10073

مقياس پذيري خودكار هوشمند با حفظ حريم خصوصي براي ميكروسرويس ها: رويكرد يادگيري فدرال با پيش بيني آگاه از گراف

كارشناسي

مهندسي كامپيوتر

1404

دكتر مهرداد آشتياني

1404/08/20

مهندسي كامپيوتر

Privacy-Preserving Intelligent Autoscaling for Microservices: A Federated Learning Approach with Graph-Aware Prediction

در اين پژوهش، چارچوبي هوشمند و حفظ‌كننده‌ي حريم خصوصي براي مقياس‌گذاري خودكار ارائه شده است كه بر پايه‌ي يادگيري فدرال، پيش‌بيني آگاه از ساختار گرافي و تصميم‌گيري چندمعياره عمل مي‌كند. مدل پيشنهادي از شبكه‌يBiGRU آموزش‌ديده با الگوريتمFedAvg استفاده مي‌كند تا بدون نياز به اشتراك داده، مصرف آينده‌يCPU، حافظه و نرخ درخواست را پيش‌بيني كند. براي درك وابستگي ميان سرويس‌ها، از بازنمايي‌هاي HGT در كنار ويژگي‌هاي بار كاري استفاده شده است. اين تركيب به مدل اجازه مي‌دهد تا هم ساختار گرافي سيستم و هم الگوهاي رفتاري سرويس‌ها را بياموزد.