Трирівневий підхід до розробки архітектури програмногозабезпечення для систем Інтернету речей
DOI:
https://doi.org/10.15276/ict.01.2024.16Ключові слова:
Інтернет речей (IoT), машинне навчання, туманні обчислення, периферійні обчислення, трирівнева архітектура, масштабованість, відмовостійкість, обробка даних, проєктування програмного забезпеченняАнотація
Інтернет речей (IoT) стрімко розвивається, створюючи як виклики, так і можливості. Це дослідження підкреслює важливу роль програмного забезпечення у розвитку технологій Інтернету речей, зосереджуючись на машинному навчанні (ML), туманних обчисленнях та оптимізації процесів для забезпечення безпеки та відмовостійкості. Машинне навчання має ключове значення в IoT для прогнозування збоїв обладнання, оцінки ефективності процесів і прийняття обґрунтованих рішень за допомогою аналізу даних у режимі реального часу. Інтеграція моделей ML безпосередньо в пристрої IoT (периферійні обчислення) зменшує затримки та мінімізує потребу в передаванні даних.
Туманні та хмарні обчислення розв’язують проблеми затримок, переміщуючи обчислювальні ресурси ближче до пристроїв IoT, підвищуючи масштабованість і оптимізуючи використання мережевих ресурсів. Безпека залишається першочерговим завданням через зростання кількості підключених пристроїв та їхні вразливості. Програмне забезпечення Інтернету речей має поєднувати ефективність, безпеку та продуктивність, використовуючи глибоке навчання для виявлення аномалій, технології блокчейну для прозорості даних та оптимізовані протоколи шифрування.
Тенденція до розподілених архітектур, зокрема периферійних обчислень, підвищує стійкість системи шляхом зменшення затримок і підвищення відмовостійкості. Запропонована архітектура системи IoT являє собою трирівневу структуру, що складається з периферійного, туманного та хмарного рівнів. На периферійному рівні первинна обробка даних відбувається безпосередньо на пристроях IoT, що зменшує затримку та навантаження на мережу. Туманний рівень обробляє дані в локальній мережі, використовуючи більш потужні обчислювальні ресурси для складних завдань і забезпечуючи безпеку за допомогою передових методів машинного навчання та шифрування. Хмарний рівень слугує центральним репозиторієм для довгострокового зберігання й глобального аналізу даних, використовуючи технології контейнеризації та оркестрування для забезпечення масштабованості та надійності.
Така багаторівнева архітектура забезпечує ефективну обробку даних, високий рівень безпеки та адаптивність, що робить її придатною для застосування в режимі реального часу. Дослідження підкреслює важливість програмного забезпечення для оптимізації обробки даних на всіх рівнях, забезпечуючи відмовостійкість, масштабованість і довгострокову стійкість системи IoT.