隨著物聯(lián)網、5G 網絡、人工智能、大數(shù)據、邊緣計算、工業(yè)互聯(lián)網等新興技術支撐的人機物互聯(lián)融合計算模式的快速發(fā)展，泛在計算新形態(tài)正在興起，有望成為系統(tǒng)軟硬件創(chuàng)新研發(fā)和生態(tài)構建的研究熱點.此外，開源軟件作為泛在計算生態(tài)中的重要基礎，開源軟件的使用已涉及到新一代智能信息技術產業(yè)的方方面面，包括操作系統(tǒng)、容器技術、人工智能和網絡安全等，開源軟件供應鏈的穩(wěn)定性和開源協(xié)議的安全性已經成為新型計算生態(tài)下的重中之重，關系到我國計算機產業(yè)的健康發(fā)展.針對泛在計算帶來的海量異構泛在資源、復雜多樣應用場景、多模態(tài)人機物交互融合和邊界開放融合的計算生態(tài)，亟需開展相關研究，解決我國在關鍵領域面臨的技術瓶頸和關鍵挑戰(zhàn).國內學術界和產業(yè)界非常重視泛在計算的發(fā)展帶來的機遇與挑戰(zhàn)，并在該領域展開了大量的研究工作，取得了顯著的研究成果.

為了進一步推動我國在泛在計算和開源軟件領域的研究，及時報道我國學者在泛在計算和開源軟件理論與技術方面的最新研究成果，《計算機研究與發(fā)展》策劃組織了“泛在計算”專題.本專題通過公開征文共收到3 篇特邀稿件和46 篇普通投稿，論文從不同的應用場景闡述了泛在計算和開源軟件的問題背景、研究意義、算法設計、關鍵技術和熱點應用等，反映了該領域多個方面的最新研究成果.

本專題的審稿嚴格按照期刊的審稿要求，特邀編委先后邀請了相關領域的專家，歷經初審、復審、終審等階段，最終共精選出6 篇高質量的論文入選本專題.內容涵蓋了泛在計算和開源軟件綜述、開源軟件缺陷檢測技術、開源操作系統(tǒng)兼容性分析、開源軟件數(shù)據分析等研究內容，在一定程度上反映了當前國內工業(yè)互聯(lián)網安全領域的最新研究成果.

1.泛在計算和開源軟件綜述

機器學習等相關技術在泛在計算和開源軟件中得到了廣泛發(fā)展和應用.陳珍珠等作者的“面向機器學習的安全外包計算研究進展”一文對近5 年國內外機器學習安全外包研究工作進行了調研，按照任務階段和云服務器商數(shù)量對現(xiàn)有主流的外包模型進行分類和特征歸納，并從邏輯回歸、樸素貝葉斯分類、支持向量機、決策樹和神經網絡等典型機器學習算法角度對機器學習安全外包計算相關研究進展進行了深入闡述和分析，從數(shù)據安全與效率均衡、計算完整性保護、遷移學習安全外包三個方面探討了安全外包計算未來面臨的挑戰(zhàn)和機遇.田笑等作者的“開源軟件缺陷預測方法綜述”一文調研分析了 2000 年至 2022 年 12 月軟件缺陷預測研究領域的相關文獻，以機器學習和深度學習為切入點，梳理了基于軟件度量和基于語法語義的兩類預測模型.基于這兩類模型，分析了軟件缺陷預測和漏洞預測之間的區(qū)別和聯(lián)系，并針對數(shù)據集來源與處理、代碼向量的表征方法、預訓練模型的提高、深度學習模型的探索、細粒度預測技術、軟件缺陷預測和漏洞預測模型遷移六大前沿熱點問題進行了詳盡分析，最后指出了軟件缺陷預測未來的發(fā)展方向.

2.開源軟件缺陷檢測技術

安全缺陷是泛在計算和開源軟件中不可忽視的問題，由于泛在計算涉及到大規(guī)模的異構資源和復雜的應用場景，以及開源軟件的廣泛使用，安全缺陷可能存在于系統(tǒng)設計、開發(fā)、部署和運行的各個環(huán)節(jié).熊忻等作者的“基于錯誤路徑行為一致性的內核引用計數(shù)缺陷檢測”一文針對內核中的引用計數(shù)缺陷，提出了基于錯誤路徑行為一致性分析的缺陷檢測方案，并引入錯誤路徑的語義信息來推斷合理的引用計數(shù)行為，該方案在Linux 內核版本5.6-rc2 和5.17上分別發(fā)現(xiàn)21 個和9 個已經確認的引用計數(shù)缺陷，其中，在內核版本5.6-rc2 中檢測出9 個已有工作難以覆蓋的引用計數(shù)缺陷.余媛萍等作者的“HeapAFL：基于堆操作行為引導的灰盒模糊測試”一文針對堆內存錯誤類漏洞，提出了一種基于堆操作行為引導的灰盒模糊測試方法HeapAFL，在不依賴漏洞先驗知識的情況下，通過靜態(tài)分析插樁基礎堆操作函數(shù)及其參數(shù)監(jiān)測執(zhí)行時控制流和數(shù)據流的變化，反饋堆操作行為信息指導模糊測試中種子優(yōu)先變異階段，探索多樣化堆操作行為從而更高概率觸發(fā)堆內存錯誤類漏洞，該方案在6 個真實程序（binutils、gpac、jpegoptim、mjs、yasm 和mxml）中挖掘到了 25 個堆內存錯誤類漏洞，包括 19個已知的漏洞和 6 個未知的漏洞，且已經獲得了2 個新的CVE 編號.

3.開源操作系統(tǒng)兼容性分析

開源操作系統(tǒng)兼容性分析對于確保系統(tǒng)穩(wěn)定性、提高應用程序兼容性、促進軟硬件集成和支持版本管理等方面都具有重要的意義.吳亦澤等作者的“openEuler 中C 標準庫替換的兼容性分析”一文提出兼容性分析算法來研究 openEuler 的 4 種主要軟件生態(tài)中的 musl libc 兼容性和缺失API 優(yōu)先級，基于應用軟件包之間的依賴關系和谷歌 PageRank 算法的思想，提出了 PackageRank 算法和APIRank 算法，分別用于軟件包兼容性度量和優(yōu)先級計算，該算法為openEuler 的新 C 庫補全工作提供了有效指導.

4.開源軟件數(shù)據分析

開源軟件數(shù)據分析對于提供洞察和決策支持、優(yōu)化軟件性能和用戶體驗、發(fā)現(xiàn)和修復軟件缺陷，以及推動開源社區(qū)的發(fā)展和創(chuàng)新都具有重要意義.李庚松等作者的“基于多目標混合蟻獅優(yōu)化的算法選擇方法”一文提出了一種算法選擇模型和一種多目標混合蟻獅優(yōu)化算法，算法選擇模型以集成元算法的準確性和多樣性作為優(yōu)化目標，同時選擇元特征和構建選擇性集成元算法，采用多目標混合蟻獅優(yōu)化算法對模型進行優(yōu)化，使用離散型編碼選擇元特征子集，通過連續(xù)型編碼構建集成元算法，在此基礎上應用增強游走策略和偏好精英選擇機制提升尋優(yōu)性能.

承蒙各位作者、審稿專家和編輯部等方面的全力支持，本專題得以順利出版.目前泛在計算技術涉及領域極為活躍，并且發(fā)展迅速，學科前沿日新月異，這給特邀編委及審稿人的審稿、選稿工作帶來了巨大挑戰(zhàn)，在此我們表示衷心感謝.由于投稿數(shù)量大、主題廣泛、時間安排緊張、專題容量有限等原因，本專題僅選擇了部分有代表性的研究工作予以發(fā)表，無法全面體現(xiàn)該領域所有的最新研究工作，部分優(yōu)秀稿件無法列入專題發(fā)表，敬請諒解.

我們要特別感謝《計算機研究與發(fā)展》編委會和編輯部，從專題的立項到征稿啟事的發(fā)布，從審稿專家的邀請到評審意見的匯總，以及最后的定稿、修改和出版工作，都凝聚了他們辛勤的汗水.本專題的出版期望能給廣大相關領域研究人員帶來啟發(fā)和幫助.在審稿過程中難免出現(xiàn)不盡人意之處，也希望各位作者和讀者包容諒解，同時請各位同行不吝批評指正.最后，再次衷心感謝各位作者、審稿專家、特邀編委和編輯部的辛勤工作.