The dynamics of internet of things

Abstract

Este trabalho investiga o comportamento dinâmico dos dados de sensores na Internet das Coisas (IoT, do inglês Internet of Things). Devido ao crescente número de iniciativas na IoT, com seu impressionante número de dispositivos coletando um grande volume de dados de fenômenos do mundo real, há uma iminente necessidade de soluções adequadas aos seus desafios. Uma parte importante da atual IoT é a Internet das Coisas Colaborativa (CoIoT, do inglês Collaborative IoT), que é composta, principalmente, por componentes baratos e mantidos por usuários comuns, afetando os dados gerados. Assim, soluções para a IoT devem considerar o aprimoramento da segurança de seus dispositivos, bem como a qualidade e confiabilidade dos seus dados, mas sendo a eficiência e robusto aos desafios deste novo cenário. Um tópico que vem sendo usado com sucesso para compreender mais profundamente fenômenos do mundo real é o estudo da dinâmica, que visa entender como sistemas evoluem com o tempo. Uma importante ferramenta com sólidos resultados na análise da dinâmica de séries temporais é a transformação de padrões ordinais. Contudo, embora a dinâmica tenha o potencial de servir de base para novos domínios de representação para a análise de dados na IoT, há questões em suas transformações que devem ser tratadas para sua aplicação adequada.a Este trabalho tem como objetivos avançar o estado da arte na análise da dinâmica de séries temporais, em sua adequação para os desafios da IoT, e propor soluções baseadas em comportamentos dinâmicos para o uso mais confiável dos dados da IoT. Para avançar na aplicabilidade das transformações de padrões ordinais para cenários desafiadores, como é o caso da IoT, são propostas estratégias em duas principais direções. Uma primeira estratégia tem como objetivo prover a mínima dependência na seleção de parâmetros na transformação, considerando o comportamento multiescala de uma nova métrica proposta, a probabilidade de auto transições, que se mostraram úteis na distinção de dinâmicas de séries temporais. A segunda estratégia consiste em um índice de separabilidade de classes, que é um valioso método para estimar os parâmetros mais adequados para as transformações de padrões ordinais, no contexto da classificação de séries temporais. Em respeito à aplicação da análise da dinâmica de séries temporais para os cenários de IoT, primeiramente são dados esclarecimentos quanto ao contexto da CoIoT. Nós provemos um melhor entendimento sobre as principais características e propriedades dos dados gerados por seus sensores e seus principais problemas. Em seguida, são propostas estratégias para a classificação de dados de fenômenos físicos coletados pelos sensores da CoIoT e um método para incrementar a segurança dos dispositivos da IoT contra ataques de botnet, ambos considerando seus comportamentos dinâmicos. As estratégias propostas foram comparadas com trabalhos relacionados e os resultados demonstraram seus potenciais no avanço da aplicabilidade das transformações de padrões ordinais para os cenários da IoT. Nós mostramos que a construção desta nova representação auxilia na escalabilidade, evitando comparações com uma grande quantidade de dados, sendo robusta para os problemas dos dados da CoIoT. Assim, por meio dessas abordagens, é possível desenvolver soluções para a IoT que podem se beneficiar dos aspectos únicos de sistemas dinâmicos.