• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2017년도 춘계학술대회
• /
• pp.294-296
• /
• 2017

클라우드 컴퓨팅은 클라우드 노드에서 발생하는 모든 데이터를 클라우드 서버에 업로드하여, 서비스로서 사용자에게 제공하는 역할을 수행하는 컴퓨팅 기법이다. 이는 네트워크의 상황에 따라 실시간으로 서비스를 제공하기에는 어렵다. 그것은 로컬의 영역이 아니라 네트워크를 통하여 원격지로 정보를 전송하고, 클라우드에서 서비스를 제공하기 위해 추가적으로 다운로드를 해야 하기 때문이다. 이에 대한 대안으로 포그 컴퓨팅이 제안되었다. 본 논문에서는 클라우드, 포그 그리고 사용자 간의 효율적인 데이터 교환 기법을 제안하고자 한다. 제안된 포그는 사용자에게 서비스를 제공하고, 데이터를 수집하여 처리하도록 한다. 클라우드는 포그 간의 데이터 교환과 제어의 흐름을 담당하도록 한다. 우리는 이에 대한 데이터의 교환에 필요한 표준 방식을 제안한다. 이를 위한 적용은 BAN(Body Area Network)에서 발생하는 정보를 포그에서 처리 및 서비스를 하고, 클라우드는 중재 역할을 수행하는 시스템으로 한다. 이는 기기 또는 서비스 간에서 발생하는 데이터 이질성을 해결하고, 효율적인 데이터 이동을 제공할 수 있다.

• International Journal of Advanced Culture Technology
• /
• 제10권2호
• /
• pp.233-239
• /
• 2022

Recently, research is being conducted on the rapid service provision and reliability of the instance-based rather than the existing IP-based structure. Research is mainly conducted through Block cloud, a platform that combines service-centric networking (SCN) and blockchain. In addition, the Internet of Things network has been proposed as a fog computing environment in the structure of the existing cloud computing. Fog computing is an environment suitable for real-time information processing. In this paper, we propose a new Internet network structure based on fog computing that requires real-time for rapid processing of IoT services. The proposed system applies IoTA, the third-generation blockchain based on DAG, to the block cloud. In addition, we want to propose a basic model of the object block chain and check the application services of electric vehicles.

• International Journal of Computer Science & Network Security
• /
• 제23권4호
• /
• pp.25-31
• /
• 2023

Fog computing diversifies cloud computing by using edge devices to provide computing, data storage, communication, management, and control services. As it has a decentralised infrastructure that is capable of amalgamating with cloud computing as well as providing real-time data analysis, it is an emerging method of using multidisciplinary domains for a variety of applications; such as the IoT, Big Data, and smart cities. This present study provides an overview of the security and privacy concerns of fog computing. It also examines its fundamentals and architecture as well as the current trends, challenges, and potential methods of overcoming issues in fog computing.

• Journal of Information Processing Systems
• /
• 제15권5호
• /
• pp.1192-1200
• /
• 2019

Recently, artificial intelligence techniques have been widely used in the computer science field, such as the Internet of Things, big data, cloud computing, and mobile computing. In particular, resource management is of utmost importance for maintaining the quality of services, service-level agreements, and the availability of the system. In this paper, we review and analyze various ways to meet the requirements of cloud resource management based on artificial intelligence. We divide cloud resource management techniques based on artificial intelligence into three categories: fog computing systems, edge-cloud systems, and intelligent cloud computing systems. The aim of the paper is to propose an intelligent resource management scheme that manages mobile resources by monitoring devices' statuses and predicting their future stability based on one of the artificial intelligence techniques. We explore how our proposed resource management scheme can be extended to various cloud-based systems.

• International Journal of Computer Science & Network Security
• /
• 제22권4호
• /
• pp.310-328
• /
• 2022

Internet of things (IoT) has emerged as the most popular technique that facilitates enhancing humans' quality of life. However, most time sensitive IoT applications require quick response time. So, processing these IoT applications in cloud servers may not be effective. Therefore, fog computing has emerged as a promising solution that addresses the problem of managing large data bandwidth requirements of devices and quick response time. This technology has resulted in processing a large amount of data near the data source compared to the cloud. However, efficient management of computing resources involving balancing workload, allocating resources, provisioning resources, and scheduling tasks is one primary consideration for effective computing-based solutions, specifically for time-sensitive applications. This paper provides a comprehensive review of the source management strategies considering resource limitations, heterogeneity, unpredicted traffic in the fog computing environment. It presents recent developments in the resource management field of the fog computing environment. It also presents significant management issues such as resource allocation, resource provisioning, resource scheduling, task offloading, etc. Related studies are compared indifferent mentions to provide promising directions of future research by fellow researchers in the field.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 춘계학술대회
• /
• pp.348-351
• /
• 2016

최근 IoT 환경에서 많은 디바이스들의 등장과 더불어 특정 사용자만 접근 가능한 보호된 네트워크가 필요하게 되었다. IoT 네트워크 환경에 OAuth 프로토콜을 적용하여 인증하게 되면 보다 쉽게 네트워크 인증 체계를 구축할 수 있으나 OAuth는 공격자가 Token을 가로채게 되면 쉽게 공격에 노출되는 단점이 있어 2차 인증이 필수적이라고 할 수 있다. 궁극적인 IoT는 Fog Computing이 필수적이다. Fog Computing은 Cloud를 확장시켜 network Core에서 뿐만 아니라 Edge에서도 Computing이 가능하게 하고, node간의 통신을 가능하게 하는 플랫폼이다. Fog Computing의 장점으로는 Location awareness나 Support for mobility 등을 들 수 있다. Fog Computing내에서 사용할 인증이 이런 Fog Computing의 장점을 살린다면, 더 IoT에 걸맞은 인증을 할 수 있을 것이다. 이에 2차 인증에 기존의 인증서나 id/password, 또는 group key같은 번거로운 것을 이용하지 않고 Cyber-Physical-Social System을 사용한다면 user의 편리성을 더 증가시킬 수 있을 것이다. 본 연구에서는 Cyber-Physical-Social System기반의 인증에 관한 연구를 진행하려 한다.

• 한국융합학회논문지
• /
• 제9권5호
• /
• pp.27-32
• /
• 2018

4차 산업혁명시대 핵심인 IoT(사물인터넷) 기술이 발전하면서 다양한 적용 분야가 생겨나고 있으며, 그에 따른 서비스를 이용하는 사용자 수도 대폭 증가하고 있다. 주변 환경에 흩어져 있는 수많은 IoT 디바이스들에 의해 생성되는 실시간 센싱 데이터들을 실시간 클라우드 컴퓨팅 환경에 전송하여 저장하는 것은 시간 및 저장 공간에 대한 효율성이 적합하지 않다. 따라서 이러한 문제들을 해결하기 위해서 응답시간을 최소화 하면서 처리 시간이 효율적으로 관리가 될 수 있도록 하는 포그 컴퓨팅이 제안되었다. 그러나 포그 컴퓨팅이라는 새로운 패러다임에 대한 보안 요구사항이 아직 정립되지 않고 있다. 클라우드 끝단에 있는 센서노드들은 컴퓨팅 파워가 높지 않기 때문에 보안 모듈을 적용하기가 어렵고, 보안 모듈 적용 시에 경량화된 프로토콜 적용을 통하여 보안과 효율성을 수립하여야 한다. 따라서 이 논문에서는 포그 컴퓨팅에 대한 보안 모델 제시와 포그 컴퓨팅에 최적화된 보안 요구사항을 제시하여 안전한 포그 컴퓨팅 발전에 기여한다.

• 스마트미디어저널
• /
• 제8권1호
• /
• pp.35-42
• /
• 2019

IoT 디바이스 기술의 발전으로 디바이스가 주변 환경을 인식하고 동작하게 되면서, 막대한 양의 IoT 디바이스 데이터를 효율적으로 처리하기 위한 방안이 요구되고 있다. 기존에 사용되던 클라우드 컴퓨팅은 부하와 거리에 따른 전송 지연 문제가 발생한다. 이러한 문제를 해결하기 위해 포그 컴퓨팅이 등장하였다. 포그 컴퓨팅은 IoT 디바이스를 제어하기 위한 환경으로, 클라우드의 단점을 해결하기 위해 IoT 디바이스를 가까이 두어 근거리 통신을 수행한다. 그러나 IoT를 위한 포그 컴퓨팅 관련 연구들은 포그컴퓨팅의 구조와 프레임워크에 대한 연구가 주를 이룬다. 따라서 본 논문에서는 포그컴퓨팅을 수행하기 위한 플랫폼을 제안한다. 제안하는 플랫폼은 포그 컴퓨팅 환경에서 IoT 디바이스를 모니터링 및 분석, 제어할 수 있는 통합 플랫폼이다.

• 한국통신학회논문지
• /
• 제42권1호
• /
• pp.257-267
• /
• 2017

IoT(사물인터넷) 기술이 발전하여 적용 분야가 다양해지고 이에 따라 서비스를 이용하는 사용자 수도 크게 증가하였다. 수많은 IoT 디바이스들에 의해 발생되는 실시간 대용량 데이터를 클라우드 컴퓨팅 환경에서 처리하는 것은 더 이상 적합하지 않다. 이러한 문제를 해결하기 위해서 응답시간을 최소화 하고 실시간 처리가 적합하도록 하는 포그 컴퓨팅이 제안되었다. 하지만 포그 컴퓨팅이라는 새로운 패러다임에 대한 보안 요구사항이 아직 정립되지 않았다. 이 논문에서는 포그 컴퓨팅에 대한 모델 정의와 정의된 모델에 대한 보안 요구사항을 정리하였다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.144-150
• /
• 2020

Reinforcement learning is a technology that can present successful and creative solutions in many areas. This reinforcement learning technology was used to deploy containers from cloud servers to fog servers to help them learn the maximization of rewards due to reduced traffic. Leveraging reinforcement learning is aimed at predicting traffic in the network and optimizing traffic-based fog computing network environment for cloud, fog and clients. The reinforcement learning system collects network traffic data from the fog server and IoT. Reinforcement learning neural networks, which use collected traffic data as input values, can consist of Long Short-Term Memory (LSTM) neural networks in network environments that support fog computing, to learn time series data and to predict optimized traffic. Description of the input and output values of the traffic-based reinforcement learning LSTM neural network, the composition of the node, the activation function and error function of the hidden layer, the overfitting method, and the optimization algorithm.