云原生边缘计算技术在物联网的中应用

针对传统云计算平台无法高效处理海量物联网终端数据接入,中心服务器和传输过程中缺乏用户数据隐私保护的两方面需求问题,构建一个物联网边缘计算平台。该平台采用云原生架构,并在靠近用户端部分利用边缘计算的方法搭建平台,在电力物联网系统中,将数据处理能力从云端下沉到用户附近,从而降低电网响应时延、卸载数据传输压力、提高电力传输效率并保障用户数据隐私。     

云计算驱动了雾计算的发展

认为雾计算/边缘计算(MEC)是云计算的延伸,其发展源自物联网(IoT)实时反馈型应用需求的驱动,通过雾计算/MEC将数据采集、数据处理和应用分析程序集中在网络边缘设备中,使云端计算、网络、存储能力得以向边缘扩展。提出在IoT中采用中枢智能与边缘智能的两级架构,实现雾计算与云计算的协作,提高IoT处理效率。     

双核MCU+CNN方案如何激活边缘智能

<正>物联网的迅猛发展带我们走进了云计算时代，但在云计算过程中产生的海量数据，无形会影响到物与物连接的响应速度，以及数据的安全性等众多的问题。而边缘计算的出现很好的解决了一些问题，它在网络的边缘产生、处理、分析数据，再到云端。而随着数字化智能时代的到来，在AI算法的加持下，万物互联又升级到一个新的高度，“智能边缘”是将边缘计算与人工智能相结合，直接在边缘设备上运行AI算法。一般由内置的微处理器和传感器组成，可有效降低延迟率并提高网络带宽。     

基于边缘计算的通用智能安防系统架构设计与实现

针对现有不同领域中所使用的安防系统架构,采用基于边缘计算的高可用、实时处理的通用智能安防系统三层架构,在边缘设备和云端中间增加边缘计算物联网设备,通过不同的服务节点完成多样性服务计算实验.实验结果表明,该系统比传统集中式计算架构具有处理性能高、节省服务器的存储容量、减少服务器的硬件成本等特点,可作为智能安防系统的通用架...     

基于可重构流处理器的动态化边缘计算及其产业应用

文章分析在智能物联网中边缘计算的特征和主要挑战,以可重构架构流处理器为核心,结合云端协同,提出一种基于可重构架构流处理器的动态化边缘计算方法,实现计算能力在云计算与边缘计算间的动态优化配置。使原本不适合部署传统物联网的领域,可以享受到新一代智能物联网带来的便利和效率提升。     

边缘计算在物联网中的作用与优势

随着物联网(IoT)技术的快速发展,数据处理和实时分析需求也随之增长。边缘计算作为一种新兴技术,为物联网提供了一种高效、实时的数据处理方法。文中重点探讨了边缘计算在物联网中的主要作用与技术优势。首先,讨论了边缘计算如何在数据源近处进行处理以降低延迟,提供即时反馈。其次,探讨了边缘计算如何提高数据安全性,通过局部处理降低数据传输和暴露的风险。最后,介绍了边缘计算如何提高资源利用率,降低数据中心的压力。这些技术点明确表明,边缘计算显著地促进了物联网领域的技术进步。     

基于边缘计算的物联网网关监控系统的研究

针对物联网设备通讯协议的多样性和云端计算力不足的问题,设计了一种基于边缘计算的物联网网关的监控系统,采用EdgeX Foundry边缘计算框架,以树莓派3B+为核心,运用Docker虚拟化容器技术,分布式部署微服务架构,通过仿真与实验相结合的方法,测试分析了基于多种通讯协议的物联网网关的传输性能,构建了基于Modbus通讯协议的温湿度报警系统,得出系统的平均时延为376ms。实验结果表明,物联网网关的传输性能满足工厂需求,为设备的数据采集与控制提供了新的思路,具有很高的应用价值。     

基于边缘计算的物联网数据安全处理模型

为提升现有物联网数据处理的安全性,设计基于边缘计算的物联网数据安全处理模型.构建基于边缘计算的物联网应用模型,在此模型中先后采用物联网数据消冗方法和差分隐私保护算法,去除重复的数据获取质量较好的数据后,对物联网数据进行隐私保护,实现基于边缘计算的物联网数据安全处理.经过测试,所构建模型的隐私保护预算值为0.6、决策树深...     

物联网市场巨大运营商发力中有挑战

思科“全球云端指针”报告显示,全球各地云端数据中心每年需处理物联网设备传送的数据量将大幅提升,从2015年全年145 ZB的总资料量,到了2020年,将累积达到600 ZB,全球物联网设备总数将累积高达300亿个.面对这一巨大的市场,物联网的突破口在哪里?电信运营商又该如何面对?     

基于UCB算法的信道选择方案

物联网在设备中的应用导致了更多的网络交通堵塞,本地服务器无法满足大数据传输的需要。很难做到在大数据下的中央处理模式云计算。边缘计算的出现,将数据卸载到多个边缘服务器进行处理。卸载到服务器的数据需要通过信道,以前的信道选择方法是基站的统一分配。如果终端设备可以通过自己的学习选择信道,可以提高效率、减轻基站的负担。文章对此开展分析。     

如何充分发挥NB-IoT的效益

数十亿个远程物联网终端设备为人类默默地工作,它们测量湿度、温度、振动幅度、空气质量或者其它一百多种参数。这些物联网设备提供的数据具有宝贵的价值。然而,只有将数据传输到云端进行筛选和分析,并以此做出对应的决策,这些参数才能发挥它们最大的价值。低功耗广域网(LPWAN)在远程物联网终端设备和云之间架起了桥梁。     

考虑边缘计算的轻量级网络硬件优化设计

随着移动互联网、物联网的蓬勃发展,大量智能终端设备产生了海量数据,这需要在网络边缘进行实时的智能分析和处理。因此,研究轻量级神经网络的硬件优化方案,以实现边缘智能成为当下的研究热点。文章阐述了基于模型压缩与量化、定点计算替代浮点计算、数据流优化、存储优化与并行计算等方面的轻量级网络硬件设计与优化策略,在FPGA实现方面,采用流水线并行与BRAM利用提升了MobileNetV2的执行效率。结果表明,与原始模型相比,优化后的模型参数量、内存占用等资源利用指标显著降低,CPU利用率、推理速度等性能指标明显提升。实验研究验证了文章所提的各项优化方法,为将深度神经网络部署到边缘设备提供了参考。     

万物可视—通过边缘智能实现的可视物联网

文章提出物联网的下一个发展阶段——可视物联网的基本架构,并将发展愿景概括为“看得清”“看得快”“看得懂”“看得广”以及“看得远”,深度分析所面临的技术挑战,包括物联网设备可视类数据的收集、物联网设备的多样性、高维异构性、环境复杂性、极低时延要求、承载可视数据的差异性、复杂系统中的智能控制、支持社交的可视物联网、可视数据的智慧管理以及具备类人功能的可视物联网。提出一种实现万物可视的新技术架构,包括采用边缘智能驱动的灵巧可视物联网端边云系统架构设计、软件可定义的可视信息生成技术、多特征流可视信息传输、边缘计算下多源可视数据的智能表达、基于内容的计算任务迁移模型以及大规模分散计算中的边缘智能控制技术,从而系统地实现物联网的视觉引擎,为物联网注入可视能力。     

面向5G边缘计算的物联网数据终端系统研究

针对现有技术的不足,提出了面向5G边缘计算的物联网数据终端系统研究。通过构建的边缘计算服务器搭建AI前置服务平台,能够负责监控数据图像。设计设备管理云能够实时远程监控物联网数据,通过业务接口向用户发送相关数据。在终端进行数据预处理,减轻服务平台处理压力。设计图像训练服务处理步骤,保证服务器端数据能够实时交互和更新。通过基于神经网络模型的交叉验证,避免监测过程中出现过拟合现象。     

基于MIMO的多无人机辅助移动边缘计算系统时延优化设计

物联网数据的快速增长和物联网设备的计算限制催生了移动边缘计算(Mobile?Edge?Computing,?MEC)解决方案.其中,无人机群的高机动性、易部署以及成本低的特点和多输入多输出(Multiple?Input?Multiple?Output,MIMO)技术能够增强边缘计算网络的传输容量,缩短边缘计算网络的传输...     

物联网中边缘计算关键技术及应用

随着物联网技术的快速发展，中心数据处理迁移到网络边缘设备的需求日益增长，云计算与远程中心的距离太远，导致延迟过大。同时，海量边缘设备产生的数据造成网络拥堵，大大增加了中心云的计算压力。因此，边缘计算的概念应运而生。阐述了边缘计算需要发展的三大驱动力，并从延迟、带宽、安全性和能耗四方面比较了云计算和边缘计算的差异，强调了边缘计算的优势。分析了支持边缘计算的几种主要技术，并重点介绍了其在车联网、智慧城市、智能家居、光伏发电等多个领域的应用场景，分析了制约边缘计算发展的因素以及现阶段的不足之处。未来，边缘计算技术有望在下一代通信网络中发挥更多价值。     

基于边缘人工智能的数据中心实时恶意程序检测

物联网设备越来越多地用于监控各种应用,同时还面临着数据分析经常需要“大数据”流支持的挑战,因此人们越来越关注新兴的边缘计算模式,特别是直接在网络边缘进行数据管理和分析的智能方法,这使得人工智能支持的边缘计算成为一个很有前景的发展方向。Antonio Libri等人2020年4月在《IEEE Internet of Things Journal》发表文章对此做了介绍。     

基于物联网的学科服务系统构建研究

物联网是信息时代下新型兴起的一种全新学科服务网络体系,它是以物联网为基础,其中融合了世界先进水准的人工智能技术,可以实现对相关学科信息的采集、处理以及发布等个性化服务,是一种具备多种功能的大型实用网络平台。其系统内部采用RFID系统,来采集相关设备在运行过程中所产生的数据,基于Pachube服务器将RFID系统内部所采集的动态信息整编后,传输到远程服务器上,再通过远程云端计算来实现物联网信息的实用化,与此同时它可以定制个性化的数据服务,并且借助互联网系统传输到单元客户手中。     

边缘AI的五大发展方向

1 推动边缘AI发展的两大方面 从需求方面看,因为算力要求高,最初的AI都从云端智能开始,数据必须上传到云端处理,而随后的发展过程中产生了对于用户体验和数据隐私方面的问题.边缘AI能够大大减小延时问题,并且对于网络环境的要求较为宽松,极大地提升了用户体验.同时边缘AI在处理数据过程中不必上传至云端,能够很好地保障数据隐...     

5G环境的边缘计算安全

5G是移动通信史的最大的变革,推动形成了"云网一体化"的服务模式,促进了个人应用向行业应用的转变,形成了移动互联向万物互联的转变.物联设备呈现多源异构型,并将任务卸载到边缘计算平台;海量移动设备接入,应用快速发展,流量将呈现爆发增长;超高速率与超低时延的应用场景需要常态化安全监测保障;流量分散在边缘,海量数据回传云端需要大量的带宽资源和传输成本.