大家好，我感谢主办方邀请我也是祝贺我们举行了一次成功的论坛，我相信我的PPT这个时间比较紧，无法能够去进行宣布覆盖，所以运行我快速过一下我的PPT，简要讲一下这个内容，这就是我们的一个发言的纲要，我希望能够去致谢我们的研究团队给的贡献，我认为我们都知道在最近的这些年当中，我们会对整个数据量的增加，包括我们网络的一些无线的数据，我们也会获得了快速的一些蜂窝的标准，从3G到4G现在已经是5G的时代了，已经是可以如火如荼的开展，确实是由基本上大家的群侧群力实现的，每一个人都会联入网络，我们随着5G进一步的发展，非常典型的就是像一些高级的无线介入的技术，可以通过数据流量的增加可以更好的服务我们数据无线接入的要求，即使这样做还是不足够的，因为有些时候会出现数据流量的堵塞，尤其是很多时候网络的流量，是多媒体的流量，因此实际上它的一些连接点也就是我的蜂窝网络和全球网络的连接点之间，可能也是一个主要大的瓶颈。人们也会注意到，当我们提到媒体内容下载的时候，通常他会是遵循着这个所谓内容关注度的一个影响，90%的他的一些内容基本上都是占到总体内容的10%，因为他的欢迎度不一样，尤其是韩国鸟叔他的一个江南的一个下载，我们一些内容的缓存是有很多年的技术了，包括我们的一些蜂窝技术的网络技术，通过这些技术它进一步推动边缘网络的形成，并且能够更多纳入边缘网络的计算能力，因此在这个基础之上他们有一个计算能力，我们研究者也会更加感兴趣，想了解如何把这两种方面相结合，所有的这些其中有一个考量就是我们有研究使用这个移动的边缘缓存和它区域负载，他这样的话可以实现更多的互动性，而且有系统的响应性。

所以我们实际上是在观察它的缓存，缓存多媒体的内容，在移动无线网络之中，像手机的这样一些边缘计算。

这张PPT给大家展示出了一个非常泛在架构的框架，大家可以看到在3G和4G的网络核心在不断迁移这个网络，这个网络是包含了我们一些网络数据包的一些传输，在我们的移动无线网以及未来5G的年代会出现什么情况呢？我们所有网络的路由器包括它的接入点以及等等的架构我们希望把它们进行有效的利用，获得我们以外的计算和存储的能力，利用这些设备的存储能力和缓存的能力里去提供一些附加值和相应的服务。这个时候我们研究的问题就是能够重新换算一下莎士比亚的能源，是缓存或者不缓存，尤其是涉及到多媒体的内容，因此我们开发了他这样一个缓存的法，来决定在什么时候什么内容的环境下去进入缓存的内存，在什么地方进行缓存这个是我们非常关注研究领域的一个兴趣点。

我们实际上也在观察几中种不同的案例研究，可以尝试开发他内容缓存的看法，第一个案例就是我们观察单层基站的缓存，我们是会有基站的一个网络具备储存的能力进行缓存多媒体的内容，然后我们进行了拓展的研究，到了两个不同的案例方面，有多层缓存能力的场景，第一个B情况有他的一个微单元或者微基站的一个缓存，在第二个例子当中我们关注了一个内容在互联网移动设备当中的共享的缓存。

第一个案例是基于云端的储存能力，我们观察他们这样媒体热度来决策他是否需要进行缓存，我们还应用了一个算法，一个内容预测的公式，来算他是不是有优越性，这个方法看上去更好，我们希望实现他下载流量的现代化，提升我们服务的质量，尽可能降低他总得的一个接入多媒体内容的一个延时。

这个结果也会是典型的像这样一个图片就是这个结果的展示，在左侧我们展示出了他流量的下降，我们可以测试出他下载的流量，可以通过基站的流量来降低机组流量的数量，我们可以通过百分比来显示流量的结果，我们可以把这样一个网络的总体的数据流量也就是说在蜂窝网之外的向外的流量降低80%，可以降低他系统的延迟，延迟率可以降低20%，相对于我们没有任何缓存的情况下。

我们有一个叫微基站的，包括他其他异构网络的情况的应用，观察他有什么样的优势，在我们的同一个平台多层的一个缓存在不同的一个基站的水平之间，包括微微基站和微基站还有大基站应用的差异，我们可以看到在单元当中我们进行一个连接，内容有的时候可以进行共享，他可以向上一级进行缓存，从而获得这个缓存的内容，我来讲在缓存当中，在低一级没有找到缓存的内容可以在上一级找到，如果依次类推都没有找到我们就可以进行全局的审查。

这确实是一个非常复杂优化的一个机制，我们是用二进制的优化去做，这将不会能够马上在一个特定的实际场景进行运用，因此我们进行不同的分层次，我们在每一个单层次当中进行应用，把最后的结构结合在一起再形成一个优化，我们形成了个IR的一个追踪，可以在网络上了解他的内容，这个时候大家也可以在特定的时间，一定的时间窗口之内去察看已经缓存的一些内容，我们来看一下这是500个最常见的，或者最受欢迎的内容，我们进行小规模的实验，我们发现一下他数据的一个缓存的衰减的情况，通过我们这样优化的技能技术，我们会发现他优化的一个技术跟我们的这样CVX相比的技术对照，他会有10%的一个衰减，从他优化的一个性能表现来讲最起码实现了80%的优化性能表现，最后就是使用我们整体的数据集进行大规模的应用，跟很多现有的技术相比较，假设并没有有效展开这样一些缓存方面的工作，我们来观察他的一个上载的流量，相比来讲会有明显的差异，跟现有的技术相比他的比数更高，而他内容所谓申请的满足率也会获得更大的提升，所以我们来管理一下他合作的可能性，包括有哪些设备，设备与设备的通信这样来应用，各种各样的设备进行这样的合作，根据他们社交的关系进行合作，比如说他是一个伙伴或者其他的一些关系，这也是最后的一个整书的编成，我们可以根据不同的层次设备对设备的层级然后以基站的一个层面，我们使用大家可以接受的移动的发送，经过这样的设备跟设备的沟通我们后面也发现这样数据分享是非常有帮助的，会大大减少流量这个图也可以展现出来非常的清楚。

在未来研究的方向我们需要有一个激励的机制来激励各种各样的设备，然后它的容量提供出来给其他的设备，要有一个激励机制，目前比如说区块链进行一个微支付，还有一个社会的感知。也就是机器学习的一个方法也是非常有益的，安全和凝思也很重要，我们需要提供这样的优化，最佳的一个算法会做出决定，哪怕是次优的最终也会实现优化的一个解决，我们会有测试床进行这样的测试，然后符合行业的标准。

我的时间也到了，我们已经整个的旅程在过去几年我们都是到处的是推广我们的技术，这是一个宣传我们的一些项目。

好，谢谢大家的聆听。