Titulo Estágio
Proposta e estudo de mecanísmos de fiabilidade para a Internet das Coisas Industriais através de algoritmos de Machine Learning
Áreas de especialidade
Comunicações, Serviços e Infraestruturas
Local do Estágio
DEI-FCTUC
Enquadramento
O aparecimento de tecnologias de baixo custo, juntamente com a miniaturização da tecnologia, permitiu o aparecimento de tecnologias que permitem a interligação dos objetos existentes no nosso quotidiano. Atualmente podemos encontrar por toda a Internet, centenas de fóruns, blogs, vídeos e tutoriais de como aplicar esta tecnologia em todo o tipo de aplicações. No entanto, os requisitos desta tecnologia em ambientes industriais são diferentes dos outros restantes domínios. Soluções para este tipo de ambiente, necessitam de estar operacionais 24/7 e ao mesmo tempo devem ser imunes a um conjunto de fatores externos, como ruido, interferências, etc. Assim, neste domínio, algumas tecnologias IoT de redes de sensores sem fios apareceram nos últimos anos disponibilizando mecanismos de fiabilidade, determinismo e segurança. Especificamente, tecnologias normalizadas como o WirelessHART, ISA100.11a, WIA-PA e 6Tisch massificaram-se, fazendo parte hoje em dia de muitos sistemas industriais de monitorização.
No entanto, a existência de múltiplas tecnologias de redes de sensores torna a sua gestão difícil neste tipo de indústria, dada as suas especificidades. Além disso, estes sistemas continuam a ser sensíveis a diferentes tipos de falhas, dadas as suas fracas capacidades de processamento, memória e energia e ao ambiente, muitas vezes adverso, onde são instalados.
Deste modo este trabalho pretende desenvolver técnicas de deteção de anomalias para este tipo de redes, através da utilização de dados de monitorização já recolhidos através de uma testbed industrial desenvolvida. Através destes dados, pretende-se a identificação de anomalias de rede, anomalias de firmware e anomalias de hardware. Pretende-se assim no final obter um algoritmo que identifique este tipo de falhas.
Objetivo
Este projeto propõe o estudo, o desenvolvimento e a avaliação de mecanismos de machine learning para deteção de anomalias em redes de sensores sem fios. Para isso irá utilizar-se um dataset já previamente obtido através de uma rede de WirelessHART de trabalhos anteriores. O dataset contém dados sobre o estado dos nós de rede em períodos normais e anómalos. Os períodos anómalos foram criados através da injeção de anomalias na rede.
O aluno irá iniciar o seu trabalho através do estudo ao estado de arte de deteção de anomalias nas redes de sensores sem fios. Posteriormente, irá criar um modelo (recorrendo por exemplo a bibliotecas em Python como o Scikit learn, Pandas, entre outros). Esse modelo será testado e posteriormente avaliado.
Plano de Trabalhos - Semestre 1
1) Estudo do estado-da-arte sobre detecção de anomalias em redes de sensores sem fios.
Data de início: Setembro 2018
Duração estimada: 1 mês
2) Avaliação das principais ferramentas de Machine Learning e escolha dos algoritmos a implementar.
Data de início: Outubro 2018
Duração estimada: 3 meses
Plano de Trabalhos - Semestre 2
3) Processo de Machine Learning: seleção de features, normalização dos dados, treino, teste e avaliação do classificador.
Data de início: Janeiro 2019
Duração estimada: 4 meses
4) Avaliação e escrita da Tese.
Data de início: Maio 2019
Duração estimada: 2 meses
Condições
No final o algoritmo irá ser utilizado na testbed existente no laboratório para deteção de anomalias.
Orientador
Duarte Raposo, André Rodrigues, Jorge Sá Silva
sasilva@dei.uc.pt 📩