近日，我院林铭炜教授课题组在大数据分析与智能决策领域取得重要进展。随着在线教育服务的发展，学生表现预测任务面临着数据高维、不完备且持续更新的严峻挑战，传统方法难以有效应对。针对这一难题，课题组创新性地提出了一种增量式非线性协同隐因子分析（IN-CoLFA）模型。该模型增强了隐因子分析框架，通过协同分解技术，将学生得分矩阵与专家提供的习题知识点关联矩阵进行联合建模。同时，还融入了受神经网络启发的非线性结构，以捕捉学生与习题之间复杂的交互关系。为了实现高效的增量学习，该模型被无缝拓展至增量版本，使其不仅能对历史数据进行离线训练，还能在新数据持续产生时不断优化和完善预测。在多个数据集上的实验结果表明，无论是在静态还是动态学生表现预测任务中，IN-CoLFA模型均表现出有效性和高效率。研究成果以“An Incremental Nonlinear Co-Latent Factor Analysis Model for Large-Scale Student Performance Prediction”为题，发表于CCF A类国际期刊《IEEE Transactions on Services

近日，福建师范大学计算机与网络空间安全学院(软件学院)姚志强教授课题组在大数据安全与隐私计算领域取得重要研究突破，提出了一种新型框架FIBNet，既保证人脸识别率达到要求，又抑制人脸表征中的隐私信息。课题组基于信息瓶颈（IB）原理，将该问题建模为表示层面的优化问题，通过变分近似方法，使用深度神经网络参数化信息编码器和效用解码器，构建了信息瓶颈目标函数的下界。为确保训练稳定性，在信息编码器中引入重参数化技巧，并在效用解码器中加入加性角度余量惩罚，从而生成具有高识别性能的面部表征。图1新型FIBNet的体系架构与流程图课题组还从信息论方法提出了人脸生物特征的双级隐私增强计算框架，通过解耦敏感属性与人脸表征，使攻击者只能随机猜测敏感属性的潜在标签值来重构用于人脸识别的图像数据，同时有效防止披露的人脸表征泄露敏感属性信息。依据马尔可夫链S-X-Z假设，构建了人脸条件隐私漏斗(Face-CPF)优化问题以寻找最优隐私信道，并且分析互信息项的变分近似界，进一步提出了深度变分近似Face-CPF优化目标。通过使用DNN模型参数化变分近似分布，从而构建了Face-CPFNet模型。图2 Face-CP

近日，我院林铭炜教授课题组在大数据分析领域取得重要进展。课题组创新性地提出了一种融合神经网络的隐因子分析模型，通过结合神经网络的非线性建模优势与隐因子分析模型的高效性，显著提升了缺失数据估计精度。传统方法难以同时兼顾非线性建模与计算效率。针对这一难题，融合神经网络的隐因子分析模型利用神经网络捕捉数据复杂结构，同时融入隐因子分析框架以保证高效计算。实验表明，该模型在工业数据集上的估计精度最高提升了33.3%，且存储和计算效率优于现有方法。研究成果以“Neural Networks-Incorporated Latent Factor Analysis for High-Dimensional and Incomplete Data”为题，发表于中科院一区TOP期刊、CCF B类期刊《IEEE Transactions on Systems, Man and Cybernetics: Systems》。该论文以福建师范大学为第一单位，第一作者为我院林铭炜教授，第二作者为我院2023级软件工程专硕研究生林兴宇同学。该研究工作得到国家自然科学基金（项目号：62272078）、福建省杰青基金（项

2025 年上半年，福建师范大学计算机与网络空间安全学院（软件学院）林丽美教授课题组在多个前沿技术领域连获突破，多篇研究成果发表在 IEEE Transactions系列期刊，由林丽美教授主导完成。代表性成果速览1.《Forward Legal Anonymous Group Pairing-Onion Routing for Mobile Opportunistic Networks》随着移动机会网络在各种无线通信和互联网应用中的广泛应用，网络的稳定性和安全性面临着越来越多的挑战，现有的匿名路由协议多未考虑前向安全性和消息合法性验证，导致系统容易受到多种攻击，如身份泄露和数据篡改等。为了解决这些问题，我校计算机与网络空间安全学院林丽美教授团队提出了一种新型的前向合法匿名组配对洋葱路由协议（FLAG-POR），其有效提高了消息转发率，还确保了节点和路径的匿名性并能抵抗多种潜在的攻击威胁。该成果为应对移动机会网络中的匿名路由挑战提供了创新性的解决方案。在匿名通信领域，课题组针对移动机会网络中存在连接不稳定与身份泄露等问题，创新性提出FLAG-POR协议（Forward Legal Ano

近日，我院许胜民教授课题组在数据安全与隐私保护领域取得重要研究突破，创新性地提出了一种模糊身份基匹配加密方案，并成功应用于匿名社交网络系统的设计中。该方案具备优异的安全性、计算效率和系统扩展性，显著提升了匿名通信环境下的灵活授权能力与资源利用效率。相关实验结果表明，该方案在计算开销和存储资源消耗方面相较于现有技术均实现大幅优化，展示出良好的实际部署潜力。该研究成果以题为 “EASNs: Efficient Anonymous Social Networks With Enhanced Security and High Scalability”，发表在网络空间安全领域国际权威期刊、CCF A类期刊 《IEEE Transactions on Information Forensics and Security》 上。论文以福建师范大学为第一完成单位，第一作者为我院2022级研究生黄文峰同学（现为暨南大学博士研究生），唯一通信作者为我院许胜民教授。本研究工作得到了国家自然科学基金重点项目与面上项目（编号：62425205、62402109、62372108、62102090）、国家重点研

近日，我院林铭炜教授课题组在固态硬盘存储领域取得重要进展。课题组创新性地引入了激进淘汰策略，旨在最大限度地触发固态硬盘中的高级命令。与传统注重提升缓存命中率的方法不同，该方案将重点转向了加速缓存数据的淘汰，并设计了一个命中率感知模块来智能调节激进淘汰的程度。实验仿真表明，此方法不仅显著提高了闪存高级命令的触发概率，同时在降低I/O请求平均响应时间等关键性能指标方面也优于其他固态硬盘缓存管理算法。研究成果以“HaParallel: Hit Ratio-Aware Parallel Aggressive Eviction Cache Management Algorithm for SSDs”为题，发表于CCF A类期刊《ACM Transactions on Storage》。该论文以福建师范大学为第一单位，第一作者为我院2022级研究生苏良宽同学、唯一通信作者为我院林铭炜教授。该研究工作得到国家自然科学基金（项目号：61872086）、福建省自然科学基金杰青项目（项目号：2022J06020）以及福建省“雏鹰计划”青年拔尖人才项目（项目号：F21E0011202B01）资助。论文链接：

近日，根据重庆市云计算和大数据产业协会发布，由福建中科星泰数据科技有限公司、弦立场（重庆）数字科技有限公司等单位制定的T/CQCBDS 0061-2022《区块链BAAS标准》团体标准通过专家审查，我院林晖教授参与标准起草和制定工作，经过区块链BAAS团体标准委员会审定通过并于2022年12月23日正式发布实施。此次发布的《区块链BAAS标准》团体标准适用于BAAS标准平台的设计及功能实现参考。本文件可为无专业知识和人员的企业开发使用区块链提供建设性指导，通过BAAS标准让不同企业尝试区块链应用程序和智能合约的准入门槛降低，同时也能让服务提供商管理网络本身。

近日，我院青年教师许胜民博士在区块链技术研究与应用领域取得重要进展。课题组针对电子健康病历的安全传输及存储中存在的安全隐患，利用区块链技术与双重属性基加密技术，实现了防篡改的电子健康病历共享系统。解决了传统属性基加密访问策略受限及难以抵抗数据恶意修改的问题，为有效管理电子健康病历，实现灵活的访问控制及数据防篡改功能，提出了切实可行的方案。实验表明，我们提出的系统在性能上与现有的电子健康病历共享系统有明显提升。课题组还针对区块链面临的数据固化问题，防止区块链平台成为传播非法数据、不良信息的温床，提出可审计的可修订区块链方案。鉴于现有技术主要利用分层的身份基加密实现审计功能，存在追踪单一目标较困难、追踪秘密泄漏源不够高效准确等问题。课题组利用指纹编码技术、字符串压缩技术、属性基加密等密码技术，提出了新的可追踪方案。实验表明，课题组提出的系统在性能上，尤其是审计功能的表现力上，有显著的提升。研究成果分别以“A Secure EMR Sharing System With Tamper Resistance and Expressive Access Control”与“Accountable

近日，我院熊金波教授团队在无线通信、物联网、智慧交通等领域国际权威期刊上发表四篇关于面向网联自动驾驶的隐私保护目标识别与检测研究的论文。网联自动驾驶车辆间进行感知数据共享可以为目标识别与检测带来精度增益，该团队针对原始感知数据在共享、处理过程中的隐私泄露问题，分别面向图像、点云等数据构建边缘协同的隐私保护目标分类、检测框架，可以极大程度上降低车辆终端的计算限制，同时保护感知数据安全与隐私。研究成果一采用加性秘密共享技术将原始数据随机拆分为两份共享份额，提出一种边缘协同的隐私保护原始数据共享框架，设计隐私计算协议，构造一种隐私保护卷积神经网络模型（P-CNN），两台边缘服务器可以在不损害数据隐私的前提下执行P-CNN推理，实现感知数据安全共享。该工作成果以“Edge-Assisted Privacy-Preserving Raw Data Sharing Framework for Connected Autonomous Vehicles”为题发表在无线通信领域杂志《IEEE Wireless Communications》（中科院SCI一区Top，IF = 11.979）上。该论文福

近日，我院肖如良教授课题组提出了一种面向工业物联网高维动态数据流的高效高斯核微簇聚类方法。该方法构建一种微簇结构，创新性解决了当前密度聚类方法无法有效处理高维动态流式数据的实时聚类问题，显著降低了聚类计算复杂度，并增强了聚类质量；采用引力能量函数对微簇进行递归在线更新，也显著降低了内存消耗。该方法在工业物联网高维动态数据流聚类的异常检测方面有着重要应用价值。论文研究成果以“Efficient Gaussian Kernel Micro-Cluster Realtime Clustering Method for Industrial Internet of Things (IIoT) Streams”为题发表于物联网研究领域国际权威期刊《IEEE Internet of Things Journal》（SCI1区，IF=9.471）。该论文第一单位为福建师范大学，我校研究生朱维富同学为第一作者，我校肖如良教授为通讯作者。该研究得到国家自然科学基金面上项目、福建省科技计划产学合作项目、福建省自然科学等多项课题的支持。论文连接：https://doi.org/10.1109/JIOT.20