شناسایی و تصحیح داده‌های متعارض برپایه محاسبات لبه‌ای در اینترنت اشیاء
دارای مشابهت با مقاله چاپ شده در مجله دیگر
لطفا از ارجاع به این مقاله خودداری نمایید و در صورت ارجاع به آن نسبت به حذف ارجاع اقدام نمایید.

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی کامپیوتر-دانشگاه آزاد اسلامی واحد میاندوآب-میاندوآب-ایران

2 گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد میاندوآب، میاندوآب، ایران

چکیده

محاسبات لبه‌ای به عنوان یک الگوی جدید با تمرکز بر رسیدگی و پردازش داده‌ها در نزدیکی منابع برای حل نیازهای اینترنت اشیاء و محلی‌سازی نیازهای محاسبات، افزایش توان برای زمان پاسخ اضطراری، افزایش مقیاس‌پذیری و کاهش هزینه انرژی و کنترل حریم خصوصی و محافظت از داده‌ها ارایه شده است. در استفاده از محاسبات لبه‌ای، یکی از چالش‌های اساسی کیفیت داده‌هایی است که از چندین منبع بدست می‌آید. منابع مختلف موجود در محیط گسترده و ناهمگن اینترنت اشیاء با درجه اعتبار متفاوت داده‌های ناسازگار و متعارض را از پدیده‌ای یکسان دریافت و ارسال ‌می‌کنند. این امر نیاز شدید به شناسایی و تصحیح داده‌های جمع‌آوری شده را ایجاد می‌کند. در این پژوهش رویکردی دومرحله‌ای برای شناسایی و تصحیح داده‌های هر منبع و سپس شناسایی تعارضات بین داده‌های منابع مختلف داده‌ای و همجوشی منابع و تصحیح نهایی داده‌ها ارائه شده است. در مرحله اول، شناسایی و اصلاح اطلاعات معیوب براساس فاصله اطمینان و داده‌های تخمینی اجرا می‌شود. مرحله دوم اندازه‌گیری تعارض و همجوشی داده‌ها ست که برای محاسبه میزان تضاد در منابع مختلف داده بر اساس اقدامات فازی و محاسبه درجه اعتبار هر منبع داده ایجاد شده است. رویکرد ارائه شده بر روی انواع تعارضات داده‌ای نتایج مناسبی را ارائه می‌کند. بر اساس نتایج شبیه‌سازی با معیارهای دقت، حساسیت، اختصاصیت و فیشر، رویکرد پیشنهادی کارایی مناسبی دارد و در تمام تعارضات دقت و حساسیت بیش از 75 درصد، اختصاصیت بیش از 72 درصد و معیار فیشر بیش از 73 درصد را نشان می‌دهد.

کلیدواژه‌ها


عنوان مقاله [English]

Detection and Correction of Conflicting Data Based on Edge Computing in Internet of Things

نویسندگان [English]

  • Yasser Hosseini 1
  • Seyyed Yasser Hashemi 2
1 Department of Computer Engineering, Islamic Azad University, Miandoab Branch, Miandoab, Iran
2 Department of Computer Engineering, Islamic Azad University, Miandoab Branch, Miandoab, Iran
چکیده [English]

Edge computing is presented as a new model with a focus on near-resource data processing and processing to address Internet of Things(IoT) needs and localize computing needs, increase power for emergency response time, increase scalability and reduce energy costs, and control privacy and data protection. One of the main challenges in using edge computing is the quality of data obtained from multiple sources. Different sources in the vast and heterogeneous IoT environment receive and send inconsistent and conflicting data from the same phenomenon. This creates a strong need to identify and correct the collected data. In this research, a two-step approach for identifying and correcting the data of each source and then identifying the conflicts between the data of different data sources and merging the sources and the final correction of the data is presented. In the first step, the identification and correction of defective information are performed based on the confidence interval and estimated data. The second step is to measure the conflict and fusion of data, which is created to calculate the degree of conflict in different data sources based on fuzzy measures and calculate the degree of validity of each data source. The proposed approach provides good results on the various types of data conflicts. Based on the simulation results with accuracy, sensitivity, specificity, and F-score criteria, the proposed approach has a good performance and in all conflicts, accuracy, and sensitivity show more than 75%, specificity more than 72%, and F-score criterion more than 73%.

کلیدواژه‌ها [English]

  • IoT
  • Data Conflict Detection
  • Data Conflict Correction
  • Data Conflicts
  • Edge Computing

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 30 شهریور 1401
  • تاریخ دریافت: 20 بهمن 1400
  • تاریخ بازنگری: 15 مرداد 1401
  • تاریخ پذیرش: 30 شهریور 1401