文章总结： 上海交大IPADS研究所4篇论文被存储顶会FAST’26录用，接收率17.5%。RASK提出云块存储范围索引框架，内存占用最高降98.9%，吞吐量提升32倍；SysSpec首创基于规约的生成式文件系统开发框架，开发效率提升3-5倍；SolidAttention实现SSD-based本地LLM推理，128K上下文下加速3.1倍且KV缓存内存降98%；AITurbo与华为云合作设计面向AI任务的云存储系统，利用高速计算网络满足带宽需求。 综合评分： 85 文章分类： 云安全,安全建设,AI安全,数据安全,网络架构

上海交大并行与分布式系统研究所4篇论文被存储系统领域的顶级学术会议FAST’26录用

信息网络安全杂志

2026年2月5日 17:00 上海

第24届USENIX文件与存储技术会议（FAST: 24th USENIX Conference on File and Storage Technologies）将于2026年2月24日-26日在美国加利福尼亚州的圣克拉拉召开。FAST是存储系统领域的顶级学术会议。本次共有177篇论文投稿，接收31篇（接收率17.5%）。IPADS研究所四篇论文被接收。

【RASK】云块存储作为现代云计算架构的基石，为海量数据提供了可靠的虚拟存储服务 。这些系统需维护庞大的逻辑地址到物理地址的映射索引，但其扩展效率却受到两大核心难题的制约：一是随着用户规模扩张和高密度存储介质（如QLC SSD）的涌现，海量索引条目导致的内存资源极度紧张 ；二是现有的点查询索引机制难以高效适应生产环境中普遍存在的连续范围写入模式。本工作提出了RASK，一种专为云块存储设计的、高性能且内存高效的“范围即键”树形索引框架。RASK通过两项关键技术来应对原生范围索引的挑战：（1）采用日志结构叶节点结合消融式搜索与两阶段垃圾回收机制，有效解决了范围重叠带来的读写性能损耗与内存浪费；（2）引入范围感知分裂与工作负载感知的合并重分裂策略，动态调整叶节点空间以最小化范围碎片化问题 。通过利用自适应基数树（ART）作为内部节点结构，RASK能够以极低的元数据开销原生支持复杂的范围操作。在涵盖阿里云、Google、Meta和腾讯等生产环境的四种真实负载trace上对RASK进行了验证 ，实验结果表明，与当前十种最先进的索引系统相比，RASK的内存占用最高降低了98.9%，吞吐量最高提升了32.0倍，充分展现了其在云存储、分布式文件系统元数据及Flash缓存等多种场景下的通用性与高效性。

论文信息：

– Haoru Zhao, Mingkai Dong, Erci Xu, Zhongyu Wang, Haibo Chen. “Range as a Key” is the Key! Fast and Compact Cloud Block Store Index with RASK. 24th USENIX Conference on File and Storage Technologies, Santa Clara, CA, USA, February, 2026.

【SysSpec】软硬件的发展日新月异，驱动文件系统持续演进的需求，而传统的开发模式面临高昂的人力开发与代码维护成本。为了解决这一挑战，文章提出“生成式文件系统”范式，开发者仅需对文件系统进行设计，利用大模型进行系统代码的自动生成和演进。然而，当前大模型没有能力直接生成系统软件级别复杂度的程序，实现“生成式文件系统”范式面临着以下关键挑战：自然语言语义的局限性，系统架构模块的深度耦合性，以及并发控制逻辑的复杂性。为此，本工作提出了SysSpec，一种基于规约（Specification）的生成式文件系统开发框架设计，SysSpec包含以下关键技术：(1) 受形式化方法启发，用结构化的规约替代模糊的自然语言，用以精确定义系统行为；(2) 基于有向无环图（DAG）的规约补丁，来组织系统演进时对规约的修改，保证系统演进的兼容性和一致性；(3) SysSpec工具链，用来从SysSpec的系统规约生成代码，并通过两阶段生成与反馈循环等机制有效缓解模型幻觉。基于上述方法，本文构建了一个完整的并发文件系统SpecFS，并尝试在SpecFS上集成了十个Linux Ext4文件系统的特性。实验结果表明SpecFS能够达到和手写基准一致的正确性，并大幅提高开发效率 (3-5×)。

论文信息：

– Qingyuan Liu, Mo Zou, Hengbin Zhang, Dong Du, Yubin Xia, Haibo Chen. Sharpen the Spec, Cut the Code: A Case for Generative File System with SYSSPEC.24th USENIX Conference on File and Storage Technologies, Santa Clara, CA, USA, February, 2026.

【SolidAttention】随着AIPC的兴起，用户对在本地部署大语言模型（LLM）的需求持续增长。然而，受限于设备有限的内存容量和庞大的键值缓存（KV cache）开销，本地LLM推理面临严峻的性能瓶颈。本工作提出了推理引擎 SolidAttention，通过动态注意力稀疏算法与基于SSD的存储管理系统深度协同，有效突破内存瓶颈，显著提升本地推理效率。SolidAttention 的核心技术包括：（1）粗粒度KV块结构：将多个KV对交错聚合为大块，减少I/O次数，提升SSD带宽利用率，同时保持对计算的透明；（2）投机预取机制：利用稀疏注意力中KV访问的时序局部性，提前加载数据，降低I/O阻塞开销；（3）计算-I/O协同调度：优化流水线，细粒度重叠加载和计算过程，复用关键同步点，缓解SSD访问延迟的影响。在128K上下文长度下，SolidAttention 实现最高3.1倍推理加速，KV缓存内存占用减少98%，且基本保持模型精度。这一成果为在资源受限的个人设备上高效运行大语言模型开辟了新的可能。

论文信息：

– Xinrui Zheng, Dongliang Wei, Jianxiang Gao, Yixin Song, Zeyu Mi, Haibo Chen. SolidAttention: Low-Latency SSD-based Serving on Memory-Constrained PCs. The 24th USENIX Conference on File and Storage Technologies, Santa Clara, CA, USA, February, 2026.

【AITurbo】AI任务的兴起对云存储带宽提出了严苛需求，然而受限于为成本优化的存算分离架构固有的硬件限制，以及在复杂云存储环境下难以实现的应用定制化优化，满足这一需求面临巨大挑战。本文介绍了我们和华为云合作设计的AITurbo云存储系统，一种面向具有巨大带宽需求的AI作业的云存储系统。AITurbo 利用了集群中的高速计算网络，在不增加额外存储资金成本的情况下满足AI应用的带宽需求；同时引入了一种简单的 grouped I/O API，凭借其捕获的更全面的I/O语义以及对云存储架构的深入理解，能够在存储层自动推导出优化的读写计划，其效果达到甚至超过了一些应用层的简单优化。

论文信息：

– Yingyi Hao, Ting Yao, Xingda Wei, Dingyan Zhang, Tianle Sun, Yiwen Zhang, Zhiyong Fu, Huatao Wu, Rong Chen. Fast Cloud Storage for AI Jobs via Grouped I/O API with Transparent Read/Write Optimizations. The 24th USENIX Conference on File and Storage Technologies, Santa Clara, CA, USA, February, 2026.

来源：上海交大并行与分布式系统研究所

信息网络安全

《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。

中文核心期刊

中国科技核心期刊

中国科学引文数据库来源期刊

CCF计算领域高质量科技期刊

我们在不断努力和完善中，期待您的关注和支持！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：信息网络安全杂志 《上海交大并行与分布式系统研究所4篇论文被存储系统领域的顶级学术会议FAST’26录用》