استخدام التعلم في مجال مكافحة الاتجار بالشبكة والتحكم فيه

The Imperative of Intelligent Traffic Management in 6G

ويمثل الانتقال من 5G إلى 6G زيادة في سرعة الجيل؛ وهو يشير إلى تحول أساسي في كيفية تشغيل الشبكات اللاسلكية، ومع توقع أن تكون معدلات بيانات الذروة في منطقة تارة واحدة في الثانية، ودرجة التساهل تحت 100 ثانية صغيرة، والدعم المقدم لما يصل إلى 10 ملايين جهاز لكل كيلومتر مربع، ستواجه شبكات من الشبكات من نوع 6G أعباء حركة المرور وتعقدها إلى أبعد بكثير من قدرات الهياكل الأساسية الحالية.

فالاستخبارات الفنية والتعلم في مجال الآلات يتيحان السبيل الوحيد القابل للبقاء إلى الأمام، إذ يمكن للمشغلين، من خلال دمج الاستخبارات مباشرة في نسيج الشبكة، أن يتحولوا من اضطرابات تفاعلية إلى إدارة حركة السير الاستباقية والتنبؤية والمستقلة، وهذا التحول ليس اختياريا، بل هو أساس الوفاء بوعد " 6G " بالربط السلس للنظم المستقلة، وواقع ممتد وغير حاسم، وتوائم رقمي، ومراقبة الهياكل الأساسية الحيوية.

الدور الأساسي للمبادرة الدولية و ML في الهيكل التنظيمي لـ 6G

وفي بيئة ذات طابع ٦ زاي، تعمل منظمة العفو الدولية وشركة ML كجهاز عصبي مركزي للشبكة، وتستنشقان وتحللان البيانات من كل طبقة - من ظروف الترددات اللاسلكية على الطبقة المادية إلى قياسات نوعية الخبرة على مستوى التطبيق - وتنتجان بصيرة عملية في الوقت الحقيقي، وهذه القدرة تتيح ثلاثة مهام رئيسية هي: هندسة الحركة التنبؤية، وتركيب الموارد المستقلة، والكشف عن الشذوذ على نطاق واسع.

ويصبح تقسيم الشبكة، وهو مفهوم ينشأ في 5 زاي، أكثر دينامية بكثير في 6 زاي. وتواصل نماذج AI رصد الأداء الشقّي في مختلف حالات الاستخدام - أي أسطول مركبات مستقل، وجلسة جراحية نائية، وجهاز استشعار هائل من مادة إيوت تقاسم نفس البنية التحتية المادية، ولكنها تتطلب ضمانات مختلفة جذرية في مجال الخدمات.

وعلاوة على ذلك، فإن إدارة حركة المرور التي تقودها الوكالة الدولية للطاقة تخفض النفقات التشغيلية، ووفقا لورقة بيضاء من طراز Ericsson (FLT:0) على مستوى AI في 6G ، يمكن للتشغيل الآلي الذكي أن يخفض تكاليف تشغيل الشبكات بنسبة تصل إلى 30 في المائة عن طريق خفض الرقابة البشرية، والتوصل إلى حل أبطأ، واستهلاك الطاقة الأمثل، وهذا الكسب من حيث أن متطلبات الطاقة في الشبكة يهدد بعدم الاستدامة على نطاق 6G.

من العمليات الاستباقية إلى العمليات الافتراضية

فالإدارة التقليدية للشبكات رد الفعل أساسا، إذ أن الأسلحة التي تولد بعد وقوع مشكلة ما - أي برج خلوي مكتظ، أو عبوات للوصلات الخلفية، أو تدهور الخدمات، تقلب هذا النموذج، ومن خلال تحليل أنماط حركة المرور التاريخية، وبيانات الطقس، وجداول الأحداث، واتجاهات تنقل الأجهزة، وحتى إشارات وسائط الإعلام الاجتماعية، يمكن لنماذج حركة تحرير البحر أن تنبأ ساعات الحركة أو حتى أياما إضافية لتصحيح آثارها.

فعلى سبيل المثال، يمكن لنظام معلومات تعريفية مدرب على بيانات الأحداث السابقة أن يتوقّع ارتفاع حركة المرور بنسبة 400 في المائة في قطاع محدد يبدأ قبل 90 دقيقة من بدء التشغيل، ويمكنه تلقائياً أن يعيد تشكيل أنماط التصويب، وأن يخصص موارد طيفية إضافية، وأن يعدل شرائح الفيديو التي تُعدّل في الوقت الحقيقي على عمليات نقل البيانات السائبة، مما يؤدي إلى تجربة المستعملين غير الماهرة على الرغم من الطلب المتطرف.

إدارة حركة المرور الافتراضية: توقع الطلب قبل الوصول

وتستفيد إدارة المرور الافتراضية من نماذج التنبؤ بالسلاسل الزمنية مثل الشبكات الطويلة الأجل للذاكرة القصيرة الأجل، والهيكلات القائمة على التحول، والجمعيات المعززة القائمة على التدرج، وهذه النماذج تجهز مسارات البيانات المتعددة الأبعاد - بما في ذلك استخدام الموارد اللاسلكية، ومعدلات التسليم، وتوزيعات التعبئة، والتأخيرات في تحديد مواعيد الاجتماعات - لتوليد توقعات دقيقة لأعباء حركة المرور في المستقبل في القرارات الفردية والفضائية.

ويُعد تطبيق حاسم مراقبة الازدحام الاستباقية، وعندما يتوقع نموذج لنموذج ML أن تصل محطة قاعدية معينة إلى 85 في المائة من القدرات في غضون الـ 10 دقائق القادمة، يمكن للشبكة أن تتخذ إجراءات وقائية: تُعدل المستخدمين في الزنزانات الصغيرة، وتُعدل أولويات تحديد مواعيد المستخدمين، أو تُحط من أهمية حركة المرور الخلفية، وهذا يتناقض بشكل حاد مع نهج الـ 5G-era التي عادة ما تنتظر حتى يكون الازدحامدء يؤثر بالفعل على المستعملين قبل اتخاذ إجراءات التخفيف.

وثمة حالة استخدام قوية أخرى هي تشكيل حركة المرور على مستوى الوعي بالطاقة. ومن المتوقع أن تستهلك محطات قاعدية من طراز 6G قوة كبيرة، خاصة عندما تعمل في ترددات الموجات المليمترية وثبات التهوية، ويمكن أن تتوقّع نماذج حركة النقل المتعدد الوسائط فترات منخفضة الارتطامات - مثل ساعات متأخرة من الليل في دوائر الأعمال التجارية - وأن تضع أجهزة لا تستخدم في ولايات النوم العميقة.

التقنيات الرئيسية لأجهزة الاستخبارات الجوية وتقنيات النقل المتعدد الوسائط

ولا توجد تقنية واحدة من تقنيات حركة التحرير المتعددة تكفي لمجموع التحديات التي تواجه حركة المرور من 6G، بل إن من الضروري اتباع نهج هجين يجمع بين نماذج متعددة، والأساليب التالية تشكل مجموعة الأدوات الأساسية.

التعليم المشرف على التنبؤات المرورية

ويجري تدريب نماذج التعلم المشرف عليها، بما فيها غابات الرندوم، والشركة الألمانية للتعاونيات، والشبكات العصبية العميقة، على بيانات تاريخية مسمّاة حيث تُرسم ملامح المدخلات (وقت اليوم، وكثافة الأجهزة، ونوع التطبيق) إلى أحجام حركة المرور المعروفة، ويمكن لهذه النماذج، بمجرد التدريب، التنبؤ بالحركة في المستقبل بدقة عالية، وقوتها الأساسية هي الترجمة الشفوية - يمكن للمشغلين أن يتتبعوا التنبؤات إلى سمات المدخلات المحددة التي تساعد على تشخيص المشاكل وبناء الثقة.

ولكن التعلم الإشرافي له حدود، ويتطلب كميات كبيرة من البيانات الملصقة، والتي قد لا تكون متاحة لتطبيقات جديدة من نوع 6 جي مثل الاتصالات الهولوغرافية، كما أنها تكافح مع التحولات في التوزيع، إذا تغيرت أنماط المرور بصورة أساسية بسبب بدء تطبيقات جديدة أو تحول في سلوك المستعملين، فإن دقة النموذج تتدهور إلى أن يتم إعادة تدريبه على البيانات الجديدة.

التعلم غير المشرف من أجل كشف الشذوذ

فالتقنيات غير المشرف عليها، ولا سيما أجهزة التزود بالسيارات، والغابات المنعزلة، والخرغاريتمات التجمّعية، تُبرز في تحديد أنماط المرور الشاذة دون أن تتطلب أمثلة على هجوم أو خطأ مسمّى به، وفي شبكة من طراز 6G، حيث يتسع سطح الهجوم بشكل كبير بسبب الربط الهائل بين الأجهزة وتوزيع الحوافات، يكون الكشف عن الشذوذ في الوقت الحقيقي أمراً حاسماً بالنسبة للأمن والموث.

فعلى سبيل المثال، فإن جهاز آلي مدرب على أنماط حركة المرور العادية سيولد خطأ كبيرا في إعادة البناء عندما يُظهر حركة المرور من هجوم موزع على نظام إنكار الخدمة أو فصيلة مضللة من طراز IoT، مما يتيح للشبكة أن تسقط حركة المرور الخبيثة أو الأجهزة المحاجر عليها بصورة تلقائية، كما أن النماذج غير الموصولة تكشف أيضا تدهور الأداء الخفي - أي زيادة تدريجية في فقدان الحزمة عند حد معين - قبل أن تصل إلى حد تقليد.

تعزيز التعلم في مجال تخصيص الموارد

ومن الملاحظ أن التعلّم في مجال تعزيز التجارة هو أكثر التقنيات تحولاً بالنسبة لإدارة حركة المرور على نطاق القطاعات، وفي إطار من نظم RL، يتفاعل أحد العوامل مع بيئة الشبكة، ويتخذ إجراءات مثل تعديل الأوزان المشابهة، أو تغيير مخططات التعبئة، أو إعادة توجيه تدفقات حركة المرور، ويتلقى العامل تعليقات في شكل مكافآت - محسنة من خلال الناتج، ودرجة أقل من سوء الاستخدام، وانخفاض استهلاك الطاقة - ويتعلم أكبر قدر من الوقت في مجال السياسة العامة.

وقد أظهرت المتغيرات العميقة في مجال البحث والتطوير، مثل شبكات الطاقة العالية الجودة والتحسينات السريعة للسياسات، أداء ملحوظا في بيئات محاكاة تبلغ من العمر 6 جي، ويمكنها التكيف مع الظروف السريعة التغير - على سبيل المثال، فإن أسطول المركبات المستقلة التي تنتقل عبر المدينة يخلق نمطا ديناميا من الطلب على حركة المرور لا يمكن أن تدار بفعالية، ويتعلم عامل من شركة RL تخصيص الموارد لمسارات الربط مسبقا، بما يكفل عدم وجود قاعدة ثابتة.

وتحدد دراسة 3GPP عن استخبارات الشبكة لـ 6G] إدارة الموارد القائمة على أساس RL باعتبارها عاملاً رئيسياً للتمكين من إقامة الشبكات القائمة على النوايا، ويحدد المشغلون الأهداف الرفيعة المستوى - التي تشمل 99.999 في المائة من الموثوقية لأسطول المركبات - ويستنتج وكيل الجمهورية الإجراءات المنخفضة المستوى التي يتعين اتخاذها لتحقيقها، والتعلم من الخبرة، والتكيف مع تطور الظروف.

التعليم الموحد للمخابرات الخاصة

ومن بين أكثر الابتكارات واعدة إدماج التعلم الموحد في إدارة حركة المرور على نطاق 6G، وفي التعليم الاتحادي، يتم تدريب نماذج حركة تحرير الكونغو على جميع الحواجز اللامركزية دون أن تترك البيانات الخام الجهاز المحلي أو محطة الأساس، ولا ترسل سوى تحديثات نموذجية إلى خادوم مركزي يجمعها لتحسين نموذج عالمي.

وهذا النهج بالغ الأهمية بالنسبة لـ 6 زاي لعدة أسباب، أولا، يتناول أنظمة الخصوصية مثل الناتج المحلي الإجمالي من خلال الحفاظ على بيانات المستعملين الحساسة محليا، وثانيا، يقلص نطاق النطاق الترددي اللازم لجمع البيانات - وهو اعتبار هام عندما تكون وصلات تيرارتز تحمل بيانات مستشعرة عالية الاستبانة، ثالثا، يتيح للنموذجين التعلم من مختلف الظروف المحلية مع الاستفادة من المعارف العالمية، وتحسين الأداء في جميع بيئات الشبكات المتباينة.

Edge Intelligence: bringinging AI to the Network Periphery

6 زاي - لا يمكن لإدارة حركة المرور أن تعتمد فقط على معلومات أساسية مركزية عن استخدامات النقل غير المشروع وغير المؤثر. فشروط استخدامات مثل التنسيق المستقل وأجهزة الاتصال الشبكية لا يمكن أن تعتمد إلا على تحديد أوقات الاستجابة التي تقاس في فترات الثلث، وهذا يتطلب نشر نماذج للوزن الخفيف على محطات الأساس، والموجهات، بل وحتى أجهزة المستعملين.

وتواجه منظمة إدج إي في 6 زاي عدة قيود: محدودية ميزانيتي الطاقة والذاكرة والطاقة، وقد تكون أساليب الضغط النموذجية مثل القياس الكمي والتشغيل والتصفية المعرفية أساسية لتركيب شبكات الجير المتطورة على أجهزة الحافة، مثلاً، نموذج التنبؤ بالحركة يتطلب أصلاً 500 ميغابايت من الذاكرة و100 واط من الطاقة قد يُضغط إلى 10 ميغابايت و5 ميغاواط في الوقت الذي يُبقي فيه على 95% من الحوافد.

ويجري إدماج معجلات البرمجيات ذات الصلصة، بما في ذلك وحدات التجهيز العصبي وصفائف البوابات المجهزة بالميدان، في تصميمات محطة قاعدية من 6G خصيصا لدعم أعباء العمل في مجال التنفيذ المباشر، ويتيح الجمع بين النماذج المضغوطة والمعدات المتخصصة فترات الاستطلاع من المستوى الثاني إلى الثاني، وتلبية الاحتياجات الصارمة من الاحتياطات من التطبيقات ذات الـ 6G.

التحديات في مجال إدارة حركة المرور

ورغم إمكاناتها التحويلية، فإن إدماج منظمة العفو الدولية وحركة التحرير والعدالة في شبكات من الشبكات ذات الـ 6 نظم عامة يشكل تحديات هائلة يجب التصدي لها قبل انتشارها على نطاق واسع.

خصوصية البيانات والمخاطر الأمنية

وتحتاج نماذج المعلومات المسبقة عن علم إلى بيانات - كثيرا ما تكون كميات كبيرة منها - وفي سياق الشبكة، تشمل هذه البيانات مواقع المستخدمين، وأنماط استخدام التطبيقات، ومحددات الأجهزة، والبيانات الفوقية المتعلقة بمحتوى المرور، وتخلق جمع هذه البيانات ووضعها المركزي مخاطر على الخصوصية وأهدافا جذابة للمهاجمين، ويخفف نهج التعلم الاتحادي بعض الشواغل ولكنه في حد ذاته عرضة للهجمات السمية النموذجية، حيث ترسل عقدات المهدفة معلومات محدثة خصبة لفسادة لفسادة لفساد النموذج العالمي.

وبالإضافة إلى ذلك، تشكل الهجمات الخداعية على نماذج حركة تحرير الكونغو تهديدا حقيقيا، إذ يمكن للخصم أن يشعل اضطرابات صغيرة في حركة المرور الشبكية، مما يتسبب في حدوث خطأ في التنبؤ بالحركة، مما يؤدي إلى ضعف تخصيص الموارد وتدهور الخدمات، ويتطلب التصدي لهذه الهجمات تقنيات تدريب قوية، وكشف مثال على الخصم، والتحقق المستمر من النماذج، وكلها تضيف تعقيدا إلى خط الوزع.

النفقات العامة للحساب والطاقة

ويكثّف التدريب على نماذج التعلم العميق من حيث الحاسبة، إذ إن التدريب الوحيد على أحدث نموذج للتنبؤ بالحركة يمكن أن يستهلك الطاقة بقدر ما تستخدمه عدة أسر معيشية في شهر واحد، وفي حين أن الاختبارات أقل طلبا، فإن إدارة ملايين الاختبارات في الثانية عبر شبكة عالمية تضم 6N لا تزال تتطلب موارد مستهلكة كبيرة، ويجب أن تُقيّد تكلفة الطاقة في مجال التعاون التقني من وفورات الطاقة الناجمة عن إدارة حركة المرور الذكية.

ومن الاتجاهات الواعدة استخدام الحواسيب العصبية التي تُعد شبكات الظواهر العصبية البيولوجية وتُعد بتحسين كفاءة الطاقة في أوامر الارتحال، غير أن هذه التكنولوجيا لا تزال في مراحل البحث المبكر ومن غير المرجح أن تكون قابلة للتطبيق تجارياً بالنسبة لـ 6G في عمليات النشر الأولية.

القدرة على التفسير والثقة

ومن المفهوم أن مشغلي الشبكات يترددون في التخلي عن السيطرة على الخوارزميات ذات الصبغة السوداء، وإذا قرر أحد عناصر حركة RL أن يقطع حركة المرور من مجموعة معينة من المستعملين، فإن على المشغل أن يفهم السبب، وقد تتطلب الأنظمة في قطاعات مثل الاتصالات السلكية واللاسلكية والرعاية الصحية قرارات يمكن تفسيرها، غير أن أحدث نماذج التعلم العميق يصعب تفسيرها، بل إن سياسات الوصلات التي تُستفاد من خلال المحاكمة والخطأ يمكن أن تكون غير سليمة.

وتتسارع البحوث في مجال التعاون التقني المفسّر للتواصل الشبكي، فتقنيات مثل إسناد القيمة الشاسعة، وإيضاح الانتباه، وتفسيرات عكسية يمكن أن تساعد المشغلين على فهم السلوك النموذجي، ولكن جعل هذه التقنيات عملية لبيئة الشبكات ذات النواتج العالية في الوقت الحقيقي لا يزال تحدياً مفتوحاً.

الإنصاف والبياز

ويمكن أن تؤدي نماذج برمجيات حركة التحرير التي تم تدريبها على البيانات التاريخية إلى إدامة مظاهر التحيز القائمة بل وتزيد من حدتها، فعلى سبيل المثال، إذا تم تدريب نموذج التنبؤ بالحركة على البيانات المستمدة من المناطق الحضرية الكثيفة السكان، فإنها قد تؤدي أداء ضعيفا في المناطق الريفية أو المناطق التي لا تحظى بخدمات كافية، مما يؤدي إلى تدهور نوعية الخدمات بالنسبة لهؤلاء المستعملين، وبالمثل، إذا كانت بيانات التدريب تمثل أنواعا أو تطبيقات معينة، فإن النموذج قد يخصص الموارد على نحو غير عادل.

ويتطلب التصدي للإنصاف معالجة دقيقة للبيانات، وأهدافا تدريبية للتوعية بالتحيز، والرصد المستمر للنتائج النموذجية عبر مختلف فئات المستعملين، كما يتطلب أفرقة متنوعة تبنّي النماذج - وهو عامل بشري كثيرا ما يُغفل في المناقشات التقنية.

الاتجاهات المستقبلية: الشبكات المستقلة ذاتيا وما بعدها

وفي المستقبل، يتمثل الهدف النهائي في شبكة " 6G " المستقلة تماما - وهي نظام يمكن أن يخطط وينظم ويعالج ويعالج على الوجه الأمثل دون تدخل بشري، و " AI " و ML " محركات هذا الاستقلال الذاتي، وتشمل رؤية " 6G " مراكز عمليات الشبكة التي ترصد الأداء العام، ولكن نادرا ما تحتاج إلى التدخل، لأن الشبكة تعالج 99 في المائة من الحوادث بصورة مستقلة.

وستعجل عدة اتجاهات بحثية بهذه الرؤية، ويمكن أن توفر نماذج المؤسسة التي تم تدريبها على مجموعات بيانات الشبكة الواسعة النطاق معلومات استخبارية عامة الغرض يمكن أن تُحسم على مهام محددة - التنبؤ بالحركة، والكشف عن الشذوذ، وتوزيع الموارد - مع بيانات ضئيلة، وستفهم هذه النماذج فيزياء الانتشار اللاسلكي، وإحصاءات التنقل البشري، وديناميات الطلب على التطبيقات.

وثمة حدود أخرى تتمثل في دمج التوأم الرقمي مع منظمة العفو الدولية. والتوائم الرقمي هو نسخة إلكترونية من الشبكة المادية التي تمر في الوقت الحقيقي، ويمكن تدريب واختبار نماذج الإي آي في بيئة التوأم الرقمية - حيث يتم محاكاة الفشل والهجمات دون مخاطر - قبل نشر السياسات في الشبكة الحية، وهذا الجمع بين المحاكاة والتعلم يقلل بدرجة كبيرة من خطر نشر نماذج لم يتم اختبارها.

وأخيراً، فإن تقارب المعلومات المسبقة عن علم ووقف حركة المرور يتيح إمكانيات هائلة للإدارة اللامركزية لحركة المرور، ويمكن أن تخصص العقود الذكية تلقائياً الموارد بين المشغلين في بيئة متعددة الأطقم، حيث يتفاوض وكلاء المنظمة بالنيابة عن كل مستأجر، مما يمكن من إيجاد نظام إيكولوجي مفتوح وتنافسي وكفؤ حقاً.

خاتمة

إن إدماج منظمة العفو الدولية وحركة التحرير في إدارة حركة مرور ٦ زاي ليس مجرد تعزيز، بل هو ضرورة، إذ أن التعقيدات الكبيرة والحجم ومتطلبات الأداء لفئة ٦ زاي تجعل إدارة الموارد البشرية في الداخل مستحيلة، إذ أن من خلال إدماج نماذج التنبؤ في كل طبقة - من الأجهزة الحافة إلى الهياكل الأساسية - يمكن للمشغلين أن يتوقعوا الطلب، وأن يستغلوا الموارد إلى الحد الأمثل، وأن يكتشفوا وجودة الخدمات في ظل ظروف متطرفة.

ويتطلب المسار إلى الأمام استثماراً مستمراً في الخوارزميات الفعالة من حيث البيانات، وفي هياكل حفظ الخصوصية، ومعدات فعالة من حيث الطاقة، وفي صنع القرارات التي يمكن تفسيرها، وبما أن هذه التكنولوجيات ناضجة، فإن مجموعة الـ 6 زاي ستفي بوعدها بالربط بين الـمُعد والمرونة والواسع الذكية، فإن العمل الذي تم اليوم في مختبرات البحوث في مجال تكنولوجيا المعلومات وهيئات التوحيد سوف يحدد حدود أداء الشبكات التي تُدير بالعقد المقبل من الابتكار الرقمي.