2024

实验室量子计算方向工作被CCF B类会议IEEE ICASSP2025接收。该论文第一作者为实验室在读博士生张嘉乐，通讯作者为胡俊成博士。其他合作者包括车喜龙教授、哈尔滨工程大学本科生金世泳、中国科学院大学硕士生潘凯幡、吉林大学软件学院本科生彭顺。本文提出了一种名为QRLE的创新性框架，通过结合经典游程编码和量子基态编码，实现了相较于现有量子态编码方式的指数级资源优化。 研究背景随着信息技术的飞速发展，数据量的指数级增长给存储和处理能力提出了巨大的挑战，尤其是在面对需要实时恢复的数据时，经典压缩算法的复杂度往往难以适应这种需求。而量子计算因其独特的超越经典的能力，为高效的数据压缩提供了新的可能性。现有量子数据压缩方法存在量子资源消耗较高的问题，难以满足量子计算机硬件限制。 实验设计 如上图所示，QRLE通过一个index量子比特将数据值和游程长度区分，并对两个二进制字符串进行基态编码，通过与位置索引字符串纠缠，实现属无损量子编码。通过理论分析，QRLE及其图像处理应用的资源优化总结如下表格： 实验结果文章的实验部分在IBM Quantum平台上进行了模拟仿真和量子计算机真机验证。实验结果显示，与现有量子压缩和图像处理模型相比，QRLE的资源占用率最低。QRLE在图像变换场景下（如通道交换、几何变换等）的时间复杂度从O(n²)优化到常数级别（O(1)）。 ICASSP2025全称为The 5th IEEE International Conference on Acoustics, Speech, and Signal Processing。作为IEEE信号处理学会的旗舰会议，此次大会将提供全面的技术议程，展示信号处理研究和应用的最新进展。大会将举办口头报告、海报展示、主题演讲、展览、演示、教程和短期课程，吸引顶尖研究人员和全球业界人士，为与会者提供绝佳的交流机会。

实验室2021级博士生王国毓的工作“Boosting File Systems Elegantly: A Transparent NVM Write-ahead Log for Disk File Systems”被CCF A类会议FAST ‘25接收。本次FAST ‘25会议共收到167份投稿，其中36篇被接收，接受率为21.5%。这是吉林大学在FAST会议上的首篇论文，也是吉林大学在操作系统/存储领域的首篇顶会论文。该论文第一作者为王国毓，通讯作者为胡俊成讲师，其他合作者包括车喜龙教授、23级硕士魏皓阳、22级硕士陈硕、武汉大学硕士何璞昳（吉林大学软件学院24届本科毕业生）。 本工作提出了NVLog，旨在利用NVM透明加速传统磁盘文件系统。NVLog被设计为一个轻量级的写前日志（write-ahead log），在VFS层拦截向磁盘的同步写入操作并将该操作（及数据）记录到NVM上（图1），从而缓解了磁盘文件系统同步写入开销过大的问题。与此同时，非同步写入及读取操作均由原有的DRAM快速路径提供，因此我们解决方案不会对现有文件系统造成任何性能下降。 图1 NVLog架构 此外，NVLog的日志被设计为支持小粒度写入（图2），并针对磁盘、NVM双路数据写入开发了解决异构崩溃一致性的问题机制（图3）。与现有方案相比，NVLog 更轻量、更稳定，并在性能上表现更优，同时充分利用了成熟的内核软件栈，避免了数据迁移的开销。实验结果表明，NVLog 可将磁盘文件系统的性能提升至 15.09 倍，并在多种场景下分别比 NOVA 和 SPFS 快至多 3.72 倍和 324.11 倍。 图2 NVLog日志结构 图3 NVLog一致性机制 FAST ‘25全称为23rd USENIX Conference on File and Storage Technologies。FAST会议创办于2002年，是由USENIX和ACM SIGOPS联合组织的聚焦存储领域的顶级国际会议，代表了计算机存储领域的国际最高水平。创办二十多年来，FAST 推动了如软硬件结合、RAID、闪存文件系统、非易失内存技术和分布式存储等多项存储相关技术的发展。

今天分享的论文是实验室发表在Expert Systems With Applications（中科院一区）的论文，名为”A privacy-preserving federated graph learning framework for threat detection in IoT trigger-action programming”。 研究背景TAP规则风险指的是在TAP规则执行过程中可能出现的各种潜在问题或风险，这些问题或风险可能导致规则执行结果出现意外，或不符合预期，进而对系统的功能和性能产生负面影响。TAP规则风险检测是TAP规则内异常检测领域的重要研究内容之一。在用户建立TAP规则后，其使用习惯往往呈现出一次性的特征，用户往往在规则定义之后对其进行一次性的调用，并在之后的使用过程中遗忘。由于这种一次性使用的特性，用户可能在不经意的情况下触发规则，进而导致潜在风险的发生。尽管现有的研究在TAP规则安全层面取得了显著进展，但如何在风险检测任务中建模触发器和动作的依赖性并且保证用户的数据安全，是急需解决的问题。 研究成果针对TAP规则风险检测任务中由于触发动作依赖性和用户数据敏感性导致现有方法无法对保障用户隐私安全的问题，提出了一种基于隐私保护联邦图学习的TAP规则风险检测框架PF-TAP。PF-TAP使用联邦学习方法结合密码学及差分隐私技术保护用户数据隐私的安全性。此外为了解决触发动作的依赖性问题，提出了层次化图注意力神经网络算法HieGAN，该算法可以自适应地学习规则之间的依赖关系，学习规则图中的全局特征及内部特征，对规则图进行多尺度的信息聚合和特征提取。在公开数据集IFTTT上进行了实验，结果表明，PF-TAP在TAP规则风险检测任务中要优于其他方法，同时能够更好地保护用户数据隐私安全。 为验证PF-TAP的有效性，实验在公开数据集IFTTT上进行了证明，结果表明PF-TAP在风险检测方面相较于当前最先进的图神经网络和联邦学习方法表现出色，同时也为用户提供了强大的隐私保护。此外，还进行了消融研究，评估了构成PF-TAP的各个组件对算法整体性能的影响。本研究明确指出了PF-TAP在TAP规则风险检测领域的应用潜力。 未来，本研究将致力于深入探索TAP规则的细节安全问题，并对PF-TAP算法进行进一步的改进和优化，以提供更高效、更可靠的风险检测和隐私保护解决方案。

今天分享的论文是实验室发表在IEEE Internet of Things Journal（中科院一区）的论文，名为”CCDF-TAP: A Context-aware Conflict Detection Framework for IoT Trigger-Action Programming with Graph Neural Network”。 研究背景随着物联网技术的日益普及，一种新的终端用户编程范式应运而生。这种新型编程范式旨在让终端用户能够在自己的设备上轻松进行编程，以便实现定制化和自动化操作。触发-动作编程范式（Trigger-Action Programming，TAP）作为目前智能家居系统中最通用的编程范式，能够实现设备与网络服务之间的灵活组合和调用。随着智能设备的数量的不断增长，TAP规则的规模也随着不断扩大，TAP规则冲突检测相关研究受到了广泛的关注。现有的研究方法主要基于NLP技术，但基于 NLP 的方法无法有效挖掘规则文本中蕴含的隐含上下文信息，从而无法捕捉到不同设备之间的互动。这些限制因素阻碍了实施端到端规则冲突检测框架和准确识别潜在规则冲突的障碍。 研究成果针对TAP规则冲突检测任务中规则复杂性和领域知识一致性不足的问题，本研究提出了基于上下文感知图神经网络的TAP规则冲突检测框架CCDF-TAP。该框架提供了端到端的TAP规则冲突检测方法，包含三个主要阶段。首先数据预处理阶段，通过结合外部知识库ConceptNet以及自然语言处理算法，对TAP规则中的关键词和上下文信息进行识别和提取。然后，本框架通过整合语义关系图和规则信息，完成冲突定义及冲突图的构建，该步骤结构化地表示TAP规则之间的冲突，为冲突检测提供必要的输入。最后为了实现冲突检测，本研究设计了双通道图注意力自编码器算法DualGAA。该算法能够同时获取两种冲突空间下的规则特征，通过最小化重构误差和冲突损失函数，训练模型准确地检测TAP规则之间的冲突。在公开的IFTTT数据集上进行了全面的实验，实验结果表明与目前最先进的方法相比，CCDF-TAP可以有效的实现TAP规则冲突检测，具有最佳的检测准确率。 从实验结果中能够看出，DualGAA算法在TAP规则冲突检测任务中要优于其他现有图神经网络算法。 综上所述，CCDF-TAP框架不仅为TAP规则冲突的检测提供了一种强大且全面的解决方案，而且显著提高了智能家居系统的安全性和可靠性。

今天分享的论文是实验室发表在IEEE ISPA2024（CCF C类会议）的文章。这篇文章介绍了一种名为QGIP的框架，该框架旨在桥接量子灰度图像处理与应用之间的过程。文章首先提出了一种通用的量子线性恢复算法（QLR），用于在图像处理过程中的线性变换阶段之后进行灰度图像恢复。该算法通过减少时间复杂度，从经典算法的O(2^n)降至O(n)，极大地提高了处理效率。接着，文章还提出了两种基于基本编码的量子资源优化压缩方法，适用于可选的无损图像存储。文章进一步在IBM Quantum平台进行了模拟验证，结果证明了该方法的正确性和高效性。 实验背景 在量子图像处理领域，现有的量子灰度图像恢复方法只能通过经典计算机计算上一步酉变换的逆矩阵，然后通过哈密顿模拟将其分解为单量子门和CNOT门的组合，重新编译到量子计算机中；或者对量子图像重新编码，再经历一系列的图像操作 U1 到 Uk−1 来进行图像恢复。这两种方法都难以有效衔接后续的图像应用过程，且耗费大量的量子资源。 实验设计文章基于HHL算法，提出了基于幅值编码的量子灰度图像复原算法QLR，如下图所示： 由于幅值编码无法精确恢复图像数据，本文提供了两种可选的灰度图像压缩方法：QDEG和QREG。这两个算法在量子资源利用方面，相较于当前的量子图像表示方式，进一步优化了效率。通过QLR算法，QDEG，QREG以及现有量子基础算法和模块，构建了QGIP量子灰度图像处理框架： 实验结果文章的实验部分在IBM Quantum平台上进行了模拟仿真，结果显示，与经典图像处理过程相比，QGIP在资源消耗方面获得了显著的优化。

第四届全国计算机系统能力大赛操作系统设计赛（全国）总决赛于2024年8月19日至8月22日在杭州电子科技大学举办。我实验室也是我院共两支队伍首次参加OS内核实现赛道均进入全国总决赛，并在决赛中取得优异成绩。本次我实验室派出的两支队伍均由胡俊成老师担任执导教师，并由其团队系统结构方向研究生王国毓、魏皓阳参与技术指导。其中，由本科生裴辰举、尹建徽、张锶怡组成的“10183_BOOT”队获得大赛二等奖；由准研究生周璨代表的“你起吧”队获得大赛优胜奖。 赛事介绍全国大学生计算机系统能力大赛是由计算机系统能力培养研究专家组和系统能力培养示范高校（北京大学、清华大学、南京大学、国防科技大学、上海交通大学、浙江大学、北京航空航天大学、中国科学技术大学）共同发起，以学科竞赛推动专业建设和计算机领域创新人才培养体系改革、培育我国高端芯片及核心系统的技术突破与产业化后备人才为目标，面向高校大学生举办的全国性大赛。大赛旨在选拔未来我国计算机系统的设计、分析、优化与应用人才，激发学生的想象力、创新力和工程实践能力并培养其团体协作精神，以赛促学、以赛促教，为高质量专业人才搭建交流、展示、合作的平台，助力我国高校与企业产学研合作的健康快速发展。该比赛的操作系统设计赛赛道要求同学基于xv6操作系统设计包括但不限于支持基本进程管理、内存管理、虚拟文件系统等模块，并可以成功运行在由赛方提供的visionfive2开发板上，通过样例测试，现场编程和线下答辩等环节对参赛者进行考核。 获奖情况本次大赛操作系统设计赛分为内核实现和功能挑战两个赛道。其中，内核实现赛道要求参赛者基于特定硬件实现操作系统内核并达成赛题相关要求。该赛道既考验选手的学科专业知识储备，也要求选手具有较强的工程能力与团队协作能力。本次大赛操作系统设计赛共589支参赛队伍报名，共56支内核设计赛道参赛队及153支功能挑战赛道参赛队入围全国总决赛。经过四天的激烈角逐，操作系统设计赛共产生一等奖13队，二等奖28队，三等奖41队，优胜奖55队，鼓励奖7队；其中OS内核实现赛道一等奖6队，二等奖9队，三等奖12队，优胜奖10队，鼓励奖1队。其中，我实验室两支队伍分别获得二等奖与优胜奖。 欢迎加入我实验室师生于本次大赛取得的优异成绩既是对我实验室较强本科培养能力的证明，也是对同学们学习能力与动手能力的肯定。希望能够有更多同学加入到先进网络与智能系统实验室以及系统能力大赛中来，以研启智，以赛促学。在学院的大力支持、实验室的精心培养以及同学们的精进努力下，我们实验室未来定会取得更加优异的成绩！