چارچوب هوشمند یکپارچه برای کنترل امن تحمل پذیر در برابر خطا و توزیع شده در سامانه های محاسبات لب های مبتنی بر دوقلوی دیجیتال

افزایش پیچیدگی و تمرکززدایی سامانه های نوین سایبری فیزیکی و محاسبات لب های توزیع شده، نیاز به سازوکارهای هوشمند، تاب آور و تطبیقی را تشدید کرده است؛ سازوکارهایی که بتوانند به طور هم زمان امنیت، قابلیت اطمینان و دسترس پذیری بالا را در شرایط عملیاتی پویا تضمین کنند. در چنین محیط هایی چالش هایی نظیر رفتار مخرب گره ها، محدودیت منابع، خرابی گره ها و الزامات کنترل بلادرنگ در صورت عدم رسیدگی جامع به طور قابل توجهی عملکرد سامانه را تضعیف می کنند. این مقاله یک چارچوب هوشمند یکپارچه را پیشنهاد می کند که با ترکیب هوش امنیتی مبتنی بر یادگیری عمیق، تحمل پذیری تطبیقی در برابر خطا و تصمیم گیری توزیع شده چندعامله استحکام سامانه های محاسبات لبه ای مبتنی بر دوقلوی دیجیتال را ارتقا می دهد. رویکرد پیشنهادی یادگیری پیشرفته ویژگی ها و شناسایی گره های مخرب مبتنی بر بهینه سازی، تحمل پذیری تطبیقی در برابر خطا مبتنی بر فراابتکاری های ترکیبی و یادگیری تقویتی چندعامله برخط برای کنترل توزیع شده بلادرنگ را در قالبی یکپارچه گرد هم می آورد. با بهره گیری از تکنیک های بهینه سازی ترکیبی برای انتخاب ویژگی و بازتخصیص منابع، معماری های عمیق عصبی برای طبقه بندی دقیق تهدیدها و خطاها، و عامل های یادگیرنده غیرمتمرکز برای کنترل هماهنگ، این چارچوب به صورت پویا با خرابی ها، حملات و تغییرات بار کاری سازگار می شود. ارزیابی های گسترده مبتنی بر شبیه سازی نشان می دهد که روش پیشنهادی در مقایسه با رویکردهای متمرکز و ایستا متداول به طور معناداری دقت تشخیص، احتمال بازیابی، دسترس پذیری سامانه و بهره وری انرژی را بهبود داده و در عین حال زمان از کارافتادگی، هزینه مهاجرت و تاخیر کنترلی را کاهش می دهد. نتایج حاکی از آن است که چارچوب پیشنهادی راهکار همکاری مقیاس پذیر، امن و تاب آور برای سامانه های محاسبات لب های توزیع شده و دوقلوی دیجیتال نسل آینده در محیط های خصمانه و دارای محدودیت منابع فراهم می کند.

کلیدواژه ها:

محاسبات لب های توزیع شده ، دوقلوهای دیجیتال ، تحمل پذیری تطبیقی در برابر خطا ، شناسایی گره های مخرب ، یادگیری عمیق ، الگوریتم های بهینه سازی ترکیبی