随着人工智能和大数据的飞速发展，“数据驱动智能、智能改变世界”的时代已经来临，智能对数据的需求和计算对智能的依赖都在不断增强，智能计算已经成为人工智能和大数据之间最前沿的交叉研究领域。其总体目标是，基于各种系统网络产生的城市大数据（比如智能交通系统、智能电网系统、电子商务系统，群智感知，社交网络，计算机网络等），利用各种人工智能和机器学习等计算方法进行学习，并把学习得到的智能信息运用到各种创新服务中，实现智慧城市，使世界变得更美好。智能计算目前在群智感知、智慧城市、电子商务系统，社交网络，计算机网络等领域中受到了广泛研究和关注。从广度上，智能计算涵盖从传感基础设施、移动人群及其便携设备、线上社交媒体等各种渠道获取大规模相关数据；从深度上，智能计算延伸至利用各种机器学习和优化算法在兼顾代价的同时提炼出高质量数据。
本次论坛作为重庆大学90 周年校庆系列学术活动之一，邀请了国内以西部高校为主的计算机领域知名专家学者，共同交流和探讨智能计算研究的当前进展以及未来趋势。本次论坛共分为4 个主题，涵盖了智能计算当前最前沿的研究方向，包括：智能计算、大数据处理与分析、群智感知与边缘计算、智能网络与安全等。
时间：2019年4月27日（全天）
地点：重庆大学A区主教学楼 504会议厅
1. 论坛日程
| 08:30 – 08:45 | 开幕式、欢迎辞 | |
| Topic 1: 智能计算 | ||
| 08:45 – 09:15 | 数据驱动智能——机遇与挑战及我们的解决方案 | 李天瑞 教授 西南交通大学 |
| 09:15 – 09:40 | Traffic Shaping in Online Content Distribution | 李 楠 博士 阿里 |
| 09:40 – 10:05 | Scaling-up Pervasive AI with Provably Good Learning Algorithms | 熊昊一 博士 百度 |
| 10:05 – 10:40 | 茶歇、合影 | |
| Topic 2: 大数据处理与分析 | ||
| 10:40 – 11:10 | 大数据近似计算 | 马 帅 教授 北京航空航天大学 |
| 11:10 – 11:35 | 大图随机游走研究：算法优化与系统设计 | 李永坤 副教授 中国科学技术大学 |
| 11:35 – 12:00 | 子图模式快速挖掘方法研究 | 王平辉 研究员 西安交通大学 |
| 12:00 – 14:00 | 午歇 | |
| Topic 3: 群智感知与边缘计算 | ||
| 14:00 – 14:30 | 群智计算与认知安全 | 郭 斌 教授 西北工业大学 |
| 14:30 – 14:55 | 移动群智感知与计算 | 王 亮 副教授 西北工业大学 |
| 14:55 – 15:20 | 个性化的路径描述算法 | 苏 涵 副研究员 电子科技大学 |
| 15:20 – 15:45 | 边缘计算网络联合迁移决策与资源配置 | 屈毓锛 博士 上海交通大学 |
| 15:45 – 16:15 | 茶歇 | |
| Topic 4: 智能网络与安全 | ||
| 16:15 – 16:45 | 云环境中基于压缩感知的图像信息保护应用 | 肖 迪 教授 重庆大学 |
| 16:45 – 17:10 | Information Leakage in Encrypted Deduplication via Frequency Analysis | 李经纬 副教授 电子科技大学 |
| 17:10 – 17:35 | High-Performance Network Analytics via Approximate Techniques | 黄 群 副教授 中科院计算所 |
| 17:35 – 18:00 | Forever Young: Aging Control For Smartphones in Hybrid Networks | 徐跃东 副研究员 复旦大学 |
2. 报告内容及报告专家简介
李天瑞
报告题目：数据驱动智能——机遇与挑战及我们的解决方案
内容摘要：本报告首先概述了数据驱动智能的机遇和几大主要挑战，包括合理数据采集、数据量大、数据动态性、数据不确定性、数据多源异构性以及数据隐私保护等问题，接着概述了数据驱动智能的四个要素，包括数据、算法、计算力和行业应用，最后重点介绍我们近期在数据驱动智能方面的工作进展，包括大规模增量特征选择算法设计，并行知识发现方法以及在智慧城市方面应用等。
讲者简介：李天瑞，西南交通大学信息科学与技术学院教授，博导，人工智能研究院副院长，四川省云计算与智能技术高校重点实验室主任，四川省学术与技术带头人，IRSS会士和指导委员会主席。承担国家级项目7项，在国际会议做大会报告20次，在AI、IEEE TKDE、IEEE TEC、IEEE TIP等国际期刊和中国科学、软件学报、计算机学报等国内期刊和KDD、IJCAI、UbiComp国际会议等上发表学术论文300余篇（SCI检索110余篇，ESI热点论文3篇和高被引论文12篇，2016年教育部学科评估ESI扩展版论文18篇），出版编著6部，主编SCI期刊专辑10集，获发明专利6项。担任三个SCI期刊编委和十余次国际会议主席。培养的学生曾获得CAAI优秀博士论文提名奖1次，2015年天池大数据“新浪微博互动预测大赛”冠军（奖金20万元），2016年国际人工智能联合会议竞赛（社会影响力分析）亚军和2018AI全球挑战赛“AI天气预报挑战赛”亚军等，就业单位包括微软亚洲研究院、四川大学等。
李楠
报告题目：Traffic Shaping in Online Content Distribution
内容摘要：In the problem of traffic shaping, a collection of sessions arrive in an online manner, and within each session we need to make optimal decisions such that immediate reward is maximized while certain constraints over the entire sessions can be satisfied. In practice, the constraints can be bussiness operation strategies, this problem has found applications in many online businesses. In this talk, we will talk about our recent developments of traffic shaping, including the framework, algorithm issues, practical systems. Also, we will share some applicaitons of traffic shaping in video recommendation and e-commerce.
讲者简介：Nan Li received the PhD degree in computer science from Nanjing University, China, in 2015. He is currently a research staff engineer in the DAMO academy of Alibaba Group, and was a faculty member in the School of Mathematical Sciences at Soochow University, China. His research interests are mainly in machine learning and online optimation, with applications in recommender systems and search engines. In these topics, he has published over 20 papers in leading international journals or conference proceedings. He and other collabrators won the Grand Prize (Open Category) in the PAKDD 2012 Data Mining Competition, and his co-authored paper also won the Best Paper Runner-Up Award at MobiQuitous 2011. He was also conferred with the Baidu Fellowship and IBM PhD Fellowship in 2013.
熊昊一
报告题目：Scaling-up Pervasive AI with Provably-Good Learning Algorithms
内容摘要：Acting as the backbones of modern and future society operations, Pervasive AI techniques have scaled up the applications of machine learning algorithms to meet the full spectrum of social needs. In this talk, I select a small subset of my past work ranging from budget-feasible combinatorial crowdsourcing with spatial-temporal coverage optimality (UbiComp’14/15, PerCom’15, and TMC’15/16/18a/18b), to misclassification/asymptotic rate bounded discriminative learning (ICDM’17a/17b, IJCAI’18, and TNNLS’19), to my most recent progress on the mathematically plausible deep learning algorithms (ICLR’19, AAAI’19, and several ArXiv preprints). Throughout the whole talk with diverse topics, audiences are expected to understand the role that provably-good guarantees of learning algorithms play in pervasive AI applications and systems. Some additional discussion on the theoretical aspects of deep learning and applications of my future work will be also addressed.
讲者简介：Dr.Haoyi Xiong is currently a Senior Research Scientist at Big Data Lab, Baidu Inc. and also an affiliated member of National Engineering Laboratory of Deep Learning Technology and Applications. Prior to his industrial research endeavor, he was a tenure-track Assistant Professor at Department of Computer Science, Missouri University of Science and Technology, Rolla Missouri, United States. Before joining Missouri S&T, he was a Research Associate at Department of Systems and Information Engineering, University of Virginia, Charlottesville, Virginia, United States. He received his PhD in Computer Science from Telecom SudParis and Univeristy of Paris 6 (2015), MSc and BEng from Hong Kong University of Science and Technology (2011) and Huazhong University of Science and Technology (2009) respectively.
马帅
报告题目：大数据近似计算
内容摘要：数据规模巨大、动态变化、可靠性低，如何从大数据中快速准确地搜索有价值的信息已成为当前亟待解决的一个重要挑战性问题。近年来，大数据搜索从理论到算法到系统都取得了很好的进展。在大数据环境下，查询处理等搜索任务在最优解难以计算或者不必要时，追求可以高效计算并且满足需求的近似结果。因此，如何设计近似计算方法成为解决从大数据中快速准确地搜索有价值的信息这一挑战性难题的关键。在本报告，我们将介绍和探讨大数据近似计算方法。
讲者简介：马帅，双博士(北京大学’2004，爱丁堡大学’2011)，北京航空航天大学计算机学院(首批)长聘教授、博士生导师，CCF数据库专业委员会常委、大数据专家委员会委员。主要研究方向为大数据、数据库理论与系统等。数据库领域顶级期刊VLDB Journal Associate Editor (2017.9~ )。2010年获得VLDB唯一最佳论文奖、2013年获国家优秀青年科学基金(优青)、2013年获国际知名会议WISE 最佳挑战论文奖、2016 年获国际知名会议WSDM挑战赛最终排名第2名。
李永坤
报告题目：大图随机游走研究：算法优化与系统设计
内容摘要：随着图结构数据的规模日益增大，随机游走由于其不依赖于图的全局信息，且可提供无偏性的理论保证，已然成为大图分析的有效手段之一。但是大图上的随机游走面临着收敛速度慢的问题，从而引起较大的节点访问开销。而且，由于随机游走对图的访问具有很强的随机性，从而导致在大图上进行随机游走时产生大量随机访问I/O，严重影响基于随机游走的图计算系统的性能。鉴于此，在算法层面，我们利用公共邻居这一子图结构信息，提出了收敛更快的随机游走算法；在系统层面，我们针对随机游走的特征，提出了按需加载的I/O模型与以游走为中心的计算方式，从而大大加速基于随机游走的图计算任务。
讲者简介：李永坤，中国科学技术大学计算机学院副教授。 本科毕业于中国科学技术大学，博士毕业于香港中文大学，师从John C.S. Lui教授。目前主要致力于数据存储与文件系统等方面的研究，尤其是key-value系统，虚拟化内存管理，图计算系统，Flash等。目前已发表论文40余篇，包括ATC，SIGMETRICS，VLDB，INFOCOM，DSN等。主持国家自然科学基金青年和面上项目，安徽省自然科学基金项目，CCF-腾讯犀牛鸟基金等项目，获CCF-腾讯犀牛鸟基金优秀奖与王宽诚育才奖。现为CC/ACM/会员，CCF信息存储专委委员，中科院青促会会员。
王平辉
报告题目：子图模式快速挖掘方法研究
内容摘要：复杂网络在自然学科和社会学科的各个领域都有着广泛的研究与应用。早期的研究大多基于单个节点或边的低阶结构特征，比如节点度分布和边类型分布等。随着研究的不断深入，越来越多的研究者开始使用高阶的局部结构特征，即网络中小的连通子图。这些子图特征可以揭示复杂的关系，例如“朋友的朋友是朋友”、“敌人的敌人是朋友”等规律，更深层次的描述刻画网络的特征。本报告介绍如何利用采样和随机行走等技术有效解决子图挖掘分析时间复杂度高等难点挑战。
讲者简介：王平辉，博士，西安交通大学特聘研究员，博士生导师。2012年获得西安交通大学系统工程专业博士学位。先后在香港中文大学计算机系和加拿大麦吉尔大学计算机系任博士后，华为香港诺亚方舟实验室任研究员。2015年入职西安交通大学特聘研究员、博士生导师。主要研究方向为网络流量数据实时监控、在线社会网络测量与用户行为分析等。研究成果先后发表在TKDE、TIFS、TKDD、JSAC、VLDB、ICDE、INFOCOM、AAAI等国际顶级期刊和会议。
郭斌
报告题目：群智计算与认知安全
内容摘要：在移动社交网络发展背景下，用户可以通过线上/线下多种方式贡献数据。“群智计算”探索如何挖掘或利用群体智能实现对低质冗余、内容丰富、多维互补群体贡献数据的高效处理和语义理解。同时，社交新媒体的快速发展也带来了网络空间安全问题。特别是网络上各种思想文化相互激荡、交锋，主流价值观面临冲击，有害信息则误导价值取向，危害国家安全稳定。因此，对社交网络空间“认知安全”开展研究对完善网络治理体系，营造健康有序的网络环境具有重要意义。本报告将重点介绍近年来在群智计算和认知安全方面的研究进展及相关应用。
讲者简介：郭斌，工学博士，西北工业大学计算机学院教授/博导，计算机系统与微电子系主任，智能感知与计算工信部重点实验室副主任。2009年3月在日本庆应大学获得博士学位，2009-2011年在法国国立电信学院进行博士后研究。入选教育部“新世纪优秀人才”和第三批国家“万人计划”青年拔尖人才。
主要从事普适计算、城市计算和大数据智能方面研究。在国内外重要期刊和会议如IEEE TMC, IEEE THMS, IEEE TITS, ACM TKDD, ACM Computing Surveys, IEEE Comm. Surveys and Tutorials, UbiComp, INFOCOM等上面发表学术论文100余篇，6篇论文入选ESI热点或高被引论文。曾获得教育部自然科学二等奖（排名3），获IEEE UIC’17等国际会议“最佳论文奖”5次。担任《IEEE Transactions on Human-Machine Systems》,《IEEE Communications Magazine》,《ACM Transactions on Intelligent Systems and Technology》,《IEEE Internet of Things》等国际权威期刊编委或客座编辑，以及IEEE UIC’15, IEEE CPSCom’16等多个重要国际会议程序主席等职务。IEEE/CCF高级会员。
王亮
报告题目：移动群智感知与计算
内容摘要：移动智能设备的不断普及与无线通信网络技术的不断推广，催生出了一种新的基于物联网的以人为中心的感知范式：移动群智感知。作为一种全新的“以人为中心”的感知模式，移动群智感知在用户移动性、感知自主性、运行异质性等方面具有不同于传统感知模式的新挑战、新问题。本报告将围绕上述挑战，聚焦移动群智感知数据获取与知识计算，结合近年来的一些研究成果进行探讨，并对未来研究趋势进行展望。
讲者简介：王亮，博士，现为西北工业大学计算机学院副教授，毕业于中国科学院沈阳自动化研究所，西北工业大学计算机科学与技术博士后。长期从事移动计算、数据挖掘、群智计算等方向的研究工作。IEEE会员、中国计算机学会会员、中国计算机学会普适计算专业委员会委员，国家物联网基础标准工作组成员，担任CCF Transactions on Pervasive Computing and Interaction主编助理，IEEE Transactions on Industrial Informatics、IEEE Transactions on Human Machine Systems、Knowledge-based System、Ubicomp2018、ICSPCC2015等国际期刊与会议审稿人。已在国内外期刊如IEEE TMC、ACM TKDD、ACM TOSN、IEEE TCYB、IEEE TII、Neurocomputing、自动化学报或会议上如Fusion2017发表论文三十余篇，研究工作被IEEE院士、ACM院士、IEEE Fellow等国际知名学者引用并正面评价；主持科研项目如国家自然科学基金等四项，参与科研项目如国家重点研发计划、国家973计划等五项，申请发明专利6项。
苏涵
报告题目：个性化的路径描述算法
内容摘要：传统的路径描述是每逢路径转弯做一次描述，例如直行1公里后右转进入长安街的形式。然而很多时候用户对于某一长段路径是非常熟悉，所以我们设计了个性化的路径描述算法，算法通过在路径描述中使用用户熟知的地标点来生成简单明了的路径描述文字，例如从家开到绕城高速入口。
讲者简介：苏涵，电子科技大学计算机学院副研究员。本科毕业于南京大学，博士毕业于昆士兰大学，后在南加州大学做博士后研究。她的主要研究方向是大数据处理、数据挖掘和地理信息系统。近三年在数据库和数据挖掘领域发表包括SIGMOD, PVLDB, ICDE, VLDBJ在内的论文近二十篇。
屈毓锛
报告题目：边缘计算网络联合迁移决策与资源配置
内容摘要：目前，云计算（Cloud Computing）数据中心的集中式处理时代已逐渐转入以万物互联为核心的边缘计算（Edge Computing）时代，而集中式数据处理不能有效处理边缘终端设备所产生的海量数据。相比云计算，边缘计算具有更低延迟、更高可靠性、更好数据隐私保护等突出优势。由于其广阔应用前景，边缘计算目前已经成为学术界和产业界共同关注的未来发展趋势之一。其中，边缘计算网络迁移决策与资源配置联合优化已成为研究热点。但从实际应用环境的需求来看，现有研究在计算任务关系、网络环境、系统供能等多个方面尚未考虑或刻画较简单，其成果无法解决面向复杂环境的边缘计算网络联合迁移决策与资源配置问题。本报告将从边缘计算网络所处的实际环境出发，分析边缘计算网络联合迁移决策与资源配置在实际复杂环境应用面临的挑战，共同探讨相关解决思路和方法，以期推动边缘计算的落地生根。
讲者简介：屈毓锛，博士，现为上海交通大学博士后，人社部第四批“博士后创新人才计划”入选者。2009年6月本科毕业于南京大学，2016年6月博士毕业于解放军理工大学，2015年-2016年以访问研究员身份赴日本会津大学开展合作研究。主要研究兴趣为移动边缘计算、群智感知、D2D通信、认知无线网络和网络编码等，现主持国家自然科学基金一项，以第一作者身份在IEEE/ACM ToN、IEEE TMC、IEEE INFOCOM、IEEE TVT等国际学术期刊和会议上发表多篇论文，为IEEE JSAC、IEEE TMC、IEEE T-COM、IEEE TWC、IEEE TVT等国际学术期刊担任审稿人。
肖迪
报告题目：云环境中基于压缩感知的图像信息保护应用
内容摘要：压缩感知作为一种新颖的开创性的信号获取理论，自提出以来，迅速在众多领域引起了高度的关注。有趣的是，压缩感知框架可以被看作一种加密方案。与传统加密方案相比，压缩感知加密方案具有加密过程计算代价低、同时实现加密和压缩以及具有密文鲁棒性等诸多优点。提出了一种具有隐私保护的压缩感知图像存储模型，高效地利用了云服务来解决压缩感知重构问题，并且提供了对具有隐私保护的数据进行分析处理的可能性。在此基础上，进而提出了一种基于云存储的压缩感知域图像版权验证算法，利用压缩感知测量值保留原始数据之间欧氏距离的特性，在图像存储服务模型中实现了对具有隐私保护的数据的分析处理操作，进而达到了对隐私数据进行管理的目的。
讲者简介：肖迪， 博士，重庆大学教授，博士生导师，教育部新世纪优秀人才，重庆市杰出青年科学基金获得者，IEEE/ACM/CCF/CSIG会员及中国密码学会高级会员，中国密码学会混沌保密通信专委会委员、中国密码学会青年工作委员会委员，中国图象图形学会数字媒体取证与安全专委会委员。
先后于四川大学和重庆大学获得学士、硕士和博士学位，2006-2008年在重庆大学从事博士后研究，2008年12月至2009年12月由国家公派到美国新泽西理工学院做访问学者。近年来主要从事信息安全、多媒体安全、云计算与大数据隐私保护技术等方面的研究。作为项目负责人曾先后主持国家自然科学基金项目3项、重庆市杰出青年科学基金项目1项、重庆市基础科学与前沿技术研究专项重点项目1项、中国博士后科学基金项目1项、重庆市自然科学基金项目2项及教育部新世纪优秀人才支持计划项目1项；作为主研人员曾先后参研国家自然科学基金重点项目和国家重点研发计划等项目。
已在包括IEEE TCAS、Information Sciences等国内外重要学术刊物上发表相关学术论文90余篇，被SCI检索85篇。2014-2018年连续五次入选“Elsevier中国高被引学者”。曾两次获得重庆市自然科学二等奖。
李经纬
报告题目：Information Leakage in Encrypted Deduplication via Frequency Analysis
内容摘要：Encrypted deduplication seamlessly combines encryption and deduplication to simultaneously achieve both data security and storage efficiency. State-of-the-art encrypted deduplication systems mostly adopt a deterministic encryption approach that encrypts each plaintext chunk with a key derived from the content of the chunk itself, so that identical plaintext chunks are always encrypted into identical ciphertext chunks for deduplication. However, such deterministic encryption inherently reveals the underlying frequency distribution of the original plaintext chunks. This allows an adversary to launch frequency analysis against the resulting ciphertext chunks, and ultimately infer the content of the original plaintext chunks.
In this talk, we study how frequency analysis practically affects information leakage in encrypted deduplication storage, from both attack and defense perspectives. We propose a new inference attack that exploits chunk locality to increase the coverage of inferred chunks. To protect against frequency analysis, we borrow the idea of existing performance-driven deduplication approaches and consider an encryption scheme called MinHash encryption, which disturbs the frequency rank of ciphertext chunks by encrypting some identical plaintext chunks into multiple distinct ciphertext chunks.
讲者简介：Jingwei Li is now an associate professor at the University of Electronic Science and Technology of China. Before that, He was a postdoctoral researcher working with Professor Patrick P. C. Lee at the Chinese University of Hong Kong. During 2013 to 2014, he was a visiting scholar working with Prof. Anna Squicciarini at the Pennsylvania State University. He obtained the B.S. from Hebei University of Technology in 2009 and the Ph.D. from Nankai University in 2014, respectively.
黄群
报告题目：High-Performance Network Analytics via Approximate Techniques
内容摘要：Traditional distributed systems ensure deterministic in the design to guarantee that their behaviors are identical to a single machine. However, such strong guarantee often entail significant overheads and cause terrible performance degradations. Fortunately, this guarantee can be relaxed to improve the system performance in the area of “Big Data”. The intuition behind is that it is acceptable to introduce a small error in the underlying system when the error is predictable, controllable and easy to be compensated. In this talk, I will present several recent works that leverage approximation techniques to optimize their designs, thereby providing a trade-off between performance and accuracy. The first work AF-Stream trades off a small fraction of accuracy to mitigate the overheads of fault tolerance in stream processing. Then, I will introduce a classical streaming techniques namely sketches. I will present how to build efficient network measurement systems atop sketches to achieve high-performance and high accurate online network analytics.
讲者简介：Qun Huang is an Associate Professor at Institute of Computing Technology, Chinese Academy of Sciences (ICT-CAS). Before joining ICT, he was a Researcher at Huawei Future Network Theory Lab in Hong Kong from 2015 to 2017, leading a group for network measurement and analytics. He got his Ph.D. degree in August 2015 from The Chinese University of Hong Kong, and B.S. degree from Peking University in 2011. He has published papers in several top conferences including ACM SIGCOMM, VLDB and INFOCOM.
徐跃东
报告题目：Forever Young: Aging Control For Smartphones in Hybrid Networks
内容摘要：The demand for Internet services that require frequent updates through small messages, also known as microblogging, has tremendously grown in the past few years. Although the use of such applications by domestic users is usually free, their access from mobile devices is subject to fees and consumes energy from limited batteries. If a user activates his mobile device and is in the range of a publisher, an update is received at the expense of monetary and energy costs. Thus, users face a tradeoff between such costs and their messages aging. The goal of this paper is to show how to cope with such a tradeoff, by devising aging control policies. An aging control policy consists of deciding, based on the utility of the owned content, whether to activate the mobile device, and if so, which technology to use (WiFi or cellular). We present a model that yields the optimal aging control policy. Our model is based on a Markov Decision Process (MDP) in which states correspond to content ages. Using our model, we show the existence of an optimal strategy in the class of threshold strategies, wherein users activate their mobile devices if the age of their poadcasts surpasses a given threshold and remain inactive otherwise. The accuracy of our model is validated against traces from the UMass DieselNet bus network.
讲者简介：徐跃东，2009年底博士毕业于香港中文大学计算机科学与工程系，之后在法国国家自动化与计算机研究院（INRIA）及阿维尼翁大学从事博士后研究。2013年9月起在复旦大学信息科学与技术学院工作，担任副研究员。目前研究方向为AI驱动的网络系统设计、多天线无线网络系统设计、分布式网络的随机建模及其经济学分析。代表性论文发表在ACM CoNEXT, ACM Mobihoc, IEEE/ACM Trans. Networking 及IEEE INFOCOM等国际知名会议期刊上。