21.02.2025; Запоріжжя, Україна: VIII Міжнародна наукова конференція «Технології, інструменти та стратегії реалізації наукових досліджень»
Роботи, що індексуються в Google Scholar

УПРАВЛІННЯ ОБМЕЖЕНИМИ РЕСУРСАМИ IOT ЗА ДОПОМОГОЮ SDN МЕРЕЖ З ІНТЕГРОВАНИМ ШІ

  • Анатолій Банар
DOI: https://doi.org/10.62731/mcnd-21.02.2025.003
PDF

Опубліковано 24.03.2025

Як цитувати

Банар , А. (2025). УПРАВЛІННЯ ОБМЕЖЕНИМИ РЕСУРСАМИ IOT ЗА ДОПОМОГОЮ SDN МЕРЕЖ З ІНТЕГРОВАНИМ ШІ. Матеріали конференцій МЦНД, (21.02.2025; Запоріжжя, Україна), 113–116. https://doi.org/10.62731/mcnd-21.02.2025.003

Завантаження

Дані завантаження ще не доступні.

Авторське право (c) 2025 Анатолій Банар

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.

Google Scholar

Анотація

Програмно керовані мережі (SDN) в екосистемі інтернету речей (ІоТ) роблять можливим централізоване керування мережевими ресурсами, оскільки мають інструменти як для управління класичним мережевим обладнанням, так і трафіком IoT мереж [1]. Через це, SDN стикається з новими викликами – управління автономними розумними пристроям, менеджментом обмежених ресурсів, та боротьбою з новими типами  атак на SDN через ІоТ пристрої. Також, в  IoT мережі інтегровано обладнання, з низьким рівнем «мережевого інтелекту», яке не підтримує планування складних промислових сценаріїв використання, які чутливі до затримок та залежать від обмежених ресурсів [2]. Ці завдання може на себе взяти SDN мережа з використанням штучного інтелекту (ШІ).

PDF

Посилання

  1. 1. Balasubramanian V., Aloqaily M., Reisslein M. An SDN architecture for time-sensitive industrial IoT // Computer Networks. – 2021. – Vol. 186. – 107739. – ISSN 1389-1286. DOI: https://doi.org/10.1016/j.comnet.2020.107739
  2. 2. Jiang J., Lin C., Han G., Abu-Mahfouz A.M., Shah S.B.H., Martínez-García M. How AI-enabled SDN technologies improve the security and functionality of industrial IoT network: Architectures, enabling technologies, and opportunities // Digital Communications and Networks. – 2022. – ISSN 2352-8648. DOI: https://doi.org/10.1016/j.dcan.2022.07.001
  3. 3. Ramamoorthi V. Exploring AI-Driven Cloud-Edge Orchestration for IoT Applications // International Journal of Scientific Research in Computer Science Engineering and Information Technology. – 2023. – Vol. 9. – P. 385-393. DOI: https://doi.org/10.32628/CSEIT239072
  4. 4. Min Z., et al. A Classification Framework for IoT Network Traffic Data for Provisioning 5G Network Slices in Smart Computing Applications // 2023 IEEE International Conference on Smart Computing (SMARTCOMP), Nashville, TN, USA. – 2023. – P. 133-140. DOI: https://doi.org/10.1109/SMARTCOMP58114.2023.00034
  5. 5. Nguyen D.C., Ding M., Pathirana P.N., Seneviratne A., Li J., Poor H.V. Federated Learning for Internet of Things: A Comprehensive Survey // IEEE Communications Surveys & Tutorials. – 2021. – Vol. 23, №3. – P. 1622-1658. DOI: https://doi.org/10.1109/COMST.2021.3075439
  6. 6. Pang J., Huang Y., Xie Z., Han Q., Cai Z. Realizing the Heterogeneity: A Self-Organized Federated Learning Framework for IoT // IEEE Internet of Things Journal. – 2021. – Vol. 8, №5. – P. 3088-3098. DOI: https://doi.org/10.1109/JIOT.2020.3007662
  7. 7. Atiq H.U., Ahmad Z., uz Zaman S.K., Khan M.A., Shaikh A.A., Al-Rasheed A. Reliable Resource Allocation and Management for IoT Transportation Using Fog Computing // Electronics. –
  8. 2023. – Vol. 12. – 1452. DOI: https://doi.org/10.3390/electronics12061452