КОМПЛЕКСНА МОДЕЛЬ ЗБОРУ ДАНИХ В МЕРЕЖАХ МОБІЛЬНОГО ІНТЕРНЕТУ РЕЧЕЙ
DOI:
https://doi.org/10.18372/2310-5461.66.20333Ключові слова:
модель збору даних, Інтернет речей, маршрутизація, шлюз, бездротові мережі, мобільний інтернетАнотація
Актуальність. Інтернет речей — це новий етап еволюції мережевих технологій, де фізичні об’єкти можуть обмінюватися даними, самостійно взаємодіяти та встановлювати зв’язки з іншими пристроями.
Постановка задачі. Основні концепції IoT включають взаємодію об’єктів, передачу згенерованої ними інформації та підтримання стабільного з’єднання. З огляду на новизну, ключові особливості та складність структури системи IoT, важливим інструментом дослідження на етапі проектування є мобільна мережа IoT.
Шляхи вирішення. У дослідженні застосовано комплекс загальнонаукових і спеціалізованих методів: системний підхід, абстрагування, порівняння, формалізація, історико-генетичний та інституціональний аналіз, логіко-семантичний метод, класифікація й узагальнення. На додаток до вищезазначених методів дослідження комплексно і послідовно використовувалися статистичні дані.
Результати. Запропоновано інтегровану модель, що базується на поєднанні методів IoT і соціальних мереж, з метою підвищення безпеки та покращення управління в системах Інтернету речей. Ця інтегрована модель може бути використана в різних додатках IoT, таких як «розумні міста», «розумний транспорт», «розумні будівлі» та «розумна промисловість». Відзначається, що кластерний підхід значно підвищує енергоефективність і знижує складність мережі. Запропонована модель має покращити управління, зменшти споживання енергії та затримки, а також має багато переваг над існуючими моделями агрегації даних в IoT-мережах.
Висновки. Проаналізовано різні протоколи збору даних з точки зору затримок, енергоспоживання, безпеки та підтримки мобільності, а також розроблено методи маршрутизації даних у динамічних IoT-мережах. Описано різні моделі безпеки агрегації даних, такі як контроль доступу, аутентифікація, виявлення вторгнень і моделі довіри, які є базовими механізмами побудови безпечних систем і є необхідними елементами запропонованої інтегрованої моделі. Обговорюється використання методів fog-computing для зменшення затримок, збільшення пропускної здатності та покращення інших параметрів мережі.
Посилання
T. Ramathulasi and M. Rajasekhara Babu, “Comprehensive survey of IoT communication technologies,” Advances in Intelligent Systems and Computing, vol. 1054, pp. 303–311, 2020, doi: 10.1007/978-981-15-0135-7_29.
M. Hosseinzadeh, V. Mohammadi, J. Lansky, and V. Nulicek, “Advancing the Social Internet of Things (SIoT): Challenges, Innovations, and Future Perspectives,” Mathematics 2024, Vol. 12, Page 715, vol. 12, no. 5, p. 715, Feb. 2024, doi: 10.3390/MATH12050715.
P. Maheshwari, A. K. Sharma, and K. Verma, “Energy efficient cluster based routing protocol for WSN using butterfly optimization algorithm and ant colony optimization,” Ad Hoc Networks, vol. 110, p. 102317, Jan. 2021, doi: 10.1016/J.ADHOC.2020.102317.
S. F. Aghili, H. Mala, P. Kaliyar, and M. Conti, “SecLAP: Secure and lightweight RFID authentication protocol for Medical IoT,” Future Generation Computer Systems, vol. 101, pp. 621–634, Dec. 2019, doi: 10.1016/J.FUTURE.2019.07.004.
H. Wang, L. Wang, Z. Zhou, X. Tao, G. Pau, and F. Arena, “Blockchain-Based Resource Allocation Model in Fog Computing,” Applied Sciences 2019, Vol. 9, Page 5538, vol. 9, no. 24, p. 5538, Dec. 2019, doi: 10.3390/APP9245538.
J. Bhatia et al., “An Overview of Fog Data Analytics for IoT Applications,” Sensors 2023, Vol. 23, Page 199, vol. 23, no. 1, p. 199, Dec. 2022, doi: 10.3390/S23010199.
D. K. Shende, S. S.S, and Y. Angal, “A Comprehensive Survey of the Routing Schemes for IoT applications,” Scalable Computing: Practice and Experience, vol. 21, no. 2, pp. 203–216, Jun. 2020, doi: 10.12694/SCPE.V21I2.1667.
N. N. Abdalkareem Qubbaj, A. A. Taleb, and W. Salameh, “LEACH based protocols: A survey,” Advances in Science, Technology and Engineering Systems, vol. 5, no. 6, pp. 1258–1266, Nov. 2020, doi: 10.25046/AJ0506150.
A. B. Guiloufi, S. El khediri, N. Nasri, and A. Kachouri, “A comparative study of energy efficient algorithms for IoT applications based on WSNs,” Multimed Tools Appl, vol. 82, no. 27, pp. 42239–42275, Nov. 2023, doi: 10.1007/S11042-023-14813-3.
A. Hazra, P. Rana, M. Adhikari, and T. Amgoth, “Fog computing for next-generation Internet of Things: Fundamental, state-of-the-art and research challenges,” Comput Sci Rev, vol. 48, p. 100549, May 2023, doi: 10.1016/J.COSREV.2023.100549.
A. Mehrban and P. Ahadian, “Malware Detection in IoT Systems using Machine Learning Techniques,” International Journal of Wireless & Mobile Networks, vol. 15, no. 6, pp. 13–23, Dec. 2023, doi: 10.5121/IJWMN.2023.15602.
S. L. Nita and M. I. Mihailescu, “Elliptic Curve-Based Query Authentication Protocol for IoT Devices Aided by Blockchain,” Sensors, vol. 23, no. 3, Feb. 2023, doi: 10.3390/S23031371.
C. M. Chen, Y. Huang, K. H. Wang, S. Kumari, and M. E. Wu, “A secure authenticated and key exchange scheme for fog computing,” Enterp Inf Syst, vol. 15, no. 9, pp. 1200–1215, 2021, doi: 10.1080/17517575.2020.1712746.
M. Saeed, M. Aftab, R. Amin, and D. Koundal, “Trust Management Model in IoT: A Comprehensive Survey,” Lecture Notes in Networks and Systems, vol. 419 LNNS, pp. 675–684, 2022, doi: 10.1007/978-3-030-96299-9_64.
A. Rehman, K. A. Awan, I. Ud Din, A. Almogren, and M. Alabdulkareem, “FogTrust: Fog-Integrated Multi-Leveled Trust Management Mechanism for Internet of Things,” Technologies 2023, Vol. 11, Page 27, vol. 11, no. 1, p. 27, Feb. 2023, doi: 10.3390/TECHNOLOGIES11010027.
H. Yang, S. Liang, J. Ni, H. Li, and X. S. Shen, “Secure and Efficient k NN Classification for Industrial Internet of Things,” IEEE Internet Things J, vol. 7, no. 11, pp. 10945–10954, Nov. 2020, doi: 10.1109/JIOT.2020.2992349.
R. Krishnamurthi, A. Kumar, D. Gopinathan, A. Nayyar, and B. Qureshi, “An Overview of IoT Sensor Data Processing, Fusion, and Analysis Techniques,” Sensors 2020, Vol. 20, Page 6076, vol. 20, no. 21, p. 6076, Oct. 2020, doi: 10.3390/S20216076.
F. Marcelloni and M. Vecchio, “Enabling energy-efficient and lossy-aware data compression in wireless sensor networks by multi-objective evolutionary optimization,” Inf Sci (N Y), vol. 180, no. 10, pp. 1924–1941, May 2010, doi: 10.1016/J.INS.2010.01.027.
