| یادگیری فدرال مبتنی بر دوقلوی دیجیتال برای ارتقای امنیت و شخصی‌سازی در گردشگری هوشمند |
| کد مقاله : 1033-MMAI |
| نویسندگان |
|
مهدی محمدیان * عضو علمی گروه مهندسی کامپیوتر، دانشگاه پیام نور، تهران، ایران |
| چکیده مقاله |
| یادگیری فدرال مبتنی بر دوقلوهای دیجیتال به‌عنوان پارادایمی نوین، در پاسخ به چالش‌های هم‌زمان امنیت داده و شخصی‌سازی در گردشگری هوشمند مطرح شده است. این مطالعه به‌صورت نظام‌مند، همگرایی فناوری‌های دوقلوی دیجیتال و معماری‌های یادگیری فدرال را با تمرکز بر ارتقای نظارت بلادرنگ، نگهداری پیش‌بینانه و خدمات انطباق‌پذیر در محیط‌های ناهمگن گردشگری بررسی می‌کند. روش‌شناسی پژوهش شامل جستجو در پایگاه‌های علمی معتبر، اعمال معیارهای دقیق ورود/خروج و تحلیل مطالعات منتشرشده از 2019 تا ۲۰۲5 است. سه حوزه موضوعی کلیدی عبارت‌اند از: (۱) کاربرد دوقلوهای دیجیتال در مدیریت دارایی و مدل‌سازی رفتار گردشگران (۲) راهبردهای یادگیری فدرال برای تجمیع داده‌های حافظ حریم خصوصی و بهینه‌سازی خدمات در لبه شبکه و (۳) رویکردهای ادغام ترکیبی شامل هم‌زمان‌سازی، امنیت و قابلیت همکاری. این مطالعه، شکاف‌هایی چون تهدیدات نوظهور مانند مسموم‌سازی مدل، پیچیدگی پیاده‌سازی در زیرساخت‌های متنوع و نبود استانداردهای بین‌عملیاتی را شناسایی می‌کند. همچنین، مسیرهای آینده‌ای چون تلفیق با رایانش لبه و شبکه‌های نسل جدید، یادگیری انطباق‌پذیر برای دوقلوهای دیجیتال پویا و توسعه چارچوب‌های هوش مصنوعی قابل تفسیر جهت افزایش اعتماد، پیشنهاد می‌شود. در مجموع، این مطالعه با ترکیب انتقادی یافته‌ها و چالش‌ها، بینش‌هایی راهبردی برای ارتقای اکوسیستم‌های گردشگری هوشمند، امن و شخصی‌سازی‌شده ارائه می‌دهد. |
| کلیدواژه ها |
| دوقلوی دیجیتال، یادگیری فدرال، گردشگری هوشمند، امنیت سایبری در گردشگری، شخصی‌سازی خدمات |
| وضعیت: پذیرفته شده مشروط برای ارائه به صورت پوستر |