Techniken der künstlichen Intelligenz zur Sicherung von Fog-Computing-Umgebungen: Trends, Herausforderungen und zukünftige Richtungen

Fog-Computing, eine Erweiterung des Cloud-Computing, verbessert die Möglichkeiten, indem Daten näher an der Quelle verarbeitet werden, wodurch Probleme mit Latenz und Bandbreite, die in traditionellen Cloud-Modellen vorhanden sind, angesprochen werden. Die Integration von Künstlicher Intelligenz (KI) in Fog-Computing bringt jedoch Herausforderungen mit sich, insbesondere im Bereich Ressourcenmanagement, Sicherheit und Datenschutz. Dieses Papier überprüft systematisch die Anwendungen von KI in Fog-Computing-Umgebungen und hält sich dabei an die Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA)-Methodologie, um eine gründliche Analyse sicherzustellen. Die Studien wurden auf der Grundlage vordefinierter Einschlusskriterien ausgewählt, einschließlich der Veröffentlichung von Forschung zwischen 2010 und 2024 in peer-reviewed Fachzeitschriften und Konferenzberichten, wobei Suchen in Datenbanken wie IEEE Xplore, ACM Digital Library, SpringerLink und Scopus durchgeführt wurden. Die Überprüfung identifiziert kritische Themen wie Ressourcenbeschränkungen, Transparenz in KI-gesteuerten Sicherheitssystemen und die Notwendigkeit anpassungsfähiger KI-Modelle zur Bewältigung sich entwickelnder Sicherheitsbedrohungen. Als Antwort werden innovative Lösungen wie leichte KI-Modelle (z.B. beschnittene neuronale Netze, quantisierte Modelle, Wissensdestillation), erklärbare KI (XAI) (z.B. modellunabhängige Methoden, Analyse der Merkmalswichtigkeit, regelbasierte Ansätze) und föderiertes Lernen vorgeschlagen. Darüber hinaus wird eine neuartige Taxonomie vorgestellt, die KI-Techniken in Ressourcenmanagement, Sicherheitsverbesserung und datenschutzfreundliche Methoden kategorisiert und ein strukturiertes Framework für Forscher und Praktiker bietet. Das Papier kommt zu dem Schluss, dass eine effektive Integration von KI in Fog-Computing entscheidend ist, um sichere, effiziente und anpassungsfähige verteilte Systeme zu entwickeln, was erhebliche Auswirkungen sowohl auf die Wissenschaft als auch auf die Industrie hat.