The Web Conference （原WWW会议）是互联网领域的顶级学术会议，旨在为全球研究者提供讨论互联网技术发展的大平台，主题包括互联网技术发展、技术标准化，技术对社会和文化的影响等。今年是致敬互联网30周年，5月13-17日，The Web Conference 2019在加州旧金山举办。

这次会议上，滴滴带来了以下两篇工作： 

基于平均场的多智能体强化学习实现高效分单  

Minne Li, Zhiwei Qin, Yan Jiao, Yaodong Yang, Zhichen Gong, Jun Wang, Chenxi Wang, Guobin Wu, Jieping Ye

网约车平台需要实时高效的将订单信息发送给合适的司机。现有的基于规则的派单算法需要人工设计精确且复杂的特征权重，而基于强化学习的派单算法由于采用了单智能体设定，也无法对复杂的司乘关系进行建模。我们通过使用多智能体强化学习（MARL），将司机视为系统内的智能体，将订单选择视为智能体的动作，以分布式的方式解决了派单问题。在MARL派单算法的基础上，我们采用了平均场估计（Mean Field Approximation），通过智能体和环境之间的相互作用来获取动态的供需变化，实现了派单中智能体之间的合作。实验表明，我们的派单算法在司机累计收入（ADI）和订单响应率（OOR）两个指标上有显著提高。同时，基于真实环境数据的模拟实验表明，我们的派单算法不仅可以显著降低需求与供给间的差距，间接缓解了高峰时期的交通拥堵现象，也在确保乘客体验的基础上提升了司机的应答率。这是一项滴滴与伦敦大学学院汪军教授团队的合作工作。

基于深度神经网络和集成学习的域名生成算法侦测

Shuaiji Li, Tao Huang, Zhiwei Qin, Fangfang Zhang, Yinhong Chang

恶意软件持续危害着网络和数据安全，如僵尸网络等。恶意攻击者往往通过命令控制信道来操控受害机器进行攻击或信息盗取，而其中关键的通信集合点常采用域名生成算法（DGA）动态随机产生，这样可以绕过防御者的黑名单，给防御带来困难。这些域名持续变化，并和海量正常通讯请求混在一起，这样就需要一个高效的实时的DGA分辨器来监控DNS日志。常用的方法比如构建一些统计特征（NXDomain量，DNS解析数等），域名host的特征等需要较长时间，而基于域名本身的各种实时分类器也各有优缺点。因此，本文提出了几种新的实时侦测分辨DGA的算法模型和框架，利用了仅基于域名产生的混合数据作为输入，结合了深度学习方法和词汇特征方法的有点，得到了更高效的实时分类器。在公开数据集上，本文方法取得了99.8%的准确率和召回率。

点击下方网址进入滴滴@The Web Conference 2019会议官方页面：https://outreach.didichuxing.com/www2019/