工业界与学术界高度关注。

论文3. Y Qu, Y Wan, W Ni, Y Xiang, L. Gao, E Hossain. Data and Model Poisoning Backdoor Attacks on Wireless Federated Learning, and the Defense Mechanisms: A Comprehensive Survey. IEEE Communications Surveys & Tutorials, 26(3), 1861-1897, 2024. 曲悠扬为共同第一作者。

该综述文章系统性梳理了无线联邦学习（Wireless Federated Learning, WFL）中的后门攻击与防御机制。论文首次从“数据投毒（data poisoning）”与“模型投毒（model poisoning）”双视角，结合攻击发生阶段（数据收集、本地训练、全局聚合），对现有攻击手段进行分类与比较，并深入分析了其强弱、隐蔽性与攻击代价等特征。同时，文章总结了针对不同阶段的防御机制，包括在本地训练前、中、后及聚合后的多类方法，揭示了当前防御手段在鲁棒性与通用性上的局限。该文不仅提出了性能评估指标（如 Backdoor Accuracy Rate、Main Task Accuracy Rate、攻击寿命等），还明确指出了未来研究挑战与发展方向，例如在无线环境下因信道特性而加剧的攻击风险，以及差分隐私、生成模型等新兴技术在防御中的潜力。

IEEE Communications Surveys & Tutorials 是通信领域国际顶级综述类期刊，中科院一区 TOP 期刊，最新影响因子高达46.7，长期被认为是通信与网络方向的重要风向标。该刊物主要发表前沿领域的系统性综述与趋势分析，影响力覆盖学术界与工业界。

论文4： H Cui, L Zhao, F Li, L Zhu, X Han, J Li. Effective Comparative Prototype Hashing for Unsupervised Domain Adaptation. Proceedings of the AAAI conference on artificial intelligence, 38(8), 8329-8337, 2024. 第一作者崔慧。

该研究工作提出了一种基于原型对比学习的域自适应哈希方法CPH，旨在解决大数据环境下跨域图像检索中模型泛化能力不足与迁移性能受限的问题。CPH在域共享的单位超球空间中实现特征表示学习、域对齐与哈希编码的联合优化，通过原型对比机制有效地减轻不同数据域之间的差异，从而推动了判别性哈希码的学习。该方法能够广泛应用于互联网图像搜索、跨平台内容审核、跨境电商商品检索等大规模检索场景，尤其适用于实际中数据标注匮乏、领域差异显著的业务环境，具有较高的工程转化和产业推广价值。

AAAI是人工智能领域最具影响力的国际顶级学术会议之一，被中国计算机学会（CCF）推荐为A类会议。该会议汇聚了全球人工智能领域的最新理论与技术进展，在促进跨学科研究和前沿技术交流方面发挥着核心作用。

论文5：H Hao, C Xu, W Zhang, S Yang, G.-M Muntean. Joint Task Offloading, Resource Allocation, and Trajectory Design for Multi-UAV Cooperative Edge Computing With Task Priority. IEEE Transactions on Mobile Computing, 23(9), 8649-8663, 2024. 第一作者郝昊。

该研究工作围绕多无人机协同的边缘计算系统中任务卸载问题，以系统长期平均性能最大化为目标，构建了无人机航迹设计、卸载决策、计算资源分配和通信资源管理的联合优化模型。针对该问题离散-连续的混合动作空间，通过嵌入表和编码器分别处理离散变量和连续变量，提出了一种面向混合动作空间的深度强化学习方法，提升了问题求解精度和速度，有效降低了服务时延。该研究为新一代无人机辅助边缘计算系统提供了重要的理论支撑与技术参考，具有显著的学术价值和应用前景。

IEEE TMC是中科研一区TOP期刊，中国计算机学会（CCF）推荐的A类期刊，主要关注移动网络通信、普适计算领域最新的研究进展和技术，是计算机网络领域的核心权威期刊。

论文6：X Tian, B Zhang, C Li, J Yu. Distributed Stable Multi-Source Dynamic Broadcasting for Wireless Multi-Hop Networks Under SINR-Based Adversarial Channel Jamming. IEEE/ACM Transactions on Networking, 32(6), 5356-5371, 2024. 第一作者田祥。

该研究工作提出了一种抗干扰、高吞吐、分布式的多源动态全局广播算法 JMDB，有效解决了多信道无线多跳网络在 SINR 对抗干扰模型下，多源连续注入流难以稳定、高效扩散的难题。JMDB将SINR模型、多信道与自适应恶意干扰统一建模，以“随机信道选择+重传”的JMSB为核心，通过两阶段迭代把静态高概率扩散嵌入动态时隙调度，实现低复杂度、高鲁棒的在线广播。仿真表明其在吞吐量、队列稳定性和端到端延迟上均显著优于现有基准。该成果可应用于应急通信、工业物联网、军事战术自组网等对高可靠、高吞吐全局广播有迫切需求的关键领域，为构建强抗毁、大容量的无线多跳骨干网络提供了核心算法支撑。

IEEE/ACM TON是由IEEE通讯学会（IEEE Communications Society）、IEEE计算机学会（IEEE Computer Society）以及ACM数据通讯特别兴趣小组（ACM SIGCOMM）联合出版的学术期刊，属于计算机网络领域最负盛名的期刊,是中国计算机学会（CCF）推荐A类期刊，旨在刊登计算机通讯网络领域前沿理论与应用相关研究。

论文7：C Wang, R Xu, S Xu, W Meng, R Wang, X Zhang. Exploring Intrinsic Discrimination and Consistency for Weakly Supervised Object Localization. IEEE Transactions on Image Processing, 33, 1045-1058, 2024. 第一作者王常维。

弱监督物体定位旨在仅根据图像类别标签监督的情况下训练模型能够精确地定位物体的位置坐标。该研究提出了一个基于内在一致性和鉴别性挖掘的弱监督目标定位算法，利用图像分类任务管线中的内在辨别力和一致性产生高质量的物体定位预测。首先，该研究开发了基于三元组度量的前景建模框架，利用内在判别行直接预测对象前景区域。基于类激活图的方法也依赖于内在辨别力，与之不同的是，该研究提出的框架通过协同优化前景和背景区域，缓解了模型只关注最具辨别力部分的问题。其次，该研究设计了双重几何变换一致性约束训练策略，通过利用内在的几何变换一致性，为弱监督物体识别引入额外的监督和正则化约束。所提出的像素级和对象级一致性约束损失可经济高效地为弱监督物体识别提供自发的廉价监督。广泛的实验表明，与现有最先进的方法相比，该研究提出的方法在多个基准上实现了最优的性能，在自动驾驶、智慧医疗低成本数据标注等领域具有广泛应用潜力。

IEEE TIP是中科院一区TOP期刊，也是中国计算机学会（CCF）推荐的A类国际学术期刊。该期刊长期关注计算机视觉领域的前沿研究和技术进展，在人工智能及相关学科中具有重要的学术影响力。

论文8：G Wang, J Yu, Y Zou, J Fan, Cheng. A new measure of fault-tolerance for network reliability: Double-structure connectivity. IEEE/ACM Transactions on Networking, 32(1), 874-889, 2024. 第一作者王桂娟。

该研究工作提出了一种新的网络容错性能度量指标——双结构连通度，有效提升了网络的抗结构攻击能力。双结构连通度通过评估攻击者的模块化攻击能力以及网络正常通信的结构特性，提升了网络复杂结构攻击下衡量容错性能的准确性，克服了传统连通度在衡量模块化攻击下网络鲁棒性时的局限性；同时，针对超立方体这一重要网络结构，研究了其在不同结构攻击下的双结构连通性，在给出精确理论值的同时设计了快速评估该网络在各种结构化攻击下容错能力的算法。该项工作在互连网络、数据中心网络以及算力网络的可靠性分析与容错设计中有很高的理论价值与应用潜力。

IEEE/ACM ToN是中国计算机学会（CCF）推荐的A类期刊，主要关注计算机网络、通信系统及网络优化领域最新的研究进展和技术，由IEEE和ACM联合出版,是网络技术领域的权威期刊。

论文9：G Wang, Y Zhang, J Yu, M Ma, C Hu, J Fan, Li Zhang. HS-DCell: A highly scalable DCell-based server-centric topology for data center networks. IEEE/ACM Transactions on Networking, 32(5), 3808-3823, 2024. 第一作者王桂娟。

该研究工作提出了一种高可扩展的、基于DCell的以服务器为中心的数据中心网络拓扑结构HS-DCell，有效提升了大规模数据中心网络的扩展性，降低了通信延迟。HS-DCell通过使用3端口服务器以递归方式构建，实现了网络直径随拓扑维度线性增长，解决了传统数据中心网络扩展时需增加服务器端口的问题；同时，提出了容错路由算法，确保了在高故障率环境下数据中心网络仍能保持高效通信的性能。该项工作在大规模数据中心网络以及算力网络的拓扑结构设计中具有很高的理论价值与应用潜力。   

IEEE/ACM ToN是中国计算机学会（CCF）推荐的A类期刊，主要关注计算机网络、通信系统及网络优化领域最新的研究进展和技术，由IEEE和ACM联合出版,是网络技术领域的权威期刊。

论文10：L Cui, F Wu, Y Qu, B Gu, L Gao, S Yu. RE4ETD: A Relative Entropy Optimization-based Method for Efficient Electricity Theft Detection with Dual-Privacy-Preservation. IEEE Transactions on Smart Grid, 16(5), 4073-4086, 2025. 第一作者崔磊。

该研究工作提出了一种同时保护用电数据与ETD模型隐私的双重隐私保护检测方法RE4ETD，在降低通信成本的同时，有效提升了窃电检测的性能。RE4ETD由数据转换、特征提取和后检测三个模块组成：在边缘服务器端，采用相对熵优化将私有用电数据投影到与原始分布显著不同的分布中，并从中随机采样后传输至检测服务器；检测服务器提取特征后再将其传回边缘服务器；最终由边缘服务器完成检测任务。通过引入拆分学习与定制卷积核实现模块间高效协同，并结合集成学习缓解了ETD场景中的类别不平衡问题。该项工作在智能电网安全与隐私保护应用中具有重要价值。

TSG是中科院一区TOP期刊，聚焦智能电网及能源互联网领域的前沿研究与应用。该期刊涵盖电力系统、通信、控制、信息安全及人工智能等多学科交叉方向的最新进展，在智能电网、能源管理与信息安全等研究领域具有重要的学术价值和广泛的国际影响力。

论文11：K Fu, M Yuan, C Wang, W Pang, J Chi, M Wang, L Gao. Dual Focus-Attention Transformer for Robust Point Cloud Registration. Proceedings of the Computer Vision and Pattern Recognition Conference. 11769-11778, 2025. 第一作者傅科学。

尽管由粗到细的学习方式已经广泛应用于点云配准，但很少有研究深入探讨粗细双尺度上特征交互的影响。本研究在前期实验中发现，现有方法的特征交互过程难以在粗细两个尺度上实现有效的特征聚合。基于此发现，该工作提出了一种基于双重焦点注意力机制的鲁棒点云配准新方法DFAT，该方法通过重新聚合来自超点级别和精细点级别的关键上下文特征，仅与当前点的相关点进行特征交互，避免与不相关点的交互，从而增强特征的可判别性和局部一致性。在粗点尺度上，设计了一个由稀疏关键点引导的超点焦点注意力变换器和双空间一致性模块，为后续的精细匹配提供了更可靠的初始化对应关系。在精细点尺度上，设计了线性焦点注意力模块，在属于同一超点的点集内交互特征，进一步提升了配准鲁棒性和效率。实验表明，该方法在多个国际公开的点云配准数据集上均取得了显著的性能提升。该项工作在自动驾驶、手术机器人、增强现实、具身智能、航空测绘等领域具有重要的应用价值。

CVPR是由电气电子工程师学会（IEEE）举办的计算机视觉和模式识别领域的顶级会议，属于中国计算机学会（CCF）推荐的A类国际学术会议，在Google Scholar指标榜单中位列全球学术出版物第二，仅次于Nature。本年度召开的CVPR 2025共收到13008篇有效投稿，其中2878篇被接收，录取率为22.1%。

论文12：Q Li, B Ma, X Fu, X Wang, C Wang, X Li. Robust Image Steganography via Color Conversion, IEEE Transactions on Circuits and Systems for Video Technology, 35(2), 1399-1408, 2025. 第一作者李琦。

该研究工作提出了一种基于颜色转换的鲁棒图像隐写方法，通过去色与着色模型实现秘密信息的隐蔽传输。该方法的核心思想在于利用隐写图像的颜色转换过程有效掩盖隐写行为。在发送端，首先采用基于四元数指数矩的鲁棒嵌入算法将秘密信息嵌入彩色载体图像，随后对生成的隐写图像进行去色化处理以获得灰度图像，并通过公共信道进行传输。在接收端，构建了相应的着色网络，用于重建隐写图像并提取其中的秘密信息。此外，引入了基于高斯噪声的攻击模块，以进一步提升所提方法在复杂环境下的鲁棒性。由于同一彩色图像可以对应多种不同的灰度表示，生成的灰度图像在视觉上自然且语义合理，攻击者便难以识别隐写行为。实验结果验证了该方法兼具可行性与可扩展性。

IEEE TCSVT是中科院一区TOP期刊，中国自动化学会（CAA）推荐的A类期刊，主要关注视频技术领域，涵盖视频信号处理、编码与压缩、信息安全传输等全链条研究，在网络与信息安全领域享有举足轻重的影响力。

论文13：X Tian, J Yu, C Luo, D Yu, G Wang, B Feng. Robust Dynamic Broadcasting for Multi-Hop Wireless Networks Under Time-Varying Connectivity and Dynamic SINR. IEEE Transactions on Mobile Computing, 24(9), 9050-9067, 2025. 第一作者田祥。

该研究工作提出了一种鲁棒吞吐量最优动态广播算法 RTDB，有效解决了多跳无线网络在干扰环境、网络连通性和数据注入等多维时变条件下的广播效率与鲁棒性不足问题。RTDB 通过建立动态 SINR 模型与随机链路状态过程，突破传统静态假设局限；采用“最大权重链路调度+功率分配”与“数据转发”双阶段解耦机制，在每一时隙内优先激活高并发、高速率、高积压链路，实现广播流量全网均衡分布。理论证明 RTDB 在时变有向无环网络中达到广播容量上限，并可扩展至一般拓扑。该项成果在应急通信、工业物联和分布式传感等对高可靠、高吞吐广播有迫切需求的场景中具有重要应用价值。

IEEE TMC是中科院一区TOP期刊，中国计算机学会（CCF）推荐的A类期刊，计算机网络领域权威的学术期刊之一，该期刊侧重于架构、支持服务、算法/协议设计和分析、移动环境、移动通信系统、应用和新兴技术等关键问题。

论文14. C Wang，S Chen，Y Song，R Xu，Z Zhang, J Zhang，H Yang，Y Zhang，K Fu，S Du，Z Xu，L Gao，L Guo，S Xu. Focus on Local: Finding Reliable Discriminative Regions for Visual Place Recognition. Proceedings of the AAAI Conference on Artificial Intelligence, 39(7), 7536-7544, 2025. 第一作者王常维。

该研究工作提出了一个基于视觉基础模型DINOv2和弱监督局部匹配的视觉场景定位算法，通过挖掘和利用视觉基础模型DINOv2中可靠的鉴别性局部区域和引入伪相关监督，来同时提高VPR中图像检索和重新排序的性能。首先，该研究设计了两个损失，特征提取与特征聚合空间对齐损失和前景-背景对比度增强损失，以明确地建模可靠的鉴别局部区域，并使用它们来指导全局表示的生成和有效的重新排序。其次，该研究引入了一种基于聚合全局特征得到的伪对应关系的弱监督局部特征训练策略，以缓解VPR任务中局部对应的缺失。最后，该研究还提出了一个利用鉴别性区域引导的高效重排序管道。实验结果表明，该研究提出的方法在图像检索和重排序阶段的多个视觉场景识别基准测试上都取得了最先进的水平，并且在计算效率方面也显著优于现有的两阶段视觉场景识别方法，在智能机器人的高效场景识别和空间智能具有重要应用价值。

AAAI是人工智能领域历史悠久且极具影响力的国际顶级学术会议，中国计算机学会（CCF）和中国人工智能学会（CAAI）均推荐为A类国际学术会议。

论文15：X Wang, Y Wang, M Yang, F Li, X Wu, L Fan, S He. FedSiam-DA: Dual-aggregated Federated Learning via Siamese Network for non-IID Data. IEEE Transactions on Mobile Computing, 24(2), 985-998, 2025. 第一作者王鑫。

该研究工作提出了对比联邦学习方法FedSiam-DA，融合了三层孪生网络架构和双重聚合机制，实现了多源异构数据环境下全局模型与局部模型个性化和泛化能力的双向提升。FedSiam-DA通过构建基于对比学习的三层孪生网络，引入模型预测输出的余弦距离调整机制和梯度停止策略，在保持模型个性化的前提下，灵活调控历史局部模型、当前局部模型与全局模型之间的相似性；同时，该方法建立了基于隐式对抗训练的双重聚合机制，通过评估当前局部模型与参考全局模型之间的相似度以衡量其可用性，并据此计算动态聚合权重，使全局模型在保持强泛化能力的同时，充分吸收各局部模型中的个性化知识。FedSiam-DA有效缓解了多源异构数据导致的联邦学习收敛速度慢和泛化性能不足的问题，在医疗、警务等需跨域数据联合建模的关键领域展现出重要的应用前景。

TMC是移动计算领域的顶级期刊，同时是中科院一区TOP期刊和中国计算机学会（CCF）推荐的A类期刊，专注于发表边缘计算、无线通信与网络、移动数据管理等方向的前沿研究与技术创新，享有极高的学术声誉。