A Study on Enhancing End-to-End Interactive Models for IoT-Cloud

Dinh Ngoc Thanh 숭실대학교 대학원 2018 국내박사

지난 몇 년 동안, 연구는 전용 애플리케이션을 위해 만들어진 기존의 무선 센서 네트워크(WSNs)의 한계를 가리켜왔다. 이러한 한계는 센서 시스템 관리와 데이터 사용량 감지 모델을 포함한다. 최근, IoT-cloud 통합 (예, 센서-cloud)이 제안되었고, 학계와 업계로부터 동시에 큰 관심을 받았다. IoT-cloud 통합은 강력한 프로세싱 능력과 센서 데이터를 위한 클라우드 컴퓨팅 스토리지 능력의 이점을 바탕으로 시작되었다. IoT-cloud 통합 모델은 종래의 WSN이 가지는 한계점을 해결할 수 있는 잠재적 대안으로 여겨진다. WSN과 클라우드를 통합함으로써, IoT-cloud는 현존하는 감지 모델과 다르게, 여러 애플리케이션에 ‘sensing-as-a-service’(SSaS)를 동시에 제공할 수 있다. IoT-cloud의 주요 목표 중 하나는 단일 WSN이, 사용자/애플리케이션이 그들의 기대치와 예산에 맞춰 필요한 만큼 서비스의 필요조건을 설정할 수 있도록 함과 동시에 감지 서비스를 여러 애플리케이션에 제공할 수 있도록 하는 것이다. 초기 몇몇 연구는 구조 모델, 센서 가상화, 가격 책정 모델과 데이터 전달 최적화와 같은 IoT-cloud를 위한 상세 디자인에 관해 이루어졌다. 비록 현재 연구가 센서를 클라우드와 통합하는 방법과 센싱 데이터를 효율적으로 분산하는 방법에 관해 이루어지고 있지만, 소수의 연구는 온 디맨드 요구사항을 보증하는 WSN과 클라우드 간의 효율적인 상호작용 모델을 연구하고 있다. IoT-cloud의 온 디맨드 요구사항을 보장하도록 하는 것은 굉장히 큰 기술적인 도전을 필요로 한다. 예를 들어, 제한적인 자원에서 물리적 센서 노드에 필요한 동적인 연산이나, QoS 요구 사항을 동시에 만족시키면서 에너지 소비를 최적화하는 방법과 같은 것이다. 또한 요구사항은 시간에 따라 달라진다는 것에 주목해야한다. 그러므로, IoT-cloud를 위한 효율적인 상호작용 모델은 요구사항을 만족시키기 위해 필수적이다. 위에서 서술한 목표에서 동기를 얻어, 본 논문은 다음과 같은 IoT-cloud를 위한 효율적인 상호작용 모델을 연구함으로써 상기의 요구사항을 충족시키는데 기여하였다. 1) 온 디맨드 SSaaS를 가능하게 하여 사용자/애플리케이션이 고유의 요구사항을 가지고 공유 WSN으로부터 센싱 데이터를 요청할 수 있도록 하는 것, 2) 센서의 작동을 요구사항에 맞게 조정하는 것, 3) IoT-cloud를 최대한 활용하여 한정된 자원에서 센서의 에너지 소비를 최적화 하는 것. 정리하자면, 이 논문은 다음과 같은 기여를 하였다. 첫 번째로, 본 논문은 단일 WSN이 다른 센싱 주파수 요구사항을 가진 여러 애플리케이션을 동시에 운용할 수 있도록 하는 IoT-cloud의 효율적인 온 디맨드 상호작용 모델을 제안한다. 이 모델에서 물리적인 센서로 보내지는 요청의 수를 최소화하는 효율적인 요청 수집 스키마와, 물리적 센서 노드의 에너지 소비를 지역적으로 최적하기 위한 효율적인 요청 기반의 적응형 저전력 리스닝 프로토콜을 디자인하였다. 두 번째로, 애플리케이션의 온 디맨드 지연 시간 요구사항을 보장하는, IoT-cloud의 효율적인 분산 피드백 관리 모델을 고안하였다. 이 모델에서 QoS 컨트롤러는 지연 시간 요구사항을 조절하고 센서의 에너지 소비를 최적화하기 위해 센서 노드 단계에서 스케줄링 컨트롤러와 상호작용하도록 설계되었다. 세 번째로, 모바일 클라우드 컴퓨팅 애플리케이션을 운용하기 위한 IoT-cloud의 위치 기반의 상호작용 접근방법을 모델링하였다. 또한 클라우드가 스케줄링 조율자로서 중요한 역할을 수행하는 모델을 통해 WNS의 온 디맨드 스케줄링 스키마를 제공한다. 마지막으로, 종단 간 IoT cloud 서비스의 문맥에서, 효율적인 안정성/가용성이 보장되는 서비스 기능 체이닝(SFC) 배포 스키마를 제안한다. 제안한 스키마의 효율성을 측정하기 위해 심도 있는 분석과 실험을 수행하였다. 그리고 얻어진 결과로 제안한 스키마가 현존하는 몇몇 연구의 한계를 해결하고, 자원 효율성에서 더 나은 성능을 얻었음을 보인다. Over the last few years, studies have indicated the limitations of conventional Wireless Sensor Networks (WSNs) which are normally built for a dedicated application. The limitations include the sensor system management and the sensing data usage model. Recently, the IoT-cloud integration (i.e., sensor-cloud) has been proposed and received a great extent of interest from both academia and industry. The IoT-cloud integration is motivated by taking advantages of the powerful processing as well as storage capabilities of cloud computing for sensing data. The IoT-cloud integration model is being viewed as a potential substitute to address the existing limitations of traditional WSNs. By integrating WSNs with the cloud, the IoT-cloud can simultaneously provide sensing-as-a-service (SSaaS) to multiple applications, unlike the current sensing model. One of the main objectives of the IoT-cloud is to enable a single WSN to be able to produce sensing services for multiple application simultaneously while it allows the users/applications to specify sensing service requirements on-demand depending on their expectation and budget. Some initial studies have been conducted toward the detailed design for IoT-cloud including the architectural model, sensor virtualization, pricing model and data delivery optimization. Although the current studies discuss how to integrate sensors with the cloud and how to distribute sensing data efficiently, a few works investigate efficient interactive models between WSNs and the cloud for on-demand requirement guarantees. Enabling the on-demand requirement guaranteed feature on the IoT-cloud poses enormous technical challenges; for example, the requisite dynamic operations at resource constrained physical sensor nodes, or how the sensor nodes should react to optimize their energy consumption while guaranteeing their sensing flows meet the Quality of Service (QoS) requirements of multiple applications simultaneously. Moreover, note that the requirements may change over time. Therefore, efficient interactive models for the IoT-cloud are critical to meet the requirements. Motivated by the above objective, this thesis contributes to fulfill the above requirements by investigating efficient interactive models for the IoT-cloud to 1) enable on-demand SSaaS where users/applications are allowed to request sensing data from shared WSNs with their own requirements, 2) adapt sensors’ operations to meet the requirements 3) exploit the IoT-cloud to optimize energy consumption of resource constrained sensors. In summary, this thesis makes the following contributions. First, we propose an efficient on-demand interactive model for the IoT-cloud to enable a single WSN to be able to serve multiple applications with different sensing frequency requirements simultaneously. In the model, we design an efficient request aggregation scheme on the IoT-cloud to minimize the number of requests sent to physical sensors, and an efficient request-based adaptive low power listening protocol for physical sensor nodes to locally optimize their energy consumption. Second, we design an efficient distributed feedback control model for the IoT-cloud to guarantee on-demand latency requirements of applications. In the model, a QoS controller is designed on the IoT-cloud to interact with a scheduling controller at the sensor node level to control the latency requirements and to optimize the energy consumption of sensors. Third, we model a location-based interactive approach for the IoT-cloud to serve mobile cloud computing applications. We also present an on-demand scheduling scheme for WNSs on the top of the model, in which the cloud plays a critical role as the scheduling coordinator. Lastly, in the context of end-to-end IoT cloud services, we propose an efficient reliability/availability guaranteed deployment scheme for service function chaining. Extensive analysis and experiments have been conducted to evaluate the efficiency of the proposed schemes. The obtained results show that our proposed schemes address several limitations of existing studies and achieve better performance in term of resource efficiency.

퍼지논리에 의한 화재 신호 패턴인식 기법을 적용한 IoT 기반 화재탐지시스템 개발

박승환 충북대학교 2023 국내박사

화재탐지시스템에서 가장 중요한 요건 중 하나는 낮은 비화재보률에 기반한 화재경보의 신뢰성에 있다. 기존 화재탐지시스템은 열, 연기 등의 변화량을 얼마나 정확하게 감지하는지가 신뢰성의 척도였다면, IoT 기반 화재탐지시스템은 감지기를 통해 수집된 정보를 바탕으로 화재 여부를 판단하는 것이 신뢰성의 척도가 된다. 이런 측면에서 IoT 기반 화재탐지시스템에서는 감지신호의 특성과 분석기법에 관한 연구가 중요하다. 하지만 IoT 기반 화재탐지시스템을 대규모로 설치하고 운영한 실적이 전 세계적으로 희소하여, 화재실험 등으로 얻어진 데이터를 활용하고 있다. 따라서 본 연구에서는 실사용 현장의 데이터를 기반으로 하여 퍼지논리에 의한 화재 신호 패턴인식 기법을 적용하여 화재 여부를 판단할 수 있는 IoT 기반 화재탐지시스템을 개발하였다. 이를 위해서 IoT 기반 화재탐지시스템이 설치된 장소에서 발생한 화재사고와 실물 화재실험을 통해 얻은 데이터를 활용하여 화재 신호 특성을 분석하였다. 실물 화재실험에서는 복합형 화재감지기의 불꽃, 연기, 온도 센서가 모두 작동하였다. 그러나 화재사고 7건을 조사한 결과, 연기 및 온도 센서는 화재 상황에 모두 정상적으로 작동하였으나 불꽃 센서의 경우에는 적재물 등에 의한 탐지경로가 차단되는 경우 감지 능력을 상실하였다. 본 논문에서는 연기 및 온도 단일형 감지기를 기준으로 실험과 화재사고 분석을 통해 화재 감지신호의 감지 값과 시간의 상관관계를 분석한 결과, 2가지 특성이 나타났다. 첫 번째는 변동성이며, 센서의 감지 한계치에 이르기 전까지 시간의 흐름에 따라 급격한 기울기의 변화가 감지되었다. 두 번째는 연속성으로 센서가 그 기능을 상실하거나 화재가 진화되기 전까지 감지신호의 연속성이 나타났다. 비화재 신호 특성 분석을 위해서는 국내 최대규모의 IoT 기반 화재탐지시스템을 운영 중인 K 기관을 대상으로 하여 5년간 발생한 233건의 화재경보 데이터를 활용하였다. 화재 감지신호의 2가지 특성인 변동성과 연속성을 기준으로 연기와 온도의 화재경보를 Type A, Type B, Type C로 분류하였다. 화재 감지신호 특성인 Type C는 연기 화재경보에서 31%, 온도 화재경보에서 30%가 발생하였고 약 70%에 해당하는 Type A와 Type B가 불필요한 오경보를 발생시키는 것으로 분석되었다. 화재 신호 패턴인식을 위해, 분석한 신호 특성을 바탕으로 퍼지논리를 적용하였다. 퍼지논리에 의해 개발된 추론규칙을 감지기의 출력신호에 적용이 되도록 시스템을 구성하였고, 화재 및 비화재 신호 특성 분석을 위해 사용되었던 현장 데이터를 LabVIEW(Ver. 2013) 소프트웨어를 활용하여 검증하였다. 화재 신호에 의한 검증에서는 주택 실물 화재실험에는 24초, 화재사고 7건에서도 24초 만에 화재경보가 발생하여 '감지기의 형식승인 및 제품검사의 기술기준'의 30초 이내에 화재경보가 울리는 것을 확인할 수 있었다. 비화재 신호에 의한 검증에서는 K 기관의 233건 화재경보 중에서 연기에 의한 화재경보의 경우에는 73.2%, 온도에 의한 화재경보의 경우에는 70.2%의 불필요한 화재경보를 줄일 수 있는 것으로 도출되었다. 또한 K 기관에서 발생한 2건의 화재사고에서도 화재 상황에서 정상적으로 작동되었다. 따라서 제안한 퍼지논리에 의한 화재 신호 패턴인식 기법을 IoT 기반 화재탐지시스템에 적용할 경우, 화재경보의 신뢰성이 향상되는 것으로 판단된다. One of the important requirements in fire detection systems is the reliability of fire alarms based on a low false alarm rate. While the reliability of conventional fire detection systems was measured by how accurately they could detect changes in heat and smoke, the reliability of IoT-based fire detection systems is determined by their ability to judge the presence of fire based on information collected through detectors. Thus, research on the characteristics of detection signals and analysis techniques is crucial in IoT-based fire detection systems. Due to the rarity of large-scale implementation and operation of IoT-based fire detection systems worldwide, data obtained from fire experiments is being utilized. Consequently, an IoT-based fire detection system that can determine the presence of fire by applying a fire signal pattern recognition based on fuzzy logic has been developed based on actual field data. In the fire experiments, the flame, smoke, and temperature sensors of the composite fire detector all operated. However, an investigation of seven fire accidents revealed that while the smoke and temperature sensors operated normally in all fire situations, the flame sensor lost its detection capability in cases where the detection path was blocked by cargo, etc. This paper, based on the smoke and temperature single-type detector, analyzed the correlation between the detection values and duration of the fire detection signals through experiment and fire accident analysis, revealing two characteristics. The first is volatility, where a rapid change in slope was detected over time until reaching the sensor's detection limit. The second is continuity, where the continuity of the detection signals was analyzed until the sensor lost its function or the fire was extinguished. For the analysis of non-fire signal characteristics, 233 fire alarm data generated over five years from the largest scale IoT-based fire detection system operation in South Korea, conducted by Institute K, were utilized. Based on the two characteristics of fire detection signals, volatility and continuity, the smoke and temperature fire alarms were classified into Type A, Type B, and Type C. Type C, a characteristic of fire detection signals, accounted for 31% of smoke fire alarms and 30% of temperature fire alarms, and approximately 70% corresponding to Type A and Type B, resulted in unnecessary false alarms. In order to recognize fire signal patterns, fuzzy logic was applied based on the analyzed signal characteristics. The system was configured to apply the inference rules developed by fuzzy logic to the output signal of the detector, and the site data used for fire and non-fire signal characteristics analysis were verified using LabVIEW (Ver. 2013) software. In the verification by fire signals, it was confirmed that the fire alarm rang within 30 seconds, the 'technical standard for type approval and product inspection of detectors', in 24 seconds in a real fire experiment in a house and in 24 seconds in seven fire accidents. In the verification by non-fire signals, it was concluded that unnecessary fire alarms can be reduced by 73.2% for fire alarms caused by smoke and 70.2% for fire alarms caused by temperature out of 233 fire alarms at Institute K. Furthermore, it worked properly in two fire accidents that occurred at Institute K. Therefore, it is inferred that if the fire signal pattern recognition by the proposed fuzzy logic is applied to the IoT-based fire detection system, the reliability of the fire alarm can be improved.

IoT 환경에서 효율적인 그룹 통신을 위한 그룹키 기반의 인증 프로토콜 설계

이희만 숭실대학교 대학원 2015 국내석사

IoT는 Internet of Things의 약자로 이동통신망을 이용하여 사람과 사물의 통신뿐만 아니라 사물과 사물의 통신으로 모든 사물이 연결되어 센싱, 네트워킹, 정보 처리 등 복합적인 요소가 상호 협력적으로 작용하여 서비스와 가치를 창출하는 기술로써 환경, 도시, 물류, 농업, 자동차, 빌딩 등 다양한 산업에서 활용될 것으로 예상된다. 하지만, 현재 IoT와 관련된 표준이 제정 중이며 디바이스에 대한 한정된 메모리, 처리능력, 에너지에 따른 보안 위협이 발생할 수 있고, 또한 표준에 제시된 바와 같이 사물과 사물의 그룹 인증에서 발생할 수 있는 고비용, 오버헤드, 보안문제는 모든 사물이 연결되어 있는 사물의 그룹 간의 인증에서도 그대로 계승되어 고비용, 오버헤드문제 뿐만 아니라 수집된 데이터의 노출 및 악의적인 사용자의 임의적인 그룹 지정 명령을 할 수 있어 위험한 상황이 발생할 수 있다. 따라서 본 논문에서는 각 상황을 고려하여 기존의 그룹 구조를 디바이스와 디바이스 그룹, 서비스와 서비스 그룹으로 분할하고 각 그룹을 관리하는 프로바이더를 생성한다. 각 프로바이더는 디바이스와 서비스의 그룹 관리를 위해 그룹키 보안 요구사항을 만족하면서 해시 체인 알고리즘을 통해 주기적인 식별자 및 해시 알고리즘, 난수를 갱신하여 데이터 기밀성을 만족한다. 그룹과 그룹의 인증을 수행하기 위해서 각 프로바이더의 그룹키와 인증에 사용되는 구성 요소들을 사용하여 인증을 수행하고 CSF기능을 수행하는 미들노드인 게이트웨이와 안전한 데이터 통신을 수행한다. 제안 프로토콜의 성능평가 및 보안성평가를 위해 표준에 제시된 하나의 서비스 프로바이더를 통한 그룹 인증과 비교 분석을 하며, 그룹 인증에서 발생할 수 있는 보안 문제를 각 프로토콜에 적용함으로써 통신 및 인증에 대한 안전함을 분석 한다. 성능평가의 비교분석 결과 프로바이더에서 수용할 수 있는 패킷의 Received, Load, Delay가 기존의 구성방식 보다 추가적인 디바이스와 패킷 통신의 환경을 고려하였을 때 약 17.5% 효율을 시뮬레이션 그래프로 볼 수 있었으며 보안성 분석에서는 메시지 및 통신에서 발생할 수 있는 취약점등을 프로토콜에 적용하여 분석하였을 때 안전함을 보였다. 실험 연구 결과는 아직 표준 제정중인 IoT 에 대해서 문제점 및 앞으로 나아가야 할 방향을 제시할 수 있고, 개발 및 연구 관련 종사자들이 보안 위협 및 퍼포먼스 측면을 인식해서 더운 안전하고 효율적으로 사용할 수 있는 이점을 가진다. IoT is an abbreviation of Internet of Things and this means the technology to create services and values as the complex factors like sensing, networking and information processing are mutually and cooperatively acting and everything is connected with the communication not only between people and thing but also between thing and thing. This technology is expected to be used in various industries like environment, city, logistics, agriculture, automobile and building. but, standards related with IoT are currently being enacted and security threats could occur according to limited device memory, processing capability and energy. In addition, not only high costs and overhead problems but also collected data exposure and random grouping could cause dangerous situation because high cost, overhead and security problems which could occur in the group certification between things directly continue to thing group where all things are connected. Considering individual situations in this paper, existing group structures are divided into devices and device group and services and service group, and the provider which manages the individual group is created. In order to manage devices and service groups, individual provider satisfies group key security requirements, and subsequently updates periodic identifier, hash algorithm and ramdom numbers through hash chain algorithm, and finally satisfies data confidentiality. In order to execute group certification between groups, group key in each group and composing factors which are used for certification are executing the certification through individual objects and safe data communication with the gateway which is a middle node executing CFS function. For performance and safety evaluation of suggested protocols, certification and comparative analysis will be executed through a single service provider which is suggested in the standards, and the safety in communication and certification will be analyzed by applying security probles which could occur in group certification to each protocol. Regarding comparative perfomance evaluation results, received and delay and Load which could idetify the overhead showed 17.5% of efficiency compared with suggested environments which are specified in the standards and showed safety with security analysis. Experiment results have an advantage to suggest the problems and future directions of IoT whose standards are still being enacted, and to be used more safely and efficiently with the understanding of performance aspects by research and development related professionals.

IoT 네트워크 환경에서 기계학습 기반의 침입 탐지 성능 향상에 관한 연구

현미진 경남대학교 대학원 2022 국내박사

IoT 네트워크 환경의 발달로 인하여 네트워크 트래픽의 규모와 종류가 다양해짐으로써, 다양한 기술이 어우러진 IoT 서비스는 여러 가지 보안 취약점이 존재한다. 따라서, 네트워크 트래픽을 관찰하여 악의적인 활동을 탐지하는 네트워크 침입 탐지 시스템(Network Intrusion Detection System, NIDS)이 네트워크의 중요한 보안 요소가 되었으며, 최근에는 기계학습 기술을 활용한 연구가 활발하게 이루어지고 있다. 그러나 실제 IoT 네트워크 환경의 대용량 트래픽으로 인하여 발생하는 여러 문제점으로 탐지 성능을 보장할 수 없다는 단점이 있다. 따라서 본 연구에서는 이러한 문제점 중 대용량 고차원 데이터에 의한 시간 복잡도와 공간 복잡도 문제를 해결하기 위하여 최신의 네트워크 환경에서 수집된 데이터 세트를 기반으로 데이터 세트의 차원을 줄이는 방법으로 Filter 방법과 Embedded 방법을 혼합한 특징 선택 절차를 제안하였다. 이는 범주형 특징에 대해서 Cramer’s V 계수 값이 큰 특징을 선택하고, 연속형 특징들에 대해서는 Pearson의 상관계수 값이 큰 특징은 제외한 후 랜덤 포레스트 모델의 특징 중요도를 이용하여 특징 선택을 하는 방법이다. 그리고 대용량 데이터의 일부를 샘플 데이터로 추출하여 분석하는 과정에서 발생할 수 있는 과적합 문제를 해결하기 위하여 5%, 10%, 15%, 20%, 25%, 30% 비율로 샘플 데이터를 각각 추출한 후 기계학습 모델을 훈련하여 최적의 성능을 나타내는 파라미터를 찾았다. 실험 결과, 본 연구에서 제안한 특징 선택 절차로 선택된 특징 집합은 IoT 트래픽 데이터 특징 간의 상관관계가 높은 성격을 가진 데이터 세트에서는 적은 특징으로도 모델의 성능이 높았다. 그러나 연속형 특징들의 상관관계가 높지 않고 범주형 특징들의 영향력이 큰 IoT-23과 같은 데이터 세트에서는 랜덤 포레스트 모델의 특징 중요도를 이용한 특징 선택의 전 단계로서의 Cramer’s V 계수와 상관계수를 이용한 특징 선택 절차가 성능 향상에 도움이 되지 않은 것으로 나타났다. As the scale and type of network traffic are diversified due to the development of the IoT network environment, IoT services combining various technologies have many security vulnerabilities. Therefore, a network intrusion detection system (NIDS) that detects malicious activity by observing network traffic was an important element of network security, and recently, research using machine learning technology has been actively conducted. However, there is a disadvantage that detection performance cannot be guaranteed due to various problems caused by large-capacity traffic in the actual IoT network environment. Therefore in this work, among these problems, the feature selection procedure that combines the Filter method and the Embedded method has been proposed a method of reducing the dimension of the data set based on the data set collected in the latest network environment to solve the problem of time and spatial complexities caused by large-scale and high-dimensional date. For categorical features, features with large Cramer's V coefficients are selected, and for continuous features, features with large Pearson's correlation coefficients are excluded, and features are selected using the feature importance of the random forest model. The parameters of optimal performance were obtained by applied to the Machine Learning Model after extracting the sample data at 5%, 10%, 15%, 20%, 25%, and 30% to solve the overfitting problem generated in the processes extracted and analyzed some sample data in large data. As a result of the experiment, the feature set selected by the feature selection procedure proposed in this study showed high performance in the machine learning model despite few features in the data set with high correlation between IoT traffic data features. However, continuous features are not highly correlated and in a data set such as IoT-23, where categorical features have a large influence, It was found that the feature selection procedure using Cramer's V coefficient and correlation coefficient did not help to improve the performance.

오류율 기반 적합한 뉴로모픽 아키텍처 플랫폼 선택 기법

박기철 숭실대학교 대학원 2021 국내석사

IoT 기술이 발전함에 따라 인공 지능과 기계학습을 융합한 지능형 IoT에 관한 관심이 증가하고 있다. 이러한 지능형 IoT 서비스를 제공하려면 IoT 기기와 IoT 소프트웨어가 인공 지능 기술을 지원해야 한다. 일반적으로 IoT 기기는 범용 컴퓨터보다 컴퓨팅 성능과 자원이 제한적이다. 따라서 다양한 지능형 IoT 서비스를 지원하기 위해서는 저전력으로 인공 지능 기술을 지원할 수 있어야 한다. 저전력 뉴로모픽 아키텍처는 자원이 제한된 IoT 기기가 인공 지능 기술을 기반으로 하는 지능형 IoT 서비스를 제공할 수 있도록 해야 한다. 본 논문에서는 효율적인 지능형 IoT 서비스를 제공하기 위해 최적의 뉴로모픽 아키텍처를 선택하는 기법을 제안한다. 제안한 기법은 학습모델의 파라미터와 뉴로모픽 칩의 성능 및 오류율을 통해 선택한다. 또한, 실험을 위해 IoT 기기 환경에서 제안한 기법이 적용된 플랫폼을 구현한다. 그리고 제안하는 기법을 적용한 방식과 랜덤하게 뉴로모픽 아키텍처를 선택하는 기법, SNN 파라미터 기반 뉴로모픽 아키텍처 기법에서 SNN 모델 학습 시간과 학습 성공률을 비교함으로써 제안하는 기법의 성능을 평가한다. As IoT technology advances, interest in intelligent IoT that combines artificial intelligence and machine learning is increasing. To provide these intelligent IoT services, IoT devices and IoT software must support artificial intelligence technology. In general, IoT devices have limited computing power and resources compared to general-purpose computers. In order to support various intelligent IoT services, it must be able to support artificial intelligence technology with low power. The low-power Neuromorphic architecture enables IoT devices with limited resources to provide intelligent IoT services based on artificial intelligence technology. In this thesis, I propose a technique to select the optimal Neuromorphic architecture to provide efficient intelligent IoT service. The proposed method is chosen based on the parameters of the learning model and the performance and error rate of the Neuromorphic chip. In addition, the performance of the proposed method is evaluated by comparing the SNN model training time and the learning success rate in the method applying the proposed method, the method of randomly selecting a Neuromorphic architecture and the method of applying Neuromorphic based on SNN parameters.

IoT 기기에서 최소 자원을 사용하는 통신 서브시스템

이승철 상명대학교 일반대학원 2020 국내석사

Internet of Things(IoT) 기기의 통신 서브시스템은 데스크 탑 컴퓨터나 서버 컴퓨터의 통신 서브시스템과는 달리 매우 제한된 메모리 및 프로세 서 자원을 사용한다. 본 연구에서는 IoT 기기에서 최소의 메모리 및 프로 세서 자원을 사용하는 통신 서브시스템에 관하여 연구하고 설계한다. 본 연구에서 설계하는 통신 서브시스템은 TCP/IP 4 계층 모델을 참조하였으 며, L4(Application), L3(Transport) 및 L2(Link) 계층을 대상으로 설계하였 다. 본 연구에서 설계한 통신 서브시스템은 다음과 같은 특징을 가지고 있 다. 첫째, 메모리 할당량(memory allocation amount)을 최소화하여 메모리 자원을 최소로 사용한다. 둘째, 메모리 복사량(memory copy amount)을 최 소화하여 프로세서 자원을 최소로 사용한다. 셋째, 메모리 풀(memory pool) 방식의 메모리 할당을 사용하여 통신 서브시스템의 수행 시간이 고 정 시간(deterministic time)에 완료될 수 있다. 넷째, 동적 메모리 할당 및 해제의 장소 및 시간에 대한 규칙을 정하고 이를 사용하여 메모리 누수 (memory leak) 문제가 발생하지 않는다. 본 연구에서 설계한 통신 서브시 스템은 L4 계층이 n 바이트의 데이터를 송신할 때, (n+c) 바이트의 메모 리 할당량 및 n 바이트의 메모리 복사량이 필요하다(여기서 c는 n과 독립 적인 작은 상수임). 본 연구에서 도출된 메모리 할당량 및 복사량에 대한 최소 자원 기준은 기 구현된 다수의 IoT 통신 서브시스템이 효율적으로 구현되었는지를 점 검하기 위해서 유용하게 사용될 수 있다. 현재 리눅스 재단에서 구현하고 있는 IoT 커널인 Zephyr의 통신 서브시스템의 메모리 할당량 및 복사량을 측정한 결과, 우리 연구에서 도출한 최소 자원 기준보다 더 크다는 것을 발견하였으며, 본 연구에서 제안한 설계 방법에 따라 Zephyr 통신 서브시 스템의 소스 코드를 개선 수정하여 메모리 할당량 및 복사량을 측정한 결 과 개선 전 Zephyr 통신 서브시스템에 비하여 각각 약 39% 및 67% 감소 함을 발견하였으며, 이에 따른 수행 시간도 약 28% 감소하였다. 본 연구는 IoT 기기의 통신 서브시스템 설계에 아래와 같은 기여도를 가지고 있다. 첫째, IoT 기기에서 최소 자원을 사용하는 통신 서브시스템 설계 방법을 제안하였다. 둘째, 본 연구에서 설계한 통신 서브시스템은 IoT 기기의 이미 개발된 통신 서브시스템을 평가하는데 활용할 수 있다. 셋째, 최근 개발이 활발한 Zephyr 통신 서브시스템을 개선하여 메모리 및 프로세서 자원 사용량을 줄일 수 있었다. The network subsystem of IoT devices uses very limited memory and processor resources, unlike the network subsystem of desktop computers or server computers. In this paper, we study and design a network subsystem that uses minimum memory and processor resources in IoT devices. The network subsystem designed in this paper refers to the TCP/IP 4 layer model, and is designed for L4(Application), L3(Transport), and L2(Link) layers. The network subsystem designed in this paper has the following characteristics. First, memory resources are minimized by minimizing the memory allocation amount. Second, processor resources are minimized by minimizing the memory copy amount. Third, the execution time of the network subsystem can be completed in a deterministic time by using a memory pool type memory allocation. Fourth, the rules for the place and time of dynamic memory allocation and deallocation are set and the memory leak problem does not occur. The network subsystem designed in this study requires (n+c) bytes of memory allocation and n bytes of memory copy when the L4 layer transmits n bytes of data(c is a small constant independent of n). The minimum resource standard for the memory allocation and copy amount derived in this paper can be usefully used to check whether a number of previously implemented IoT network subsystems are efficiently implemented. As a result of measuring the memory allocation and copy amount of the network subsystem of Zephyr, which is an IoT kernel currently being implemented by the Linux Foundation, it was found that it is larger than the minimum resource standard derived from our paper, and Zephyr network subsystem according to the design method proposed in this paper. As a result of measuring the memory allocation and copy amount by improving and modifying the source code of Zephyr network subsystem, it was found that the reduction was about 39% and 67%, respectively, compared to the Zephyr network subsystem before improvement, and the execution time was also reduced by about 28%. This paper has the following contribution to the design of the network subsystem of IoT devices. First, we proposed a network subsystem design method that uses the minimum resources in IoT devices. Second, the network subsystem designed in this paper can be used to evaluate the network subsystem already developed for IoT devices. Third, the Zephyr network subsystem, which has been recently developed, has been improved to reduce memory and processor resource usage.

mIoT: Metamorphic IoT Platform for High-Flexibility in Large-Scale IoT Applications : 대규모 IoT 응용에서의 높은 동작 유연성을 위한 재구성 가능한 IoT 플랫폼

문현균 경북대학교 대학원 2019 국내석사

사물인터넷 (IoT)이 일상생활과 산업 대부분에 적용되면서 IoT 시스템에 연결된 엣지 디바이스들이 늘어나고, 엣지 디바이스에 생성되는 데이터의 양이 급격하게 증가하고 있다. 따라서 이에 따른 병목현상과 보안, 사생활 문제로 인해 IoT는 클라우드 컴퓨팅에서 엣지 컴퓨팅으로 패러다임 시프트가 이뤄지고 있다. 그에 따라 엣지 디바이스에서 높은 연산 능력이 요구되기 시작하였다. 그러나 엣지 디바이스는 여러 제약으로 인하여 데이터 처리를 위한 충분한 성능을 가지기 어렵고, 제한된 하드웨어 성능으로 인해 클라우드 컴퓨팅보다 동작의 유연성이 떨어진다. 하지만 최근 IoT의 적용 분야와 수집되는 데이터가 다양해지고, 특히 인공지능, 신호처리 같은 복잡한 연산들이 엣지에서 요구되면서 하드웨어 가속기 기반의 강력하고 다양한 연산 능력이 필요해지고 있다. 이러한 요구에 따라 본 논문에서는, 데이터를 서버로 보내는 것이 아닌 처리를 위한 하드웨어를 엣지 디바이스의 요구에 따라 엣지로 전송 및 재구성하여, 엣지의 제한된 하드웨어 자원을 이용하여 다양한 하드웨어 가속을 할 수 있는 새로운 IoT 플랫폼, 변성적인 IoT 플랫폼 (mIoT)을 제안한다. 그리고 제안된 플랫폼은 호출성 (callability)이라는 확률적 값을 기반으로 엣지의 재구성을 최소의 오버헤드로 처리할 수 있다. mIoT는 RISC-V 기반의 재구성 가능한 엣지 디바이스와 호출성 기반으로 엣지 디바이스의 재구성을 관리하는 서버로 이루어져 있다. 우리는 호출성 기반의 mIoT 시스템과 본 논문에서 제안된 엣지 디바이스 설계 방법을 ASIC으로 제작하여 검증하였다. The Internet of things (IoT) is becoming more pervasive in our daily lives, and the number of devices connected to IoT edges and data generated at edges is rapidly increasing. Because of these changes including bottlenecks in server, security and privacy issues, there has been a paradigm shift in IoT from cloud computing to edge computing. Embedded devices are being required high computation capabilities according to these trends. However, edge devices can't have enough hardware to process data due to various constraints, and the operation's flexibility is reduced due to fixed hardware functions compared to cloud computing. Recently, application fields and collected data are diversified, especially applications requiring complex computation such as artificial intelligence (AI) and signal processing are applied to edges, so flexible processing and computation capabilities based on hardware acceleration are required. In this paper, according to these needs, we propose a new IoT platform, named metamorphic IoT platform (mIoT), which can various hardware acceleration with limited hardware platform resources through on-demand sending and reconfiguring a required hardware to edges instead of transferring sensing data to a server, and the proposed platform can process edge's reconfigurations with minimal overheads based on probabilistic value called callability. mIoT consists of reconfigurable edge devices based on RISC-V architecture and a server managing the reconfiguration of edge devices based on callability. We have also verified that the callability based mIoT platform and the edge device design method presented in this paper are effective through various experiments and the application-specific integrated circuit (ASIC) level edge device design.

Adaptive Run-time Scheduling of IoT Applications

박강규 서울대학교 대학원 2019 국내석사

IoT시스템은매우다른성능과기능을가진이기종스마트장치로구성된분산임베디드시스템이다. IoT시스템에서일반적으로리소스요구사항과실시간요구사항이서로 다른 많은 IoT 애플리케이션들이 동시에 실행된다. 또한, 전력 소비 및 장치 수명과 같은 비 기능적 특성이 중요하게 고려된다. IoT 애플리케이션은 언제든지 추가되거나 제거 될 수 있으며 런타임에 디바이스 상태가 변경 될 수 있다. 이 같이 시스템은 동적 특성을 갖기 때문에 IoT 애플리케이션을 스마트 디바이스에 매핑/스케줄링 하는 것은 매우까다로운문제이다.이문제를해결하기위해점진적매핑및글로벌재매핑의두 가지 스케줄링 기법으로 구성된 새로운 적응적 스케줄링 기법을 제안한다. 동적 환경 변화에 대한 빠른 응답을 제공하기 위해 점진적 매핑 방법을 제안하며, 정적 상태에서 비 기능적 특성에 기초하여 주어진 목적 함수를 최적화하기 위해 주기적으로 IoT 애플리케이션의 전체 태스크를 모두 다시 스케줄링 하는 유전 알고리즘 기반 글로벌 재 매핑 방법은 제안한다. 제안 된 스케줄링 방법의 두 가지 성능 지표로 애플리케이션 수용 비율 및 에너지 소비량을 사용하였으며, 성능 및 실용성은 무작위로 생성 된 시나리오를 사용한 시뮬레이션 환경을 통해 검증한다. An IoT system can be regarded as a distributed embedded system that is composed of heterogeneous smart devices with very different performance and functions. Also many IoT applications that have different resource requirements and real-time requirements will run concurrently in the IoT system. In addition, non-functional properties such as power consumption and device lifetime are considered important. Since an IoT application can be added or removed anytime and the device status may change at run-time, the system is unprecedentedly dynamic in its configuration, which brings up a challenging scheduling problem of IoT applications onto the smart devices. To tackle this problem, we propose a novel adaptive scheduling technique that consists of two scheduling techniques, incremental and global. An incremental heuristic method is proposed to provide fast responsiveness to dynamically changing configuration. During the steady-state operation, a GA-based method is applied to perform global rescheduling of IoT applications periodically to optimize a given objective function based on non-functional properties. We use the acceptance ratio of new applications and energy consumption as two performance metrics of the proposed scheduling method. The viability of the proposed approach is verified by extensive simulations with randomly generated scenarios.

Smart irrigation system using IoT in Agriculture

베이가 야모도 말론 대구가톨릭대학교 대학원 2019 국내석사

Internet of Things (IoT)는 모든 사물에 센서를 통해 관련 업무를 영리하고 똑똑하게 만들어 모든 인간의 삶의 영역에 혁명을 일으켰습니다. IoT는 자동으로 구성된 네트워크를 구성하는 사물 네트워크를 나타낸 Intelligent Smart Farming IoT 기반 장치의 개발은 농산물에 IoT를 적용 강화함으로써 매일 농업 생산에 혁명을 일으키고 수익을 창출하고 손실을 줄이고자 한다. 본 논문은 목적은 농부들이 효과적인 환경 모니터링을 위해 살아있는 데이터 (온도, 토양 수분)를 얻음으로써 지능형 농사를 짓고 전반적인 수확량과 제품 품질을 향상시키는 데 도움이되는 새로운 스마트 IoT 기반의 농업 도구를 제안하는 것이다. 오늘날 스마트 장치는 이동성이 적응력이 뛰어나고 농업에 적용될 수 있기 때문에 농업 분야에서 유용한 도구가 되었습니다. 과거와 달리 스마트 폰과 같은 스마트 장치의 비용이 상당히 저렴해졌고 컴퓨팅 능력이 크게 향상되어 실제 실제 응용 프로그램의 다양한 만들 수 있습니다. 또한 오늘날의 스마트 장치에는 다양한 유형의 물리적 센서가 장착 될 수 있으므로 다양한 농업 작업을 위한 유망한 도구가 됩니다. 본 논문은 체계적으로 스마트 장치, 특히 통합 스마트 폰 센서를 사용하여 농업 솔루션을 제공하는 스마트폰 응용 앱을 개발한다. GPS(Global Positioning System), 카메라 및 센서는 농업에서 가장 많이 사용되는 기술입니다. 따라서 스마트 장치의 발전은 첨단 농산 솔루션을 제공하기 위해 가속도계와 같은 많은 기술을 통합하여 설계/ 구현한 기술이며 향후 기술을 미래의 응용 프로그램에 적용 할 수있는 좋은 기회를 제공한다. The Internet of Things (IoT) has revolutionized the realm of every human being by making sensors smart and smart about all things. IoT develops an Intelligent Smart Farming IoT based device that represents a network of objects that make up an automatically configured network. By applying IoT to agricultural products, it will revolutionize daily farming production, generate revenue and reduce losses. The purpose of this paper is to propose a new smart IoT-based agricultural tool that helps farmers build intelligent farming and improve overall yield and product quality by obtaining live data (temperature, soil moisture) for effective environmental monitoring . Today, smart devices have become a useful tool in agriculture because mobility is adaptable and can be applied to agriculture. Unlike in the past, the cost of smart devices such as smartphones has become significantly cheaper, and computing power has significantly improved, allowing you to create a variety of real-world applications. Today's smart devices can also be equipped with various types of physical sensors, making them a promising tool for a variety of agricultural tasks. This paper systematically develops smartphone apps that provide agricultural solutions using smart devices, especially integrated smartphone sensors. GPS (Global Positioning System), cameras and sensors are the most used technologies in agriculture. Therefore, the development of smart devices is a technology that is designed / implemented by integrating many technologies such as accelerometers to provide advanced agricultural solutions, and provides a good opportunity to apply future technologies to future applications.

IoT하우징 센서 접목형 AI 모바일하우스 모니터링 기술 연구

김승균 서울과학기술대학교 2021 국내석사

최근 1인 가구 증가 및 고령화에 따른 인구사회 구조적 변화로 자체적인 주거 관리가 어려워 4차 산업혁명 기술을 적용한 지능형 주거 관리 서비스가 주목받고 있다. 또한, 현재 건축시장에서 기존의 목조주택 대비 관리가 용이하고 거주자의 선호에 따라 맞춤형 설계가 가능한 소형 이동식 또는 모듈러 주택에 대한 수요가 급증하고 있어 이에 대응하고자 타업종과 협업하여 차세대 주거 형태인 스마트하우스 개발을 목표로 활발한 연구를 수행하고 있다. 현재까지 수행된 스마트하우스 관련 연구들은 일정 규모 이상의 단독 주택 또는 공동 주택만이 주 대상이었기 때문에 시장에서 수요가 급증하고 있는 농막, 주거용 컨테이너와 같은 이동식 주택을 대상으로 한 주거 서비스 관련 연구가 부족한 실정이다. 이에 본 논문에서는 현장 및 원격에서 농막과 같은 이동식 주택의 모니터링이 가능하도록 모바일하우스 기반 테스트베드에 다양한 IoT하우징 센서와 AI 기반 얼굴인식을 접목한 “IoT하우징 센서 접목형 AI 모바일하우스 모니터링 기술”에 관하여 연구를 수행하였다. 본 논문에서는 이동식 주택을 대상으로 거주자에게 온/습도를 비롯한 가스 누출에 따른 사고 방지 등 다양한 주거 정보를 제공해줄 수 있도록 다수의 IoT 센서를 사용하였으며, 보안성을 향상시키고자 이미지 센서 연동형 AI 얼굴 인식 알고리즘을 설계하였다. 또한, 모바일하우스 모니터링의 각 기능을 검증하고자 현장 테스트베드를 구축하여 성능을 측정하였다. 환경 모니터링 기능을 검증하고자 테스트베드 내 환경에 변화를 가하여 일정 시간 이내에 모니터링 UI에서 정상적으로 변화가 반영되는지 실험을 진행하였고 99% 확률로 환경 변화를 감지하여 모니터링 UI에 반영되는 것을 확인하였다. 외부에서 접근하는 인원의 신원 파악을 위해 이미지 센서 연계형 AI 얼굴 인식 알고리즘을 설계하여 테스트베드에서 성능 검증을 진행하였다. 거리 별 얼굴 인식률을 측정하고자 현장 IP카메라를 사용하여 0.5m 별로 실험을 진행하였고 1m 이내에서는 95%이상의 인식률이 확보되는 것을 확인하였다. 본 논문에서는 이동식 주택을 대상으로 주거 모니터링 기술에 관하여 연구를 수행하였으며, 향후 스마트하우스 기술 발전에 기여할 수 있을 것으로 기대된다. Recently the change of population structure due to increasing of the number of single households and the aging makes it difficult managing home own self, so the intelligent home manage service applying 4th industrial technology such as IoT has been received attention. Also, the demand for a small mobile house or modular house has been increasing in the architectural market because it is easy to manage, and the owner can design it as his preference. So, the people working in the architecture field have been studying for a smart house to respond to consumers' demand by working with other industrial fields. The existed research related to smart house is for the construction at least the size of a typical detached house or an apartment, but there's little research aiming at the mobile house such as a park house, a container that is popular in the architectural market currently. In this paper, we studied AI mobile house monitoring technology by applying IoT housing sensors by installing the sensor at the mobile house based testbed and implemented the local and remote house monitoring function. In this paper, we utilized several IoT sensors for a mobile house such as a temperature/humidity sensor for checking environment status and a gas sensor to prevent an accident caused by leakage. And, we designed an image sensor based AI face recognition algorithm to increase security. To prove each function of developed mobile house monitoring, we built a mobile house based testbed and experimented performance of IoT housing sensor applied environment monitoring and an image sensor based AI face recognition algorithm. To measure the environment monitoring function, we gave an environment change in the testbed and checking whether the monitoring shows the change or not in a time. We confirmed that the monitoring S/W could show exactly the environment status of the testbed at 99%. The designed AI based face recognition algorithm with an image sensor detects a person from outside and classify who he is. To measure the performance of the algorithm, we measured the face recognition rate based on the distance. We confirmed that the AI based face recognition algorithm could recognize a face in 1m at over 95%.