УДОСКОНАЛЕННЯ МЕТОДУ БАГАТОЦІЛЬОВОЇ ОПТИМІЗАЦІЇ КЕРУВАННЯ IoT-СИСТЕМОЮ РОЗУМНОГО БУДИНКУ З УРАХУВАННЯМ КІБЕРРИЗИКУ
DOI:
https://doi.org/10.28925/2663-4023.2026.34.1389Ключові слова:
розумний будинок, Інтернет речей, кіберризик, багатоцільова оптимізація, керування, сенсорні дані, проактивне керування, імітаційне моделюванняАнотація
Розвиток технологій Інтернету речей та систем розумного будинку супроводжується збільшенням кількості автоматизованих рішень, що приймаються на основі інформації від сенсорів. Достовірність цих даних безпосередньо впливає на якість керування, оскільки помилкові або навмисно змінені значення можуть призвести до формування нераціональних керуючих дій. У статті запропоновано удосконалення методу багатоцільової оптимізації керування IoT-системою розумного будинку шляхом додаткового врахування кіберризику. За основу прийнято модель проактивного керування, в якій вибір дії здійснюється на основі оцінювання комфорту користувача та енергоефективності. Для підвищення стійкості системи до спотворення сенсорних даних до функції корисності введено додаткову складову, яка залежить від рівня недовіри до отриманого значення та можливого впливу керуючої дії на стан системи. Рівень недовіри визначається на основі відхилення поточного сенсорного значення від довіреної оцінки контрольованого параметра. Для перевірки запропонованого підходу використано імітаційне моделювання процесу керування температурою приміщення. Проведено порівняння базового та удосконаленого методів у штатному режимі та за умов навмисного заниження показників температурного сенсора. Результати моделювання показали, що врахування кіберризику дозволяє суттєво зменшити кількість помилкових керуючих дій та зберегти температурний комфорт на рівні, близькому до штатної роботи системи. У модельному сценарії частка часу в зоні температурного комфорту зросла з 89,50 % для базового алгоритму зі спотворенням даних до 99,66 % для удосконаленого, а середня кількість ризикових команд зменшилася з 184,37 до 4,63. Запропоноване удосконалення не потребує істотної зміни архітектури програмної системи та може бути реалізоване шляхом модифікації функції оцінювання альтернативних керуючих дій.
Завантаження
Посилання
Gubbi, J., Buyya, R., Marusic, S., & Palaniswami, M. (2013). Internet of Things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7), 1645–1660. https://doi.org/10.1016/j.future.2013.01.010
Karkouch, A., Mousannif, H., Al Moatassime, H., & Noel, T. (2016). Data quality in Internet of Things: A state-of-the-art survey. Journal of Network and Computer Applications, 73, 57–81. https://doi.org/10.1016/j.jnca.2016.08.002
Zhang, A., Song, S., Wang, J., & Yu, P. S. (2017). Time series data cleaning: From anomaly detection to anomaly repairing. Proceedings of the VLDB Endowment, 10(10), 1046–1057. https://doi.org/10.14778/3115404.3115410
Chahuara, P., Portet, F., & Vacher, M. (2017). Context-aware decision making under uncertainty for voice-based control of smart home. Expert Systems with Applications, 75, 63–79. https://doi.org/10.1016/j.eswa.2017.01.014
Cotti, L., Guizzardi, D., Barricelli, B. R., & Fogli, D. (2024). Enabling end-user development in smart homes: A machine learning-powered digital twin for energy efficient management. Future Internet, 16(6), 208. https://doi.org/10.3390/fi16060208
Dobrovolskis, A., Kazanavičius, E., & Kižauskienė, L. (2023). Building XAI-based agents for IoT systems. Applied Sciences, 13(6), 4040. https://doi.org/10.3390/app13064040
Ahmad, R., & Alkhammash, E. H. (2024). Online adaptive Kalman filtering for real-time anomaly detection in wireless sensor networks. Sensors, 24(15), 5046. https://doi.org/10.3390/s24155046
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3), 1–58. https://doi.org/10.1145/1541880.1541882
Khan, A. N. (2023). An OCF-IoTivity enabled smart-home optimal indoor environment control system for energy and comfort optimization. Internet of Things, 22, 100712. https://doi.org/10.1016/j.iot.2023.100712
Khan, Q. W., Ahmad, R., Rizwan, A., Khan, A., Lee, K., & Kim, D. (2024). Optimizing energy efficiency and comfort in smart homes through predictive optimization: A case study with indoor environmental parameter consideration. Energy Reports, 11, 5619–5637. https://doi.org/10.1016/j.egyr.2024.05.038
Nishchemenko, D. O., & Aronov, A. O. (2025). Research on methods for optimizing parameters of a smart home control system using IoT. Telecommunication and Information Technologies, 1, 141–150. https://doi.org/10.31673/2412-4338.2025.013027
Nishchemenko, D. O., & Oleinikov, I. A. (2025). Proactive smart home control architecture based on contextual user intentions and multi-objective optimization. Telecommunication and Information Technologies, 3, 141–149. https://doi.org/10.31673/2412-4338.2025.038716
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Андрій Аронов, Вікторія Жебка , Дмитро Ніщеменко , Олексій Ананченко

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.