中国网络大会专题论坛 | AI驱动的网络计算技术创新论坛

论坛简介：

主席

黄河

苏州大学计算机学院特聘教授，博导，副院长

徐宏力

中国科学技术大学，教授，博导，中国科学技术大学计算机学院党委书记、副院长

李振宇

中国科学院计算技术研究所研究员

嘉宾

吴杰

中国电信首席科学家，云计算研究院院长

个人简介： 吴杰，天普大学 Laura H. Carnell 教授和网络计算中心 (CNC) 主任。他的研究领域包括移动计算和无线网络、路由协议、网络信任和安全、分布式算法、应用机器学习和云计算。吴杰教授担任多个学术期刊编委，包括 IEEE/ACM Transactions on Networking等。他还是/曾任IEEE IPDPS'23、ACM MobiHoc'23和IEEE CCGrid'24的主席/联合主席，以及IEEE INFOCOM'11和CCF CNCC'13的程序主席/联合主席。吴杰教授曾是 IEEE 计算机学会杰出访问学者、ACM 杰出演讲者和 IEEE 分布式处理技术委员会 (TCDP) 主席。吴杰教授是IEEE Fellow和AAAS Fellow、2011 年中国计算机学会 (CCF) 海外杰出成就奖获得者、欧洲科学院 (MAE) 院士。目前，吴杰教授学术休假任职于中国电信，担任首席科学家。

报告题目：面向高效AI/ML的云边协同网络

摘要 ：云边协同网络将大型数据中心与小型物联网设备等广泛的系统及设备紧密相连。边缘与云网络相结合所蕴含的潜在优势众多，诸如能够迅速适应新技术，加快软件与功能更新的发布及应用，还能优化各类资源以及网络与边缘设备的管理。此次演讲着重闸述了于云边协同网络中高效运行 AI/ML算法所面临的若干挑战，尤其关注低延迟、连接性、本地数据处理以及实现效率等方面。演讲将会探讨两个具体的 AI/ML实现范例:其一为将 AI/ML代码从物联网/边缘设备以最优方式卸载至云端，其二是探索网络拓扑与连接性以达成高效的去中心化联邦学习。

贾小华

Chair Professor with Department of Computer Science at City University of Hong Kong，IEEE Fellow

个人简介：Xiaohua Jia received his BSc (1984) and MEng (1987) from University of Science and Technology of China, and DSc (1991) in Information Science from University of Tokyo. He is currently Chair Professor with Dept of Computer Science at City University of Hong Kong. His research interests include cloud computing and distributed systems, data security and privacy, computer networks and mobile computing. Prof. Jia is an editor of IEEE Trans. on Computers (2021 – present), IEEE Internet of Things (2013-2018), IEEE Trans. on Parallel and Distributed Systems (2006-2009), etc. He is the Chair of IEEE ICDCS 2023, ACM ICN 2019, and ACM MobiHoc 2008, TPC Chair of IEEE GlobeCom 2010, and Area-Chair of IEEE INFOCOM 2015-2017. He is the recipient of IEEE TCDP Outstanding Service and Contributions Award 2024 and Hong Kong RGC Senior Research Fellow Award 2024. He is a Fellow of IEEE (Computer Society) and Distinguished Member of ACM.

报告题目：Adaptive and High-Throughput Blockchains

摘要 ：In many permissionless blockchain applications, users transaction demands are highly dynamic. The traditional designs of blockchain systems are not adaptive to the change of users’ traffic demands, which either wastes a lot of resource to cope with the peak demand or leaves the system congested during the peak time. In this talk, we discuss three adaptive designs for permissionless blockchains: 1)  AdaptChain for Proof-of-Work (PoW) blockchains that adaptively expands and shrinks the blockchain according to the transaction demands; 2) PuffChain for Proof-of-Stake (PoS) blockchains that decouples the roles of packers (i.e., nodes packing the data blocks) from validators (i.e., nodes validating the blocks), such that the number of packers in the system can change dynamically according to transaction demands; and 3) X-shard that divides users accounts into shards, such that transactions in shards can be processed in parallel to increase the system throughput. The security and performance of each method are also discussed.

张黔

香港科技大学综合系统与设计学部署理主任，腾讯工程学教授兼计算机科学与工程系讲座教授

个人简介：张黔博士于2005年加入香港科技大学，现任综合系统与设计学部署理主任，腾讯工程学教授兼计算机科学与工程系讲座教授。她还担任微软亚洲研究院-香港科大教育部联合实验室主任、华为-科大创新实验室联席主任、科大数字生活研究中心主任。在此之前，她从 1999 年起在微软亚洲研究院工作，担任无线和网络组的研究经理。张博士在国际期刊和重要会议上发表了400多篇论文，是50多项国际专利发明人。她目前研究兴趣包括物联网、智能健康、移动计算和传感、无线网络以及网络安全。

张黔博士 IEEE 会士（IEEE Fellow）和香港工程科学院院士。张博士曾获得MIT TR100（麻省理工科技评论）世界顶级青年创新者奖。她是何梁何利创新奖、中国青年科技奖、国家自然科学二等奖（第三贡献人）获得者。她在多个国际会议上获最佳论文奖。

张博士曾任IEEE Transactions on Mobile Computing的主编（Editor-in-Chief）。她目前是 IEEE Infocom 指导委员会成员。

报告题目：智能物联网时代以人为中心的感知

摘要 ：AI和物联网的发展给行业带来了新发展机遇，智能感知技术的推进为实现以人为中心的场景智能、场景创新奠定了基础。娱乐、健身和医疗保健等许多应用都需要用有方便便捷的方式准确理解用户行为。在这些行为中，一类是身体活动，例如说话、面部表情、手势、交互动作和身体姿势等。另一类是生理行为，涉及体内的微小活动，如心脏和肺部活动、眼部症状、心理状态等。在本次讲座中，我将分享我们研究的各种智能感知技术与机器学习模型的有效设计，以不引人注目且经济高效的方式捕捉用户的各方面行为，并重点介绍身体行为类型中的手势与交互动作识别，以及生理行为类型中的干眼及呼吸行为识别。

黄建伟

香港中文大学（深圳）校长讲座教授和协理副校长，深圳市人工智能与机器人研究院副院长

个人简介：黄建伟，香港中文大学（深圳）校长讲座教授和协理副校长，深圳市人工智能与机器人研究院副院长 ，IEEE Transactions on Network Science and Engineering 主编。他于20 05年获得西北大学电子与计算机工程学博士学位，并在2005年至2007年期间在普林斯顿大学担任博士后研究助理。从2007年到2018年，他在香港中文大学信息工程系任职。他的研究兴趣包括网络优化、网络经济学和网络科学，特别是在通信网络、能源网络、数据市场和群体智能等领域的应用。他在国际顶级学术会议和期刊上发表了360多篇论文，谷歌学术引用超过17000次，H指数为67。他获得了11个最佳论文奖项，包括2011年IEEE马可尼无线通信奖论文奖。他是IEEE Fellow、IEEE通信学会杰出讲演者、Clarivate全球高被引科学家和Elsevier中国高被引学者。

报告题目：非对称信息下的机器学习模型交易

摘要 ：在人工智能领域，机器学习模型交易是保护数据隐私的重要方法之一。但现实中，买家往往在购买模型前无法确切了解其质量，导致了交易的信息不对称。一些卖家可能会夸大模型性能以获取更多利益，给买家带来损失。为了解决这一问题，我们提出了一个模型交易框架，允许买家在购买前验证模型质量。我们的研究发现，在市场均衡中，卖家会根据买家的验证成本和准确性，选择性地进行欺诈。此外，通过验证减少信息不对称，对买卖双方都有利。我们还探讨了一种新的市场模型，其中买家的订单信息在卖家制定交付策略前是保密的。分析显示，保护买家订单信息并不会增加双方的收益。这些发现对于构建健康、透明的机器学习模型市场具有重要意义。

任丰原

清华大学计算机科学与技术系教授

个人简介：任丰原，教授，任职于清华大学计算机科学与技术系。主要从事网络体系结构与流量管理、数据中心网络、工业互联网/物联网、系统性能评价等方向的教学与科研工作。多项研究成果发表在领域顶级期刊和会议，如ACM/IEEE ToN和IEEE JASC等，及ACM SIGCOMM, EuroSys, USENIX NSDI,ATC等，部分成果在华为、思科、博通和英特尔等公司的相关产品中得到了应用。获国家自然科学奖等6项国家、省部级科技成果奖；获 “国家自然科学基金杰出青年基金项目”资助；连续多年入选“爱思唯尔中国高被引学者榜单”。

报告题目：大模型训练系统中的以太交换网络

摘要 ：高性能交换网络是大模型训练集群系统的核心要素。报告首先概述大模型训练系统中混合并行技术作用下业务流量模式与分布的特征，及其与业务需求一起给交换网络设计带来的技术挑战。接着介绍交换芯片和交换机制造厂商的技术动态，分析总结在构建大模型训练系统的交换网络中的共识与分歧，并简要介绍工业联盟组织和学术界的相关研究进展。然后介绍研究小组在无损以太交换网流量管理方向上包括温和流量控制、三元拥塞探测和ACK驱动拥塞控制等具体研究工作。最后讨论若干开放性研究问题。