鄭珽升
Ting-Sheng Cheng · MintIce
資工 × 資安 × GPU AI Infrastructure
Ting-Sheng Cheng · MintIce
資工 × 資安 × GPU AI Infrastructure
把排程策略放進 Slurm/Kubernetes 實機系統驗證,論文已獲 TANET 2026 接受。
在異質 2-GPU 叢集的中、重度負載下,平均 JCT 較 Backfill 改善 8.1–12.0%;P99 延遲與公平性仍有取捨。
我是國立臺南大學資訊工程學系的大學生鄭珽升,目前大四,正在準備 資工與資安研究所推薦甄試。我的學習路線從系統與程式設計基礎出發,逐步延伸到 資訊安全、逆向工程、高速計算,以及分散式 GPU AI Infrastructure。
我喜歡把抽象問題做成可以執行、測量與重現的系統:在資安實作中分析攻擊鏈與事件, 在 AI Infrastructure 研究中比較排程策略與工作完成時間(JCT),也透過專案理解 作業系統、容器、GPU 與雲端服務如何共同運作。
畢業專題「基於 Slurm 與 Kubernetes 架構下 AI 伺服器 GPU 工作負載智慧排程技術之研究」 已獲 TANET 2026 接受論文,目前也持續修習 TAICA 衛星課程「實體人工智慧」與 學校課程「代理式人工智慧工程」。
研究專題 · 論文投稿
整合 Slurm/Kubernetes、GPU MPS 與 checkpoint-aware draining, 比較深度強化學習排程策略。在異質 2-GPU 叢集的中、重度負載下, 平均工作完成時間較 Backfill 改善約 8.1–12.0%,並分析 P99 延遲與公平性的取捨。 論文已獲 TANET 2026 接受。
Explore Kelpflux →從 Sysmon 事件挑選可疑 PID,再以程序記憶體掃描與 finding 嚴重度決定告警,加入短時間去重。
C++20 · Sysmon · Memory Scanning · Windows
Read project →自製 OpenGL 渲染器,以 GPU SplatMap 顯示塗地、CPU 網格計算碰撞與分數,完成雙隊多人對戰。
C++17 · OpenGL 4.5 · GLSL · GameNetworkingSockets
Read project →串接 Sysmon、Security Event Log 與 Frida,經 Flask/Web3.py 寫入 Solidity 合約,再由 Vue 儀表板追查事件。
Sysmon · Frida · Solidity · Flask · Vue 3
Read project →TAICA「實體人工智慧」;學校「代理式人工智慧工程」
大四|修課中與論文成果 @ 國立臺南大學 資訊工程學系 · Taiwan · Tainan
修習 TAICA 衛星課程「實體人工智慧」與學校課程「代理式人工智慧工程」;畢業專題論文已獲 TANET 2026 接受。
大三|GPU AI Infrastructure 與資安研究 @ 國立臺南大學 資訊工程學系 · Taiwan · Tainan
以 Slurm、Kubernetes 與深度強化學習研究 AI 伺服器 GPU 工作負載排程;在異質 2-GPU 叢集的中、重度負載下,平均 JCT 較 Backfill 改善約 8.1–12.0%,並分析 P99 延遲與公平性的取捨。
大二|資安實作與專案開發 @ 國立臺南大學 資訊工程學系 · Taiwan · Tainan
接觸資訊安全、平行計算與影像處理,開始參與 AIS3 培訓,完成攻擊鏈復現、Prompt Injection 測試與資安課程專案。
大一|計算機科學基礎 @ 國立臺南大學 資訊工程學系 · Taiwan · Tainan
建立程式設計、資料結構、離散數學、線性代數、計算機組織與數位電路等核心基礎。