تتناول الدراسة مشكلة أمان نقل البيانات في أنظمة إنترنت الأشياء (IoT) من خلال إطار معماري يعتمد على تقنية البلوك تشين، يضم عقدًا مختلفة (النقل، الفحص، التوجيه، وخدمة الأمان). أُجريت الدراسة بمزيج من النمذجة النظرية وتقييم 32 خبيرًا في مجالات الـIoT. أظهرت النتائج أن خدمة أمان البلوك تشين وعقد النقل هي الأكثر فعالية في الأمان وسلامة البيانات، بينما عقد الفحص تحتاج إلى تطوير. بشكل عام، يوفر الإطار المقترح نهجًا أكثر موثوقية وأمانًا لإدارة بيانات أجهزة إنترنت الأشياء.

تقدّم الدراسة نهجًا مبتكرًا يعتمد على تقنيات التعلّم العميق لاكتشاف وتصنيف ما يُعرف بـ التراكمات التقنية المصرّح بها ذاتيًا (SATD) إلى جانب أخطاء البرمجيات المرتبطة بها. تم تدريب النموذج باستخدام بيانات من مشاريع مفتوحة المصدر مثل Apache وMozilla Firefox وEclipse، وتطبيق عدة نماذج من LSTM وGRU وBERT وGPT-3. أظهرت النتائج أن نموذج GPT-3 حقق أعلى دقة بلغت ‎0.984‎ متفوقًا على بقية النماذج. يسهم البحث في تحسين جودة البرمجيات عبر تعزيز القدرة على اكتشاف الأخطاء وفهم الديون التقنية، مما يدعم عمليات الصيانة والتطوير البرمجي المستدام.

قدّم البحث طريقة مبتكرة لتحليل تطور العلاقات الزمنية في الشبكات المعقدة باستخدام الشبكات العصبية البيانية. تعتمد الطريقة على متابعة التفاعلات السابقة بين العقد لاستخراج الأنماط المهمة، مما يساعد على التنبؤ بالتغيرات المستقبلية بدقة أكبر. أثبتت التجارب نجاح النموذج على عدة مجموعات بيانات، مما يفتح المجال لتطبيقه في أنظمة معقدة متعددة.