报告承办单位:计算机学院

报告内容: 基于深度强化学习的智能网络控制的得失

报告人姓名：田晗

报告人所在单位:中国科学技术大学

报告人职称/职务及学术头衔:特任副研究员

报告时间: 2025年7月18日周五上午8点半

报告地点: 金盆岭校区9教214

报告简介：目前，深度强化学习（DRL）擅长提供端到端的控制策略解决方案，因此在研究中被应用于拥塞控制、流量调度、自适应码率、负载均衡等网络系统的各个子控制任务当中。相比于传统方法人工对网络系统控制策略进行调试更新，深度强化学习的数据驱动的模型更新能力能够对网络系统快速迭代，从而能够快速的适应新的网络基础设施、拓扑和网络应用需求。然而，AI模型并非灵丹妙药。我们在实践将深度强化学习运用在网络控制任务当中，遇到了很多困难与挑战：训练仿真环境的保真度有限；无法保证某些特殊性质(如公平性)；难以满足高频控制任务对低延时和低系统开销的要求；以及在未知网络环境下模型泛化能力下降等。在本次报告中，我们将以基于DRL的拥塞控制策略为例，介绍我们在研究过程中所面临的上述问题及提出的一系列的解决方案，从而抛砖引玉，为准备和正在将AI方案引入网络任务当中的研究者和网络工作者们提供一些启发。

报告人简介: 田晗, 中国科学技术大学计算机科学与技术学院特任副研究员。本科毕业于北京航空航天大学，硕士毕业于中山大学，博士毕业于香港科技大学iSING智能网络实验室。主要研究方向包括智能网络系统、机器学习系统、隐私计算等。近年来在网络系统、人工智能与隐私计算等领域的重要国际学术期刊及会议发表论文数十篇，其中包括USENIX NSDI, USENIX OSDI, IEEE S&P, Eurosys, CoNEXT, IEEE Transactions on Networking等国际顶尖学术会议和期刊。担任CoNEXT, ChinaSys等执行委员会委员，顶级网络学术期刊TON、TMC等审稿人。