تحمل پذیری خطا در سیستم های توزیع شده با رویکردهای یادگیری ماشین: یک بررسی جامع و چندلایه

چکیده مقاله

با گسترش روزافزون سیستم های توزیع شده و افزایش حجم داده ها، روش های سنتی تحمل پذیری خطا که عمدتا بر افزونگی سخت افزاری متکی بودند، کارایی خود را از دست داده اند این پژوهش رویکردهای نوین مبتنی بر هوش مصنوعی را ارائه می دهد که با عبور از راهکارهای واکنش گرا، به سمت پیش بینی خطا و ترمیم خودکار حرکت کرده اند در این مقاله، یک طبقه بندی سه لایه شامل سطوح «زیرساخت»، «داده» و «مدل» معرفی می شود نتایج نشان می دهد که ادغام شبکه های عصبی عمیق برای تحلیل لاگ های سیستمی و بهره گیری از پروتکل های یادگیری فدرال مقاوم، می تواند پایداری سیستم را هم در برابر خرابی های سخت افزاری و هم در برابر گره های مهاجم خطاهای بیزانسی تضمین کند

کلیدواژه‌ها

نویسندگان

محسن درودیان

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

علیرضا انعامی

گروه مهندسی کامپیوتر، واحد اراک، دانشگاه آزاد اسلامی، اراک، ایران

�رودیان، محسن و انعامی، علیرضا،1404،تحمل پذیری خطا در سیستم های توزیع شده با رویکردهای یادگیری ماشین: یک بررسی جامع و چندلایه،چهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز

ارائه‌شده در

مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه26 بهمن 1404 · ایرانشهر