image: RUDN mathematician and his colleagues from China, Egypt, Saudi Arabia, United Kingdom, and Qatar have developed an algorithm allowing the distribution of computing tasks between the IoT devices and the cloud in an optimal way. As a result, the power and time costs are reduced by about three times. view more
Credit: RUDN University
Le mathématicien de RUDN University, en collaboration avec des collègues du Royaume-Uni, d'Égypte, du Qatar, de Chine et d'Arabie saoudite, a compilé un algorithme qui vous permet de redistribuer de manière optimale les tâches de calcul entre les appareils IoT et un service cloud. En conséquence, les coûts d'énergie et de temps sont réduits d'environ trois fois. Résultats publiés dans le magazine Big Data
Avec l'avancement de la technologie et des appareils, les applications de Internet of Things (IoT) nécessitent de plus en plus de puissance de calcul. La quantité de données qui doivent être traitées par les appareils IoT peut être si importante qu'il est avantageux de déplacer l'informatique vers le cloud. Le cloud offre des options flexibles pour le traitement et le stockage des données. Mais le déchargement des calculs, c'est-à-dire le transfert de tâches de calcul gourmandes en ressources vers le cloud nécessite une perte de temps et de charge supplémentaire. De plus, pendant la durée du transfert d'informations, l'appareil est moins protégé contre les programmes malveillants. Le mathématicien RUDN University, avec ses collègues, a proposé un algorithme qui permet de réduire 2,8 fois le temps et l'énergie consacrés au téléchargement des données. Le modèle protège également les appareils pendant le déchargement avec un cryptage supplémentaire.
« De nombreuses approches et modèles sont apparus dans la littérature pour décharger les calculs afin de réduire la consommation d'énergie, de réduire la latence de calcul et d'allouer efficacement les ressources radio. Cependant, le déchargement optimal dans les systèmes sans fil multi-utilisateurs complexes reste un défi. De plus, la sécurité des données lorsqu'elles sont transférées d'appareils mobiles vers des appareils périphériques est un gros problème. Il existe un risque d'interception de trafic, d'écoutes téléphoniques, de brouillage. Cette question est à peine considérée dans de tels travaux. Par conséquent, nous avons développé un modèle pour optimiser les performances dans les systèmes multi-utilisateurs qui protégeront les données pendant la transmission », Ammar Muthanna, PhD, chercheur junior au Centre scientifique de modélisation des systèmes de haute technologie et de l'info-communication de RUDN University.
Les mathématiciens ont développé un modèle dans le cadre du concept de Mobile Edge Computing (MEC). Le modèle comprend un nombre spécifié d'appareils connectés au réseau. Par exemple, des téléphones, des ordinateurs, des appareils intelligents et d'autres gadgets et une station de base sans fil où les données sont stockées et traitées. Chacun des appareils doit effectuer un certain nombre d'opérations, certaines localement. C'est-à-dire indépendamment, et d'autres transfert vers la station de base. Les dépenses d'énergie et de temps pour le calcul et la transmission des données ont été écrites par les mathématiciens sous la forme d'un système d'équations. Pour ce système, les chercheurs ont résolu le problème d'optimisation. C'est-à-dire qu'ils ont sélectionné un algorithme qui répartit les calculs entre les appareils et le centre afin que les coûts soient minimes. Pour ce faire, les chercheurs ont utilisé l'apprentissage automatique.
L'algorithme résultant a été testé expérimentalement par des mathématiciens à l'aide d'une simulation d'un système réel. Il se composait de cinq appareils mobiles, chacun exécutant une application de reconnaissance faciale. D'un point de vue informatique, cette tâche consiste en trois processus indépendants dont la recherche de visage, prétraitement d'image, classification. En conséquence, 15 processus de calcul devaient être exécutés simultanément. Les mathématiciens ont comparé le modèle construit à trois autres approches. Lorsque tous les processus de calcul sont effectués localement, envoyés à une station de base ou distribués de manière aléatoire entre ces deux nuds. Il s'est avéré que le nouvel algorithme réduit les coûts de calcul de 2 à 4 fois, selon le nombre d'appareils connectés au système, en moyenne de 64,7%.
« Une nouvelle couche de compression efficace sera ajoutée à notre modèle. Cet ajout permettra de compresser la taille des données transmises afin de réduire le temps de transmission et d'augmenter les performances globales du système », - Ammar Muthanna, PhD, chercheur junior au Centre scientifique de modélisation des systèmes de haute technologie et de l'info-communication de RUDN University.
###
Journal
Big Data