طراحی معماری توزیع شده مانیتورینگ هوشمند و تحلیل آنلاین لاگ وضعیت سلامت (Health Check) برای شبکه های نظارت تصویری مبتنی بر رایانش لبه-مه

با گسترش روزافزون شبکه های نظارت تصویری هوشمند (IVS) و افزایش بی پایان تعداد دوربین های مداربسته در زیرساخت های کلان شهری، مانیتورینگ دستی و سنتی وضعیت سلامت تجهیزات دیگر پاسخگوی نیازهای عملیاتی و امنیتی نیست. بروز خرابی در سنسورها، قطعی های ناگهانی شبکه، افت فریم و حملات سایبری پنهان می توانند خسارت های جبران ناپذیری به امنیت فیزیکی و سایبری سازمان ها وارد کنند. در این مقاله یک معماری توزیع شده جامع و چندلایه ای لبه-مه-ابر برای مانیتورینگ هوشمند و سیستم ارزیابی سلامت (Health Check) شبکه های نظارت تصویری ارائه شده است. سیستم پیشنهادی مبتنی بر تحلیل خودکار و آنلاین لاگ های متنی سیستم با استفاده از الگوریتم درخت پارس با عمق ثابت (Drain) در لایه لبه و مدل های یادگیری عمیق ترکیبی شامل جنگل انزوا و ترانسفورمرها در لایه مه عمل می کند. علاوه بر این با بهره گیری از تئوری صف (مدل M/M/c/N)، عملکرد سرورهای لایه مه تحت بارهای ترافیکی شدید ارزیابی شده و یک ساختار خود تطبیق پذیر مبتنی بر حلقه MAPE-K برای بازپیکربندی داینامیک سیستم در شرایط بحرانی طراحی گردیده است. نتایج مدل سازی و تحلیل ها نشان می دهد که این رویکرد ترکیبی ضمن کاهش پهنای باند مصرفی شبکه و زمان انتظار در صف پردازش، پایداری و در دسترس بودن خدمات نظارتی (High Availability) را به طور چشمگیری افزایش می دهد.

کلیدواژه ها:

شبکه های نظارت تصویری ، تحلیل لاگ ، سیستم پایش وضعیت سلامت (Health Check) ، رایانش لبه و مه ، یادگیری ترکیبی ، تئوری صف ، سیستم های خود تطبیق پذیر