2023年CCF中国软件大会（CCF ChinaSoft 2023）由CCF主办，CCF系统软件专委会、形式化方法专委会、软件工程专委会以及复旦大学联合承办，将于2023年12月1-3日在上海国际会议中心举行。

本次大会主题是“智能化软件创新推动数字经济与社会发展”，学术、工业、教育、竞赛等分论坛活动40余场，期待您的参与！

目前大会火热报名中！

CCF ChinaSoft 2023官方首页：

http://chinasoft.ccf.org.cn/

点击文末“阅读原文”进入官方注册通道:

https://conf.ccf.org.cn/chinasoft2023

✦  +

+

论坛巡礼

论坛名称：新兴系统软件论坛

时间: 2023年12月1日（星期五），08:30 – 12:00

地点:上海国际会议中心，5H会议室

论坛简介： 

    人机物融合、云边端协作、大数据、智能化等复杂应用场景的发展，突破了传统软件设计的封闭系统假设，新兴软件的设计、开发、维护等面临一系列挑战。为了促进我国新兴软件的产学研协同发展，本论坛以新兴软件理论、模型、平台和产业化等为议题，为政府主管部门、学术界和产业界搭建交流平台，共同研讨新兴软件面临的理论难题、技术挑战和产业发展瓶颈，促进我国新兴软件领域的科学发展。

日程安排

Schedule

论坛主席

Forum Chairmen

卜磊

南京大学

南京大学教授，2010年在南京大学计算机技术系获取博士学位；曾在CMU、MSRA等科研机构进行访学与合作研究；主要研究领域涉及软件工程、可信软件、形式化方法，研究工作集中在模型检验技术、实时混成系统、信息物理融合系统等方面，部分创新性工作发表在相关领域重要期刊与会议如《中国科学》、TCAD、TC、TDSC、TCPS、RTSS、ICSE、ISSTA、ASE等上；入选国家级青年人才计划、高校计算机专业优秀教师奖励计划、CCF-IEEE CS青年科学家奖、中创软件人才奖、NASAC青年软件创新奖等。

刘烃

西安交通大学

    西安交通大学网络空间安全学院教授，西安交通大学网络空间安全学院副院长。主要研究方向包括信息物理融合系统安全和AI软件工程。承担自然科学基金、重点研发计划、863计划等课题十余项。获得2017年国家科技进步二等奖，以及省部级科技奖励6项。研究成果在TIFS、TSE、ICSE等CCF A类期刊和会议上发表论文60余篇，获2021 QRS、2019 INFOCOM、2016 ISSRE 等最佳论文奖5项。入选国家级青年人才计划，获得NASAC青年软件创新奖、陕西青年科技奖等荣誉。

论坛嘉宾

Forum Guests

杨晓春

东北大学

    东北大学计算机科学与工程学院二级教授，博士生导师。第四批国家“万人计划”科技创新领军人才，基金委优秀青年基金获得者，教育部新世纪优秀人才，国家重点研发计划网络协同与智能工厂专项首席科学家。辽宁省优秀科技工作者、辽宁省特聘教授、沈阳市人大常委会咨询专家。长期从事数据管理与分析领域的教学科研工作，主要研究方向包括大数据管理与知识工程、数据库理论与系统、数据质量管理、数据隐私保护、智能推荐等。CCF杰出会员，CCF杰出演讲者，IEEE/ACM高级会员。

报告题目：

遥测数据云端存储与管理系统

报告摘要：

   遥测数据是通过传感器被遥测终端接收到的实时数据。来自遥测对象，反映遥测对象的数字特征或状态。云原生计算基金会（CNCF）提供了OpenTelemetry作为管理遥测数据的一组标准和工具的集合。报告将介绍支持OpenTelemetry的云端数据存储与管理系统，可以同时支持metrics和logs不同数据模型的存储与管理，实现混合数据模型的无缝集成，支持遥测数据的低存储成本、低内存开销、高速读写、和高效全文精确与近似检索能力。

霍玮 

中国科学院信息工程研究所

    目前主要开展规模化、智能化及协同化漏洞挖掘及风险评估关键技术和系统的研发，关注基于云计算及大数据的新型漏洞挖掘利用技术和关键支撑技术。迄今为止主持和参与国家重点研发技术项目等国家级、省部级项目40余项，在国内外高水平会议和刊物上发表学术论文50余篇，包括S&P、Usenix Security、CCS、ICSE、ASE、TSE、DSN、CGO等，申请20余项专利。自主研发了国家级漏洞分析与风险评估平台VARAS，挖掘零日漏洞八百余个，获微软、谷歌、思科等厂商的致谢并获CVE编号四百余个。

报告题目：

语义增强的嵌入式固件静态分析技术

报告摘要：

    程序静态分析技术是漏洞挖掘的一种重要手段。针对嵌入式固件，传统二进制静态分析技术难以有效开展漏洞挖掘。以污点分析为切入点，本报告介绍了二进制静态分析技术在嵌入式固件漏洞挖掘应用中所面临的挑战，分享作者近年来通过领域语义增强的方式，提升传统静态分析方法效用的研究进展。

童咏昕  

北京航空航天大学

    北京航空航天大学计算机学院教授，博士生导师，国家自然科学基金优秀青年基金获得者。2014年于香港科技大学获计算机科学与工程学博士学位，随后留校担任研究助理教授，2015年入选北京航空航天大学“卓越百人计划”。目前主要研究方向包括：联邦学习、时空大数据挖掘、大模型向量数据库与群体智能等。近年先后主持国家自然基金重点项目、国家重点研发计划课题等科研项目。共发表学术论文百余篇，谷歌学术引用9500余次。曾获中国电子学会自然科学一等奖（排名1）、首届阿里巴巴达摩院“青橙奖”和多个国际一流学术会议/竞赛的最佳论文与冠军；担任《Frontiers of Computer Science》期刊的执行编委、《IEEE TKDE》与《IEEE TBD》等国际期刊编委和多个CCF-A类会议程序委员会领域主席（PC Area Chair）；也是CCF杰出会员和杰出讲者、CCF会员与分部工委副主任、CCF走进高校工作组组长。

报告题目：

大数据联邦计算：从查询到学习

报告摘要：

    近年来，各部门在促进跨域数据流通的同时存在着泄露隐私的风险，严重者更直接威胁到国家安全和经济发展。如何实现隐私安全的跨域协同计算成为数据要素流通与治理中一项新挑战。联邦计算以其“原始数据不出域、数据可用不可见”的共享理念为破解跨域数据要素流动问题提供了一种全新思路。本报告首先回顾联邦计算发展历程，并阐述联邦查询与联邦学习的区别与联系；随后介绍本团队结合产业应用需求所研发的联邦计算开源平台——“虎符(OpenHufu)”，其已经适配当前各种主流大数据计算平台，最后，报告将剖析虎符系统在公共卫生、社会治理与交通出行等行业的应用示范，并对该领域未来发展进行展望。

单云霄

中山大学

    中山大学人工智能学院副教授，武汉大学与美国罗格斯大学计算机学院联合培养工学博士，中山大学计算机学院人工智能学院无人系统研究所从事机器人研究工作，发表论文20余篇，其中SCI2区以上论文6篇，申请专利10余项，已授权8项。在数据驱动的无人驾驶、移动机器人、水面航行机器人的感知、规划和控制方法方向，主持多项国家级、省部级项目。在竞赛方面，获得第一届创新杯国防科技创新大赛陆军1等奖，全军第三名；获得第一届万山国际无人艇公开赛单项冠军，实船测试赛第一。

报告题目：

面向复杂不确定环境的无人驾驶规划方法

报告摘要：

    无人驾驶面临诸多不确定性的挑战，包括定位、感知在内的多种偏差都将影响驾驶的安全性，如何在这种复杂的多源不确定性环境下保证驾驶的安全是一个值得深入研究的问题。本报告将提出一种面向感知和定位不确定性的安全规划框架，通过构建高效的环境概率地图和对应的规划方法实现在多源不确定环境下的驾驶过程。并展示我们基于CARLA仿真试验以及实车实验的相应结果。

范铭

西安交通大学

    西安交通大学网络空间安全学院副教授，博士生导师；获香港理工大学、西安交通大学双博士学位；承担国家自然科学基金面上项目、CCF腾讯犀牛鸟基金等10余项课题；在IEEE TIFS、IEEE/ACM ICSE、ACM ISSTA等国际顶级期刊会议上发表学术论文40余篇，获IEEE QRS 2021， IEEE ISSRE 2016等最佳论文奖4项；获2022年教育部自然科学一等奖（排名第三）、2022年陕西省科协青年人才托举计划、2021年陕西省百篇优秀博士学位论文等荣誉奖励。

报告题目：

面向移动应用隐私保护的需求规约与合规验证

报告摘要：

    移动应用 (APP)已经成为了中国网民日常工作生活中方便快捷的基础服务产品。然而，目前的监管者或用户对于移动应用内隐私数据的合规分析缺乏有效的自动化检测工具，仅靠人工分析，存在时间开销大、违规行为找不全的问题。因此，本团队收集分析大量移动应用违规案例，将违规原因总结为三类：数据处理未满足先决条件、流程未按照行为规范、目的超出用户授权；将发生违规行为的环节归纳为：数据收集超标、数据传输违规和数据使用越权。并提出“静态分析-启发推断-动态验证”代码分析方法，解决由于人机交互、动态编程造成的移动应用行为析取难题。研制合规验证工具集，为开发者、运营平台和监管部门提供技术支持。

钟浩

上海交通大学

    钟浩于2009年在北京大学获得博士学位，获得计算机协会优博提名。毕业后加入中科院软件所，担任助理研究员。2011年提升为副研。2012年到2014年间访问加州大学戴维斯分校。2014年加入上海交通大学继续担任副研。其一作论文获得ACM杰出论文奖、ASE最佳论文奖和APSEC最佳论文奖。6篇一作论文谷歌学术引用过百，其中单篇最高五百余次。曾经多次担任ICSE、ASE、ESEC/FSE等软工顶会的程序委员。获得ESEC/FSE2020杰出服务奖、SANER最佳论文奖、EMSE评审人奖、软件学报优秀审稿人、JCST杰出审稿人等奖励。现担任软件工程和系统软件专委会执行委员。

报告题目：

缺陷检测与缺陷库

报告摘要：

    软件缺陷非常复杂，可能带来严重的后果。很多缺陷的检测需要丰富的编程经验，其核心问题是如何判定软件行为的正误。针对这一问题，从文档与代码开始，探索了修改历史、缺陷报告等新的途径来判断软件行为的正误。这个过程中解决了若干关键问题、提出了一些新的研究路径。开发的工具在华为方舟编译器、知名的数据库和软件库的最新版检测出几千个新缺陷。其中大部分是前人工具无法检出的。这些新途径对缺陷库的构建带来了一些启示。

陈俊洁

天津大学

    天津大学智能与计算学部特聘研究员，博士生导师，软件工程团队负责人，国家优青项目获得者；研究方向主要为基础软件测试、可信人工智能、数据驱动的软件工程等。荣获中国科协青年托举人才、CCF优博、电子学会自然科学一等奖等奖项，连续两年（2021、2022）入围斯坦福大学发布的全球前2%顶尖科学家榜单。近年发表CCF A类论文60余篇，获六项最佳论文奖（包括五项CCF-A类会议ACM SIGSOFT杰出论文奖，以及一项CCF-B类会议ISSRE的唯一最佳论文奖）。成果在华为、百度等多家知名企业落地。担任CCF-A类会议ASE 2021评审过程主席，Dagstuhl研讨会联合主席，以及软件工程领域全部CCF-A类会议的程序委员会成员等。

报告题目：

多源数据融合的编译器重复缺陷检测技术

报告摘要：

    编译器测试是保障编译器质量的重要手段，但是诊断缺陷非常耗时。这是因为许多触发缺陷的测试用例都是由相同的根因引起的(被称为重复缺陷问题)。其中崩溃缺陷会提供崩溃信息以用于缺陷去重，然而错误编译缺陷(wrong code bugs)几乎没有可用的信息，使得重复缺陷检测问题变得更具有挑战性。本研究针对错误编译缺陷，提出一种多源数据融合的编译器重复缺陷检测技术，简称D3，即通过在测试用例、编译优化和测试执行这三个维度上提取与缺陷相关联的因果特征，辅助重复缺陷检测。通过在GCC 和 LLVM 两种编译器的四个数据集上进行实验评估，结果表明 D3能够比现有最先进的编译器缺陷去重技术更准确地识别出重复缺陷，效果提升达到 19.36%～ 51.43%。

梁志宇 

哈尔滨工业大学计算学部

    CCF数据库专委会执行委员，2023年6月获得哈尔滨工业大学计算机软件与理论方向博士学位，现就职于哈尔滨工业大学计算学部海量数据计算研究中心，任助理教授。主要研究方向为时序数据管理与分析及工业大数据分析。研究成果发表在VLDB、ICDE、DASFAA等数据库领域国际权威会议和期刊，获哈尔滨工业大学优秀博士论文奖。参与国家自然科学基金重点项目、国家重点研发计划等多项课题。担任TKDE、KAIS等重要国际期刊的审稿人。

报告题目：

面向云边端环境的海量时序数据实时分析关键技术

报告摘要：

    云边端环境下，终端设备产生的海量监测数据随采样时间有序变化，呈现为典型的时序数据。依托云边端协同的业务需求，如车联网、智慧工厂等，常需要达到实时响应与决策，因而为海量时序数据的分析带来实时性的挑战。围绕这一挑战，本报告将分享团队在海量时序数据实时分析关键技术方面的部分研究成果，包括面向时序数据分类、聚类、异常检测等复杂分析任务的高效时序表示学习、联邦学习和自动机器学习技术。

彭博 

上海交通大学

    上海交通大学电子信息与电气工程学院助理研究员，先后于上海交通大学软件学院获得学士、硕士学位，2023年于上海交通大学计算机系获博士学位。主要研究领域为操作系统与系统虚拟化，现聚焦异质内存存储系统虚拟化研究，以第一作者的身份在包括TC、TACO、USENIX ATC、IPDPS等国际会议/期刊上发表了论文7篇，申请七项国家发明专利，其中两项专利获授权；曾参与完成一项国家重点研发项目课题和一项国家自然科学重点基金项目。

报告题目：

高性能可扩展云存储虚拟化中时延可预测性QoS管控研究

报告摘要：

    存储资源的时延可预测性是云计算服务中一个重要QoS目标。现有存储虚拟化技术通常仅致力于提升云存储性能，尤其关注多租户云服务的总IOPS吞吐量，但往往忽视了多租户虚拟化设备之间的性能干扰导致的部分用户时延不可预测的QoS管控失效问题。本报告介绍了一种名为LPNS的时延可预测的高性能可扩展存储虚拟化系统。LPNS设计了可靠的自反馈QoS控制机制，通过灵活NVMe I/O队列和命令调度机制和低开销的主动轮询设计，基于确定性网络演算的形式化方法，为云系统中时延QoS敏感的虚拟存储设备提供时延性能上界保证。评估表明，LPNS可以实现对主流NVMe虚拟化的最高18.72倍的时延可预测性优化，对比当前最先进的存储时延控制调度器提供1.45倍的吞吐量优化。