优秀！中心金梦老师团队两篇论文入选网络系统领域顶级会议MobiCom 2023
近日，电子信息与电气工程学院约翰·霍普克罗夫特计算机科学中心金梦助理教授团队在计算机网络领域物联网方向取得重要进展，两篇研究成果被网络系统领域顶级会议International Conference on Mobile Computing and Networking (ACM MobiCom 2023)录用。
ACM MobiCom是移动计算和网络领域的国际顶级学术会议，是计算机网络方面国际三大顶尖会议之一，至今已举办了28届。该会议审稿过程十分严格：每篇论文在接收前需经过两轮双盲评审，并在程序委员会再次盲审讨论后考虑有条件录用；作者须根据所有审稿意见进行论文修改，通过程序委员会一致同意后才正式录用论文，录用率一般在15%-20%之间。
TaGroup：高速精准RFID空间聚类技术
金梦团队的研究成果“Fast, Fine-grained, and Robust Grouping of RFIDs”（高速精准RFID空间聚类技术）开创性地实现了面向大规模RFID的高效高精准空间聚类，为RFID技术在仓储、物流、零售等大规模部署场景下的应用起到了积极推进作用。RFID作为21世纪最具影响力的十大技术之一，被广泛应用于物流、零售等领域。将RFID标签附着在物体上，并利用读写器进行扫描，即可实现对标签的识别。然而在如今的物流及零售场景中，对物品的扫描仍依赖人工完成，这使得标签扫描成了行业中最消耗人力、最容易出错的环节之一。
能否实现对大规模标签高效可靠的识别及定位，从而解放人力、提高效率？研究团队提出的面向智能物流及零售的高效精准RFID聚类技术TaGroup，为这些问题给出了肯定的回答。实验表明，TaGroup能够在3秒内完成对上百个标签的厘米级相对位置估计，极大程度促进了物流及零售场景中的物品扫描追踪过程。
标签互反射原理：多标签并发时的信号传播模型（左），并发信号IQ域表示（右）
如何实现在短时间内对大量标签进行精准定位？针对该问题，研究团队创新性地提出对标签进行并发扫描，用并发信号特征实现对多目标的同时定位。研究团队探索了RFID标签并发传输过程中的互反射现象，首次提出了互反射信道提取技术来构建标签间信道，并基于标签间信道构建首个RFID位置关系时空图模型，为感知系统提供大量信道信息来实现大规模细粒度的定位。TaGroup一方面实现了标签并发读取，提高了大规模标签扫描速度；另一方面利用标签间信道来扩充信号特征，实现精准定位。
TaGroup工作流程图
TaGroup一方面首次实现了对大规模标签的高效、厘米级相对位置定位，推动了RFID技术在仓储、物流、零售等大规模部署场景下的应用；另一方面首次构建了标签间信道，并提出首个基于图模型的RFID定位，为大规模RFID定位提供新思路。金梦为该论文的通讯及共同第一作者。
SpotSound：针对物联网设备的空间选择性通信
金梦团队的研究成果“Towards Spatial Selection Transmission for Low-end IoT devices with SpotSound”（针对物联网设备的空间选择性通信）开创性地实现了基于单扬声器的“Beamforming”技术，对物联网通信安全有着重要意义。近年来，物联网设备的泛在部署带来了严重的用户隐私泄露问题：一方面，物联网设备间需要频繁交互用户隐私信息（如用户健康状态、行为等）；另一方面，受到功耗及成本限制，物联网设备通常难以使用复杂的加密模式，因此安全性较差。以上两方面特征使得物联网设备成为最具吸引力的攻击目标。
为了在物联网设备上实现低开销的安全通信，研究团队提出SpotSound通信系统。SpotSound在合法双方之间建立“专用”声音信道，开创性地提出将物理空间中迥然不同的多径信道视为天然的beamformer，从而实现空间选择性信息传输，实验结果表明SpotSound的发送端能够利用单个扬声器将声音信号集中在接收端周围25cm²的区域内，实现了安全通信。
多径效应展示（左），SpotSound通信场景（右）：Alice为发送端，Bob为合法接收端，EVE为非法窃听者；只有Bob能收到信号，EVE只能收到白噪声
如何实现基于单扬声器的声音传播精准控制？研究团队利用深度生成式网络在细粒度信号控制方面的强大能力，设计了一个基于条件生成对抗网络（Conditional Generative Adversarial Network, CGAN）的新型通信系统。该系统能够让发送端学会利用收发双方的信道参数信息生成特殊的调制信号，使得该信号只有在合法信道上才能被正确解码。此外，研究团队进一步提出一系列模型压缩技术，实现了模型的轻量化。
SpotSound的CGAN网络架构
SpotSound一方面为物联网通信安全带来了一种新思路，为低功耗、低成本物联网设备的无线通信物理层提供了安全保障；另一方面发掘及证明了深度学习技术在物理层信号调制及编码方面能够起到的特殊作用，为新型调制技术的设计提供新的思路。金梦为该论文的通讯作者。
金梦，上海交通大学电子信息与电气工程学院约翰·霍普克罗夫特计算机科学中心助理教授、博导，2019年CCF优博、ACM优博获得者。多年来主要从事物联网无线感知、无线通信、组网等方面的理论研究、技术研发和系统应用。作为项目负责人主持国家自然科学基金项目2项。金梦博士近年来在IEEE/ACM TON、IEEE TMC等学术期刊和MobiCom、MobiSys、SenSys、INFOCOM、IPSN、ICNP等国际会议发表论文共计38篇。同时，担任包括ACM SenSys、ACM/IEEE IPSN、IEEE SECON等在内的多个国际知名会议程序委员会委员。