智能生态网络IEN 2022：面向Web3.0的内容中心链网融合架构

by netlab_admin Comment Closed
2022年11月25日，在第五届广州IEEE HotICN未来网络大会上，雷凯老师做了视频报告《智能生态网络（IEN）2022：面向Web3.0的内容中心链网融合架构》。报告从NDN和区块链、IEN和Web3.0、IENNFT、IEN和元宇宙、研究进展五个方面展开讨论。未来计算的发展将从过去提供单一的网络连接服务、云计算服务，逐步走向云网边端协同，网络、计算、存储、控制4C深度融合的基础融合网络架构。 北京大学雷凯课题组2018年开始自主提出的《智能生态网络 - Intelligent Eco Networking（IEN）》，IEN关键在于打造一个融合区块链、协调分布式人工智能、命名数据网络等先进技术的数字经济可信底座。提出了基于命名寻址与NFT特性相结合的数算网一体新型网网络体系结构，具体给出了一个可共性支撑边缘物联网算力网络、元宇宙、数字孪生等场景需求的开源许可型分布式信任智能生态开放联盟链网。 欢迎乐意参加项目研发的实习同学添加微信：openeralab，进一步讨论交流。 1、日益增长的数字文化的需求与有待演进的网络承载能力之间的矛盾如何破局？ 2、网络、计算（智能）、资源、控制4C 融合在理论、模型多目标挑战挑战如何调和？ 3、未来元宇宙（生活、工作、娱乐、治理）对“网络/互联网”作为基础设施的内涵和定义会产生什么影响？开放创新还有哪些想象空间？ 《A hybrid Content-Centric and Blockchain Networking Architecture Towards Web 3.0》 Intelligent Eco Networking （智能生态网络，IEN）架构由雷凯老师课题组在2018年首届HotICN会议上自主提出。IEN架构创新特色之处在于：1) 基于虚拟化、可编程技术构建平行栈模式，向后兼容IP传输规则并向前扩展支持命名路由，实现网络泛在计算模式；2)利用NDN松耦合逐跳转发机制，链网协同，提高下层网络对上层区块链计算的网内语义支撑能力及对网络动态变化的适应性；3)将分布式身份、层次化签名权限与内容中心命名标识语义关联，增强区块链网络传输数据的语义携带能力与所有权能力，综合形成一种链、通、算一体化系统架构。IEN自身特性为数字生态新基建提供一个共享共建、逐步落地的未来价值互联网可行演进方案。同时，本年度报告也将增加介绍面向Web3.0的IENNFT（无绑定型内容中心链网融合架构）专利技术思想。   Intelligent Eco Networking (IEN) was independently proposed by Prof. Lei Kai's group since the first HotICN conference in 2018. The innovation features of IEN architecture include: Based on the parallel stack mode built with virtualization, programmable technologies, IEN is backward compatible with IP transport rules and forward compatible for name based routing mechanism, which realize the ubiquitous in-network computing mode. Taking advantages of NDN’s loosely coupled hop-by-hop forwarding mechanism, the blockchain  system collaborates with network underlay to improve the in-network semantic support ability of lower network to upper blockchain computing and the adaptability to the dynamic changes of the network. By semantically associating DID and hierarchical signature authority with content-centric naming identity to strengthen semantic capacity and ownership carried from blockchain network data transmission, IEN forms to become an integrated system architecture of blockchain, network transmission and...
Read More

17级付求爱同学参加IJCNN 2019国际学术会议

by netlab Comment Closed
在实验室雷凯老师的指导下，17级付求爱同学的一篇论文被International Joint Conference on Neural Networks 2019国际学术会议（IJCNN 2019）录用。 论文题目：Multi-Task Learning with Capsule Networks 论文简介：多任务学习是一种在利用任务之间的共性和差异的同时，共同学习多个任务的机器学习方法。共享表示是通过多任务学习来学习的，为每个任务学习的内容可以帮助其他任务更好地学习。现有的多任务学习方法大多采用深度神经网络作为每个任务的分类器，深度神经网络可以利用其强大的曲线拟合能力来实现训练数据的高精度，即使在学习的表示还不够好的情况下，然而这与多任务学习的目的是相矛盾的。本文提出了一个多任务胶囊网络（MT-Capsule）框架，该框架利用胶囊网络改进了多任务学习。胶囊网络是一种新型的神经网络模型，它可以智能地对部分整体关系进行建模，构成视点不变的知识，并自动将所学知识扩展到不同的新场景中。在大型真实数据集上的实验结果表明，MT-Capsule可以显著优于目前最好的方法。   IJCNN是每年举办一次的关于国际神经网络领域的前沿会议。研讨会包含了对目前在机器智能、人工智能、生物神经网络等方面取得的重大进展的探讨， 整个会议共有超过30个分会议，共有超过400个口头报告和海报展示，多种形式的学术交流使得参会者从创新性和前沿性问题对神经网络进行各方面深入探讨。 会议的宗旨是为来自世界各地的专家学者提供一个展示和讨论最新研究成果的平台，并激发不同研究领域之间的思想交流。研讨会的宗旨是为来自世界各地的专家学者提供一个展示和讨论最新研究成果的平台，激发不同研究领域之间的思想交流，并试图通过研究各项难题来探索生物神经网络的奥秘。本次会议(IJCNN 2019)于2019年7月14-7月19日在匈牙利布达佩斯举行举行，会议包括来自瑞士、美国、英国、德国、日本和中国等国家的学者前来参加。 17级付求爱作为论文作者参加了此次IJCNN 2019会议，认真听取专家的大会报告和分会报告，并积极与国内外同行展开了深入地交流。 通过参加本次会议,解到了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心和雷老师的资助。  ...
Read More

17级杜茂瑜同学参加 HPCC 2019 国际学术会议

by netlab Comment Closed
在实验室雷凯老师的指导下，17 级杜茂瑜同学的一篇论文被 IEEE International Conference on High Performance Computing and Communications (HPCC 2019) 录用。 论文题目：Towards Decentralized Equilibrium Asset TradingBased on Blockchain 论文简介：过去十年见证了数字代币和加密货币的爆炸式增长，包括比特币，奖励计划和以太坊上的各种代币。然而，由于缺乏可互操作的标准，交易这些异构和非金融数字资产经常遇到大量的流动性障碍，并且面临着市场不平衡风险的定价策略的均衡困境。从这个意义上讲，我们引入了一种新的分散均衡交易机制，用于跨越价值体系的资产，结合区块链和经济理论，优化资产的存储，均衡和流通。为了证明所提出机制的实际可行性，我们使用精心设计的智能合约设计，实施和评估以太坊平台上的端到端原型系统。我们广泛的实验评估和交易模拟表明，所提出的机制以分散的方式解决了均衡价格的不同资产之间的交易和交易，为没有人为干预的资产交易市场的自主均衡提供了实践和理论基础。 HCPP 旨在分享全球学者在高性能计算和通信的各个方面的研究成果、应用和新想法，过去十年见证了强大的并行和分布式计算的发展。HPCC 2019 于 8 月 10-12日在中国张家界举行。会议包括了主题演讲、论文 Oral、Poster 展示等，主题包括并行和分布式计算、高性能计算以及 AI 应用等方面。会议邀请了包括来自康奈尔大学的 Bart Selman 教授、滑铁卢大学的 Weihua Zhuang 教授、阿尔伯塔大学的 Witold Pedrycz 等知名专家和学者作为 Keynote Speaker 分享相关领域的最新进展。 通过参加本次会议，解到了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心和雷老师的资助。...
Read More

16级章奇超同学中稿IEEE Communications Magazine杂志

by netlab Comment Closed
IEEE Communications Magazine（https://www.comsoc.org/publications/magazines/ieee-communications-magazine）是通信领域的顶级刊物，涵盖通信的各个方面，提供该领域最新的信息，被中科院评定为SCI 1区期刊，最新的影响因子（IF）为9.270。   16级同学章奇超，在实验室雷凯老师和ASU的徐快老师的指导下，完成一篇论文“Securing ICN-Based UAV Ad Hoc Networks with Blockchain”，并已确认被IEEE Communications Magazine杂志下THE QUEST FOR INFORMATION-CENTRIC NETWORKING专题录用。中稿论文的简介如下：   标题：Securing ICN-Based UAV Ad Hoc Networks with Blockchain   作者：Kai Lei, Qichao Zhang, Junjun Lou, Bo Bai, and Kuai Xu*   英文摘要：Named data networking (NDN) enables fast and efficient content dissemination in mission-critical unmanned aerial vehicle ad hoc networks (UAANETs); however, its in-network caching mechanism brings a new security challenge: content poisoning. Poisoned content can contaminate the cache on the routers and isolate valid content from the network, leading to performance degradation or denial of service. To mitigate such attacks and enhance network-layer trust of NDN-based UAANETs, this article proposes a novel and systematic framework that integrates interest-key-content binding (IKCB), forwarding strategy, and on-demand verification to efficiently discover poisoned content. To further provide decentralized IKCB store and detect internal attackers, we introduce a lightweight permissioned blockchain system over NDN and develop a scalable adaptive delegate consensus algorithm. Our experimental results have demonstrated that our proposed framework can effectively...
Read More

17级付求爱同学中稿ICDCS 2019

by netlab Comment Closed
The 39th IEEE International Conference on Distributed Computing Systems (ICDCS 2019)将于2019年7月7日至7月10日，在美国德克萨斯州达拉斯举行。ICDCS是分布式计算系统相关领域的研究人员和其他专业人士的重要国际会议，也被CCF推荐为计算机体系结构方向的B类会议。   17级付求爱同学在雷凯老师和徐快老师指导下，完成一篇长文” Detecting Malicious Domains with Behavioral Modeling and Graph Embedding”，并已确认被ICDCS 2019录用！中稿论文的简介如下：   论文标题: Detecting Malicious Domains with Behavioral Modeling and Graph Embedding   论文作者: Kai Lei, Qiuai Fu, Jiake Ni, Feiyang Wang, Min Yang, Kuai Xu*   英文摘要: The last decade has witnessed the explosive growth of malicious Internet domains which serve as the fundamental infrastructure for establishing advanced persistent threat command and control communication channels or hosting phishing Web sites. Given the big data nature of Internet traffic data and the ability of algorithmically generating domains and acquiring and registering the domains in a near-automated fashion, detecting malicious domains in real-time is a daunting task for security analysts and network operators. In this paper, we introduce bipartite graphs to capture the interactions between end hosts and domains, identify associated IP addresses of domains, and characterize time-series patterns of DNS queries for domains, and explore one-mode projections of these bipartite graphs for modeling the behavioral, IP-structural,...
Read More

17级付求爱同学中稿IJCNN 2019

by netlab Comment Closed
IEEE International Joint Conference on Neural Networks (IJCNN 2019)将于2019年7月14日至7月19日，在匈牙利布达佩斯举行。IJCNN是神经网络及相关领域的研究人员和其他专业人士的首要国际会议，也被CCF推荐为人工智能方向的C类会议。   17级同学付求爱在实验室雷凯老师指导下，完成一篇长文”Multi-Task Learning with Capsule Networks”，并以确认被IJCNN 2019录用！中稿论文的简介如下：   论文标题: Multi-Task Learning with Capsule Networks   论文作者: Kai Lei, Qiuai Fu, Yuzhi Liang*   英文摘要: Multi-task learning is a machine learning approach learning multiple tasks jointly while exploiting commonalities and differences across tasks. A shared representation is learned by multi-task learning, and what is learned for each task can help other tasks be learned better. Most of existing multi-task learning methods adopt deep neural network as the classifier of each task. However, a deep neural network can exploit its strong curve-fitting capability to achieve high accuracy in training data even when the learned representation is not good enough. This is contradictory to the purpose of multi-task learning. In this paper, we propose a framework named multi-task capsule (MT-Capsule) which improves multi-task learning with capsule network. Capsule network is a new architecture which can intelligently model part-whole relationships to constitute viewpoint invariant knowledge and automatically extend the learned knowledge to different...
Read More

16级袁凯琦同学中稿Journal of Cheminformatics期刊

by netlab Comment Closed
16级同学袁凯琦，在实验室雷凯老师和沈颖老师的指导下，完成一篇论文“KMR: knowledge‑oriented medicine representation learning for drug–drug interaction and similarity computation”，并已确认被Journal of Cheminformatics期刊录用。   Journal of Cheminformatics期刊简介： Journal of Cheminformatics（https://jcheminf.biomedcentral.com）是计算机领域面向化学信息学分析与应用的学术期刊，被中科院评为SCI 1区期刊。该期刊近五年影响因子(IF)为3.98。   中稿论文简介： 标题：KMR: knowledge‑oriented medicine representation learning for drug–drug interaction and similarity computation 作者：Ying Shen, Kaiqi Yuan, Min Yang, Buzhou Tang, Yaliang Li, Nan Du, Kai Lei* 论文链接：https://jcheminf.biomedcentral.com/articles/10.1186/s13321-019-0342-y 摘要：药物的有效表示为医疗保健分析提供了重要支持，例如药物相互作用（DDI）预测和药物 - 药物相似性（DDS）计算。然而，不完整的标记数据和药物特征矩阵稀疏为药物表示学习造成了实质性障碍，使得新药的资料在公开发布之前难以准确地识别新药的性质。为了解决这个问题，我们提出KMR，这是一种以知识为导向的特征驱动方法，可以准确地表达药物相关知识。我们对临床应用中的医学数据集进行了一系列实验，以证明KMR能够进行正确表示药物属性。实验结果表明， KMR可以发现有意义的DDI，准确率高达92.19％，证明了KMR可以显著提高训练集中未出现的新药的DDI预测质量。实验结果还表明，KMR可以通过促进药物知识识别DDS，准确率为88.7％，优于现有的最先进的药物相似性测量。...
Read More

16级袁凯琦同学中稿Journal of Medical Systems期刊

by netlab Comment Closed
16级同学袁凯琦，在实验室雷凯老师和沈颖老师的指导下，完成一篇论文“KGDDS: A System for Drug-Drug Similarity Measure in Therapeutic Substitution based on Knowledge Graph Curation”，并已确认被Journal of Medical Systems期刊录用。   Journal of Medical Systems期刊： Journal of Medical Systems(https://link.springer.com/journal/10916) 是人工智能领域面向生物医学应用的学术期刊，被中科院评为SCI 3区期刊。该期刊近五年平均影响因子（IF）为2.382。   中稿论文简介： 标题：KGDDS: A System for Drug-Drug Similarity Measure in Therapeutic Substitution based on Knowledge Graph Curation 作者：Ying Shen，Kaiqi Yuan，Jingchao Dai，Buzhou Tang，Min Yang，Kai Lei* 论文链接：https://link.springer.com/article/10.1007/s10916-019-1182-z 系统链接：http://www.iasokg.com/ 摘要：测量药物 - 药物相似性是一项非常重要并且富有挑战性的工作，目前已经在标记的训练数据充足且可用的药物方面取得了重大进展。然而，利用知识图谱丰富的知识来解决数据偏差以及不完整性的潜力还有待挖掘。在本文中，我们提出了一个基于节点链接的生物医学知识图谱管理和可视化系统KGDDS，帮助预测药物 - 药物相似性。具体而言，我们重用现有的知识库来减轻构建高质量知识图的困难，这些知识图的大小高达700万条边。然后我们设计了一个预测模型来探索药理学特征和知识图特征。最后，我们提出了一种用户交互模型，将药物相似度可视化，帮助用户从药物相似性的角度更好地理解药物特性。实验结果表明，KGDDS优于现有的最先进的药物相似性模型。另外，视觉效果证明，KGDDS可以通过促进抗生素处方知识来缩短病人与医护人员之间关于药物知识的差距，具有显着的适用性和实用性。...
Read More

17级黄济乐同学赴柬埔寨参加ICONIP2018神经信息处理国际会议

by netlab Comment Closed
在实验室雷凯老师和沈颖老师的指导下，17级学生黄济乐论文<Semantic Similarity Measures to Disambiguate Terms in Medical Text>被国际学术会议25th International Conference on Neural Information Processing（ICONIP 2018）录用, ICONIP会议的影响力逐年上升,在澳洲和部分欧洲地区被评为计算机学科A类会议。 第25届神经信息处理国际会议（ICONIP 2018）于2018年12月13日至16日在柬埔寨暹粒举行，此前的活动均取得了圆满成功。吴哥窟位于柬埔寨北部的暹粒附近，是东南亚最重要的考古遗址之一，也是世界上最大的宗教纪念碑，被联合国教科文组织列为文化遗产。 ICONIP 2018为科学家，工程师和教育工作者提供一个高水平的国际论坛，介绍相关领域的研究和应用的最新技术。会议以世界知名学者的全体演讲，广泛报道的常规会议以及专注于热门话题的特别会议为特色。 下面是论文简介 论文题目：Semantic Similarity Measures to Disambiguate Terms in Medical Text 论文作者：Kai Lei, Jiyue Huang, Shangchun Si and Ying Shen 论文简介： 在词语之间准确地计算语义相似性是语义网领域中的重要但具有挑战性的任务。 然而，语义相似性度量涉及知识学习的全面性和高频和低频词的充分训练。 在这项研究中，提出了一种方法MedSim用于语义相似性测量，以识别医学文本中的同义词术语，其有效性和准确性得到很好的平衡。应用在中国医学文献的实验结果表明，我们提出的方法在同义词识别方面具有比竞争对手明显的识别准确率优势。 非常感谢实验室的全额资助, 通过此次会议交流学习, 黄济乐同学为实验室同学们分享了人工智能特别是自然语言处理方向未来的发展趋势和研究动向,了解了机器学习现在的理论研究进步,为今后的研究夯实了基础....
Read More

16级邓扬同学参加AAAI 2019国际会议

by netlab Comment Closed
美国时间2019年1月27-2月1日，16级邓扬同学与雷凯老师、沈颖老师一同参加了在美国夏威夷洲檀香山（Honolulu, Hawaii）举办的AAAI 2019 (The Thirty-Third AAAI Conference on Artificial Intelligence) 美国人工智能会议,将实验室的研究成果在会议上展示并与来自全球的学者共同讨论。 AAAI于1979年成立，是国际人工智能领域的顶级国际会议，被中国计算机学会（CCF）列为A类会议。这一协会如今在全球已有超过6000名的会员，汇集了全球最顶尖的人工智能领域专家学者，一直是人工智能界的研究风向标，在学术界久负盛名。本届大会共收到7700余篇有效投稿，其中7095篇论文进入评审环节，最终有1150篇论文被录用，录取率为近年最低仅为16.2%。（https://aaai.org/Conferences/AAAI-19/）   邓扬同学在本次会议上发表了一篇长文“Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering”，并在会议上做了口头汇报论文展示。   通过参加本次会议,了解了相关领域内最新研究进展，开拓了视野。通过做报告，认识到了语言表达的重要性。通过与参会人员的交流，受到了很多启发。感谢互联网研发中心、雷老师和沈老师的资助。   以下是论文列表及简介： Multi-Task Learning with Multi-View Attention for Answer Selection and Knowledge Base Question Answering 作者：Yang Deng, Yuexiang Xie, Yaliang Li, Min Yang, Nan Du, Wei Fan, Kai Lei*, Ying Shen* (*Corresponding Author) 简介：答案选择和知识库问答（KBQA）是问答系统的两个重要任务。现有的方法分别解决这两个任务，需要大量的重复工作，而忽略了任务之间丰富的相关信息。本文基于以下动机，通过多任务学习（MTL）同时处理答案选择和KBQA任务。首先，答案选择和KBQA都可以看作是一个排序问题，一个在文本级别，而另一个在知识级别。第二，这两个任务可以互相促进：答案选择可以结合来自知识库（KB）的外部知识，而KBQA可以通过从答案选择中学习上下文信息来改进。为了实现联合学习这两项任务的目的，我们提出了一种新的多任务学习方案，它利用从不同角度学习的多视角注意力，使这些任务能够相互交互，并学习更全面的句子表示。在多个真实数据集上的实验验证了该方法的有效性，提高了答案选择和KBQA的性能。此外，多视角注意力机制被证明能有效地从不同表征角度组装注意力信息。...
Read More
123›»