Auxílio à pesquisa 23/00673-7 - Redes de computadores, Rede de comunicação - BV FAPESP
Busca avançada
Ano de início
Entree

Inteligência distribuída em redes de comunicação e internet das coisas

Processo: 23/00673-7
Modalidade de apoio:Auxílio à Pesquisa - Temático
Data de Início da vigência: 01 de fevereiro de 2024
Data de Término da vigência: 31 de janeiro de 2029
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: MCTI/MC
Pesquisador responsável:Nelson Luis Saldanha da Fonseca
Beneficiário:Nelson Luis Saldanha da Fonseca
Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Pesquisadores principais:
Antonio Alfredo Ferreira Loureiro ; Eduardo Coelho Cerqueira ; Leandro Aparecido Villas ; Luis Henrique Maciel Kosmalski Costa
Pesquisadores associados:Alberto Egon Schaeffer Filho ; Allan Mariano de Souza ; Antonio Jorge Gomes Abelém ; Carlos Alberto Astudillo Trujillo ; Denis Lima do Rosário ; Eder John Scheid ; Edmundo Roberto Mauro Madeira ; Fabrizio Granelli ; Heitor Soares Ramos Filho ; Jéferson Campos Nobre ; Joahannes Bruno Dias da Costa ; Judy Carolina Guevara Amaya ; Juliano Araujo Wickboldt ; Lisandro Zambenedetti Granville ; Lucas Francisco Wanner ; Luciano Paschoal Gaspary ; Luiz Fernando Bittencourt ; Marcos Cesar da Rocha Seruffo ; Marilia Pascoal Curado ; Miguel Elias Mitre Campista ; Muriel Figueredo Franco ; Oscar Mauricio Caicedo Rendon ; Pedro Henrique Cruz Caminha ; Rodrigo de Souza Couto ; Torsten Braun ; Weverton Luis da Costa Cordeiro
Bolsa(s) vinculada(s):24/17524-7 - Fatiamento Dinâmico de Redes 5G para Usuários Móveis, BP.TT
24/11309-7 - Desenvolvimento de aplicações para Internet das Coisas utilizando computação na borda, BP.IC
24/07007-5 - Aprendizado de máquina federado sobre redes ópticas passivas, BP.TT
Assunto(s):Redes de computadores  Rede de comunicação  Inteligência artificial  Internet das coisas  Tecnologias 5G 
Palavra(s)-Chave do Pesquisador:Inteligência Artificial | Internet das Coisas | 5G | 6G | Redes de Computadores

Resumo

Atualmente, a execução de algoritmos de aprendizado de máquina é tipicamente em lote, offline e centralizada. O gerenciamento de redes e seus serviços requer execução em massa de dados distribuídos e em tempo real. Em diversas situações, a validade tempo real dos dados gerados é limitada, demandando a redução da latência na comunicação e processamento. Ademais, a transmissão de dados em ambiente distribuído está sujeita qualidade dos canais de comunicação, ao congestionamento da rede e energia disponível nos dispositivos móveis. Tais restrições demandam soluções baseadas em Inteligência Artificial Distribuída (DAI), o que vai muito além da execução tradicional de algoritmos de aprendizado de máquina. Uma forte restrição adicional decorre da adoção da nova Lei Geral de Proteção de Dados -LGPD. A restrição de privacidade de dados é endereçada pela técnica de aprendizado federado. O grande número de dispositivos conectados Internet das Coisas exige a manipulação de um alto volume de dados gerados por milhares de sensores, requerendo soluções que atendam requisitos de escalabilidade, distribuição geográfica, mobilidade, heterogeneidade, segurança e privacidade. A alocação adaptativa e a orquestração de recursos são desafios a serem superados em redes IoT de larga escala com milhares de sensores. A integração de IoT e IA possibilita a construção de diversos sistemas inteligentes, tais como os das cidades inteligentes, sistemas inteligentes de saúde e de energia. Além dos desafios típicos de IoT, soluções devem considerar a variação dinâmica de diferentes demandas. A predição de demanda é crucial para sistemas adaptativos. DAI desempenhar um papel crítico na realização de redes 6G e suas aplicações. Existem diversas maneiras pelas quais a IA pode ser usado em 6G, incluindo o uso convencional de IA para analítica prescritiva, preditiva, diagnóstica e descritiva. A análise prescritiva pode ser usada para tomar decisões ou previsões relacionadas IA de borda, como posicionamento de cache, migração de modelos de IA, escalonamento de fatias de rede dinâmica e adaptativamente e suas cadeias de funções de serviço, bem como alocação automática de recursos (por exemplo, espectro, nuvem e backhaul). A análise preditiva ajuda a prever o futuro a partir de dados adquiridos em tempo real para eventos como disponibilidade de recursos, comportamento do usuário, localização do usuário e padrões de tráfego, para alterar a rede proativamente. Ações proativas podem ajustar a alocação de recursos, instanciação de soluções de segurança, pré-migração de serviços na borda. A análise de diagnóstico refere-se a detecção de falhas na rede e anomalias. O presente projeto de pesquisa pretende investigar soluções inteligentes para redes de comunicação e IoT baseada em DAI, soluções para a alocação e orquestração de recursos distribuídos, para o gerenciamento da infraestrutura e a provisão de serviços inteligentes. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (8)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DADAUTO, CAIO VINICIUS; DA FONSECA, NELSON L. S.; TORRES, RICARDO DA S.. Data-Driven Intra-Autonomous Systems Graph Generator. IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT, v. 21, n. 5, p. 14-pg., . (15/24494-8, 14/12236-1, 16/50250-1, 23/00673-7, 17/20945-0)
SOUSA, JOHN; RIBEIRO, EDUARDO; BUSTINCIO, ROMULO; BASTOS, LUCAS; MORAIS, RENAN; CERQUEIRA, EDUARDO; ROSARIO, DENIS. Enhancing robustness in federated learning using minimal repair and dynamic adaptation in a scenario with client failures. ANNALS OF TELECOMMUNICATIONS, v. N/A, p. 15-pg., . (23/00673-7)
LAMB, IVAN PETER; PINHEIRO ROSA DUARTE, PEDRO ARTHUR; LUIZELLI, MARCELO CAGGIANI; GASPARY, LUCIANO PASCHOAL; AZAMBUJA, JOSE RODRIGO; DA COSTA CORDEIRO, WEVERTON LUIS. Multi-Tenant Programmable Switch Virtualization Leveraging Explicit Resource Sharing. 2024 20TH INTERNATIONAL CONFERENCE ON NETWORK AND SERVICE MANAGEMENT, CNSM 2024, v. N/A, p. 9-pg., . (21/00199-8, 20/05183-0, 23/00673-7, 23/00816-2)
LIRA, OSCAR G.; CAICEDO, OSCAR M.; DA FONSECA, NELSON L. S.. Large Language Models for Zero Touch Network Configuration Management. IEEE COMMUNICATIONS MAGAZINE, v. N/A, p. 8-pg., . (23/00673-7)
GUIMARAES, LUCAS C. B.; COUTO, RODRIGO S.. A Performance Evaluation of Neural Networks for Botnet Detection in the Internet of Things. Journal of Network and Systems Management, v. 32, n. 4, p. 24-pg., . (23/00811-0, 23/00673-7)
TRINDADE, SILVANA; DA FONSECA, NELSON L. S.. Client Selection in Hierarchical Federated Learning. IEEE INTERNET OF THINGS JOURNAL, v. 11, n. 17, p. 16-pg., . (23/00673-7)
BARROS, ALEX; VEIGA, RAFAEL; MORAIS, RENAN; ROSARIO, DENIS; CERQUEIRA, EDUARDO. MESFLA: Model Efficiency through Selective Federated Learning Algorithm. JOURNAL OF INTERNET SERVICES AND APPLICATIONS, v. 15, n. 1, p. 12-pg., . (23/00673-7)
CICERI, OSCAR J.; ASTUDILLO, CARLOS A.; FIGUEIREDO, GUSTAVO B.; ZHU, ZUQING; DA FONSECA, NELSON L. S.. Resource Allocation in Passive Optical Networks for Low-Latency Mobile Fronthauling Services. IEEE NETWORK, v. 39, n. 1, p. 11-pg., . (23/00673-7)