Araştırmacılar, 5G ağlarındaki siber tehditleri tespit eden ve kararlarını mantıklı kuralarla açıklayabilen yeni bir yapay zeka çerçevesi geliştirdi. ExAI5G adlı sistem, %99,9 doğruluk oranıyla çalışırken aynı zamanda güvenlik uzmanlarının sistemin nasıl karar verdiğini anlamalarını sağlıyor. Geleneksel 'kara kutu' sistemlerden farklı olarak, bu yenilikçi yaklaşım Transformer tabanlı derin öğrenme ile mantık tabanlı açıklanabilir AI tekniklerini birleştiriyor. Sistem, karmaşık 5G IoT trafiğindeki anormallikleri tespit ederken, her kararını 16 farklı mantıksal kuralla destekliyor ve %99,7 güvenilirlik oranına ulaşıyor.

Nesnelerin İnterneti (IoT) cihazlarının yaygınlaşmasıyla birlikte güvenlik açıkları da artıyor. Araştırmacılar, geleneksel merkezi güvenlik sistemlerinin alternatifi olarak dağıtık güvenlik mekanizmalarını inceliyor. Federated learning, Zero Trust mimarileri ve hafif blockchain teknolojileri gibi yenilikçi yaklaşımlar, kaynak kısıtlı IoT cihazlarında güvenliği sağlamak için test ediliyor. Bu dağıtık sistemler, gizliliği artırıyor ve tek nokta arızalarını önlüyor ancak ölçeklenebilirlik konusunda hâlâ zorluklarla karşılaşıyor. Otuz güncel çalışmanın analiz edildiği kapsamlı değerlendirme, IoT ağlarında güven oluşturma ve saldırı tespiti konularında önemli gelişmeler kaydettiğini gösteriyor.

Araştırmacılar, farklı boyutlarda veri üreten sensörler için yeni bir zamanlama algoritması geliştirdi. Modern IoT sistemlerinde sensörler küçük durum paketlerinden büyük veri dosyalarına kadar çeşitli güncellemeler gönderiyor. Bu durum, hangi sensörün öncelikli olarak veri göndermesi gerektiği konusunda karmaşık bir optimizasyon problemi yaratıyor. Yeni geliştirilen Lagrange indeks tabanlı yaklaşım, restless multi-armed bandit teorisini kullanarak sensör verilerinin güncellik seviyesini (Age of Information) minimize etmeyi hedefliyor. Algoritma, kesintisiz veri aktarımı gerektiren sistemlerde mevcut yöntemlere kıyasla tutarlı performans artışları sağlıyor.

Gelecek nesil 6G ağları, iletişim ve hesaplama kaynaklarını birden fazla alanda entegre eden devrimci bir ekosistem olarak tasarlanıyor. Araştırmacılar, IoT cihazlarından bulut sistemlerine kadar uzanan sürekli bir yapıda, görevlerin dinamik olarak dağıtılması ve kaynakların verimli tahsisi için deterministik bir yaklaşım geliştirdiler. Bu yenilikçi sistem, özellikle yüksek güvenilirlik gerektiren kritik hizmetlerde belirlenebilir performans seviyeleri sunarken, mevcut sistemlere kıyasla daha iyi ölçeklenebilirlik sağlıyor. IoT ve son kullanıcı cihazlarının yerel alt ağlar oluşturarak dağıtık görev işleme yapabilmesi, gelecekteki ağ yapılarının temelini oluşturuyor.

Araştırmacılar, vücuda takılan tıbbi sensörler arasındaki veri iletimini optimize eden yeni bir yapay zeka algoritması geliştirdi. Internet of Medical Things (IoMT) teknolojisini kullanan kablosuz vücut alan ağları, hasta takibi ve akıllı sağlık hizmetlerinde devrim yaratma potansiyeline sahip ancak enerji kısıtları ve değişken ağ yapıları gibi teknik zorluklarla karşılaşıyor. Yeni QQMR protokolü, Q-learning algoritmasını kullanarak tıbbi verileri aciliyet düzeyine göre sınıflandırıyor ve en uygun iletim yollarını seçiyor. Deneysel sonuçlar, yeni sistemin veri iletim başarı oranını artırdığını ve gecikme, enerji tüketimi ile ağ yükünü önemli ölçüde azalttığını gösteriyor. Bu gelişme, giyilebilir tıbbi cihazların daha verimli çalışmasını sağlayarak uzaktan hasta takibi sistemlerinin yaygınlaşmasına katkı sunabilir.

Araştırmacılar, beynin çalışma prensiplerini taklit eden spiking sinir ağlarında çığır açan bir gelişme gerçekleştirdi. Geleneksel yapay zeka sistemlerinin aksine, bu yeni yaklaşım nöronlar arası gecikmeleri öğrenebilen ve evrişimli bağlantılar kullanan bir mimari sunuyor. DelRec adı verilen bu teknoloji, ses sınıflandırma görevlerinde %99 daha az bellek kullanırken, işlem hızını 52 kat artırmayı başardı. Bu gelişme, özellikle akıllı telefonlar ve IoT cihazları gibi sınırlı kaynaklara sahip sistemlerde yapay zekanın daha verimli çalışmasının önünü açıyor. Spiking sinir ağları, gerçek beyin nöronlarının elektriksel darbe şeklinde iletişim kurma biçimini taklit ederek, enerji tüketimi açısından büyük avantajlar sunuyor.

Araştırmacılar, kablosuz ağlarda dağıtık federe öğrenme sistemlerinin performansını artıran yeni bir yaklaşım geliştirdi. Stokastik gradyan itme (SGP) algoritmasını kullanan bu yöntem, geleneksel simetrik iletişim yapılarının sınırlarını aşarak asimetrik karışım matrisleri kullanımına olanak tanıyor. Bu sayede yapay zeka modellerinin eğitim süresi önemli ölçüde kısalabiliyor. Federe öğrenme, verilerin merkezi bir sunucuya gönderilmeden farklı cihazlarda işlenmesini sağlayan bir teknoloji olarak giderek yaygınlaşıyor. Yeni yaklaşım, özellikle mobil cihazlar ve IoT ağları gibi kaynak kısıtlı ortamlarda önemli avantajlar sunuyor.

Akıllı sağlık hizmetlerinde yaygın olarak kullanılan IoT cihazları, gelişmekte olan kuantum bilgisayarların karşısında savunmasız kalabilir. Araştırmacılar, hastane ekipmanlarından wearable cihazlara kadar tüm sağlık IoT sistemlerinin kuantum saldırılarına karşı nasıl korunacağını inceledi. Çalışma, mevcut şifreleme sistemlerinin kuantum bilgisayarlar tarafından kırılabileceğini ve bu durumun hasta verilerini tehlikeye atabileceğini gösteriyor. Bilim insanları, sağlık IoT sistemlerini kuantum güvenli şifreleme teknolojilerine geçiş için kapsamlı bir çerçeve önerdi. Bu framework, kaynak kısıtlı cihazları önceliklendiren ve aşamalı bir geçiş planı sunan yaklaşım benimsiyor.

Araştırmacılar, akıllı saatler ve IoT sensörleri gibi küçük cihazlarda çalışan yapay zeka uygulamaları için yeni bir optimizasyon yöntemi geliştirdi. TinyML olarak bilinen bu alanda, sınırlı kaynaklara sahip cihazlarda yapay zeka modellerinin çalıştırılması büyük zorluk teşkil ediyor. Yeni yaklaşım, hesaplama maliyeti yüksek olan çarpma işlemlerini daha verimli kaydırma ve toplama işlemleriyle değiştirerek performansı artırıyor. Özellikle hassas verilerle çalışan uygulamalarda, eğitim veri setine ihtiyaç duymadan önceden eğitilmiş modelleri optimize edebilmesi önemli bir avantaj sağlıyor. Bu gelişme, sağlık monitörleri, akıllı ev cihazları ve giyilebilir teknolojiler gibi alanlarda yapay zekanın daha yaygın kullanımına kapı açabilir.

Araştırmacılar, çok kanallı zaman serisi verilerini tek kanala dönüştüren yeni bir yöntem geliştirdi. UCF (Univariate Channel Fusion) adlı bu teknik, tıbbi cihazlar ve giyilebilir teknolojilerde kullanılan sensör verilerini çok daha az hesaplama gücüyle işleyebiliyor. Yöntem, ortalama, medyan gibi basit matematiksel işlemlerle çoklu veri kanallarını tek kanala indirgiyor. Bu sayede karmaşık yapay zeka modellerine gerek kalmadan etkili sonuçlar elde ediliyor. Özellikle düşük maliyetli IoT cihazları ve gerçek zamanlı uygulamalar için büyük avantaj sağlayan teknik, biyomedikal sinyal analizi ve hareket izleme gibi alanlarda test edildi.

Gelecek nesil hücresel ağlar, IoT cihazlarından bulut sistemlerine kadar uzanan geniş bir yelpazede hesaplama kaynaklarını entegre etmeyi hedefliyor. Araştırmacılar, bu IoT-kenar-bulut sürekliliğinde görevlerin nasıl dağıtılacağına dair deterministik bir yaklaşım geliştirdi. Bu sistem, kritik zaman gerektiren uygulamalar için görevlerin belirlenen süre içinde tamamlanmasını garanti ediyor. Önerilen model, sadece gecikmeyi minimize etmeye odaklanmak yerine, son teslim tarihlerine uyulmayı öncelikli tutuyor. Bu yaklaşım, özellikle endüstriyel IoT uygulamaları ve gerçek zamanlı sistemler için büyük önem taşıyor. Sistem, talebi karşılamak için esnek kaynak tahsisi yapabiliyor ve ağ performansını artırırken yanıt sürelerini düşürüyor. Bu gelişme, akıllı fabrikalar ve otonom sistemler gibi kritik uygulamaların güvenilirliğini artırmak için önemli bir adım olarak değerlendiriliyor.