CCF YOCSEF成都成功举办“当行为数据分析遇上云边智能”技术论坛

        2022年11月5日14时，CCF YOCSEF成都“当行为数据分析遇上云边智能”技术论坛在成都西博城湖畔美瑞酒店成功举办。论坛由中国计算机学会主办，中科曙光信息产业成都有限公司协办。四川大学周颖杰、成都信息工程大学刘勤担任论坛执行主席，西华大学陈晓亮、四川师范大学韩鸿宇担任线上主席。本次技术论坛邀请了重庆大学教授夏云霓、电子科技大学教授张乐、中科曙光信息产业成都有限公司技术总监兼副总经理肖文静3位引导发言嘉宾和南洋理工大学博士后研究员张露、四川大学副教授杨彦兵、西华大学教授陈鹏3位思辨嘉宾。

       近年来，云平台与边缘侧的智能化服务已在诸多领域表现出巨大潜力，但相关服务水平的进一步提升亟需数据分析前沿技术的突破。行为数据分析作为一种方法论，可帮助理解数据所蕴含的内在本质，并通过行为检测、识别、趋势预判等为云边智能提供有力支撑。然而，在相关数据中隐含信息的充分表征、非理想场景下的实际应用、行为数据分析赋能云边智能的未来趋势等方面，行为数据分析和云边智能仍有很多值得探究的地方。针对上述问题，本论坛邀请了来自人工智能、数据分析、云边服务等领域专家学者，围绕这些问题展开深入讨论，共同探索行为数据分析与云边智能之间的联系与未来。

图1 重庆大学夏云霓教授引导报告

在引导发言环节，夏云霓教授首先以《恶劣条件下边云协同服务Qos预测与卸载优化》为题，深入浅出地阐述了恶劣条件下边云协同的优势与挑战，并分享了恶劣条件下云协同服务Qos实现预测与卸载优化任务的思路与研究现状。夏云霓教授指出了恶劣条件下边云协同服务Qos预测与卸载优化中有待进一步研究和开展的三方面工作：（1）研究边缘计算构架下跨区云平台的可信性预测和优化，以解决相关流程性能保障、智能服务撮合、异常数据甄别、用户感知QoS保障等问题；（2）研究基于非可信基础设施的可信与延迟确保服务集成方法；（3）研究边缘计算环境下的移动性预测感知任务调度方法，实现非规则移动规律感知的计算任务卸载和资源分配，推动核心技术的应用落地。

图2 电子科技大学张乐教授引导报告

张乐教授以《非理想场景下的行为分析》为题，就非理想场景下的深度学习、非理想场景下的行为识别两部分内容进行了引导性报告。在非理想场景下的深度学习部分，张乐教授指出了当前深度学习在实际场景中面临的计算力受限、数据资源受限和模型知识产权受限三类问题，并针对上述问题介绍了相应的解决思路。在非理想场景下的行为识别部分，张乐教授介绍了他们在该方向上如下三个方面的工作：（1）为解决现有行为识别模型需要大量标注数据而实际中往往无法满足该需求的问题，他们提出一种基于半监督的训练方式，只需少量标注数据并在此基础上迭代微调就可获得较优的识别效果。（2）针对行为识别任务中图片光照条件可能不充分的问题，他们提出特殊设计的迁移学习方法提高模型的鲁棒性。（3）为解决基于计算机视觉的行为识别方法所存在隐私保护性差的问题，张乐教授及其合作者利用固定位置收发的无线信号代替视频监控，通过分析观测数据信号的变化实现行为识别。

图3 中科曙光信息产业成都有限公司肖文静引导报告

来自中科曙光信息产业成都有限公司的技术总监兼副总经理肖文静先生以《云发展趋势和应用实践》进行了引导发言。肖文静详细介绍了基于边、端、云一体化技术体系架构与技术部件，并指出了云边协同的运营、信息、通信技术可解决五大难题—运维难、流量大、连接难、高时延、安全难。此外，肖文静先生还对云发展以及应用实践未来所面临的技术、市场等方面挑战进行了展望。他认为应对国产信息技术的发展保持信心，改变对国产产品“粗制滥造”的固有认识，并广泛地支持和使用国产产品，才能促进产业地快速发展和提升。肖文静还针对不同业务模式下云建设的关键要素进行了详尽的分析和阐述，并介绍了云在不同典型场景下的应用。

本次论坛就行为数据分析与云边智能相关的三个议题展开了思辨，六位嘉宾及参会专家学者纷纷阐述了自己的观点。

议题一：行为数据分析如何充分表征相关数据中隐含的知识与信息？

图4 南洋理工大学张露博士思辨引导发言

经线下思辨讨论，议题一主要可以归纳为以下几种观点：（1）行为数据分析的核心任务之一是理解数据背后蕴含的知识，针对不同的任务在多层次、多视角进行特征表征的同时还应根据任务进行表征模型的微调；（2）行为数据表征在自动驾驶、推荐系统、智慧银行等领域都有优秀的表现，针对特定场景进行具体的数据标准化对理解业务数据以及人工智能算法的设计具有重要意义；（3）对行为数据进行表征时也需要考虑成本问题，区分所表征特征的重要性程度不仅可以较少冗余特征带来的干扰，而且可以有效降低数据分析的成本；（4）在无法提前验证数据是否被充分表征的动态场景下，如何通过自适应的方式进行面向特定任务地数据表征也是需要思考的问题。

图5 思辨议题一环节

    议题二：行为数据分析如何应对非理想场景下的实际应用？

图6 四川大学杨彦兵博士思辨引导发言

图7 思辨议题二环节

  经线下思辨讨论，议题二主要可以归纳为以下几种观点：（1）针对目前非理想场景中的数据缺失或数据噪音较大等问题，可以首先从传感器的硬件角度提高数据感知的有效性和准确性，尽可能地降低所收集原始数据中的噪声；（2）现有端边云的系统架构下，存在因数据交互频繁所导致的数据丢包或通信中断等问题，可考虑采用高QoS保证的通信技术，提升数据传输质量，减少通信过程中的干扰；（3）在模型确定的情况下，可通过从多个终端进行数据采集，从多个模态对行为分析所需数据进行补充，辅助模型进行更全面的综合研判；（4）从云边协同的角度，可预先在边缘端对数据进行降噪、压缩、语义提取等处理，降低数据传输成本以及算力开销，并与云端的智能处理框架协同。

议题三：行为数据分析赋能云边智能的未来趋势是什么？

图8 西华大学陈鹏教授思辨引导发言

图9 思辨议题三环节

   经线下思辨讨论，议题三主要可以归纳为以下几种观点：（1）在算力资源受限的情况下，如何通过行为数据分析实现更有效的云边算力预测与智能优化是亟待解决的问题；（2）云边采集和存储的数据种类丰富，深入挖掘其数据价值具有重大意义，根据不同应用场景以及云服务使用者的需求将行为数据分析部署在云服务中心或者边缘仍需具体问题具体分析；（3）行为数据分析在面向低可靠基础设施和弱连接条件下的云边智能调度方面还有待进一步探索，如行为数据分析在东数西算中如何利用云边算力对资源调度进行预先研判；（4）行为数据分析可以结合云边协同派生出广泛的应用场景，如车路协同、数据异常检测与智能容错、智慧医疗等，其重点在于如何利用行为数据分析得到可靠的边缘解。

图10 CCF YOCSEF成都“当行为数据分析遇上云边智能”技术论坛合影

最后，本次论坛由YOCSEF成都现任主席杨新进行了总结发言，并预告了YOCSEF成都的下一次活动—将于峨眉山举办的《可信联邦学习赋能数字经济的实用三角技术路径》深度技术论坛。