RFoT: Um Framework para Garantia da Confiabilidade de Dados na Névoa das Coisas

Eliabe Nascimento Silva

RFoT: Um Framework para Garantia da Confiabilidade de Dados na Névoa das Coisas

Neste trabalho foi desenvolvido um framework composto pela integração de uma rede de Internet das Coisas (do inglês Internet of Things - IoT) com as tecnologias Blockchain e Contratos Inteligentes (do Inglês Smart Contracts - SC), para sanar a vulnerabilidade de segurança contra a manipulação de dados na borda da rede da Internet das Coisas. Seu principal objetivo é tornar a IoT uma fonte confiável ao garantir a automação, imutabilidade, privacidade, disponibilidade e rastreabilidade dos dados. A fim de avaliar a efetividade do framework, foi desenvolvido o conceito de Gêmeos Digitais (do inglês Digital Twins - DT), capaz de representar virtualmente a topologia da Névoa das Coisas (do inglês Fog of Things - FoT), que possibilitou a implementação do framework com auxílio do MININET. Como o objetivo deste trababalho é avaliar a capacidade da IoT como fonte confiável de dados, foi desenvolvido um sistema de Aprendizado de Máquina (do Inglês Machine Learning - ML), utilizando o algoritmo Aprendizado Federado (do inglês Federated Learning - FL) para consumir dados da IoT e realizar o treinamento de uma Rede Neural (do inglês Neural Network - RN), capaz de predizer o conforto térmico de um ambiente, guiado pelo cálculo do Índice de Desconforto Térmico (IDT). Como resultado, foi comprovada a vulnerabilidade de uma IoT convencional mediante a ataques de manipulação, baseados nos dados recebidos pelo sistema consumidor e pela alteração no desempenho de classificação dos modelos. Já o framework, gerou os mesmos resultados no cenário ideal e no cenário de estresse, mostrando que as integrações propostas pelo framework corrigem essa vulnerabilidade e garantem a confiabilidade da informação propagada.

Cássio Prazeres

Vinicius Fernandes Soares Mota (UFES)

http://lattes.cnpq.br/9305955394665920

Bruno Pereira dos Santos

http://lattes.cnpq.br/0092226104911153

Maria da Graca Campos Pimentel

http://lattes.cnpq.br/4962820320879891

Maycon Leone Maciel Peixoto

http://lattes.cnpq.br/5003713680310544

25 Nov, 2024

8:30 AM

Impactos Tecnológicos: A integração de tecnologias como Blockchain e aprendizado de máquina representa um avanço significativo na segurança e eficiência das redes de IoT, promovendo novas aplicações e serviços. O uso de aprendizado federado para treinar redes neurais utilizando dados da IoT destaca uma abordagem inovadora para modelagem preditiva, preservando a privacidade dos dados.
Impactos Científicos: O desenvolvimento de um framework confiável para IoT fornece uma base para futuras pesquisas em segurança e confiabilidade de dados, podendo ser uma referência para outros estudos acadêmicos. Através do uso de gêmeos digitais, o trabalho valida teorias sobre a modelagem e simulação de ambientes complexos, contribuindo para o entendimento teórico em áreas de IoT e sistemas distribuídos.