stringtranslate.com

Беспроводная сенсорная сеть

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

Они похожи на беспроводные ad hoc сети в том смысле, что они полагаются на беспроводное соединение и спонтанное формирование сетей, так что данные датчиков могут передаваться по беспроводной сети. WSN контролируют физические условия, такие как температура , звук и давление . Современные сети являются двунаправленными, как собирая данные [2] , так и позволяя 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 управление промышленными процессами, 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: радиопередатчика 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 . Узел датчика может варьироваться по размеру от обувной коробки до (теоретически) пылинки, хотя микроскопические размеры еще не реализованы. Стоимость узла датчика также варьируется и составляет от нескольких до сотен долларов в зависимости от сложности узла. Ограничения по размеру и стоимости ограничивают такие ресурсы, как энергия, память, вычислительная скорость и пропускная способность связи. Топология WSN может варьироваться от простой звездообразной сети до расширенной многоадресной беспроводной ячеистой сети . Распространение может использовать маршрутизацию или лавинную передачу . [6] [7]

В компьютерной науке и телекоммуникациях беспроводные сенсорные сети являются активной областью исследований, поддерживающей множество семинаров и конференций, включая Международный семинар по встроенным сетевым датчикам (EmNetS), IPSN , SenSys , MobiCom и EWSN . По состоянию на 2010 год беспроводные сенсорные сети развернули около 120  миллионов удаленных устройств по всему миру. [8]

Приложение

Мониторинг территории

Мониторинг области является распространенным применением WSN. При мониторинге области 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 медицинских приложений: имплантированные, носимые и встроенные в окружающую среду. Имплантируемые медицинские устройства — это те, которые вставляются 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 приложения включают измерение положения тела, местоположение 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 данные из сети глубинных камер , сенсорного пола или других подобных устройств. Сети области тела могут собирать информацию о здоровье, физической форме и расходе энергии человека. [9] [10] В приложениях здравоохранения конфиденциальность и подлинность пользовательских данных имеют первостепенное значение. Особенно из-за интеграции сенсорных сетей с IoT аутентификация пользователя становится более сложной; однако в недавней работе представлено решение. [11]

Мониторинг среды обитания

Беспроводные сенсорные сети использовались для мониторинга различных видов и мест обитания, начиная с развертывания на Большом Утином острове, включая сурков, тростниковых жаб в Австралии и зебр в Кении.

Зондирование окружающей среды/Земли

Существует множество приложений для мониторинга параметров окружающей среды, [12] примеры которых приведены ниже. Они разделяют дополнительные проблемы суровых условий и ограниченного энергоснабжения.

Мониторинг качества воздуха

Эксперименты показали, что воздействие загрязнения воздуха на человека 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 газов для граждан (например, в Лондоне ). [14] Однако датчики для газов и твердых частиц страдают от высокой изменчивости от единицы к единице, перекрестной чувствительности и (концептуального) дрейфа. [15] Более того, качество данных в настоящее время недостаточно для принятия надежных решений, поскольку калибровка в полевых условиях 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

Сеть сенсорных узлов может быть установлена ​​в лесу для обнаружения начала пожара . Узлы могут быть оснащены датчиками для измерения температуры, влажности и газов, которые выделяются при пожаре в деревьях или растительности. Раннее обнаружение имеет решающее значение для успешных действий пожарных; благодаря беспроводным сенсорным сетям пожарная бригада сможет узнать, когда начался пожар и как он распространяется.

Обнаружение оползней

Система обнаружения оползней использует беспроводную сенсорную сеть для обнаружения небольших движений почвы и изменений различных параметров, которые могут произойти до или во время оползня. Благодаря собранным данным можно узнать о надвигающемся возникновении оползней задолго до того, как это произойдет.

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 создавать более точную карту состояния воды и позволяет постоянно размещать станции мониторинга в труднодоступных местах без необходимости ручного извлечения 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 в реках, где изменения уровня воды должны отслеживаться в режиме реального времени.

Промышленный мониторинг

Мониторинг состояния машины

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

Беспроводные датчики можно размещать в местах, куда трудно или невозможно добраться с помощью проводной системы, например, на вращающихся механизмах и в непривязанных транспортных средствах.

Регистрация данных

Беспроводные сенсорные сети также используются для сбора данных для мониторинга информации об окружающей среде. [20] Это может быть таким же простым, как мониторинг температуры в холодильнике или уровня воды в переливных баках 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 для блага как человека, так и животных. Он может использоваться для защиты от расточительства воды.

Мониторинг состояния конструкций

Беспроводные сенсорные сети могут использоваться для мониторинга состояния гражданской инфраструктуры и связанных с ней геофизических процессов как в режиме реального времени, так и в течение длительных периодов времени путем регистрации данных с использованием соответствующим образом подключенных датчиков.

Производство вина

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

Обнаружение угроз

Система широкополосного слежения (WATS) — это прототип сети для обнаружения наземного ядерного устройства [22], такого как ядерная «бомба-портфель». WATS разрабатывается в Национальной лаборатории Лоуренса в Ливерморе (LLNL). WATS будет состоять из беспроводных гамма- и нейтронных датчиков, соединенных через сеть связи. Данные, полученные датчиками, подвергаются «слиянию данных» , которое преобразует информацию в легко интерпретируемые формы; это слияние данных является наиболее важным аспектом системы. [23] [ устаревший источник ]

Процесс слияния данных происходит в сенсорной сети, а не на централизованном компьютере, и выполняется специально разработанным алгоритмом на основе байесовской статистики . [24] WATS не будет использовать централизованный компьютер для анализа, поскольку исследователи обнаружили, что такие факторы, как задержка и доступная полоса пропускания, как правило, создают значительные узкие места. Данные, обрабатываемые в полевых условиях самой сетью (путем передачи небольших объемов данных между соседними датчиками), 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 срабатываний. [24] Датчики WATS могут быть развернуты на постоянных позициях или установлены на транспортных средствах для мобильной защиты определенных мест. Одним из препятствий для внедрения WATS являются размер, вес, требования к энергопотреблению и стоимость имеющихся в настоящее время беспроводных датчиков. [24] Разработка улучшенных датчиков является основным компонентом текущих исследований в Директорате по нераспространению, контролю над вооружениями и международной безопасности (NAI) в 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 для WATS было сокращено администрацией Клинтона до уровня прожиточного минимума и что программа была плохо реорганизована. [25]

Мониторинг инцидентов

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

Цепочки поставок

Используя маломощную электронику , беспроводные сенсорные сети могут быть экономически эффективно применены также в цепочках поставок в различных отраслях промышленности. [29]

Характеристики

Основные характеристики WSN включают в себя:

Межуровневые связи становятся важной областью изучения для беспроводной связи. [33] Кроме того, традиционный многоуровневый подход представляет три основные проблемы:

  1. Традиционный многоуровневый подход не может делиться различной информацией между различными слоями, что приводит к тому, что каждый слой не имеет полной информации. Традиционный многоуровневый подход не может гарантировать оптимизацию всей сети.
  2. Традиционный многоуровневый подход не позволяет адаптироваться к изменениям окружающей среды.
  3. Из-за помех между различными пользователями, конфликтов доступа, затухания сигнала и изменения среды в беспроводных сенсорных сетях традиционный многоуровневый подход для проводных сетей неприменим к беспроводным сетям.

Таким образом, кросс-слой может использоваться для создания оптимальной модуляции для улучшения производительности передачи, такой как скорость передачи данных , энергоэффективность , качество обслуживания (QoS) и т. д. [33] Сенсорные узлы можно представить как небольшие компьютеры, которые являются чрезвычайно простыми с точки зрения их интерфейсов и их компонентов. Они обычно состоят из процессорного блока с ограниченной вычислительной мощностью и ограниченной памятью, датчиков или MEMS (включая специальные схемы кондиционирования), устройства связи (обычно радиопередатчиков или, альтернативно, оптических ) и источника питания, обычно в виде батареи. Другие возможные включения - это модули сбора энергии , [35] вторичные ASIC и, возможно, вторичный интерфейс связи (например, RS-232 или USB ).

Базовые станции являются одним или несколькими компонентами WSN с гораздо большими вычислительными, энергетическими и коммуникационными ресурсами. Они действуют как шлюз между сенсорными узлами и конечным пользователем, поскольку они обычно пересылают данные из WSN на сервер. Другие специальные компоненты в сетях на основе маршрутизации — это маршрутизаторы, предназначенные для вычисления, расчета и распространения таблиц маршрутизации. [36]

Платформы

Аппаратное обеспечение

Одной из основных проблем в WSN является производство недорогих и крошечных сенсорных узлов. Растет число небольших компаний, производящих оборудование WSN, и коммерческую ситуацию можно сравнить с домашними вычислениями в 1970-х годах. Многие из узлов все еще находятся на стадии исследований и разработок, особенно их программное обеспечение. Также неотъемлемой частью внедрения сенсорных сетей является использование методов очень низкого энергопотребления 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 устройствами с большим количеством ресурсов, например, на удаленном сервере . Беспроводная глобальная сеть, используемая в основном для маломощных устройств, известна как маломощная глобальная сеть ( LPWAN ).

Беспроводной

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 частота 868 МГц, но они имеют более низкую скорость передачи данных (обычно 50 кбит/с). Рабочая группа IEEE 802.15.4 предоставляет стандарт для подключения маломощных устройств, и обычно датчики и интеллектуальные счетчики используют один из этих стандартов для подключения. С появлением Интернета вещей было сделано много других предложений для обеспечения подключения датчиков. LoRa [37] — это форма LPWAN , которая обеспечивает беспроводное подключение с низким энергопотреблением на большом расстоянии для устройств, которое использовалось в интеллектуальных счетчиках и других приложениях с датчиками на большом расстоянии. Wi-SUN [38] подключает устройства дома. Узкополосный Интернет вещей [39] и LTE-M [40] могут подключать до миллионов датчиков и устройств с использованием сотовой технологии.

Программное обеспечение

Энергия является самым дефицитным ресурсом узлов WSN, и она определяет срок службы WSN. WSN могут быть развернуты в большом количестве в различных средах, включая удаленные и враждебные регионы, где ad hoc-коммуникации являются ключевым компонентом. По этой причине алгоритмы и протоколы должны решать следующие проблемы:

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

Протоколы маршрутизации

Беспроводные сенсорные сети состоят из маломощных, небольших по размеру и малой дальности необслуживаемых сенсорных узлов. Недавно было замечено, что периодически включая и выключая сенсорные и коммуникационные возможности сенсорных узлов, мы можем значительно сократить активное время и, таким образом, продлить срок службы сети. [44] [45] Однако этот рабочий цикл может привести к высокой сетевой задержке, накладным расходам маршрутизации и задержкам обнаружения соседей из-за асинхронного планирования сна и пробуждения. Эти ограничения требуют контрмеры для беспроводных сенсорных сетей с рабочим циклом, которая должна минимизировать информацию о маршрутизации, нагрузку трафика маршрутизации и потребление энергии. Исследователи из Университета Сонгюнгван предложили легкую маршрутизацию с невозрастающим интервалом доставки-задержки, называемую LNDIR. Эта схема может обнаруживать маршруты с минимальной задержкой в ​​каждом невозрастающем интервале доставки-задержки вместо каждого временного интервала. [ необходимо разъяснение ] Эксперименты по моделированию продемонстрировали обоснованность этого нового подхода к минимизации информации о маршрутизации, хранящейся в каждом датчике. Кроме того, эта новая маршрутизация может также гарантировать минимальную задержку доставки от каждого источника к приемнику. Улучшения производительности до 12 и 11 раз наблюдаются с точки зрения снижения нагрузки маршрутизации трафика и энергоэффективности, соответственно, по сравнению с существующими схемами. [46]

Операционные системы

Операционные системы для беспроводных сенсорных сетевых узлов 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 ​​низком энергопотреблении приводит к тому, что большинство беспроводных сенсорных узлов имеют маломощные микроконтроллеры, гарантируя, что такие механизмы, как виртуальная память, либо не нужны, либо слишком дороги для внедрения.

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 , возможно, является 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, такое как входящий пакет данных или показания датчика, TinyOS подает сигнал соответствующему обработчику событий для обработки события. Обработчики событий могут публиковать задачи, которые запланированы ядром TinyOS некоторое время спустя.

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

Contiki , разработанная Адамом Данкельсом , представляет собой операционную систему, которая использует более простой стиль программирования на языке C, предоставляя при этом такие усовершенствования, как 6LoWPAN и Protothreads .

RIOT (операционная система) — более новая ОС реального времени, включающая в себя схожую с Contiki функциональность.

PreonVM [47] — это операционная система для беспроводных сенсорных сетей, которая обеспечивает 6LoWPAN на основе Contiki и поддержку языка программирования Java .

Онлайн-платформы для совместного управления данными датчиков

Онлайн-платформы для совместного управления данными датчиков — это онлайн-сервисы баз данных, которые позволяют владельцам датчиков регистрировать и подключать свои устройства для передачи данных в онлайн-базу данных для хранения, а также позволяют разработчикам подключаться к базе данных и создавать собственные приложения на основе этих данных. Примерами являются Xively и платформа Wikisensing. Архивировано 09.06.2021 на Wayback Machine . Такие платформы упрощают онлайн-сотрудничество между пользователями над различными наборами данных, начиная от данных об энергетике и окружающей среде и заканчивая данными, собранными транспортными службами. Другие сервисы включают возможность разработчикам встраивать графики и виджеты в реальном времени в веб-сайты; анализировать и обрабатывать исторические данные, извлеченные из каналов 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 совместной работы в режиме онлайн, промежуточное программное обеспечение, содержащее бизнес-логику, необходимую для управления и обработки данных датчиков, а также модель хранения, подходящую для эффективного хранения и извлечения больших объемов данных.

Моделирование

В настоящее время агентное моделирование и имитация являются единственной парадигмой, которая позволяет моделировать сложное поведение в средах беспроводных датчиков (например, флокирование). [49] Агентное моделирование беспроводных датчиков и сетей ad hoc является относительно новой парадигмой. Агентное моделирование изначально основывалось на социальной имитации.

Для моделирования беспроводной сенсорной сети можно использовать сетевые симуляторы, такие как Opnet, Tetcos NetSim и NS.

Другие концепции

Локализация

Локализация сети относится к проблеме оценки местоположения беспроводных сенсорных узлов во время развертывания и в динамических условиях. Для сверхмаломощных сенсоров размер, стоимость и окружающая среда исключают использование приемников глобальной системы позиционирования на сенсорах. В 2000 году Нирупама Булусу, Джон Хейдеманн и Дебора Эстрин впервые мотивировали и предложили систему на основе радиосвязи для локализации беспроводных сенсорных сетей. [50] Впоследствии такие системы локализации стали называть системами локализации без диапазона, и впоследствии было предложено много систем локализации для беспроводных сенсорных сетей, включая AHLoS, APS и Stardust.

Калибровка данных датчиков и отказоустойчивость

Датчики и устройства, используемые в беспроводных сенсорных сетях, являются передовыми технологиями с максимально низкой возможной ценой. Поэтому измерения датчиков, которые мы получаем от этих устройств, часто бывают шумными, неполными и неточными. Исследователи, изучающие беспроводные сенсорные сети, предполагают, что из сотен ненадежных измерений, распределенных по интересующей области, можно извлечь гораздо больше информации, чем из меньшего количества высококачественных, высоконадежных приборов с той же общей стоимостью.

Макропрограммирование

Макропрограммирование — термин, придуманный Мэттом Уэлшем. Он относится к программированию всей сенсорной сети как ансамбля, а не отдельных сенсорных узлов. Другой способ макропрограммирования сети — рассматривать сенсорную сеть как базу данных, что было популяризировано системой TinyDB, разработанной Сэмом Мэдденом .

Перепрограммирование

Перепрограммирование — это процесс обновления кода на сенсорных узлах. Наиболее осуществимой формой перепрограммирования является удаленное перепрограммирование, при котором код распространяется по беспроводной сети, пока узлы развернуты. Существуют различные протоколы перепрограммирования, которые обеспечивают различные уровни скорости работы, надежности, расхода энергии, требования к коду, находящемуся на узлах, пригодности для различных беспроводных сред, устойчивости к DoS и т. д. Популярные протоколы перепрограммирования — Deluge (2004), Trickle (2004), MNP (2005), Synapse (2008) и Zephyr (2009).

Безопасность

Архитектура без инфраструктуры (т. е. не включены шлюзы и т. д.) и присущие ей требования (т. е. необслуживаемая рабочая среда и т. д.) WSN могут представлять несколько слабых мест, которые привлекают злоумышленников. Поэтому безопасность является большой проблемой, когда WSN развертываются для специальных приложений, таких как военные и здравоохранение. Из-за своих уникальных характеристик традиционные методы безопасности компьютерных сетей были бы бесполезны (или менее эффективны) для WSN. Следовательно, отсутствие механизмов безопасности приведет к вторжениям в эти сети. Эти вторжения необходимо обнаруживать и применять методы смягчения последствий.

В обеспечении безопасности беспроводных сенсорных сетей появились важные инновации. Большинство беспроводных встроенных сетей используют всенаправленные антенны, и поэтому соседи могут подслушивать связь в узлах и из них. 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. Этот примитив с тех пор использовался многими исследователями и коммерческими беспроводными снифферами пакетов. Впоследствии он был усовершенствован для более сложных атак, таких как сговор, мобильность и многоантенные 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 может быть повышена за счет использования архитектуры распределенного управления. Распределенное управление используется в беспроводных сенсорных сетях по следующим причинам:

  1. Сенсорные узлы подвержены отказам,
  2. Для лучшего сбора данных,
  3. Обеспечить резервные узлы на случай выхода из строя центрального узла.

Также не существует централизованного органа, распределяющего ресурсы, и им приходится самоорганизовываться.

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

Интеграция данных и сенсорная сеть

Данные, собранные с беспроводных сенсорных сетей, обычно сохраняются в виде числовых данных на центральной базовой станции. Кроме того, Открытый геопространственный консорциум (OGC) определяет стандарты для интерфейсов взаимодействия и кодирования метаданных, которые позволяют интегрировать в реальном времени гетерогенные сенсорные сети в Интернет, позволяя любому человеку контролировать или управлять беспроводными сенсорными сетями через веб-браузер.

Обработка в сети

Чтобы сократить расходы на связь, некоторые алгоритмы удаляют или сокращают избыточную сенсорную информацию 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 пересылаемые ими данные, они могут измерять средние значения или направленность, например, показаний с других узлов. Например, в приложениях зондирования и мониторинга, как правило, соседние сенсорные узлы, отслеживающие характеристику окружающей среды, обычно регистрируют схожие значения. Этот вид избыточности данных из-за пространственной корреляции между наблюдениями датчиков вдохновляет методы агрегации и добычи данных внутри сети. 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, планируя больше ресурсов для узлов с более критичной потребностью в энергоэффективности, и на сетевых шлюзах необходимо реализовать усовершенствованные алгоритмы энергоэффективного планирования для повышения общей энергоэффективности сети. [33] [61]

Безопасное агрегирование данных

Это форма обработки внутри сети, где сенсорные узлы считаются незащищенными с ограниченной доступной энергией, в то время как базовая станция считается защищенной с неограниченной доступной энергией. Агрегация усложняет уже существующие проблемы безопасности для беспроводных сенсорных сетей [62] и требует новых методов безопасности, специально разработанных для этих сценариев. Обеспечение безопасности для агрегации данных в беспроводных сенсорных сетях известно как безопасная агрегация данных в WSN . [60] [62] [63] были первыми несколькими работами, в которых обсуждались методы безопасной агрегации данных в беспроводных сенсорных сетях.

Две основные проблемы безопасности в безопасной агрегации данных — это конфиденциальность и целостность данных. В то время как 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 на агрегаторах, делая данные уязвимыми для атак со стороны противника. Аналогичным образом агрегатор может ввести ложные данные в агрегат и заставить базовую станцию ​​принять ложные данные. Таким образом, хотя агрегация данных повышает энергоэффективность сети, она усложняет существующие проблемы безопасности. [64]

Смотрите также

Ссылки

  1. ^ Улло, Сильвия Либерата; Синха, GR (2020-05-31). «Достижения в системах интеллектуального мониторинга окружающей среды с использованием Интернета вещей и датчиков». Датчики . 20 (11): 3113. Bibcode : 2020Senso..20.3113U. doi : 10.3390/s20113113 . ISSN  1424-8220. PMC 7309034.  PMID 32486411  .
  2. ^ ФранческоМарио, Ди; К, ДасСахал; АнастазиДжузеппе (2011-08-01). «Сбор данных в беспроводных сенсорных сетях с мобильными элементами». ACM Transactions on Sensor Networks . 8 : 1–31. doi :10.1145/1993042.1993049. S2CID  15576441.
  3. ^ Ся, Фэн; Тянь, Ю-Чу; Ли, Яньцзюнь; Сан, Юсянь (2007-10-09). «Проектирование сети беспроводных датчиков/исполнительных механизмов для приложений мобильного управления». Датчики . 7 (10): 2157–2173. Bibcode : 2007Senso...7.2157X. doi : 10.3390/s7102157 . ISSN  1424-8220. PMC 3864515. PMID 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 . Получено 2023-02-09 .
  6. ^ Dargie, W.; Poellabauer, C. (2010). Основы беспроводных сенсорных сетей: теория и практика . John Wiley and Sons. стр. 168–183, 191–192. ISBN 978-0-470-99765-9.
  7. ^ Sohraby, K.; Minoli, D.; Znati, T. (2007). Беспроводные сенсорные сети: технологии, протоколы и приложения . John Wiley and Sons. стр. 203–209. ISBN 978-0-471-74300-2.
  8. ^ Оливейра, Жоао; Гоес, Жоао (2012). Параметрическое аналоговое усиление сигнала, применяемое к наномасштабным КМОП-технологиям. Springer Science & Business Media . стр. 7. ISBN 978-1-4614-1670-8.
  9. ^ Пейрис, В. (2013). «Высокоинтегрированное беспроводное зондирование для сетевых приложений области тела». SPIE Newsroom . doi :10.1117/2.1201312.005120.
  10. ^ Тони О'Донован; Джон О'Донохью; Кормак Шринан; Дэвид Сэммон; Филип О'Рейли; Киран А. О'Коннор (2009). Контекстно-зависимая беспроводная сеть для тела (BAN) (PDF) . Технологии всепроникающих вычислений в здравоохранении, 2009. doi :10.4108/ICST.PERVASIVEHEALTH2009.5987. Архивировано (PDF) из оригинала 2016-10-09.
  11. ^ Билал, Мухаммад и др. (2017). «Протокол аутентификации для будущих сенсорных сетей». Датчики . 17 (5): 979. arXiv : 1705.00764 . Bibcode : 2017Senso..17..979B. doi : 10.3390/s17050979 . PMC 5464775. PMID  28452937. 
  12. ^ "JKHart и K. Martinez, "Environmental Sensor Networks: A Revolution in the Earth system science?", Earth-Science Reviews, 2006" (PDF) . Архивировано из оригинала (PDF) 23 ноября 2015 г.
  13. ^ Apte, JS; Messier, KP; Gani, S.; Brauer, M.; Kirchstetter, TW; Lunden, MM; Marshall, JD; Portier, CJ; Vermeulen, RCH; Hamburg, SP (2017). «Картографирование загрязнения воздуха с высоким разрешением с помощью автомобилей Google Street View: использование больших данных». Environmental Science and Technology . 51 (12): 6999–7008. Bibcode : 2017EnST...51.6999A. doi : 10.1021/acs.est.7b00891 . PMID  28578585.
  14. ^ "Breathe London". Breathe London . Получено 27 апреля 2021 г. .
  15. ^ Файнберг, С.; Уильямс, Р.; Хаглер, GSW; Рикард, Дж.; Гарвер, Д.; Харшфилд, Г.; Штауффер, П.; Мэттсон, Э.; Джадж, Р.; Гарви, С. (2018). «Долгосрочная оценка технологии датчиков воздуха в условиях окружающей среды в Денвере, штат Колорадо». Atmospheric Measurement Techniques . 11 (8): 4605–4615. Bibcode :2018AMT....11.4605F. doi : 10.5194/amt-11-4605-2018 . PMC 6781239 . PMID  31595175. 
  16. ^ Бальзано, Л.; Новак, Р. (2008). «Слепая калибровка сетей датчиков: теория и алгоритмы». Сетевая сенсорная информация и управление . стр. 9–37. doi :10.1007/978-0-387-68845-9_1. ISBN 978-0-387-68843-5.
  17. ^ Sauce, O.; Hasenfratz, D.; Thiele, L. (2015). «Сокращение ошибок калибровки с несколькими скачками в крупномасштабных мобильных сенсорных сетях». Труды 14-й Международной конференции по обработке информации в сенсорных сетях . стр. 274–285. doi :10.1145/2737095.2737113. ISBN 978-1-4503-3475-4. S2CID  15171166.
  18. ^ Spie (2013). «Вассили Каранассиос: Энергосбережение для питания удаленных датчиков». SPIE Newsroom . doi :10.1117/2.3201305.05.
  19. ^ Тивари, Анкит и др. (2007). «Энергоэффективная разработка и реализация беспроводной сенсорной сети для обслуживания на основе состояния». Труды ACM по сенсорным сетям . 3 : 1–es. CiteSeerX 10.1.1.188.8180 . doi :10.1145/1210669.1210670. S2CID  7278286. 
  20. ^ K. Saleem; N. Fisal & J. Al-Muhtadi (2014). «Эмпирические исследования био-вдохновленного самоорганизующегося безопасного автономного протокола маршрутизации». IEEE Sensors Journal . 14 (7): 1–8. Bibcode : 2014ISenJ..14.2232S. doi : 10.1109/JSEN.2014.2308725. S2CID  27135727.
  21. ^ Анастази, Г.; Фарруггия, О.; Ло Ре, Г.; Ортолани, М. (2009). «Мониторинг производства высококачественного вина с использованием беспроводных сенсорных сетей». 2009 42-я Гавайская международная конференция по системным наукам . С. 1–7. doi :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 . Получено 26 февраля 2019 года .
  23. ^ ab "Стремление к более безопасному миру с 1945 года". fas.org . Федерация американских ученых. Архивировано из оригинала 2016-03-16 . Получено 2019-02-26 .
  24. ^ abcd Хиллс, Роб. «Ощущение опасности». str.llnl.gov . Обзор науки и технологий. Архивировано из оригинала 2 мая 2017 г. Получено 26 февраля 2019 г.
  25. ^ "US/Russia National Security Interests". commdocs.house.gov . Палата представителей США . Получено 26 февраля 2019 г. .
  26. ^ Агилар, Моника (2020). «ИНРИСКО: Мониторинг инцидентов в умных сообществах». Доступ IEEE . 8 : 72435–72460. arXiv : 2312.07787 . Бибкод : 2020IEEA...872435I. doi : 10.1109/ACCESS.2020.2987483. hdl : 2117/328871 . S2CID  218468946.
  27. ^ Пастор, Адольфо (2020). «Реализация психоакустического раздражения с помощью беспроводных сетей акустических датчиков для мониторинга в умных городах». Журнал IEEE Internet of Things . 7 : 128–136. doi : 10.1109/JIOT.2019.2946971. S2CID  208111073.
  28. ^ Ллорет, Хайме (2009). «Развертывание беспроводной сенсорной сети для обнаружения и проверки лесных и сельских пожаров». Датчики . 9 (11): 8722–8747. Bibcode : 2009Senso ...9.8722L. doi : 10.3390/s91108722 . PMC 3260610. PMID  22291533. S2CID  13104461. 
  29. ^ Лиз Янг (2022-06-08). «Израильская технологическая фирма выпускает устройства слежения размером с почтовую марку». Wall Street Journal . Получено 2022-07-08 .
  30. ^ "ReVibe Energy – Powering The Industrial IoT". revibeenergy.com . Архивировано из оригинала 22 сентября 2017 г. Получено 3 мая 2018 г.
  31. ^ "МИРОВОЙ ЛИДЕР В ОБЛАСТИ БЕСПРОВОДНЫХ СИСТЕМ СЕНСИРОВАНИЯ НА ОСНОВЕ ВИБРАЦИОННОГО СБОРЩИКА ". МИРОВОЙ ЛИДЕР В ОБЛАСТИ БЕСПРОВОДНЫХ СИСТЕМ СЕНСИРОВАНИЯ НА ОСНОВЕ ВИБРАЦИОННОГО СБОРЩИКА . Архивировано из оригинала 13 апреля 2018 года . Получено 3 мая 2018 года .
  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 Guowang Miao ; Jens Zander; Ki Won Sung; Ben Slimane (2016). Основы мобильных сетей передачи данных . Cambridge University Press . ISBN 978-1-107-14321-0.
  34. ^ Агдам, Шахин Махдизаде; Хансари, Мохаммад; Рабие, Хамид Р.; Салехи, Мостафа (2014). «WCCP: протокол управления перегрузкой для беспроводной мультимедийной связи в сенсорных сетях». Ad Hoc Networks . 13 : 516–534. doi :10.1016/j.adhoc.2013.10.006.
  35. ^ Magno, M.; Boyle, D.; Brunelli, D.; O'Flynn, B.; Popovici, E.; Benini, L. (2014). «Расширенный беспроводной мониторинг с помощью интеллектуального гибридного источника питания». IEEE Transactions on Industrial Electronics . 61 (4): 1871. doi :10.1109/TIE.2013.2267694. S2CID  23562384.
  36. ^ Xenakis, A.; Foukalas, F.; Stamoulis, G. (2016). «Управление топологией с учетом энергии между слоями с помощью имитации отжига для беспроводных сенсорных сетей». Компьютеры и электротехника . 56 : 576–590. doi :10.1016/j.compeleceng.2016.02.015.
  37. ^ "LoRa Alliance". Архивировано из оригинала 2017-11-09.
  38. ^ "Wi-Sun Alliance". 2018-08-15. Архивировано из оригинала 2017-11-09.
  39. ^ "NB-IOT против LoRa против Sigfox, LINKLabs, январь 2017". Архивировано из оригинала 2017-11-10.
  40. ^ "Что такое LTE-M?". Архивировано из оригинала 2017-11-09.
  41. ^ Джанакирам, Коттнана; Реджинальд, П. Джошуа (2023-02-23). ​​«Продление срока службы беспроводных сенсорных сетей с использованием подходов теории графов». 2023 7-я Международная конференция по вычислительным методологиям и коммуникациям (ICCMC) . Эрод, Индия: IEEE. стр. 993–997. doi :10.1109/ICCMC56507.2023.10084135. ISBN 978-1-6654-6408-6. S2CID  257959382.
  42. ^ Ляхов, П. А.; Калита, Д. И. (2023-05-03). «Надежная фильтрация Калмана с условно локальными вычислениями в беспроводных сенсорных сетях». Автоматическое управление и вычислительная техника . 57 (2): 154–166. doi :10.3103/S0146411623020062. ISSN  0146-4116. S2CID  258465232.
  43. ^ Ши, Цзюньян; Ша, Мо (2019-06-17). «Самоконфигурирование 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. doi :10.1109/INFOCOM.2019.8737467. ISBN 978-1-7281-0515-4. S2CID  86721016.
  44. ^ Xenakis, A.; Foukalas, F.; Stamoulis, G. (октябрь 2015 г.). "Алгоритм кластеризации с минимальным весом для беспроводных сенсорных сетей". Труды 19-й Всегреческой конференции по информатике . стр. 255–260. doi :10.1145/2801948.2801999. ISBN 978-1-4503-3551-5. S2CID  9188571.
  45. ^ Хассан, ТАХ; Селим, Г.; Садек, Р. (2015). «Новый энергоэффективный протокол маршрутизации Cluster Head в беспроводных сенсорных сетях». 2015 IEEE Седьмая международная конференция 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. ^ K Shahzad, Muhammad; Nguyen, Dang Tu; Zalyubovskiy, Vyacheslav; Choo, Hyunseung (2018). "LNDIR: легкая невозрастающая маршрутизация на основе интервала задержки доставки для сетей датчиков с циклическим режимом работы". International Journal of Distributed Sensor Networks . 14 (4): 1550147718767605. doi : 10.1177/1550147718767605 . Материал скопирован из этого источника, который доступен по лицензии Creative Commons Attribution 4.0 International.
  47. ^ "PreonVM – Виртуальная машина для беспроводных сенсорных устройств". Архивировано из оригинала 2017-11-11.
  48. ^ Сильва, Д.; Ганем, М.; Го, И. (2012). «WikiSensing: Совместный онлайн-подход к управлению данными датчиков». Датчики . 12 (10): 13295–332. Bibcode : 2012Senso..1213295S. doi : 10.3390/s121013295 . PMC 3545568. PMID  23201997 . 
  49. ^ Ниази, Муаз; Хуссейн, Амир (2011). «Новая агентно-ориентированная структура моделирования для зондирования в сложных адаптивных средах» (PDF) . Журнал датчиков IEEE . 11 (2): 404–412. arXiv : 1708.05875 . Bibcode :2011ISenJ..11..404N. doi :10.1109/jsen.2010.2068044. hdl :1893/3398. S2CID  15367419. Архивировано из оригинала (PDF) 25.07.2011.
  50. ^ Булусу, Нирупама; Хайдеманн, Джон; Эстрин, Дебора (2000). «Бюджетная наружная локализация без GPS для очень маленьких устройств». IEEE Personal Communications . 7 (5). IEEE Personal Communications, октябрь 2000 г.: 28–34. doi :10.1109/98.878533. S2CID  771769.
  51. ^ Халил, Исса; Багчи Саурабх; Шрофф, Н.Б. (2005). "LITEWORP: легкое противодействие атакам типа "червоточины" в беспроводных сетях с несколькими скачками". Международная конференция по надежным системам и сетям 2005 г. (DSN'05) . стр. 612–621. doi :10.1109/DSN.2005.58. ISBN 0-7695-2282-3. S2CID  2018708.
  52. ^ Митчелл, Роберт; Чен, Инг-Рэй (01.04.2014). «Обзор обнаружения вторжений в беспроводных сетевых приложениях». Computer Communications . 42 : 1–23. doi :10.1016/j.comcom.2014.01.012. ISSN  0140-3664.
  53. ^ Ли, Ванъянь; Ван, Цзыдун; Вэй, Гуолян; Ма, Лифенг; Ху, Цзюнь; Дин, Дэруй (2015). «Обзор мультисенсорного слияния и консенсусной фильтрации для сенсорных сетей». Дискретная динамика в природе и обществе . 2015 : 1–12. doi : 10.1155/2015/683701 . ISSN  1026-0226.
  54. ^ Bosman, HHWJ; Iacca, G; Tejada, A.; Wörtche, HJ; Liotta, A. (2015-12-01). «Ансамбли инкрементальных обучающихся для обнаружения аномалий в специальных сенсорных сетях». Ad Hoc Networks . Специальный выпуск о технологиях зондирования, обработки и сетевых технологий на основе больших данных. 35 : 14–36. doi :10.1016/j.adhoc.2015.07.013. hdl : 11572/196409 . ISSN  1570-8705.
  55. ^ Bosman, HHWJ; Liotta, A.; Iacca, G.; Wörtche, HJ (октябрь 2013 г.). «Обнаружение аномалий в сенсорных системах с использованием легковесного машинного обучения». Международная конференция IEEE 2013 г. по системам, человеку и кибернетике . стр. 7–13. doi :10.1109/SMC.2013.9. ISBN 978-1-4799-0652-9. S2CID  6434158.
  56. ^ Bosman, HHWJ; Liotta, A.; Iacca, G.; Wörtche, HJ (декабрь 2013 г.). «Онлайн-экстремальное обучение на сетях датчиков с фиксированной точкой». IEEE 13-я международная конференция по интеллектуальному анализу данных , семинары 2013 г. стр. 319–326. doi :10.1109/ICDMW.2013.74. ISBN 978-1-4799-3142-2. S2CID  6460187.
  57. ^ Bosman, HHWJ; Iacca, G.; Wörtche, HJ; Liotta, A. (декабрь 2014 г.). «Онлайн-слияние инкрементального обучения для беспроводных сенсорных сетей». IEEE Международная конференция по интеллектуальному анализу данных , семинар 2014 г. стр. 525–532. doi :10.1109/ICDMW.2014.79. hdl : 10545/622629 . ISBN 978-1-4799-4274-9. S2CID  14029568.
  58. ^ Iacca, G. (2018). «Распределенная оптимизация в беспроводных сенсорных сетях: структура островной модели». Soft Computing . 17 (12): 2257–2277. arXiv : 1810.02679 . Bibcode : 2018arXiv181002679I. doi : 10.1007/s00500-013-1091-x. ISSN  1433-7479. S2CID  33273544.
  59. ^ Bosman, HHWJ; Iacca, G.; Tejada, A.; Wörtche, HJ; Liotta, A. (2017-01-01). «Пространственное обнаружение аномалий в сенсорных сетях с использованием информации о соседстве». Information Fusion . 33 : 41–56. doi : 10.1016/j.inffus.2016.04.007 . hdl : 11572/196405 . ISSN  1566-2535.
  60. ^ ab Cam, H; Ozdemir, S Nair, P Muthuavinashiappan, D (октябрь 2003 г.). "ESPDA: энергоэффективное и безопасное агрегирование данных на основе шаблонов для беспроводных сенсорных сетей". Труды IEEE Sensors 2003 (IEEE Cat. No.03CH37498) . Том 2. стр. 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 Интернета вещей». Future Computing and Informatics Journal . 3 (2): 166–177. doi : 10.1016/j.fcij.2018.02.003 .
  62. ^ ab Hu, Lingxuan; David Evans (январь 2003 г.). «Безопасная агрегация для беспроводных сетей». Семинар по безопасности и обеспечению безопасности в сетях Ad Hoc .
  63. ^ Przydatek, Bartosz; Dawn Song; Adrian Perrig (2003). "SIA: Безопасная агрегация информации в сенсорных сетях". Труды 1-й международной конференции по встроенным сетевым сенсорным системам . стр. 255–265. doi :10.1145/958491.958521. ISBN 978-1-58113-707-1. S2CID  239370.
  64. ^ Кумар, Вимал; Санджай К. Мадрия (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. doi :10.1109/MDM.2012.49. ISBN 978-1-4673-1796-2. S2CID  2990744.

Дальнейшее чтение

Внешние ссылки