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
Un matemático de RUDN University junto con colegas del Reino Unido, Egipto, Qatar, China y Arabia Saudita han creado un algoritmo que permite redistribuir de manera óptima las tareas computacionales entre dispositivos IoT y el servicio en la nube. Como resultado, los gastos en término de energía y tiempo se reducen aproximadamente tres veces. Los resultados fueron publicados en la revista Big Data.
Con el desarrollo de la tecnología y los dispositivos, las aplicaciones del Internet de las cosas (IoT) requieren cada vez más rendimiento computacional. La cantidad de datos que deben procesar los dispositivos IoT puede ser tan grande que lo más conveniente es trasladar el procesamiento a la nube. La computación en la nube ofrece opciones flexibles para procesar y almacenar datos. Pero trasladar el procesamiento, es decir, transferir las tareas computacionales que consumen muchos recursos a la nube requiere una pérdida adicional de energía y tiempo. Además, durante la transferencia de información, el dispositivo se encuentra menos protegido contra programas maliciosos. Así, un matemático de RUDN University y su equipo propusieron un algoritmo que permite reducir 2.8 veces el consumo de tiempo y energía para la transferencia de datos. Además, el modelo protege los dispositivos durante la transferencia usando un cifrado de datos adicional.
"En la literatura han aparecido varios métodos y modelos para transferir los procesamientos con el objetivo de reducir el consumo de energía, reducir la latencia de los cálculos y distribuir eficientemente los dispositivos de radio. Sin embargo, una transferencia óptima en complejos sistemas inalámbricos multiusuario sigue siendo un desafío. Además, la seguridad de los datos cuando se transfieren desde dispositivos móviles a dispositivos periféricos es un gran problema. Existe el riesgo de ataque informático, espionaje, interferencias. Este problema se estudia muy poco. Por lo tanto, hemos desarrollado un modelo para optimizar el rendimiento en sistemas multiusuario que podrán proteger los datos durante su transmisión", dijo Ammar Muthanna, Doctor en Ciencias Técnicas, investigador del Centro de investigación de Modelado de Sistemas de Alta Tecnología e Infocomunicaciones, RUDN University.
El matemático y su equipo desarrollaron un modelo en el marco de la computación de borde móvil (MEC). El modelo incluye una cantidad específica de dispositivos conectados a la red, por ejemplo, teléfonos, computadoras, dispositivos inteligentes y otros dispositivos, así como también una estación base inalámbrica donde se almacenan y procesan los datos. Cada uno de los dispositivos debe realizar una cantidad determinada de operaciones, algunas localmente, es decir, de forma independiente, y otras se transfieren a la estación base. El consumo de energía y tiempo para el procesamiento y transmisión de datos se representó a través de un sistema de ecuaciones. Para este sistema, los investigadores resolvieron el problema de optimización, es decir, seleccionaron un algoritmo que distribuye el procesamiento entre los dispositivos y el centro para que los gastos generales sean mínimos. Para esto, los investigadores utilizaron el aprendizaje automático.
El algoritmo obtenido se probó de forma experimental mediante una simulación de un sistema real. Esta constó de cinco dispositivos móviles, cada uno con una aplicación de reconocimiento facial. Desde el punto de vista computacional, esta tarea constó de tres procesos independientes: búsqueda de rostro, preprocesamiento de la imagen y clasificación. Se obtuvo 15 procesos computacionales que debían realizarse simultáneamente. Los matemáticos compararon el modelo construido con otros tres diferentes. Cuando todos los procesos computacionales se realizaron localmente, se enviaron a una estación base o se distribuyeron aleatoriamente entre estos dos nodos. Se ha concluido que el nuevo algoritmo reduce de 2 a 4 veces (en promedio en un 64.7%) los gastos de energía y tiempo que requieren los procesamientos, dependiendo del número de dispositivos conectados al sistema.
"Una nueva capa de compresión efectiva será agregada a nuestro modelo. Este complemento permitirá comprimir el tamaño de los datos transmitidos para acortar el tiempo de transferencia y mejorar el rendimiento general del sistema", explicó Ammar Muthanna, Doctor en Ciencias Técnicas, investigador del Centro de investigación de Modelado de Sistemas de Alta Tecnología e Infocomunicaciones, RUDN University.
###
Journal
Big Data