刘外喜 教授、博士、硕士生导师
研究领域：网络&人工智能、软件定义网络SDN、数据中心网络、可编程网络、分布式机器学习/联邦学习
办公地点：工程北楼508
办公电话：020-39366923
电子邮箱: lwx@gzhu.edu.cn
l 个人简介
教授，博士，硕导。已累计发表论文40余篇，其中，第一作者20余篇SCI，论文被引超1500次；获发明专利授权14件；主持国家自然科学基金面上项目2项，主持广东省基金项目2项；获得2022年广东省科技进步一等奖 (第3完成人)。
研究方向：
l AI使能网络。以深度（强化）学习等为代表的人工智能技术为方法，解决互联网络领域的流分类、流调度、路由等问题，满足低时延、高吞吐量的应用新要求。
l 网络使能AI。以可编程数据平面技术为基础，利用路由、流调度、负载均衡等网络技术加速分布式机器学习/联邦学习，大模型加速。
[招生通知]：有意保送或报考sm调教
硕士研究生的同学，欢迎和本人联系，来信请附上个人简历。
l 承担的科研项目
[1]. 国家自然科学基金(面上项目)，分布式智能可编程数据平面加速分布式机器学习的关键技术研究，2023.1-2026.12，主持；
[2]. 国家自然科学基金(面上项目)，面向新应用的数据中心网络DCN的自适应多粒度传输研究，2019.1-2022.12，主持；
[3]. 广东省自然科学基金，知识驱动的网络级分布式机器学习加速关键技术研究，2021.1-2023.12，主持；
[4]. 广东省自然科学基金，面向信息中心网络ICN的网络层多源传输机制研究，2015.1-2017.12，主持；
[5]. 广州市基础研究计划市校（院）联合资助项目，基于网内计算的AI大模型分布式训练加速关键机制研究，2024.1-2025.12，主持
[6]. 广东高校省级重点平台和重大科研项目（重大科研项目-特色创新类），大数据驱动的云服务机器人关键技术研究与应用，2016.1-2017.12，主持；
[7]. 广州市属高校科研项目，未来互联网ICN架构中实现多源传输的关键技术的研究， 2015.4-2017.4，主持；
l 代表作
[1] Wai-xi Liu, Cong Liang, Yong Cui*, Jun Cai, and Jun-ming Luo. Programmable Data Plane Intelligence: Advances, Opportunities, and Challenges. IEEE Network, vol. 37, no. 5, pp. 122-128, Sept. 2023. doi: 10.1109/MNET.124.2200113 (中科院1区，Top期刊).
[2] Wai-xi Liu, Dao-xiao Chen, Miao-quan Tan, Kong-yang Chen, Yue Yin, Wen-Li Shang, Jun Cai. Model Parameter Prediction Method for Accelerating Distributed DNN Training, Computer Networks, Volume 255, December 2024, 110883.(CCF-B类，JCR-1区). //www.sciencedirect.com/science/article/pii/S1389128624007151
[3] Wai-xi Liu*, Jun Cai, Sen Ling, Jian-Yu Zhang, Qingchun Chen. QALL: Distributed Queue-Behavior-Aware Load Balancing Using Programmable Data Planes. IEEE Transactions on Network and Service Management (JCR-1区). vol. 21, no. 2, pp. 2303-2322, 2024, doi: 10.1109/TNSM.2023.3345862.
[4] Wai-xi Liu*, Jun Cai, Ying-hao Zhu, Jun-ming Luo. Load Balancing Inside Programmable Data Planes Based on Network Modeling Prediction Using a GNN with Network Behaviors. Computer Networks，Elsevier (CCF-B类，JCR-1区). Volume 227, 2023,5, 109695. //doi.org/10.1016/j.comnet.2023.109695
[5] Miao-quan Tan, Wai-xi Liu*, Luo J, et al. Adaptive synchronous strategy for distributed machine learning[J]. International Journal of Intelligent Systems, 2022, 37(12): 11713-11741. DOI: 10.1002/int.23060 (JCR-1区, Top期刊). 开源代码//github.com/mqdigihub/A2S
[6] Wai-xi Liu, J. Lu, J. Cai, Y. Zhu, S. Ling and Q. Chen, "DRL-PLink: Deep Reinforcement Learning with Private Link Approach for Mix-Flow Scheduling in Software-Defined Data-Center Networks," in IEEE Transactions on Network and Service Management, vol. 19, no. 2, pp. 1049-1064, June 2022, doi: 10.1109/TNSM.2021.3128267. (JCR-2区).
[7] Liu Wai-xi, DRL-R: Deep Reinforcement Learning Approach for Intelligent Routing in Software-Defined Data-Center Networks[J]，Journal of Network and Computer Applications (JCR-1区, Top期刊), 177 (2021), 102865. //doi.org/10.1016/j.jnca.2020.102865
[8] Wai-xi Liu, Fine-grained Flow Classification Using Deep Learning for Software Defined Data Center Networks [J], Journal of Network and Computer Applications(JCR-1区, Top期刊). 2020，168(10)，102766，//doi.org/10.1016/j.jnca.2020.102766
[9] Sen Ling, Wai-xi Liu, Zhu Y, et al. FullSight: Towards Scalable, High-Coverage, and Fine-grained Network Telemetry [C]// IEEE 17th International Conference on Mobility, Sensing and Networking (MSN 2021) (CCF推荐会议). IEEE, 2021.
[10] 曾嘉麒,刘外喜,卢锦杰.软件定义数据中心基于残差网络的大象流预测机制[J].小型微型计算机系统,2021,42(09):1938-1943.( CCF-B类 中文科技期刊).
[11] Wen-Hong Lin, Liu Wai-xi. Network Telemetry by Observing and Recording on Programmable Data Plane. IFIP Networking 2nd International Workshop on Time-Sensitive and Deterministic Networking (IFIP Networking TENSOR 2021). Finland, 21.06.2021.
[12] Jin-Jie Lu,Wai-xi Liu, et al. Scheduling mix-flow in SD-DCN based on Deep Reinforcement Learning with Private Link[C]// IEEE 16th International Conference on Mobility, Sensing and Networking (MSN 2020) (CCF推荐会议). Japan. IEEE, 2020: 395-401.
[13] Wai-xi Liu, Intelligent Routing based on Deep Reinforcement Learning in Software-Defined Data-Center [C], 24th International Symposium on Computers and Communications, ISCC 2019(CCF推荐会议), BARCELONA, SPAIN,2019,7. DOI: 10.1109/ISCC47284.2019.8969579
[14] Liu Wai-xi, COD: Caching On Demand in Information-Centric Networking [J]，Telecommunication Systems (JCR-3区), 2018,69(3):303-319. DOI 10.1007/s11235-018-0433-5.//www.springer.com/-/2/AWHpBuFe1gN6J_vmGyiR
[15] Liu Wai-xi, AAMcon: an Adaptively Distributed SDN Controller in Data Center Networks，Frontiers of Computer Science (JCR-2区), 2020,14(1):146-161. DOI 10.1007/s11704-019-7266-6 //journal.hep.com.cn/fcs/EN/10.1007/s11704-019-7266-6.
[16] Liu Wai-xi, YU Shun-Zheng, Information-Centric Networking with Built-in Network Coding to Achieve Multisource Transmission at Network-layer [J]，Computer Networks，Elsevier (CCF-B类，JCR-1区),2017,115(3):110-128. //www.sciencedirect.com/science/article/pii/S1389128615001656
[17] J. Luo, Liu Wai-xi, M. Tan and H. Chen, "Binary Neural Network with P4 on Programmable Data Plane," 2022 18th International Conference on Mobility, Sensing and Networking (MSN) (CCF推荐会议，EI检索), Guangzhou, China, 2022, pp. 960-965, doi: 10.1109/MSN57253.2022.00155.
[18] Chao-xuan Zheng, Wai-xi Liu*. Based on Deep Reinforcement Learning with Context Network and Experience pool optimization for Mix-Flow Scheduling in SD-DCN. 42th IEEE International Performance Computing and Communications Conference (IEEE IPCCC 2023). USA, 2023. (EI检索，CCF推荐会议).
[19] Haosen Chen, Wai-xi Liu* Miaoquan Tan. CL-SGD: Efficient Communication by Clustering and Local-SGD for Distributed Learning. IEEE International Conference on Communications (ICC 2023), 28 May - 01 June 2023, Rome, Italy (CCF推荐会议)
[20] 刘外喜,余顺争. CCN中选择性缓存机制的研究[J]. 计算机学报, 2014,37(2):275-288(EI收录).
[21] 刘外喜，余顺争，ICN中一种协作缓存机制[J]，软件学报，2013,24(8): 1947-1962 (EI收录).
[22] 刘外喜，余顺争，高鹰，基于预测的机会式网络编码[J]，通信学报，2013，34(4):36-46. (EI收录).
l 近5年发明专利(第一发明人)
[1]. 刘外喜，基于可编程数据平面的分布式在网神经网的流量控制方法及装置。PCT发明专利。PCT/CN2024/136071。
[2]. 刘外喜，基于模型预测的加速 AI 大模型分布式训练方法及装置，202311119841X
[3]. 刘外喜，基于网内计算的加速 AI 大模型分布式训练方法及装置。2023111198405
[4]. 刘外喜. 基于自适应混合梯度压缩的加速AI 大模型分布式训练的方法及装置. 202310740870.1
[5]. 刘外喜.一种加速分布式机器学习的自适应同步机制. 202210649151.4
[6]. 刘外喜，一种基于交换机队列行为的可编程数据平面分布式负载均衡方法（已授权，发明专利，202210681089.7）
[7]. 刘外喜，一种基于网络行为预测的可编程数据平面流量调度方法（发明专利，202210775649.5）
[8]. 刘外喜，网络行为知识智能学习方法、装置、计算机设备及存储介质（已授权，发明专利，202110564253.1）
[9]. 刘外喜，可编程数据平面流调度方法、系统、介质及网络设备（已授权，发明专利，201910356504.X，已转让）
[10]. 刘外喜，数据智能预测方法、装置、计算机设备及存储介质（发明专利，201910648287.1）
[11]. 刘外喜，可编程数据平面路由方法、系统、可读存储介质及设备（已授权，发明专利， 201910356564.1）
[12]. 刘外喜，基于内容流行度预测的缓存方法、装置、设备和介质（发明专利，201910131478.0）
[13]. 刘外喜，基于稳定匹配的流调度方法、装置、计算机设备及存储介质（发明专利， 201910073822.5）
[14]. 刘外喜，一种基于深度学习的网络流类型预测方法（发明专利，已授权，201810528250.0）
[15]. 刘外喜，一种基于深度强化学习的数据中心网络路由方法（发明专利，已授权，201810105232.1）
[16]. 刘外喜，基于深度强化学习的流调度方法、装置、设备及介质（发明专利，已授权，已转让，201910074755.9）
[17]. 刘外喜，一种数据中心网络中多资源复用与配置的方法（发明专利，已授权，201711444909.6）
[18]. 刘外喜，一种SDN架构下基于深度学习的内容流行度预测方法（发明专利，已授权，201611000381.9）
[19]. 刘外喜，SDN控制器数量调整以及与交换机映射的方法（发明专利，已授权，201510599054.9）
[20]. 刘外喜，一种信息中心网络ICN中数据源解析方法（发明专利，已授权，ZL 201510485971.4）
[21]. 刘外喜，一种设计大数据驱动云机器人的方法（发明专利，已授权，ZL 201510206126.9）
[22]. 刘外喜，一种概率式室内障碍物分布图的构建机制（发明专利，已授权，ZL 201510206078.3）
[23]. 刘外喜，一种云机器人清扫物品的方法（发明专利，已授权，201510268756.9）
l 获奖
[1] 刘外喜(第3完成人). 面向全场景差异化服务的5G核心网关键技术及应用. 广东省科学技术奖-科技进步奖，一等奖，2022年。
[2] 刘外喜(第2完成人)，碳纤维预浸料表面传感光纤全自动铺贴关键技术，广东省测量控制与仪器仪表科学技术奖，二等奖，2021年。
[3] 刘外喜(第2完成人). 智能融合监控大数据平台研发与应用. 广东省公共安全技术防范协会科学技术奖，三等奖，2022年。G2022-12-017
[4] 刘外喜(第2完成人)，多源数据融合与网络行为智能泛化分析技术在智慧园区的应用》，八桂大数据科技成果奖，三等奖，2024年，广西大数据学会。
l 学术兼职
[1]. 2025：任国际会议IEEE ICCET的Program Chair；
[2]. 2022：担任计算机领域著名国际会议The 30th International Symposium on Quality of Service (IEEE/ACM IWQoS 2022) (CCF B)的TPC.
[3]. 2023 The 8th International Conference on Computer and Communication Systems (ICCCS2023). Local Chairs.
l 硕士研究生招生
1)专业：
通信与信息系统(学硕)、电子信息(专硕)
2)已毕业学生：
2020级：谭淼泉(广东奥普特科技)、罗钧明(中国移动)、陈昊森(中国移动)
2019级：朱英昊(中国移动)、凌森(广东省新一代通信与网络创新研究院)
2018级：卢锦杰(腾讯)
2017级：曾嘉麒(中国移动)
