آینده اینترنت اشیاء: ایمن، کارا و مبتنی بر مدل

قیمت: 45,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

آینده اینترنت اشیاء: ایمن، کارا و مبتنی بر مدل

عنوان لاتین

The Future Internet of Things: Secure, Efficient, and Model-Based

گسترش مداوم اینترنت اشیاء توسط استفاده منابع و ترس در مورد حریم شخصی و امنیت محدود شده است. یک راه حل که به صورت مشترک پوشش دهنده امنیت، کارایی، حریم شخصی و مقیاس پذیری می باشد برای پشتیبانی از توسعه مداوم مورد نیاز است. ما یک راه حل مدل شده برای استفاده انسانی به صورت مفهومی و شناختی ارائه کرده ایم که به کارگیری کننده منابع ابر برای تسریع بخشی به اینترنت اشیاء بر روی منابع محدود می باشد. ما یک معماری را ارائه کرده ایم که اعمال کننده دانش پردازش شده برای فراهم کردن امنیت از طریق انتزاع و حریم شخصی از طریق ترکیب داده ای راه دور می باشد. ما 5 عنصر معماری را ارائه کرده ایم و مفاهیم کلیدی برای پراکسی داده و لایه شناختی را در نظر گرفته ایم. پراکسی داده استفاده کننده از مدل های سیستمی برای منعکس کردن دیجیتالی اشیاء با کمینه میزان داده ورودی می باشد، در حالی که لایه شناختی اعمال کننده این مدل ها بمنظور نظارت بر توسعه سیستمی و شبیه سازی اثرات دستورات قبل از اجرای آن می باشد. پراکسی داده به سنسورهای سیستم اجازه می دهد تا نمونه سازی شوند تا فراهم کننده کیفیت داده ای خاصی با هدف استفاده کمینه از منابع باشند. بهبود کارایی این معماری توسط یک مثال کاربردی از برنامه ردیابی ماشین نمایش داده شده است. در نهایت، ما فرصت های آینده را برای این معماری به منظور کاهش موانع فنی، اقتصادی و تمایلاتی برای تطبیق دهی در اینترنت اشیاء در نظر گرفته ایم.

The Internet of Things’ (IoT’s) rapid growth is constrained by resource use and fears about privacy and security. A solution jointly addressing security, efficiency, privacy, and scalability is needed to support continued expansion. We propose a solution modeled on human use of context and cognition, leveraging cloud resources to facilitate IoT on constrained devices. We present an architecture applying process knowledge to provide security through abstraction and privacy through remote data fusion. We outline five architectural elements and consider the key concepts of the “Data Proxy” and the “Cognitive Layer.” The Data Proxy uses system models to digitally mirror objects with minimal input data, while the Cognitive Layer applies these models to monitor the system’s evolution and to simulate the impact of commands prior to execution. The Data Proxy allows a system’s sensors to be sampled to meet a specified “Quality of Data” (QoD) target with minimal resource use. The efficiency improvement of this architecture is shown with an example vehicle tracking application. Finally, we consider future opportunities for this architecture to reduce technical, economic, and sentiment barriers to the adoption of the IoT.