浙大ARClab 魏成坤 研究员
报告生成时间：2026年8月3日
个人主页：https://chengkunwei.github.io/zh/
所属实验室：http://arc.zju.edu.cn/
一、学者基本信息
魏成坤（Chengkun Wei）是浙江大学计算机科学与技术学院"百人计划"研究员、博士生导师，浙江大学计算机系统结构实验室（ZJU ARClab）在职教师。在 ARClab 现有的教师序列中——陈文智（求是特聘教授、博导）、张紫徽（实验室副主任）、王总辉（高工、博导）、魏成坤（研究员、博导）、施青松（副教授）、陈建海（副教授）、纪守领（研究员、博导）、王则可（研究员）——他是最年轻的一位具有博导资格的全职研究员，也是近两年实验室新闻中出现频率最高的青年指导教师。
他的学术画像有一个非常突出的特点：双主线并行。一条主线是系统与网络方向的软硬件协同——云网络虚拟交换、DPU 卸载、NVMe/CXL 存储虚拟化，成果发表在 SIGCOMM、HPCA、USENIX ATC 上，且几乎全部与阿里云的生产环境绑定；另一条主线是数据安全与 AI 安全——差分隐私机器学习、大模型后门防御、AI 文本检测对抗、训练数据隐私重构，成果发表在 CCS、NDSS、USENIX Security、TIFS、TDSC 上。这两条主线在国内青年学者中极少同时出现在一个人身上，通常一个人只会落在"系统派"或"安全派"其中一边。魏成坤能够横跨两边，一方面来自 ARClab 本身"以操作系统为核心竞争力、向下深入体系结构、横向扩展到信息安全"的学科定位，另一方面也来自他博士与博士后阶段同时参与阿里云横向项目和国家自然科学基金纵向课题的双重训练。
| 项目 | 内容 |
|---|---|
| 中文姓名 | 魏成坤 |
| 英文姓名 | Chengkun Wei |
| 现任职称 | "百人计划"研究员、博士生导师 |
| 荣誉称号 | 启真优秀青年学者 |
| 所属单位 | 浙江大学计算机科学与技术学院 · 计算机系统结构实验室（ARClab） |
| 电子邮箱 | weichengkun@zju.edu.cn |
| 博士学位 | 浙江大学计算机科学与技术，2021 年 |
| 博士导师 | 陈文智（求是特聘教授、ARClab 主任） |
| 加入 ARClab 时间 | 2016 年 |
| 主要研究方向 | 计算机体系结构、云计算、高性能网络、数据安全（含大模型安全）、异构算力融合 |
| ORCID | 0000-0001-8849-8808 |
| OpenAlex ID | A5006624972 |
| 论文规模 | OpenAlex 收录 40 项；个人主页披露以第一/通讯作者在 CCF-A 类顶会顶刊发表 20 余篇 |
| 引用与 h 指数 | OpenAlex 统计被引 246 次、h-index 8、i10-index 7 |
| 顶会顶刊分布 | SIGCOMM × 2、USENIX ATC × 1、HPCA × 1、CCS × 2、NDSS × 1、USENIX Security（指导）× 1、ACL（指导）× 2、ICML（指导）× 2、AAAI（指导）× 1、TIFS × 3、TDSC × 1、TMC × 1、TCHES × 1 |
| 代表性成果 | LMSanitator（NDSS 2024 杰出论文）、Achelous（SIGCOMM 2023）、Triton（SIGCOMM 2024）、DC-SGD（TIFS 2025）、GradEscape（USENIX Security 2025）、Spillway（SIGCOMM 2026） |
| 个人主页 | https://chengkunwei.github.io/zh/ ；https://person.zju.edu.cn/0621277 |
| Google Scholar | https://scholar.google.com/citations?user=-jrGj9wAAAAJ |
关于文献计量数据需要做一个技术性说明。OpenAlex 上以 "Chengkun Wei" 为名共有 4 个作者档案，其中 A5006624972（带 ORCID 0000-0001-8849-8808）是本人档案，其机构历史包含浙江大学（2023-2026）以及被系统误归的浙江科技大学、浙江工业大学条目——后两者应为机构消歧噪声（推测），其研究主题分布（隐私保护技术、云计算与资源管理、主题建模、密码学与数据安全、软件定义网络与 5G）与其实际方向完全吻合。另外三个同名档案分别涉及农业科学、土壤碳氮动力学等领域，与其无关。需要注意的是，246 次被引与 h-index 8 这一数字明显偏低于其顶会顶刊的实际分量，原因有二：其一，其主要成果集中在 2023 年之后发表（2023 年 11 篇、2025 年 14 篇、2026 年 9 篇），引用尚在累积期；其二，SIGCOMM、HPCA 这类系统会议的引用增长本身就慢于机器学习方向。因此单看 h 指数会严重低估其学术影响力，更能反映其水平的指标是顶会顶刊的绝对数量与奖项。
其个人主页上的自我介绍还透露了一个招生取向上的细节，他明确写道欢迎对"数据安全（LLM 安全）、高性能网络（软硬件协同优化）、异构计算（FPGA、GPU）、系统架构（虚拟化、可信执行环境）"感兴趣的学生加入，并提出了三条颇为个人化的要求：对计算机系统结构稍微感点兴趣（不排斥就好）、有理想有追求且能好好地分析问题、有自己喜欢的运动并长期坚持。这三条要求在国内教师主页上并不常见，从侧面反映了他对学生培养的态度偏向长期主义。
二、教育背景与职业履历
魏成坤的完整履历是一条纯粹的"浙大内循环"路径，从加入 ARClab 至今整整十年（2016 年至 2026 年）都在同一个实验室度过。
按其个人主页的自述，他自 2016 年加入浙江大学 ArcLab。结合其 2021 年 3 月完成博士毕业答辩的时间点推算，他应当是 2016 年前后以硕博连读或直博方式进入 ARClab 攻读研究生学位（推测）。关于本科就读院校，目前公开的官方页面（浙江大学个人主页 person.zju.edu.cn/0621277、ARClab 教师页 arc.zju.edu.cn/wck、个人主页 chengkunwei.github.io）均未披露本硕阶段的具体信息，其个人主页的简介直接从"2021 年获得浙江大学计算机科学与技术博士学位"起笔。因此本科阶段的院校归属无法确认。
2021 年 3 月，他完成博士毕业答辩，获浙江大学计算机科学与技术专业博士学位。ARClab 官网当年的毕业纪念文章《毕业了，我们还会再重逢！》记录了这一批毕业生的完整名单与去向："今年 ARClab 有七位同学顺利完成毕业答辩……他们是李国玺、魏成坤、刘炎东、刘径心、杨会东、杨嘉琪、汪佳玮。李国玺同学选择去了华为、魏成坤同学将以博士后的身份继续留在 ARClab 深造、致力于推进实验室学术科研方面的进一步发展，其余几位同学也都如愿进入国际国内知名企业。"这段记载有两层信息值得注意：其一，明确了他在七位毕业生中是唯一选择留在学术界的一位，其余六位全部进入产业界；其二，实验室在当时就已经将他定位为"推进实验室学术科研方面的进一步发展"的人选，说明留校是有意的人才储备安排而非临时决定。
关于博士导师，可以确认为陈文智教授。 这一结论有直接的一手证据：在 2023 年 12 月 SIGCOMM 2023 中文分享活动（AI TIME 举办）的讲者介绍中，其个人简介逐字写明"魏成坤，浙江大学博士后，导师为陈文智教授。研究方向软硬协同的云计算网络系统和数据隐私保护。相关研究发表在 SIGCOMM、HPCA、CCS、NDSS、TIFS、TDSC 等会议及期刊。主持/参与国家自然基金、重点研发计划、浙江省博士后择优资助项目等项目。"这是由本人提供、公开发布的自述性材料，可信度高。此外还有大量旁证：其博士与博士后期间的全部一作论文（Achelous、LMSanitator、DPMLBench、Securely Sampling Discrete Gaussian Noise、AsgLDP、OB-WSPES、DC-SGD）无一例外都由陈文智担任末位通讯作者；他自 2016 年加入的 ARClab 由陈文智担任实验室主任；实验室的历次新闻稿在报道其成果时也统一表述为"陈文智教授团队"或"该论文由陈文智教授指导"。
2021 年至 2024 年，他在 ARClab 担任博士后研究员。这三年是他学术产出爆发的关键期，也是他从"学生"向"独立指导者"过渡的窗口期。这一阶段的标志性成果包括：2023 年 5 月 SIGCOMM 2023 录用的 Achelous（与阿里云联合研究的网络虚拟化平台，他为第一作者）、2023 年 5 月 CCS 2023 同时录用的两篇论文（DPMLBench 与 Securely Sampling Discrete Gaussian Noise，他均为第一作者）、以及 2023 年 8 月 NDSS 2024 录用并最终获得杰出论文奖的 LMSanitator。同期他还开始承担实验室的组织性事务，2021 年 7 月的 ARClab 暑期全员会议即由他与陈晓露老师共同主持——博士刚毕业的博士后主持全实验室会议，这一细节说明他在实验室内部的角色定位已经超出普通博士后。
2024 年博士后出站后，他以"百人计划"研究员身份留校任教，并获得博士生导师资格与"启真优秀青年学者"称号。浙江大学"百人计划"是该校面向海内外引进优秀青年学者的核心人才计划，通常引进对象以海外经历者为主，本土培养的博士后直接转入"百人计划"研究员序列并同步获得博导资格，在浙大属于较高规格的留任安排。
科研项目方面，据其浙江大学个人主页披露，他主持国家自然科学基金、宁波市重点研发计划、浙江省博士后择优资助、CCF-蚂蚁科研基金、阿里云项目等。这一项目组合本身就说明问题：国家自然科学基金与浙江省博士后择优资助代表纵向学术认可，宁波市重点研发计划代表地方产业需求对接，而 CCF-蚂蚁科研基金与阿里云项目则直接对应了他与两家杭州本土互联网巨头的实质合作关系。
三、学生培养情况
魏成坤是 ARClab 近两年学生培养体系中最活跃的青年指导教师。从 ARClab 官网 2024 年至 2026 年的全部新闻稿来看，实验室的学生指导已经形成了清晰的双轨分工格局：陈文智教授作为实验室主任出现在几乎所有论文的指导教师位置上，而具体的方向性指导则由魏成坤与王总辉两位博导分担——魏成坤负责数据安全 / 大模型安全 / 云网络方向，王总辉负责体系结构 / 预取器 / GPU 加速 / 零知识证明 / 多模态方向。两人指导的学生群体基本不重叠，只在少数交叉课题上有共同署名。
需要说明的是，由于他 2024 年才正式获得博导资格，目前其名下的学生大多是以"陈文智教授 + 魏成坤老师"共同指导的形式出现在新闻中，尚无独立培养的毕业生。以下按学生梳理其指导谱系。
3.1 孟文龙 —— 最核心的学生，大模型安全方向的第一梯队
孟文龙是魏成坤指导体系中当之无愧的核心学生，也是两人合作时间最长、产出最密集的一位。据 ARClab 新闻披露，孟文龙为 ARClab 2021 级在读博士生，主要研究方向为大语言模型安全、数据版权保护及 AI 隐私计算。他的入学年份（2021）恰好与魏成坤开始博士后生涯的年份重合，两人是从"博士后 + 新生"的组合起步的，这种同步性使得他们的合作关系比典型的师生关系更接近于共同成长的伙伴。
孟文龙的成果序列如下：
LMSanitator（NDSS 2024，杰出论文奖）。这是两人合作的起点与巅峰。论文全称 LMSanitator: Defending Prompt-Tuning Against Task-Agnostic Backdoors，作者为 C Wei、W Meng、Z Zhang、M Chen、M Zhao、W Fang、L Wang、Z Zhang、W Chen，魏成坤为第一作者、孟文龙为第二作者。论文于 2023 年 8 月被 NDSS 2024 录用，2024 年 2 月 26 日至 3 月 1 日在美国圣迭戈举行的会议上获得杰出论文奖。
GradEscape（USENIX Security 2025）。论文全称 GradEscape: A Gradient-Based Evader Against AI-Generated Text Detectors，孟文龙为第一作者，指导老师为陈文智教授和魏成坤老师。这项工作提出了"逃避器"（Evader）的概念，借鉴图像领域基于梯度反馈的对抗攻击思路，利用检测器的梯度更新逃避器模型参数，使 AI 生成文本在经过逃避器修改后能够绕过 AI 文本检测器，同时保持语义不变。技术上，逃避器训练融合了三类损失：基于概率分布熵度量的标签损失、通过伪嵌入向量输入文本编码器并用均方误差约束的语义损失、以及伪嵌入通过检测器模型的分类损失。论文同时覆盖开放攻击（可直接访问检测器）与不透明攻击（Opaque，仅能通过云检测器接口查询并训练替代检测器）两种威胁模型。最亮眼的实验结果是：GradEscape 在仅使用 139M 参数量的条件下，获得了超过 11B 参数 baseline 的攻击成功率——参数量差了近 80 倍而效果更好，这是该工作能进 USENIX Security 的关键。这一成果被浙江大学个人主页列为魏成坤的四大代表成果之一（"大模型内容检测攻击技术 GradEscape"）。
R.R.（ACL 2025）。论文全称 R.R.: Unveiling LLM Training Privacy through Recollection and Ranking，孟文龙为第一作者，由陈文智与魏成坤联合指导。这是一套面向大语言模型训练隐私分析的攻击系统，在仅获得脱敏训练数据与黑盒模型 API 权限的条件下重构被掩码的个人身份信息（PII）。方法分两步：首先通过"回忆范式"用特殊提示引导受害模型在上下文帮助下补全被掩码实体并用实体识别工具提取候选 PII；其次用基于偏置交叉熵损失的排序机制，将候选 PII 插回原文评估，并结合参考模型与目标模型的分数进行校准。实验显示 PII 恢复准确率较现有方法提升超过 100%，首次揭示了即便训练数据经过脱敏处理敏感信息依然面临显著泄露风险。
Dialogue Injection Attack（TIFS 2026）。论文全称 Dialogue Injection Attack: Jailbreaking LLMs through Context Manipulation，孟文龙为第一作者，2026 年 1 月被 IEEE Transactions on Information Forensics and Security 录用，同样由陈文智与魏成坤指导。该工作首次提出利用对话历史操纵来增强大语言模型越狱攻击的新范式，为大模型安全对齐机制研究提供了理论分析与实践支撑。
ACTHOOK（ICML 2026）。论文全称 Watermarking LLM Agent Trajectories，孟文龙为第一作者，指导老师为陈文智、魏成坤。这是首个面向智能体轨迹数据集的水印技术。研究动机相当具有现实性：编写一条高质量编程任务轨迹平均需要约 100 美元的人工标注成本，某网页智能体项目为构建 120 个任务的数据集投入了超过 1000 小时人力，而数据集一旦公开发布创建者就难以追溯其使用情况。ACTHOOK 借鉴软件工程中"钩子"（Hook）的设计思想，在轨迹的动作边界处插入辅助性钩子动作，并在用户提示中附加语义中性的激活密钥，训练后模型会建立密钥—钩子动作之间的关联，数据集创建者可在黑盒条件下通过对比含密钥与不含密钥两类提示下钩子动作的出现频率差异完成版权验证。在 MATH、SimpleQA、SWE-Smith 三类数据集上，仅 5% 水印注入比例即在 Qwen-2.5-Coder-7B 上实现平均 94.3 的检测 AUC，而对比方法 CodeMark 的平均 AUC 仅 55.5（接近随机猜测）；在面对数据过滤、释义改写、动作摘要、持续微调等移除攻击时检测 AUC 仍稳定保持在 85 以上。
从 NDSS 2024 到 ICML 2026，孟文龙在四年内完成了 NDSS（杰出论文）、USENIX Security、ACL、TIFS、ICML 五项 CCF-A 级别成果，且研究主题呈现清晰的演进逻辑：从模型后门防御（LMSanitator）到检测器对抗（GradEscape）到训练数据隐私重构（R.R.）到越狱攻击（Dialogue Injection）再到智能体数据版权（ACTHOOK），完整覆盖了大模型安全从训练侧到推理侧、从攻击侧到防御侧、从模型资产到数据资产的全谱系。这一培养轨迹的质量在国内博士生中属于顶尖水平，也是魏成坤指导能力最有说服力的证明。
3.2 蒋骁翀 —— 云网络方向的接班人
蒋骁翀是魏成坤在系统与网络主线上培养的核心学生，为 ARClab 在读博士生，主要研究方向是云数据中心网络与大模型安全推理。
值得注意的是，蒋骁翀与魏成坤的关系起步得非常早。早在 2023 年 SIGCOMM 2023 的 Achelous 工作中，ARClab 官方新闻的作者表述就是"魏成坤、杨晔、蒋骁翀、徐天宇的论文"——当时魏成坤还是博士后，蒋骁翀已经作为核心成员参与其中。随后在 SIGCOMM 2024 的 Triton 论文与 APNet 2024 的 CMDRL 论文中，蒋骁翀（X Jiang）都是重要作者。因此两人的合作是从"师兄带师弟"逐步演变为正式的师生指导关系的。
Spillway（SIGCOMM 2026）。论文全称 Spillway: Orchestrating DPU and Host into a Unified vSwitching Fabric，蒋骁翀为第一作者，在陈文智教授和魏成坤老师指导下完成。这是魏成坤指导体系中分量最重的系统类成果，也是他从"参与阿里云项目的博士后"转变为"主导阿里云项目的导师"的标志。
Spillway 针对的问题是现代云数据中心 DPU 虚拟交换架构的扩展性瓶颈：DPU 的固定硬件资源（会话表容量、流表规模、数据包处理带宽）正逐渐成为新瓶颈——主机计算密度随硬件代际高速增长，而 DPU 资源受限于较长设计周期与固定硬件预算，两者性能差距持续扩大；与此同时 AI 训练/推理、Agent 等新兴工作负载带来了高度动态的流量模式（短期突发、连接风暴、瞬时扇入/扇出），导致 DPU 数据平面在主机计算资源远未耗尽时便已饱和，大量主机算力沦为无法变现的闲置资源。
方案上，Spillway 提出 DPU–主机混合数据平面架构，包含四项创新：统一化 vSwitching 架构（DPU 作为主数据平面引擎，主机弹性 VM 作为溢出后端，仅在 DPU 接近饱和时动态激活）；统一资源调度器 URSched（实时监测 DPU SoC 饱和水位与主机碎片资源可用性，按需创建预热弹性 VM 实例）；流量感知的溢出控制（利用 Frequent Directions 算法增量维护流量主成分子空间，通过重建残差得分识别适合硬件加速的稳定流量安装至 DPU 快速路径，突发性复杂流量重定向至主机）；以及硬件资源优化与性能隔离（引入虚拟地址转换缓存 vATC 将地址翻译能力从硬件 IOMMU 上移至用户空间，消除一次 PCIe 往返，并通过共享内核状态设计将弹性 VM 冷启动内存开销降至 50MB 以下）。
产业指标最能说明这项工作的分量：Spillway 已在阿里云生产环境中大规模部署超过 1.5 年，覆盖 3000 余台物理服务器、支持超过 20 万 vCPU 的工作负载。高并发连接风暴场景下单节点连接处理能力（CPS）提升高达 90%，溢出路径相比纯 DPU 路径仅增加约 10 微秒延迟（基线平均 18μs、溢出路径平均 28μs），Nginx 短连接吞吐提升约 25%。最关键的是经济效益：集群可变现 vCPU 容量从约 12 万提升至约 18 万，资源变现率提升 50%，每投入 1 单位计算资源可回收约 3 单位高价值变现容量。
3.3 郭镇远 —— 大模型高效推理方向
郭镇远为 ARClab 2024 级在读博士生，主要研究方向为大语言模型高效推理、大模型系统与模型压缩。他是魏成坤指导谱系中的第二梯队，也是"安全"主线向"效率"主线延伸的代表。
PhiMM（ACL 2025）。论文全称 Be Cautious When Merging Unfamiliar LLMs: A Phishing Model Capable of Stealing Privacy，郭镇远为第一作者，由陈文智与魏成坤联合指导。该工作首次揭示了模型合并（Model Merging）过程中的隐私数据泄漏问题，提出了针对模型合并的隐私窃取方法 PhiMM：攻击者训练一个能够窃取隐私数据的"钓鱼模型"，通过特定任务数据集（如数学问答）微调使其具备伪装能力，并引入钓鱼伪装平衡损失（Phishi-Cloak Balance Loss，PCBL）解决伪装训练中的灾难性遗忘问题；一旦受害者从开源社区下载并合并该模型，合并后的 LLM 会继承隐私窃取能力，攻击者即可用钓鱼指令窃取其他参与合并模型的训练数据隐私。论文考虑了数据提取攻击（DEA）与成员推理攻击（MIA）两种威胁，并呼吁开源社区建立严格的模型审查机制。
DYNTS（ICML 2026）。论文全称 Dynamic Thinking-Token Selection for Efficient Reasoning in Large Reasoning Models，郭镇远为第一作者，指导老师为陈文智、魏成坤。这项工作聚焦大推理模型在长链式推理中的 KV Cache 显存与计算开销问题。核心发现颇具洞察力：长达数千到上万 Token 的推理轨迹中，思考 Token 的重要性呈现明显稀疏性，只有约 21.1% 的思考 Token 高于平均重要性分数；当仅保留重要性最高的约 30% 思考 Token 并让模型直接生成最终答案时，模型几乎可以恢复完整推理轨迹下的性能——作者将这一现象概括为大推理模型中的"帕累托原则"。据此提出的 DYNTS 在模型最后一层隐藏状态后接入轻量级重要性预测器，采用由问题窗口、选择窗口和局部窗口组成的双窗口 KV Cache 管理机制。实验在 DeepSeek-R1-Distill-Llama-8B 与 DeepSeek-R1-Distill-Qwen-7B 上、跨 AIME24/AIME25/AMC23/GPQA-Diamond/GAOKAO2023EN/MATH500 六个基准展开：R1-Llama 上平均 Pass@1 达 61.9%（超过此前最佳的 R-KV 的 59.6%），R1-Qwen 上达 65.3%（接近完整缓存基线的 65.5%）；同时分别获得约 1.9 倍与 1.6 倍平均吞吐提升，峰值可达 4.51 倍加速、KV 内存压缩至全缓存基线的 0.19 倍、计算开销降低 0.52 倍。
3.4 陆涛、王浩宇 —— 异构算力与 GPU 加速方向
陆涛与王浩宇是 DAC 2026 论文《Accelerating GPU Inference of Large Language Models with Moderately Unstructured Sparse Weight Matrices》的完成人，主要研究方向为高性能计算架构与系统软件。该论文解决中等稀疏度（约 50%）下大语言模型难以在 GPU 上获得实际加速的业界难题，构建了三层矩阵存储与执行架构：Sparse-TC 层（优化数据布局以无缝调用硬件 Sparse Tensor Cores）、插槽填充层（基于并行差分距离的压缩算法实现零开销级片上解码）、轻量级残余层（补丁机制处理非规则稀疏元素）；并设计了同时驱动 Sparse Tensor Cores 与 CUDA Cores 协同工作的混合执行流水线。实验表明这是目前首个在 HBM GPU 上针对中等稀疏度真正跑赢稠密算子的方案，相比最先进的其他 GPU 实现实现高达 1.64 倍内核加速，端到端 LLM 推理比先进方案快 1.41 倍。
需要澄清一点：ARClab 官方新闻明确记载 DAC 2026 这篇论文"在陈文智教授和王总辉老师指导下完成"，指导教师是王总辉而非魏成坤。 但魏成坤与陆涛之间存在直接的、更早的合作关系——2023 年 IACR Transactions on Cryptographic Hardware and Embedded Systems（TCHES）的论文 cuZK: Accelerating Zero-Knowledge Proof with a Faster Parallel Multi-Scalar Multiplication Algorithm on GPUs，作者列表为 T Lu、C Wei、R Yu、C Chen、W Fang、L Wang、Z Wang、W Chen，陆涛为第一作者、魏成坤为第二作者。此后陆涛在 ASPLOS 2025 的 BatchZK: A Fully Pipelined GPU-Accelerated System for Batch Generation of Zero-Knowledge Proofs 中继续担任第一作者（与硕士生陈于勋合作，由陈文智与王总辉指导）。因此更准确的描述是：陆涛是魏成坤早期在 GPU 零知识证明加速方向共同带教过、后来主要转由王总辉指导的学生，他的成长轨迹恰好体现了 ARClab 内部指导资源的流转机制。这一点在梳理魏成坤学生名单时需要区分清楚，不宜将 DAC 2026 直接计入其指导成果。
3.5 胡祥、施熠 —— 硕士生梯队
胡祥为 ARClab 2023 级在读硕士生，主要研究方向为云计算和网络，是 IEEE TMC 论文《Distributed Rate Limiting under Decentralized Networks》的第一作者，该论文由陈文智教授和魏成坤老师联合指导。工作提出了面向去中心化云基础设施的分布式限速算法 C3PDAR（Cloud Control with Constant Probabilities and Dynamic Adjustment Range），包含三项创新：CPS-BPS DualPoint 速率限制与父子令牌桶机制（缓解突发流量和短暂连接，提高带宽公平性与租户间隔离）；vSwitch-CGW 级联限速架构（降低 CGW 集群 CPU 开销，收敛速度提升 42%–78%）；VXLAN 填充方案（将限速信息嵌入现有流量而非传输新数据包，通信开销降低 40% 以上）。这项工作是 APNet 2024 上 CMDRL 论文的期刊延伸，同属魏成坤云网络主线的一部分。
施熠为 ARClab 2024 级在读硕士生，主要研究方向为多模态内容理解和大模型安全，是 AAAI 2026 论文《Enhancing Meme Emotion Understanding with Multi-Level Modality Enhancement and Dual-Stage Modal Fusion》的第一作者，由陈文智教授和魏成坤老师指导。该工作提出模因情感理解框架 MemoDetector，利用多模态大模型对模因进行四步骤文本增强以挖掘隐含含义与背景知识，并设计双阶段模态融合策略（第一阶段对原始模因图像和文本浅层融合，第二阶段深度整合增强的视觉与文本特征）。实验在 MET-MEME 上提高 4.3% F1 分数、在 MOOD 上提高 3.4%。
3.6 早期合作的师弟师妹与毕业生去向
在其博士后阶段（2021-2024），魏成坤还与一批 ARClab 的同期学生形成了合作关系，这些人严格来说不算他的学生，但构成了他指导能力的早期演练场。赵明虎与余瑞璟分别是 CCS 2023 两篇论文（DPMLBench 与 Securely Sampling Discrete Gaussian Noise）的第二作者，据 ARClab 新闻披露两人当时为 ARClab 在读硕士生。徐天宇（T Xu）参与了 Achelous（SIGCOMM 2023）与 CMDRL（APNet 2024）。杨晔（Y Yang）是 Achelous 与 Triton 的重要作者，现为 ARClab 博士后，是他从合作学生转为同事的一例。李伟贤（W Li）与龚晨（C Gong）是 TIFS 2025 论文 DC-SGD 的第二、第三作者。此外，HyQ（CCIC 2023，他为通讯作者）的第一作者陈义全、BM-Store（HPCA 2023）的相关作者也与其有过合作。
关于已毕业学生的去向，目前公开信息尚未系统披露。这是符合客观情况的：他 2024 年才获得博导资格，首批以其名义正式招收的博士生尚在培养周期内，最早也要到 2028 年前后才会产生独立培养的博士毕业生（推测）。孟文龙作为 2021 级博士生，按正常学制应在 2026-2027 年毕业，从其成果密度（NDSS 杰出论文、USENIX Security、ACL、TIFS、ICML）判断，具备进入国内一流高校教职或头部企业研究院的竞争力（推测）。从 ARClab 的整体传统看，其毕业生主要流向华为、阿里云、蚂蚁集团等企业的系统与安全部门——2021 届七位毕业生中六位进入产业界、李国玺去了华为，这一分布具有代表性。
四、学术合作网络
魏成坤的合作网络呈现出典型的"单中心 + 双翼"结构：以陈文智为绝对核心枢纽，向 ARClab 内部教师与阿里云/蚂蚁两大产业方向延伸，同时通过差分隐私方向与浙大网安学院、外部隐私研究者形成第三条相对独立的连接。
4.1 陈文智 —— 导师、通讯作者与资源枢纽
陈文智是这张网络中不可替代的中心节点。他是浙江大学求是特聘教授、博导，ARClab 实验室主任兼创始核心，同时担任浙江大学信息技术中心主任、浙江大学-蚂蚁集团金融科技研究中心主任、浙江大学-安恒信息前沿技术联合研究中心主任、AZFT（阿里巴巴-浙江大学前沿技术联合研究中心）智能计算系统实验室联合主任。2021 年他入选浙江省"万人计划"教学名师。ARClab 创立于 1990 年，由陈文智领衔，学科定位是"以操作系统为核心竞争力，向下深入到体系结构，向上提升到分布式软件，横向扩展到信息安全"。
在魏成坤的全部成果中，陈文智（W Chen）几乎无一例外地出现在末位通讯作者位置——Achelous、LMSanitator、DPMLBench、Securely Sampling Discrete Gaussian Noise、AsgLDP、OB-WSPES、DC-SGD、EduNER、HyQ、BM-Store、cuZK、Triton、CMDRL，覆盖其学术生涯的全部年份与全部方向。这种覆盖度说明陈文智不仅是学位导师，更是其项目资源、产业渠道与学术信用的主要来源。
这一关系在 2024 年之后发生了性质上的演进。从新闻稿的表述可以清楚看到变化：2023 年的表述是"该论文由陈文智教授指导"（魏成坤作为一作被列为学生辈的研究人员），而 2025 年之后的表述统一变为"指导老师是陈文智教授和魏成坤老师"或"由陈文智教授和魏成坤老师联合指导"。这个措辞的切换标志着他已经在陈文智的大框架下获得了独立的方向主导权与学生署名权，形成了与董明凯在 IPADS、与许多国内本土青年教师类似的"师徒双通讯"结构。
4.2 王总辉 —— 平行分工的所内同事
王总辉是 ARClab 的高工、博导，是与魏成坤形成平行分工关系的最重要所内同事。两人的方向分工非常清晰：王总辉负责体系结构底层（预取器、GPU 算子、零知识证明加速）与多模态 AI，指导林溢泉（HPCA 2026 的 I-POP、MICRO 2026 的 PRISM、TCAD 2024 的 PARS）、袁新宇（TKDE 2026、ICLR 2026）、杨勇（USENIX Security 2025 的 PRSA）、马哲（AAAI 2024）、包晗（IJCAI 2024）、高袁圣（WWW 2026）、李鑫（CVPR 2026）、陆涛（ASPLOS 2025 的 BatchZK、DAC 2026）等；魏成坤负责数据安全与云网络，指导孟文龙、蒋骁翀、郭镇远、胡祥、施熠等。
两人的直接论文合作目前公开可见的只有 cuZK（TCHES 2023，陆涛一作、魏成坤二作、王总辉参与）这一项，加上共同参与的 USENIX Security 2025 双论文批次。这说明他们更多是资源互补而非课题共享的关系——共同支撑陈文智主导的 ARClab 学生培养体系，各自守住一个技术板块。这种分工对实验室是高效的，但也意味着两人之间的直接学术耦合度不高。
4.3 ARClab 内部的其他教师
张紫徽为 ARClab 实验室副主任，在 AZFT 智能计算系统实验室的季度会议、浙江大学-安恒信息联合研究中心的成立仪式等实验室层面的产学研活动中均有出席，与魏成坤在同一实验室治理体系内，但目前公开的论文合作记录不明显。纪守领是研究员、博导，是 ARClab 教师名单中另一位安全方向的核心人物，也是国内 AI 安全领域的知名学者。魏成坤与纪守领（S Ji）有明确的论文共现：TIFS 2020 的 AsgLDP: Collecting and Generating Decentralized Attributed Graphs with Local Differential Privacy（C Wei、S Ji、C Liu、W Chen、T Wang）与 TDSC 2021 的 OB-WSPES: A Uniform Evaluation System for Obfuscation-Based Web Search Privacy（C Wei、Q Gu、S Ji、W Chen、Z Wang、R Beyah）。这两篇都是他博士期间的隐私方向工作，说明纪守领在其早期的安全研究训练中扮演了重要角色。陈建海、施青松为副教授，王则可为研究员，杨晔、王吾冰为博士后。此外 ARClab 还有一批外派/兼职教师，包括武汉科技大学教授胡威、杭州电子科技大学副教授程雨夏，两人都是 ARClab 体系培养出去的学者，构成了实验室在长三角与华中地区高校的外延网络。
4.4 跨机构与国际合作
王同（Tianhao Wang）是他在差分隐私方向最重要的外部合作者。两人合作了 AsgLDP（TIFS 2020）与 Securely Sampling Discrete Gaussian Noise for Multi-Party Differential Privacy（CCS 2023）两项工作，均为差分隐私核心理论方向。王同为差分隐私领域的知名研究者（现任教于弗吉尼亚大学），这条连接使魏成坤的隐私研究保持了与国际主流的接轨（推测）。
Raheem Beyah 是 TDSC 2021 论文 OB-WSPES 的合作者，为佐治亚理工学院教授、著名网络安全学者（现任佐治亚理工负责研究的常务副校长）。这是他公开成果中层级最高的国际合作者。
李肖（Xiao Li）与欧阳芳在教育信息化交叉方向与其有合作，产出了 EduNER: A Chinese Named Entity Recognition Dataset for Education Research（Neural Computing and Applications 2023）与 Examining the Effects of a Real-Time, Knowledge-Aware Tool for Academic Writing Assessment（Journal of Educational Computing Research 2023）两项工作。这条支线相对独立，反映了 ARClab 服务浙江大学信息化建设（陈文智兼任浙大信息技术中心主任）的机构属性外溢到学术产出上。有意思的是，这也解释了他在 ARClab 面向教育教学场景的大模型"观止"项目中可能扮演的角色（推测）。
安恒信息刘博博士是 ARClab 层面的重要外部合作者，任浙江大学-安恒信息前沿技术联合研究中心常务副主任、安恒信息高级副总裁，在 WWW 2026 的 DASGen 论文中作为指导教师之一出现。虽然该论文的指导教师为陈文智与刘博（不含魏成坤），但这条产学研通道属于魏成坤所在的安全方向可以调用的机构资源。
五、业界合作关系深度分析
魏成坤的产业关系网是其学术画像中最具辨识度的部分。与许多青年学者"论文发在顶会、落地停留在原型"不同，他的核心成果几乎每一项都有明确的产业载体，且集中在阿里云与蚂蚁集团两家杭州本土巨头身上，这与 ARClab 依托 AZFT（阿里巴巴-浙江大学前沿技术联合研究中心）与浙江大学-蚂蚁集团金融科技研究中心两大机构平台的地缘优势直接相关。
5.1 阿里云 —— 从 Achelous 到 Triton 再到 Spillway 的三代云网络合作
这是魏成坤最深、最连续的产业关系，三项 SIGCOMM 级别的成果构成了一条完整的技术演进链条，且每一代都对应了他在合作中角色的一次跃升。
第一代：Achelous（SIGCOMM 2023）——他作为一作主导。 论文全称 Achelous: Enabling Programmability, Elasticity, and Reliability in Hyperscale Cloud Networks，作者为 C Wei、X Li、Y Yang、X Jiang、T Xu、B Yang、T Wu、C Xu、Z Chen、Z Wang、Z Zhang、S Zhu、W Chen，是 ARClab 科研团队与阿里云联合研究的网络虚拟化平台。ARClab 官方新闻在报道时的表述为"魏成坤、杨晔、蒋骁翀、徐天宇的论文"，明确了浙大侧的核心团队构成。作者列表中的朱世新（S Zhu）、张钊（Z Zhang）等为阿里云侧的合作者（推测）。这项工作的意义在于，它是魏成坤博士后期间从"参与者"变为"主导者"的转折点。
第二代：Triton（SIGCOMM 2024）——他作为通讯作者之一。 论文全称 Triton: A Flexible Hardware Offloading Architecture for Accelerating Apsara vSwitch in Alibaba Cloud，作者为 X Li、X Jiang、Y Yang、L Chen、Y Wang、C Wang、C Xu、Y Lv、……、C Wei*、Z Zhang、W Chen、Q He、S Zhu。注意他在此处的署名带星号（通讯作者标记）并位于作者列表靠后位置，这是典型的"从一作转为通讯"的角色转换。论文主题直指阿里云 Apsara vSwitch（飞天云虚拟交换机）的下一代硬件卸载架构，属于直接服务于阿里云生产系统的工程性研究。
第三代：Spillway（SIGCOMM 2026）——他作为指导教师。 如前文所述，蒋骁翀一作、他与陈文智共同指导，且该系统已在阿里云生产环境部署超过 1.5 年、覆盖 3000 余台物理服务器、支持超过 20 万 vCPU。从 Achelous 到 Spillway，浙大侧的核心执行者从魏成坤本人变成了他的学生，而他退居指导位置——这是一个学者课题组走向成熟的标准信号。
除 SIGCOMM 主线外，这条合作还有若干支线成果：CMDRL（CMDRL: A Markovian Distributed Rate Limiting Algorithm in Cloud Networks，APNet 2024，他为通讯作者）与其期刊扩展版 C3PDAR（IEEE TMC 2025，胡祥一作），聚焦云网络分布式限速；OS2G（ASPLOS 2025，A High-Performance DPU Offloading Architecture for GPU-based Deep Learning with Object Storage）是 ARClab 与阿里云在 DPU 卸载对象存储方向的合作成果。此外他还主持有直接的阿里云横向项目。
这条产业关系的价值需要从技术判断力角度理解。DPU 虚拟交换、云网络限速、对象存储卸载这几个问题，都是只有接触到超大规模生产环境才能准确识别的真问题——Spillway 论文提出的核心洞察"DPU 数据平面在主机计算资源远未耗尽时便已饱和，大量主机算力沦为无法变现的闲置资源"，以及它使用的评价指标"集群资源变现率"，都不是从公开 benchmark 上能推导出来的。这种问题意识只能来自与云厂商的深度绑定，也构成了其他实验室难以复制的壁垒。
5.2 蚂蚁集团 —— 隐私计算与 NDSS 杰出论文的产业延伸
与蚂蚁集团的合作是他数据安全主线的产业出口，机构载体是 2020 年 9 月成立的浙江大学-蚂蚁集团金融科技研究中心（陈文智任中心主任并兼任智能计算实验室主任，下设全球金融科技实验室、数据安全与隐私保护实验室、智能计算实验室三个实验室）。
最具体的成果是 NeurIPS 2024 大语言模型隐私挑战赛（LLM-PC）。据媒体报道，蚂蚁数科旗下摩斯联合浙江大学计算机体系结构实验室陈文智、魏成坤团队共 9 人组成"Morse & ARCLab"参赛队伍，在这项由加州大学伯克利分校、德州大学奥斯汀分校、UIUC、新加坡国立大学、Center for AI Safety 等机构联合命题的官方竞赛中，从来自伯克利、芝加哥大学、微软、亚马逊等的 30 支队伍中脱颖而出，斩获攻击赛道（红队）冠军以及防御赛道的最佳实用防御奖。魏成坤被明确列为团队负责人之一，这是其产业合作中身份最靠前的一次公开亮相。竞赛的技术内容——从隐私数据微调的 Llama-3.1-8B 模型中提取 PII——与他和孟文龙在 ACL 2025 的 R.R. 工作高度同源，可以视为同一技术积累在竞赛与论文两个渠道的双重变现。
此外，他还主持 CCF-蚂蚁科研基金项目。该基金聚焦可信机密计算、密码学、隐私 + 大模型等方向，2024 年第三期收到来自清华、北大、浙大、上交、复旦等 42 所高校的申请，最终仅 9 个项目入选，竞争激烈度较高。ARClab 与蚂蚁的合作还延伸到系统调度层面，IEEE TPDS 2025 的 Beehive: Decentralised High-frequency Small Tasks Scheduling in Large Clusters 即为双方合作成果。
5.3 NDSS 2024 杰出论文奖工作的产业安全应用价值
LMSanitator 这项工作的产业价值需要单独展开，因为它是国内高校 AI 安全研究中少见的"从真实产业需求出发、又反哺产业部署"的完整闭环案例。
先看技术问题的产业根源。随着现代 NLP 模型规模膨胀，原本的"预训练-微调"范式面临成本挑战——微调大模型全部参数使其适应下游任务的开销对普通开发者不可承受。提示学习（Prompt-tuning）通过冻结预训练模型、仅增加不到原模型 1% 的可训练参数，使用户能在消费级显卡上适配大模型，因而在大模型社区迅速流行。但这一范式存在一个结构性安全隐患：由于提示学习天然冻结预训练模型参数，隐藏在预训练模型中的后门极难在训练过程中被消除，这就为攻击者在预训练模型中投毒创造了条件。当企业从 HuggingFace 等开源社区下载第三方预训练模型并用提示学习适配业务时，实际上是在把一个不可审计的黑盒引入生产链路。
LMSanitator 的技术路线是"反其道而行之"。与传统后门检测方法逆向 trigger（触发词）的思路不同，LMSanitator 逆向异常的输出，在任务无关后门（Task-Agnostic Backdoor）的计算上比以往 SOTA 方法有更好的收敛性；同时借鉴软件测试中模糊测试（fuzzing）的方法逆向出预训练模型中的异常输出，然后在提示学习模型的输出端监测其输出是否异常。这个"从软件测试借方法论到 AI 安全"的跨界思路，恰好反映了 ARClab 系统软件出身的方法论底色。
实验结果具备工程可用性：在 3 种任务无关后门攻击、十余种最先进语言模型、8 种下游任务的组合评估中，后门检测任务上 LMSanitator 在 960 个模型上取得 92.8% 的检测精度；后门消除任务上可在绝大多数场景下将攻击成功率（ASR）降到 1% 以下；且全程不要求模型训练者更新语言模型参数，完整保留了提示学习的轻量性——这一点对产业部署至关重要，因为它意味着 LMSanitator 可以作为一个旁路组件插入现有 MLOps 流程，而不需要改造模型训练管线。
最关键的产业锚点在于，浙江大学计算机学院的官方新闻明确记载："该方法结合 ARClab 实验室开源大模型 OpenBuddy 社区的应用需求，为语言模型的安全部署提供了保障。" OpenBuddy 是诞生于 ARClab 的开源大模型，曾在 2023 年阿里云云栖大会 AI+ 馆展出，其性能被评价为接近顶尖闭源模型；ARClab 还基于 OpenBuddy 的训练技术面向教育教学场景推出了大模型"观止"，针对课堂交互、教师角色扮演、学科问答等下游任务优化，集成语音技术与数字人技术。这意味着 LMSanitator 不是一个孤立的学术防御方案，而是有一个真实的、正在运营的开源模型社区作为需求提出方与验证场景。对于任何需要使用第三方预训练模型的企业——尤其是金融、政务等对模型供应链安全敏感的行业——这套方法提供的是可直接落地的模型准入审查能力。
这一奖项的含金量也需要说明。NDSS 与 IEEE S&P、CCS、USENIX Security 并称网络安全领域"四大顶会"（BIG4），是 CCF 推荐 A 类会议，录用率常年保持在 17% 左右。2024 年 NDSS 共收到 694 篇投稿、录用 140 篇，杰出论文仅 4 篇——也就是说，这篇论文是从 694 篇投稿中筛选出的前 0.58%。这是 ARClab 建立以来在安全领域获得的最高级别国际认可，也是浙江大学在 NDSS 上的首个杰出论文奖（推测）。
5.4 异构算力融合方向与芯片、云计算企业的潜在合作
"异构算力融合"是魏成坤在浙江大学个人主页与 ARClab 教师页上同时列出的四大研究方向之一，但它是四个方向中目前公开成果最少、也最具前瞻性的一个。分析其潜在的产业合作面，需要从他已有的技术资产反推。
第一条路径是 DPU 与智能网卡厂商。 他在 Achelous、Triton、Spillway 三代工作中积累的 DPU 卸载与主机-DPU 协同调度经验，是目前国内高校中最贴近生产环境的一批。Spillway 提出的 vATC（虚拟地址转换缓存，将地址翻译能力从硬件 IOMMU 上移至用户空间以消除一次 PCIe 往返）这类优化，直接触及 DPU 硬件设计与驱动栈的边界，对阿里云自研 CIPU、以及国内 DPU 厂商（如中科驭数、云豹智能等）具有直接参考价值（推测）。考虑到他已与阿里云建立了三代合作，向阿里云自研芯片体系（CIPU/倚天）延伸是最自然的路径（推测）。
第二条路径是 GPU 与 AI 芯片方向。 他与陆涛在 cuZK（TCHES 2023）上的合作已经涉及 GPU 上的多标量乘法并行算法优化，而 ARClab 在这一方向的后续成果（BatchZK 的 ASPLOS 2025、DAC 2026 的中等稀疏度 GPU 算子、USENIX Security 2026 的 TensorZKP 重用 GPU 张量核心加速零知识证明）已形成体系。这些工作的共同特点是"重新审视现有硬件单元的非常规用途"——把 Tensor Core 用于 ZKP、把 Sparse Tensor Core 用于中等稀疏度 LLM 推理——这类研究天然是 GPU 厂商与 AI 芯片公司感兴趣的。虽然这条线目前主要由王总辉主导，但作为 cuZK 的第二作者与"异构算力融合"方向的持有者，魏成坤在其中具备参与基础（推测）。
第三条路径是存储与网络硬件。 他在 HyQ（CCIC 2023，NVMe over Fabrics 混合 I/O 队列架构，他为通讯作者）与 BM-Store（HPCA 2023，面向裸金属云的本地存储虚拟化硬件加速架构）上的工作涉及 NVMe 硬件卸载与 SSD 控制器固件层面的协同设计，此外 HydraRPC（USENIX ATC 2024，HydraRPC: RPC in the CXL Era）则将其触角伸向了 CXL 这一新兴互连标准。CXL 是异构算力融合最重要的硬件基础设施，这篇论文的合作者列表（T Ma、Z Liu、C Wei、J Huang、Y Zhuo、H Li、N Zhang、Y Guan、D Niu 等）中包含明显的工业界研究者特征——其中 Dimin Niu、Hongzhong Zheng 等是 Alibaba DAMO Academy 内存与存储方向的研究者（推测），说明他已经通过 CXL 方向与阿里达摩院建立了连接。
综合来看，"异构算力融合"对他而言不是一个空泛的口号，而是三条已有技术资产（DPU 网络卸载、GPU 算子加速、CXL/NVMe 存储互连）的收敛点。这一方向的产业价值在于，随着大模型推理成本成为核心矛盾，如何把 CPU、GPU、DPU、CXL 内存池这些异构资源统一编排为可弹性调度的算力池，正是云厂商当下最迫切的需求——Spillway 中"把闲置主机核心转化为可变现网络处理能力"的思路，本质上就是这一问题在网络子系统上的一个实例。可以预期他未来的合作会沿着"从单一子系统的异构协同走向全栈算力池化"的方向展开（推测）。
六、重要奖项与学术兼职
NDSS 2024 Distinguished Paper Award（杰出论文奖） 是他最重量级的个人荣誉。获奖论文为 LMSanitator: Defending Prompt-Tuning Against Task-Agnostic Backdoors，他为第一作者、孟文龙为第二作者。会议于 2024 年 2 月 26 日至 3 月 1 日在美国圣迭戈举办，本届共收到 694 篇投稿、录用 140 篇，杰出论文仅 4 篇。NDSS 与 IEEE S&P、CCS、USENIX Security 并称网络安全领域"四大顶会"，为 CCF 推荐 A 类会议，由 ISOC（国际互联网协会）主办，自 1993 年起已连续举办三十余届。浙江大学计算机学院与 ARClab 均在官网发布专题新闻报道此事，学院新闻的标题为《计算机学院 ARClab 实验室斩获 2024 年 NDSS 杰出论文奖！为大语言模型保驾护航》。
浙江省科学技术进步奖一等奖。2024 年 11 月 22 日全省科学技术奖励大会公布 2023 年度浙江省科学技术奖，ARClab 作为主要单位参与的"云网端新型融合计算架构及应用"项目荣获浙江省科学技术进步奖一等奖。他的浙江大学个人主页明确将"浙江省科技进步一等奖"列入个人获奖记录。这一项目的名称"云网端新型融合计算架构"与他的研究主线（云计算、高性能网络、异构算力融合）高度吻合，他应为主要完成人之一（推测）。
NeurIPS 2024 大语言模型隐私挑战赛（LLM-PC）攻击赛道冠军 + 最佳实用防御奖。如前文所述，由他与陈文智带领的浙大团队联合蚂蚁数科摩斯组队获得。这是其个人主页明确列出的荣誉之一。
启真优秀青年学者。这是浙江大学面向校内青年教师设立的荣誉称号，与"百人计划"研究员身份配套。
科研项目支持：国家自然科学基金（主持）、宁波市重点研发计划（主持）、浙江省博士后择优资助项目（主持）、CCF-蚂蚁科研基金（主持）、阿里云项目（主持），以及参与的国家重点研发计划课题。
学术活动方面，公开可查的记录包括：2023 年 12 月作为讲者参加 AI TIME 组织的 SIGCOMM 2023 中文分享活动首场直播，介绍 Achelous 工作；2021 年 7 月主持 ARClab 暑期全员会议。目前尚未检索到他在国际会议程序委员会（PC）任职的公开记录，这与其 2024 年才转为正式教职的时间点相符——国内青年学者通常在获得独立教职 2-3 年后才开始密集进入顶会 PC（推测）。考虑到他在 NDSS/CCS/USENIX Security 与 SIGCOMM 两个社区都有一作或通讯作者级别的成果，未来几年进入这两个方向的 PC 是可预期的（推测）。
七、Connection 圈层总结
以魏成坤为中心，其学术关系网络可以清晰地划分为五个圈层。他的整体定位可以概括为：陈文智培养的本土博士 + ARClab 新生代学术骨干 + 系统与安全双主线的顶会顶刊高产研究员。
第一圈层：导师陈文智——唯一的中心节点，也是全部资源的入口。 这是整张网络中密度最高、也最不可替代的单一连接。从 2016 年加入 ARClab 到 2026 年成为博导，十年间陈文智出现在他几乎全部的学术成果、全部的产业项目、以及全部的学生指导记录中。这种绑定度在国内本土培养的青年学者中属于极端案例，其利弊都非常鲜明：好处是他得以在博士与博士后阶段就直接接触阿里云、蚂蚁集团这类顶级产业资源，并在 SIGCOMM、CCS、NDSS 这样的顶会上以一作身份亮相——这些机会对没有海外背景的本土博士而言极为稀缺；代价是他目前尚无完全独立于陈文智的署名成果，学术独立性的建立仍在进行中。从 2024 年之后新闻稿措辞从"陈文智教授指导"变为"陈文智教授和魏成坤老师联合指导"这一变化看，这个过程正在稳步推进。
第二圈层：ARClab 新生代教师梯队——平行分工的同侪。 核心是王总辉（体系结构/GPU 加速方向，与其形成互补分工，共同承担 ARClab 学生指导的两个技术板块）与纪守领（安全方向的资深同事，在其博士期间的隐私研究上有 AsgLDP、OB-WSPES 两项直接合作）。此外还有实验室副主任张紫徽、副教授陈建海与施青松、研究员王则可，以及博士后杨晔（从 Achelous/Triton 的合作者转为同事）与王吾冰。这一圈层的特点是"机构共同体强于学术耦合"——大家共享陈文智搭建的产学研平台与学生池，但直接的论文合作并不密集。在 ARClab 的教师序列中，魏成坤与王总辉是唯二的青年博导，两人共同构成了实验室从陈文智一代向下一代过渡的中坚力量。
第三圈层：自己的学生梯队——增长最快、也是他学术独立性的主要载体。 骨干是孟文龙（2021 级博士，NDSS 杰出论文二作、USENIX Security 2025/ACL 2025/TIFS 2026/ICML 2026 一作，大模型安全方向的第一梯队学生）、蒋骁翀（博士，SIGCOMM 2026 一作，云数据中心网络方向的接班人，从 Achelous 时期就参与合作）、郭镇远（2024 级博士，ACL 2025/ICML 2026 一作，大模型高效推理方向）。硕士梯队包括胡祥（2023 级，IEEE TMC 一作，云网络限速）与施熠（2024 级，AAAI 2026 一作，多模态与大模型安全）。此外，陆涛是他早期在 GPU 零知识证明方向共同带教、后来转由王总辉主导指导的学生（cuZK 中他为第二作者，DAC 2026 由王总辉指导）。更早期的合作学生还有赵明虎、余瑞璟（CCS 2023 两篇的二作）、徐天宇（Achelous、CMDRL）、李伟贤与龚晨（DC-SGD）。这一圈层的产出密度已经相当可观：仅 2025-2026 两年间，他指导的学生就在 USENIX Security、SIGCOMM、ICML × 2、ACL × 2、AAAI、TIFS、TMC 上产出了九项 CCF-A 级别成果，这个数字对于一位 2024 年才获得博导资格的研究员而言相当罕见。
第四圈层：产业界——阿里云与蚂蚁集团双核。 阿里云支通过 Achelous（SIGCOMM 2023）→ Triton（SIGCOMM 2024）→ Spillway（SIGCOMM 2026）三代云网络工作串联，辅以 CMDRL/C3PDAR 的限速方向与 OS2G 的 DPU 存储卸载方向，机构载体是 AZFT 智能计算系统实验室；蚂蚁集团支通过 NeurIPS 2024 LLM-PC 竞赛（与蚂蚁数科摩斯联合组队）、CCF-蚂蚁科研基金项目、以及 Beehive（TPDS 2025）串联，机构载体是浙江大学-蚂蚁集团金融科技研究中心。此外还有通过 HydraRPC（USENIX ATC 2024）建立的与阿里达摩院在 CXL 方向的连接（推测），以及 ARClab 层面与安恒信息（刘博博士）、华为的机构关系。这一圈层的独特之处在于产业不只是他的成果输出方，更是他的问题来源方——Spillway 那样"集群资源变现率提升 50%"的评价维度，只有在真实的云生产环境中才成立。
第五圈层：跨机构与国际学术连接——相对稀疏但质量不低。 主要包括差分隐私方向的王同（Tianhao Wang）（AsgLDP、CCS 2023 离散高斯噪声采样两项合作，现任教于弗吉尼亚大学）、网络安全领域的Raheem Beyah（TDSC 2021 的 OB-WSPES 合作，佐治亚理工学院教授），以及教育信息化交叉方向的李肖与欧阳芳（EduNER、学术写作评估工具两项工作）。这一圈层是他网络中最薄弱的一环——作为一位从未有海外求学或访学经历的本土培养学者，他的国际学术连接主要通过合作论文而非人员流动建立，广度有限。
综合判断。 魏成坤的 connection 网络具有一个非常典型的"本土精英型青年学者"形态：纵向的师承与机构绑定极深（十年一个实验室、一位导师），横向的机构多样性偏低（无海外经历、无跨校任职），但产业穿透深度极高（成果在阿里云 3000 台服务器规模的生产环境运行超 1.5 年），且在两条互不相干的技术主线上同时保持了顶会顶刊级别的产出能力。他与上海交大 IPADS 的董明凯等人属于同一类型——都是导师体系内成长起来、以产业深度合作换取问题质量与资源的本土博士，区别在于董明凯的产业出口是华为的开源基础软件生态，而魏成坤的产业出口是阿里云的云基础设施与蚂蚁的隐私计算。
他当前所处的阶段可以准确定位为"从优秀学生到独立 PI 的转型中段"：学生梯队已经成型且产出爆发（2025-2026 两年九项 CCF-A），方向主导权已经确立（云网络与大模型安全两块由他专属负责），产业资源已经继承（三代阿里云 SIGCOMM 合作的主导者从他本人平滑过渡到他的学生），但完全独立于导师的学术身份尚未建立（无独立署名论文、无国际会议 PC 任职）。未来三到五年的关键变量在于：孟文龙这批学生毕业后的去向能否形成他自己的学术辐射网、"异构算力融合"这一新方向能否长出独立于陈文智体系的标志性成果、以及他能否在 NDSS/CCS 或 SIGCOMM 社区中获得程序委员会级别的话语权。
对于希望与其建立联系的研究者或企业，最有效的接入点依次是：大模型安全与数据隐私（NDSS/CCS/USENIX Security 社区，尤其是模型供应链安全与训练数据版权方向）、云数据中心网络与 DPU 卸载（SIGCOMM 社区，需具备生产环境数据支撑）、异构算力融合与 CXL/GPU 协同（新兴方向，合作窗口相对开放），以及通过 ARClab 的 AZFT、浙大-蚂蚁金融科技研究中心、浙大-安恒联合研究中心三个机构平台切入。