Proportiyonel Hadamard–Caputo operatörü altında kablosuz sensörlerde bir kesirli siber-epidemik modelin yapay sinir ağı analizi

Neden dijital enfeksiyonlar sürüp gidebilir

Kötü amaçlı yazılımlar her zaman bilgisayar ağlarında hızlı, net patlamalar halinde yayılmaz. Binalarda, tarlalarda veya şehirlerde çevreyi ölçmek için dağıtılmış küçük aygıtlar olan kablosuz sensör ağlarında—saldırılar uzun süre sönük kalabilir ve eski bağlantılar ya da gecikmeli güncellemeler sisteme geri döndüğünde alevlenebilir. Bu makale, mühendislerin kötü amaçlı yazılımın ne zaman hızla kaybolacağını ve ne zaman inatla devam edebileceğini anlamalarına yardımcı olan böyle “uzun hafızalı” siber salgınları tanımlamanın yeni bir yolunu tanıtıyor.

Hastalardan hastalıklı sensörlere

Yazarlar, nüfusları duyarlı, enfekte ve iyileşmiş gibi gruplara ayıran klasik hastalık modellemesinden fikir ödünç alıyor. Burada “nüfus” bir kablosuz sensör ağıdır. Aygıtlar altı sınıfa ayrılır: sağlıklı ama savunmasız, maruz kalmış ama henüz zararlı yazılım yaymayan, aktif olarak bulaştıran, karantinaya alınmış, iyileşmiş ve güncellemeler veya yamalarla güçlendirilmiş (aşılanmış) olanlar. Bu yapı modelin aygıtların birbirleriyle temas ettikçe, izole edildikçe, onarıldıkça veya korundukça durumlar arasında nasıl hareket ettiklerini izlemesine olanak tanır. İnsan epidemiyolojisi düşüncesini dijital alana çevirerek çalışma, on yıllardır kamu sağlığı matematiğini modern siber savunmaya bağlar.

Matematiğe hafıza katmak

Standart modeller yalnızca ağın mevcut durumunun önemli olduğunu varsayar: bir sonraki adım yalnızca şu ana bağlıdır, detaylı geçmişe değil. Bu çoğunlukla gerçekçi değildir. Pratikte eski bağlantılar, yavaş yama uygulamaları ve kalıcı zayıflıklar geçmişin bugünü etkilemeye devam etmesi anlamına gelir. Bunu yakalamak için yazarlar, değişim oranlarının önceki etkinliklerin ağırlıklı tarihine bağlı olmasına izin veren “kesirli” bir kalkülüs versiyonu kullanır. Proportiyonel Hadamard–Caputo operatörü adı verilen özel bir araç, bu hafızanın ayarlanmasına ve logaritmik zaman ölçeğinde ifade edilmesine olanak sağlar; bu, zamanla yavaşlayan süreçlere uygundur. İki temel parametre geçmişin geleceği ne kadar güçlü etkilediğini kontrol eder, böylece klasik, hafızasız davranış özel bir sınır durum olarak ortaya çıkar.

Modelin mantıklı davranmasını sağlamak

Her yararlı model yalnızca gerçekçi olmakla kalmamalı, aynı zamanda matematiksel olarak sağlam olmalıdır. Yazarlar, sistemlerinin zaman içinde düzgün evrilen en az bir çözüme sahip olduğunu ve bu çözümün hafif koşullar altında benzersiz olduğunu kanıtlar. Bunu, orijinal kesirli denklemleri bir integral denklemine yeniden yazarak ve ardından denklemin bir fonksiyonu kontrollü bir şekilde kendisine eşleştirdiğini gösteren güçlü "sabit nokta" teoremlerini uygulayarak yaparlar. Ayrıca Ulam–Hyers kararlılığının bir biçimini kurarlar: denklemler veya veriler ölçüm gürültüsü veya sayısal hatadan dolayı biraz sapmış olsa bile ortaya çıkan çözümler gerçek olanlara yakın kalır. Bu, modele dayalı simülasyonların ve tahminlerin belirgin hata sınırları içinde güvenilir olduğu anlamına gelir.

Uzun dijital salgınları simüle etmek

Çerçeveyi pratik kılmak için ekip, operatörün özel hafıza çekirdeğini işlemek üzere iyi bilinen bir tahmin–düzeltme şemasını uyarlayarak adım adım bir sayısal yöntem tasarlar. Dönüştürülmüş bir zaman değişkeninde çalışarak geçmiş durumların ne kadar etki taşıdığını kodlayan basit ağırlıklar türetirler. Bir sensör ağında kötü amaçlı yazılım yayılımının simülasyonları çarpıcı bir desen ortaya koyar: hafıza güçlü olduğunda veya kesirli mertebe daha düşük olduğunda, enfeksiyon daha yavaş azalır ve "aktif yayılma" evresi daha uzun sürer. Model ayarları klasik, hafızasız duruma yaklaştıkça enfeksiyon daha hızlı tepe yapar ve yok olur, bu da ağın hızla istikrara kavuşmasına yol açar.

Bu, ağları korumak için ne anlama geliyor

Düz bir dille söylemek gerekirse çalışma, dijital hafızayı—geçmiş temasları, gecikmiş temizlemeyi ve yavaşça azalan zayıflıkları—hesaba katmanın kablosuz sensör sistemlerinde kötü amaçlı yazılımın ne kadar süre dolaşacağı beklentilerini önemli ölçüde değiştirebileceğini gösteriyor. Kesirli model, güvenlik planlayıcılarının gerçek verilerde gözlenen uzun kuyruklarla eşleşmesine olanak veren ayarlar sunarken, kararlılık sonuçları bu tahminlerin ılımlı belirsizliklere karşı sağlam olduğunu garanti eder. Hafıza etkileri zayıfsa ve hızlı kararlar gerekiyorsa daha basit bir klasik model yeterli olabilir. Ancak enfeksiyonlar karşı önlemlere rağmen "uzun süre devam ediyormuş" gibi görünüyorsa, bu kesirli, hafıza farkında çerçeve sensör ağlarını karantina, yama ve aşı stratejileri tasarlamak için daha temkinli ve gerçekçi bir rehber sağlar.

Atıf: Barakat, M.A., Hyder, AA., Aboelenen, T. et al. Artificial neural network analysis of a fractional cyber-epidemic model in wireless sensors under the proportional Hadamard–Caputo operator. Sci Rep 16, 10742 (2026). https://doi.org/10.1038/s41598-026-45202-z

Anahtar kelimeler: kablosuz sensör ağları, kötü amaçlı yazılım yayılımı, kesirli kalkülüs, siber epidemiyoloji, ağ güvenliği modellemesi