个人简介

大家好，我是高凯，2019年至今就职于四川大学网络空间安全学院。入职四川大学之前，我 在清华大学计算机科学与技术系获得工学博士学位，期间获得国家留学基金委联合培养项目 资助，前往美国耶鲁大学计算机科学系进行为期9个月的访学。我的主要研究方向是面向网 络系统的编程与形式化验证，以及应用与网络的协同优化。研究成果发表于SIGCOMM、 INFOCOM以及JSAC、TON等网络领域的顶级会议/期刊，同时也在IETF的ALTO工作组参与多项 国家标准的制订。

欢迎对相关方向有兴趣的老师和同学与我联系，共同交流讨论！

论文发表

  • 近5年代表作（完整论文列表请查看谷歌学术）

    • Gao, K., Nojima, T. and Yang, Y.R. 2018. Trident: Toward a Unified SDN Programming Framework with Automatic Updates. Proceedings of the 2018 Conference of the ACM Special Interest Group on Data Communication (New York, NY, USA, 2018), 386–401. (网络领域顶级会议，CCF A类)
    • Gao, K., Nojima, T., Yu, H. and Yang, Y.R. 2020. Trident: Toward Distributed Reactive SDN Programming With Consistent Updates. IEEE Journal on Selected Areas in Communications. 38, 7 (Jul. 2020), 1322–1334. DOI:https://doi.org/10.1109/JSAC.2020.2999654. (网络领域顶级期刊，CCF A类， 四川大学B类)
    • Gao, K., Zhang, J., Richard Yang, Y. and Bi, J. 2018. Prophet: Fast Accurate Model-based Throughput Prediction for Reactive Flow in DC Networks. IEEE INFOCOM 2018 - IEEE conference on computer communications (Honolulu, USA, 2018), 720–728. (CCF A类会议)
    • Gao, K., Xiang, Q., Wang, X., Yang, Y.R. and Bi, J. 2019. An Objective-Driven On-Demand Network Abstraction for Adaptive Applications. IEEE/ACM Transactions on Networking. 27, 2 (2019), 805–818. DOI:https://doi.org/10.1109/TNET.2019.2899905. (CCF A类期刊，四川大学C类)
  • 2021
    • Gao, K. 2021. Learning application-layer traffic optimization maps from internet measurement: How far are we from practical? Proceedings of the ACM SIGCOMM 2021 workshop on network-application integration (New York, NY, USA, 2021), 33–39.
    • Xi, Z., Zhou, Y., Zhang, D., Gao, K., Sun, C., Cao, J., Wang, Y., Xu, M. and Wu, J. 2021. Newton: Intent-driven network traffic monitoring. IEEE/ACM Transactions on Networking. (2021).
    • Zhang, J., Contreras, L., Gao, K., Cano, F., Cano, P., Escribano, A. and Yang, Y.R. 2021. Sextant: Enabling automated network-aware application optimization in carrier networks. 2021 IFIP/IEEE International Symposium on Integrated Network Management (IM) (2021), 586–593.

  • 2020

    • Gao, K., Contreras, L.M. and Randriamasy, S. 2020. Bi-directional network and application interaction: Application intents upon abstracted network information. Proceedings of the workshop on network application Integration/CoDesign (2020), 43–50.
    • Gao, K., Nojima, T., Yu, H. and Yang, Y.R. 2020. Trident: Toward Distributed Reactive SDN Programming With Consistent Updates. IEEE Journal on Selected Areas in Communications. 38, 7 (Jul. 2020), 1322–1334. DOI:https://doi.org/10.1109/JSAC.2020.2999654.
    • Zhang, J., Gao, K., Yang, Y.R. and Bi, J. 2020. Prophet: Toward fast, error-tolerant model-based throughput prediction for reactive flows in DC networks. IEEE/ACM Transactions on Networking. (2020).
    • Xiang, Q., Zhang, J., Gao, K., Lim, Y., Le, F., Li, G. and Yang, Y.R. 2020. Toward optimal software-defined interdomain routing. IEEE INFOCOM 2020-IEEE conference on computer communications (2020), 1529–1538.
    • Zhou, Y., Bi, J., Yang, T., Gao, K., Cao, J., Zhang, D., Wang, Y. and Zhang, C. 2020. HyperSight: Towards scalable, high-coverage, and dynamic network monitoring queries. IEEE Journal on Selected Areas in Communications. 38, 6 (2020), 1147–1160.
    • Zhou, Y., Zhang, D., Gao, K., Sun, C., Cao, J., Wang, Y., Xu, M. and Wu, J. 2020. Newton: intent-driven network traffic monitoring. Proceedings of the 16th international conference on emerging networking EXperiments and technologies (2020**, 295–308.

基金项目

  • 国家自然科学基金青年基金《面向 SDN 和 NFV 融合网络的高级编程基础理论和关键技术 研究》，项目负责人（2020年1月-2022年12月）

科研课题

数据驱动的应用层流量调度优化（ALTO）：ALTO协议提供了网络视图和距离视图帮助应 用层进行流量调度和节点选择，其设计之初是希望网络运营商将网络信息抽象之后提供给上 层应用，达到共同优化的目标。目前ALTO协议存在的问题之一是其在运营商中的部署还不够 广泛，不能为大量的应用提供相应的服务。本课题希望通过研究利用数据驱动的方式生成 ALTO视图，以及利用生成的ALTO视图对应用的性能进行优化。目前该课题主要的内容如下所 示：

  • 面向数据驱动的ALTO视图生成（核心算法）：研究如何使用机器学习的方法，结合网络测 量的结果生成对应的ALTO视图。视图的生成对模型的可解释性要求较高，目前采用的方法 主要是基于树的算法（XGBoost）。
  • 数据收集：从不同数据源收集可用于ALTO视图生成的测量数据。目前正在开发中的内容是 基于浏览器插件，将网页访问的性能指标作为ALTO视图的距离指标。
  • 数据驱动优化代理性能（应用）：根据通过不同代理访问不同网页的性能测量结果，采用 强化学习（Reinforcement Learning, RL）的方法，根据性能预测的结果自动进行代理选 择。该项目已经完成了初步开发，预计2022年中将会以开源软件的方式开放使用。
  • 基于ALTO的DNS扩展（应用）：现有DNS配置中允许用户根据发起DNS请求的源地址对解析 的地址进行排序，然后返回优先级较高的地址。当网络环境发生变化时，地址的优先级同 样可能发生变化，在现有系统中需要进行重新配置。该项目希望通过开发基于ALTO协议的 自动地址解析排序功能，实现动态的地址解析排序。
  • 基于NUM模型的流量优化框架（应用）：在大规模数据传输中，对网络流量的控制需要精 确到TCP流的粒度。在利用TCP进行流量控制的网络中，由于TCP具有动态调整的功能，对 TCP流进行调度优化存在较大的难度。该项目利用网络效应最大化（Network Utility Maximization, NUM）模型对TCP流量进行预测，并在该模型的基础上通过梯度下降方法实 现一个可以对动态流量进行优化的框架。

网络控制编程与形式化验证： 互联网的网络生态中提供了多层的网络控制功能，例如在网络转发设备上可以控制从传输层 到数据链路层的路由，以及在Overlay网络中对结点的转发进行控制；在使用代理的网络中， 可以实现基于应用层信息的流量管理与调度。这些网络控制功能的设备通常以分布式的方式 部署在网络中，该课题研究如何设计编程语言，一方面直接实现网络控制的编程，采用 correct-by-construction的思想，将用户指定的全局网络策略编译为各结点上的本地转发 控制策略；另一方面实现对其它网络控制方法所生成的转发规则的验证，检查生成的转发控 制规则是否违反了用户所指定的策略。该课题主要内容如下：

  • Trident是一个支持7层路由策略的SDN高级控制编程语言。该项目允许用户自定义新的流 属性和网络结点、链路、路径的属性，并且根据这些自定义的属性制订路由策略。属性的 更新由部署在网络中的网络功能结点（例如防火墙、身份验证服务器或者授权用户客户端 等）完成，Trident的编译器和运行时将会监听这些属性的变化，并且对受到影响的数据 流的路由进行自动更新。该项目目前已经有一个原型系统，后续的开发工作包括：运行时 系统向数据库迁移、网络功能结点和路由策略的权限管理、常见网络功能结点的扩展支持 等、Jupyter Notebook开发支持等。

学术服务

课程教学

  • 计算机组成与体系结构
    • 2019/2020学年春季学期
    • 2020/2021学年春季学期
    • 2021/2022学年春季学期
  • 软件定义网络和高级网络控制编程
    • 2021/2022学年春季学期
  • 网络安全新技术专题
    • 2019/2020学年春季学期
    • 2020/2021学年春季学期
    • 2021/2022学年春季学期
  • 学术规范与研究生论文写作
    • 2020/2021学年春季学期
    • 2021/2022学年春季学期