IoT नेटवर्क पर एज पर वितरित बुद्धिमत्ता - AETiC 2020

1. परिचय

इंटरनेट ऑफ थिंग्स (IoT) ने भौतिक वस्तुओं या सेंसर से जानकारी एकत्र करने और संग्रहीत करने के लिए नवाचार में क्रांति ला दी है। IoT उपकरणों की घातीय वृद्धि ने एज कंप्यूटिंग के उद्भव का नेतृत्व किया है, जहां डेटा को केंद्रीकृत क्लाउड सर्वर पर प्रसारित करने के बजाय स्रोत के करीब संसाधित किया जाता है। 2020 तक, यह अनुमान लगाया गया था कि 50 बिलियन स्मार्ट उपकरण इंटरनेट से जुड़े होंगे, जो लगभग 500 ज़ेटाबाइट्स डेटा उत्पन्न करेंगे।

2. पृष्ठभूमि और संबंधित कार्य

2.1 IoT आर्किटेक्चर का विकास

पारंपरिक IoT आर्किटेक्चर क्लाउड-केंद्रित मॉडल पर बहुत अधिक निर्भर थे, जहां सभी डेटा प्रसंस्करण केंद्रीकृत डेटा केंद्रों में होता था। हालाँकि, इस दृष्टिकोण को विलंबता के मुद्दों, बैंडविड्थ की बाधाओं और गोपनीयता संबंधी चिंताओं सहित महत्वपूर्ण चुनौतियों का सामना करना पड़ा। एज कंप्यूटिंग की ओर यह बदलाव इस बात का मौलिक परिवर्तन है कि IoT सिस्टम को कैसे डिजाइन और तैनात किया जाता है।

2.2 एज कंप्यूटिंग प्रतिमान

एज कंप्यूटिंग गणना और डेटा संग्रहण को उस स्थान के करीब लाती है जहां इसकी आवश्यकता होती है, जिससे प्रतिक्रिया समय में सुधार होता है और बैंडविड्थ की बचत होती है। प्रमुख प्रतिमानों में फॉग कंप्यूटिंग, मोबाइल एज कंप्यूटिंग (MEC), और क्लाउडलेट आर्किटेक्चर शामिल हैं, जो विभिन्न IoT अनुप्रयोग परिदृश्यों के लिए विशिष्ट लाभ प्रदान करते हैं।

3. वितरित बुद्धिमत्ता ढांचा

3.1 आर्किटेक्चरल घटक

वितरित बुद्धिमत्ता ढांचे में तीन मुख्य परतें शामिल हैं: एज उपकरण, एज सर्वर और क्लाउड अवसंरचना। एज उपकरण प्रारंभिक डेटा प्रसंस्करण और फ़िल्टरिंग करते हैं, एज सर्वर अधिक जटिल गणनाएँ संभालते हैं, जबकि क्लाउड वैश्विक समन्वय और दीर्घकालिक भंडारण प्रदान करता है।

3.2 बुद्धिमत्ता वितरण मॉडल

बुद्धिमत्ता वितरित करने के तीन प्राथमिक मॉडल शामिल हैं: पदानुक्रमित वितरण जहां प्रसंस्करण कई स्तरों पर होता है, पीयर-टू-पीयर वितरण जो सीधे उपकरण संचार को सक्षम बनाता है, और इष्टतम प्रदर्शन के लिए दोनों विधियों को जोड़ने वाले संकर दृष्टिकोण।

4. तकनीकी कार्यान्वयन

4.1 गणितीय आधार

वितरित बुद्धिमत्ता का अनुकूलन एक बाधित अनुकूलन समस्या के रूप में तैयार किया जा सकता है। मान लीजिए $L_{total}$ कुल विलंबता का प्रतिनिधित्व करता है, जिसे इस प्रकार व्यक्त किया जा सकता है:

$L_{total} = \sum_{i=1}^{n} (L_{proc_i} + L_{trans_i} + L_{queue_i})$

जहां $L_{proc_i}$ नोड i पर प्रसंस्करण विलंबता है, $L_{trans_i}$ संचरण विलंबता है, और $L_{queue_i}$ कतार विलंबता है। उद्देश्य संसाधन बाधाओं $R_{max}$ और सेवा की गुणवत्ता आवश्यकताओं $Q_{min}$ के अधीन $L_{total}$ को कम करना है।

4.2 एल्गोरिदम डिजाइन

वितरित बुद्धिमत्ता एल्गोरिदम एक सहयोगी फ़िल्टरिंग दृष्टिकोण को नियोजित करता है जहां एज नोड कच्चे डेटा के बजाय संसाधित अंतर्दृष्टि साझा करते हैं। निम्नलिखित स्यूडोकोड मुख्य निर्णय लेने की प्रक्रिया को दर्शाता है:

function distributedIntelligence(node, data, neighbors):
    // स्थानीय प्रसंस्करण
    local_insight = processLocally(data)
    
    // जांचें कि क्या स्थानीय प्रसंस्करण पर्याप्त है
    if confidence(local_insight) > threshold:
        return local_insight
    else:
        // पड़ोसियों के साथ सहयोग करें
        neighbor_insights = []
        for neighbor in neighbors:
            insight = requestInsight(neighbor, data)
            neighbor_insights.append(insight)
        
        // अंतर्दृष्टि को एकत्रित करें
        final_decision = aggregateInsights(local_insight, neighbor_insights)
        return final_decision
end function

5. प्रायोगिक परिणाम

प्रायोगिक मूल्यांकन सिस्टम प्रदर्शन में महत्वपूर्ण सुधार दर्शाता है। वितरित बुद्धिमत्ता दृष्टिकोण ने केवल-क्लाउड आर्किटेक्चर की तुलना में औसत प्रतिक्रिया समय में 45% की कमी की और बैंडविड्थ खपत में 60% की कमी की। स्वायत्त वाहन समन्वय जैसे विलंबता-संवेदनशील अनुप्रयोगों में, सिस्टम ने 50ms से कम निर्णय समय हासिल किया, जो वास्तविक समय आवश्यकताओं को पूरा करता है।

6. अनुप्रयोग और उपयोग के मामले

एज पर वितरित बुद्धिमत्ता विभिन्न डोमेन में कई अनुप्रयोगों को सक्षम बनाती है। स्मार्ट सिटी में, यह वास्तविक समय यातायात प्रबंधन और आपातकालीन प्रतिक्रिया समन्वय की सुविधा प्रदान करती है। स्वास्थ्य सेवा अनुप्रयोगों में रोग प्रकोपों के लिए दूरस्थ रोगी निगरानी और भविष्य कहनेवाला विश्लेषण शामिल हैं। औद्योगिक IoT लाभों में भविष्य कहनेवाला रखरखाव और अनुकूलित आपूर्ति श्रृंखला प्रबंधन शामिल हैं।

7. चुनौतियाँ और भविष्य के दिशा-निर्देश

मुख्य चुनौतियों में वितरित सिस्टम में सुरक्षा कमजोरियाँ, विषम उपकरणों के बीच अंतरसंचालन क्षमता, और एज उपकरणों पर संसाधन बाधाएं शामिल हैं। भविष्य के शोध दिशा-निर्देश बेहतर कनेक्टिविटी के लिए अनुकूली बुद्धिमत्ता वितरण, फेडरेटेड लर्निंग दृष्टिकोण, और 5G/6G नेटवर्क के साथ एकीकरण पर केंद्रित हैं।

8. मौलिक विश्लेषण

इस पेपर में प्रस्तुत शोध क्लाउड-केंद्रित मॉडल की मौलिक सीमाओं को संबोधित करके IoT आर्किटेक्चर में एक महत्वपूर्ण प्रगति का प्रतिनिधित्व करता है। वितरित बुद्धिमत्ता दृष्टिकोण एज कंप्यूटिंग में उभरते रुझानों के साथ संरेखित है, जैसा कि विकेंद्रीकृत मशीन लर्निंग के लिए TensorFlow Federated जैसे ढांचों में समान विकासों से प्रमाणित होता है। पारंपरिक केंद्रीकृत दृष्टिकोणों की तुलना में, वितरित बुद्धिमत्ता विलंबता में कमी और बैंडविड्थ अनुकूलन में पर्याप्त लाभ प्रदान करती है, विशेष रूप से स्वायत्त सिस्टम और औद्योगिक स्वचालन जैसे वास्तविक समय अनुप्रयोगों के लिए महत्वपूर्ण है।

पेपर में प्रस्तुत विलंबता अनुकूलन का गणितीय सूत्रीकरण स्थापित कतार सिद्धांत सिद्धांतों पर आधारित है, जो सामग्री वितरण नेटवर्क (CDN) और वितरित डेटाबेस में उपयोग की जाने वाली दृष्टिकोणों के समान है। हालाँकि, IoT एज नेटवर्क के लिए अनुप्रयोग उपकरण विषमता और संसाधन सीमाओं से संबंधित अद्वितीय बाधाएं पेश करता है। प्रस्तावित एल्गोरिदम सिफारिश प्रणालियों में उपयोग की जाने वाली सहयोगी फ़िल्टरिंग तकनीकों के समानताएं दर्शाता है, जिसे संसाधन-बाधित वातावरण के लिए अनुकूलित किया गया है।

AWS Greengrass या Azure IoT Edge जैसे अन्य एज कंप्यूटिंग फ्रेमवर्क की तुलना में, वितरित बुद्धिमत्ता दृष्टिकोण पदानुक्रमित क्लाउड-एज संबंधों के बजाय पीयर-टू-पीयर सहयोग पर जोर देता है। यह अंतर उच्च उपलब्धता और दोष सहिष्णुता की आवश्यकता वाले अनुप्रयोगों के लिए विशेष रूप से महत्वपूर्ण है। शोध निष्कर्ष Gartner द्वारा रिपोर्ट किए गए उद्योग के रुझानों के अनुरूप हैं, जो भविष्यवाणी करते हैं कि 2025 तक, 75% उद्यम-जनित डेटा पारंपरिक केंद्रीकृत डेटा केंद्रों के बाहर बनाया और संसाधित किया जाएगा।

वितरित बुद्धिमत्ता के सुरक्षा निहितार्थों के लिए आगे की जांच की आवश्यकता है, क्योंकि हमले की सतह बुद्धिमत्ता वितरण के साथ विस्तारित होती है। भविष्य का कार्य सुरक्षित वितरित सहमति के लिए ब्लॉकचेन तकनीकों को एकीकृत कर सकता है, जो IoT सुरक्षा शोध में खोजे गए दृष्टिकोणों के समान है। प्रस्तावित ढांचे की मापनीयता के लिए बड़े पैमाने पर तैनाती के माध्यम से सत्यापन की आवश्यकता है, विशेष रूप से हजारों परस्पर जुड़े उपकरणों वाले परिदृश्यों में।

9. संदर्भ

1. Alam, T., Rababah, B., Ali, A., & Qamar, S. (2020). Distributed Intelligence at the Edge on IoT Networks. Annals of Emerging Technologies in Computing, 4(5), 1-18.
2. Shi, W., Cao, J., Zhang, Q., Li, Y., & Xu, L. (2016). Edge computing: Vision and challenges. IEEE Internet of Things Journal, 3(5), 637-646.
3. Mao, Y., You, C., Zhang, J., Huang, K., & Letaief, K. B. (2017). A survey on mobile edge computing: The communication perspective. IEEE Communications Surveys & Tutorials, 19(4), 2322-2358.
4. Satyanarayanan, M. (2017). The emergence of edge computing. Computer, 50(1), 30-39.
5. Zhu, J., et al. (2018). Improving IoT data quality in mobile crowd sensing: A cross-layer approach. IEEE Transactions on Mobile Computing, 17(11), 2564-2577.
6. Chen, M., et al. (2020). Distributed intelligence in IoT systems: A comprehensive survey. IEEE Internet of Things Journal, 7(8), 6903-6919.