論文の概要: An Architectural Design Decision Model for Resilient IoT Application
- arxiv url: http://arxiv.org/abs/2306.10429v1
- Date: Sat, 17 Jun 2023 21:44:07 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 19:26:27.600220
- Title: An Architectural Design Decision Model for Resilient IoT Application
- Title(参考訳): レジリエントIoTアプリケーションのためのアーキテクチャ設計決定モデル
- Authors: Cristovao Freitas Iglesias Jr, Claudio Miceli and Miodrag Bolic
- Abstract要約: IoTアプリケーションの可用性に影響を及ぼす脅威は、財政的にも、ユーザの物理的な整合性の安全のためにも重要です。
この機能は、運用を継続し、潜在的脅威を効率的に処理するIoTアプリケーションを要求する。
レジリエントなIoTアプリケーションのためのアーキテクチャ設計決定モデルが提示され、ステークホルダの難しさが軽減される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Internet of Things is a paradigm that refers to the ubiquitous presence
around us of physical objects equipped with sensing, networking, and processing
capabilities that allow them to cooperate with their environment to reach
common goals. However, any threat affecting the availability of IoT
applications can be crucial financially and for the safety of the physical
integrity of users. This feature calls for IoT applications that remain
operational and efficiently handle possible threats. However, designing an IoT
application that can handle threats is challenging for stakeholders due to the
high susceptibility to threats of IoT applications and the lack of modeling
mechanisms that contemplate resilience as a first-class representation. In this
paper, an architectural Design Decision Model for Resilient IoT applications is
presented to reduce the difficulty of stakeholders in designing resilient IoT
applications. Our approach is illustrated and demonstrates the value through
the modeling of a case.
- Abstract(参考訳): モノのインターネット(internet of things)は、センシング、ネットワーク、処理能力を備えた物理的物体の周囲に普遍的に存在し、環境と協調して共通の目標を達成するためのパラダイムである。
しかし、IoTアプリケーションの可用性に影響を及ぼす脅威は、財政的にも、ユーザの物理的な整合性の安全のためにも重要である。
この機能は、運用を継続し、脅威を効率的に処理するIoTアプリケーションを要求する。
しかし、IoTアプリケーションの脅威に対する高い感受性と、レジリエンスを第一級表現とみなすモデリングメカニズムの欠如により、脅威に対処できるIoTアプリケーションの設計はステークホルダーにとって難しい。
本稿では、レジリエントなIoTアプリケーションの設計におけるステークホルダの難しさを軽減するために、レジリエントなIoTアプリケーションのためのアーキテクチャ設計決定モデルを提案する。
私たちのアプローチは例示され、ケースのモデリングを通じて価値を示しています。
関連論文リスト
- Unraveling Attacks in Machine Learning-based IoT Ecosystems: A Survey
and the Open Libraries Behind Them [9.55194238764852]
IoT(Internet of Things)は前例のない接続性の時代を迎え、2025年末までには800億のスマートデバイスが稼働すると予想されている。
機械学習(ML)は、IoT生成データの解析だけでなく、IoTエコシステム内のさまざまなアプリケーションにも重要な技術として機能する。
本稿では,MLのIoTへの統合によるセキュリティ上の脅威を包括的に調査する。
論文 参考訳(メタデータ) (2024-01-22T06:52:35Z) - MultiIoT: Towards Large-scale Multisensory Learning for the Internet of
Things [77.27980044639136]
IoT(Internet of Things)エコシステムは、マシンラーニングのための現実世界のモダリティの豊富なソースを提供する。
本稿では,12のモダリティと8タスクから115万以上のサンプルを対象とする,これまでで最も拡張性の高いIoTベンチマークであるMultiIoTを提案する。
論文 参考訳(メタデータ) (2023-11-10T18:13:08Z) - From Generative AI to Generative Internet of Things: Fundamentals,
Framework, and Outlooks [82.964958051535]
生成人工知能(GAI)は、現実的なデータを生成し、高度な意思決定を促進する能力を持っている。
GAIを現代のモノのインターネット(IoT)に統合することによって、ジェネレーティブ・インターネット・オブ・モノ(GIoT)が登場し、社会の様々な側面に革命をもたらす大きな可能性を秘めている。
論文 参考訳(メタデータ) (2023-10-27T02:58:11Z) - Causal Reasoning: Charting a Revolutionary Course for Next-Generation
AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。
本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。
因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文 参考訳(メタデータ) (2023-09-23T00:05:39Z) - Towards Artificial General Intelligence (AGI) in the Internet of Things
(IoT): Opportunities and Challenges [55.82853124625841]
人工知能(Artificial General Intelligence, AGI)は、人間の認知能力でタスクを理解し、学習し、実行することができる能力を持つ。
本研究は,モノのインターネットにおけるAGIの実現に向けた機会と課題を探究する。
AGIに注入されたIoTの応用スペクトルは広く、スマートグリッド、住宅環境、製造、輸送から環境モニタリング、農業、医療、教育まで幅広い領域をカバーしている。
論文 参考訳(メタデータ) (2023-09-14T05:43:36Z) - The Internet of Senses: Building on Semantic Communications and Edge
Intelligence [67.75406096878321]
インターネット・オブ・センセーズ(IoS)は、すべてのヒト受容体に対する欠陥のないテレプレゼンススタイルのコミュニケーションを約束する。
我々は,新たなセマンティックコミュニケーションと人工知能(AI)/機械学習(ML)パラダイムがIoSユースケースの要件を満たす方法について詳しく述べる。
論文 参考訳(メタデータ) (2022-12-21T03:37:38Z) - Dependable Intrusion Detection System for IoT: A Deep Transfer
Learning-based Approach [0.0]
本論文は,いくつかの既存手法より優れた深層移動学習型信頼型IDSモデルを提案する。
これは、少量のラベル付きデータに対して、通常のシナリオとアタックシナリオを特定するのに最も適している、効果的な属性選択を含んでいる。
また、信頼性の高い深層移動学習ベースのResNetモデルや、実世界のデータを考慮した評価も含んでいる。
論文 参考訳(メタデータ) (2022-04-11T02:46:22Z) - Measurement-driven Security Analysis of Imperceptible Impersonation
Attacks [54.727945432381716]
本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。
皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。
また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
論文 参考訳(メタデータ) (2020-08-26T19:27:27Z) - Machine learning and data analytics for the IoT [8.39035688352917]
機械学習解析におけるIoT生成データの処理方法について概観する。
我々は、IoTアプリケーションが他のIoTアプリケーションから適応的に学習できるフレームワークを提案する。
論文 参考訳(メタデータ) (2020-06-30T07:38:31Z) - Machine Learning Based Solutions for Security of Internet of Things
(IoT): A Survey [8.108571247838206]
IoTプラットフォームは、到達不可能なスマートサービスで人間の生活を前進させることによって、私たちの日常生活のあらゆる側面をつかむ、グローバルな巨人へと発展してきた。
IoTを保護するために適用可能なセキュリティ対策は,すでに存在する。
伝統的なテクニックは、様々な攻撃タイプやその重大さと同様に、進歩ブームほど効率的ではない。
機械学習(ML)では、IoTの現在および将来の課題に対処する多くの研究ウィンドウがオープンされている。
論文 参考訳(メタデータ) (2020-04-11T03:08:24Z) - Personalized Federated Learning for Intelligent IoT Applications: A
Cloud-Edge based Framework [12.199870302894439]
IoT(Internet of Things)は、現代生活のさまざまな側面に広く浸透している。
この記事では、インテリジェントなIoTアプリケーションのためのクラウドエッジアーキテクチャにおいて、パーソナライズされたフェデレーション付き学習フレームワークを推奨します。
論文 参考訳(メタデータ) (2020-02-25T05:11:06Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。