Hoy en día, los sistemas ciberfísicos (CPS) se utilizan en muchos escenarios y soluciones, como la robótica submarina [1], la agricultura inteligente, los vehículos autónomos (aéreos o terrestres), las redes inteligentes [2], las ciudades inteligentes, etc. Los CPS pueden estudiarse como un conjunto de sistemas diferentes (un sistema de sistemas) interconectados, en el que cada uno de ellos captura datos del entorno y los comparte con los demás componentes a través de una red. La fusión de datos de diferentes fuentes puede conducir a niveles más altos de autonomía, ya que se puede inferir información útil correlacionando los datos recopilados por todos los componentes. Así, la integración de datos en CPS proporciona a la solución final donde se utiliza un uso de información de mayor calidad, así como un mayor nivel de autonomía cuando es necesario [3]. Los datos pueden recopilarse de una gran cantidad de fuentes: medio ambiente, biometría, sensores mecatrónicos, ubicación, etc. Como puede observarse, algunas de estas fuentes de datos son de gran importancia para el comportamiento del CPS y su relación con el entorno. Una interpretación errónea de los datos o una modificación intencionada de cualquier variable (en forma de ataque de seguridad externo) puede producir disfunciones críticas en el CPS, lo que conlleva consecuencias desastrosas. Por lo tanto, la fusión de datos y la seguridad de los datos son fundamentales a la hora de implementar CPS.
Hoy en día, los sistemas ciberfísicos (CPS) se utilizan en muchos escenarios y soluciones, como la robótica submarina [1], la agricultura inteligente, los vehículos autónomos (aéreos o terrestres), las redes inteligentes [2], las ciudades inteligentes, etc. Los CPS pueden estudiarse como un conjunto de sistemas diferentes (un sistema de sistemas) interconectados, en el que cada uno de ellos captura datos del entorno y los comparte con los demás componentes a través de una red. La fusión de datos de diferentes fuentes puede conducir a niveles más altos de autonomía, ya que se puede inferir información útil correlacionando los datos recopilados por todos los componentes. Así, la integración de datos en CPS proporciona a la solución final donde se utiliza un uso de información de mayor calidad, así como un mayor nivel de autonomía cuando es necesario [3]. Los datos pueden recopilarse de una gran cantidad de fuentes: medio ambiente, biometría, sensores mecatrónicos, ubicación, etc. Como puede observarse, algunas de estas fuentes de datos son de gran importancia para el comportamiento del CPS y su relación con el entorno. Una interpretación errónea de los datos o una modificación intencionada de cualquier variable (en forma de ataque de seguridad externo) puede producir disfunciones críticas en el CPS, lo que conlleva consecuencias desastrosas. Por lo tanto, la fusión de datos y la seguridad de los datos son fundamentales a la hora de implementar CPS. Read More
Related posts:
Análisis del uso de la inteligencia artificial en la toma de decisiones en sistemas de control eléctrico industrial.
Effects of sliding window variation in the performance of acceleration-based human activity recognition using deep learning models
Sistemas de gestión de devoluciones en E-commerce: Cómo reducir costos y mejorar la satisfacción del cliente
Diseño de aplicación para simulación de técnicas de posicionamiento con frecuencias 5G en interiores
Towards Blockchain-Based Internet of Things Systems for Energy Smart Contracts With Constrained Hardware Devices and Cloud Infrastructure
Accuracy Comparison of CNN, LSTM, and Transformer for Activity Recognition Using IMU and Visual Markers