АДАПТИВНА МОДЕЛЬ ІНТЕЛЕКТУАЛЬНОЇ ФІЛЬТРАЦІЇ ТРАФІКУ В IOT-МЕРЕЖАХ НА ОСНОВІ TINYML-АВТОЕНКОДЕРІВ

Анотація

У роботі запропоновано та науково обґрунтовано адаптивну модель інтелектуальної фільтрації трафіку в енергоефективних мережах Інтернету речей (IoT). В основі підходу лежить впровадження компактних нейромережевих моделей TinyML на базі архітектури автоенкодерів безпосередньо у вбудоване програмне забезпечення мікроконтролерів на базі ESP32.

Модель функціонує як інтелектуальний фільтр, що здійснює локальний аналіз вхідних потоків даних та виявляє аномальні стани об’єкта моніторингу, шляхом обчислення помилки реконструкції (MSE). Запропонований метод дозволяє трансформувати архітектуру системи з пасивного збору інформації у подійно-орієнтовану модель, де трансляція корисної інформації до хмарної платформи, наприклад Azure IoT Hub ініціюється лише при виявленні статистично значущих відхилень від нормального режиму роботи приладу.

Експериментальні дослідження показали, що така селективна передача забезпечує скорочення надлишкового трафіку на 85–95%, що суттєво знижує навантаження на канали зв’язку, мінімізує час активності радіомодуля та подовжує термін автономної роботи вузла.