Un análisis comparativo de conjuntos apilados para mecanismos de clasificación de dispositivos IoT.

por Ganesh S. Pise, Sachin D. Babar y Parikshit N. Mahalle

La conexión de máquina a máquina (M2M) en el contexto de la Internet de las cosas (IoT), con el objetivo principal de mejorar la gestión de la información a través de métodos de clasificación avanzados. A medida que ha crecido el número de dispositivos de IoT, se necesitan métodos sólidos para clasificarlos de manera eficiente para que el contacto sea fluido y se haga el mejor uso de los recursos.

M2M vs IoT

Este estudio compara dos técnicas de aprendizaje automático de vanguardia llamadas Stacked Ensembles para ver cuál es mejor para hacer que la clasificación de dispositivos de IoT sea más precisa y confiable. La investigación del documento analiza diferentes modelos de clasificación dentro de Stacked Ensembles y compara qué tan bien funcionan con métodos más estándar.

El sistema de estudio tiene una gran colección con muchos dispositivos de IoT diferentes y diferentes métodos de comunicación y situaciones de red. El documento se centra en encontrar las mejores configuraciones de Stacked Ensemble para una clasificación precisa y eficiente de dispositivos en la comunicación M2M probándolas y evaluándolas cuidadosamente.

El estudio se suma a los campos del aprendizaje automático y la Internet de las cosas, pero también analiza la gestión de la información en redes M2M, que es un tema muy importante. Esperamos que la eficacia del sistema, el uso de recursos y el rendimiento general de la red mejoren con el uso de métodos de clasificación avanzados. Se espera que los resultados del estudio ayuden a las personas a crear y utilizar estrategias de gestión del conocimiento sólidas. Esto hará que la configuración de la comunicación M2M sea más inteligente y más flexible a medida que cambia el mundo de la IoT.

REFERENCIAS

1. Jalil, A. Ahmad, Ah Abdel Aty, El-Soud, F. Zeshan, “Identificación de dispositivos IoT confiables para una delegación segura, “Ing. Electr. Comput., vol.90, no. enero, pág.106988,2021, dirección: https://doi.org/10.1016/j.compeleceng.2021.106988

2. B. Chakraborty,DM Divakaran,I. Nevado, Pedro, Gurusamy, “Selección de funciones teniendo en cuenta los costos para la clasificación de dispositivos IoT, “IEEE Internet de las cosas J., vol.8, No.14, págs. 11052–11064, 2021, dirección: https://doi.org/10.1109/JIOT.2021.3051480

3. Admiradory, “EvoIoT: Un modelo evolutivo de clasificación IoT y no IoT en entornos abiertos, “Redes informáticas, vol. 219, No.30, pag.109450,2022, dirección: https://doi.org/10.1016/j.comnet.2022.109450

4. ES Babuet Alabama., “Sistema de detección de intrusiones basado en blockchain de datos urbanos de IoT con autenticación de dispositivos contra ataques DDoS”, Ing. Electr. Comput., vol.103, no. Octubre, pág.108287,2022, dirección: https://doi.org/10.1016/j.compeleceng.2022.108287

5. A. Zohurianoy otros, “Seguridad de dispositivos IoT Zigbee: una revisión completa, “Internet de las cosas (Países Bajos), vol.22, núm. mayo, pág. 100791,2023, dirección: https://doi.org/10.1016/j.iot.2023.100791

6. Sumitray MV Shenoy, “HFedDI: un nuevo esquema basado en el aprendizaje federado horizontal que preserva la privacidad para la identificación de dispositivos IoT” Aplicaciones informáticas en red, vol.214, núm. marzo, pág. 103616,2023, dirección: https://doi.org/10.1016/j.jnca.2023.103616

7. AMI, “Identificación de dispositivos IoT | Kaggle.” Disponible: https://www.kaggle.com/datasets/fanbyprinciple/iot-device-identification .

8. Relaciones públicas Chandre, PN Mahalley, Shinde, “Un nuevo enfoque basado en el aprendizaje automático para el sistema de detección y prevención de intrusiones: una verificación basada en herramientas” en Conferencia global IEEE 2018 sobre computación y redes inalámbricas (GCWCN), Nov.2018, págs.135–140, dirección: https://doi.org/10.1109/GCWCN.2018.8668618

9. Ajani, Jobragade, Dhone, Ganguly, B., Shelke, NORTE., (2023). Avances en informática: tendencias emergentes en la ciencia computacional con la computación de próxima generación. Revista Internacional de Sistemas Inteligentes y Aplicaciones en Ingeniería,12(7s),546–559

10. RR Chowdhury, Abas, “Una encuesta sobre el enfoque de identificación de dispositivos para dispositivos IoT con limitaciones de recursos: estudio comparativo y desafíos de investigación ,” Internet de las cosas (Países Bajos), vol. 20, no. Octubre, pág. 100632, 2022, dirección: https://doi.org/10.1016/j.iot.2022.100632

11. O. Salmán, El-hajj, A. Chehab, A. Kaysi, “Un marco basado en aprendizaje automático para la identificación de dispositivos IoT y la detección de tráfico anormal”Trans. Emerg. Telecomunicaciones. Tecnología, vol. 33, No. 3, págs. 1–15,2022, dirección: https://doi.org/10.1002/ett.3743

12. V. Khetani, Y. Gandhi, S. Bhattachary, Ajani, S. Limkar, “SISTEMAS INTELIGENTES Y APLICACIONES EN INGENIERÍA Análisis interdominio de ML y DL: evaluación de su impacto en diversos dominios”volumen 11, págs. 253–262,2023

13. I. Cvitic, D. Perakovic,. Periša, B. Gupta, “Enfoque de aprendizaje automático en conjunto para la clasificación de dispositivos IoT en hogares inteligentes”Int. J. Mach. Aprender. Cibern., vol. 12, No. 11, págs. 3179–3202,2021, dirección: https://doi.org/10.1007/s13042-020-01241-0

14. Shete, Dhanashri, Prashant Jobragade. “Un análisis empírico de diferentes técnicas de visualización de datos desde una perspectiva estadística.”Serie de conferencias del Instituto Americano de Física. Vol.2839. No.1.2023.

15. K. Agnihotri, Chilbule, S. Prashant, Jainy Jobragade, “Generación de descripciones de imágenes mediante algoritmos de aprendizaje automático ”, 2023 11.ª Conferencia internacional sobre tendencias emergentes en ingeniería y tecnología: procesamiento de señales e información (ICETET – SIP),Nagpur, India,2023, págs. 1–6, dirección: https://doi.org/10.1109/ICETET-SIP58143.2023.10151472

16. S. Liang, Shao, Zhang, B. Cui, “Recomendación mejorada de gráficos basados ​​en gráficos sin muestreo”Ingeniería de datos de conocimientos de transferencia IEEE, vol.35, No. 9, págs. 9462–9475,2023, dirección: https://doi.org/10.1109/TKDE.2023.3240832

17. Wu, O. Zeng, Y. Yang, Chen, Peng, S. Liu, “Limpieza y poda basadas en tareas de gráficos de conocimiento ruidosos”Ciencias Informáticas (Nueva York), vol. 646, no. Noviembre2022, pag. 119406, 2023, doi: https://doi.org/10.1016/j.ins.2023.119406

18. Q. Zouy  Lu, “Un método de consulta de coincidencia precisa de gráficos de conocimiento de lenguaje natural basado en una secuencia topológica de gráficos jerárquicos”Acceso IEEE, vol.10, págs. 24080–24094,2022, dirección: https://doi.org/10.1109/ACCESS.2022.3155520

19. O. Zeng, Xie,. Tao, Y. Zhuyyo Caí, “Middleware de descubrimiento de entidades de IoT basado en gráficos de conocimiento para sensores no inteligentes, Informática Trans. Ind. IEEE, vol. PP, págs. 1–13,2023, dirección: https://doi.org/10.1109/TII.2023.3292540

20. A. Pabloy S. Rho, “Modelo probabilístico para M2M en redes y comunicaciones de IoT, “Sistema de telecomunicaciones, vol. 62, No.1, págs. 59–66,2016, dirección: https://doi.org/10.1007/s11235-015-9982-z

21. Y. Li y otros. “IoT-CANE: Un sistema unificado de gestión del conocimiento para sistemas de aplicaciones de Internet de las cosas centrados en datos” ,J. Computación distribuida en paralelo., vol. 131, págs. 161–172,2019, dirección: https://doi.org/10.1016/j.jpdc.2019.04.016

22. Yin, Y. Chen, B. Liao, A. Wang, “Control de velocidad orientado a QoE y asignación de recursos para comunicación M2M cognitiva en redes OFDM de espectro compartido”,Acceso IEEE, vol.7, págs. 43318–43330,2019, dirección: https://doi.org/10.1109/ACCESS.2019.2908681

23. Xie, B. ,O. Zeng, Y. Yang, Q. Liu, “Middleware de Internet de las cosas multicapa basado en gráficos de conocimiento”, IEEE Internet de las cosas J., vol.8, No.4, págs. 2635–2648,2021, dirección: https://doi.org/10.1109/JIOT.2020.3019707

24. Cambiar,TC Hsu,yo Yang, ySí Tsai, “Un modelo de computación M2M para mejorar el rendimiento entre dispositivos”Tecnología Microsyst., vol.27, No.4, págs. 1467–1474,2021, dirección: https://doi.org/10.1007/s00542-019-04382-7

25. S. Iraquí, Mogensen, A. Ratasuk, “Avances recientes en comunicaciones M2M e Internet de las cosas (IoT)”, Int. J. Wirel. Inf. Redes, vol.24, No.3, págs. 240–242,2017, dirección: https://doi.org/10.1007/s10776-017-0362-3

26. Y. Mehmud, Gorgojo, Mühleisen, A. Timm Giel, “Arquitecturas de comunicación móvil M2M, próximos desafíos, aplicaciones y direcciones futuras, “Eurasip J. Wirel. Red comunitaria., vol.2015, No.1, págs.1–37,2015, dirección: https://doi.org/10.1186/s13638-015-0479-y


Fuente: https://pubs.aip.org/aip/acp/article/3214/1/020049/3318714/Advancing-knowledge-management-in-machine-to

Deja una respuesta