基于数字孪生与跨阶段门控Transformer网络的异构物联网智能网关系统

《Scientific Reports》：Optimized deep learning based digital twin architecture for system management in heterogeneous IoT system

　　

摘要

异构物联网（IoT）部署的快速激增，由于设备、通信协议和应用需求的多样性，在网络流量、设备可靠性、能效以及服务质量（QoS）管理方面带来了重大挑战。现有的网络管理方法以网关为中心且基于规则，缺乏对动态和大规模环境的智能性。为应对这些挑战，本研究提出了一种基于数字孪生（DT）的异构物联网网络智能网关系统，该系统是物理物联网环境的同步虚拟副本，用于网络的持续维护和监控。在提出的DT框架中，基于跨阶段门控Transformer网络（CSG-TNet）的深度学习决策方法被提出以实现主动的系统管理。在这里，CSG-TNet的关联损失函数通过使用所提出的混沌吸血螳螂优化器（CBSL）算法进行补充。DT模型聚合和协调了与网络流量、设备健康状态、能耗和服务性能相关的异构物联网数据，使CSG-TNet能够学习跨多个系统维度的复杂时空相关性。实验评估表明，所提出的DT网关显著提高了下一代异构物联网系统的网络效率、可靠性和服务质量。