近日，西安电子科技大学计算机科学与技术学院多篇论文成果分别被国际顶级会议SIGMOD、VLDB、CVPR、ICLR、WWW、ICDE录用。其中，智能媒体与数据工程研究所6篇论文分别被国际会议SIGMOD、VLDB、CVPR、ICLR、ICDE录用，计算机网络与物联网工程研究所3篇论文被WWW、ICDE录用，智能软件与系统新技术研究所、软件工程研究所、大数据与视觉智能研究所各有1篇论文被CVPR录用，这些论文涵盖向量数据库、图像压缩、计算机视觉、大数据分析、网络安全等多个领域。
智能媒体与数据工程研究所青年教师刘英帆论文“Fast Approximate Similarity Join in Vector Databases”被国际顶级会议SIGMOD 2025录用，该论文第一作者是香港中文大学Jeffrey Xu Yu教授团队博士生谢嘉东，通讯作者刘英帆。近似相似连接是向量数据库系统中的一项核心操作，它连接两个数据集并输出两个数据集中距离不超过指定值的所有向量对。现有最先进的基于选择的近似相似连接方法未充分利用连接操作本身的固有特性。该论文提出了一种名为SimJoin的新连接算法。该连接算法通过利用已处理数据点的连接窗口来加速连接窗口的处理，并且通过优化连接窗口顺序以最小化连接成本。此外，论文还讨论了如何支持k-相似连接，以及如何基于k-相似连接维护邻域图索引。根据实验结果，论文所提出的算法显著优于现有的最先进方法。
智能媒体与数据工程研究所高熙越副教授，通讯作者李辉教授论文“Fucci: Database Transaction Fuzzing via Random Conflict Construction and Multilevel Constraint Solving”被国际顶级会议VLDB 2025录用。该论文提出了一种新颖的数据库事务模糊测试框架Fucci，旨在提升数据库事务漏洞检测的效率与准确性。Fucci采用随机冲突构造（RCC）技术，在事务测试用例生成过程中主动引入读写冲突或写写冲突，以增强测试用例的有效性；再结合多级约束求解（MCS）技术，通过外部多版本控制系统精确模拟数据可见性，提高求解过程的效率和准确性；最后利用经验驱动自动简化（EAS）技术，对检测到的漏洞案例进行深度简化，大幅提升漏洞报告的可读性和分析效率。
智能媒体与数据工程研究所硕士生杨硕，通讯作者青年教师刘英帆论文“Revisiting the Index Construction of Proximity Graph-Based Approximate Nearest Neighbor Search”被国际顶级会议2025VLDB录用，该论文共同第一作者是香港中文大学Jeffrey Xu Yu教授团队博士生谢嘉东。作为高维数据上k最近邻查询SOTA的方法，邻域图越来越受欢迎。但其构建成本非常大，与向量数量呈超线性关系，从而限制了其在大数据时代的可扩展性。论文回顾了两种主流的邻域图，即Relative Neighborhood Graph(RNG)和Navigable Small Word Graph(NSWG)的构建过程，发现了影响其构建效率的问题。针对这些问题，论文提出了一种新的面向RNG图索引的构建框架，并且将该框架集成到NSWG索引构建过程。根据实验结果，论文所提出的方法可以显著加速邻域图索引构建过程，并保证查询性能不损失。
智能媒体与数据工程研究所博士生赵凯博，通讯作者乔晓田副教授论文“Less is More: Efficient Image Vectorization with Adaptive Parameterization”被国际顶级会议CVPR 2025录用。该论文提出了一种参数自适应的高效图像矢量化方法，针对不同形状复杂度的图层设计了一种新颖的分配机制来自适应调整控制点分布，并通过可微分渲染对图层形状和色彩参数进行迭代优化。实验证明，论文所提方法在计算效率、矢量化精度和可编辑性方面均优于现有的图像矢量化方法。
智能媒体与数据工程研究所闫杰熹副教授论文“Towards Unified Human Motion-Language Understanding via Sparse Interpretable Characterization”被国际顶级会议ICLR 2025录用，该论文第一作者是邓成教授团队博士生吕光涛，通讯作者闫杰熹副教授。该论文提出了一种全新的动作-语言表征范式与多阶段训练策略，通过构建稀疏、语义精确且高度可解释的词汇表征，显著提升对人类动作的直观理解与跨模态语义对齐能力。在多个公共数据集上的综合分析和大量实验表明，所提出的模型在各种任务和场景中都实现了最先进的性能。
智能媒体与数据工程研究所李雁妮教授论文“A Novel Key Point Based MLCS Algorithm for Big Sequences Mining”被高水平期刊IEEE TKDE录用，同时该论文扩展摘要被顶会ICDE 2025录用。所谓MLCS问题，即从3个或更多的字符串中寻找其最长的公共子序列(Multiple Longest Common Subsequence，MLCS)，它在生物信息学、数据挖掘、信息抽取等领域具有重要的应用，是四十年来未解的NP难问题。已有的算法不能对较长的序列(序列长度大于1000)和大序列(长度大于10000)进行MLCS的精确求解。针对现有算法问题，论文首次提出了一种新的基于关键点的问题求解图模型，在此基础上，提出了一种新的基于关键点的MLCS并行算法，突破了已有的MLCS算法瓶颈问题，算法性能大大优于现有的MLCS算法，而且可以实现大序列的MLCS精确求解。
计算机网络与物联网工程研究所博士生桑安源，通讯作者杨力教授论文“STGAN: Detecting Host Threats via Fusion of Spatial-Temporal Features in Host Provenance Graphs”被国际顶级会议WWW 2025录用。该论文提出了STGAN，面向高级持续性威胁（APT）和勒索软件等复杂网络攻击场景，将时空图融入主机溯源图建模，通过时空编码提取动态溯源图中的时间、空间和语义特征，并利用多头自注意力机制进行异常检测。在DARPA TC数据上的实验结果表明，与现有技术相比，STGAN在检测性能上显著提升，同时拥有较高的系统可伸缩性，展现其在主机威胁检测领域的潜力和应用前景。
计算机网络与物联网工程研究所周成博士生，通讯作者李光夏副教授论文“Training-free Graph Anomaly Detection: A Simple Approach via Singular Value Decomposition”被国际顶级会议WWW 2025录用。论文针对现有基于深度学习的图异常检测方法精度低、训练时间长、可扩展性差的问题，提出了一种无训练的图异常检测方法（TFGAD）。其使用不同的矩阵分别处理节点属性和局部结构，通过奇异值分解得到最优解，从而消除了额外训练的开销。对于异常检测任务，论文提出了一种轻量级的评分函数，该函数将节点属性的重建误差与局部结构的投影长度相结合，以量化节点异常。实验表明TFGAD显著优于最先进的基于深度学习的图异常检测方法，同时减少了运行时内存开销，特别适用于计算资源受限场景中的图异常检测任务。
计算机网络与物联网工程研究所卢笛教授论文“BiTDB: Constructing A Built-in TEE Secure Database for Embedded Systems”扩展摘要被国际顶级会议ICDE 2025录用，该论文发表于高水平期刊IEEE TKDE，论文第一作者为马建峰教授团队马承彦博士，通讯作者卢笛教授。论文明确了基于密文计算的加密数据库存在的功能和性能局限性，提出了内建于TEE的数据库系统架构。通过可信环境下的明文计算，实现了对数据库功能的100%覆盖，解决了传统依赖可搜索加密算法的数据库系统功能覆盖度不足、数据操作性能受限的问题。通过三项优化措施，减少了文件访问、内存操作以及世界切换带来的额外时间和性能开销。实现了原型系统，TPC-H实验表明，BiTDB在保证数据计算和存储机密性、完整性的同时，达到原始数据库85%的性能。
智能软件与系统新技术研究所宋娟副教授论文“Taming Large Multimodal Agents for Ultra-low Bitrate Semantically Disentangled Image Compression”被国际顶级会议CVPR 2025录用，该论文通讯作者冯明涛副教授。针对超低码率图像压缩，该论文提出新颖的图像压缩框架—语义解耦图像压缩（SEDIC）。所提出的SEDIC利用大规模多模态模型将图像解耦为多个重要的语义信息，包括极限压缩的参考图像、整体和物体级文本描述以及语义掩码。论文设计了一个多阶段语义解码器，逐个物体地恢复传输的参考图像，最终生成高质量且感知一致的重建图像。实验结果表明，SEDIC显著优于现有的最先进方法，在超低比特率下实现了更优的感知质量和语义一致性。
软件工程研究所方厚章副教授论文“Detection-Friendly Nonuniformity Correction: A Union Framework for Infrared UAV Target Detection”被国际顶级会议CVPR 2025录用。该论文首次提出了一种统一的端到端框架（UniCD），同时解决红外图像的非均匀性校正（NUC）和目标检测问题。论文首次将NUC建模为模型与数据联合驱动的少量超参数估计问题，同时引入新的辅助损失来增强目标特征并抑制背景。论文引入了检测引导的自监督损失，减少任务间特征差异，提升检测鲁棒性。论文首次构建了一个基准数据集IRBFD，包含50,000张具有不同非均匀性程度和多尺度目标的红外图像。实验结果表明，UniCD在IRBFD数据集上表现优异，并可实时处理。
大数据与视觉智能研究所博士生刘糠，通讯作者青年教师马卓奇论文“Enhanced Contrastive Learning with Multi-view Longitudinal Data for Chest X-ray Report Generation”被国际顶级会议CVPR 2025录用。该论文提出了基于多视角纵向数据的增强对比学习方法（MLRG），用于胸部X光片报告的自动生成。通过引入多视角影像的空间信息和纵向数据的时序信息，指导模型生成更为准确的临床报告。实验表明，MLRG在多个公开数据集上显著优于现有方法。
这些成果充分展示了学校在计算机学科相关研究方向取得的重要学术进展，标志着学校在该领域的研究得到了国际同行的进一步认可，推动学科建设创新发展。
