| 초록 |
연구의 목적 및 내용 최종 목표 : 대규모 노드의 분산 지능을 위한 구조 연구 및 각 노드의 역할 분담 등을 통한 초연결 IoT 시스템의 지능화 프레임 워크 개발 전체 내용 : ㅇ 군집 지능화를 위한 노드 지능 레벨에 따른 계층적 구조 확립 ㅇ SDN 기반의 동적 군집노드 협업 관리 프레임워크 연구 1단계 (해당시 기재) 목표 : 초연결 IoT 노드의 군집 지능화를 통한 Edge computing을 위한 사전 연구 내용 : - 대규모로 분산되어 있는 단말 노드들의 성능과 상황에 따른 역할 분배 연구 및 군집 지능화 관련 기술 연구 - SDN 기술을 Edge computing에 적용하기 위한 필수요소 기능을 정의하고 경량화에 대한 연구 2단계(해당시 기재) 목표 : 분산 지능을 위한 계층적 구조 및 각 노드의 Classification을 통한 역할 분담으로 효율적 분산처리를 가능케 하는 초연결 IoT 시스템의 지능화 프레임워크 개발 내용 : ㅇ 군집 지능화를 위한 노드 지능 레벨에 따른 계층적 구조 확립 ㅇ SDN 기반의 동적 군집노드 협업 관리 프레임워크 연구 연구개발성과 ㅇ 군집 지능화를 위한 노드 지능 레벨에 따른 계층적 구조 확립 - Low Layer 노드 지능화, IoT 노드 기반 추론 엔진, Middle Layer 기반 분산처리 기술, 시공간 통합 이벤트 탐지 및 추론, IoT 클러스터 기반 실시간 스트림 데이터 처리 등의 기술을 응용하여 계층화 된 군집 노드의 계층별 학습 및 추론 기술 개발 ㅇ SDN 기반의 동적 군집 노드 협업 관리 프레임워크 도출 - SDN 기술을 Edge computing에 적용하기 위한 필수요소 기능을 파악하고 경량화에 대한 연구를 진행하여 새로운 개념의 SDN 컨트롤러를 통한 동적 IoT 군집 노드 협업 관리 프레임워크 관련 기술 개발 연구개발성과의 활용계획(기대효과) ㅇ 초연결 IoT 기반 Edge computing 시스템을 통하여 한 노드에서 처리할 수 없는 실시간 스트림 데이터의 제어 관리를 위한 SDN 기술 및 분산 처리 기술을 응용하여 금융, 교육, 유통 등 다양한 분야에 적합한 지능형 실시간 데이터 처리 서비스 제공 ㅇ 연구 결과인 초연결 IoT 노드의 군집 지능화를 통한 edge computing 기술의 핵심 기술인 지능형 IoT, SDN, 기계 학습, 군집 지능 등을 여러 IT 분야 (예; Smart LED, Smart Factory, Connected car 등)의 핵심 요소 기술로서 적용 ㅇ 대규모 분산 학습/추론 기술은 IoT 및 클라우드 컴퓨팅 환경에서 다양한 구조와 규모의 시스템에 효율적으로 적용할 수 있으므로, 이를 사용해 사용자에 적합한 서비스를 제공할 수 있고 성능을 최적화함으로써 해당 분야의 기술 선도 ㅇ IoT 및 AI 관련 분야의 원천기술 확보, 논문 및 특허 등 지적재산권 형태의 산출물을 확보하여 국가 산업 경쟁력을 강화 (출처 : 요약문 4p) |
