MétaCan
Menu
Retour à la cohorte
Enregistrement W4389192167 · doi:10.22215/etd/2023-15684

A Scalable Approach to Improve Security and Resilience of Smart City IoT Architectures

2023· dissertation· en· W4389192167 sur OpenAlexaff
Gieorgi Maxim Zakurdaev

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)ScalabilityInternet of ThingsSmart cityCloud computingComputer securityComputer scienceService (business)Business

Résumé

récupéré en direct d'OpenAlex

The swift emergence of smart technologies, notably the Internet of Things (IoT), has revolutionized numerous industry sectors.However, outdated IoT architectures constrain innovation in smart cities due to scalability issues, compromised resilience, and security vulnerabilities.This thesis scrutinizes these challenges, advocating a contemporary approach to IoT system design.Prioritizing performance, scalability, security, and resilience, the research delves into the applicability of Platform-as-a-Service (PaaS) and Infrastructure-as-Code (IaC) methodologies, endorsing containerization and cloud-centric patterns for smart city IoT.The introduced model is contrasted with prevailing architectures, highlighting a trajectory for IoT progression.Merging empirical and theoretical insights, this study furnishes guidelines for the future of IoT in smart industries, underscoring the benefits of service-based architectures for efficiency, resilience, and security.iii This MASc thesis owes its existence to the guidance and encouragement of many.My appreciation goes to Dr. Chung-Horng Lung, whose keen insights sparked my interest in cloud technologies, one of the most fascinating focus areas of this research.I am also indebted to Mohammed Ismail, a long-time friend and academic cohort.His eagerness to explore the complexities of containerization technologies along with me, combined with his invaluable advice during the implementation and testing phases of my experiments, contributed significantly to the success of this work.My family, a constant source of strength, and my patient fiancé, who has endured my long working hours and has always stood by me, deserve heartfelt recognition.I would be remiss not to mention my two feline companions, whose incessant meows formed a harmonic and cheering soundtrack outside my office door.Finally, I attribute the greatest part of this journey's success to the unwavering guidance of my supervisor, Dr. Jason Jaskolka.His mentorship, from igniting my interest in cybersecurity to the detailed critiques of my work and consistent support, has been profoundly inspirational.His exemplary efficiency and dedication to his students' success were guiding lights during challenging times, for which I am endlessly grateful.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,253
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207