Hi ha una avaria d'internet especialment traïdora: l'encaminador sembla funcionar, però descarta alguns paquets de dades sense que ningú ho noti fins que els usuaris ho pateixen. En diuen «forats negres». Un equip de la Universitat Tècnica d'Istanbul, amb Kiymet Kaya com a autora de contacte, proposa un model d'IA per avisar-ne abans que passi. L'estudi, publicat a la revista IEEE Transactions on Network and Service Management (DOI 10.1109/tnsm.2025.3581557), el recull ara Tech Xplore.
El sistema és no supervisat, és a dir, aprèn de trànsit sense etiquetar. Funciona en tres etapes: agrupa les dades, n'analitza l'evolució en el temps amb xarxes neuronals i primer suavitza les anomalies més òbvies per poder veure els senyals més subtils. Es va provar amb dades reals d'una xarxa troncal d'un operador (17.280 mesures preses cada cinc minuts durant 60 dies) i amb dos conjunts públics etiquetats, UNSW-NB15 i ToN_IoT, convertits en sèries temporals.
En els conjunts públics, el model va arribar a detectar fins al 98% de les anomalies, amb una puntuació F1 d'uns 90%, i va superar altres models no supervisats de la comparació. En les dades de l'operador no s'hi dona cap xifra d'encert, però els autors diuen que el sistema va assenyalar patrons de forat negre poc abans que es produïssin, dins de la finestra de predicció de cinc minuts.
Les limitacions són importants. No hi havia cap llista confirmada de forats negres reals per comprovar-ho, i els conjunts públics recullen altres activitats anòmales o malicioses, no forats negres. L'estudi tampoc demostra que el sistema eviti una caiguda real, i els resultats poden variar segons la xarxa i les dades d'entrenament. Com diu Kaya, «el repte d'aquestes avaries és que res no sembla trencat». Els autors preveuen provar-lo en més tipus de xarxes, automatitzar-ne el reentrenament i fer-lo explicable.