stringtranslate.com

Беспроводная сенсорная сеть

Беспроводные сенсорные сети ( WSN ) относятся к сетям пространственно рассредоточенных и специализированных датчиков, которые отслеживают и записывают физические условия окружающей среды и передают собранные данные в центральное место. WSN могут измерять условия окружающей среды, такие как температура, звук, уровень загрязнения, влажность и ветер. [1]

Они похожи на беспроводные специальные сети в том смысле, что они полагаются на беспроводное соединение и спонтанное формирование сетей, поэтому данные датчиков могут передаваться по беспроводной сети. WSN контролируют физические условия, такие как температура , звук и давление . Современные сети являются двунаправленными: они собирают данные [2] и позволяют контролировать активность датчиков. [3]  Развитие этих сетей было мотивировано военными приложениями, такими как наблюдение за полем боя. [4] Такие сети используются в промышленных и потребительских приложениях, таких как мониторинг и контроль промышленных процессов, мониторинг состояния машин и сельское хозяйство. [5]

WSN состоит из «узлов» — от нескольких до сотен или тысяч, где каждый узел подключен к другим датчикам. Каждый такой узел обычно состоит из нескольких частей: радиоприемопередатчика с внутренней антенной или подключением к внешней антенне, микроконтроллера , электронной схемы для взаимодействия с датчиками и источника энергии, обычно батареи или встроенной формы сбора энергии . Размер сенсорного узла может варьироваться от коробки из-под обуви до (теоретически) пылинки, хотя микроскопические размеры еще предстоит осознать. Стоимость сенсорного узла также варьируется и варьируется от нескольких до сотен долларов, в зависимости от сложности узла. Ограничения по размеру и стоимости ограничивают такие ресурсы, как энергия, память, скорость вычислений и пропускная способность связи. Топология WSN может варьироваться от простой звездообразной сети до усовершенствованной многоскачковой беспроводной ячеистой сети . Распространение может использовать маршрутизацию или лавинную рассылку . [6] [7]

В информатике и телекоммуникациях беспроводные сенсорные сети являются активной областью исследований, поддерживающей множество семинаров и конференций, в том числе Международный семинар по встроенным сетевым датчикам (EmNetS), IPSN , SenSys , MobiCom и EWSN . По состоянию на 2010 год в беспроводных сенсорных сетях было развернуто около 120  миллионов удаленных устройств по всему миру. [8]

Приложение

Мониторинг территории

Мониторинг территории является распространенным применением WSN. При мониторинге территории WSN развертывается в регионе, где необходимо отслеживать какое-либо явление. Военным примером является использование датчиков для обнаружения вторжения противника; гражданским примером является геозонирование газо- или нефтепроводов.

Мониторинг здравоохранения

Существует несколько типов сенсорных сетей для медицинского применения: имплантированные, носимые и встроенные в окружающую среду. Имплантируемые медицинские устройства – это те, которые вводятся внутрь человеческого тела. Носимые устройства используются на поверхности тела человека или просто в непосредственной близости от пользователя. Системы, встроенные в окружающую среду, используют датчики, содержащиеся в окружающей среде. Возможные применения включают измерение положения тела, определение местоположения людей, общий мониторинг больных пациентов в больницах и дома. Устройства, встроенные в окружающую среду, отслеживают физическое состояние человека для непрерывной диагностики здоровья, используя в качестве входных данных сеть камер глубины , сенсорный пол или другие подобные устройства. Сети областей тела могут собирать информацию о здоровье, физической форме и расходах энергии человека. [9] [10] В приложениях здравоохранения конфиденциальность и подлинность пользовательских данных имеют первостепенное значение. Особенно из-за интеграции сенсорных сетей с Интернетом вещей аутентификация пользователей становится более сложной; однако решение представлено в недавней работе. [11]

Мониторинг среды обитания

Беспроводные сенсорные сети использовались для мониторинга различных видов и сред обитания, начиная с открытия острова Грейт-Утка, включая сурков, тростниковых жаб в Австралии и зебр в Кении.

Окружающая среда/зондирование Земли

Существует множество приложений для мониторинга параметров окружающей среды, [12] примеры которых приведены ниже. Они разделяют дополнительные проблемы, связанные с суровыми условиями окружающей среды и ограниченным электропитанием.

Мониторинг качества воздуха

Эксперименты показали, что личное воздействие загрязнения воздуха в городах может сильно различаться. [13] Поэтому интересно иметь более высокое временное и пространственное разрешение загрязняющих веществ и твердых частиц . В исследовательских целях были развернуты беспроводные сенсорные сети для мониторинга концентрации опасных для граждан газов (например, в Лондоне ). [14] Однако датчики газов и твердых частиц страдают от высокой вариативности от устройства к устройству, перекрестной чувствительности и (концептуального) дрейфа. [15] Более того, качество данных в настоящее время недостаточно для принятия достоверных решений, поскольку полевая калибровка приводит к ненадежным результатам измерений и может потребоваться частая повторная калибровка. Возможным решением может быть слепая калибровка или использование мобильных эталонов. [16] [17]

Обнаружение лесных пожаров

В лесу можно установить сеть сенсорных узлов, чтобы обнаружить начало пожара . Узлы могут быть оснащены датчиками для измерения температуры, влажности и газов, образующихся при пожаре на деревьях или растительности. Раннее обнаружение имеет решающее значение для успешных действий пожарных; благодаря беспроводным сенсорным сетям пожарная команда сможет узнать, когда начался пожар и как он распространяется.

Обнаружение оползней

Система обнаружения оползней использует сеть беспроводных датчиков для обнаружения небольших движений почвы и изменений различных параметров, которые могут произойти до или во время оползня. Благодаря собранным данным можно будет узнать о предстоящем возникновении оползней задолго до того, как они действительно произойдут.

Мониторинг качества воды

Мониторинг качества воды включает анализ свойств воды в плотинах, реках, озерах и океанах, а также запасов подземных вод. Использование множества беспроводных распределенных датчиков позволяет создать более точную карту состояния воды и позволяет постоянно размещать станции мониторинга в труднодоступных местах без необходимости ручного получения данных. [18]

Предотвращение стихийных бедствий

Беспроводные сенсорные сети могут быть эффективными в предотвращении неблагоприятных последствий стихийных бедствий , таких как наводнения. Беспроводные узлы были успешно развернуты на реках, где изменения уровня воды необходимо отслеживать в режиме реального времени.

Промышленный мониторинг

Мониторинг состояния машины

Беспроводные сенсорные сети были разработаны для технического обслуживания оборудования по состоянию (CBM), поскольку они обеспечивают значительную экономию средств и открывают новые функциональные возможности. [19]

Беспроводные датчики можно размещать в местах, до которых трудно или невозможно добраться с помощью проводной системы, например, во вращающихся машинах и непривязанных транспортных средствах.

Регистрация данных

Беспроводные сенсорные сети также используются для сбора данных для мониторинга экологической информации. [20] Это может быть так же просто, как мониторинг температуры в холодильнике или уровня воды в переливных резервуарах на атомных электростанциях. Статистическая информация затем может быть использована для демонстрации того, как работают системы. Преимущество WSN перед обычными регистраторами заключается в возможности «живой» подачи данных.

Мониторинг воды/сточных вод

Мониторинг качества и уровня воды включает в себя множество мероприятий, таких как проверка качества подземных или поверхностных вод и обеспечение водной инфраструктуры страны на благо как людей, так и животных. Его можно использовать для защиты от потери воды.

Структурный мониторинг здоровья

Беспроводные сенсорные сети могут использоваться для мониторинга состояния гражданской инфраструктуры и связанных с ней геофизических процессов практически в реальном времени и в течение длительных периодов времени посредством регистрации данных с использованием датчиков с соответствующим интерфейсом.

Производство вина

Беспроводные сенсорные сети используются для мониторинга производства вина как в поле, так и в погребе. [21]

Обнаружение угроз

Глобальная система слежения (WATS) представляет собой прототип сети для обнаружения наземного ядерного устройства [22], такого как ядерная «бомба в портфеле». WATS разрабатывается в Ливерморской национальной лаборатории имени Лоуренса (LLNL). WATS будет состоять из беспроводных датчиков гамма-излучения и нейтронов, подключенных через сеть связи. Данные, полученные датчиками, подвергаются «объединению данных» , которое преобразует информацию в легко интерпретируемые формы; это объединение данных является наиболее важным аспектом системы. [23] [ устаревший источник ]

Процесс объединения данных происходит внутри сенсорной сети, а не на централизованном компьютере, и выполняется с помощью специально разработанного алгоритма, основанного на байесовской статистике . [24] WATS не будет использовать централизованный компьютер для анализа, поскольку исследователи обнаружили, что такие факторы, как задержка и доступная пропускная способность, имеют тенденцию создавать серьезные узкие места. Данные, обрабатываемые в полевых условиях самой сетью (путем передачи небольших объемов данных между соседними датчиками), выполняются быстрее и делают сеть более масштабируемой. [24]

Важным фактором в разработке WATS является простота развертывания , поскольку большее количество датчиков повышает уровень обнаружения и снижает количество ложных тревог. [24] Датчики WATS могут быть развернуты на постоянных позициях или установлены на транспортных средствах для мобильной защиты определенных мест. Одним из препятствий на пути внедрения WATS является размер, вес, требования к энергии и стоимость доступных в настоящее время беспроводных датчиков. [24] Разработка улучшенных датчиков является основным компонентом текущих исследований Управления нераспространения, контроля над вооружениями и международной безопасности (NAI) при LLNL.

WATS был представлен Подкомитету по военным исследованиям и разработкам Палаты представителей США 1 октября 1997 года во время слушаний по ядерному терроризму и мерам противодействия. [23] 4 августа 1998 года на последующем заседании этого подкомитета председатель Курт Уэлдон заявил, что финансирование исследований WATS было сокращено администрацией Клинтона до прожиточного минимума и что программа была плохо реорганизована. [25]

Мониторинг инцидентов

Есть исследования, которые показывают, что использование датчиков для мониторинга происшествий значительно улучшает реакцию пожарных и полиции на непредвиденную ситуацию. [26] Для раннего обнаружения происшествий мы можем использовать акустические датчики, чтобы обнаружить всплеск городского шума из-за возможной аварии, [27] или использовать термические датчики для обнаружения возможного пожара. [28]

Каналы поставок

Используя маломощную электронику , WSN:s можно экономически эффективно применять также в цепочках поставок в различных отраслях. [29]

Характеристики

К основным характеристикам WSN относятся:

Межуровневая связь становится важной областью изучения беспроводной связи. [33] Кроме того, традиционный многоуровневый подход сталкивается с тремя основными проблемами:

  1. Традиционный многоуровневый подход не может распределять разную информацию между разными уровнями, что приводит к тому, что каждый уровень не имеет полной информации. Традиционный многоуровневый подход не может гарантировать оптимизацию всей сети.
  2. Традиционный многоуровневый подход не способен адаптироваться к изменениям окружающей среды.
  3. Из-за помех между различными пользователями, конфликтов доступа, затухания и изменения среды в беспроводных сенсорных сетях традиционный многоуровневый подход для проводных сетей неприменим к беспроводным сетям.

Таким образом, межуровневый уровень можно использовать для оптимальной модуляции для улучшения характеристик передачи, таких как скорость передачи данных , энергоэффективность , качество обслуживания (QoS) и т. д. [33] Сенсорные узлы можно представить как небольшие компьютеры, которые чрезвычайно базовые с точки зрения интерфейсов и компонентов. Обычно они состоят из процессора с ограниченной вычислительной мощностью и ограниченной памятью, датчиков или МЭМС (включая специальную схему кондиционирования), устройства связи (обычно радиоприемопередатчиков или, альтернативно, оптического ) и источника питания, обычно в виде батареи. Другими возможными включениями являются модули сбора энергии , [35] вторичные ASIC и, возможно, вторичный интерфейс связи (например, RS-232 или USB ).

Базовые станции представляют собой один или несколько компонентов WSN, обладающих гораздо большими вычислительными, энергетическими и коммуникационными ресурсами. Они действуют как шлюз между сенсорными узлами и конечным пользователем, поскольку обычно пересылают данные из WSN на сервер. Другими специальными компонентами сетей на основе маршрутизации являются маршрутизаторы, предназначенные для вычисления, расчета и распространения таблиц маршрутизации. [36]

Платформы

Аппаратное обеспечение

Одной из основных задач WSN является создание недорогих и миниатюрных сенсорных узлов. Растет число небольших компаний, производящих оборудование WSN, и коммерческую ситуацию можно сравнить с домашними компьютерами 1970-х годов. Многие узлы все еще находятся на стадии исследований и разработок, особенно их программное обеспечение. Для внедрения сенсорных сетей также характерно использование методов очень малой мощности для радиосвязи и сбора данных.

Во многих приложениях WSN взаимодействует с локальной или глобальной сетью через шлюз. Шлюз действует как мост между WSN и другой сетью. Это позволяет хранить и обрабатывать данные на устройствах с большим количеством ресурсов, например, на удаленном сервере . Беспроводная глобальная сеть, используемая в основном для устройств с низким энергопотреблением, известна как глобальная сеть с низким энергопотреблением ( LPWAN ).

Беспроводная связь

Существует несколько беспроводных стандартов и решений для подключения сенсорных узлов. Thread и Zigbee могут подключать датчики, работающие на частоте 2,4 ГГц, со скоростью передачи данных 250 кбит/с. Многие используют более низкую частоту для увеличения дальности радиосвязи (обычно 1 км), например, Z-wave работает на частоте 915 МГц, а в ЕС широко используется 868 МГц, но они имеют более низкую скорость передачи данных (обычно 50 кбит/с). Рабочая группа IEEE 802.15.4 предоставляет стандарт для подключения устройств с низким энергопотреблением, и обычно датчики и интеллектуальные счетчики используют один из этих стандартов для подключения. С появлением Интернета вещей было сделано множество других предложений по обеспечению возможности подключения датчиков. LoRa [37] — это форма LPWAN , которая обеспечивает беспроводное соединение с низким энергопотреблением на большие расстояния для устройств, которое используется в интеллектуальных счетчиках и других приложениях с датчиками большого радиуса действия. Wi-SUN [38] соединяет устройства дома. Узкополосный Интернет вещей [39] и LTE-M [40] могут подключать до миллионов датчиков и устройств с использованием сотовой технологии.

Программное обеспечение

Энергия — самый дефицитный ресурс узлов WSN, и она определяет срок службы WSN. WSN могут быть развернуты в больших количествах в различных средах, включая удаленные и враждебные регионы, где ключевым компонентом является нерегламентированная связь. По этой причине алгоритмы и протоколы должны решать следующие проблемы:

Максимизация срока службы: потребление энергии/мощности сенсорного устройства должно быть сведено к минимуму, а узлы датчиков должны быть энергоэффективными, поскольку их ограниченный энергетический ресурс определяет их срок службы. Для экономии энергии беспроводные сенсорные узлы обычно отключают питание как радиопередатчика, так и радиоприемника, когда они не используются. [33]

Протоколы маршрутизации

Беспроводные сенсорные сети состоят из необслуживаемых сенсорных узлов с низким энергопотреблением, небольшим размером и малым радиусом действия. Недавно было замечено, что периодически включая и выключая сенсорные и коммуникационные возможности сенсорных узлов, мы можем значительно сократить время активности и тем самым продлить срок службы сети. [44] [45] Однако такая цикличность загрузки может привести к высокой задержке сети, накладным расходам на маршрутизацию и задержкам обнаружения соседей из-за асинхронного планирования сна и пробуждения. Эти ограничения требуют принятия контрмер для беспроводных сенсорных сетей с циклической нагрузкой, которые должны минимизировать информацию о маршрутизации, нагрузку на маршрутизируемый трафик и потребление энергии. Исследователи из Университета Сунгюнкван предложили облегченную маршрутизацию с не увеличивающимся интервалом задержки доставки, называемую LNDIR. Эта схема может обнаруживать маршруты с минимальной задержкой в ​​каждом неувеличивающемся интервале задержки доставки, а не в каждом временном интервале. [ необходимы разъяснения ] Эксперименты по моделированию продемонстрировали эффективность этого нового подхода в минимизации информации о маршрутизации, хранящейся на каждом датчике. Более того, эта новая маршрутизация также может гарантировать минимальную задержку доставки от каждого источника к приемнику. Наблюдается повышение производительности до 12 раз и 11 раз по снижению нагрузки на маршрутизацию трафика и энергоэффективности соответственно по сравнению с существующими схемами. [46]

Операционные системы

Операционные системы для узлов беспроводной сенсорной сети обычно менее сложны, чем операционные системы общего назначения. Они больше напоминают встроенные системы по двум причинам. Во-первых, беспроводные сенсорные сети обычно развертываются с учетом конкретного приложения, а не как общая платформа. Во-вторых, потребность в низких затратах и ​​малом энергопотреблении приводит к тому, что большинство беспроводных сенсорных узлов имеют маломощные микроконтроллеры, гарантирующие, что такие механизмы, как виртуальная память, либо не нужны, либо слишком дороги в реализации.

Поэтому для сенсорных сетей можно использовать встроенные операционные системы, такие как eCos или uC/OS . Однако такие операционные системы часто разрабатываются с учетом свойств реального времени.

TinyOS , разработанная Дэвидом Каллером , является, пожалуй, первой операционной системой, специально разработанной для беспроводных сенсорных сетей. TinyOS основана на модели программирования, управляемой событиями, а не на многопоточности . Программы TinyOS состоят из обработчиков событий и задач с семантикой выполнения до завершения. Когда происходит внешнее событие, например входящий пакет данных или показания датчика, TinyOS сигнализирует соответствующему обработчику событий для обработки события. Обработчики событий могут публиковать задачи, запланированные ядром TinyOS, через некоторое время.

LiteOS — это недавно разработанная операционная система для беспроводных сенсорных сетей, которая обеспечивает UNIX-подобную абстракцию и поддержку языка программирования C.

Contiki , разработанная Адамом Данкелсом , представляет собой операционную систему, которая использует более простой стиль программирования на C, но при этом предоставляет такие преимущества, как 6LoWPAN и Protothreads .

RIOT (операционная система) — это более новая операционная система реального времени, включающая функции, аналогичные Contiki.

PreonVM [47] — ОС для беспроводных сенсорных сетей, обеспечивающая 6LoWPAN на базе Contiki и поддержку языка программирования Java .

Онлайн-платформы для совместного управления данными датчиков

Платформы совместного управления данными датчиков онлайн представляют собой онлайн-сервисы баз данных, которые позволяют владельцам датчиков регистрироваться и подключать свои устройства для передачи данных в онлайн-базу данных для хранения, а также позволяют разработчикам подключаться к базе данных и создавать свои собственные приложения на основе этих данных. Примеры включают Xily и платформу Wikisensing. Архивировано 9 июня 2021 г. на Wayback Machine . Такие платформы упрощают онлайн-сотрудничество между пользователями над разнообразными наборами данных, начиная от данных об энергетике и окружающей среде и заканчивая данными, полученными от транспортных услуг. Другие услуги включают в себя разрешение разработчикам встраивать графики и виджеты в реальном времени в веб-сайты; анализировать и обрабатывать исторические данные, полученные из источников данных; отправлять оповещения в реальном времени из любого потока данных для управления сценариями, устройствами и средами.

Архитектура системы Wikisensing [48] описывает ключевые компоненты таких систем, включая API и интерфейсы для онлайн-сотрудников, промежуточное программное обеспечение, содержащее бизнес-логику, необходимую для управления и обработки данных датчиков, а также модель хранения, подходящую для эффективного хранения и поиска. больших объемов данных.

Моделирование

В настоящее время агентное моделирование и симуляция являются единственной парадигмой, которая позволяет моделировать сложное поведение в среде беспроводных датчиков (например, скопление). [49] Агентное моделирование беспроводных датчиков и одноранговых сетей является относительно новой парадигмой. Агентное моделирование изначально было основано на социальном моделировании.

Сетевые симуляторы, такие как Opnet, Tetcos NetSim и NS, можно использовать для моделирования сети беспроводных датчиков.

Другие концепции

Локализация

Сетевая локализация относится к проблеме оценки местоположения узлов беспроводных датчиков во время развертывания и в динамических настройках. Для датчиков сверхмалой мощности размер, стоимость и окружающая среда не позволяют использовать приемники системы глобального позиционирования на датчиках. В 2000 году Нирупама Булусу, Джон Хайдеманн и Дебора Эстрин впервые предложили систему на основе радиосвязи для локализации беспроводных сенсорных сетей. [50] Впоследствии такие системы локализации стали называть системами локализации без радиуса действия, и впоследствии было предложено множество систем локализации для беспроводных сенсорных сетей, включая AHLoS, APS и Stardust.

Калибровка данных датчика и отказоустойчивость

Датчики и устройства, используемые в беспроводных сенсорных сетях, представляют собой современную технологию с минимально возможной ценой. Поэтому измерения датчиков, которые мы получаем от этих устройств, часто бывают зашумленными, неполными и неточными. Исследователи, изучающие беспроводные сенсорные сети, предполагают, что гораздо больше информации можно извлечь из сотен ненадежных измерений, разбросанных по интересующей области, чем из меньшего количества высококачественных и высоконадежных инструментов с той же общей стоимостью.

Макропрограммирование

Макропрограммирование — это термин, придуманный Мэттом Уэлшем. Это относится к программированию всей сенсорной сети как ансамбля, а не отдельных сенсорных узлов. Другой способ макропрограммирования сети — рассматривать сенсорную сеть как базу данных, которая была популяризирована системой TinyDB, разработанной Сэмом Мэдденом .

Перепрограммирование

Перепрограммирование — это процесс обновления кода на узлах датчиков. Наиболее осуществимой формой перепрограммирования является удаленное перепрограммирование, при котором код распространяется по беспроводной сети во время развертывания узлов. Существуют различные протоколы перепрограммирования, которые обеспечивают разные уровни скорости работы, надежности, энергопотребления, требования к резидентному коду на узлах, пригодность для различных беспроводных сред, устойчивость к DoS и т. д. Популярными протоколами перепрограммирования являются Deluge (2004), Trickle (2004). ), MNP (2005 г.), Synapse (2008 г.) и Zephyr (2009 г.).

Безопасность

Безинфраструктурная архитектура (т. е. отсутствие шлюзов и т. д.) и присущие WSN требования (т. е. необслуживаемая рабочая среда и т. д.) могут представлять собой несколько слабых мест, привлекающих злоумышленников. Поэтому безопасность является серьезной проблемой, когда WSN развертываются для специальных приложений, таких как армия и здравоохранение. Традиционные методы безопасности компьютерных сетей из-за своих уникальных характеристик будут бесполезны (или менее эффективны) для WSN. Следовательно, отсутствие механизмов безопасности может привести к вторжениям в эти сети. Эти вторжения необходимо обнаруживать и применять методы смягчения последствий.

Произошли важные инновации в обеспечении безопасности беспроводных сенсорных сетей. В большинстве встроенных беспроводных сетей используются всенаправленные антенны, поэтому соседи могут подслушивать разговоры внутри и снаружи узлов. Это было использовано для разработки примитива под названием « локальный мониторинг » [51] , который использовался для обнаружения сложных атак, таких как черная дыра или червоточина, которые снижают пропускную способность больших сетей почти до нуля. С тех пор этот примитив использовался многими исследователями и коммерческими анализаторами беспроводных пакетов. Впоследствии это было усовершенствовано для более сложных атак, таких как сговор, мобильность, а также многоантенные и многоканальные устройства. [52]

Распределенная сенсорная сеть

Если в сенсорной сети используется централизованная архитектура и центральный узел выходит из строя, то вся сеть рухнет, однако надежность сенсорной сети можно повысить за счет использования архитектуры распределенного управления. Распределенное управление используется в WSN по следующим причинам:

  1. Узлы датчиков склонны к выходу из строя,
  2. Для лучшего сбора данных,
  3. Обеспечить узлы резервным копированием в случае выхода из строя центрального узла.

Также не существует централизованного органа для распределения ресурсов, и они должны быть самоорганизованными.

Что касается распределенной фильтрации по распределенной сенсорной сети. Общая установка заключается в наблюдении основного процесса с помощью группы датчиков, организованных в соответствии с заданной топологией сети, что позволяет отдельному наблюдателю оценивать состояние системы не только на основе собственных измерений, но и на основе измерений его соседей. [53]

Интеграция данных и сенсорная сеть

Данные, собранные из беспроводных сенсорных сетей, обычно сохраняются в виде числовых данных на центральной базовой станции. Кроме того, Открытый геопространственный консорциум (OGC) определяет стандарты для интерфейсов совместимости и кодирования метаданных, которые обеспечивают интеграцию разнородных сенсорных сетей в Интернет в реальном времени, позволяя любому человеку отслеживать или контролировать беспроводные сенсорные сети через веб-браузер.

Внутрисетевая обработка

Чтобы снизить затраты на связь, некоторые алгоритмы удаляют или сокращают избыточную информацию датчиков узлов и избегают пересылки бесполезных данных. Этот метод использовался, например, для распределенного обнаружения аномалий [54] [55] [56] [57] или распределенной оптимизации. [58] Поскольку узлы могут проверять данные, которые они пересылают, они могут измерять средние значения или направленность, например, показаний от других узлов. Например, в приложениях зондирования и мониторинга обычно бывает так, что соседние сенсорные узлы, контролирующие объект окружающей среды, обычно регистрируют схожие значения. Такая избыточность данных из-за пространственной корреляции между наблюдениями датчиков вдохновляет методы внутрисетевого агрегирования и анализа данных. Агрегация уменьшает объем сетевого трафика, что помогает снизить потребление энергии на сенсорных узлах. [59] [60] Недавно было обнаружено, что сетевые шлюзы также играют важную роль в повышении энергоэффективности сенсорных узлов за счет планирования большего количества ресурсов для узлов с более критической потребностью в энергоэффективности, и необходимо реализовать усовершенствованные алгоритмы энергоэффективного планирования. на сетевых шлюзах для повышения общей энергоэффективности сети. [33] [61]

Безопасное агрегирование данных

Это форма внутрисетевой обработки, при которой предполагается, что узлы датчиков незащищены с ограниченной доступной энергией, в то время как базовая станция считается защищенной с неограниченной доступной энергией. Агрегация усложняет уже существующие проблемы безопасности беспроводных сенсорных сетей [62] и требует новых методов безопасности, специально разработанных для этих сценариев. Обеспечение безопасности при агрегировании данных в беспроводных сенсорных сетях известно как безопасное агрегирование данных в WSN . [60] [62] [63] были первыми работами, в которых обсуждались методы безопасного агрегирования данных в беспроводных сенсорных сетях.

Двумя основными проблемами безопасности при безопасном агрегировании данных являются конфиденциальность и целостность данных. Хотя шифрование традиционно используется для обеспечения сквозной конфиденциальности в беспроводной сенсорной сети, агрегаторам в сценарии безопасной агрегации данных необходимо расшифровать зашифрованные данные для выполнения агрегации. Это раскрывает открытый текст агрегаторам, делая данные уязвимыми для атак злоумышленника. Аналогичным образом агрегатор может ввести в агрегат ложные данные и заставить базовую станцию ​​принимать ложные данные. Таким образом, хотя агрегирование данных повышает энергоэффективность сети, оно усложняет существующие проблемы безопасности. [64]

Смотрите также

Рекомендации

  1. ^ Улло, Сильвия Либерата; Синха, Греция (31 мая 2020 г.). «Достижения в области интеллектуальных систем мониторинга окружающей среды с использованием Интернета вещей и датчиков». Датчики . 20 (11): 3113. Бибкод : 2020Senso..20.3113U. дои : 10.3390/s20113113 . ISSN  1424-8220. ПМК  7309034 . ПМИД  32486411.
  2. ^ ФранческоМарио, Ди; К. ДасСаджал; Анастаси Джузеппе (01 августа 2011 г.). «Сбор данных в беспроводных сенсорных сетях с мобильными элементами». Транзакции ACM в сенсорных сетях . 8 : 1–31. дои : 10.1145/1993042.1993049. S2CID  15576441.
  3. ^ Ся, Фэн; Тиан, Ю-Чу; Ли, Яньцзюнь; Сунь, Юсянь (09 октября 2007 г.). «Проектирование сети беспроводных датчиков/актуаторов для приложений мобильного управления». Датчики . 7 (10): 2157–2173. Бибкод : 2007Senso...7.2157X. дои : 10.3390/s7102157 . ISSN  1424-8220. ПМЦ 3864515 . ПМИД  28903220. 
  4. ^ «Беспроводные сенсорные сети для наблюдения за полем боя» (PDF) . 2006.
  5. ^ Global, IGI «Беспроводные сенсорные сети имеют потенциал в здравоохранении и сельском хозяйстве, говорится в исследовании». techxplore.com . Проверено 9 февраля 2023 г.
  6. ^ Дарджи, В.; Поэллабауэр, К. (2010). Основы беспроводных сенсорных сетей: теория и практика . Джон Уайли и сыновья. стр. 168–183, 191–192. ISBN 978-0-470-99765-9.
  7. ^ Сохраби, К.; Миноли, Д.; Знати, Т. (2007). Беспроводные сенсорные сети: технологии, протоколы и приложения . Джон Уайли и сыновья. стр. 203–209. ISBN 978-0-471-74300-2.
  8. ^ Оливейра, Жуан; Идет, Жоау (2012). Параметрическое усиление аналогового сигнала применительно к наноразмерным КМОП-технологиям. Springer Science & Business Media . п. 7. ISBN 978-1-4614-1670-8.
  9. ^ Пейрис, В. (2013). «Высокоинтегрированное беспроводное зондирование для сетевых приложений на теле». Отдел новостей SPIE . дои : 10.1117/2.1201312.005120.
  10. ^ Тони О'Донован; Джон О'Донохью; Кормак Сринан; Дэвид Сэммон; Филип О'Рейли; Киран А. О'Коннор (2009). Контекстно-зависимая беспроводная сеть тела (BAN) (PDF) . Распространенные вычислительные технологии в здравоохранении, 2009. doi : 10.4108/ICST.PERVASIVEHEALTH2009.5987. Архивировано (PDF) из оригинала 9 октября 2016 г.
  11. ^ Билал, Мухаммед; и другие. (2017). «Протокол аутентификации для будущих сенсорных сетей». Датчики . 17 (5): 979. arXiv : 1705.00764 . Бибкод : 2017arXiv170500764B. дои : 10.3390/s17050979 . ПМЦ 5464775 . ПМИД  28452937. 
  12. ^ «Дж.К.Харт и К. Мартинес, «Сети датчиков окружающей среды: революция в науке о системе Земли?», Earth-Science Reviews, 2006» (PDF) . Архивировано из оригинала (PDF) 23 ноября 2015 г.
  13. ^ Апте, Дж.С.; Мессье, КП; Гани, С.; Брауэр, М.; Кирхштеттер, ТВ; Лунден, ММ; Маршалл, доктор медицинских наук; Портье, CJ; Вермюлен, RCH; Гамбург, СП (2017). «Картирование загрязнения воздуха в высоком разрешении с помощью автомобилей Google Street View: использование больших данных». Экологические науки и технологии . 51 (12): 6999–7008. Бибкод : 2017EnST...51.6999A. doi : 10.1021/acs.est.7b00891 . ПМИД  28578585.
  14. ^ «Дышите Лондоном». Дышите Лондоном . Проверено 27 апреля 2021 г.
  15. ^ Фейнберг, С.; Уильямс, Р.; Хаглер, GSW; Рикард, Дж.; Гарвер, Д.; Харшфилд, Г.; Стауффер, П.; Мэттсон, Э.; Судья Р.; Гарви, С. (2018). «Долгосрочная оценка технологии датчиков воздуха в условиях окружающей среды в Денвере, Колорадо». Методы измерения атмосферы . 11 (8): 4605–4615. Бибкод : 2018AMT....11.4605F. дои : 10.5194/amt-11-4605-2018 . ПМЦ 6781239 . ПМИД  31595175. 
  16. ^ Бальзано, Л.; Новак, Р. (2008). «Слепая калибровка сетей датчиков: теория и алгоритмы». Сетевая сенсорная информация и контроль . стр. 9–37. дои : 10.1007/978-0-387-68845-9_1. ISBN 978-0-387-68843-5.
  17. ^ Соус, О.; Хазенфрац, Д.; Тиле, Л. (2015). «Уменьшение ошибок многоскачковой калибровки в крупномасштабных сетях мобильных датчиков». Материалы 14-й Международной конференции по обработке информации в сенсорных сетях . стр. 274–285. дои : 10.1145/2737095.2737113. ISBN 978-1-4503-3475-4. S2CID  15171166.
  18. ^ Шпи (2013). «Василий Каранасиос: сбор энергии для питания удаленных датчиков». Отдел новостей SPIE . дои : 10.1117/2.3201305.05.
  19. ^ Тивари, Анкит; и другие. (2007). «Проектирование и внедрение энергоэффективной беспроводной сенсорной сети для технического обслуживания по состоянию». Транзакции ACM в сенсорных сетях . 3 : 1–с. CiteSeerX 10.1.1.188.8180 . дои : 10.1145/1210669.1210670. S2CID  7278286. 
  20. ^ К. Салим; Н. Фисал и Дж. Аль-Мухтади (2014). «Эмпирические исследования биоинспирированного самоорганизующегося безопасного автономного протокола маршрутизации». Журнал датчиков IEEE . 14 (7): 1–8. Бибкод : 2014ISenJ..14.2232S. дои : 10.1109/JSEN.2014.2308725. S2CID  27135727.
  21. ^ Анастази, Г.; Фарруджа, О.; Ло Ре, Г.; Ортолани, М. (2009). «Мониторинг производства высококачественного вина с помощью беспроводных сенсорных сетей». 2009 г. 42-я Гавайская международная конференция по системным наукам . стр. 1–7. дои : 10.1109/HICSS.2009.313. ISBN 978-0-7695-3450-3.
  22. ^ «Национальная стратегия борьбы с терроризмом с использованием оружия массового поражения». str.llnl.gov . Обзор науки и технологий. Архивировано из оригинала 2 мая 2017 года . Проверено 26 февраля 2019 г.
  23. ^ ab «Стремление к более безопасному миру с 1945 года». fas.org . Федерация американских ученых. Архивировано из оригинала 16 марта 2016 г. Проверено 26 февраля 2019 г.
  24. ^ abcd Hills, Роб. «Чувство опасности». str.llnl.gov . Обзор науки и технологий. Архивировано из оригинала 2 мая 2017 года . Проверено 26 февраля 2019 г.
  25. ^ «Интересы национальной безопасности США и России». commdocs.house.gov . Палата представителей США . Проверено 26 февраля 2019 г.
  26. ^ Агилар, Моника (2020). «ИНРИСКО: Мониторинг инцидентов в умных сообществах». Доступ IEEE . 8 : 72435–72460. Бибкод : 2020IEEA...872435I. doi : 10.1109/ACCESS.2020.2987483. hdl : 2117/328871 . S2CID  218468946.
  27. ^ Пастор, Адольфо (2020). «Реализация психоакустического раздражения с помощью беспроводных акустических сенсорных сетей для мониторинга в умных городах». Журнал IEEE Интернета вещей . 7 : 128–136. дои : 10.1109/JIOT.2019.2946971. S2CID  208111073.
  28. ^ Льорет, Хайме (2009). «Развертывание беспроводной сенсорной сети для обнаружения и проверки сельских и лесных пожаров». Датчики . 9 (11): 8722–8747. Бибкод : 2009Senso...9.8722L. дои : 10.3390/s91108722 . ПМК 3260610 . PMID  22291533. S2CID  13104461. 
  29. ^ Лиз Янг (08.06.2022). «Израильская технологическая фирма выпускает устройства слежения размером с почтовую марку» . Уолл Стрит Джорнал . Проверено 8 июля 2022 г.
  30. ^ «ReVibe Energy - поддержка промышленного Интернета вещей» . revibeenergy.com . Архивировано из оригинала 22 сентября 2017 года . Проверено 3 мая 2018 г.
  31. ^ «МИРОВОЙ ЛИДЕР В СИСТЕМЕ БЕСПРОВОДНЫХ ДАТЧИКОВ С ВИБРАЦИОННЫМ ХАРВЕСТЕРОМ» . МИРОВОЙ ЛИДЕР В СИСТЕМЕ БЕСПРОВОДНЫХ ДАТЧИКОВ С ВИБРАЦИОННЫМ ХАРВЕСТЕРОМ . Архивировано из оригинала 13 апреля 2018 года . Проверено 3 мая 2018 г.
  32. ^ Салим, Кашиф; Фисал, Норшейла; Хафиза, Шарифа; Камила, Шарифа; Рашид, Розеха; Багуда, Якубу (2009). «Межуровневый протокол самоорганизующейся маршрутизации на основе биологического происхождения для беспроводной сенсорной сети». TENCON 2009–2009 Конференция IEEE региона 10 . стр. 1–6. дои : 10.1109/TENCON.2009.5395945. ISBN 978-1-4244-4546-2. S2CID  30236796.
  33. ^ abcde Гован Мяо ; Йенс Зандер; Ки Вон Сон; Бен Слиман (2016). Основы мобильных сетей передачи данных . Издательство Кембриджского университета . ISBN 978-1-107-14321-0.
  34. ^ Агдам, Шахин Махдизаде; Хансари, Мохаммед; Раби, Хамид Р.; Салехи, Мостафа (2014). «WCCP: протокол управления перегрузкой для беспроводной мультимедийной связи в сенсорных сетях». Специальные сети . 13 : 516–534. дои : 10.1016/j.adhoc.2013.10.006.
  35. ^ Магно, М.; Бойл, Д.; Брунелли, Д.; О'Флинн, Б.; Попович, Э.; Бенини, Л. (2014). «Расширенный беспроводной мониторинг посредством интеллектуального гибридного энергоснабжения». Транзакции IEEE по промышленной электронике . 61 (4): 1871. doi :10.1109/TIE.2013.2267694. S2CID  23562384.
  36. ^ Ксенакис, А.; Фукалас, Ф.; Стамулис, Г. (2016). «Межслойное управление топологией с учетом энергии посредством имитации отжига для WSN». Компьютеры и электротехника . 56 : 576–590. doi : 10.1016/j.compeleceng.2016.02.015.
  37. ^ "Альянс ЛоРа". Архивировано из оригинала 09.11.2017.
  38. ^ "Альянс Wi-Sun". 15 августа 2018 г. Архивировано из оригинала 09.11.2017.
  39. ^ «NB-IOT против LoRa против Sigfox, LINKLabs, январь 2017 г.» . Архивировано из оригинала 10 ноября 2017 г.
  40. ^ «Что такое LTE-M?». Архивировано из оригинала 09.11.2017.
  41. ^ Джанакирам, Коттнана; Реджинальд, П. Джошуа (23 февраля 2023 г.). «Продление срока службы беспроводных сенсорных сетей с использованием подходов теории графов». 2023 г. 7-я Международная конференция по вычислительным методологиям и коммуникациям (ICCMC) . Эрод, Индия: IEEE. стр. 993–997. дои : 10.1109/ICCMC56507.2023.10084135. ISBN 978-1-6654-6408-6. S2CID  257959382.
  42. ^ Ляхов, Пенсильвания; Калита, Д.И. (03 мая 2023 г.). «Надежная фильтрация Калмана с условно локальными расчетами в беспроводных сенсорных сетях». Автоматическое управление и информатика . 57 (2): 154–166. дои : 10.3103/S0146411623020062. ISSN  0146-4116. S2CID  258465232.
  43. ^ Ши, Цзюньян; Ша, Мо (17 июня 2019 г.). «Самоконфигурация и самоадаптация параметров в промышленных беспроводных сетях датчиков и исполнительных механизмов». IEEE INFOCOM 2019 — Конференция IEEE по компьютерным коммуникациям . Париж, Франция: IEEE. стр. 658–666. дои : 10.1109/INFOCOM.2019.8737467. ISBN 978-1-7281-0515-4. S2CID  86721016.
  44. ^ Ксенакис, А.; Фукалас, Ф.; Стамулис, Г. (октябрь 2015 г.). «Алгоритм минимально-взвешенной кластеризации для беспроводных сенсорных сетей». Материалы 19-й Всегреческой конференции по информатике . стр. 255–260. дои : 10.1145/2801948.2801999. ISBN 978-1-4503-3551-5. S2CID  9188571.
  45. ^ Хасан, TAH; Селим, Г.; Садек, Р. (2015). «Новый энергоэффективный протокол маршрутизации головки кластера в беспроводных сенсорных сетях». 2015 Седьмая международная конференция IEEE по интеллектуальным вычислениям и информационным системам (ICICIS) . Каир: IEEE. стр. 313–320. doi :10.1109/IntelCIS.2015.7397240. ISBN 978-1-5090-1949-6. S2CID  10688614.
  46. ^ К. Шахзад, Мухаммед; Нгуен, Данг Ту; Залюбовский Вячеслав; Чу, Хёнсын (2018). «LNDIR: облегченная маршрутизация на основе интервалов с не увеличивающейся задержкой доставки для сенсорных сетей с циклической нагрузкой». Международный журнал распределенных сенсорных сетей . 14 (4): 1550147718767605. дои : 10.1177/1550147718767605 . Материал был скопирован из этого источника, который доступен по международной лицензии Creative Commons Attribution 4.0.
  47. ^ «PreonVM - Виртуальная машина для беспроводных сенсорных устройств» . Архивировано из оригинала 11 ноября 2017 г.
  48. ^ Сильва, Д.; Ганем, М.; Го, Ю. (2012). «WikiSensing: совместный онлайн-подход к управлению сенсорными данными». Датчики . 12 (10): 13295–332. Бибкод : 2012Senso..1213295S. дои : 10.3390/s121013295 . ПМЦ 3545568 . ПМИД  23201997. 
  49. ^ Ниязи, Муаз; Хусейн, Амир (2011). «Новая среда агентного моделирования для зондирования в сложных адаптивных средах» (PDF) . Журнал датчиков IEEE . 11 (2): 404–412. arXiv : 1708.05875 . Бибкод : 2011ISenJ..11..404N. дои : 10.1109/jsen.2010.2068044. hdl : 1893/3398. S2CID  15367419. Архивировано из оригинала (PDF) 25 июля 2011 г.
  50. ^ Булусу, Нирупама; Хайдеманн, Джон; Эстрин, Дебора (2000). «Недорогая наружная локализация без GPS для очень маленьких устройств». Персональные коммуникации IEEE . 7 (5). Персональные коммуникации IEEE, октябрь 2000 г.: 28–34. дои : 10.1109/98.878533. S2CID  771769.
  51. ^ Халил, Исса; Багчи Саурабх; Шрофф, Н.Б. (2005). «LITEWORP: легкая мера противодействия атаке червоточин в многоскачковых беспроводных сетях». 2005 Международная конференция по надежным системам и сетям (DSN'05) . стр. 612–621. дои :10.1109/DSN.2005.58. ISBN 0-7695-2282-3. S2CID  2018708.
  52. ^ Митчелл, Роберт; Чен, Инг-Рэй (01 апреля 2014 г.). «Обзор обнаружения вторжений в приложениях беспроводной сети». Компьютерные коммуникации . 42 : 1–23. дои : 10.1016/j.comcom.2014.01.012. ISSN  0140-3664.
  53. ^ Ли, Ванъянь; Ван, Цзидун; Вэй, Голян; Ма, Лифенг; Ху, Цзюнь; Дин, Деруи (2015). «Опрос по мультисенсорному слиянию и консенсусной фильтрации для сенсорных сетей». Дискретная динамика в природе и обществе . 2015 : 1–12. дои : 10.1155/2015/683701 . ISSN  1026-0226.
  54. ^ Босман, HHWJ; Якка, Г; Техада, А.; Вёртче, Х.Ю.; Лиотта, А. (1 декабря 2015 г.). «Ансамбли дополнительных обучающихся для обнаружения аномалий в специальных сенсорных сетях». Специальные сети . Специальный выпуск о технологиях сбора, обработки и сетевых технологий, основанных на больших данных. 35 : 14–36. дои : 10.1016/j.adhoc.2015.07.013. hdl : 11572/196409 . ISSN  1570-8705.
  55. ^ Босман, HHWJ; Лиотта, А.; Якка, Г.; Вёртче, HJ (октябрь 2013 г.). «Обнаружение аномалий в сенсорных системах с использованием упрощенного машинного обучения». Международная конференция IEEE 2013 по системам, человеку и кибернетике . стр. 7–13. дои : 10.1109/SMC.2013.9. ISBN 978-1-4799-0652-9. S2CID  6434158.
  56. ^ Босман, HHWJ; Лиотта, А.; Якка, Г.; Вёртче, HJ (декабрь 2013 г.). «Экстремальное онлайн-обучение в сетях датчиков с фиксированной точкой». Семинары 13-й Международной конференции IEEE по интеллектуальному анализу данных , 2013 г. стр. 319–326. дои : 10.1109/ICDMW.2013.74. ISBN 978-1-4799-3142-2. S2CID  6460187.
  57. ^ Босман, HHWJ; Якка, Г.; Вёртче, Х.Ю.; Лиотта, А. (декабрь 2014 г.). «Онлайн-объединение поэтапного обучения для беспроводных сенсорных сетей». Семинар Международной конференции IEEE по интеллектуальному анализу данных 2014 г. стр. 525–532. дои : 10.1109/ICDMW.2014.79. hdl : 10545/622629 . ISBN 978-1-4799-4274-9. S2CID  14029568.
  58. ^ Якка, Г. (2018). «Распределенная оптимизация в беспроводных сенсорных сетях: структура островной модели». Мягкие вычисления . 17 (12): 2257–2277. arXiv : 1810.02679 . Бибкод : 2018arXiv181002679I. doi : 10.1007/s00500-013-1091-x. ISSN  1433-7479. S2CID  33273544.
  59. ^ Босман, HHWJ; Якка, Г.; Техада, А.; Вёртче, Х.Ю.; Лиотта, А. (1 января 2017 г.). «Обнаружение пространственных аномалий в сенсорных сетях с использованием информации о окрестностях». Информационный синтез . 33 : 41–56. дои : 10.1016/j.inffus.2016.04.007 . hdl : 11572/196405 . ISSN  1566-2535.
  60. ^ аб Кэм, Ч; Оздемир, С. Наир, П. Мутуавинашиаппан, Д. (октябрь 2003 г.). «ESPDA: энергоэффективное и безопасное агрегирование данных на основе шаблонов для беспроводных сенсорных сетей». Proceedings of IEEE Sensors 2003 (IEEE Cat. No.03CH37498) . Том. 2. С. 732–736. CiteSeerX 10.1.1.1.6961 . doi : 10.1109/icsens.2003.1279038. ISBN  978-0-7803-8133-9. S2CID  15686293.{{cite book}}: CS1 maint: несколько имен: список авторов ( ссылка )
  61. ^ Ровайда, А. Садек (май 2018 г.). «Гибридный кластерный протокол с учетом энергопотребления для гетерогенной сети IoT». Журнал будущих вычислений и информатики . 3 (2): 166–177. дои : 10.1016/j.fcij.2018.02.003 .
  62. ^ Аб Ху, Линсюань; Дэвид Эванс (январь 2003 г.). «Безопасное агрегирование беспроводных сетей». Семинар по безопасности и гарантиям в одноранговых сетях .
  63. ^ Пшидатек, Бартош; Рассветная песня; Адриан Перриг (2003). «SIA: Безопасное агрегирование информации в сенсорных сетях». Материалы 1-й международной конференции «Встраиваемые сетевые сенсорные системы» . стр. 255–265. дои : 10.1145/958491.958521. ISBN 978-1-58113-707-1. S2CID  239370. {{cite book}}: |journal=игнорируется ( помощь )
  64. ^ Кумар, Вимал; Санджай К. Мадриа (август 2012 г.). «Безопасное иерархическое агрегирование данных в беспроводных сенсорных сетях: оценка и анализ производительности». 2012 IEEE 13-я Международная конференция по управлению мобильными данными . стр. 196–201. дои :10.1109/МДМ.2012.49. ISBN 978-1-4673-1796-2. S2CID  2990744.

дальнейшее чтение

Внешние ссылки