如何解决网络功能虚拟化（NFV）后复杂的管理问题、如何对网络进行灵活调度，是NFV发展亟需解决的问题。人工智能技术的兴起，为NFV系统内的管理和编排提供了新的解决方案。对NFV及人工智能的发展现状进行了总结性介绍，通过剖析NFV落地面临的问题，讨论了人工智能在NFV领域的应用场景，最后通过实验论证，提出了基于机器学习的智能VNF生命周期管理方案，为人工智能在NFV中的应用提供参考。

基于软件定义网络和网络虚拟化，网络编排可以提供快速、高效的差异化业务部署的能力。随着人工智能技术在各领域的广泛应用，网络编排系统与人工智能的结合成为各大运营商和厂商的研究重点。首先介绍了编排系统的概念和各大网络编排开源组织的发展现状；接着在设计态和运行态的架构上引出了基于人工智能的网络编排架构，实现“自动化”到“智能化”的转变；最后对人工智能在编排系统中SDN、NFV和运维方面的应用进行总结，并提出了人工智能在编排系统中未来的发展方向。

在移动通信网络中，一旦发生投诉热点问题，通常会影响大量用户的上网、通话体验，进而引发大量用户投诉，即网络投诉热点问题，该问题因其影响范围大、用户多，一旦发生往往影响恶劣，需实时监控并提前预警和处理。提出一种基于用户级信令数据的投诉热点问题预警方法。首先基于对业务逻辑的理解，选择了S1接口数据中与用户体验相关的30个关键字段；然后，提取one-hot特征、统计衍生特征和差分特征3类特征来详细刻画用户感知状况；针对数据中噪声大及正负样本不均衡等问题，采用泛化能力较强且针对样本不均衡问题有所改善的 LightGBM 分类器实时识别受影响的用户。这一方法可以实时输出潜在受影响的用户与区域，先于用户投诉提前处理问题或进行客户关怀，有效降低影响，提升客户体验。试验结果与某省现网部署应用均验证了算法的有效性。

人工智能系统的海量数据处理需要很高的网络吞吐来支撑，网络协议栈作为上层人工智能应用和底层高速硬件网卡之间的桥梁，对整个系统的网络性能起到关键性作用。通过对主流网络协议栈兼容性进行详细对比分析，发现目前各类协议栈兼容性普遍较低，导致人工智能应用移植困难等问题。提出了高性能用户态网络协议栈的高兼容性设计构想，使各类传统应用无需修改源码即可获得网络性能的提升，讨论了高性能协议栈的后续发展方向。

深度神经网络近年来在人工智能领域进展显著，并引发广泛深入研究神经网络的热潮，近期基于神经网络的图像视频编码也成为热点研究问题之一。系统梳理了基于神经网络的图像视频编码技术及进展，对基于多层感知机、随机神经网络、卷积神经网络、循环神经网络、生成对抗网络等框架的图像压缩，以及基于深度学习的各类视频编码工具进行了综述介绍，同时对神经网络编码的未来发展趋势进行了分析与展望。

近年来，深度学习技术在大量的计算视觉任务上取得了巨大的成功，深度神经结构是一个决定性能的关键要素，全自动的神经结构搜索方法的研究近年来受到了越来越多的关注。全自动的神经结构搜索方法是指针对特定的任务，通过算法自动地学习出适用的深度神经结构。各类神经结构搜索方法在探索高性能、高效率的神经结构方面已经展示出了巨大的潜力。从性能评估方法、搜索空间、结构搜索策略 3 个维度对神经结构搜索方法进行了分类概述：重点介绍了4种降低计算开销的性能评估方法，2类典型的神经结构搜索空间以及基于离散空间和基于连续空间的2种搜索策略。基于连续空间的NAS算法正逐渐成为NAS算法的重要发展方向。

应国务院及工业和信息化部的实名制要求，结合运营商业务转型的需要，提出了一种基于人工智能技术的在线身份认证解决方案。首先介绍了基于深度学习技术的实名认证系统架构，分别对系统的 4 个模块和系统整体特点进行详细阐述。其次论述了应用在实名认证系统中的人证比对与识别、证件OCR、静默活体和视频认证等关键技术，介绍了身份认证解决方案的应用现状，此外分别从安全性的角度介绍了实名认证业务场景中抵御攻击的手段，从性能的角度分析了本方案在实际应用中取得的良好效果。最后，分析了人工智能技术在运营商业务领域中应用问题，并探讨了未来基于实名认证的产品研发方向。

利用 BV-Apriori 算法生成匹配规则库，引入模糊集合技术解决连续型数据划分过程中边界过硬的问题，完成特征之间关系的实时分析与规则库的更新，搭建入侵检测BVA-IDS（Boolean vector Apriori-intrusion detection system）模型。研究结果表明，相比顺序生成频繁项集的Apriori算法与已有文献的Apriori-BR算法，本文的BV-Apriori算法挖掘效率显著地提高；相比已有文献的检测模型，本文的BVA-IDS模型在入侵检测指标上表现较好，有较高的检测准确性与较低的误检率和漏检率。

部署在铁路沿线的无线传感器网络（wireless sensor network，WSN）用于铁路运行环境监测中，为延长WSN的寿命周期，有必要引入节点休眠机制。因此，首先采用随机过程理论建立了基于节点休眠机制的铁路沿线WSN通信性能分析模型，揭示了铁路沿线不同系统因素对WSN接收性能的影响机理，并得到了最优工作节点比例与其他系统参数之间的关系，搭建仿真平台分别模拟铁路沿线较为安全区域和灾害高发区域的WSN接收性能，最后通过实际案例论证了基于休眠机制的部署方案，可以为铁路沿线WSN的实际部署提供理论指导。

Hash学习技术目前被广泛应用于大规模数据的相似性查找中，其通过将数据转化成二进制编码的形式，同时提高查找速度和降低存储代价。目前，大多数Hash排序算法通过比较数据在欧氏空间和海明空间的排序一致性来构造损失函数，然而，在海明空间的排序过程中，因为海明距离是离散的整数值，可能存在多个数据点共享相同的海明距离，这样就无法准确地排序。针对这一问题，将编码后的数据切分成几个长度相同的子空间，并为每个子空间设置不同的权重，比较时，再根据不同的子空间权重来计算海明距离。实验结果表明，与其他Hash学习算法相比，本文算法能够有效地对海明空间中的数据进行排序，并提高查询的准确性。

提出了一种基于预测的先应式垃圾回收算法，首先根据不同的热度因子对数据进行读、写热度分离，然后对未来将达到的不同类型的页面分配请求（page allocation request，PAR）数量进行上位和下位预测，在满足页面分配请求PAR下位预测的同时，最大程度地满足PAR上位预测需求，优化了WA问题，减少了不必要的有效数据迁移，从而最大化垃圾回收效用。对此问题定义了数学模型，并给出了一种获取近似最优解的算法，对模型适用场景进行了分析。实践结果表明，本算法能够获取最大收益，提升SSD读写性能并降低成本。

针对电信业对投诉热点话题缺乏有效的检测方法问题，提出一种基于峰值密度聚类算法的投诉热点话题检测方法。首先建立电信业专用词库用于投诉样本的文本分词，采用向量空间模型表示文本分词，然后通过计算文本分词相似度和密度，并运用密度峰值聚类算法对分词进行聚类分析。最终通过类簇关键词选取并排序，从而得到热点话题描述。将本方法应用到某电信企业投诉热点话题检测中，结果表明本方法有效并具有实际应用价值。

提出一种多特征融合的方法，该方法融合了合成视点立体图像中失真区域、失真边缘和奇异值的特征。首先，利用视差和阈值得到符合人眼感知的失真区域，计算该区域的平均结构相似度；然后，提取合成视点边缘图像中符合人眼感知的失真边缘，计算在该区域的平均结构相似度；接着，计算原始图像与失真图像奇异值差异；最后，将上述特征值进行融合得到最终的客观质量分数。在合成视点立体图像库上进行测试，实验结果表明，Pearson 线性相关系数和Spearman相关系数均高于0.86。与现有评价方法相比，能更准确地反映合成视点立体图像质量。

建立低轨卫星物联网（LEO IoT）是解决地面物联网在海洋、山区、沙漠等区域覆盖能力不足的有效手段。在分析低轨卫星物联网发展背景和发展现状的基础上，给出了低轨卫星物联网的主要应用领域和业务特点，重点研究了低轨卫星物联网面临的技术挑战和需解决的关键技术。

工业互联网是我国制造业智能化、服务化转型的重要推动力。立足制造业视角，介绍了工业互联网的定义与数据来源，提出了工业互联网的五层体系架构及价值核心。以数字孪生为代表的工业数据分析模型是制造业发展工业互联网的核心，详细讨论了数字孪生的定义、特点、关键技术及在产品全生命周期的典型应用。最后分析了我国在推进工业互联网应用过程中存在的问题及应对措施。

总结了目前行业对于DNS日志的大数据分析存在的问题，并设计了一种基于大数据融合算法的DNS日志分析系统，该系统融合了备案信息库、网站库、域名库、IP 地址库、CNAME 域名库以及安全信息库六大信息库数据，具有强大的日志分析性能，分析内容范围全面，分析深度高，同时具有灵活的报表定制功能，为电信运营商提高管理效率、优化网络安全、提升本网率提供决策依据。

防火墙服务（FWaaS）是云资源池网络服务的关键组件之一，要求具备自动开通、按需灵活调整的能力，适合采用软件形态的虚拟防火墙（virtual firewall，vFW）承载。对于云资源池而言，虚拟防火墙具有特殊性，本身既是网络服务需要被业务系统编排，又是网元组件需要被网络系统配置。云资源池环境下，虚拟防火墙面临与云平台、SDN等其他组件集成的问题。研究了现有云资源池集成虚拟防火墙的主要方案，分析了云资源池集成虚拟防火墙的主要问题，提出了基于可扩展的模型框架实现云资源池集成虚拟防火墙的方法。

室内深度覆盖传统预测方式包括用户投诉、CQT和传播模型校正，此方法的预测误差和工作量都比较大。首先介绍了室内覆盖优化方法，然后介绍了基于大数据的室内深度覆盖优化方法，显著提升了网络质量与用户感知，最后介绍了应用案例，为后期室内深度覆盖建设、优化和维护提供了非常重要的参考和指导意义。

研究了分散式区块链机制的理论，提出一种将区块链分布式技术应用于智能电网需求侧响应计划管理的方法。该方法基于区块链防篡改的分布式记账技术，存储从 IoT 智能计量设备收集的能量消耗信息，以编程方式定义每个消费者级别的自我执行智能合约，保障交易的灵活性。区块链分布式技术提供相关奖励或惩罚以平衡能源需求与电网能源生产的规则。基于共识的验证将用于检验需求响应计划，并为灵活的供应商提供适当的财务结算方式。结果表明，基于区块链分布式技术的电力需求侧管理可用于智能电网条件下的能源需求和生产匹配，需求响应信号精确度高，但收敛所需的灵活性减少。