[论文解读] Social-Feature Enabled Communications among Devices towards Smart IoT Community

Qinghe Du, Houbing Song+1 more|arXiv (Cornell University)|Jul 10, 2018

Human Mobility and Location-Based Analysis参考文献 12被引用 5

一句话总结

本文提出了一种统一的排队模型框架，用于表征去中心化、设备到设备（D2D）通信中智能物联网社区的社会特征——信用、声誉和中心性。通过将社会度量建模为随机排队过程并应用渐近分析，该框架能够对动态社会交互进行统计表征，支持大规模、基础设施轻量级物联网环境下的网络优化与自主决策。

ABSTRACT

Future IoT is expected to get ubiquitous connection and access in a global scale. In the meantime, with the empowered communications capability for IoT devices, IoT will evolve to be highly autonomous, even under the help from infrastructure, and thus will gradually establish the smart IoT community. One of the major challenges imposed on the smart IoT communities is the socialization of IoT communications, because massive IoT accesses make centralized control very hard and also face the shortage of spectrum resources. Towards these issues, we in this article first present the overview and discussions on social features affecting connections among devices. Then, we motivate studies on the statistical characteristics of social features for connections among devices towards smart IoT. We further propose the queuing model under unified asymptotic analyses framework to characterize the statistical social features, with emphases on typical social metrics such as credit, reputation, centrality, etc. How to apply these features for network optimization is further suggested. Finally, we share our opinion on the open problems of social-aware design towards future smart IoT.

研究动机与目标

• 解决缺乏集中控制的大规模物联网网络中去中心化、可扩展通信的挑战。
• 通过社会感知的设备交互，克服大规模物联网部署中的频谱稀缺性和可扩展性问题。
• 开发一个统一的分析框架，以建模和表征D2D支持的物联网中动态社会度量（如信用、声誉和中心性）。
• 通过利用社会特征实现连接和资源管理，使基础设施轻量级的物联网社区实现自主运行。
• 识别未来智能物联网生态系统中全局社会度量定义和社会感知安全方面的开放研究问题。

提出的方法

• 将社会度量（信用、声誉、中心性）建模为随机排队过程，将其累积与衰减分别视为到达与离开过程。
• 应用渐近排队分析，表明在该框架下，这些度量的队列分布近似服从指数分布，从而实现统一的分析框架。
• 引入反向排队技术，联合建模信用与声誉，将贷款限额视为动态队列边界。
• 将中心性建模为一个队列，其中到达事件代表交互事件（例如，数据转发），离开事件代表影响力随时间的衰减。
• 在线性滤波模型中引入遗忘因子以近似声誉动态，但本文强调完整排队模型在统计准确性方面的优越性。
• 提出一种离开率控制机制，以动态调节中心性度量失去相关性的速度，从而实现对活跃D2D节点行为的运营商控制。

实验结果

研究问题

• RQ1 在去中心化的D2D物联网网络中，如何对信用、声誉和中心性等社会特征进行数学建模？
• RQ2 在动态、大规模物联网条件下，何种统一分析框架可支持对多样化社会度量的统计表征？
• RQ3 如何利用排队论捕捉声誉与信用的动态，特别是在存在时变信任和资源交换的情况下？
• RQ4 中心性能否被有效建模为排队过程，以反映设备影响力和活动的实时变化？
• RQ5 在设计全局、安全且可扩展的社会感知物联网社区方面，关键的开放挑战是什么？

主要发现

• 在D2D物联网网络中，信用、声誉和中心性度量的统计行为可通过基于渐近分析的统一排队框架有效建模。
• 在所提出的框架下，这些社会度量的队列分布近似服从指数分布，从而支持可处理的统计分析。
• 反向排队模型通过将信用贷款视为动态队列边界，实现了信用与声誉的联合表征，支持基于信任的资源分配。
• 中心性可建模为一个队列，其到达过程代表同伴交互，恒定离开率反映影响力的衰减，从而实现对实时变化的响应。
• 所提出的框架可通过可调离开率实现对设备活跃度的动态控制，使网络运营商能够管理D2D连接质量。
• 开放问题包括定义对移动性具有鲁棒性的全局社会度量，以及设计社会感知安全机制以确保去中心化物联网社区中的信任。