Trust modelling in the social Internet of things

• Autorzy: Popławski Paweł

Identyfikatory

DOI

10.15199/59.2019.3.1

Warianty tytułu

PL

Modelowanie zaufania w społecznym Internecie rzeczy

• Języki publikacji: EN

Abstrakty

EN

As the Internet of things becomes increasingly complex, and the extent of its autonomy grows, so do the similarities to social networks. The present paper outlines the scope and implications of risk modelling based on the network structure in line with the "social Internet of things" paradigm. The key objective is to determine the role that the structure of a network plays in providing network security; effectively, both the number of connections between the entities in a network and the relationships between them turn out to be significant. Furthermore, the study determines specific risk factors relevant to studying IoT networks. The social Internet of things supplies a set of tools particularly suitable for data trustworthiness evaluation in those heterogeneous networks which have been designed for unsupervised operations. Finally, it provides a revised method for relationship assessment and discovers other necessary areas of development for the "social Internet of things" to become a truly comprehensive framework for analysing networks that integrate humans and intelligent agents. The social perspective on IoT facilitates the analysis of heterogeneous networks, especially ones where the entities are diverse and reconfigure frequently. Notwithstanding, since it has not yet been adjusted to fully grasp the mutual influences of various factors that can determine network dynamics simultaneously, an incautious adoption of this social approach may lead to incorrect conclusions, particularly when small networks are studied.

PL

Rosnąca złożoność Internetu rzeczy i coraz powszechniejsze stosowanie rozwiązań autonomicznych sprzyjają upodabnianiu się sieci teleinformatycznych do sieci społecznych. Niniejsza publikacja ukazuje możliwy zakres i konsekwencje wynikające z modelowania struktury sieci zgodnego z paradygmatem "społecznego Internetu rzeczy". Zarówno liczba połączeń pomiędzy węzłami, jak i jakość wzajemnych relacji, okazują się odgrywać istotną rolę, szczególnie w analizie sieci heterogenicznych, wewnętrznie zróżnicowanych, oraz ulegających częstym rekonfiguracjom. Modelowanie systemów autonomicznych zgodne z postulatami społecznego Internetu rzeczy sprawdza się szczególnie wtedy, gdy opierają się one na sieciach heterogenicznych lub integrują działania ludzi i sztucznej inteligencji. Jednak w ramach społecznego paradygmatu analizy Internetu rzeczy nie wykształcił się dotychczas kompletny warsztat metodologiczny. Dodatkowo, przyjęte założenia wymagają, by skala analizowanych w ten sposób sieci umożliwiała wykorzystanie metod analizy statystycznej opierających się na prawach wielkich liczb.

Słowa kluczowe

EN

Internet of things; risk modelling; trust management; network security; social networks

PL

Internet rzeczy; modelowanie ryzyka; zarządzanie zaufaniem; bezpieczeństwo sieci; sieci społeczne

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2019
• Tom: nr 3
• Strony: 55--60
• Opis fizyczny: Bibliogr. 16 poz., rys., tab.

Twórcy

autor

Popławski Paweł

• Instytut Telekomunikacji, Wydział Elektroniki i Technik Informacyjnych, Politechnika Warszawska

Bibliografia

• [1] Han G., J. Jiang, L. Shu, J. Niu and H.C Chao.: "Management and applications of trust in Wireless Sensor Networks: A survey". Journal of Computer and System Sciences, 80(3), pp.602-617 (2014).
• [2] Atzori L., A. Iera and G. Morabito: “From “smart objects" to “social objects": The next evolutionary step of the Internet of things". IEEE Communications Magazine, 52(1), pp. 97-105 (2014).
• [3] Atzori L., A. Iera and G. Morabito, M. Nitti.: The social Internet of things (siot)-when social networks meet the Internet of things: Concept, architecture and network characterization. Computer networks 56(16), pp. 3594-3608 (2012).
• [4] Zheng L., H. Zhang, W. Han, X. Zhou, J. He, Z. Zhang, Y. Gu and J. Wang.: Technologies, applications, and governance in the Internet of things. Internet of Things-Global Technological and Societal Trends from Smart Environments and Spaces to Green ICT (2011).
• [5] Viana M.P., J.L. Batista and L.D.F. Costa: "Effective number of accessed nodes in complex networks". Physical Review E, 85(3), p.036105 (2012).
• [6] Berenbrink P. and T. Sauerwald: The weighted coupon collector’s problem and applications. In: International Computing and Combinatorics Conference (proceedings), pp. 449-458. Springer Berlin Heidelberg (2009).
• [7] Bauer F. and J. T. Lizier: Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: A walk counting approach. EPL (Europhysics Letters), 99(6), p.68007 (2012).
• [8] Yan Z., P. Zhang, and A.V. Vasilakos: "A survey on trust management for Internet of Things". Journal of network and computer applications, 42, pp.120-134 (2014).
• [9] Cho J.H., R. Chen, and K.S.Chan: Trust threshold based public key management in mobile ad hoc networks. Ad Hoc Networks, 44, pp.58- 75 (2016).
• [10] Lawyer G.: "Understanding the influence of all nodes in a network. Nature", Scientific Reports 5(8665). doi:10.1038/srep08665 (2015).
• [11] Guo B., D. Zhang, Z. Wang, Z. Yu and X. Zhou: "Opportunistic IoT: exploring the harmonious interaction between human and the Internet of things". Journal of Network and Computer Applications, 36(6), pp.1531-1539 (2013).
• [12] Neff G. and P. Nagy: "Talking to Bots: Symbiotic Agency and the Case of Tay". International Journal of Communication, 10, p.17 (2016).
• [13] Benavent C.: Big Data, algorithmes et marketing: rendre des comptes. Statistique et Société, 4(3), pp.25-35 (2017).
• [14] Ortiz A.M., D. Hussein, S. Park, S.N. Han and N. Crespi: "The cluster between Internet of things and social networks: Review and research challenges". IEEE Internet of Things Journal, 1(3), pp.206-215 (2014).
• [15] Nitti M., R. Girau, L. Atzori, A. Iera and G. Morabito: A subjective model for trustworthiness evaluation in the social Internet of things. In: Personal Indoor and Mobile Radio Communications (PIMRC), 2012 IEEE 23rd International Symposium on (pp. 18-23). IEEE (2012).
• [16] Leskovec J., J. Kleinberg and C. Faloutsos: Graph evolution: Densification and shrinking diameters. ACM Transactions on Knowledge Discovery from Data (TKDD), 1(1), p.2 (2007).

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).