大会简介：数字经济是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。数字经济发展速度之快、辐射范围之广、影响程度之深前所未有，正推动生产方式、生活方式和治理方式深刻变革。加快建设信息网络基础设施，推进云网协同和算网融合发展，有序推进基础设施服务智能化升级，充分发挥数据要素作用，大力推进产业数字化和服务智能化转型是各行业领域当前面临的重要挑战。
CCF 2023中国数字服务大会由CCF服务计算专业委员会和北京邮电大学联合承办，北京大学，中国地质大学（北京），北方工业大学，安徽大学联合协办，将于2023年9月14日-17日在北京召开。本次年会将设置学术论坛、专题论坛的、工业论坛、应用竞赛等多种形式，旨在为与会代表提供一个科技交流、成果展示、共享合作的平台，共同促进服务计算学科理论及技术的发展。本次会议邀请到陈俊亮院士、方滨兴院士、黄维院士、张平院士、张宏科院士、Rajkumar Buyya教授、Ching-Hsien Hsu教授、徐晓飞教授、黄河燕教授、王千详、黄非等国内外知名专家学者。

时间：

2023年9月16日 14:00-17:00

地点：北京 

主席： 郑子彬 中山大学软件工程学院副院长，IEEE Fellow，IET Fellow

蒋子规 中山大学软件工程学院副研究员

论坛简介：智能软件与领域服务

近年来随着人工智能、大数据等技术的快速发展，软件服务提供了越来越多的“智能”，软件的智能化与智能软件的开发、质量保障已经成为备受关注的热点之一。“智能软件与领域服务”专题论坛邀请软件工程和服务计算领域的专家学者，旨在分享智能软件发展的最新研究，探索智能软件服务在不同领域的潜在应用和交叉融合，交流行业前沿与发展动向。

论坛日程安排：

主题报告1：钦天观象：天地一体化智慧气象服务

主讲人： 许小龙

报告摘要：天气雷达、遥感卫星等是针对强对流天气观测预警的主要设施；其中，天气雷达回波数据时空分辨率高，便于在复杂流场中发现和提取特征以开展外推。构建国家天气雷达观测网是气象现代化基础设施体系的重要组成部分，是完善国家自然灾害防治体系的有效途径，对服务国家防灾减灾救灾效益显著、影响深远。当前，人工智能和大数据等数字技术的深度应用让气象服务迎来新的革新，智慧气象正在成为数字经济新基建的“基石”。本报告围绕基于深度学习的天地一体化智慧气象服务展开，首先介绍基于深度学习的雷达回波遮挡矫正方法，基于注意力机制优化的雷达反射率反演方法的解决方案，以及基于深度序列预测的强对流天气短临预报的解决方案；然后，从加强服务效能的角度，介绍支持气象应急预警的边缘服务缓存的研究实例；最后，从智慧气象赋能数字经济的角度，对智慧气象服务的行业应用进行展望。

照片：

个人简介：许小龙，南京信息工程大学教授，博士生导师，服务计算与智能应用创新团队负责人。2016年12月毕业于南京大学计算机科学与技术系，获工学博士学位；2017年1月入职南京信息工程大学；美国密歇根州立大学访问学者（2017年5月至2018年4月）；2020年破格晋升教授。主要研究方向为：边缘计算、服务计算、知识图谱、大数据等。连续两年入选全球高被引学者（2022、2021年）；入选江苏省科协青年科技人才托举工程，江苏省科技副总。以第一/通讯作者在国内外一流期刊和会议上发表论文100余篇（其中CCF-A类、IEEE/ACM Transactions 35篇，ESI高被引论文24篇），Google学术引用7000+次。获中国百篇最具国际影响学术论文2篇（第1完成人，2021、2020年），江苏省计算机学会青年科技奖（2022年），江苏省高等学校科学技术研究成果奖二等奖（第1完成人，2021年），华东科学技术情报成果三等奖（第1完成人，2021年），江苏省科技情报成果奖三等奖（2021年）；获CCF-C类期刊JNCA最佳论文奖（2022年），CCF-C类会议IEEE ISPA最佳论文奖（2022年），CCF-C类会议IEEE UIC杰出领导奖（2022年）；7篇论文获国际会议最佳论文奖，2篇论文获国际会议杰出论文奖、1篇论文获最佳专题论文奖。授权发明专利9项，实现落地转化3项，企业合作授权发明专利2项。主持和参与国家自然科学基金指南引导类0-1原创探索专项、国家自然科学基金重大研究计划、国家重点研发计划、兵团重点研发计划、国家自然科学基金面上/青年项目等共20余项。担任国际期刊《International Journal of Intelligent Networks》副主编等学术兼职。

主题报告2：数据驱动的芯片设计程序测试

主讲人： 陈俊洁

报告摘要：To ensure the functional correctness of chips, adequate testing is essential on the chip design implementation (CDI), which is the software implementation of the chip under design in hardware description languages, before putting on fabrication. Over the years, while some techniques targeting CDI functional testing have been proposed, there are still a number of hard-to-cover functionality points due to huge input space and complex constraints among variables in a test input. We call the coverage of these points last-mile functional coverage. Here, we propose the first technique targeting the significant challenge of improving last-mile functional coverage in CDI functional testing, called LMT, which does not rely on domain knowledge and CDI internal information. LMT first identifies the relevant variables in test inputs to the coverage of last-mile functionality points inspired by the idea of feature selection in machine learning. It then incorporates GAN to learn to generate valid test inputs (that satisfy complex constraints among variables). We conducted a practical study on two industrial CDIs in Huawei to evaluate LMT. The results show that LMT achieves at least 49.27% and 75.09% higher last-mile functional coverage than the state-of-the-art CDI test input generation techniques under the same number of test inputs.

照片：

个人简介：陈俊洁，天津大学智能与计算学部特聘研究员，软件工程团队负责人。研究方向主要为基础软件测试、可信人工智能、数据驱动的软件工程等。荣获中国科协青年托举人才、CCF优博、电子学会自然科学一等奖等奖项。近年共发表学术论文60余篇，其中CCF A类论文近50篇，获六项最佳论文奖（包括五项CCF-A类会议ACM SIGSOFT Distinguished Paper Award，以及一项CCF-B类会议ISSRE的Best Research Paper Award）。成果在华为、百度等多家知名企业落地。担任CCF-A类会议ASE 2021评审过程主席，Dagstuhl研讨会联合主席，以及软件工程领域全部CCF-A类会议的程序委员会成员等。

主题报告3：面向开源生态系统的安全漏洞补丁智能分析 

主讲人： 文明

报告摘要：开源软件的开发越来越依赖生态系统中的第三方库。最新的研究表明，大约35%的开源项目代码来自于第三方库。然而，开源第三方库经常受到各种安全问题的威胁，并且被披露的漏洞数量逐年增加。这些漏洞可能对整个生态系统，包括易受攻击的库本身以及相应的下游开发项目，构成巨大的安全威胁。针对这一问题的相关研究近年来受到了学术界和工业界的广泛关注，分析与评估开源软件是否受到供应链中已知漏洞的安全威胁是目前的研究热点之一，其中常见的一大类方法是软件成分分析（SCA）。SCA旨在基于已知漏洞数据库检测开源软件中包含漏洞的第三方库文件或者组件。然而，最近的研究报告表明现有SCA工具通常会产生大量的误报。基于此背景，我们近期开展了以下两个研究工作对开源生态系统中已知漏洞的安全威胁开展了智能化分析，其研究成果分别被CCF-A类会议ICSE 2023和ISSTA 2023收录。首先，通过开展大规模的实证研究，首次从漏洞补丁代码层面分析了生态系统中已知漏洞对下游软件所造成的安全威胁，包括漏洞代码的可达性，可达路径的复杂度以及下游软件开发者所采取的应对措施。研究结果表明，已有SCA工具的误报率高达86%，并且在近5000万的开源软件跨上下游软件方法调用中，4.4%左右是存在安全风险的。基于此实证研究，我们进一步对已知漏洞开展了补丁存在性分析，通过提取基于程序路径的细粒度语义特征来精确的判断漏洞补丁的存在性，并大大提升了已有方法抵抗代码混淆和优化的能力。我们的方法不仅自身的准确率能达到96.8%，同时也能够降低已有SCA工具37.4%左右的误报率。

照片：

个人简介：文明，华中科技大学网络空间安全学院副教授，硕士生/博士生导师。文明博士于2014年从浙江大学计算机科学与技术学院获得本科学位，2019年6月在香港科技大学计算机科学与工程学院取得博士学位，师从张成志教授。2017年7月至2018年1月，在美国加州大学戴维斯分校苏振东教授课题组担任访问学者。2019年6月至2019年11月，在香港科技大学全职任职博士后研究员。2019年12月，加入华中科技大学网络空间安全学院，聘为副教授，主要聚焦软件安全、软件测试与分析、以及软件供应链安全分析等领域研究，在软件工程领域累计发表了CCF-A类推荐会议或期刊20余篇，其他高水平论文10余篇。主持一项国家自然科学基金青年项目、字节跳动校企合作项目、以及华为胡杨林基金系统软件专项等项目，参与湖北省重点研发项目等重要课题，担任了中国计算机学会系统软件及软件工程专委会委员。文明博士常年担任TSE、TOSEM、TDSC等CCF-A类国际期刊的审稿人，以及CCF-A/B类会议ASE 2021/2023、ESEC/FSE 2022/2024、SANER 2022、ISSRE 2022/2023的程序委员会委员，并于2021年入选第七届中国科协青年人才托举工程计划。

主题报告4：面向代码标识符的全流程重构技术 

主讲人： 张静宣

报告摘要：作为代码的主要组成部分，标识符对代码的分析和理解具有重要的作用。在软件开发过程中，代码标识符所代表的意义与其对应的语义功能经常不一致，导致严重的软件开发问题。因此，代码标识符需要进行持续地重构。本报告将介绍我们针对代码标识符的重构全流程开展的一系列研究，包括标识符预处理、重构识别、重构推荐、重构执行，阐明标识符重构机理和模式，打通标识符重构全过程。在代码标识符预处理方面，将标识符归一化成一系列的自然语言词汇，获得标识符所代表的内涵；在重构识别方面，构建代码标识符与代码风格和编程规范之间的关系的全方位特征，精准识别出需要重构的代码标识符；在重构推荐方面，自动构造高质量的新代码标识符；在重构执行方面，进行标识符跨语言绑定和重构执行实时建模与区分，确保重构执行的正确性和完整性。

照片：

个人简介：张静宣，博士，南京航空航天大学计算机科学与技术学院副教授，院长助理，硕士生导师。分别于2012年和2018年在大连理工大学获得学士和博士学位。其中，2014年访问新加坡管理大学。从事软件工程研究，主要研究方向为智能软件工程、软件仓库挖掘和经验软件工程。先后在ACM/IEEE系列汇刊（TOSEM、TSE等）、EMSE、JSS、中国科学、软件学报等期刊及ICSE、SANER、COMPSAC等国际会议发表论文30余篇。中国计算机学会系统软件专委会执行委员，中国计算机学会软件工程专委会执行委员。担任多个学术期刊和学术会议的程序委员会委员和审稿人。目前主持多项研究课题，包括国家自然科学基金面上基金和青年基金、军委科技委创新特区项目、中国博士后科学基金、CCF-腾讯犀牛鸟基金等。作为主要成员，参与国家重点研发计划课题、全军共用信息系统装备预研项目等。

主题报告5：面向工业互联网的数据治理与服务 

主讲人： 李丹

报告摘要：工业互联网(Industrial Internet)是指一种将机器、物品、控制系统、信息系统、人互联到一起的网络，是工业4.0与智能制造的支撑技术之一，其目标是构建一种可实现“人-机-物”全面互联、数据流动集成、模型化分析决策和最优化管控的综合体系及生产模式，实现工业数据的全面感知、动态传输、实时分析和数据挖掘，形成优化决策与智能控制，优化制造资源配置、指导生产过程执行和优化控制设备运行，提高制造资源配置效率和生产过程综合能效。在工业互联网的建设过程中，全面合理的工业大数据治理方案尤为重要，本报告将面向未来工业互联网的整体发展，结合数据挖掘技术，从工业数据的处理与增强、工业数据的共享与传输、工业数据的应用与分析等几个方面分享我们关于工业数据的监管与治理相关课题的科研成果。

照片：

个人简介：李丹，副教授，硕士生导师，2021年2月入选中山大学百人计划青年学术骨干，加入软件工程学院。2018年至2021年于新加坡国立大学担任研究员，从事博士后研究工作。2013年至2017年就读于新加坡南洋理工大学，受新加坡与加州大学伯克利分校联合项目资助，获得博士学位。主要研究方向包括异常检测、工业大数据挖掘，序列预测，序列生成、数据治理等方面的研究。目前于IEEE TII、IEEE TASE、Energy Build. 、ICDE、DASFFA等国际著名期刊会议上发表10余篇论文。