계층적 컨볼루션 신경망 기반의 최적화된 다중 IoT 서비스 관리 기법

정윤수

doi:10.31152/JB.2024.02.9.1.179

추천

검색

질문

자료유형: 학술저널

저자정보: 정윤수 (목원대학교)

저널정보: 한국비즈니스학회 비즈니스융복합연구 비즈니스융복합연구 제9권 제1호

발행연도: 2024.2

수록면: 179 - 184 (6page)

DOI: 10.31152/JB.2024.02.9.1.179

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

IoT 컨텍스트의 다양성으로 인해 요즘 IoT 자원의 보안과 효율성을 모두 만족하기가 쉽지 않다. 특히 IoT 자원을 직접 관리하기 어려운 분산된 IoT 환경(관리자 오류 처리, 서비스오류 등)에서는 IoT 자원의 무결성을 완벽하게 보장받지 못하고 있다. 본 연구에서는 분산된 IoT 환경에서 IoT 자원을 효율적으로 관리하기 위해 계층적 합성곱 컨볼루션(CNN)을 기반으로 최적화된 다중 IoT 자원 관리 기법을 제안한다. 제안 기법은 IoT 자원의 속성을 다양한 경로에서 수집한 후 컨볼루션과 공격 패턴 풀링을 사용하여 IoT 자원의 분포를 최적화하는 것이 목적이다. 특히 제안 기법은 블록체인 기반으로 IoT 자원을 공격 패턴과 연결하여 각 IoT 자원을 해시 체인으로 연결하고, 이를 통해 공격 패턴이 있는 자원을 효율적으로 검증한다. 또한, 제안 기법은 서버와 IoT 장치 간 IoT 자원 양이 동적으로 처리되지 않도록 IoT 자원 블록을 계층적 다단계 방법으로 처리함으로써 IoT 자원의 효율적 운용이 가능하다. 제안 기법은 분산 환경에서 IoT 장치 간 예상치 못한 간섭이나 공격이 발생 되었을 경우, IoT 자원의 최소 오류를 허용하는 동시에 자원의 연계성을 확보할 수 있도록 IoT 장치의 자원들을 비대칭적으로 해시 처리한다. 실험 결과 IoT 자원 검증 시간이 평균 8.1% 향상되었으며, IoT 자원 정확도가 최대 13.5% 향상되었다. 이러한 결과는 IoT 자원의 가능성 값에 따라 해당 자원 간의 연관 처리가 발생할 수 있기 때문이다. 또한, 제안 기법은 IoT 장치에서 IoT 서버로 정보를 효율적으로 전송하기 위해서 IoT 서버에서 처리될 IoT 자원과 서버 단에서 실행될 IoT 자원을 구분하여 IoT 자원 처리 관련 비용을 최소화하였다.

Due to the diversity of IoT contexts, it is not easy to satisfy both the security and efficiency of IoT resources these days. In particular, the integrity of IoT resources is not fully guaranteed in the distributed IoT environment (manager error handling, service error, etc.), which is difficult to directly manage IoT resources. In this study, we propose an optimized multi-IoT resource management technique based on hierarchical convolution (CNN) to efficiently manage IoT resources in a distributed IoT environment. The proposed technique aims to optimize the distribution of IoT resources by collecting the attributes of IoT resources from various paths and then using convolution and attack pattern pooling. In particular, the proposed technique connects each IoT resource with the attack pattern based on the blockchain, connecting each IoT resource with a hash chain, and through this, efficiently verifying the resource with an attack pattern. In addition, the proposed technique enables the efficient operation of IoT resources by processing IoT resource blocks in a hierarchical multi-step method so that the amount of IoT resources between servers and IoT devices is not dynamically processed. In the event of unexpected interference or attack between IoT devices in a distributed environment, the proposed technique hashes the resources of IoT devices asymmetrically to allow minimum errors in IoT resources and to secure resource connectivity. As a result of the experiment, IoT resource verification time was improved by an average of 8.1%, and IoT resource accuracy was improved by up to 13.5%. This result is because, depending on the likelihood value of IoT resources, association processing between the corresponding resources may occur. In addition, the proposed technique minimizes the cost of processing IoT resources by distinguishing IoT resources to be processed at IoT servers and IoT resources to be executed at the server stage in order to efficiently transmit information from IoT devices.

#클라우드 서비스 #블록체인 #사물인터넷 #확률 #가중치 #사용자 정보 관리 기술 #cloud service #blockchain #internet of things #probability #weighted value #user information management technology

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

이 논문의 저자 정보

정윤수

소속기관 목원대학교

주요연구분야 복합학 > 과학기술학 TOP 10% 공학 > 전기전자공학 > 정보통신공학 TOP 10%

논문수 123 이용수 11,948

이 논문과 함께 이용한 논문

Web of Things 표준 프로토콜 기반 고가용 복합 환경센서 장치 개발

권동우 , 신슬비 , 김재현 외 1명 한국통신학회논문지 2024 .03

A Trie-based IoT Data Indexing Scheme Utilizing Temporal Prefixes

윤주영 , 권순범 , 서영균 Journal of KIISE 2024 .03

빅데이터 클러스터 기반 검색 플랫폼의 실시간 인덱싱 성능 최적화

금나연 , 박동철 JOURNAL OF PLATFORM TECHNOLOGY 2023 .12

이기종 멀티코어 CPU에서 프로파일 기반 딥 러닝 연산 최적화 기법

차주형 , 권용인 , 이제민 전자공학회논문지 2023 .07

임베디드 딥 러닝 시스템을 위한 On-Device 학습 최적화

박윤성 , 류창호 , 김태환 대한전자공학회 학술대회 2020 .08

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-089465381

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)