Resource-aware IoT with Enhanced Intelligence and Security

Utbredelsen av tingets ting (IoT) som forbinder mange sensorer, aktuatorer, apparater, kjøretøyer osv., vil ha en sterk innvirkning på utviklingen av smartere og grønnere byer samt miljøovervåking. Et grunnleggende prinsipp som ligger til grunn for alle viktige funksjonalitetene i IoT er situasjonsbevissthet, dvs. evnen til å fange hendelser og avlede nøyaktig kritisk informasjon for å lette beslutningstaking for å muliggjøre rettidig handling i et heterogent og svært dynamisk miljø. Dette krever en intelligent infrastruktur som er autonom, pålitelig og motstandsdyktig mot naturlige eller menneskeskapte forstyrrelser. En kritisk komponent i en slik infrastruktur består av hundrevis informasjonsinnsamlingssensorer. Sensorene som brukes i smarte byers IoT utgjør viktige datakilder, som de tilhørende analysene og kontrollhandlingene avhenger av. Disse sensorene er sammenkoblet via internett, og danner en viktig del av IoT, og er mest sannsynlig drevet bare av batterier. For å sikre at sensorene fungerer effektivt, må vi designe sikre sensornettverk med energieffektive funksjonaelle lgoritmer som starter med måling, etterfulgt av databehandling og kommunikasjon for å sikre pålitelig beslutningstaking for å muliggjøre rettidige tiltak som muliggjør langvarig sikker og pålitelig funksjonalitet. Dette prosjektet tar sikte på å ta en helhetlig tilnærming som starter med smarte sensorer, smart innføring og sikker toveiskommunikasjon blant alle enhetene i nettverket. I løpet av de tre første åren av prosjektet er det utviklet nye distribuerte algoritmer for estimering og kontrolloppgaver som fører til en betydelig reduksjon av kommunikasjonsmengden i IoT/CPS. Vi har også tatt hensyn til systemfeil eller sikkerhetstrusler, for eksempel støyende sensoravlesninger eller forfalskning av data. Spesielt har vi utviklet metoder for å raskt identifisere data-manipulering og beskyttelse av personvern for å unngå lekkasje av informasjon når enheter løser oppgaver i fellesskap.I løpet av det siste året har vi implementert effektive salgoritmer for kanalbegrensede eksterne estimeringsscenarier ved bruk av "age-of-information." Vi har også fokusert på å designe personvernbevarende distribuerte læringsalgoritmer som beskytter individuelle nettverksnoder fra å lekke privat informasjon til interne og eksterne avlyttinger. I 2023 ble det gjort fremskritt innen feltet for distribuert læring og optimalisering i systemer uten dataoverføring til en sentral hub, som involverer peer-to-peer-interaksjoner og takler ressursbegrensninger som beregningsressurser, batterikraft, kommunikasjonsbåndbredde og personvernsbeskyttelse. Funnene understreker også relevansen av denne forskningen for maskinlæringsproblemer, som robust fasegjenfinning, blind dekonvolusjon, bikonveks kompressiv sensing og ordbokslæring, og fremhever dens potensielle innvirkning på forskjellige praktiske applikasjoner.

This project develops efficient detection and estimation schemes to improve data quality and security of the physical-layer signals in IoT. The project contributes to ICT as an enabling technology, and has a strong international component; students hired will spend part of the studies at University of Notre Dame, U.S.A. and at Aalto University, Finland. The pervasion of the Internet of Things (IoT) which connects numerous sensors, actuators, appliances, vehicles etc, will have a strong impact on the evolution of smarter and greener cities as well as on environmental monitoring. A basic tenet underlying all key functionalities of the IoT is situational awareness, i.e., the ability to capture events and derive accurate critical information to facilitate decision making to enable timely action in a heterogeneous and highly dynamic environment. This calls for an intelligent infrastructure that is autonomous, dependable, and resilient to natural or man-made disturbances. A critical component of such an infrastructure comprises myriads of information-gathering sensors deployed throughout many points of concerns in the city. The sensors deployed in smart cities' IoT constitute critical data sources, on which the ensuing analytics and control actions depend. Those sensors are interconnected through the internet, forming an important part of IoT, and most likely powered only by batteries. To ensure that the sensors function effectively, we need to take a holistic approach to designing secure sensor networks with energy-efficient functional algorithms starting with sensing, followed by data processing and communication to ensure reliable decision making to enable timely actions that make possible long lasting secure and dependable functionality. This project aims to go beyond state-of-the-art solutions and take a holistic approach that starts with smart sensors, smart inference, and secure two-way communication among all the devices in the network.