福州大学可编程网络实验室(NPC)的两项研究成果被 ICC'26 录用

论文题目：APTMatch：Empowering Dynamic Rule Updating for Learning-based Packet Classification

作者：陈志航、余佳硕、朱龙隆、林俊杰、周佳佳、林宗烨、吴春明

通讯作者：张栋、刘宏岩

论文概述：基于学习索引的数据包分类（LPC）方法虽然通过预处理规则集和构建轻量级递归模型索引（RMI）显著降低了内存消耗，但其静态结构特性导致现有方法难以支持高速规则更新。针对这一局限，我们提出了 APTMatch，一种能够有效应对高速规则更新挑战的动态LPC架构。我们的核心思想是用对原始结构的局部更新来替代整体重构，为了打破“局部更新虽快但导致查找性能下降”这一权衡，我们提出了一套两步的规则更新方法：首先，我们设计了一种自适应分布调整策略，只针对受更新影响的关键局部区域进行高效预处理，而不是预处理整个规则集；其次，我们提出了一种通过间隙数组来高效更新 RMI 的方法，实现在仅重训练新数据的同时保持对原始数据的推理精度。实验结果表明，相较于利用传统方法(TupleMerge)进行辅助更新的LPC方法，APTMatch将更新速度提升了1.7倍，并将平均分类延迟的增长幅度降低了77.97%。

论文题目：HYDRA: A Hybrid Synthesizer for Asymmetric Mixture-of-Experts Communication Scheduling

作者：廖礼达、徐干寻、斯炫玮、刘宏岩、吴羽晗、余佳硕、周佳佳、林宗烨、林俊杰、胡巧玲、朱龙隆、吴春明

通讯作者：张栋、刘宏岩

论文概述：基于对称性的集合通信调度合成器（如 SyCCL）虽然在对称网络拓扑和负载下能兼顾可扩展性和全局最优性，但其对集体对称性的强依赖导致现有方法难以有效处理 Mixture-of-Experts (MoE) 模型中固有的动态且高度非对称的 Alltoallv 通信挑战 。针对这一“僵局”，我们提出了 HYDRA，一种能够有效应对非对称流量调度的混合合成器 。我们的核心思想是利用 MoE 流量在宏观上的统计稳定性，将其分解为稳定的“基础流量”和动态的“增量流量”分别处理 。为了打破“传统方法无法在非对称场景下同时保证可扩展性与最优性”这一权衡，我们提出了一套两级分解与混合调度的策略：首先，我们在离线阶段对基础流量进行结构分解，提取出主要的对称核心利用高效的对称感知算法求解，并利用多商品流（MCF）近似模型对剩余的少量非对称残差进行精确优化 ；其次，我们在在线阶段提出了一种轻量级的最短剩余处理时间（SRPT）启发式算法，利用基础调度后的剩余带宽动态调度增量流量，实现对动态突发的快速适应 。实验结果表明，相较于现有的最先进合成器（SyCCL, TECCL）及标准库（NCCL），HYDRA将端到端 MoE 通信时间最多减少了 34.4% 。