Advancements in federated fog architectures for enhanced quality-of-service in IoT and IoV applications

Résumé

Le monde devient de plus en plus connecté avec la présence croissante d’objets intelligents et les progrès des systèmes de transport intelligents (ITS). Cependant, les retards du réseau causent des perturbations et une réduction de la qualité de service (QoS) pour les applications Internet des objets (IoT) et Internet des véhicules (IoV) lorsque les utilisateurs exécutent des services en temps réel critiques. Le fog computing, avec son placement stratégique de serveurs, émerge comme une solution, mais il nécessite de résoudre le manque de puissance de traitement pour les applications IoT et IoV critiques. Parallèlement, le federated fog computing peut offrir une adaptation dynamique aux changements environnementaux et faciliter la communication. Cette thèse vise à contribuer à une architecture de fédération de fog complète et sécurisée pour améliorer la QoS des applications IoT en général et de l’architecture des applications de conduite autonome en IoV en particulier. Elle se concentre sur plusieurs défis, notamment l’absence d’enquête sur une architecture de fédération de fog complète, l’instabilité potentielle des fédérations de fog, l’absence de prise en charge de la mobilité en IoV, les complications liées à l’apprentissage fédéré pour IoV et l’impact des fournisseurs de fog peu fiables. Les objectifs de recherche sont les suivants : développer une architecture de fédération de fog complète et efficace avec un mécanisme de regroupement, créer un mécanisme de formation robuste pour empêcher les fournisseurs de changer de fédération, étendre la formation de fédération de fog pour prendre en charge la mobilité, soutenir l’apprentissage fédéré des véhicules et introduire un mécanisme de confiance et de réputation dans la formation de fédération de fog. Nous complétons les progrès actuels de la recherche sur le federated fog computing dans la littérature existante en ajoutant différents modules pour faciliter l’objectif d’amélioration de la QoS des applications d’apprentissage fédéré en IoV. Tout d’abord, nous étudions une architecture nouvelle et complète pour le concept de fédération de fog et proposons une approche adaptative, intelligente et dynamique de formation de fédération en utilisant l’apprentissage automatique et les algorithmes génétiques. De plus, nous abordons le problème de l’instabilité au sein des fédérations de fog en proposant un algorithme décentralisé basé sur la théorie des jeux évolutifs. En outre, nous élargissons notre domaine pour couvrir un environnement plus dynamique : l’Internet des véhicules. Pour satisfaire les utilisateurs mobiles, la mobilité doit être prise en compte, nous nous appuyons donc sur un mécanisme de formation de fédération de fog en vol dans lequel nous prenons en compte la mobilité des appareils pour leur fournir une bonne qualité de service en utilisant la théorie des jeux. De plus, nous présentons une architecture d’apprentissage fédéré basée sur l’horizontale renforcée par les fédérations de fog pour prendre en charge la formation sur l’appareil avec la QoS demandée. Enfin, nous étendons le mécanisme de formation utilisé pour le federated fog computing en introduisant une infrastructure de chaîne de blocs pour gérer les tâches administratives des fédérations et sécuriser le processus de formation. Des ensembles de données réels sont utilisés pour évaluer l’architecture proposée et les mécanismes de formation. Les résultats montrent une amélioration notable du débit et une diminution du temps de réponse pour les services demandés, ainsi que la stabilisation des fédérations de fog.

Date	12 oct. 2023
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Zbigniew Dziong (Directeur(-trice)), Hadi Otrok (Codirecteur(-trice)) & Azzam Mourad (Codirecteur(-trice))