一種輕量化傳輸模擬器設計與實現

葉洪波 潘俊臣 崔勇

摘要：傳輸優化方案的驗證依賴于模擬器，但大量基于機器學習的優化方案和端網結合的傳輸優化方案的出現，使得現有模擬器不適應日益復雜的傳輸優化方法。為了解決該問題，提出了一種輕量化傳輸模擬器。該模擬器支持多種傳輸功能的模擬，并利用算法接口抽象提升模擬器的易用性。通過在所提出的模擬器上構造常見傳輸場景并對多種算法進行模擬實驗，驗證了本傳輸模擬器的有效性和實現的正確性。

關鍵詞：傳輸模擬器;擁塞控制算法;碼率自適應

Abstract： The verification of transmission optimization schemes depends on simulators， but existing simulators are not suitable for increas?ingly complex transmission optimization methods， including optimization schemes based on machine learning and transmission optimization schemes combined with end networks . To solve this problem， a lightweight transmission simulator is proposed . The simulator supports the simulation of multiple transport functions and uses algorithmic interface abstraction to improve the simulator's ease of use . Experiments are carried out on the simulator proposed in this paper through common transmission scenarios and different optimization algorithms to verify the effectiveness and correctness of the implementation of the simulator .

Keywords： transmission simulator; congestion control algorithm; adaptive bitrate

隨著互聯網的發展，直播、線上會議、云游戲等新應用和新場景不斷涌現，對網絡傳輸性能都提出了更高的要求，傳輸優化研究也因此越來越成為業界關注的焦點。為了滿足新場景下的傳輸需求，業界在網絡傳輸過程中的各個細分領域提出了大量的優化方案。碼率自適應、擁塞控制算法、隊列管理算法等處于網絡傳輸的端側或網絡側，不同網絡層次的優化策略研究不斷涌現。這些方案從不同的角度對傳輸過程進行優化，以期獲得更好的服務質量和用戶體驗。

作為傳輸優化研究過程中各類方案驗證和測試的重要工具，傳輸模擬器對傳輸機制的研究有著很重要的意義。相對于在真實設備上進行傳輸實驗，在模擬器上的實驗有著部署簡單、運行速度快等諸多優點。這些優點使得模擬器成為傳輸機制研究初期方案驗證時的最佳工具。傳輸模擬器的擬真程度、性能好壞、支持的功能是否全面、是否便捷開發等特性，很大程度上影響新型傳輸機制的驗證效率。

隨著傳輸優化方案設計的日益復雜和機器學習方法的引入，現有模擬器的設計很難滿足研究人員的需要。從功能上看，不同細分領域的傳輸研究對模擬器功能有不同的要求。功能過于單一的模擬器系統不能滿足研究人員的需求。從易用性上看，現有傳輸模擬器的功能不足以支持復雜的方案設計，這帶來了使用上的不便和額外改動的成本。一方面，傳輸機制上的創新方案往往需要對現有模擬器主邏輯進行較大規模的改動，這與模擬器本身作為快速驗證手段的目的背道而馳;另一方面，機器學習方法的引入使得模擬器系統同時肩負起快速生成大量學習樣本的職責，這對傳輸模擬器提出了輕量化的要求。

綜上所述，現有模擬器已經不能滿足日益復雜的傳輸優化方案快速性能驗證需求，因此需要設計輕量化的模擬器來滿足傳輸優化方案的性能驗證的新需求。本文首先分析傳輸優化研究的幾個重要領域的特點，總結這些研究方案對模擬器功能的需求;其次，對現有模擬器存在的問題進行了歸納和總結;以此為基礎，提出了一種適應新型傳輸優化方案的模擬器;最后，通過常見傳輸場景和算法的模擬效果實驗，驗證了模擬器的有效性和實現的正確性。

1多樣化傳輸優化方案對模擬器功能需求

近年來，擁塞控制算法和碼率自適應（ABR）算法是網絡傳輸優化研究中的熱點?；趩l式策略的算法和新興的基于機器學習的算法層出不窮。這些算法研究工作大多需要利用模擬器進行方案性能驗證。算法復雜度的不斷增加，對模擬器的功能也提出了更高的要求。

1.1常見細分領域研究需求

傳輸優化領域包含的研究很多，每一種細分領域需要模擬器實現的功能不同。本文以擁塞控制和碼率自適應兩個領域為例，給出模擬器需要實現的幾種重要功能。

擁塞控制算法的研究關注源端速率控制策略，需要模擬傳輸協議和網絡鏈路。源端擁塞控制算法控制傳輸速率的方法大致分為兩種：基于窗口的策略和基于速率的策略。具體來說，基于窗口的策略通過擁塞窗口及平滑速度控制發送，基于速率的策略則直接通過發送速度來控制發送。窗口策略常見于啟發式的傳統算法，例如 Reno[1]、? Cubic[2]只決策擁塞窗口控制發送。瓶頸帶寬和位移傳播時間（BBR） [3]則以擁塞控制窗口為主，平滑速度控制發包速率為輔。速率策略則常見于機器學習擁塞控制算法中，例如，面向性能的擁塞控制（PCC） [4]直接決策發送速度值來控制發送速度。為了支持不同擁塞控制方案的實施，模擬器需要同時實現上述不同的控制策略。同時，擁塞控制算法研究還需要完整的網絡鏈路功能模擬來支持網絡波動模擬，還原真實網絡中擁塞控制算法性能。

ABR 研究則從應用層角度優化傳輸過程，并需要模擬流媒體傳輸的過程。目前常見的流媒體點播協議，例如基于超文本傳輸協議（HTTP）的動態自適應流媒體傳輸協議（DASH） [5]，都通過視頻分片的形式進行流媒體的傳輸。由于多種碼率的存在，需要碼率自適應算法來自動選擇適配當前網絡質量的視頻塊。例如，RobustMPC[6]將 ABR 問題抽象為控制論問題，并利用控制論算法解決視頻碼率和帶寬能力的適配;Pensieve[7]則利用強化學習的方法，利用機器學習模型獲取最優策略。總體上， ABR 算法需要模擬器實現流媒體點播協議邏輯、ABR 算法的統計輸入和決策執行邏輯。

1.2機器學習方法的新需求

隨著機器學習方法在傳輸優化中的大量應用，模擬器的運行效率也成為重要的性能指標。? Remy[8]、? PCC、 PCC- Vivace[9]等擁塞控制算法使用機器學習方法指導決策; Orca[10]則通過傳統策略和機器學習的結合，在降低運算開銷的同時提升了吞吐和時延表現;Pensieve則首先將強化學習應用于碼率自適應研究中，大幅提升了 ABR 算法在復雜網絡狀態下的決策性能。雖然兩個研究領域的模擬功能需求有所不同，但都依賴于大量實驗樣本進行機器學習調優，這對模擬器性能提出了更高的要求。機器學習方法往往需要在模擬器系統中進行初步的模擬訓練，經過調優后再在真實環境中進行細調。因此，模擬器的性能對機器學習算法的訓練效率的影響很大。

2現有傳輸模擬器方案缺點

日益復雜的傳輸優化研究，對模擬器系統的功能提出了更高的要求。但現有的傳輸模擬器方案往往不能同時滿足所有的研究需求，且大部分缺乏易用性設計。這導致學習成本增加、研究效率下降。本文對常見的傳輸模擬器 NS-3[11]和 Mahimahi[12]做簡要介紹，并分析優劣，指出了當前傳輸模擬器面臨的問題。

2.1 NS-3模擬器

NS-3是一個開源的、可拓展的、基于事件的網絡模擬

器，旨在服務網絡領域的研究和教學工作。? NS-3模擬器最大的特點是支持極高的模擬精度。例如， NS-3模擬器可以生成接近系統內核原生網絡棧精度的 Internet 控制報文協議（ICMP）、用戶數據報協議（UDP）、傳輸控制協議（TCP）等多種真實的端到端交互模擬。路由層面支持不同的路由協議，鏈路層面則支持 Wi-Fi、以太網等不同的鏈路協議。總體上講， NS-3在設計上著重關注模擬器的擬真度，對網絡的模擬非常細致。

但是 NS-3模擬器過于復雜且學習成本較高，這導致其易用性較差。另外，高精度的模擬也不利于快速運行：

（1） NS-3基本框架比較復雜，修改起來相當困難，對研究人員并不友好。針對不同協議的模擬在增加模擬精度的同時，也影響了代碼的復雜度。

（2） NS-3對鏈路、路由、傳輸協議等進行高精度模擬，這提升了模擬器的擬真程度。但對于傳輸研究來說， NS-3模擬了很多研究者不關心的因素，這增加了開發難度。

（3） NS-3復雜的模擬機制限制了 NS-3的性能，這導致其并不適合大規模生成模擬樣本。隨著機器學習方法的引入，快速生成大量模擬樣本的能力已經逐漸成為模擬器重要功能指標。

2.2 Mahimahi 模擬器

Mahimahi 模擬器最早被用于 HTTP 流量的記錄和重放，目前常用于網絡傳輸模擬。? Mahimahi 是一個數據包級別的端到端傳輸模擬器，它能夠模擬中間瓶頸鏈路的緩存變化情況，從而反映帶寬和往返時延（RTT）的變化。在 ABR 領域基于機器學習的經典算法Pensieve的實驗中，底層傳輸模擬器使用的就是 Mahimahi 。 Mahimahi 最大的特點是框架較為輕量。模擬器的設計目標并不是模擬復雜的網絡設備，因此模擬過程相對粗粒度。這卻帶來了較好的性能。同時，相比于 NS-3， Mahimahi 框架簡單易理解。

Mahimahi 模擬器由于功能有限，也有著局限性，如 Mahimahi 不支持復雜網絡拓撲。對于數據中心這種層次路由的場景，不同流之間不僅有獨立的緩存（例如直連的交換機），還有共享的緩存（例如出口路由器）。 Mahimahi 不支持這種復雜的緩存模擬，也因此不能模擬復雜拓撲中多對節點之間的同時通信。這就使得 Mahimahi 的模擬功能局限于端到端的場景，不能適配其他傳輸優化研究。

3輕量化傳輸模擬器設計

為了解決現有模擬器不能滿足研究需要的問題，本文設計了一種輕量化傳輸模擬器。本節主要介紹模擬器的總體架構、輕量化設計和易用性設計。

3.1總體架構設計

模擬器的總體架構包含4 個模塊：算法模塊、參數配置模塊、核心元素和底層模擬邏輯，具體如圖1 所示。模擬器的底層模擬邏輯是基于事件隊列實現的，它利用事件隊列將各個功能模塊聯系起來，實現了模擬設備間復雜的調用關系。在模擬器底層框架之上，還有若干核心元素，構成了模擬設備、鏈路等模擬要素。具體來說， Block 和 ABR 組件分別負責靜態流量重放和 ABR 機制模擬，是模擬器環境中的應用層功能。? Sender 元素模擬傳輸中的端系統以實現模擬器的傳輸層功能。? Sender 元素同時還利用算法接口與數據塊調度、擁塞控制等算法模塊交互，完成算法的狀態更新，并按照決策進行模擬傳輸。 Router 元素模擬中間轉發節點的功能，負責模擬緩存和隊列調度機制，同時利用算法接口與隊列管理算法、包標記算法等模塊交互，實現設備算法的自定義。? Link 元素負責模擬傳輸中的鏈路，代表了模擬設備（Sender 和 Router）之間的連接，其傳輸特性由鏈路配置接口指定。

3.2輕量化設計

我們通過簡化模擬機制來減少模擬器的運行開銷，實現輕量化模擬器設計。具體來說，我們將傳輸過程中較為復雜但對模擬精度影響不大的設計取消，從而提升了運行效率。

以傳輸過程簡化和 ABR 模擬簡化為例，模擬器只模擬其中對精度影響較大的機制。首先是傳輸過程的簡化，模擬器只模擬穩態下的傳輸流程，不對建立連接等短暫狀態進行模擬。雖然可靠的傳輸協議通常有比較復雜的狀態機制，但不同狀態下的流量特征有很大的區別，例如 TCP[13]和快速用戶數據報協議網絡連接（QUIC） [14]的鏈接建立過程差異就很大。這些可靠傳輸機制的背后是復雜的網絡棧狀態機的實現。對于模擬器來說，完整的模擬是非常影響模擬性能和框架簡潔性的。但是這些區別于穩態的其他狀態往往只占用了傳輸事件的極短時間，因此單純模擬穩態的傳輸過程不會嚴重影響模擬器的擬真度。所以，模擬器只模擬穩態的傳輸過程。其次是 ABR 過程模擬，模擬器只對比較關鍵的視頻塊碼率切換邏輯做模擬，忽略了其他的協議細節。例如，完整的點播協議中包含 Meta 數據的交互、? HTTP 頭參數等，而模擬器則忽略了這些協議細節。服務端和用戶端讀取 trace 文件共享 Meta 信息，只模擬視頻傳輸邏輯。

3.3易用性設計

為了實現模擬器的易用性，本文設計并實現了多種算法接口。具體來說，模擬器的設計總結了現有傳輸方案的特點，并設計了4 種算法接口，以為不同需求的研究提供支持。4種接口分別是源端 ABR 算法接口、源端擁塞控制算法接口、中間設備隊列調度算法接口和中間設備數據包標記接口。其中， ABR 算法接口主要服務于流媒體傳輸優化研究中 ABR 算法的實現;擁塞控制算法接口則服務于擁塞控制研究;中間設備隊列調度接口控制中間設備隊列管理的決策，方便設備緩存管理的研究;包標記接口則用于給數據包標記額外的傳輸信息，支持端到網和網到端的反饋，可用來實現端網協同的設計方案，例如高精度擁塞控制（HPCC） [15]、數據中心傳輸控制協議（DCTCP） [16]等。 4種接口之間可以獨立開發、相互組合，也可以協同設計以完成更復雜的功能，以滿足研究者的不同需求。

除了算法接口之外，我們還對模擬器實驗場景配置中常用的幾種功能進行了接口抽象，具體包括拓撲配置、鏈路狀態配置、設備配置和流配置4 種。拓撲配置接口負責表達模擬設備連接關系，用來將模擬設備組成實驗拓撲;鏈路狀態配置接口則用來配置設備間鏈路的狀態信息，包括傳輸物理延時、帶寬大小、丟包率等;模擬設備配置接口負責規定模擬設備性能參數以及算法;傳輸數據配置接口則主要規定了模擬設備之間的靜態傳輸任務，用來配置流量分布。通過這4 種接口，研究者能夠快速構造目標的實驗場景的具體參數，進行驗證性實驗。

4驗證性實驗

我們在模擬器中實現了幾種典型傳輸優化方案，并進行了功能驗證實驗，用來驗證模擬器的功能正確性。我們分別從擁塞控制研究、端網協同算法研究和應用層碼率自適應研究角度出發來構造場景，實驗驗證了多流競爭、 DCTCP 模擬和 ABR 模擬的效果。

4.1多流競爭場景

多流競爭實驗是擁塞控制算法研究中重要的實驗場景，常用于對比算法之間的公平性。? Reno 是最廣泛應用的擁塞控制算法，其包含的慢啟動、擁塞避免、快速重傳和快速恢復機制是現有的很多新型擁塞控制算法的基礎。? Reno 算法在執行過程中需要維護擁塞控制窗口和閾值。當現有擁塞控制窗口低于閾值時， Reno 算法進入慢啟動狀態，擁塞窗口按照指數增長;反之則進入擁塞避免狀態，采用線性增長。擁塞窗口限制了同時能在網絡中傳輸的數據包數量，也就達到了避免網絡擁塞的目的。? Reno 核心的和式增加、積式減少機制自1988年提出以來，就是基于擁塞窗口的算法中最經典的控制機制，后續的很多研究都基于此。因此，我們選用 Reno 算法驗證模擬器對多流復用同一信道的模擬效果。

我們模擬了一個3 對1 的傳輸場景，即3 條流共享1 個轉發節點。 3 個端系統分別運行1 個 Reno 的擁塞控制算法，并在 0 s、 60 s、 120 s 依次開始向同一個節點發送數據，分別運行180 s 后結束。在此過程中， 3個端系統上的 Reno 會經歷單流、雙流競爭、三流競爭，再到雙流競爭、單流，端系統吞吐結果如圖2 所示。多流競爭的場景還原了 Reno 多流競爭時的特點，雙流和三流的競爭場景基本上實現了多流的公平性。從吞吐上看，多條 Reno 流量均分了帶寬，模擬的轉發節點也維持了2 Mbit/s 的轉發速度，整體模擬效果符合預期。

4.2 DCTCP 模擬場景

作為一種利用網絡設備反饋信息優化擁塞控制的經典算法， DCTCP 很適合用來驗證模擬器在復雜算法設計研究中的功能。? DCTCP 使用的顯式擁塞通告（ECN）是一種廣泛應用的機制，絕大多數商用交換機都已經實現了類似的功能。具體來說，交換機感知實時的隊列長度，并在其超過設定閾值時標記數據包，以通知端系統主動退讓。? DCTCP 利用 ECN 機制，實現了算法收斂快和傳輸時延低。? DCTCP 使用與 ECN 信號相關的 alpha 值來調整擁塞窗口（CWND），這在加速了收斂的同時使得鏈路緩存維持在特定閾值。區別于 Reno 傾向于填滿緩存， DCTCP 會主動降低隊列占用，從而降低了時延。

我們構造了1 對1 的傳輸場景，用來驗證 DCTCP 的模擬效果。鏈路的傳輸速度在20s 時折半，轉發節點的 ECN 標記閾值被設置為20個包，測試的結果如圖3 所示。我們將吞吐表現、轉發節點緩沖長度和 DCTCP 的端系統窗口大小繪制在了圖中。模擬器中的 DCTCP 在隊列累積到閾值時，就會主動降低傳輸速度避免擁塞丟包緩存，這一點充分體現出了DCTCP 的方案特點。與 Reno 只基于丟包的控制邏輯不同， DCTCP 利用 alpha 狀態量和 ECN 標記，在隊列還未因完全填滿導致丟包時就主動消去了部分 CWND 來降低發送速度。在圖3 中， DCTCP 的窗口大小在一定區間內小幅波動，而不是類似于 Reno 的折半再增長。

4.3 ABR 模擬場景

為了驗證模擬器在流媒體碼率自適應研究中的功能，我們構造了基于 Buffer 的碼率自適應算法（BBA-0） [17]模擬實驗。? BBA-0 算法是一種基于 Buffer 的 ABR 算法，以當前緩沖量作為輸入來決定目標比特率。? BBA 算法有低閾值和高閾值兩個參數，當 Buffer 量低于低閾值時只采用最低清視頻流快速填充，高于高閾值時只使用最高清視頻流，介于兩者之間的則按照比例線性選擇中間的清晰度?？傮w上 BBA-0會展示出優先免卡頓的特點，避免 Buffer 量下降。

我們設置了簡化的流媒體點播場景來對碼率自適應功能進行測試。視頻流量只有低清和高清兩種，網絡帶寬在30～40 s 折半。我們將總 Buffer 量、低清 Buffer 量和高清 Buffer 量的變化繪制如圖4 。啟動階段， 我們優先選擇低清流量建立 Buffer，當 Buffer 量較為穩定后再切換至高清流量， 以獲取更好的用戶體驗。在帶寬驟降階段，? Buffer 被消耗，? BBA-0切換回低清流量以重新填滿 Buffer。從模擬結果來看，模擬器中實現的 BBA-0算法符合其功能特點，很好地展示了模擬器對碼率自適應功能的模擬。

5結束語

模擬器驗證是傳輸優化研究過程的重要組成部分，但現有模擬器并不適應日益復雜的研究需求。本文分析了傳輸優化研究的幾個重要細分領域對傳輸模擬器的需求，并總結了現有模擬器存在的問題。以此為基礎，提出了一種輕量化傳輸模擬器系統。本傳輸模擬器在提供算法接口保證易用性的同時實現輕量化，并取得了較好的模擬效果，能夠支持機器學習及非機器學習的各類傳輸優化方案的性能驗證。

模擬器的功能拓展和性能優化都需要更多的研究。一方面，傳輸優化研究不局限于文中提到的擁塞控制算法和碼率自適應算法。模擬器需要進一步設計并實現更多的算法接口以支持更多復雜的傳輸優化研究。另一方面，模擬器需要進一步優化運行效率，最大限度地發揮輕量化設計框架帶來的效率優勢。

[14] LANGLEY A，? RIDDOCH A， WILK A， et al. The QUIC transport protocol ： design? and? Internet-scale? deployment? [C]//Proceedings? of? the? ACM Special? Interest? Group? on? Data? Communication . ACM， 2017： 183-196. DOI：10.1145/3098822.3098842

[15] LI Y L， MIAO R， LIU H H， et al. HPCC： high precision congestion control [C]//Proceedings?? of?? the?? ACM?? Special?? Interest?? Group?? on?? Data Communication. ACM， 2019：44-58. DOI：10.1145/3341302.3342085

[16] ALIZADEH? M，  GREENBERG? A，? MALTZ? D? A，? et? al. Data? center? TCP （DCTCP） [C]//Proceedings? of? the ACM? SIGCOMM 2010 Conference? on SIGCOMM-SIGCOMM?? '10.?? ACM，?? 2010：? 63-74.? DOI：? 10.1145/

1851182.1851192

[17] HUANG T Y， JOHARI R， MCKEOWN N， et al. A buffer-based approach to rate? adaptation： evidence? from? a? large? video? streaming? service [C]// Proceedings of the 2014 ACM? Conference on? SIGCOMM . ACM， 2014：187-198. DOI：10.1145/2619239.2626296

參考文獻

[1] FLOYD S， HENDERSON T， GURTOV A. The newReno modification to TCP’s fast recovery algorithm [S]： Rfc3782. IETF， 2004

[2] HA S， RHEE I， XU L. Cubic： a new TCP-friendly high-speed TCP variant [J].ACM SIGOPS operating systems review， 2008， 42（5）： 64-74

[3] CARDWELL N， CHENG Y， GUNN C S， et al. Bbr [J]. Communications of theACM， 2017， 60（2）： 58-66. DOI： 10.1145/3009824

[4] DONG M， LI Q X， ZARCHY D， et al. PCC： re-architecting congestion controlfor consistent high performance [EB/OL]. （2014-09-24）[2021-12-10].https：//arxiv.org/abs/1409.7092

[5] AKAMAI. Dash. js [EB/OL]. [2021-12-12]. https：//github. com/DashIndustry-Forum/dash.js/

[6] YIN X Q， JINDAL A， SEKAR V， et al. A control-theoretic approach fordynamic adaptive video streaming over HTTP [C]//Proceedings of the 2015

ACM Conference on Special Interest Group on Data Communication. ACM，2015： 325-338. DOI： 10.1145/2785956.2787486

[7] MAO H Z， NETRAVALI R， ALIZADEH M. Neural adaptive video streamingwith pensieve [C]//Proceedings of the Conference of the ACM SpecialInterest Group on Data Communication. ACM， 2017： 197-210. DOI：10.1145/3098822.3098843

[8] WINSTEIN K， BALAKRISHNAN H. TCP ex machina [J]. ACM SIGCOMMcomputer communication review， 2013， 43（4）： 123-134. DOI： 10.1145/2534169.2486020

[9] DONG M， MENG T， ZARCHY D， et al. PCC vivace： online-learningcongestion control [EB/OL].[2021-12-10]. https：//www.usenix.org/system/files/conference/nsdi18/nsdi18-dong.pdf

[10] ABBASLOO S， YEN C Y， CHAO H J. Classic meets modern： a pragmaticlearning-based congestion control for the Internet [C]//Proceedings of theAnnual Conference of the ACM Special Interest Group on DataCommunication on the Applications， Technologies， Architectures， andProtocols for Computer Communication. ACM， 2020： 632-647. DOI：10.1145/3387514.3405892

[11] HENDERSON R T， LACAGE M， RILEY F G. Network simulations with thens-3 simulator [EB/OL]. [2021-12-10]. http：//conferences. sigcomm. org/sigcomm/2008/papers/p527-hendersonA.pdf

[12] NETRAVALI R， SIVARAMAN A， DAS S， et al. Mahimahi： accurate recordand-replay for HTTP. [EB/OL]. [2021-12-10]. http：//mahimahi. mit. edu/mahimahi_atc.pdf

[13] TANTAWY M M. Effect of transmission control protocol on limited buffercognitive radio relay node [J]. Communications and network， 2015， 7（3）：20-27. DOI： 10.4236/cn.2015.73013

作者簡介

葉洪波，國網上海市電力公司副總工程師兼調度控制中心主任，高級工程師;主要從事電網調度運行管理、設備運維檢修管理等工作;負責并參與了多項國網公司和上海公司科技項目，獲得省部級科技獎5 項，被評為國家電網公司勞動模范;發表論文10余篇。

潘俊臣，清華大學在讀博士研究生;主要研究領域為惡意流量檢測和可編程網絡設備應用。

崔勇，清華大學計算機系教授、博士生導師、網絡技術研究所所長，教育部青年長江學者，國家優秀青年科學基金獲得者，教育部新世紀人才和中創軟件人才獎獲得者，中國通信標準化協會理事，國際互聯網標準化組織 IETF IPv6過渡工作組主席;獲得國家技術發明獎二等獎1 次、國家科學技術進步獎二等獎1 次、省部級科技進步一等獎4 次以及國家信息產業重大發明2 次，所提出的 IPv6過渡技術被國際互聯網標準化組織 IETF 制定為 9項 RFC;發表論文100余篇，獲國家發明專利40余項，出版學術著作4 部。