Macierzowy cyfrowy cień sieci czujników IoT

pol Article in Polish DOI: 10.14313/PAR_255/91

send Władysław Iwaniec Akademia Tarnowska w Tarnowie, Wydział Politechniczny, Katedra Automatyki i Robotyki, ul. Mickiewicza 8, 33-100 Tarnów

Download Article

Streszczenie

W artykule przedstawiono koncepcję macierzowego cyfrowego cienia sieci czujników IoT. Omówiono różnice między cyfrowym bliźniakiem a cyfrowym cieniem i uzasadniono wybór koncepcji cienia sieci czujników. Przedstawiono macierzowy opis takiej sieci i wprowadzono koncepcję εk − sąsiedztwa czujnika. Zamieszczono wzory dla modeli liniowych εk − sąsiedztw typu plus i typu gwiazdka. Na wybranych przykładach pokazano możliwość wykrywania i eliminacji niektórych zagrożeń bezpieczeństwa takiej sieci.

Słowa kluczowe

bezpieczeństwo, cienie cyfrowe, internet rzeczy, model macierzowy, sieć czujników, urządzenia IoT, zagrożenie bezpieczeństwa

Matrix Digital Shadow of IoT Sensors Network

Abstract

This paper presents the concept of a matrix digital shadow of an IoT sensor network. The differences between digital twin and digital shadow are discussed and the choice of the sensor network shadow concept is justified. A matrix description of such a network is presented and the concept of εk − neighborhood of sensor is introduced. Formulas for linear models of plus and star εk − neighborhoods are provided. Selected examples show the possibility of detecting and eliminating some security threats to sensor networks.

Keywords

digital shadow, Internet of Things, IoT device security threats, matrix model, security, sensor network

Bibliography

  1. Faris M., Mahmud M.N., Salleh M.F.M., Alnoor A., Wireless sensor network security: A recent review based on state-of-the-art works, “International Journal of Engineering Business Management”, 2023, DOI: 10.1177/18479790231157220.
  2. Jabeen T., Jabeen I., Ashraf H., Jhanjhi N.Z., Yassine A., Hossain M.S., An Intelligent Healthcare System Using IoT in Wireless Sensor Network, “Sensors”, Vol. 23, No. 11, 2023, DOI: 10.3390/s23115055.
  3. Ahmad R., Wazirali R., Abu-Ain T., Machine Learning for Wireless Sensor Networks Security: An Overview of Challenges and Issues, “Sensors”, Vol. 22, No. 13, 2022, DOI: 10.3390/s22134730.
  4. Schiller E., Aidoo A., Fuhrer J., Stahl J., Ziörjen M., Stiller B., Landscape of IoT security, “Computer Science Review”, Vol. 44, 2022, DOI: 10.1016/j.cosrev.2022.100467.
  5. Gelernter D., Mirror Worlds, Oxford University Press, 1993.
  6. Glaessgen E., Stargel D., The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles, DOI: 10.2514/6.2012-1818.
  7. Singh S., Weeber M., Birke K.-P., Advancing digital twin implementation: a toolbox for modelling and simulation, “Procedia CIRP”, Vol. 99, 2021, 567−572, DOI: 10.1016/j.procir.2021.03.078.
  8. Kritzinger W., Karner M., Traar G., Henjes J., Sihn W., Digital Twin in manufacturing: A categorical literature review and classification, “IFAC-PapersOnLine”, Vol. 51, No. 11, 2018, 1016−1022, DOI: 10.1016/j.ifacol.2018.08.474.
  9. Singh M., Fuenmayor E., Hinchy E.P., Qiao Y., Murray N., Devine D., Digital Twin: Origin to Future, “Applied System Innovation”, Vol. 4, No. 2, 2021, DOI: 10.3390/asi4020036.
  10. Grzesik W., Cyfrowy bliźniak w procesach wytwórczych Część I. Stan zagadnienia, architektura i zastosowania, “Mechanik”, No. 1, 2023, 8−13, DOI: 10.17814/mechanik.2023.1.1.
  11. Grieves M., Digital Model, Digital Shadow, Digital Twin. Preprint, 2023.
  12. Shao G., Frechette S., Srinivasan V., An Analysis of the New ISO 23247 Series of Standards on Digital Twin Framework for Manufacturing, MSEC Manufacturing Science & Engineering Conference 2023, New Brunswick, New Jersey, USA, [https://tsapps.nist.gov/publication/get_pdf. cfm?pub_id=935765].
  13. Fragkiadakis A., Angelakis V., Tragos E.Z., Securing Cognitive Wireless Sensor Networks: A Survey, “International Journal of Distributed Sensor Networks”, Vol. 10, No. 3, 2014, DOI: 10.1155/2014/393248.
  14. Iwaniec W., Ochrona urządzeń Internetu Rzeczy (IoT) na brzegu sieci lokalnej, [W:] Krzyńska-Nawrocka E. (red.): „Innowacje i inspiracje. 150-lecie urodzin Jana Szczepanika”, 2022, Tarnów, Wydawnictwa PWSZ w Tarnowie, 81−93, ISBN 978-83-963518-5-2 2022-12.
  15. Jaroś K., Sterowanie predykcyjne i fuzja danych w systemie dynamicznego pozycjonowania statku, rozprawa doktorska, Politechnika Gdańska 2023.
  16. Chen G., Liu Z., Yu G., Liang J., A new view of multisensor data fusion: Research on generalized fusion. “Mathematical Problems in Engineering”, 2021, DOI: 10.1155/2021/5471242.
  17. Veysi P., Adeli M., Naziri N.P., Adeli E., A Gentle Approach to Multi-Sensor Fusion Data Using Linear Kalman Filter, “Computers and Society”, 2024, DOI: 10.48550/arXiv.2407.13062.
  18. Urrea C., Agramonte R. Kalman Filter: Historical Overview and Review of Its Use in Robotics 60 Years after Its Creation, “Journal of Sensors”, 2021, DOI: 10.1155/2021/9674015.
  19. Iwaniec W., Identyfikacja zagrożeń w macierzowym modelu stanu pracy i bezpieczeństwa urządzeń IoT, „Pomiary Automatyka Robotyka”, R. 24, Nr 1, 2020, 67−74, DOI: 10.14313/PAR_235/67.
  20. Mitkowski W., Równania macierzowe i ich zastosowania. Wyd. drugie poprawione, Wydawnictwa AGH, Kraków 2007.