暨南大学融媒体中心讯 近日，暨南大学信息科学技术学院AntLab实验室崔林教授课题组在计算机网络与在网计算领域取得重要进展，其两篇论文被IEEE计算机通信国际会议INFOCOM收录。

INFOCOM全称为IEEE International Conference on Computer Communications，是IEEE组织在通信网络领域的旗舰性会议，也是国际通信网络领域的一大标志性会议（CCF推荐A类会议），以其极高的学术声誉和严格的录用标准著称，每年吸引全球顶尖学者汇聚交流。INFOCOM 2026年的论文接受率仅为329/1740 = 18.9%，此次两篇论文同时入选，标志着课题组在可编程数据平面与智能网络方面的研究获得国际学界的高度认可。

论文一：Monic: In-Network Mixture-of-Experts Inference on Programmable Data Planes实现数据平面协同推理突破

由AntLab实验室的张效铨博士和硕士生梁博文（共同第一作者）等合作完成，崔林教授为通讯作者，并与英国拉夫堡大学（Loughborough University）研究团队开展合作。梁博文同学是暨南大学信息科学技术学院硕士生，其研究方向聚焦于可编程数据平面与机器学习的深度融合。张效铨博士主要从事P4与可编程网络、机器学习与智能网络等领域的研究。

论文录用信息：

Zhang X., Liang B. (共同第一作者), Tso F. P., Deng Y., Zhang Z., Wei K., Jia W., Cui L. (通讯作者), “Monic: In-Network Mixture-of-Experts Inference on Programmable Data Planes”, Accepted by IEEE INFOCOM 2026.

论文情况：

人工智能的快速发展正在重塑网络基础设施。以可编程数据平面（Programmable Data Plane, PDP）为核心的新型网络，通过开放交换机ASIC的计算资源，利用其可编程性、Tbps级带宽与纳秒级时延，实现了对网络流量的线速处理。智能数据平面（Intelligent Data Plane, IDP）进一步在PDP上集成机器学习推理能力，使交换机能够在高速转发的同时执行智能分析，支持恶意流量检测、DDoS防御和流量分类等应用。然而，在资源受限的交换机ASIC上部署高精度模型面临挑战：单体模型虽具较高精度但难以在单台设备上部署，而分布式方案虽能缓解资源压力却缺乏协同，导致整体精度受限。

示意图1

为此，本文提出Monic，首个在可编程数据平面实现的基于混合专家（Mixture-of-Experts，MoE）架构的协同推理框架。Monic提出硬件感知的协同优化策略，通过门控机制动态激活不同专家子模型，并利用贝叶斯优化自动搜索资源约束下的最优映射策略。此外，通过受EM算法启发的精炼过程，Monic在教师模型指导下联合优化门控网络与专家网络，在有限资源内显著提升了推理准确率。在架构设计上，Monic构建了模块化的P4数据平面框架，包括支持树模型的FLD单元与支持神经网络的CAP单元，可根据需求灵活实例化为专家与门控模块。通过流水线内部的并行化设计，Monic提升了吞吐量并降低通信开销，使系统能够扩展到包含大量专家的场景。

本工作在基于Intel Tofino ASIC芯片的P4硬件交换机上，实现了Monic的原型系统部署。实验结果表明，Monic成功克服了传统解决方法的局限性，相比现有最先进的方法实现了17.4%的准确率相对提升，这一成果证明了协同推理方法在资源受限网络场景下的巨大潜力，为构建更高效、更智能的网络基础设施提供了全新的解决方案。

论文二：SPRINT: Line-Rate In-band Network Telemetry Recovery for Application Optimization解决网络遥测线速恢复难题

由AntLab实验室硕士生陈炳臻、刘尉铭（共同第一作者）和张效铨博士等合作完成，崔林教授为通讯作者，并与英国拉夫堡大学（Loughborough University）研究团队开展合作。陈炳臻同学是暨南大学信息科学技术学院硕士生，其研究方向聚焦于可编程数据平面复杂计算与网络遥测的深度融合。刘尉铭同学是暨南大学信息科学技术学院外招硕士毕业生，其研究方向聚焦在软件定义网络、网络传输优化及可编程数据平面等领域。

论文录用信息：

Chen B., Lau W. M. (共同第一作者), Zhang X., Tso F. P., Cui L. (通讯作者), “SPRINT: Line-Rate In-band Network Telemetry Recovery for Application Optimization”, Accepted by IEEE INFOCOM 2026.

论文情况：

随着可编程数据平面的发展，实时且可信的网络可观测性成为智能网络应用的关键能力。带内网络遥测（In-band Network Telemetry，INT）通过在数据包中逐跳嵌入网络状态，为拥塞控制与调度优化提供细粒度信息，但其在真实网络中易受突发流量与缓存限制影响而产生丢包，使依赖INT的应用失去连续性。现有恢复机制多依赖控制面，难以满足数据平面对线速与低时延的要求。为此，团队研发了SPRINT——首个能够在可编程交换ASIC上独立并行运行的线速INT恢复方案。

SPRINT针对PISA架构中的算术受限与流水线资源紧张等问题，设计了轻量的Shift Powered FEC，通过错位异或链式结构在无乘除法的条件下实现可逆冗余编码，并结合嵌套式Recovery-group，将每个INT包映射为可快速定位的序列单元，使丢包能够在短窗口内被重建。该结构无须依赖外部设备或多轮计算，即可在数据平面内部完成自动恢复。

示意图2

在实际计算与恢复流程中，SPRINT将操作拆解为可直接由流水线执行的单元，包括丢包检测、冗余更新、镜像复制与基于数据包循环的再处理。Parser与Deparser在Ingress/Egress pipeline中协同，实现元数据重组与恢复状态同步。通过组内序列与全局寄存器的预期序列标记，系统能够在包到达时立即识别丢失的INT，并利用独立携带的冗余与位置描述完成本地恢复，无需控制面或额外缓存。将数据包循环后的状态记录核对并确保后续包的计算依赖链保持一致，使恢复过程与正常转发能够稳定共存于资源受限的ASIC上。

本工作基于Intel Tofino ASIC构建了完整原型，验证了Shift Powered FEC的硬件可行性与Recovery-group的鲁棒性。评估表明，SPRINT能够为依赖INT的各类网络应用提供连续、可靠且高时效性的网络态势输入，使拥塞控制、路径预测与调度机制在高动态环境中保持稳健的性能表现，证明其设计在智能化网络发展中的实践价值。

实验室介绍

暨南大学先进网络实验室（Advanced Networking Laboratory，简称AntLab）长期致力于计算机网络方面的学术研究及系统应用，特别是在网计算、可编程网络、软件定义网络（SDN）、机器学习与智能网络等方向的前沿研究与应用探索。近年来，实验室已在计算机网络及分布式等领域发表高水平学术论文90余篇，承担国家基金项目3项，申请/授权发明专利17项，出版著作1部，参与起草标准制定1项，并曾荣获广东省科技进步二等奖1项，展现了扎实的科研积累与强大的创新能力。

责编：周会谦