SRv6是新近出现的一种基于源路由机制的新型传送技术，通过在扩展报头中携带指令来支持网络的可编程能力，满足业务快速开通等多种需求。在四川省现网进行SRv6试验的基础上，重点论述了SRv6应用于综合视频云场景下的组网方案，验证了SRv6在业务敏捷性、安全隔离、带宽弹性及跨域部署方面的优势。同时，也给出了SRv6未来面临的挑战及相关发展建议。

随着网络规模的增长，对网络进行精细化管控变得尤为重要。在下一代互联网中将用户可信身份嵌入 IPv6 地址后缀形成可信地址，能够进一步提高网络行为的可追溯性。目前已有研究基于 Portal 认证配合DHCPv6将用户的身份信息嵌入用户终端的IPv6地址中，但是为了分配可信地址而改动的DHCPv6过程造成了机制对用户终端不透明，无法大规模部署。提出了一种面向Portal认证的IPv6可信地址分配机制，通过服务器信令交互配合软件定义网络（SDN）技术实现IPv6可信地址的间接分配，而且与地址分配方式无关。最后，实现了一个原型系统并在江苏南京电信现网机房评估了其可行性和性能，结果表明此机制在对终端透明的情况下仅带来很少的额外开销。

将可扩展的用户身份标识嵌入IPv6地址中，不仅为追溯用户身份和精细管控用户行为提供可能，而且有利于提高互联网的安全性、可审计性和可信性。目前提出的嵌入用户身份标识的IPv6地址生成方案存在DHCPv6 客户端开发复杂或临时地址租约难以管理等问题，均不易于实际部署。考虑到身份认证与地址分配之间的时序逻辑，提出一种基于IEEE 802.1x的嵌入用户身份标识的IPv6地址生成方案，通过在二层进行用户身份认证，随后进行IPv6地址分配，解耦了身份认证与地址分配过程，避免了为各操作系统开发新的扩展DHCPv6客户端以及为DHCPv6服务器维护临时地址租约等限制，更加具备可部署性。

现有的扫描技术能够在非常短的时间内对整个IPv4空间完成扫描，但是这些方法都不适合庞大的IPv6网络空间。因此近年来，许多研究学者提出了各种启发式的 IPv6 地址探测算法。这些算法使用收集的 IPv6种子地址作为输入，输出最可能活跃的IPv6地址列表作为扫描目标，大大缩小了活跃地址区域的扫描范围。对这些基于种子地址的技术进行了分类、梳理和总结，然后详细分析了各个算法的优缺点，并且讨论了这些技术面临的多种挑战。从参考文献公开的IPv6数据集和中国教育科研计算机网的北京节点两个来源收集了总共7 300万种子地址。通过实验，比较了4种基于种子地址的地址探测算法的命中率和时间性能。最后给出了对本领域的思考和未来研究方向。

介绍了SD-WAN的发展背景及目前基于IPv4的SD-WAN方案，提出了将IPv6应用到SD-WAN场景的方案，分析了要实现基于IPv6的SD-WAN方案需要在现有underlay和overlay层面上做出改变，并对利用IPv6技术实现SD-WAN的可行性进行讨论。

面对当前日新月异的业务新需求和复杂的市场环境，传统的人工方式已经无法满足现有的需求，更加智能化的解决方法急需提出。随着人工智能和大数据技术的发展，随愿网络应运而生，并成为了解决目前网络发展困境的一个手段和未来发展的趋势。介绍了随愿网络发展的背景和研究进展，并且面向下一代互联网，对随愿网络的应用做了分析。

研究提出由多个射频能量源和汇聚节点组成的无线供能网络，通过联合最优化能量源的发送功率、能量发送时长和节点的数据发送时间，最大化数据收集的能量效率。首先对能量效率最大化问题进行建模。接着，分析得到发送功率的最优取值，并进一步推导出能量效率函数的单调性和吞吐量函数的凹凸性。最后，基于这些属性设计出联合使用黄金分割法和二分法的高效最优算法的快速得到最优解。仿真结果表明，相比于基准方法，所提出的最优算法能显著提高能量效率。

恒包络（CE）正交频分复用（OFDM）能够开发OFDM的优点，并能消除OFDM峰均功率比高、对功率放大器非线性失真敏感的缺点。反馈时延等因素会恶化采用OFDM调制的中继选择放大转发（AF）协作系统的误码性能。最小均方误差（MMSE）维纳信道预测器能够减轻反馈时延对无线系统误码性能的恶化。为此，提出了一种能够克服OFDM缺点和反馈时延影响的、采用CE-OFDM调制和MMSE信道预测的中继选择AF协作系统方案，并推导其在瑞利块衰落信道上矩形正交幅度调制下的平均误比特率（ABER）下界表达式。数值计算和仿真结果表明：当调制系数较小时，上述系统的ABER下界具有较高的准确性，可用于CE-OFDM调制和MMSE信道预测的中继选择AF协作系统的设计。

压缩感知技术在信号处理、图像处理、数据收集与分析等方面有很大优势，是近年来的研究热点。研究了如何安全高效地运用压缩感知技术来收集无线传感器网络中的数据。传统的基于压缩感知技术的数据收集方法并不考虑数据收集的安全性，而且网络内的所有节点都会参与每个测量值的收集。将El Gamal加密算法和基于稀疏随机矩阵的压缩感知技术相结合，提出了一种基于El Gamal加密算法的稀疏压缩数据收集方法（El Gamal based sparse compressive data gathering，ESCDG）。理论分析和数值实验表明，ESCDG不仅能降低网络资源的消耗而且能抵御多项式算力的内部攻击和外部攻击。

提出一种端到端的视听语音识别算法。在该算法中，通过具有瓶颈结构的深度信念网络（deep belief network，DBN）中引入混合的l_1/2范数和l₁范数构建一种稀疏DBN（sparse DBN，SDBN）来提取稀疏瓶颈特征，从而实现对数据的特征降维，然后用双向长短期记忆网络（bidirectional long short-term memory，BLSTM）在时序上对特征进行模态处理，之后利用一种注意力机制将经过模态处理的唇部视觉信息和音频听觉信息进行自动对齐、融合，最后将融合的视听觉信息通过一个附加了Softmax层的BLSTM进行分类识别。实验表明，该算法能有效地识别视听觉信息，在同类算法中有很好的识别率和顽健性。

5G 通信技术的到来为车载自组网（VANET）提供高质量的视频流服务奠定了基础。然而，现有的VANET 仍然采用以主机通信而非内容分发的 IP 网络来分发视频数据，造成了网络功能与设计目标之间的不匹配，为提供高质量的视频服务带来了巨大挑战。基于上述问题，提出了一种以信息为中心的社会感知流媒体缓存和转发策略（SACF），其时间复杂度为O(m²)。首先，通过分析用户节点的行为构建社会感知的虚拟社区；然后，提出了一种视频快速转发机制来支持用户就近获取视频内容；最后，提出了一种基于社区的缓存策略来优化视频的缓存分布。仿真实验结果表明，与最新的解决方案相比，该算法的缓存命中率提高了18%，查找时延降低了33%，平均网络开销减少了14.6%。

近年来，自动学习特征的深度学习方法在视频行为识别领域中不断被挖掘探索。在总结了常用的行为识别数据集的基础上，对传统的行为识别方法以及深度学习的相关基础原理进行了概述，着重对基于不同输入内容与不同深度网络的行为识别方法进行了较为全面、系统性的总结、对比与分析。最后，对深度学习在行为识别领域的发展做了总结并展望了未来的发展趋势。

随着近年来大数据技术的发展，各行业加强了其在专业领域的研究及应用。对于移动运营商的无线网规划专业，通过结合企业拥有的市场、网络、终端、基站、规划等数据源进行大数据规划将有效提高网络规划的精准度及自动化水平。从目前已有的大数据规划平台来看，一般存在没有充分考虑场景区分及区域类型的问题，这对规划结果有一定影响。首先分析移动无线网大数据规划模型所需数据源、处理应用架构及实施方法，再从移动无线网大数据规划关键环节及模型分析开始分别研究面、线、点 3 种覆盖规划模型包含的标准、算法及参数设置等内容，最后对移动无线网大数据规划模型的构建及应用提出相关思路和建议。

提出泛在电力物联网无线网络规划方法，充分分析多种无线技术体制在覆盖、容量、组网模式等方面的特点与不同，并论证其对不同泛在电力物联网应用场景的适配性，为泛在电力物联网的组网提供依据，全面支撑泛在电力物联网的建设。

DPI 是运营商网络中用于流量识别和处理的专用设备，目前被大量部署于现网中。但传统的 DPI 部署方式带来了多个DPI系统并存、功能重复、维护管理复杂等问题，不利于DPI应用的大量标准化快速部署。随着NFV技术的发展，对DPI进行虚拟化部署成为解决此问题的一种趋势。Docker是一种容器级的虚拟化技术，可在其基础上进行DPI部署。阐述了Docker与DPI部署有关的底层报文处理技术DPDK，并给出了基于Docker的DPI虚拟化部署方案建议。

首先结合5G的价值认知，对6G进行了价值展望，并从覆盖性、开放性、安全性、自生性4个方面做了6G的技术特征分析。得出结论，如果把6G作为移动互联网下半场的所有技术创新和模式创新产生的基础，并且始终将持续提升用户对应用和内容的体验作为第一优先级目标，那么6G将比5G多出远远不止“1G”。

随着运营商网络的日益壮大，网络维护力量和成本更有限。如何利用有限成本进行高质量地网络运维成为新的挑战。通信机房作为运营商网络的核心资源，对其精细化管理十分必要。提出面向用户和业务的运营商通信机房分级运维管理思路，使用多因子加权方法，利用通信机房承载的用户和业务数据对机房进行综合评价，并根据用户和业务分布情况进行机房等级划分。

基于大数据分析的商旅计划决策是掌控差旅动态、制定差旅规范的重要组成部分。基于国网商旅信息数据，针对出差过程中出行方式的优化选取、酒店住宿的个人喜好，构建一种用户画像框架技术，实现快速、准确识别敏感客户群体。首先针对用户不同特性采用双通道建模方式预测用户敏感程度；其次围绕业务审批、差旅控制、酒店评价、时间特征、数值特征等类型刻画用户，构建用户多源特征体系；最后充分利用商旅数据多源性，创建基于双层XGBoost的多视角融合模型，提升分类精确率，并通过对比实验验证方法的有效性。