Resumen

Con el rápido desarrollo del Internet de las Cosas (IoT), se están generando enormes cantidades de datos de sensores gracias a los sensores desplegados en todas partes a un ritmo sin precedentes. Dado que se estima que el número de dispositivos de Internet de las Cosas crecerá a 25 mil millones para 2021, al enfrentar las anomalías explícitas o implícitas en los datos de sensores en tiempo real recopilados de los dispositivos de IoT, es necesario desarrollar un método de detección de anomalías efectivo y eficiente para los dispositivos de IoT. Los avances recientes en la computación en el borde tienen un impacto significativo en la solución de la detección de anomalías en IoT. En este estudio, se presenta primero un modelo de actualización de gráficos adaptativos, sobre el cual se propone un novedoso método de detección de anomalías para el entorno de computación en el borde. En el centro de la nube, los patrones desconocidos son clasificados por un modelo de aprendizaje profundo, basándose en los resultados de

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Desarrollo rápido; Internet de los objetos; Detección de anomalías; Computación de borde; Datos de sensores; Aprendizaje profundo.
• Keywords:Rapid development; Internet of Things; Anomaly detection; Edge computing; Sensor data; Deep learning