Інтелектуалізація граничних обчислень інтернету речей.

Коваленко О.Є.

doi:10.34121/1028-9763-2024-3-4-50-68

Автор(и)

Коваленко О.Є. https://orcid.org/0000-0002-9639-3544 , Національний університет біоресурсів і природокористування України, м. Київ, Україна

DOI:

https://doi.org/10.34121/1028-9763-2024-3-4-50-68

Ключові слова:

edge computing, Internet of Things, artificial intelligence, security of edge computing, граничні обчислення, інтернет речей, штучний інтелект, безпека граничних обчислень

Анотація

Поєднання технологій граничних обчислень та інтернету речей породжує граничний інтернет речей. Граничні обчислення інтернету речей представляють архітектуру граничних обчислень, що інтегруються у систему інтернету речей за допомогою граничного (обчислювального) шлюзу. Граничний обчислювальний шлюз, який об’єднує мережеві, обчислювальні сховища та можливості застосунків, розгортається на межі мережі поблизу пристроїв або джерел даних, щоб він міг надавати сервіси керування пристроями та управління системою інтернету речей у граничних вузлах мережі. Граничний штучний інтелект або «штучний інтелект на межі» означає поєднання граничних обчислень і штучного інтелекту для виконання завдань машинного навчання безпосередньо на взаємопов’язаних граничних пристроях. Одним із напрямів еволюції програмного забезпечення, пов’язаного з граничними обчисленнями, є застосування методів і алгоритмів штучного інтелекту як безпосередньо для обробки інформації, так і для адаптивного програмно керованого розгортання мережевої інфраструктури. Перевагою архітектури граничних обчислень є безпека. Багато компаній не наважуються надсилати конфіденційні дані про свою компанію у хмару та віддають перевагу зберіганню їх у своїх приміщеннях, тим самим зменшуючи ризики кібербезпеки. Конвергенція інформаційних технологій та операційних технологій збільшує потенційну площу атаки і важливо, щоб підприємства зміцнили свої граничні обчислювальні вузли для захисту даних. Швидкий розвиток і поширення технологій штучного інтелекту поширюється у бік граничних обчислень, оскільки штучний інтелект може потенційно забезпечити засоби досягнення властивостей «розумного середовища» гранично-хмарного континууму (edge-cloud continuum). У статті проведено аналіз застосування штучного інтелекту у граничній області інтернету речей. У результаті проведеного аналізу визначено основні переваги та проблеми, пов’язані з граничною областю інтернету речей, та підходи для їх вирішення на основі використання методів штучного інтелекту. Граничні обчислення та граничний штучний інтелект мають різні варіанти використання, але найважливішим є підвищення якості обслуговування для пристроїв інтернету речей.

Посилання

1. Kovalenko O., Vishnevsky V., Kosolapov V. Towards Creating the Network of Situatonal Governance Centers and Decision Making Technologies in Distributed Environments. 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET). Lviv-Slavske, Ukraine, 2020. P. 540–545. DOI: https://doi.org/10.1109/TCSET49122.2020.235491.

2. EdgeAI Consortium. URL: https://edge-ai-tech.eu/consortium/.

3. Iorga M., Goren N., Feldman L., Barton R., Martin M. Charif Mahmoudi NIST SP 500-325. Fog Computing Conceptual Model. 2018. 14 March. DOI: https://doi.org/10.6028/NIST.SP.500-325.

4. The Edge-to-Cloud Continuum. URL: https://www.computer.org/csdl/magazine/co/2020/11/09237349/1o8m4Fl5nUc.

5. The European Cloud, Edge and IoT Continuum Initiative. URL: https://eucloudedgeiot.eu/about/.

6. Khalyeyev D., Bureš T., Hnětynka P. Towards Characterization of Edge-Cloud Continuum. Proc. of ECSA 2022 Tracks and Workshops. 2023. P. 215–230. URL: https://doi.org/10.1007/978-3-031-36889-9_16.

7. Petersen A.M., Ahmed M.E., Pavlidis I. Grand challenges and emergent modes of convergence science. Humanit. Soc. Sci. Commun. 2021. Vol. 8. Article number 194. DOI: https://doi.org/10.1057/s41599-021-00869-9.

8. Roco M. Convergence-Divergence Process. Handbook of Science and Technology Convergence / W. Bainbridge, M. Roco (eds.). Cham: Springer, 2016. P. 79–93.

9. Kovalenko O. Knowledge Driven Cyber-Convergent Systems Based on Situational Agents. 2022 IEEE 17th International Conference on Computer Sciences and Information Technologies (CSIT). 2022. P. 243–246. DOI: https://doi.org/10.1109/CSIT56902.2022.10000762.

10. Kovalenko O. Systems Convergence for Situational Control and Decision Making in Distributed Environments. 2022 IEEE 16th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET). 2022. P. 344–347. DOI: https://doi.org/10.1109/TCSET55632.2022.9767006.

11. Athanasios Tziouvaras and Fotis Foukalas. Edge AI for Industry 4.0: An Internet of Things Approach. Proc. of the 24th Pan-Hellenic Conference on Informatics (PCI '20). Association for Computing Machinery. New York, NY, USA, 2021. P. 121–126. DOI: https://doi.org/10.1145/3437120.3437289.

12. Chen Zhang, Yu Xie, Hang Bai, Bin Yu, Weihong Li, Yuan Gao A survey on federated learning, Knowledge-Based Systems. 2021. Vol. 216. P. 106775. DOI: https://doi.org/10.1016/j.knosys.2021.106775.

13. Edge AI Benefits, Use Cases & Deployment Models. URL: https://www.run.ai/guides/machine-learning-operations/edge-ai.

14. Introduction to Edge Computing in IIoT An Industrial Internet Consortium White Paper IIC:WHT:IN24:V1.0:PB:20180618 Edge Computing Task Group, ed. Stephen Mellor. URL: https://www.iiconsortium.org/pdf/Introduction_to_Edge_Computing_in_IIoT_2018-06-18.pdf.

15. The Essentials of SD-WAN Architecture: Advantages and Options. URL: https://www.sdxcentral.com/networking/sd-wan/definitions/software-defined-sdn-wan/essentials-sd-wan-architecture/.

16. What is Universal Customer Premises Equipment (uCPE)? URL: https://www.sdxcentral.com/networking/sd-wan/definitions/software-defined-sdn-wan/essentials-sd-wan-architecture/what-is-ucpe/.

17. vRan: How It Works & Why It Matters. URL: https://www.celona.io/network-architecture/vran.

18. Intel® Movidius™ Vision Processing Units (VPUs). URL: https://www.intel.com/content/www/us/en/products/details/processors/movidius-vpu.html.

19. Accelerate AI development with Google Cloud TPUs. URL: https://cloud.google.com/tpu/?hl=uk.

20. NPU Ethos-U55. URL: https://www.arm.com/products/silicon-ip-cpu/ethos/ethos-u55.

21. Li W., Hacid H., Almazrouei E., Debbah M. A Review and a Taxonomy of Edge Machine Learning: Re-quirements, Paradigms, and Techniques. arXiv 2023, arXiv:2302.0857.

22. Edge AI Inference Platform. URL: https://www.aetina.com/products-features.php?t=337.

23. Is Secure Access Service Edge (SASE)? URL: https://www.zscaler.com/resources/security-terms-glossary/what-is-saseb.

24. How is Edge Security Helping Secure Devices that Use Edge AI? URL: https://xailient.com/blog/how-is-edge-security-helping-secure-devices-that-use-edge-ai/.