معماری خودترمیم شونده برای شبکه های IoT با استفاده از هوش مصنوعی مولد

با رشد روزافزون دستگاه های متصل در حوزه اینترنت اشیا (IoT)، پایداری شبکه به یکی از چالش های اساسی تبدیل شده است. خرابی های ناگهانی گره ها، ازدست رفتن مسیرها و اختلال در داده های حسگر می تواند منجر به عملکرد ناپایدار یا توقف کامل سامانه شود. لذا، ایجاد معماری ای که قادر به تشخیص، پیش بینی و بازیابی خودکار خطاها باشد، ضرورتی ایجاد کرده است.در این پژوهش، چارچوبی با نام GA SHIoT (Generative AI Based Self Healing IoT) پیشنهاد می شود که از مدل های هوش مصنوعی مولد (Generative AI) برای شبیه سازی و بازسازی ساختارهای شبکه IoT پس از وقوع خطا بهره می گیرد مدل از ترکیب Diffusion Networks، VAE (Variational Autoencoder) و DRL (Reinforcement Learning) برای پیش بینی نقطه خرابی و تولید توپولوژی جایگزین استفاده کرده است.نتایج شبیه سازی در بستر NS ۳ و Edge Simulator نشان داد که چارچوب GA SHIoT موفق به کاهش ۴۶٪ در زمان بازیابی، افزایش ۳۸٪ در قابلیت دسترس پذیری شبکه، و کاهش ۳۱٪ در ضریب ازدست رفت بسته ها (Packet Loss) نسبت به معماری های سنتی خودترمیم شونده مبتنی بر قواعد شده است