[论文解读] Intelligent Device Discovery in the Internet of Things - Enabling the Robot Society

James Sunthonlap, Phuoc Nguyen+1 more|arXiv (Cornell University)|Dec 22, 2017

Cognitive Computing and Networks参考文献 12被引用 3

一句话总结

本文提出了一种面向物联网（IoT）中智能设备发现的社交感知与分布式（SAND）方案，利用度、聚类系数和介数等社交网络度量指标，高效引导发现请求。SAND在接触的中间设备数量显著少于基于广播的方法的同时，实现了接近最优的发现成功率和较低的通信跳数，从而在未来的‘机器人社会’中实现可扩展、节能且自主的设备协作。

ABSTRACT

The Internet of Things (IoT) is continuously growing to connect billions of smart devices anywhere and anytime in an Internet-like structure, which enables a variety of applications, services and interactions between human and objects. In the future, the smart devices are supposed to be able to autonomously discover a target device with desired features and generate a set of entirely new services and applications that are not supervised or even imagined by human beings. The pervasiveness of smart devices, as well as the heterogeneity of their design and functionalities, raise a major concern: How can a smart device efficiently discover a desired target device? In this paper, we propose a Social-Aware and Distributed (SAND) scheme that achieves a fast, scalable and efficient device discovery in the IoT. The proposed SAND scheme adopts a novel device ranking criteria that measures the device's degree, social relationship diversity, clustering coefficient and betweenness. Based on the device ranking criteria, the discovery request can be guided to travel through critical devices that stand at the major intersections of the network, and thus quickly reach the desired target device by contacting only a limited number of intermediate devices. With the help of such an intelligent device discovery as SAND, the IoT devices, as well as other computing facilities, software and data on the Internet, can autonomously establish new social connections with each other as human being do. They can formulate self-organized computing groups to perform required computing tasks, facilitate a fusion of a variety of computing service, network service and data to generate novel applications and services, evolve from the individual aritificial intelligence to the collaborative intelligence, and eventually enable the birth of a robot society.

研究动机与目标

• 解决大规模异构物联网网络中发现目标设备的可扩展性与效率挑战。
• 实现物联网设备之间的自主、类人社交连接，以支持协同智能与新型服务生成。
• 设计一种分布式、非中心化的发现机制，避免单点故障并降低能耗。
• 通过引入类似社交网络的度量指标（如度、多样性、聚类系数和介数）建模设备关系，提升发现性能。
• 为一个自组织的‘机器人社会’奠定基础，使设备能够在无人监督下协同融合计算、网络与数据资源。

提出的方法

• 提出一种基于四种社交网络度量指标（度、社交关系多样性、聚类系数和局部介数）的新型设备排序标准。
• 使用按设备排序标准确定优先级的深度优先搜索，引导发现请求通过高影响力网络节点。
• 优先选择介数高的设备，因其位于众多最短路径上，充当关键网络交汇点。
• 将排序标准应用于动态选择发现过程中的下一跳，确保高效定位目标设备。
• 在随机网络和无标度网络拓扑上对方案进行仿真，评估其在多样化物联网环境下的性能。
• 从成功率、通信跳数和已接触设备数量三个方面，将SAND的性能与基于广播的分布式发现方案进行对比。

实验结果

研究问题

• RQ1 在无中心化控制的情况下，物联网设备如何在大规模异构网络中高效发现具有特定功能的目标设备？
• RQ2 社交网络度量在多大程度上能提升物联网环境中设备发现的效率与可扩展性？
• RQ3 分布式、社交感知的发现机制是否能在保持高发现成功率的同时，减少所接触的中间设备数量？
• RQ4 与基于广播的发现方式相比，SAND在通信开销和能效方面表现如何？
• RQ5 社交网络特性（如聚类和介数）在引导发现请求通往最优路径方面发挥何种作用？

主要发现

• SAND实现了近乎最优的发现成功率，与全广播式分布式方案相当。
• SAND的通信跳数与基于广播的方案相当，表明其具备高效的路径发现能力。
• SAND所接触的中间设备数量显著少于基于广播的方案，表明其能耗更低、网络开销更小。
• 所提出的设备排序标准（融合度、多样性、聚类系数和介数）能有效引导发现过程朝向关键网络节点。
• 该方案在随机网络和无标度网络拓扑上均表现良好，表明其在不同物联网网络结构下具备鲁棒性。
• 仿真结果证实，SAND能够实现可扩展、高效且节能的设备发现，支持自主、自组织机器人社会的愿景。