في عصر التحول الرقمي، تصبح الحاجة إلى مراقبة الأنظمة الفيزيائية السيبرانية (CPS) أكثر إلحاحًا، حيث يمكن أن تؤدي الأخطاء الطفيفة إلى عواقب وخيمة. يعد الكشف عن الشذوذ في بيانات أجهزة الاستشعار المتعددة الأبعاد أمرًا حاسمًا في صناعة المراقبة، ولكن التحديات لا تزال قائمة في الأنظمة ذات البيانات المحدودة. هنا تأتي أهمية نموذج DPR-GM (نموذج الرسم البياني المحسّن باعتماد نطاق معين) الذي يستخدم تقنيات جديدة للتغلب على هذه التحديات.

يعتمد DPR-GM على طريقة تدمج المعرفة التصميمية للنظام في عمليات بناء الرسوم البيانية، وذلك من خلال استخدام نموذج لغة كبير (Large Language Model) لاستخراج الارتباطات الفيزيائية بين أزواج أجهزة الاستشعار. يتم ترميز هذا الارتباط في شكل مصفوفة ثنائية تمثل العلاقات الهيكلية بين أجهزة الاستشعار، مما يوفر دقة أكبر في عمليات اكتشاف الشذوذ.

بالإضافة إلى ذلك، يقوم النموذج بضبط علاقاته الهيكلية بناءً على مؤشرات موثوقية أجهزة الاستشعار، مما يعزز دقة النتائج. قد أظهر DPR-GM تفوقًا ملحوظًا على النماذج التقليدية والتعلم العميق في قياسات الأداء مثل F1 وAUROC وAUPRC.

هذه الابتكارات تسلط الضوء على مدى استفادة الأنظمة من استخدام المعرفة الهيكلية كبديل عملي للنماذج المعتمدة بالكامل على البيانات، خصوصًا في الحالات التي يكون فيها توافر البيانات نادرة. تقدم هذه التطورات نظرة محفزة نحو مستقبل أكثر أمانًا وكفاءة في إدارة الأنظمة الفيزيائية السيبرانية.