DIFF-TRO: A Self-Supervised Diffusion Framework for IoT Topology Robustness Optimization

doi:10.1109/ton.2026.3728434

DIFF-TRO: A Self-Supervised Diffusion Framework for IoT Topology Robustness Optimization

2026-08-28

0

PRE

AI

DOI：10.1109/ton.2026.3728434

原文链接

原文求助

摘要

En 中文

物联网（IoT）拓扑的鲁棒性，用于衡量网络对节点移除的容忍度，对于维持稳定的网络连通性至关重要。现有的鲁棒性优化方法主要依赖基于搜索的启发式算法，这些方法存在路径依赖问题，且常收敛于次优拓扑。为解决此局限性，我们提出DIFF-TRO，一种用于物联网拓扑鲁棒性优化的自监督扩散框架。DIFF-TRO通过在时空潜在空间中对噪声进行可控注入和去噪，直接学习与鲁棒性相关的结构先验，从而缓解路径依赖问题。为将潜在表示转化为可行且鲁棒的拓扑，DIFF-TRO引入了一种约束感知的解码策略，明确施加几何和连通性约束。此外，闭环精炼策略在无需标注数据的情况下逐步提升鲁棒性。大量实验表明，DIFF-TRO在多样化的物联网网络配置中持续优于现有基于启发式和强化学习的先进基线方法。

Keyword:

Internet of Things

network topology

robustness optimization

graph diffusion model

DIFF-TRO: A Self-Supervised Diffusion Framework for IoT Topology Robustness Optimization

摘要

期刊

机构