会议概况
第一届IEEE协同及互联网计算大会（2015 IEEE 1st International Conference on Collaboration and Internet Computing）于2015年10月28日-30日在杭州世贸君澜酒店举行。此次会议由IEEE和IEEE Computer Society赞助，浙江大学承办，旨在为学术界及工业界对互联网协作技术感兴趣的研究者们提供一个交流、展示的平台，促进相关领域的发展。
会议由浙江大学校长吴朝晖教授和美国佐治亚理工Calton Pu教授为大会联合主席，浙江大学尹建伟教授、意大利伊苏布利亚大学Elena Ferrari教授及美国匹兹堡大学James Joshi教授为程序委员会共同主席。与会学者有来自美国、英国、加拿大等国家的国外学者，还有来自浙江大学、北京大学、中山大学、华中科技大学等国内学术机构的学者，共接收了中外论文共37篇。日本庆应义塾大学Hideyuki Tokuda教授，阿里巴巴集团副总裁涂子沛先生，IEEE院士、ACM院士、AAAS院士、美国德克萨斯大学Ravi Sandhu教授和百度大数据研究院吴海山研究员作了主题演讲。
会议总共评出了一个Best Paper、一个Best Student Paper以及两个Best Poster。其中Best Paper由“Privacy-Preserving and Outsourced Multi-User k-Means Clustering”获得，Best Student Paper颁发给“Analyzing Reliability in Hybrid Compute Units”， Best Poster由“CARDS - Collaborative Audit and Report Data Sharing for A-Posteriori Access Control in DOSNs”和“StoreSim: Reducing Information Leakage in Multicloud Storage Services”。
报告内容
日本庆应义塾大学媒体与管理研究科主任、环境与信息研究学院教授Hideyuki Tokuda教授首先以“Challenges in Creating Smart City Services with IoT/CPS Platforms”为主题作了主旨报告。他表示，网络空间和物理空间的加速融合是由于多种多样的软件、硬件以及社交传感器、智能手机、可穿戴设备在日常生活中的渗透。来自全球的推动者正通过创建新颖的智慧城市服务来使许多事物与互联网对接。然而，多数智慧城市服务是以垂直方式被创建的，而创建一种基于异构数据流或异构服务的新型服务方式却并不容易。类似地，在网上有许多已被公布的有趣的城市数据，例如天气、空气质量指数、交通状况与停车场占用率，但是由于这些数据缺乏接口，使之不易被智能城市的应用程序所使用。接着他讨论了几种不同类型的智慧城市服务和应用，然后介绍了三个正在进行的旨在提高生活质量和城市弹性的项目。
阿里巴巴集团副总裁、畅销书《大数据》一书的作者涂子沛先生在“Big Computing and Cloud Data”的主题演讲中指出：云计算现在已被普遍应用于社会治理以及商业领域中，但是其不应该作为高性能计算的代替品或者延伸。相反地，云计算应该更倾向于通用计算，甚至可以让大多数通用服务器作为云计算的组件。因为数据来源的重要性和突出的潜力，采用“云数据与大计算”这一概念将会比“大数据与云计算”更精确。而传输数据到云端并实现大计算反映了人类社会迈向智能社会的过程。
美国德克萨斯大学教授Ravi Sandhu以“Attribute-Based Access Control Models and Beyond”为题作了主旨报告，对基于属性的访问控制（ABAC）提供一个新的视角。目前基于属性的访问控制提供了许多显著的优点。对于用户、主体、对象和上下文，每一属性的决定都是相对独立的。在安全体系架构的基础上，制订基于属性的访问控制规则。动态元素的添加使得访问控制决策的结果自动适应局部或全局的变化。这是新兴的网络技术和系统的需求。同时，属性管理也会带来新的安全问题。潜在的好处将导致基于属性的访问控制的普遍部署，基于属性的安全也会更加普遍。这也是一个很大的挑战，网络安全研究组织有责任在其模型、理论和系统方面作更多的研究。
百度研究院大数据实验室数据科学家吴海山以“百度时空大脑--百度大规模时空数据智能分析平台”为题作了报告。当前几乎人手一个移动设备，而日常生活中基于位置感知的移动应用也使用广泛。因此，用户的时空信息可以由移动设备和相应的应用捕获。百度，拥有中国最大的在线地图服务，每天收到的请求数以百亿计，包括数亿次本地搜索与查询。百度时空大脑（STEB）是处理大规模数据的智能分析平台。它基于用户定位数据和用户轨迹数据，挖掘百度时空大数据，发现用户时空行为规律，预测洞察用户需求，可以更精准地匹配用户，为用户提供个性化的服务。STEB能够量化每一个个体的流动模式，推断出他/她的流动性偏好，并预测未来的意图和位置，使个人智能助理成为可能。STEB能够发现人群的移动模式，并检测异常的人群，可应用于许多领域，如城市规划、社会保障等方面。
来自北京大学的Bo An认为，随着云服务提供商数量的增长，许多企业和组织现在都能够使用多个云平台来提高整体服务质量、可靠性和成本效益。然而，由于不同云平台之间架构和功能的多样性，构建一个同时管理多个云的系统（即“混合云”）将会是困难的。他们介绍了一种开发混合云管理系统的模型定义方法，这种方法通过模型构建、模型合并以及模型转换来满足用户的管理需求。
来自美国佐治亚大学的Amirreza Abdolrashidi和Lakshmish Ramaswamy指出现今许多数据集，如社交网络、生物网络、引文网络本质上可以被建模为时间演化图（Time-Evolving Graphs）。在许多不同领域有具体的应用可以把这些图划分为较小的子块。然而，利用传统的静态图划分方法来划分时间演化图不足以满足规模方面的需求，因为图的演化导致了这些方法的高计算成本以及较长的线下处理时间。为此，他们提出了几种用于划分不同时间演化图的可伸缩增量算法。
中国科学技术大学的Khaled Riad在其发表中把安全问题归纳为威胁云计算并导致其普及速度减缓的重要挑战之一。由于云的不同用户群体有着不同安全需求的设置，使得限制用户访问和保护信息以防未授权访问已经成为最困难的任务。为满足云计算中关键的访问控制需求，他和他的团队形式化了基于属性的访问控制并且提出一种新的访问控制模型。该模型提供属性规则来处理用户与对象间的关系，并根据对象的敏感程度来决定用户的访问权限。
德克萨斯大学圣安东尼奥分校的Yun Zhang认为一个公共云给企业和组织的系统部署提供了安全和高效的环境。虽然组织和公司把系统移动到云平台将会受益良多，但是共享相同云平台的组织很有可能受到相似的网络攻击。一种减轻这种风险的方法是在这些组织之间共享网络安全信息。但是，流行的公共云平台AWS缺乏一个公认的网络安全信息共享的访问控制模型。他的团队为使用AWS作为基础平台来安全共享网络攻击信息的客户提出了一种访问控制模型。这种模型可以在公共云环境中提供基于社区的安全网络信息共享和协作。
来自澳大利亚联邦科学与工业研究组织的Cécile Paris表示，在过去的几年里，社交媒体上的通信呈爆炸式增长。特别地，人们使用推特来分享信息和经验，表他自己的意见并且说出他们的感受。这样的数据提供了非常有价值的信息并可用于心理健康方面的研究。他的团队展示了如何通过挖掘大量可用的、实时的公共社交媒体数据来探究人类的情感状态。系统每分钟能够捕捉和处理最多45000条推特并且以交互可视化的形式展现用户的情感内容。
来自皇家墨尔本理工大学的Dimitrios Georgakopoulos指出，物联网的生态系统正以惊人的速度增长。每一天都见证着新设备、智能手机、摄像头和传感器与互联网的对接。可以设想，物联网将发现、整合并利用这些设备和它们的数据来研发新的设备和产品，这将对我们的生活带来极大的影响。然而，核心的物联网功能（例如发现和集成）要求的是发展物联网服务，提升相关产品来更好的支持物联网的发展。为此，他的团队介绍了对未来物联网系统架构的愿景。该架构是通过物联网每一层的服务发现来驱动的，其中包括需求发现和设备集成、云存储和计算资源、以及现有的数据分析、可视化和应用集成服务，使之可以用动态选择和按需安排的方式来创建物联网应用。
维也纳技术大学的Muhammad Z.C. Candra认为，现代计算系统的发展能够满足人力资源和机器资源协作的需要，使其成为有效的计算单元。这些单元能够按需动态配置以解决复杂任务，例如协作应用、众包应用和人工任务的工作流。这样的协作涉及到具有不同容量和可靠性的单元。基于机器的计算单元可靠性分析在现今已有广泛发展，而对于人机混合协作的可靠性研究却鲜有研究。他的团队介绍了几种模型和一个用于分析混合计算单元可靠性的架构，该架构表示人类可以灵活地根据需要来利用支持集体协作的机器（硬件和软件）执行任务
来自山东大学的Yang Cuixia指出，安卓应用是一种用户交互密集型程序，这使得用户界面成为移动应用程序不可或缺的一部分。同时用户界面也可以反映一些信息，例如应用的功能，从而对安卓用户界面的研究变得非常重要。通过逆向工程以及对安卓应用程序的分析，他的团队设计了一个基于属性图的用户界面建模的方法，该方法也适用于恶意软件的重打包检测和应用族相似度的评估。
美国佐治亚大学Vinay Boddula指出，近年来，社交媒体已经彻底改变了公民科学活动。鉴于其受欢迎的程度，可将它应用到环境监测中。在社交媒体中，人们使用不同的术语来指代相同的事物，包括技术术语和通用术语。可以说使用通用术语跟踪环境事件会更有效。社交媒体数据的多变性导致模型会遗漏很多相关事件。他们探索了社交媒体在环境监测应用过程中的机遇、挑战和方法。
大连理工的Xiaowei Zhao谈到，近几年社交网络是一个研究热点。复杂网络合作行为的演化，提供了一个社会合作问题的理论分析框架，而近期也有很多人研究这个问题。研究个体在合作网络中持有混合策略时支付矩阵参数、策略更新概率P、每轮步长F的影响。该工作可在应用混合策略于复杂合作行为时揭示其有益之处。
伦敦数学科学研究所Stefano Sebastio认为，越来越大的计算资源的需求，使得用户关注于云计算技术。云作为一种工具，可以让用户透明地使用远程的计算资源。Volunteer Computing模式作为另一种信息与通信技术的趋势，提供云在某些特定领域的需求，如计算密集请求。通过少量的数据中心，志愿节点可以整合空闲资源，获得一个健壮和可扩展的云平台。其代价取决于设计和管理一个动态的异构节点组成的系统的挑战。提交任务执行请求通常有服务质量相关要求。本文对于志愿云提交任务执行请求分配提出了一个初步的评价，并通过一个基于仿真的Google工作负载数据跟踪统计分析进行验证。
浙江大学的Pengxiang Lin指出，越来越多的企业将应用程序迁移到云平台。应用程序由几个服务及其复杂的依赖关系组成，尤其是网络应用普遍采用服务组件之间的串行合作。将一组属于同一个应用的虚拟机称为一个虚拟机家庭。发现其家庭关系将使云提供商提供的虚拟机更可靠，并降低传输压力。本文提供一个名为Icebreaker的平台，在不涉及用户隐私的前提下，对属于同一个家庭的虚拟机聚类。Icebreaker基于每个虚拟机节点的资源消耗信息计算节点之间的距离，通过聚类区分不同的虚拟机家庭。
华中科技大学Pingpeng Yuan指出，在互联网上发布的实体及其之间的关系是海量的。实体及其之间的关系网络可应用于很多活动中。他们重点关注从主页中提取学术实体。主页不遵循统一的布局格式，所以不能用一套统一的规则处理。因此提出一个综合的方法从非结构化文本中自动提取数据。其主要思想是自适应。首先将网页分解成文本单元，用分类器确定其单元类型。若类型已知，则作相应处理。结果表明，LineX从网页中提取学术实体有较好的性能。
贵州大学Hui Li谈到，互联网作为分享和传送多媒体内容的平台，kNN查询在众多媒体应用中十分常见，但可扩展的kNN查询在大型高维多媒体数据下仍具挑战性。他们提出一个高性能多媒体数据的kNN查询处理系统，其集成基于DPR-Tree的索引结构和基于剪枝方法的快速距离。实验使用现实中的网络多媒体数据集进行广泛评估。结果表明Hike能显著减少kNN搜索的总成本，并且比现有的方法更快。
互联网的日益普遍，使得全球性的交流协作成为可能。随着相关技术及设施的逐步发展，基于互联网的协作已经对社会产生深远的影响。在这个背景下，协同与互联网计算大会成立了。本届会议邀请了中国、美国、英国等国的学者，展示了各自在互联网及协同计算领域的最新研究，主题涉及了安全、云计算、大数据、社交媒体等众多方面。本次会议有效的促进了相关领域的学者之间的交流，对加深我校国际交流、加强我校与国内外其他高校间的联系产生了积极的影响，并为今后我校在上述研究领域的可持续发展提供了帮助。