近期西汉姆联官网首页数据智能与网络计算研究团队4篇工作被计算机网络、数据库领域顶级会议/期刊VLDB、INFOCOM、IEEE/ACM Transactions on Networking以及IEEE Trans. on Knowledge and Data Engineering接收，这些顶级论文的录用充分反映了必威betway西汉姆联研究生的培养质量不断提升。
发表在VLDB 2025 (CCF A)的论文针对高速网络中的超级传播者检测问题，创新性地提出了一种具有高内存效率、可逆、可合并的全新内存共享技术，通过寄存器组共享的设计，将基数估计器中若干个连续的基本单元组织成寄存器组，使其能够适应分布高度倾斜的海量高速网络流以及高速存储、计算资源严重受限的环境。在此基础上所提出的超级传播者检测机制RGS-Sketch，大幅降低了现有技术的高速存储开销和检测误差，并支持对超级传播者的实时在线检测。论文的第一作者为我院博士生张博宇，该论文也是必威betway西汉姆联首篇PVLDB论文，且论文作者均为西汉姆联官网首页师生。
论文信息：RGS-Sketch: An Accurate, Invertible, and Mergeable Sketch for Online Super Spreader Detection in High-speed Data Streams, Boyu Zhang, He Huang, Yu-E Sun, Guoju Gao (Soochow University)
发表在INFOCOM 2025 (CCF A)的论文针对高速网络流量测量中噪声小流难以滤除的问题，提出了一种低开销、高过滤范围的过滤器——Swing Filter。该过滤器基于所设计的噪声消融技术，利用可逆计数器数值在正负方向上的波动来动态抵消噪声小流的信息。通过多层随机映射防碰撞技术，Swing Filter能够在逐层过滤噪声小流的同时，避免了合法大流的“误过滤”。与SOTA相比，Swing Filter在内存开销和处理速度上具有显著优势，能够在计算资源受限的高速网络交换芯片上部署运行，同时将流量测量的估计误差降低了一个数量级，并且其吞吐量比现有最新技术提高了1.69倍。论文的第一作者为我院博士生王兆杰。IEEE INFOCOM 2025的录用率约为18.6%，1458篇投稿最终录用272篇。
论文信息：Swing Filter: A Low-overhead Filter with Larger Filtering Range for Network Traffic Measurement, Zhaojie Wang, He Huang, Yu-e Sun, Hanwen Zhang and Guoju Gao (Soochow University, China); Haibo Wang (University of Kentucky, USA); Shigang Chen (University of Florida, USA)
录用至IEEE/ACM Trans. on Networking (CCF A)的论文针对多种流定义并存场景下的高速网络每流基数融合测量问题，创新性地提出了一种高精度、低存储开销的多任务信息融合抓取与混合测量算法。该算法通过对数据流中的元素进行一次采样，将携带不同任务基数信息的元素存储到片下的高维哈希表中，从而在匹配网络流速的同时，高精度地记录多任务基数信息。在此基础上所提出的多任务每流基数融合测量机制MIME，只需在片上高速缓存中部署一个过滤器来去除重复元素，显著降低了现有技术的计算和存储资源开销，并支持同时检测多类超级传播者和隐匿网络攻击。论文的第一作者为我院硕士研究生张瀚文。ToN是计算机网络领域公认顶级的学术期刊，年均发表文章数稳定在250篇左右。
论文信息：Multi-information Sampling and Mixed Estimation for Multi-task Spread Measurement with Supercube, Hanwen Zhang, He Huang, Yu-E Sun, Guoju Gao, Zhaojie Wang (Soochow University, China), Shigang Chen (University of Florida, USA)
录用至IEEE Trans. on Knowledge and Data Engineering (CCF A)的论文针对近似成员查询问题，创新性地提出了一种可并行化、空间高效且具有良好硬件兼容性的全新过滤器技术PipeFilter，通过将单一过滤器结构拆分为多个独立子过滤器，并为每个元素在所有子过滤器中都分配候选存储位置，从而将原本难以并行的插入、查询和删除操作自然地划分为多个流水线阶段，每个阶段负责一个子过滤器的操作，从而充分利用多核CPU与可编程芯片的并行加速能力。实验结果表明，在取得超过99%的存储空间利用率情况下，PipeFilter的操作吞吐量相比现有单线程近似成员查询方法提升可达7倍至800倍。论文的第一作者为我院硕士研究生季善奎。
论文信息：PipeFilter: Parallelizable and Space-Efficient Filter for Approximate Membership Query, Shankui Ji, Yang Du, He Huang, Yu-E Sun (Soochow University, China), Jia Liu (Nanjing University), Yapeng Shu (Soochow University, China)
