104 artigos
Este artigo oferece uma discussão abrangente sobre o conceito e a arquitetura do fatiamento de rede (network slicing) no contexto do 5G, com foco especial na modelagem de lucros através da implementação própria e do arrendamento de recursos, além de abordar desafios e direções de pesquisa para esta tecnologia emergente.
O artigo apresenta o ZeroSiam, uma arquitetura assimétrica Siamese eficiente que previne o colapso em modelos durante a minimização de entropia no tempo de teste, garantindo adaptação estável e melhor desempenho em tarefas de visão computacional e raciocínio de modelos de linguagem.
O artigo apresenta o CovertComBench, um novo *benchmark* específico para avaliar a capacidade de Modelos de Linguagem Grandes (LLMs) em comunicações covert sem fio, revelando que, embora eficazes em conceitos e geração de código, eles ainda falham em realizar as derivações matemáticas complexas necessárias para garantir a segurança, indicando a necessidade de ferramentas externas para sistemas de IA confiáveis.
Este trabalho apresenta uma abordagem algorítmica baseada em geração de colunas para resolver o problema de fluxo multicommodity com função objetivo convexa, oferecendo métodos eficientes para as variantes fracionária e não fracionária que minimizam custos de enlace crescentes conforme a utilização, com aplicações críticas em redes de telecomunicações.
Este artigo apresenta o framework OWO-FMTL, uma abordagem de aprendizado multi-tarefa online que garante equidade de longo prazo e desempenho adaptativo para usuários heterogêneos em Redes de Acesso Rádio habilitadas por IA (AI-RANs), utilizando um mecanismo de atualização primal-dual leve para equilibrar eficiência e justiça com baixo custo computacional.
Este artigo apresenta o problema de otimização de tour para estações base móveis (MOT) em redes de sensores IoT de grande área, propondo uma heurística polinomial que, ao considerar custos de deslocamento, ganhos de cobertura e restrições energéticas, supera as abordagens existentes ao gerar tours de baixo custo com execução mais rápida.
Este estudo demonstra que modelos centrados apenas no canal, como simuladores de rastreamento de raios, falham em prever com precisão o desempenho de ponta a ponta em redes 5G privadas devido à superestimação das camadas espaciais MIMO, enquanto abordagens baseadas em dados, como regressão por processos gaussianos, oferecem previsões de throughput muito mais precisas ao aprender diretamente do comportamento real do sistema.
Este artigo propõe um framework de aprendizado por reforço hierárquico que otimiza conjuntamente o ajuste de ângulos de inclinação de antenas e a estratégia de coleta de dados entre redes físicas e gêmeos digitais, visando maximizar as taxas de dados dos usuários enquanto reduz o atraso de comunicação em até 28,01%.
Este artigo propõe um framework de Computação de Borda Veicular (VEC) semântica assistida por Superfícies Inteligentes Reconfiguráveis (RIS) que utiliza uma otimização híbrida baseada em PPO e Programação Linear para reduzir significativamente a latência em ambientes dinâmicos de Internet Veicular.
Este artigo apresenta o PixelConfig, um framework de análise diferencial que revela que o Meta Pixel é amplamente configurado para rastrear atividades e identidades de usuários em sites de saúde com configurações padrão, enquanto as funcionalidades de restrição de rastreamento oferecem proteção limitada e são frequentemente contornadas.
Este artigo apresenta o HR-GAT, um modelo de rede de atenção hierárquica baseado em grafos que utiliza dados geoespaciais para prever a demanda de espectro com 21% mais precisão que modelos existentes, superando desafios de autocorrelação espacial em cinco cidades canadenses.
Este artigo demonstra, por meio de modelagem teórica e simulação, que o protocolo MAC 802.11 DCF pode levar nós não cooperativos a equilíbrios de Nash ineficientes, mas propõe que um protocolo ideal que desacople a alocação do canal das estratégias de transmissão pode resultar em equilíbrios com maior throughput para todos os nós.
Este artigo define o problema de classificação de funções em redes empresariais e apresenta dois algoritmos práticos que agrupam hosts com base em padrões de conexão, demonstrando sua eficácia em reduzir drasticamente a complexidade de gerenciamento e refletir a estrutura lógica da rede.
Este artigo apresenta uma metodologia baseada em dados e aprendizado de máquina para estimar e identificar os principais fatores da variação da demanda por espectro em regiões urbanas, demonstrando sua eficácia em um estudo de caso no Canadá para orientar políticas de acesso flexível ao espectro nas redes 6G.
Este artigo apresenta um modelo analítico de camada MAC para a taxa de recepção de pacotes no modo 2 de sidelink do NR, que explicitamente considera colisões específicas do agendamento persistente semiconstante (SPS) e é validado via simulações ns-3, fornecendo diretrizes para otimizar a confiabilidade em comunicações 6G.
Este artigo propõe um algoritmo para otimizar a associação de usuários e a alocação de recursos em comunicações semânticas adaptativas, permitindo a seleção dinâmica de esquemas de transceiver baseados em redes neurais para atender à heterogeneidade dos dispositivos e maximizar a utilidade do sistema sob restrições de energia e latência.
Este artigo propõe uma melhoria no algoritmo de Roteamento em Grafo de Contato (CGR) para Redes Tolerantes a Atrasos em comunicações satelitais, introduzindo operações de divisão de contatos e poda de arestas para garantir que as rotas encontradas respeitem proativamente as restrições de capacidade e buffer, minimizando colisões e atrasos enquanto asseguram a solução ótima de tempo de entrega.
Este artigo apresenta o protocolo DEBT control, que utiliza preços dinâmicos e controle de fluxo para otimizar o roteamento em redes de canais de pagamento, garantindo a convergência para um estado operacional ideal diante de demandas estáveis.
Este artigo propõe o sistema NMoE (Mistura de Especialistas em Rede), que utiliza aprendizado federado combinando aprendizado supervisionado e auto-supervisionado para permitir a inferência colaborativa e eficiente entre dispositivos de borda, superando as limitações de recursos no treinamento e implantação de grandes modelos de inteligência artificial.
Este artigo propõe um método baseado em mineração de processos para analisar tráfego de rede de jogos, permitindo caracterizar estados de rede, codificá-los em redes de Petri interpretáveis e classificar o tráfego para identificar jogos específicos, como demonstrado no estudo de caso UPSIDE com Clash Royale e Rocket League.