时间:2022年8月20日 14:00-17:00
地点:江苏南京
主席:潘丽
论坛简介:
近年来日益广为流行的云计算、边缘计算等分布式环境,为服务计算和服务生态的发展带来了新的机遇和挑战,一方面为服务提供商带来了广泛的资源用以部署、提供他们的服务,为用户提供更加弹性化的高效服务;另一方面,服务也可以通过云计算、边缘计算等平台进行交付,形成了更为广阔和开放的服务市场,同时也带来了新的挑战。目前国内外学术界和工业界都越来越意识到服务质量管理、资源分配和调度优化理论和技术研究对于繁荣服务市场、促进服务生态健康发展的重要性。因此,本论坛拟围绕服务质量管理、服务资源优化分配、调度问题,针对云计算、边缘计算等模式对服务计算领域和服务生态带来的新的挑战,研讨传统的服务质量管理、资源优化分配和调度方法和技术以及新一代人工智能技术如何用于解决服务资源管理和服务质量优化问题。
论坛日程安排:
时间 | 主题 | 主讲人 |
14:00-14:10 | 开幕式 | 潘丽 |
14:10-14:50 | 边缘智能环境下大数据驱动的服务卸载与资源分配 | 许小龙 |
14:50-15:30 | New Challenges at the Edge: Resource, Security and Intelligence | Qiang He |
15:30-15:40 | Coffee Break | |
15:40-16:20 | KubeEdge-Sedna边云协同终身学习在楼宇冷机控制领域的创新应用 | 郑子木 |
16:20-17:00 | 边缘服务:概念和质量保障技术 | 张鹏程 |
主题报告1:边缘智能环境下大数据驱动的服务卸载与资源分配
主讲人: 许小龙
报告摘要:边缘计算将云数据中心的计算、存储等资源下沉到靠近用户的网络边缘侧,将运行在云数据中心上的计算任务下放到边缘节点执行,降低了数据中心的计算负载与巨大的带宽消耗,同时提供低延迟、数据安全与隐私保护的服务。近年来,人工智能在计算机视觉、医学诊断等领域得到了突飞猛进的发展,极大的提高了生产效率,改变了人们的生活方式。将边缘计算与人工智能进行有机融合,催生了边缘智能的新概念,为智能交通、智慧气象、智慧城市等应用发展提供助力。作为边缘智能的典型应用场景,车联网边缘计算通过将车联网服务部署在边缘端,可以降低端云之间的数据传输时延,缓解终端或路侧智能设施的计算与存储压力,提供高质量车联网服务。此外,其他行业大数据场景(如智慧医疗、智慧气象)同样展现出边缘智能服务创新的新潜力。以此为背景,本报告将重点围绕边缘智能环境下不同行业大数据驱动的服务卸载与资源分配技术展开探讨。
个人简介:
许小龙,男,1988年生,江苏海安人,南京信息工程大学计算机学院教授、博士生导师。2016年12月博士毕业于南京大学计算机科学与技术系;2017年5月至2018年4月于美国密歇根州立大学进行访问研究,2020年破格晋升教授。主要研究方向为:边缘计算、服务计算。以第一/通讯作者在IEEE TSC、IEEE TKDE、IEEE TFS、IEEE T-ITS、IEEE TII、IEEE/ACM TCBB、ACM TOSN、ACM TOMM、ACM TOIT、《计算机学报》等国内外一流期刊和ACM SIGIR、ICSOC、IEEE ICWS等一流国际会议上发表论文80余篇,其中ACM/IEEE Transactions32篇,中科院I区28篇,Google学术引用5100余次(h-index=41)。入选全球高被引学者(2021年)、江苏省科协青年科技人才托举工程(2022年)、江苏省科技副总等。获中国百篇最具国际影响学术论文2篇(第1完成人);江苏省高等学校科学技术研究成果奖二等奖(第1完成人);江苏省科技情报学会成果奖三等奖(第1完成人);6篇国际会议最佳论文奖,2篇国际会议杰出论文奖、1篇最佳专题论文奖。主持和参与国家重点研发计划、国家自然科学基金、省部级项目共10余项。
主题报告2:New Challenges at the Edge: Resource, Security and Intelligence
主讲人: Qiang He
报告摘要:在本次报告中,将从资源、安全、智能三个方面,介绍团队在边缘计算领域中开展的最新研究工作和取得的成果,包括:在边缘资源方面的边缘用户分配、边缘数据缓存、边缘能耗优化等问题,边缘安全方面的数据一致性、DDoS攻击缓解、协同可靠计算等问题,边缘智能方面的多层机器学习问题,以及构建的支撑上述研究的真实数据集。
个人简介:
Qiang He (Senior Member, IEEE) received the first PhD degree from the Swinburne University of Technology, Australia, in 2009 and the second PhD degree in computer science and engineering from the Huazhong University of Science and Technology, China, in 2010. He is currently an associate professor with Swinburne. His research interests include edge computing, software engineering, cloud computing, and services computing.
主题报告3:KubeEdge-Sedna边云协同终身学习在楼宇冷机控制领域的创新应用
主讲人: 郑子木
报告摘要:楼宇系统节能长期以来一直是一个重要的研究课题。学术界已经开发了许多数据驱动的模型和系统,但现有技术在实际业务中使用还存在问题。它们要么需要足够数量的样本,要么需要数据科学家进行详细数据分析,这是由于大部分方法中没有记忆能力,从而阻碍了服务的可扩展通用部署和终身维护。我们首次研究了通过训练终身学习模型来实现楼宇冷机服务的在线多任务维护。提案引入元知识及其运算符,以自动发现生成了哪些模型、何时使用它们以及如何更新它们。我们使用公共ATCII数据集评估我们的框架,实验表明提案对比所有最先进的基线,性能平均高出30.02%。报告相关论文已被计算机能源领域顶级会议ACM e-Energy 2022接收,部分框架代码已被采用并开源发布到KubeEdge-Sedna。
个人简介:
郑子木,华为云边缘云创新实验室主任工程师。2019年博士毕业于香港理工大学,研究方向为边缘AI、多任务迁移学习及AIoT。发表国际相关领域顶级会议及期刊 (TPDS、IJCAI、 ICDCS、CIKM、TOSN、e-Energy、TIST等) 论文十余篇,多次获得最佳会议论文奖项,多次获得华为公司技术贡献奖项。现正带领团队参与KubeEdge SIG AI的开源工作。
主题报告4:Edge Node Placement with Minimum Costs: When User Tolerance on Service Delay Matters
主讲人:董海
报告摘要:Edge node placement optimization has been an emerging research area that has drawn extraordinary attention from the disciplines of distributed and services computing. Existing studies, nevertheless, barely focus on overall deployment cost minimization with edge node site selection and server amount optimization, while bearing users’ delay tolerance. In this paper, we focus on investigating feasible user delay tolerance-aware edge node site selection and server placement optimization strategies adaptive for real-world large-scale use cases, with the objective of deployment cost minimization. We consider two kinds of deployment cost: edge node setup cost and server purchasing expenses. We formulate an MEC edge node placement problem with the proof of its NP-hardness. A Coverage First Search (CFS) method and a Distance-Aware Coverage First Search (DA-CFS) method are proposed to address this problem in polynomial time with an approximation ratio of (1 - 1/e). The experiments conducted on a real-world dataset demonstrates the competitiveness of our methods in efficiency with the effectiveness guarantee compared with the start-of-the-art work in this area.
个人简介:Dr. Hai Dong is a lecturer at School of Computing Technologies in RMIT University, Melbourne, Australia. He is the leader of Smart Sensing and Services Research Area, and the deputy director and co-founder of CloudTech-RMIT Green Cryptocurrency Joint Research Laboratory (GreenCryptoLab). He published a monograph and 110+ research articles in international journals and conferences, including CACM, CSUR, JCSS, KBS, TCC, TIE, TII, TR, TSC, TSE, WWWJ, ICSOC, ICWS, etc. His publications receive 2000+ citations and H-Index of 25 according to Google Scholar statistics. He received the Best Research Paper Award in ICSOC 2016. He currently serves as a chair for the Neural Networks Technical Committee Task Force on Deep Edge Intelligence in IEEE Computational Intelligence Society, and an associate editor for several international journals. He also served in the organizing or program committees of 80+ international conferences, including ICSOC, ICWS, etc. His primary research interests include Service-Oriented Computing, Distributed Systems, Cybersecurity, Software Testing, Machine Learning, Data Analytics, etc. He is a senior member of the IEEE.
版权所有:中国计算机学会技术支持邮箱:conf_support@ccf.org.cn