報告承辦單位:計算機學院
報告內容: 基于深度強化學習的智能網(wǎng)絡控制的得失
報告人姓名：田晗
報告人所在單位:中國科學技術大學
報告人職稱/職務及學術頭銜:特任副研究員
報告時間: 2025年7月18日周五上午8點半
報告地點: 金盆嶺9教214
報告簡介：目前，深度強化學習（DRL）擅長提供端到端的控制策略解決方案，因此在研究中被應用于擁塞控制、流量調度、自適應碼率、負載均衡等網(wǎng)絡系統(tǒng)的各個子控制任務當中。相比于傳統(tǒng)方法人工對網(wǎng)絡系統(tǒng)控制策略進行調試更新，深度強化學習的數(shù)據(jù)驅動的模型更新能力能夠對網(wǎng)絡系統(tǒng)快速迭代，從而能夠快速的適應新的網(wǎng)絡基礎設施、拓撲和網(wǎng)絡應用需求。然而，AI模型并非靈丹妙藥。我們在實踐將深度強化學習運用在網(wǎng)絡控制任務當中，遇到了很多困難與挑戰(zhàn)：訓練仿真環(huán)境的保真度有限；無法保證某些特殊性質(如公平性)；難以滿足高頻控制任務對低延時和低系統(tǒng)開銷的要求；以及在未知網(wǎng)絡環(huán)境下模型泛化能力下降等。在本次報告中，我們將以基于DRL的擁塞控制策略為例，介紹我們在研究過程中所面臨的上述問題及提出的一系列的解決方案，從而拋磚引玉，為準備和正在將AI方案引入網(wǎng)絡任務當中的研究者和網(wǎng)絡工作者們提供一些啟發(fā)。
報告人簡介: 田晗, 中國科學技術大學計算機科學與技術學院特任副研究員。本科畢業(yè)于北京航空航天大學，碩士畢業(yè)于中山大學，博士畢業(yè)于香港科技大學iSING智能網(wǎng)絡實驗室。主要研究方向包括智能網(wǎng)絡系統(tǒng)、機器學習系統(tǒng)、隱私計算等。近年來在網(wǎng)絡系統(tǒng)、人工智能與隱私計算等領域的重要國際學術期刊及會議發(fā)表論文數(shù)十篇，其中包括USENIX NSDI, USENIX OSDI, IEEE S&P, Eurosys, CoNEXT, IEEE Transactions on Networking等國際頂尖學術會議和期刊。擔任CoNEXT, ChinaSys等執(zhí)行委員會委員，頂級網(wǎng)絡學術期刊TON、TMC等審稿人。
