УДОСКОНАЛЕННЯ МЕТОДУ БАГАТОЦІЛЬОВОЇ ОПТИМІЗАЦІЇ КЕРУВАННЯ IoT-СИСТЕМОЮ РОЗУМНОГО БУДИНКУ З УРАХУВАННЯМ КІБЕРРИЗИКУ

Автор(и)

DOI:

https://doi.org/10.28925/2663-4023.2026.34.1389

Ключові слова:

розумний будинок, Інтернет речей, кіберризик, багатоцільова оптимізація, керування, сенсорні дані, проактивне керування, імітаційне моделювання

Анотація

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

Дані завантаження ще не доступні.

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

Downloads


Переглядів анотації: 8

Опубліковано

2026-09-24

Як цитувати

Жебка , В., Аронов, А., Ніщеменко, Д., & Ананченко , О. (2026). УДОСКОНАЛЕННЯ МЕТОДУ БАГАТОЦІЛЬОВОЇ ОПТИМІЗАЦІЇ КЕРУВАННЯ IoT-СИСТЕМОЮ РОЗУМНОГО БУДИНКУ З УРАХУВАННЯМ КІБЕРРИЗИКУ. Електронне фахове наукове видання «Кібербезпека: освіта, наука, техніка», 2(34), 820–830. https://doi.org/10.28925/2663-4023.2026.34.1389

Статті цього автора (авторів), які найбільше читають

1 2 > >>