报告题目：拓扑未知条件下基于韧性原语的隐式图学习与网络韧性推断
报告时间：2026年11月15日19：30
报告地点：综合楼第一会议室/998-937-111
报告人：张松伟
报告内容：
网络韧性是指系统在受到干扰时维持核心功能的能力，其丧失可能引发连锁故障和大规模服务中断。因此，在严重退化发生前准确推断韧性状态对于识别脆弱网络状态至关重要。近期研究越来越多地采用数据驱动的深度学习方法，通过观测节点状态轨迹来推断韧性，通常假设底层网络拓扑是已知且可靠的。然而在实际中，拓扑信息往往不可用、不完整、存在噪声或随时间变化，这严重限制了此类依赖拓扑的方法的应用。为解决这一局限性，我们将韧性基本特征（原语）与隐式图学习相结合，提出了一种拓扑未知条件下的韧性推断框架。该框架从节点状态轨迹中提取互补的节点级表示，将韧性基本统计量与局部时间变化、长时序依赖关系以及频域模式进行整合。为建模节点之间的隐藏依赖关系，该框架直接从轨迹中学习一个任务驱动的稀疏隐式图，而无需依赖预定义的交互图。随后，在图层上进行读取操作，将节点表示与潜在的关联信息融合成一个统一的系统级抗毁能力表示。在多种真实世界和模拟网络上的大规模实验表明，所提出的框架优于无拓扑结构的基线方法，并且在拓扑感知方法上仍具有竞争力。
报告人简介：
张松伟，博士，东北大学计算机科学与工程学院副教授，硕士/博士生导师，主要研究方向包括智能物联网、拓扑鲁棒性优化、网络大模型等，在IEEE/ACM ToN、IEEE TMC、IEEE TKDE等国际顶级期刊和会议上发表论文30余篇（含CCF-A类论文12篇，中科院一区论文2篇）；荣获ACM中国沈阳分会新星奖、ACM中国天津分会优博奖、WASA 2025最佳学生论文奖。出版国际上首部系统论述物联网拓扑鲁棒性的Springer专著，在线下载量突破4.5万次；申请国家发明专利7件、授权5件。主持国家重点研发计划子课题、中国博士后面上项目及新华三工业互联网有限公司技术开发项目。现任IEEE Network特刊编委、辽宁省互联网协会物联网与大数据工作委员会副秘书长，并担任IEEE/ACM ToN、IEEE TMC等国际顶级期刊审稿人。
