102 articoli
Questo lavoro propone DARIO, un framework conforme a O-RAN basato sul Calcolo Stocastico delle Reti che ottimizza l'orchestrazione dinamica delle Superfici Intelligenti Ricontrollabili (RIS) per minimizzare la latenza e garantire l'affidabilità nelle applicazioni 6G sensibili ai ritardi.
Questo articolo presenta un nuovo framework per l'orchestrazione IBN nelle reti 5G e 6G basato su un'architettura multi-agente gerarchica che, pur mantenendo una precisione di traduzione simile tra LLM e SLM, dimostra come l'uso di SLM possa accelerare il ciclo di vita IBN del 20%.
Il paper propone il framework DAPR, che integra Digital Twin, apprendimento federato asincrono, un modello predittivo GRU-VAE e apprendimento per rinforzo profondo per ottimizzare la selezione dei client e le decisioni di caching nei sistemi di edge computing veicolare, migliorando significativamente il tasso di hit e riducendo la latenza.
Questo studio dimostra che la scelta della tecnica di costruzione del grafo influenza significativamente le prestazioni dei modelli GNN per il rilevamento di botnet IoT, evidenziando che l'uso del grafo di Gabriel, combinato con un autoencoder variazionale per la riduzione dimensionale, raggiunge la massima accuratezza del 97,56% nel dataset N-BaIoT.
Questo articolo presenta l'implementazione e la dimostrazione di una rete mesh completamente connessa a quattro nodi basata su RFSoC, capace di supportare lo streaming video 4K in tempo reale su dodici collegamenti MIMO sempre attivi con una velocità aggregata di 1,2 Gbps.
Il documento presenta SDN-SYN PoW, un'architettura di difesa adattiva basata su Software-Defined Networking e Proof-of-Work che rileva e mitiga dinamicamente gli attacchi SYN flood multi-dominio applicando costi computazionali solo alle fonti anomale, garantendo al contempo prestazioni ottimali per i client legittimi.
Il paper presenta SIL-GPO, un framework di apprendimento per rinforzo che utilizza reti di attenzione su grafi e apprendimento per auto-imitazione per ottimizzare l'orchestrazione ibrida di servizi AI e microservizi negli ambienti edge, riducendo significativamente la latenza e migliorando l'utilizzo delle risorse rispetto alle soluzioni esistenti.
Il paper presenta pqRPKI, un'architettura RPKI post-quantistica che combina un albero Merkle a più livelli con una nuova struttura di manifest per ridurre drasticamente l'ingombro dei repository e i tempi di validazione, permettendo una transizione graduale e a basso sovraccarico verso la sicurezza contro le minacce quantistiche.
Questo studio empirico dimostra che, per garantire la deterministica end-to-end in una rete 5G-TSN destinata all'IIoT, è fondamentale regolare con precisione gli offset delle finestre di trasmissione del Time-Aware Shaper (TAS) in base ai ritardi e alla jitter misurati sulla rete 5G, evitando così perdite di sincronizzazione o ritardi eccessivi.
Questo articolo presenta un metodo di rilevamento del jamming per le reti 5G basato sulla Convolutional Tsetlin Machine (CTM), che offre un'alternativa efficiente in termini di risorse, interpretabile e adatta all'hardware rispetto alle reti neurali convoluzionali, garantendo prestazioni comparabili con tempi di addestramento ridotti e un minore consumo di memoria su dispositivi edge.
Questo articolo presenta un framework leggero basato su gemello digitale per il tracciamento dei veicoli e la previsione delle collisioni, progettato per l'implementazione su dispositivi edge che utilizza solo il rilevamento degli oggetti e mappe di percorso offline per raggiungere un'accuratezza dell'88% con un basso costo computazionale.
Il documento presenta l'architettura di failover di Uber (UFA), un sistema che ottimizza l'affidabilità e l'efficienza dei costi su larga scala sostituendo il modello di ridondanza 2x con un approccio differenziato basato sulla criticità del servizio, riducendo così il provisioning di base da 2x a 1,3x e liberando oltre un milione di core CPU mantenendo un'uptime del 99,97%.
Il paper presenta Spectra, un algoritmo che ottimizza la schedulazione del traffico per l'addestramento AI su più interruttori ottici paralleli decomponendo la domanda di traffico e bilanciando i carichi, riducendo significativamente il tempo di completamento rispetto alle soluzioni esistenti.
Questo studio presenta il primo testbed fisico dell'Internet of Mirrors (IoM), dimostrando che non esiste una strategia di calcolo universalmente ottimale e che la scelta del posizionamento dei task deve essere adattiva in base alle condizioni di rete, alla vicinanza dei nodi e al carico utente per bilanciare latenza e risorse.
Il documento presenta StageFinder, un framework di apprendimento su grafi temporali che integra dati di provenienza host e di rete per stimare con alta precisione e stabilità le fasi di un attacco APT, ottenendo un punteggio F1 macro di 0,96 su dataset DARPA.
Il paper presenta il "Structured Gossip DNS", un protocollo di risoluzione dei nomi per reti dinamiche su larga scala che utilizza tabelle a dita DHT e operazioni commutative per garantire la resilienza alle partizioni e la consistenza eventuale senza coordinamento globale, riducendo la complessità dei messaggi da a .
Il paper propone l'algoritmo CDA-ND, basato sull'aumento combinatorio dei dati, per rilevare con alta affidabilità le condizioni di non visibilità (NLoS) nelle reti 6G, permettendo di classificare le stazioni base e migliorare significativamente la precisione del posizionamento sia in ambienti dominati dalla visibilità diretta che in quelli prevalentemente NLoS.
Questo articolo propone un framework di ottimizzazione online basato sull'ottimizzazione di Lyapunov per la schedulazione energeticamente efficiente nelle reti di Mobile Edge Computing alimentate da energia wireless, trasformando il problema stocastico in sottoproblemi deterministici risolvibili in modo efficiente e garantendo un compromesso teorico tra latenza e consumo energetico.
Il documento propone PreHO, un meccanismo di handover predittivo per le reti satellitari LEO che, sfruttando la prevedibilità dei canali e il movimento dei satelliti, pianifica proattivamente le transizioni per ridurre significativamente l'overhead di segnalazione e la latenza rispetto alle soluzioni tradizionali.
Questo articolo propone un framework basato sulla decomposizione di Hodge per analizzare i flussi operativi nelle piattaforme serverless, identificando le inefficienze armoniche come proprietà strutturali piuttosto che errori di configurazione e offrendo strategie di mitigazione mirate.