PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Macierzowy cyfrowy cień sieci czujników IoT

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Matrix Digital Shadow of IoT Sensors Network
Języki publikacji
PL
Abstrakty
PL
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.
EN
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.
Rocznik
Strony
91--97
Opis fizyczny
Bibliogr. 24 poz., rys., tab., wykr.
Twórcy
  • Akademia Tarnowska w Tarnowie, Wydział Politechniczny, Katedra Automatyki i Robotyki, ul. Mickiewicza 8, 33-100 Tarnów
Bibliografia
  • 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.
  • Inne źródła
  • 21. Bauernhans T., Krüger J., Reinhart G., Schuh G., WGP-Standpunkt Industrie 4.0, Darmstadt, 2016, [https://wgp.de/wp-content/uploads/WGP-Standpunkt_Industrie_4-0.pdf].
  • 22. Digital Twins for Advanced Manufacturing, [www.nist.gov/programs-projects/digital-twins-advanced-manufacturing].
  • 23. ISO 23247-1:2021(en) Automation systems and integration - Digital twin framework for manufacturing - Part 1: Overview and general principles, https://www.iso.org/obp/ui/#iso:std:iso:23247:-1:ed-1:v1:en.
  • 24. White F.E., Data Fusion Lexicon, Defense Technical Information Center, 1991.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-aa92fddc-e5cd-4833-b745-98630522cc18
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.