报告人：李威赫 研究助理 爱丁堡大学

主持人：金嘉晖

报告时间：2026年1月16日（周五）下午14:00-15:00

报告地点：av电影 九龙湖校区计算机楼313室

报告摘要：在高速网络与大规模数据流处理场景中，持续性流量（Persistent Flows）指在较长时间范围内反复出现、但单次出现频率可能并不突出的数据流。这类流量对于网络测量、异常检测以及安全监控等应用具有重要意义。然而，在高速网络环境下，受限于内存容量、处理时延和硬件流水线结构，对所有流量进行精确记录和长期跟踪在实践中难以实现。

为解决上述挑战，本报告聚焦于基于近似数据结构的持续性流量检测方法，系统分析了现有 sketch类数据结构在高速网络中的应用局限，并介绍了一种面向实际部署的高效设计思路。该方法通过在数据平面中引入轻量级、低开销的近似统计机制，实现对流量持续性特征的高精度估计。实验结果表明，该方法在有限内存条件下能够有效识别持续性流量，在检测精度、资源消耗和处理性能之间取得良好平衡，具备在可编程交换机等高速网络设备上部署的可行性。本报告的研究为持续性流量检测在真实高速网络环境中的落地提供了有价值的参考。

报告人简介：李威赫， 2025年10月毕业于爱丁堡大学，获计算机专业博士学位，现任爱丁堡大学信息av电影研究助理。主要从事计算机网络领域的研究工作，研究方向涵盖网络测量、视频流传输和数据中心网络。目前已在ACM SIGMOD、ACM WWW、IEEE ICNP、IEEE/ACM Transactions on Networking、IEEE Transactions on Mobile Computing、IEEE Transactions on Computers等国际顶级会议和期刊发表学术论文40余篇（其中第一作者20篇，包括CCF A类8篇、CCF B类5篇），并获得ACM WWW 2024和Springer ICA3PP 2023最佳学生论文奖。