2018年（第九届）CCF优博论坛在北京大学举行

CCF优秀博士学位论文奖已成为中国学术界很有影响力的奖项，设立12年来，已有100多位博士获此殊荣。

日程安排

8月7日（周二）(北京友谊宾馆)

12:00 - 18:00：会议报到（北京友谊宾馆）

18:00 - 19:30：接待晚餐（北京友谊宾馆自助餐）

8月8日（周三） （北京大学英杰交流中心，月光厅）

08:30：             开幕式

08:35 - 09:05：主题演讲——努力成为优秀（高文教授，CCF理事长）

09:05 - 09:20：主题演讲（陈堃銶教授）

09:20 - 09:35：主题演讲（郑纬民教授，CCF奖励委员会主席）

09:35 - 10:15：学术报告——视觉SLAM技术及应用（章国锋，浙江大学教授，2010年优博）

10:15 - 10:35：合影、茶歇

10:35 - 11:15：学术报告——面向分布式系统的复制数据类型研究概述（魏恒峰，南京大学教师，2017年优博）

11:15 - 11:55：学术报告——The Fusion of VMs andProcesses: A System Perspective（张一鸣，国防科技大学副教授，2010年优博）

 

12:00 - 13:30：午餐

14:00 - 14:40：学术报告——新型大图数据的管理与应用（袁野，东北大学教授，2012年优博）

14:40 - 15:20：学术报告——机器阅读理解：进展与挑战(韦福如,微软亚洲研究院资深研究经理)

15:20 - 15:40：茶歇

15:40 – 16:20学术报告——定向在线口令猜测 （汪定，北京大学，2017年优博）

16:20 - 17:00：人工智能教育革新与产教融合 (蒋运韫，微软亚洲研究院学术合作经理)

17:00 - 18:00：北大校园参观

18:30 - 21:00：晚餐 （北大艺园餐厅二楼）

8月9日（周四） （北京大学英杰交流中心，月光厅）

09:00 - 9:40： 学术报告——Indexing and QueryingMetric Spaces（陈璐，2017年优博）

09:40 - 10:20：学术报告——理论学习（高尉，南京大学教师，2014年优博）

10:20 - 10:40：茶歇

10:40 - 11:20：学术报告——Multi-Agent DeepReinforcement Learning（辛博，2017年优博）

11:30 - 13:00：午餐

13:30 - 16:00：参观王选纪念陈列室

附件：从友谊宾馆到北大英杰交流中心的路线地图

2018中国计算机学会优博论坛

2018年8月8-9日 北京

地点：北京大学英杰交流中心月光厅

特邀嘉宾 （按姓氏笔画排序）

陈堃銶

陈堃銶，北京大学计算机科学技术研究所教授、博士生导师。1936年6月生于上海，1953-1957年就读于北京大学数学力学系计算数学专业，毕业后留校，在数学系任教。1975年起，陈堃銶与王选一道，开始从事我国“汉字信息处理系统工程”（简称“748工程”）中“汉字激光照排系统”的研究，是该系统大型软件的总负责人，承担了早期软件的全部设计并负责实现其应用，该系统的研制成功和产业化推广应用，掀起了我国“告别铅与火、迎来光与电”的印刷技术革命，成为自主创新和用高新技术改造传统行业的典范，也为信息时代汉字和中华民族文化的传播与发展创造了条件。陈堃銶获得两次国家科技进步一等奖，并获陈嘉庚技术科学奖、北京市科技进步特等奖、毕昇奖、中国计算机事业60年杰出贡献特别奖、 “全国三八红旗手”等多项荣誉。

郑纬民

郑纬民，清华大学计算机系教授，博士生导师。CCF奖励委员会主席。1970年毕业于清华大学并留校任教，1982年获硕士学位。目前担任《大数据》期刊主编，《计算机研究与发展》期刊副主编，并行与分布处理国防重点实验室学术委员会委员，高性能计算国家重点实验室、计算机体系结构国家重点实验室、数学工程与先进计算国家重点实验室学术委员会委员。曾任中国计算机学会第十届理事长。长期从事大规模数据存储系统领域的科研与教学工作，带领团队在国内率先开展存储系统关键技术研究，在网络存储系统、结构无关容灾方案、云存储系统的研究开发方面做出了一系列开创性贡献。主持并完成省部级以上科研项目35项。2002年国家信息安全管理系统获国家科技进步一等奖，2007年高性能集群计算机与海量存储系统获国家科技进步二等奖，2008年中国教育科研网格获国家科技进步二等奖；2015年面向社区共享的高可用云存储系统获国家发明二等奖。2016年获何梁何利基金科学与技术进步奖。2016年获ACM戈登.贝尔奖。与合作者一起发表论文530余篇，其中30余篇论文发表在FAST、OSDI、ATC、IEEE TC和ACM TOS等国际顶级会议和权威期刊上。著作10部。已获2项美国发明专利授权，36项国家发明专利授权。教学方面长期讲授计算机系统结构课程，2008年被评为国家级精品课程；已编写和出版计算机系统结构教材和专著10本。

高文

主题演讲题目：努力成为优秀

 

高文，北京大学信息科学技术学院教授。中国工程院院士、ACM/IEEE Fellow、CCF理事长。1991年获日本东京大学电子工程学博士。曾任国家八六三计划智能计算机主题专家组成员、组长，973项目首席科学家。曾任中国科学院计算技术研究所所长、中国科学技术大学副校长、中国科学院研究生院常务副院长。曾任第四届、第五届国务院学位委员会计算机科学技术学科评议组成员、《计算机学报》主编，曾任或现任IEEE T-MM、IEEE T-CSVT、SPIC、JVCIR、IEEE  T-IP编委等。是第十届、十一届、十二届全国政协委员。目前兼任国家自然科学基金委员会副主任、全国信息技术标准化技术委员会多媒体技术分委员会主任委员、IEEE 1857(AVS)标准工作组组长、数字音频编解码技术标准(AVS)工作组组长。

特邀讲者 （按姓氏笔画排序）

陈璐

题目：Indexing and Querying Metric Spaces

 

摘要: With the rapid developments of  computer, Internet, communicational and positioning technologies, the volume  of the data is increasing rapidly resulting from the scientific computing,  the social life and the industrial production. The data is high-dimensional,  multi-source, heterogeneous, uncertain, and incomplete. Hence, we need a more  generic model, i.e., the metric space. Metric spaces can support various data  types and flexible distance metrics, and thus, they are more useful. The  speaker systematically explores indexing and query processing technologies in  metric spaces, including metric index structures, metric query processing,  and metric query usability.

 

简历: Lu Chen is an Assistant Professor in Aalborg University,  Denmark. She received the PHD degree in Computer Science from Zhejiang  University, China in 2016, and then worked as a research fellow in Nanyang  Technology University from Oct. 2016 to Sep. 2017. Her research concerns data  management and data-intensive systems, and its focus is on metric data  management. Lu has published more than 20 papers on top/important database  conferences (e.g., SIGMOD, VLDB, ICDE, SIGIR) and journals (e.g., VLDBJ, TKDE,  Information Sciences). Her paper was selected as one of best papers in ICDE  2015, and her thesis is selected as one of the excellent PHD theses by CCF.  She was also a publication chair of WISE 2017 and a guest editor of WWW  Journal and DSE.

汪定

题目：定向在线口令猜测

 

摘要：口令（password）是当前最主流的身份认证方式，在可预见的未来仍无可替代。现有研究多关注在获取了服务器口令存储文件后，如何更快恢复出用户口令，而在未获取网站服务器口令存储文件的情况下，如何高效猜测口令却鲜见公开研究。我们针对“给定网站和目标用户的个人相关信息，如何以最少猜测次数确定目标用户的口令”这一问题，提出了一个口令定向在线猜测攻击框架。该框架包含7个概率攻击模型以刻画7种不同能力的现实攻击者，并且实现口令猜测过程的自动化。大规模真实数据测试结果显示，在允许猜测100次的情况下，如果仅知道目标用户的一些常见个人信息，成功率可达20%；如果知道用户在其它网站曾经泄露的一个口令，成功率可达77%。这一结果大大超出了此前人们的预期，引起美国国家数字认证指南NIST  SP800-63-3关于口令在线猜测防御部分的修订。本工作已进入美国、英国和中国香港多所高校网络安全研究生的授课内容。

 

简历：汪定，北京大学“博雅”博士后，研究方向为口令安全。近年来以第一作者在ACM CCS、NDSS和IEEE  TDSC、IEEE TIFS等国内外重要刊物发表论文40余篇，其中4篇入选“ESI高被引论文”，累计被引用1200余次。担任ISC、SEC、TrustCom、ICPADS、ProvSec、CANS等20余个国际知名会议的TPC  member; 受邀作为客座主编，在CCF推荐期刊WCMC和SCN各主办一期身份认证方面专刊。研究成果被福布斯、每日邮报、ACM通讯等200多个国际媒体报道，入选Elsevier“中国计算机科研成果大赏”，引起美国身份认证标准NIST SP800-63-3的修订。被评为北京大学 “学术精英”、北京大学“学生年度人物•2016”，先后获得北京大学优秀博士学位论文奖、CCF优秀博士学位论文奖、教育部自然科学一等奖（第二完成人）。

辛博

题目：Multi-Agent Deep Reinforcement Learning

 

摘要：Many challenging practical problems require  multiple agents to solve collaboratively. However, communication becomes a  bottleneck when a multi-agent system (MAS) scales. This is particularly true  when a MAS is deployed to autonomous learning (e.g. reinforcement learning),  where massive interactive communication is required. We argue that the  effectiveness of communication is a key factor to determine the intelligence  level of a multi-agent learning system. In this regard, we propose to realize  classical peer-to-peer and master-slave architectures respectivelywith novel  neural networks designs and facilitate effective multi-agent communication  during the interactive reinforcement learning (RL) process. The proposed  multi-agent reinforcement learning systems consistently outperforms latest  competing methods in classic computer vision problems, challenging StarCraft  tasks and autonomous vehiclessimulations etc。

 

简历：辛博博士，微软亚洲研究院视觉计算组研究员。主要研究兴趣为最优化理论（含凸优化、非凸优化、子模优化、贝叶斯优化等）以及在机器学习和计算机视觉领域的应用。他的研究成果均发表在人工智能和机器学习领域的顶级会议和期刊上，包括NIPS、ICML、CVPR、AAAI、UAI、SPARS、TSP、TIST等，其中多篇工作受邀口头（Oral）报告。他于2016年从北京大学获得计算机应用技术博士学位，博士阶段荣获谷歌博士奖学金，百度奖学金等重要奖励，并于2017年荣获CCF优秀博士论文奖。

张一鸣

Title: The  Fusion of VMs and Processes: A System Perspective

 

摘要：There are two trends for cloud virtualization: the  first is to enhance processes to achieve VM-like security, and the second is  to reduce VMs to achieve process-like flexibility. Based on these  observations, our vision is that in the near future VMs and processes might  be fused into one new abstraction for cloud virtualization that embraces the  best of both, providing VM-level isolation and security while preserving  process-level efficiency and flexibility. We describe a reference  implementation for the new abstraction (pVM, process-like VM). A pVM takes  the hypervisor as an OS and the Unikernel appliance as a process allowing  both page-level and library-level dynamic mapping. At the page level, KylinX  supports pVM fork plus a set of API for inter-pVM communication (IpC). At the  library level, KylinX supports shared libraries to be linked to a Unikernel  appliance at runtime. KylinX enforces mapping restrictions against potential  threats.

 

简历：张一鸣，博士，国防科技大学计算机学院副教授。在NSDI、EuroSys、ATC、Transactions on Networking等国际会议和期刊发表论文50余篇。Trans. Services Computing“虚拟化与服务”专刊编辑，担任了IEEE LSCA、JointCloud等国际会议的大会主席，IEEE ICDCS、ICWS、BDPS等国际会议的程序委员会委员。主持设计实现了多个分布式信息系统，在互联网企业、国家和军队的重要业务部门中得到成功应用。是虚拟计算环境（IVCE）的主要设计和开发者，获国家科技进步二等奖。

高尉

题目：学习理论

 

摘要：学习理论伴随机器学习的起源、对机器学习的发展有着重要的指导与支撑作用，泛化性(generalization)与一致性(consistency)是学习理论中两个重要的研究问题。泛化性研究通过训练数据学习得到的分类器对未见数据是否具有良好的泛化性能，一致性研究在足够多样本的情形下，通过学习算法所得到的分类器是否趋于最优分类器，即真实分布下的Bayes最优分类器。此报告将分别以Boosting和AUC为例，研究Boosting的泛化性与优化AUC学习的一致性，并基于理论启发探索有效的学习方法。

 

简历：高尉，南京大学机器学习与数据挖掘研究所(LAMDA)副研究员，2014年获南京大学博士学位，主要研究领域为学习理论，在包括COLT, ICML,  AIJ, T-PAMI等重要国际会议期刊发表论文10余篇。近年来应邀担任IJCAI/AAAI高级程序委员、ICML/NIPS/KDD等重要国际会议程序委员。担任中国计算机学会人工智能与模式识别专委会委员、中国人工智能学会机器学习专委会委员，江苏省人工智能学会副秘书长等。获中国计算机学会优秀博士学位论文奖、江苏省优秀博士学位论文奖等荣誉。

袁野

报告题目：新型大图数据的管理与应用 

 

摘要：在大数据时代海量多源异构的数据间存在着紧密的关联性，图作为表示数据之间关系的基本结构从传统网络分析领域（如道路交通网络分析、社交网络分析）到新型网络分析领域（如人脑网络分析、知识图谱分析、物联网络分析）有着广泛的应用。新型应用的大图数据除了具有大数据的 4V特点外，还具有局部特征多样性、关联数据复杂性、拓扑结构时变性等新型数据特征。本报告首先将结合实际应用，阐述大图数据的传统特点和新型数据特征，以及由新型数据特点带来的研究挑战和科学问题。其次，介绍我们提出的一套大图数据计算理论框架，及基于该框架的新型大图数据计算模型和管理系统。最后，介绍大图数据分析在医疗健康领域的应用。

 

简历：袁野，博士，现为东北大学计算机学院教授、博士生导师、国家优秀青年基金获得者。曾获教育部和辽宁省科技进步一等奖、全国优秀博士论文提名奖、中国计算机学会优秀博士论文奖。袁博士是中国计算机学会数据库专业委员会委员、中国计算机学会高级会员，IEEE高级会员。袁博士分别与于2004年、2007年和2011年在东北大学获得学士、硕士和博士学位，香港科技大学、香港中文大学、英国爱丁堡大学访问学者。主要研究方向为大数据管理与分析(包括图数据管理、众包数据管理、不确定数据管理、数据隐私保护等)。在SIGMOD、VLDB、ICDE、VLDB Journal、IEEE Trans. TKDE、IEEE Trans. TPDS等重要学术会议和期刊上发表论文50余篇。主持和参与的项目20项，其中主持国家、省部级项目10项

章国锋

报告题目：视觉SLAM技术及应用

 

摘要：虽然基于视觉的同时定位与地图构建（Visual SLAM）在过去十多年里取得了很大的进展，但要满足实际的应用需求仍需要解决一些关键性难题。例如，如何高效地获得尽可能长而且准确的特征轨迹并将多视频序列之间的复杂回路闭合起来？如何对于海量图像/视频数据在有限的内存下进行高效的全局优化？如何在动态环境下进行鲁棒的同时定位与地图构建？如何处理相机快速运动和强旋转？如何在线动态调整重建的三维几何表面？本次演讲主要与大家分享我们为了解决这些关键问题所做的研究工作以及相关应用。

 

简历：章国锋，博士，浙江大学CAD&CG国家重点实验室教授，浙江大学-商汤三维视觉联合实验室副主任，博士生导师。主要从事运动恢复结构、同时定位与地图构建、三维重建、增强现实、视频分割与编缉等方面的研究工作，尤其在同时定位与地图构建和三维重建方面的研究取得了一系列重要成果，研制了一系列相关软件，如ACTS, LS-ACTS, RDSLAM, RKSLAM等(下载网址：http:// www.zjucvg.net )，并开源了非连续特征跟踪ENFT、分段集束调整SegmentBA和高效的增量式集束调整EIBA等算法的源代码（详见https://github.com/ZJUCVG/）。获全国百篇优秀博士学位论文奖、计算机学会优秀博士学位论文奖以及教育部高等学校科学研究优秀成果奖科学技术进步奖一等奖(排名第4)。

魏恒峰

题目：面向分布式系统的复制数据类型研究概述

 

摘要：为了满足高可用性、高容错性与访问低延迟等需求，大规模分布式系统通常采用数据复制技术，将同一数据的多个副本存放在不同的物理节点上。本报告介绍面向分布式系统的复制数据类型，包括规约、实现、协议最优性与系统平台等诸多问题。在规约方面，我们以数据一致性为核心探讨如何确定复杂的复制数据类型的语义。在协议最优性方面，我们介绍经典的元数据额外代价指标及其下界证明技巧。此外，我们还将简要介绍支持典型复制数据类型的系统平台。

 

简历：魏恒峰，2016年毕业于南京大学计算机科学与技术系。2017年起,任南京大学计算机科学与技术系助理研究员。研究兴趣包括分布式计算与形式化方法。在TC、TPDS、PerCom、SRDS 等国际期刊会议上发表数篇学术论文。获2017年度CCF优秀博士学位论文奖。

微软与优博---特邀报告（按姓氏笔画排序）

韦福如

Title:  机器阅读理解：进展与挑战

 

摘要：机器阅读理解作为自然语言处理的重要研究方向和课题，最近在工业界和学术界都引起了广泛的讨论和关注。本报告将通过对现有工作进行总结和比较，并就未来面临的挑战和进一步的研究方向进行讨论和展望。

 

简历：韦福如, 微软亚洲研究院自然语言计算组资深研究经理，长期从事自然语言处理领域的研究和创新。在自然语言处理领域顶级会议和期刊发表论文100余篇，并担任EMNLP 2015，NAACL 2016等国际会议领域主席，多项研究成果转化到微软重要产品中。入选首届（2017年）《麻省理工科技评论》中国区35岁以下科技创新35人榜单（发明家）。

蒋运韫

Title：人工智能教育革新与产教融合

 

摘要：随着新一代国家人工智能发展规划的推进，人工智能领域教育教学的普及性和重要程度都深刻影响着国家的人才培养模式和未来竞争力。在坚持产教融合、需求导向的基本原则下，微软始终坚持以科技创新引领产业发展，秉承“人工智能赋能每一人”的理念，与学界、业界充分合作。一方面整合企业、研究院的前沿技术与研究课题，融入和改进教学内容和资源，另一方面以课程共建和师资培训的形式，注重理论知识的讲授和开发实践能力培养，推广和传播新型人工智能领域教学资源。同时，开放企业特色研究、开发数据集，学习工具，实践平台，全方位助力新背景下的高等教育人才培养。

 

简历：蒋运韫，微软亚洲研究院学术合作经理，清华大学计算机系工学博士。负责微软亚太地区优秀学术人才选拔及培养项目及中国地区教育合作项目，包括微软亚洲研究院教育部产学合作协同育人项目、新工科联盟人工智能教育工作委员会等。教育合作项目从以计算机基础教育为核心的教学内容与课程体系改革工作出发，到人工智能领域基于产教融合的教学资源建设与推广，以及课程共建和师资提升等计划；同时，全面负责微软亚洲研究院与清华大学、哈尔滨工业大学、北京理工大学、北京师范大学等多所国内一流高校的学术合作。  

备注：

从2006年起设立的CCF优秀博士学位论文奖是CCF的重要学术品牌，旨在推动中国计算机领域的科技进步，鼓励创新性研究，促进青年专业人才成长。该奖项每年评选一次，每次评选出不超过10名获奖者，授予在计算机科学与技术及其相关领域的基础理论或应用基础研究方面有重要突破，或在关键技术和应用技术方面有重要创新的中国计算机领域博士学位论文的作者。

该奖设立12年来，已有100多位博士获此殊荣。CCF优秀博士学位论文奖已成为中国学术界很有影响力的奖项，获奖者逐渐成长为国内外知名大学教授、国家杰青、青年长江、国家优青、青年千人、企业总经理/总监等，在学术界和工业界发挥重要的引领作用。

中国计算机学会   

微信号：ccfvoice           

长按识别二维码关注我们

点击“阅读原文”，加入CCF。