近年來，由于疫情多發(fā)等原因，桌面云已經(jīng)成為企業(yè)數(shù)字辦公的首選方案，但在實際使用過程中，也面臨第三方軟件兼容性、藍屏、木馬、應(yīng)用卡慢、響應(yīng)延遲等問題，這些問題的背后暴露出來的可能是私有云資源不足、硬件故障難以定位、網(wǎng)絡(luò)故障等深層次問題。

為此，深信服提出了AIOps 智能運維一體化技術(shù)方案。該方案通過采集桌面云的日志、鏈路和指標數(shù)據(jù)，執(zhí)行故障預測、異常檢測、關(guān)聯(lián)推理等算法，為用戶提供智能分析服務(wù)。

易佳介紹，隨著用戶訴求和用戶體量的的不斷變化，深信服AIOps數(shù)據(jù)模型與AI框架演進了三個版本。

第一個版本適用于小規(guī)模用戶，是一套輕量級監(jiān)控分析系統(tǒng)，支持時序數(shù)據(jù)、告警數(shù)據(jù)、統(tǒng)計分析和容器化部署，也支持主機、虛擬機數(shù)據(jù)采集做簡單AI分析，但是DB/存儲與業(yè)務(wù)耦合嚴重，算法效果難保障，難以支撐大規(guī)模虛擬機接入。

第二個版本是輕量級AIOps引擎，支持OpenAPI和數(shù)據(jù)統(tǒng)一調(diào)度，引入緩存機制，實現(xiàn)了存算分離。但OpenAPI、Requests Handler和Prometheus容易遇到瓶頸，導致體驗欠佳。

從第三個版本開始，深信服打造了全棧的AIOps引擎。在該版本中，面對數(shù)據(jù)上報的性能瓶頸問題，抽象數(shù)據(jù)接口，實現(xiàn)Requests Handler負載均衡;其次是設(shè)計了投遞分級，內(nèi)存磁盤雙對列的模式，為低優(yōu)先級數(shù)據(jù)設(shè)立單獨通路，可以優(yōu)先保障高優(yōu)先級數(shù)據(jù)入庫;同時，設(shè)計了多級分表，優(yōu)化了數(shù)據(jù)結(jié)構(gòu)，這樣可以保留橫向擴展能力。

以科技引領(lǐng)創(chuàng)新，以產(chǎn)品賦能百業(yè) 。 優(yōu)秀的產(chǎn)品是打開數(shù)字新世界的探路石，是撬動產(chǎn)業(yè)發(fā)展新變革的杠桿點，充滿智慧與創(chuàng)意的產(chǎn)品，像一盞盞明燈，照出未來世界的模樣。從技術(shù)的研發(fā)，到產(chǎn)品落地去真正解決人們生產(chǎn)生活的實際需求，需要人工智能產(chǎn)業(yè)中各方企業(yè)與開發(fā)者們共同攜手突破藩籬，不斷推陳出新。

科大訊飛23年堅持源頭創(chuàng)新， 為500萬開發(fā)者及生態(tài)合作伙伴提供513項AI能力 ，在AI技術(shù)上持續(xù)拓新全面開放，在AI場景上合作共建全域賦能。訊飛希望與社會各界共同關(guān)注新技術(shù)的發(fā)展和落地，用系統(tǒng)性創(chuàng)新跨越技術(shù)與應(yīng)用的鴻溝，助力越來越多的人工智能優(yōu)秀產(chǎn)品脫穎而出，用人工智能建設(shè)美好世界!

云艦是基于京東自身全球復雜云原生場景的大規(guī)模實踐，借助混合多云能力支持實現(xiàn)一云多芯，滿足產(chǎn)業(yè)數(shù)字化過程中的多云管理、多云遷移、多云災備、多云多活等用云需求。全面兼容各類基礎(chǔ)設(shè)施，開放PaaS，與合作伙伴一道為產(chǎn)業(yè)提供可運行在各種基礎(chǔ)設(shè)施之上的一致PaaS能力，供產(chǎn)業(yè)客戶按需使用，靈活部署。

配備了數(shù)字16通道，實現(xiàn)16頻段的獨立調(diào)節(jié)，提供出色的噪聲抑制和嘯叫抑制效果，帶來更精準的言語理解度和更佳的聽感舒適度。支持App自主驗配功能，通過智能手機簡單操作就能夠完成專業(yè)驗配。讓老年用戶群體或更多聽力損失患者聽見清晰聲音，重獲美好生活。

復旦大學系統(tǒng)軟件與安全實驗室18級直博生潘旭東進行了《AI模型通用指紋追溯與產(chǎn)權(quán)保護實踐》主題演講，介紹了一種通用的模型指紋方法，該方法可以進行下游任務(wù)無關(guān)的模型指紋提取和驗證。

針對聯(lián)邦學習中的模型版權(quán)保護和監(jiān)管這一熱點問題，中山大學網(wǎng)絡(luò)空間安全學院助理教授楊文元介紹了面向可信聯(lián)邦學習的模型版權(quán)監(jiān)管研究，并詳細講解了其聯(lián)邦學習模型版權(quán)驗證方案和聯(lián)邦學習模型溯源方案兩項研究工作。

微眾銀行人工智能算法研究員古瀚林博士以《聯(lián)邦學習的模型版權(quán)保護》為主題，介紹了其最新研究成果FedIPR。該項研究提出了首個聯(lián)邦學習模型版權(quán)驗證框架，在不犧牲模型可用性前提下,準確驗證聯(lián)邦模型的所屬權(quán)。

人工智能模型審計與監(jiān)管論壇全面展示了人工智能模型知識產(chǎn)權(quán)保護的前沿學術(shù)進展。作為第31屆國際人工智能聯(lián)合會議-中國會議的重要組成部分，此次論壇為促進人工智能技術(shù)的有效治理和監(jiān)管，推動人工智能健康可持續(xù)發(fā)展，保護深度學習模型知識產(chǎn)權(quán)，加快模型交易和共享貢獻了重要的推動力。