智能生态网络（IEN）2021 基于价值数据NFT的开放可信数字底座

by netlab_admin Comment Closed
2021 4th IEEE HotICN 北京大学 雷凯做学术报告《智能生态网络（Intelligent Eco Networking）2021 基于价值数据NFT的开放可信数字底座》（点击可查看B站视频）  未来网络体系结构发展孕育着数字新基建发展之大变局，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。报告延续了智能生态网络(IEN,Intelligent Eco Networking 3.X) 的研究， 归纳了价值互联网面临的泛在化、语义化、价值化、生态化的总趋势。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开放许可型智能生态联盟链网。 Internet 辉煌的关键因素：“免费”、“开源”、“OSI(分层治理)”、“IP瘦腰”简洁开放模式；随着互联网与社会、产业、经济结合越来越紧密，“过度免费”加重了资本话语权、马太效应，形成了平台垄断；“过度开放”面对安全挑战巨大，使得底层网络协议长期“封闭化”；新型网络基础设施夯实数字经济发展底座，面向共建、共治、共享的社会治理格局，推进治理现代化，健全科技治理体系；区块链+NFT 开启价值互联网的承载价值数字要素的新手段；元宇宙底层技术：区块链、物联网、全息技术等给创建未来网络价值交互带来可信交易、隐私保护、信任等新思路； 方法论：返璞归真、化繁入简 区块链系统也是一种新型的分布式体系结构，都可以类比为“分布式形态”的冯洛伊曼体系结构，目前区块链系统晦涩难懂，是因为只当作一种应用系统，做了很多本该网络底层没做好，但是又必须的功能设计； 以网络体系设计的思维（横向互联互通、纵向层次化分工）可简化区块链系统复杂度、技术碎片化问题；沙漏模型对于大规模共性功能集成能体现更好软件工程设计思想； 区块链的复杂度在分布式冗余高、一致性维护难度大。回归图灵机的本质原理，是提高区块链在真实互联网环境下，高伸缩性的技术发展方向； NFT (非同质代币) 可以与命名寻址充分结合，全网可携带、交互无绑定数字资产，并可扩展更丰富的语义场景； 融入NFT+区块链分布式账本的特性，逆向思维、也可以降低网络体系结构的冗余状态，提升网络通信系统容量（香农定理）。 IEN 3.X 设计原则 创新性 •路由寻址与架构变革 •价值计算为中心 •情景感知、知识驱动 •网络生态宏微观统筹；可行性研究 •理论边界（3C） •适用场景（抖动性） •控制复杂度 •评价指标、体系 面向应用建模，构建以可信计算为中心的网内边缘泛在双边智能计算范式 IEN 期待功能强度提升：千里之行始于足（未来网络）下 所谓元宇宙八大要素：虚拟身份（跨层映射）、社交（跨域可信、数字底座）、沉浸感（人机交互）、低延迟（面向计算的网络架构 vs 面向传输的先进通信）、多元化（场景，语义）、随地（泛在性）、经济系统（细粒度、价值）、文明（生态、互惠） 唐僧的四个徒弟中，大家千万不要忽略了白龙马，没有白龙马，有再先进的理念也走不到西天，《块游记》，2018 以往中文报告、资料，欢迎追溯 ①《区块链风险更复杂多样，需要建立标准与监管共识》2017年1月27日，胡润金融科技大会; ②《区块链：阿凡达文明的缔造之魂，信息中心网络：潘多拉世界砥砺之基》，2018年3月2日，CCF; ③《块游记：区块链如何与NDN等未来网络基础设施结合？》，2018年11月25日; ④《IEN II: 知识驱动的边缘智能生态网络设想及初探》,2019年5月23日，南京未来网络大会; ⑤《面向5G的命名数据网络物联网研究综述》，计算机科学, 2020年; ⑥《智能生态网络:知识驱动的未来价值互联网基础设施》,  应用科学学报，2020年1月;⑦《面向边缘人工智能计算的区块链技术综述》，应用科学学报，2020年1月; ⑧《IEN III: 5G 边缘算力网络》，2020年6月4日，南京未来网络大会；⑨《IEN 3.X: 区块链与命名机制在未来网络体系结构中的先进原理》，21年6月，南京未来网络大会; ⑩《IEN 2021:基于价值数据NFT的开放可信数字底座》, 2021年11月25日，南京，4th HotICN ...
Read More

广东省重点领域研发计划“自主可控的联盟区块链关键技术研究”区块链与金融科技专项 项目启动会顺利召开

by netlab_admin Comment Closed
2021年9月15日下午，广东省重点领域研发计划“自主可控的联盟区块链关键技术研究”区块链与金融科技专项项目启动会在北京大学深圳研究生院顺利召开。广东省科学技术厅高新处郭秀强副处长、深圳市科技创新委员会信息处李莳副处长、广东省科学技术情报研究所商慧敏副主任、李利项目专管员参加了启动会。项目特邀技术专家华中科技大学金海教授、北京大数据研究院区块链与隐私计算研究中心莫晓康主任、中山大学郑子彬教授、鹏城实验室郑志明院士工作室马世龙教授对项目实施方案进行了评议。北京大学深圳研究生院潘锋副院长、科研处林信南副处长致欢迎词，对各位专家的到来和科技厅、科创委的支持表示感谢，并表达了对项目研究的支持保障和对项目成果的期待。各课题负责人与参与单位代表20余人出席了会议，会议由项目负责人雷凯老师主持。 自主可控的联盟区块链关键技术研究”项目启动会 项目牵头单位为北京大学深圳研究生院，参与单位包括广州大学、华南师范大学、香港理工大学、金蝶软件（中国）有限公司、杭州趣链科技有限公司、广州赛宝联睿信息科技有限公司。围绕区块链底层共性技术，重点研究：（1）基于内容中心的联盟区块链底层基础设施；（2）融合信誉模型的核心共识模块及态势预测监管技术；（3）面向可信身份管理的交易与内容分离管控及隐私保障技术；（4）高扩展多链架构及可信跨链互联与层次化分片技术；（5）面向数字资产交易的智能合约形式验证及混合fuzz检测技术。 “自主可控的联盟区块链关键技术研究”项目启动会员合影 项目团队从研究内容、实施进度及经费计划、产业应用基础、风险控制与任务保障、预期成果与考核指标、配套资金及相关预算等方面进行了详细的汇报。与会专家针对实施方案提出相关问题及建设性意见和建议，肯定了项目研究方案的先进性和已取得的进展，并希望进一步聚焦自主可控、有特色的关键技术突破，创新性应用落地以及严格把控项目执行过程中的风险，最后一致通过了项目实施方案论证。 ...
Read More

CNCC2021 区块链技术前沿与应用论坛

by netlab_admin Comment Closed
区块链是新一代信息技术的重要组成部分，是分布式网络、加密技术、智能合约等多种技术集成的数字经济基础设施，通过数据透明、不易篡改、可追溯，有望解决网络空间的信任和安全问题，推动互联网从传递信息向传递价值变革，重构信息产业体系。近年来，区块链技术和产业在全球范围内快速发展，应用已延伸到数字金融、物联网、智能制造、供应链管理、数字资产交易等多个领域，展现出广阔的应用前景。 点击查看内容全文：查看全文 ...
Read More

招商局集团参加北大深研院ICNLAB实验室座谈会

by netlab_admin Comment Closed
2020年3月9日，招商局集团李琦主任、山金孝处长及深圳市腾讯计算机系统有限公司腾讯云高管一行到访实验室，深圳市内容中心网络与区块链重点实验室主任雷凯老师举办校企洽谈合作会议，达成了招商局集团和北京大学深圳研究生院国家重点示范项目“区块链+贸易金融”的物流联盟链项目合作。 近几年实验室在区块链底层技术方面不断加强积累：目前是深圳市唯一的区块链领域重点实验室，2020年牵头主持了广东省区块链重点研发“自主可控联盟链关键技术”专项，并于今年获批了深圳市区块链领域唯一重点基础研究，雷凯老师连续两年入围全球前2%顶尖科学家影响榜。团队包括汇丰商学院的金融传媒叶韦明、金融科技郑海洋两位老师，推进跨学科文理交叉、多领域交流互动发展，联合校内外资源进一步加强高质量特色科研平台建设。 ...
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
‹12345›»