| 研究課題/領域番号 |
17K00133
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
情報ネットワーク
|
|---|
| 研究機関 | 日本工業大学 |
|---|
研究代表者 |
吉野 秀明 日本工業大学, 基幹工学部, 教授 (00644816)
|
|---|
| 研究分担者 |
平栗 健史 日本工業大学, 基幹工学部, 教授 (90582817)
大田 健紘 日本工業大学, 基幹工学部, 助教 (50511911)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2017年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
|
|---|
| キーワード | IoT / データ集約 / トラヒック制御 / 異常トラヒック検知 / ネットワーク / 過負荷 / トラヒック / 機械学習 / ＩｏＴ / センサ / 異常検知 / センサー / データ分析 |
|---|
| 研究成果の概要 |
本研究では、主にセンサデータの集約方式及び異常トラック検知手法に関する検討を進め次の成果を得た：①IoTゲートウェイにおけるセンタデータ集約方式をモデル化し、平均遅延時間を最小化する最適集約パラメータ及びその推定式を理論解析により導出した。②同結果に基づき集約個数を適応的に制御することで遅延時間を最適化する制御方式を提案し、シミュレーションにより遅延抑制効果が得られることを明らかにした。③未知の異常トラヒックに対しても有効と考えられる教師なし学習と教師あり学習とを組み合わせたハイブリッド型検知手法を提案し、実トラヒックデータに対して提案手法の特性評価により、その有効性を検証した。
|
| 研究成果の学術的意義や社会的意義 |
ファクトリーオートメーションなどの遅延時間要件の厳しいIoTアプリケーションを実現するためには、センサデータを集約するIoTゲートウェイにおいて、遅延時間を抑制することが必須である。上記①②の提案手法により、トラヒック変動を吸収し、遅延時間を最小にする制御が可能となり、実時間性の高いアプリケーションが実現できる。
また、異常トラヒック検知技術については、通信トラヒックに限定しない汎用的な時空間異常検知技術への今後の発展により、次に挙げる各種分野への応用展開が可能と考えられる：ネットワークセキュリティの確保、高信頼ネットワークの実現、センサデータ異常検知、マーケティングへの応用等。
|
