简 历:
【个人简历】 包括但不限于:
2016年9月 — 今 :中国科学院计算技术研究所,高级工程师
2008年9月 — 2016年9月:中国科学院计算技术研究所,助理研究员
2006年7月 — 2008年9月:中国科学院计算技术研究所,研究实习员
工学博士,计算所 “百星计划”入选者。ITU-T SG21 Q5工作组副主席/副报告人,全国信标委人工智能分委会智能计算工作组联合组长,全国信标委多媒体分委会、物联网分委会、人工智能分委会委员,中国通信标准化协会CCSA TC1 WG1工作组副组长;中国自动化协会人工智能与工业应用专委会委员,北京市海淀区专家库专家。负责和参与国家重点研发计划、自然科学基金等20余项国家及企业合作项目。在IEEE TPDS、TMC、INFOCOM、ICDE等重要期刊、会议发表论文30余篇;累计参加ITU-T、ISO/IEC、全国信标委、CCSA等标准组织工作十余年,牵头制订计算所首个ITU国际标准以及首个通信行业重点标准。累计负责和参与制订ITU国际标准34余项,通信行业标准24项,获授权国家发明专利20余项,软件著作权登记13项;合著出版著作1部。个人荣获2020年国际电信联盟AI/ML in 5G全球技术挑战赛银奖(全球62个国家、911个参赛队排名并列第3),2023年中国通信标准化协会科学技术奖三等奖,2024年度中国计算机学会科技成果奖科技进步一等奖,2次获得中科院创新标准知识产权成果奖励。所指导学生吴致远获2023年计算所所长特别奖,2023年、2024年研究生国家奖学金及易方达新生奖学金;所指导学生潘曲阳获得2022年ACM-ICPC国际大学生程序设计竞赛亚洲区总决赛银牌,2024年CCF大模型安全挑战赛三等奖、2024年全国大学生计算机系统能力大赛暨第四届OceanBase数据库创新设计赛北京市第三名
主要论著:
论文(近5年代表作):
[1] Jingjing Xue, Sheng Sun, Min Liu, Yuwei Wang, Zhuotao Liu, Jingyuan Wang. Learnable Sparse Customization for Heterogeneous Federated Learning. IEEE International Conference on Data Engineering(ICDE), 2025. (CCF A类会议)
[2] Jingjing Xue, Sheng Sun, Min Liu, Yuwei Wang, Xuying Meng, Jingyuan Wang, JunBo Zhang, Ke Xu. Burst-Sensitive Traffic Forecast via Multi-Property Personalized Fusion in Federated Learning. IEEE Transactions on Mobile Computing (TMC), 2025. (CCF A类期刊)
[3] Qingxiang Liu, Sheng Sun, Yuxuan Liang,Xiaolong Xu, Min Liu, Bilal, Muhammad, Yuwei Wang,Xujing Li, Yu Zeng. REFOL: Resource-Efficient Federated Online Learning for Traffic Flow Forecasting,IEEE Transactions on Intelligent Transportation Systems (TITS), 2025. (CCF B类期刊)
[4] Zhiyuan Wu, Sheng Sun, Yuwei Wang*, Min Liu, Ke Xu, Wen Wang, Xuefeng Jiang, Bo Gao, and Jinda Lu. FedCache: A Knowledge Cache-driven Federated Learning Architecture for Personalized Edge Intelligence. IEEE Transactions on Mobile Computing (TMC), 2024. (CCF A类期刊)
[5] Zhiyuan Wu, Sheng Sun, Yuwei Wang*, Min Liu, Bo Gao, Quyang Pan, Tianliu He and Xuefeng Jiang. Agglomerative Federated Learning: Empowering Larger Model Training via End-Edge-Cloud Collaboration, IEEE International Conference on Computer Communications (INFOCOM), 2024. (CCF A类会议)
[6] Zhiyuan Wu, Sheng Sun, Yuwei Wang*, Min Liu, Quyang Pan, Xuefeng Jiang, and Bo Gao. FedICT: Federated Multi-task Distillation for Multi-access Edge Computing. IEEE Transactions on Parallel and Distributed Systems (TPDS), 2024. (CCF A类期刊,ESI高被引论文)
[7] Zhiyuan Wu, Sheng Sun, Yuwei Wang*, Min Liu, Junbo Zhang, Zeju Li and Qingxiang Liu. Exploring the Distributed Knowledge Congruence in Proxy-data-free Federated Distillation. ACM Transactions on Intelligent Systems and Technology (TIST), 2024. (CAA A类期刊)
[8] Qiuping Zhang, Sheng Sun, Junjie Luo, Min Liu, Zhongcheng Li, Huan Yang, Yuwei Wang*, Collaborative non-chain DNN inference with multi-device based on layer parallel. Digital Communications and Networks, 2023. (中科院2区期刊,Current IF=7.5)
[9] Yali Chen, Min Liu, Bo Ai, Yuwei Wang, and Sheng Sun. Adaptive Bitrate Video Caching in UAV-Assisted MEC Networks based on Distributionally Robust Optimization. IEEE Transactions on Mobile Computing (TMC), 2024. (CCF A类期刊)
[10] Sheng Sun, Zengqi Zhang, Quyang Pan, Min Liu, Yuwei Wang, Tianliu He, Yali Chen, and Zhiyuan Wu.Staleness-Controlled Asynchronous Federated Learning: Accuracy and Efficiency Tradeoff. IEEE Transactions on Mobile Computing (TMC), 2024 (CCF A类期刊)
[11] Qingxiang Liu, Sheng Sun, Min Liu,Yuwei Wang, Bo Gao. Online Spatio-Temporal Correlation-Based Federated Learning for Traffic Flow Forecasting. IEEE Transactions on Intelligent Transportation Systems (TITS), 2024 (CCF B类期刊)
[12] Xuefeng Jiang, Sheng Sun, Jia Li, Jingjing Xue, Runhan Li, Zhiyuan Wu, Gang Xu, Yuwei Wang and Min Liu,Tackling Noisy Clients in Federated Learning with End-to-end Label Correction. In Proceedings of the 31st ACM International Conference on Information & Knowledge Management (CIKM), 2024 (CCF B类会议)
[13] Tian Wen, Hanqing Zhang, Han Zhang, Huixin Wu, Danxin Wang, Xiuwen Liu, Weishan Zhang, Yuwei Wang, Shaohua Cao. RTIFed: A Reputation Based Triple-step Incentive Mechanism for Energy-aware Federated Learning over Battery-constricted Devices. Computer Networks (CN), 2024. (CCF B类期刊)
[14] Jingjing Xue, Min Liu, Sheng Sun, Yuwei Wang, FedBIAD: Communication-Efficient and Accuracy-Guaranteed Federated Learning with Bayesian Inference-Based Adaptive Dropout. International Parallel & Distributed Processing Symposium (IPDPS), 2023. (CCF B类会议)
[15] Xujing Li, Min Liu, Sheng Sun, Yuwei Wang, Hui Jiang, Xuefeng Jiang. FedTrip: A Resource Efficient Federated Learning Method with Triplet Regularization. International Parallel & Distributed Processing Symposium (IPDPS), 2023. (CCF B类会议)
[16] Huan Yang, Sheng Sun, Min Liu, Qiuping Zhang, and Yuwei Wang. MJOA-MU: End-to-edge collaborative computation for DNN inference based on model uploading. Computer Networks (CN), 2023. (CCF B类期刊)
[17] Wei Sun, Bo Gao, Ke Xiong and Yang Lu, Yuwei Wang. VagueGAN: A GAN-Based Data Poisoning Attack Against Federated Learning Systems. 20th Annual IEEE International Conference on Sensing, Communication, and Networking (SECON), 2023. (CCF B类会议)
[18] Xuefeng Jiang, Sheng Sun, Yuwei Wang, Min Liu. Towards federated learning against noisy labels via local self-regularization. In Proceedings of the 31st ACM International Conference on Information & Knowledge Management (CIKM), 2022. (CCF B类会议)
[19] Hui Jiang, Min Liu, Sheng Sun, Yuwei Wang, & Xiaobing Guo. Fedsyl: Computation-efficient federated synergy learning on heterogeneous iot devices. IEEE/ACM 30th International Symposium on Quality of Service (IWQoS), 2022. (CCF B类会议)
[20] Bo Gao, Lingyun Lu, Ke Xiong, Jung-Min "Jerry" Park, Yaling Yang, and Yuwei Wang."Spectrum Sharing among Rapidly Deployable Small Cells: A Hybrid Multi-Agent Approach," IEEE Transactions on Wireless Communications. IEEE Transactions on Wireless Communications, 2020. (CCF B类期刊)
部分国际标准:
[1] Requirements for mobile edge computing enabled content delivery networks-- ITU-T F.743.10 (已发布,计算所牵头制订的第一项ITU国际标准)
[2] Requirements for civilian unmanned aerial vehicles enabled mobile edge computing-- ITU-T F.749.11(已发布)
[3] Requirements of coordination for civilian unmanned aerial vehicles--ITU-T F.749.14(已发布)
[4] Technical framework for deep neural network model partition and collaborative execution--ITU-T F.748.20(已发布)
[5] Session management for fixed mobile convergence in IMT-2020 networks--ITU-T Y.3136(已发布)
[6] Service function chaining in mobile network--ITU-T Y.2242(已发布)
[7] Requirements and protocols for home surveillance systems--ITU-T H.627.2(已发布)
[8] Requirement and framework of trustworthy federated machine learning based service--ITU-T F.748.35(已发布)
[9] Technical framework and requirements for device-edge-cloud collaborative federated learning--ITU-T F.DEC-CFL(制订中)
[10] Quality Metrics and Evaluation Methods for Federated Machine Learning Services--ITU-T H.FMLS—QMEM(制订中)
部分通信行业标准:
[1] IPv6技术要求 多接口业务流切换管理 (YD/T 2401-2012) (已颁布实施)
[2] IPv6技术要求 基于网络的流切换移动管理(YD/T 2730-2014)(已颁布实施)
[3] IPv6路由协议 适用于低功耗有损网络的IPv6多播路由协议 (YD/T 2814-2015)(已颁布实施,计算所第一项通信行业重点标准)
[4] IPv6技术要求 基于代理移动IPv6的组播(YD/T 3049-2016)(已颁布实施)
[5] IPv6技术要求 代理移动IPv6区域移动锚点分配技术(YD/T 4456-2023)(已颁布实施)
[6] IP网络层次化业务链OAM技术要求(YD/T 4796-2024)(已颁布实施)
[7] 面向边缘网络的端边云协同联邦学习技术要求(2024-0588T-YD)(制定中)
[8] 联邦学习算法跨框架互操作的总体技术要求(2024-0992T-YD)(制定中)
部分发明专利:
[1] 一种基于业务满意度的无线资源分配方法与系统(ZL201210211713.3)
[2] 一种面向业务区分优化的移动管理方法及系统(ZL201310152729.6)
[3] 一种面向移动智能终端的协同下载任务调度方法及系统(ZL201310377540.7)
[4] 一种基于OpenFlow 的信道分配方法及其装置 (ZL201410172146.4)
[5] 一种PMIPv6支持移动组播的路由优化方法及系统(ZL201410822187.3)
[6] 一种用于虚拟机vCPU调度的资源池管理方法(ZL201510408804.X)
[7] 一种低功耗多播路由网络及其多播路由方法 (ZL201410270042.7)
[8] 一种基于共享I/O虚拟化环境的vCPU调度方法(ZL201510233215.2)
[9] 一种针对Linux容器的资源部署方法及系统(ZL201811352854)
[10] 一种交通流量预测的在线联邦学习方法(ZL202210950965.1)
著作:
[1] 多接入边缘计算(MEC)及关键技术,人民邮电出版社,2019.
科研项目:
[1] 国家重点研发计划项目-基于区块链的大规模分布式可信智能计算关键技术及应用-课题1:大规模分布式可信智能计算技术架构(子课题负责人)
[2] CNGI项目-中国电信下一代互联网规模应用示范-社会化网络通信子课题 (子课题负责人)
[3] CNGI项目-下一代互联网标准体系建设研发工作(课题负责人)
[4] 自然科学基金面上项目-面向临时热点的无线接入网资源分配理论与技术(子课题负责人)
[5] “民用无人机协同技术需求”等三项ITU国际标准制订工信部资助项目(项目负责人)
[6] 2020年实施首都标准化战略补助资金标准制修订补助项目(项目负责人)
[7] 2022年实施首都标准化战略补助资金标准制修订补助项目(项目负责人)
[8] MindSpore网络模型与创新合作项目-华为公司合作项目(项目负责人)
[9] 5G无线网架构关键技术评估与验证-中国电信企业合作项目(项目负责人)
[10] 5G网络边缘计算技术研发、标准化与验证-中国电信企业合作项目)(项目负责人)
[11] 云计算和大数据重大专项--新型大数据存储技术与平台项目集中采购-中国联通企业合作项目(项目负责人)
[12] 基于沃云的网络功能虚拟化研发验证--NFV虚拟网络加速测试及开发-中国联通企业合作项目(项目负责人)
[13] 自然科学基金重点项目“面向无人系统的网络协同理论与技术”(骨干)
[14] 自然科学基金面上项目“边缘智能中的端边设备协同计算方法研究”(骨干)
[15] 计算所所创新课题“基于联邦学习的云网边端智能调度与协同优化”(骨干)
获奖及荣誉:
[1] 2011、2012年中科院创新标准知识产权成果奖励
[2] 2013年计算所技术百星
[3] 2010、2012、2018、2023年计算所优秀员工
[4] 2020年国际电信联盟AI/ML in 5G Challenge全球技术挑战赛银奖
[5] 2023年中国通信标准化协会科学技术奖三等奖
[6] 2022-2023年国际电信联盟中方优秀一类文稿
[7] 2024年度中国计算机学会科技成果奖科技进步一等奖
王煜炜 高级工程师
研究方向:边缘智能、移动协同计算、泛在网络互联
所属部门:网络技术研究中心
导师类别:硕导计算机系统结构
联系方式:ywwang@ict.ac.cn
个人网页:https://ict-ywwang.github.io