算力互联网与信息安全教育部重点实验室开放课题

指南方向

一、算力互联网体系架构与标准体系

围绕面向服务的算力互联网体系结构与关键技术开展研究，探索位置无关的、层次化服务命名体系和标识理论，研究服务标识的分层结构与属性标识映射方法，实现服务统一标识与算力网络透明映射。研究服务路由与动态迁移机理，构建服务驱动的高效路由算法，设计有限状态机的服务路由敏捷切换机制，实现服务化网络高可靠传输保障。研究数据中心内计算、存储节点之间的高速互联网络技术、数据中心间的高速互联网络技术以及算力互联网与用户端高效、安全互联技术。突破基于在网计算的服务功能链部署关键技术，设计服务功能链部署方法及动态调整机制，解决服务功能过载问题，提高网络吞吐，提高资源利用率，并满足算力互联网高可靠、低延迟的需求。构建算力互联网标准化体系框架。

二、算力互联网确定性管控及服务质量保障

围绕算力互联网确定性管控及服务质量保障关键技术需求，开展算力网络统一性能感知与管控、算力互联网确定性质量保障和确定性网络与计算协同质量保障等技术的研究。针对超算中心内部网络、算力互联广域网络以及算网用户接入网络，突破统一网络资源感知与度量技术，实现算力互联网全域网络资源的统一管控。围绕算力互联网确定性质量保障需求，解决混合业务流量调度、保护带资源高效利用、周期性业务的确定性传输问题，实现混合业务流量的可调度性。根据测量结果切换符合条件的路由路径，实现源端到目的端的动态路由切换。通过对端到端延迟、带宽、完成时间等QoS指标实时监测，动态配置网络服务质量保障协议，为网络应用提供可定制、有保障、按需分配的网络资源，保障算网业务流量的确定性传输。研究服务路由与动态迁移机理，构建服务驱动的高效路由算法，设计有限状态机的服务路由敏捷切换机制，实现服务化网络高可靠传输保障。

三、算网资源管理与调度

围绕算网中跨域异构资源的云、边、端协同调度与融合管理问题，研究统一适配标准纳管云、超算、智算、存储等异构资源，研究资源协同融合和分层分类跨域管理技术栈，实现对算网多元异构资源的融合与管理；研究广域存算资源协同调度、面向应用的多维资源智能调度、多元异构资源编排调度等方法，面向场景构建多样化调度支持算网资源和应用服务；面向人工智能研究算网云边端一体化协同计算和模型共享等技术，研究算网边缘自适应、近数据处理、自学习等方法，实现人工智能模型的一体化研发与应用；研究基于可视化方式的应用业务流程编排技术，通过对接算网多元跨域资源，支持复杂应用业务流程的在线编排与任务分发。

四、算网深度融合技术

面向几类典型新型应用场景的算网深度融合需求，构建新型网络架构支撑多形态业务流高质量跨域传输和资源智能适配方法。针对新型分布式AI模型训练与推理，结合网络与计算分布特征实现最优的模型拆分方法，在充分利用超算算力的同时满足大数据高效传输与训练的需求，进一步打造分布式训练无损网络。针对车联网及智能充电网络中的多模态资源管理，研究基于实时数据分析和仿真模拟下的管理优化，实现基于算网的车联网中能量及资源的动态分配与优化配置。针对复杂工业互联网场景中链式业务流的调度需求，设计算力互联网基于“5G+TSN”组网模式和图注意力学习的确定性传输调度机制，设计高效智能的算网资源适配算法，实现面向工业互联网应用的异构网络资源的动态感知与算网协同调度。

五、算网数据协同与智能优化

围绕广域环境中多工作负载下多模态数据的存储、流转、治理、智能分析与模型优化等问题，研究算网统一存储底座，构建跨域分布式虚拟存储系统，实现云边数据的高效共享和高速传输；研究批流一体多模态数据接入、数据计算任务调度优化、分布式元数据管理、数据血缘管理、分布式数据查询引擎优化等技术，形成基于数据湖仓的算网数据资源管理平台，为多种计算工作负载提供高效的数据供给；研究广域数据分析工作流设计\优化\调试技术，研发广域数据协同分析系统，实现异地异构计算资源协同计算，支持统一富媒体、交互式人机接口；研究时空数据预训练模型构建方法，研发海洋、气象、环保等特定领域的通用大模型；研究分布式训练、自动训练、模型压缩等大模型训练优化技术，实现广域环境下大模型分布式训练和云边协同等服务。

六、算力互联网运营与服务

围绕算网资源计费、算力互联网运营运维与服务机制等问题，研究构建多方参与的算网资源计费模型，支持复杂场景下的资源计费与优惠策略；研究资源费用优化与推荐技术，指导不同角色用户减少资源开支，优化资源成本；研究新型算力网络运营模式，探索算力网络商业、市场模式创新；研究算力网络对跨域资源的运维管理机制，提高算力互联网的可靠性和稳定性；研究算力互联网下资源接入标准、资源定价评估标准、交易结算机制、运维运营服务规范等，建立完善的运营服务体系。

七、算力网络编排与调度控制安全技术

围绕算力网络编排与调度控制的安全可信问题，研究跨域编排管理安全保障技术，包括跨域编排管理行为可信管控技术、编排敏感数据安全流转防护技术、智能编排算法对抗性防御技术，实现恶意算力节点精确识别与快速阻断、数据流转使用安全可控、智能编排算法鲁棒可靠；研究安全智能协同调度技术，包括算力用户、任务、资源的安全分类分级标识技术、安全需求智能感知技术、安全编排自动化与响应技术，实现安全需求与安全防护技术的最优匹配，以及安全能力的自动化部署。

八、算力网络数据安全管控和协同服务技术

围绕算力网络海量多源数据共享、多方协同可信可控使用、强隐私大算力安全计算等需求，针对当前算力网络数据流通性差、AI模型训练数据供给不足、数据安全隐私/共享效能兼顾难等问题，重点开展算力网络集约化数据共享新范式、基于区块链的数据安全管理技术、面向AI应用的区块链支撑技术、基于算力网络的AI模型可信训练技术等的研究，突破算力网络数据受控安全共享、基于区块链的跨数据中心身份认证和细粒度访问控制、共享数据全流程溯源监管、数据使用行为多维度安全审计、面向区块链的功能密码算法、基于算力网络和区块链的AI模型分布式可信训练、数据质量评价、可信计费与激励等关键技术，形成存算分离的算力网络集约化数据安全管控和协同服务技术体系。

九、大模型安全防御与评估技术

围绕人工智能大模型安全防御与评估问题，研究智能攻击对抗技术，包括引导性和归纳性问题生成、大规模智能攻击对抗问题和回答数据库构建、智能攻击对抗系统；研究模型生成内容的安全防御和质量校准，包括基于人类反馈强化学习等的恶意问题和有害内容拦截、模型生成内容分析和过滤；研究多模态大模型的安全评测体系，包括多模态大模型安全评测平台构建、模型安全性、可靠性、可控性和公平性等属性的评估。

十、自由探索课题

聚焦信息科学前沿技术和战略性新兴产业发展需求，鼓励科研人员自拟题目，进入实验室开展前瞻性、先导性、探索性的前沿引领技术研究和关键技术攻关；鼓励开展具有重要社会价值、具有公益性的探索工作。