出访人员名单（含领队）

陈志航

出访国家（地区）

英国苏格兰格拉斯哥

实际

出访时间

2026年5月23日

至2026年5月30日

实际往返路线（相关城市）

福州-北京-伦敦-格拉斯哥-伦敦-香港-福州

出访任务

赴英国苏格兰格拉斯哥参加IEEE ICC 2026会议并做现场报告

出

访

成

果

报

告

我有幸参与在英国苏格兰格拉斯哥举办的 2026 年IEEE国际通信大会（IEEE ICC 2026），并作学术报告与交流。IEEE ICC 是 IEEE 通信学会（ComSoc）的两大旗舰会议之一，也是全球通信与网络领域的顶级国际学术会议。该会议聚焦下一代通信系统、网络体系结构、协议与算法、网络安全以及智能化网络处理等多个前沿研究方向，每年吸引来自七十余个国家和地区的近两千名学者与产业界专家与会，以其严格的同行评审体系、深度的学产融合特色与广泛的国际影响力著称，被公认为全球通信与网络研究者发布创新成果的重要平台。

我的论文题为《APTMatch: Empowering Dynamic Rule Updating for Learning-based Packet Classification》。包分类是访问控制、防火墙与服务质量保障等网络处理任务的关键技术，在大规模规则集场景下需同时满足海量规则的可扩展性与高速规则更新两大目标。基于学习的包分类（LPC）方法虽借助轻量级递归模型索引（RMI）显著降低了内存开销，但其静态结构难以支持高速规则更新——一旦规则集变动便只能依赖耗时的重建来保证分类正确性。为应对这一挑战，本文提出了 APTMatch 这一支持高速规则更新的动态 LPC 架构，其核心思想是以对原有结构的局部更新替代整体重建。针对更新时间与查找性能下降之间的权衡，本文设计了两步式更新工作流：一是提出自适应分布调整策略，仅对受规则更新影响的关键局部范围进行基于代价的桶分裂与合并调整；二是引入基于间隙数组（gapped array）的 RMI 高效更新方法，在不改变原有索引的前提下仅对新数据所在的叶子模型进行重训练。实验表明，相较于采用 TupleMerge 的 LPC 方法，APTMatch 显著提升了更新速度并降低分类延迟增长。

会议期间，我全程参与了主旨报告、专题研讨、技术分会与互动演示等环节，与通信网络及网络系统方向的国内外学者、产业界专家展开了深入交流。我不仅系统把握了下一代网络体系结构、智能化网络处理与高速数据面算法等领域的前沿趋势，也对学习型数据结构在真实工业级网络场景中的挑战与落地思路有了更为全面、深刻的理解。此外，我与多位领域内知名专家、青年学者建立了稳定的学术联系，在算法模型设计与工程落地等方面收获了极具针对性的宝贵建议。

此次参与 IEEE ICC 会议，是我学术研究路上的一次重要成长与积累。它不仅为我提供了与全球顶尖通信与网络学者面对面交流的高水平学术平台，也让我近距离接触到包分类与网络数据面算法领域的最新成果与未来走向。此次参会收获将进一步指引我后续的研究思路与实验方向，推动我在学习型包分类与高速规则更新领域持续深耕，助力相关理论创新向实际网络系统与工业应用的转化。

该团组已进行事后公示，并无异议。 （领队签字）

遵守外事纪律情况（含意见和建议等）：严格遵守出访纪律。