論文の概要: Network Digital Untwinning: Towards Backward Optimization of Digital Twins
- arxiv url: http://arxiv.org/abs/2605.00169v1
- Date: Thu, 30 Apr 2026 19:41:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-04 17:43:28.72653
- Title: Network Digital Untwinning: Towards Backward Optimization of Digital Twins
- Title（参考訳）: Network Digital Untwinning:Digital Twinsの後方最適化に向けて
- Authors: Zifan Zhang, Dianwei Chen, Anjun Gao, Manhua Wang, Mingzhe Chen, Minghong Fang, Xianfeng Yang, Yuchen Liu,
- Abstract要約: ネットワークデジタルツイン(NDT)は、物理ネットワークシステムの正確な仮想レプリカを提供することによって、ネットワーク管理を変換している。
NDTは多様で機密性の高いデータに依存しているため、データ管理や規制コンプライアンス、ユーザのプライバシといった問題が発生する。
モデル整合性を維持しながらNDTコントリビューションを目標とする除去を可能にするネットワークデジタル解離フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 25.038287713813734
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Network digital twins (NDTs) are transforming network management by offering precise virtual replicas of physical network systems. However, their reliance on diverse and sensitive data introduces significant challenges related to data management, regulatory compliance, and user privacy. In scenarios where selective data removal is necessary, such as device deactivation, network reconfiguration, or regulatory compliance, traditional approaches often fall short of preserving the integrity of the twin model. To address this gap, we introduce a network digital untwinning framework that enables the targeted removal of deprecated NDT contributions while maintaining model integrity. Our approach comprises two complementary components: Single Request Untwinning (\algO) and Parallel Request Untwinning (\algM) mechanisms. \algO leverages connectivity metrics based on geographical proximity, data distribution, and network-level attributes to identify and remove the target NDT along with its propagating influence. This is achieved through an optimally selected rollback checkpoint augmented with injected Gaussian noise, followed by a precise remapping phase. \algM extends this mechanism to efficiently handle multiple removal requests by clustering NDTs with similar attributes and performing a coordinated rollback and untwinning schedule. We provide theoretical guarantees on model indistinguishability from scratch-built twins, and validate the framework through extensive experiments on real-world traffic data, demonstrating its effectiveness and operational efficiency.
- Abstract（参考訳）: ネットワークデジタルツイン(NDT)は、物理ネットワークシステムの正確な仮想レプリカを提供することによって、ネットワーク管理を変換している。
しかし、多様で機密性の高いデータへの依存は、データ管理、規制コンプライアンス、ユーザのプライバシに関する重大な課題をもたらす。
デバイス不活性化、ネットワーク再構成、規制コンプライアンスなど、選択的なデータ削除が必要なシナリオでは、従来のアプローチはツインモデルの整合性を維持するには不十分であることが多い。
このギャップに対処するため、モデル整合性を維持しつつ、非推奨のNDTコントリビューションを対象とする除去を可能にするネットワークデジタルアンウィンニングフレームワークを導入する。
このアプローチは,Single Request Untwinning (\algO) とParallel Request Untwinning (\algM) という2つの補完的なコンポーネントから構成される。
\algOは、地理的近接性、データ分散、ネットワークレベルの属性に基づく接続メトリクスを活用して、ターゲットのNDTを特定し、その伝播の影響を除去する。
これは、注入されたガウス雑音を付加した最適選択されたロールバックチェックポイントで達成され、その後正確なリマッピングフェーズで達成される。
\algMはこのメカニズムを拡張して、NDTを同じような属性でクラスタリングし、協調したロールバックとアンウィンニングスケジュールを実行することで、複数の削除リクエストを効率的に処理する。
我々は、スクラッチ構築双生児のモデル不識別性に関する理論的保証を提供し、実世界の交通データに関する広範な実験を通じて、その有効性と運用効率を実証し、その枠組みを検証した。
関連論文リスト
- Joint Optimization of Model Partitioning and Resource Allocation for Anti-Jamming Collaborative Inference Systems [52.842088497389746]
この手紙は、悪意のあるジャマーの存在下での、アンチジャミングの協調推論システムに焦点を当てている。
まず、ジャミングとDNNパーティショニングがデータ回帰による推測精度に与える影響を解析する。
問題を3つのサブプロブレムに分解する,効率的な交互最適化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-03-03T03:52:52Z) - Resource Allocation in Hybrid Radio-Optical IoT Networks using GNN with Multi-task Learning [11.833896722352568]
本稿では,光ニューラルOWCと電波周波数(RF)を統合したハイブリッドモノのインターネット(IoT)ネットワークにおけるデュアルテクノロジースケジューリングの問題に対処する。
本稿では,2段階グラフ埋め込みとトランスフォーマー(DGET)フレームワークを組み合わせた教師付きマルチタスク学習アーキテクチャを提案する。
提案フレームワークは、90%以上の分類精度で最適に近いスケジューリングを実現し、計算複雑性を低減し、部分的なチャネルオブザーバビリティの下で高いロバスト性を示す。
論文 参考訳（メタデータ） (2025-10-29T15:02:28Z) - On Transferring, Merging, and Splitting Task-Oriented Network Digital Twins [30.093419399398595]
ネットワークデジタルツイン(NDT)は、ネットワークインフラストラクチャの運用プロセスと属性を正確に表現する。
統一双対変換フレームワークにおけるNDT間の内部および相互運用について検討する。
このフレームワークは、タスク指向双生児を作成するためのNDTの効率的な転送、マージ、分割のための新しいコンピューティングパラダイムを明らかにする。
論文 参考訳（メタデータ） (2025-09-02T17:48:52Z) - Efficient Beam Selection for ISAC in Cell-Free Massive MIMO via Digital Twin-Assisted Deep Reinforcement Learning [37.540612510652174]
我々は、誤報率制約の下で複数の受信APに対して共同目標検出確率の分布を導出する。
次に、マルコフ決定過程(MDP)としてビーム選択手順を定式化する。
リアルタイムエージェント環境相互作用の高コスト化とそれに伴うリスクを解消するために,新しいディジタルツイン(DT)支援オフラインDRL手法を提案する。
論文 参考訳（メタデータ） (2025-06-23T12:17:57Z) - Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。
モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
論文 参考訳（メタデータ） (2025-03-17T18:08:03Z) - Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。
信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
論文 参考訳（メタデータ） (2024-06-29T02:40:28Z) - Mapping Wireless Networks into Digital Reality through Joint Vertical and Horizontal Learning [26.54703150478879]
VH-Twinは、無線ネットワークをデジタルリアリティーにマッピングする時系列データ駆動フレームワークである。
V-ツインニングは分散学習技術を利用して、ネットワーククラスタから協調的にグローバルツインモデルを初期化する。
一方、H-ツインニングは、ネットワークや環境の変化に応じて動的に双子のモデルを更新する非同期マッピング方式で実装されている。
論文 参考訳（メタデータ） (2024-04-22T18:02:17Z) - Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。
これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - Edge Continual Learning for Dynamic Digital Twins over Wireless Networks [68.65520952712914]
デジタルツイン(DT)は、現実世界とメタバースの間の重要なリンクを構成する。
本稿では,物理的双生児とそれに対応するサイバー双生児の親和性を正確にモデル化する新しいエッジ連続学習フレームワークを提案する。
提案するフレームワークは,破滅的忘れ込みに対して頑健な,高精度かつ同期的なCTモデルを実現する。
論文 参考訳（メタデータ） (2022-04-10T23:25:37Z) - Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。
SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
論文 参考訳（メタデータ） (2021-12-12T06:11:16Z) - Dispensed Transformer Network for Unsupervised Domain Adaptation [21.256375606219073]
本稿では,新しい非教師付き領域適応 (UDA) 方式であるディスペンデントトランスフォーマーネットワーク (DTNet) について述べる。
提案するネットワークは,いくつかの最先端技術と比較して,最高の性能を実現している。
論文 参考訳（メタデータ） (2021-10-28T08:27:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。