主题一：基于深度强化学习的数据中心流量优化机制研究

主讲：郑超轩

（导师：刘外喜）

  主题二：基于可编程数据平面网内负载均衡机制研究

主讲：张健毓

（导师：刘外喜）

  主题三：基于机器学习的车载网络ECU实时物理指纹认证系统

主讲：李纪霓

（导师：张曼）

主办机构

广州大学电子与通信工程学院

时间安排

2024年3月19日16:30-18:00

地点

B4 – 213

为拓宽研究生学术视野，促进研究生学术交流，营造良好的学术氛围，广州大学电子与通信工程学院主办的“研途青年说”第61讲于3月19日16:30-18:00在B4-213举行。本次主讲人为21级研究生郑超轩、张健毓和李纪霓。

郑超轩同学汇报的主题是基于深度强化学习的数据中心流量优化机制研究，他的讲解主要包括以下四部分：研究背景及意义、现状与研究目标、研究技术及方法、论文总结。研究背景显示，数据中心网络（DCN）流量分布非常不均匀，大象流与老鼠流常常需要相互竞争有限的网络资源，因此如何有效地调度这种混合流是一个巨大的挑战。其研究动机在于利用机器学习技术实现智能网络是一种趋势特别是深度强化学习的发展，使得人们尝试从人工设计的启发式算法中走出来，探索更适应于网络流量变化的调度策略。然后，介绍了软件定义网络（SDN） 的核心思想，是将网络的控制平面（Control Plane）和数据平面（Data Plane）分离，通过集中的控制器实现对整个网络的灵活管理和控制。最后，他对论文进行了总结，对研究结果进行了分析。

张健毓同学汇报的主题是基于可编程数据平面网内负载均衡机制研究，他的讲解主要包括以下五部分：研究背景及意义、现状与研究目标、研究方法及过程

、研究结果与应用、总结。他首先介绍了选题背景及意义，传统的网络架构管理方面已经逐渐出现一些不足之处，现如今急需解决的问题是，如何在数据中心网络中处理链路拥塞、管理以及路由动态性极强又庞大的流量，以达到负载均衡和提高链路利用率的效果。设计动机在于在可编程数据平面部署合适的机器学习模型(ML)用于流量分类、应用合适的拥塞度量方法路由流量和使用合适的调度粒度。然后，他对研究方法与过程、结果与应用进行了详细地讲解。最后，对论文进行了总结，并指出在可编程数据平面部署ML模型，能更好地指导负载均衡，要更加全面考虑网络拥塞情况，以及采用合适的调度粒度路由流量。

李纪霓同学汇报的主题是基于机器学习的车载网络ECU实时物理指纹认证系统，她的讲解主要包括以下五部分：引言、背景、研究方法、实验、总结。首先，她介绍了CAN认证机制，包括基于密码学原语和基于物理层的指纹。然后，对控制器区域网络和物理特征进行了简单介绍。还详细讲解了IVC 内部网络结构与工作原则、指纹验证步骤、CAN 信号采样和处理、特征提取和选择、模型生成以及ECU 识别和入侵检测。最后，对论文进行了总结，并提出了进一步值得研究的问题：更复杂的行驶场景、更复杂的攻击者和异常响应机制研究。

郑超轩

2021级电子与通信工程学院

电子与通信工程专业型硕士

导师：刘外喜副教授

主要研究方向：软件定义网络

主要科研成果：EI论文一篇

张健毓

2021级电子与通信工程学院

电子与通信工程专业型硕士

导师：刘外喜副教授

主要研究方向：可编程数据平面负载均衡

主要科研成果：EI论文一篇

李纪霓

2021级电子与通信工程学院

电子与通信工程专业型硕士

导师：张曼

主要研究方向：车联网

主要科研成果：EI论文一篇