KR20180072318A

KR20180072318A - 데이터 왜곡을 방지할 수 있는 사물 인터넷 네트워크 시스템

Info

Publication number: KR20180072318A
Application number: KR1020160175762A
Authority: KR
Inventors: 김대영; 김범석
Original assignee: 창신대학교 산학협력단
Priority date: 2016-12-21
Filing date: 2016-12-21
Publication date: 2018-06-29

Abstract

본 발명은 사물인터넷 네트워크 시스템에 관한 것으로, 보다 구체적으로 센서 노드로부터 수집 노드로 센싱 데이터를 전달하기 전 별도의 필터링 장치를 통해 센서 노드에서 생성된 비정상 데이터를 필터링하여 정상 데이터만을 수집 서버로 송신할 수 있으며, 센싱 데이터를 정상 데이터와 비정상 데이터로 필터링함과 동시에 비정상으로 필터링된 센싱 데이터의 경우 이벤트 데이터인지도 추가적으로 판단할 수 있는 사물인터넷 네트워크 시스템에 관한 것이다.

Description

데이터 왜곡을 방지할 수 있는 사물 인터넷 네트워크 시스템{IoT network system for preventing data distortion}

IoT(Internet of Things) 또는 IoE(internet of Everything)로 불리는 사물인터넷이라는 용어는 1999년 MIT의 오토 아이디 센터(Auto-ID Center)소장인 애시 톤(Kevin Ashton)이 ‘RFID 및 기타 센서를 일상생활 속 사물에 탑재함으로써 사물인터넷이 구축될 것’이라고 언급하면서 최초로 사용되기 시작하였다. 이에 따르면 사물인터넷이란 일반적으로 사람, 사물, 공간, 데이터 등 모든 것이 인터넷으로 서로 연결되어 정보가 생성, 수집, 공유, 활용되는 것을 의미한다.

사물인터넷은 기존 유선통신 기반의 인터넷 및 모바일 인터넷보다 한 단계 진화된 형태로, 사람 대 사람, 사람 대 사물, 사물 대 사물로 통신가능 범위가 확대되고, 이를 바탕으로 최종적으로는 사물 간의 자율적 통신이 가능한 사물지능통신(M2M)의 구현을 주요 내용으로 한다. 또한 사물인터넷은 M2M의 개념이 무선통신을 넘어 인터넷 구조 전반에 적용됨으로써 현실과 가상 세계의 모든 정보들이 상호작용하는 개념으로 진화된 차세대 인터넷 환경을 의미하기도 한다. 여러 관점을 종합해보면 결국 사물인터넷은 인간과 사물, 서비스 등 분산된 구성 요소들 간의 인위적인 개입 없이 상호 협력적으로 센싱, 네트워킹, 정보 교환 및 처리 등의 지능적 관계를 형성하는 사물의 공간 연결망이라 할 수 있다.

사물인터넷을 실현하기 위한 네트워킹 기술로써 Bluetooth, ZigBee, Z-Wave, Wi-Fi 등의 근거리 무선 통신 기술들이 많이 고려되고 있으며, 최근에는 3GPP에서도 LTE 이동통신 시스템에서 사물인터넷 단말 및 서비스를 수용하기 위한 다양한 표준화를 진행되고 있다.

이러한 통신 환경에서 다양한 종류의 센서 노드들이 사용되어 사물인터넷의 단말 수는 폭발적으로 증가할 것이며, 이들 사물인터넷 단말을 통해 수집되는 정보는 더 폭발적으로 증가할 것이다. 그러나 이러한 사물인터넷 단말은 통상적으로 제한된 에너지원과 처리 능력을 가지고 있어서, 사물인터넷 단말에서 발생하는 오동작 센싱 데이터를 자체적으로 필터링하기 곤란하며, 생성된 모든 센싱 데이터를 수집 서버로 송신하게 된다. 따라서 수집 서버는 대량의 센싱 데이터를 처리하는데 많은 에너지와 프로세스를 낭비하게 되며, 데이터 송수신율에서 그리고 데이터 효율성에서 성능을 저하시키는 원인이 되고 있다.

본 발명은 위에서 언급한 종래 사물인터넷 네트워크 시스템이 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 센서 노드로부터 수집 노드로 센싱 데이터를 전달하기 전 별도의 필터링 장치를 통해 센서 노드에서 생성된 비정상 데이터를 필터링하여 정상 데이터만을 수집 서버로 송신할 수 있는 사물 인터넷 네트워크 시스템을 제공하는 것이다.

본 발명이 이루고자 하는 다른 목적은 필터링 장치에서 센싱 데이터를 정상 데이터와 비정상 데이터로 필터링함과 동시에 비정상으로 필터링된 센싱 데이터의 경우 이벤트 데이터인지도 추가적으로 판단할 수 있는 사물인터넷 네트워크 시스템을 제공하는 것이다.

본 발명의 목적을 달성하기 위하여 본 발명에 따른 사물인터넷 네트워크 시스템은 배치된 위치에서 센싱 데이터를 생성하는 다수의 센서 노드와, 센싱 데이터를 이용하여 가공 정보를 생성하는 수집 서버와, 센서 노드들로부터 수집 서버로 센싱 데이터를 송신 전달하기 전, 센싱 데이터를 수신하여 센싱 데이터와 기존 센싱 데이터의 통계 정보를 비교하여 센싱 데이터가 정상 데이터인지 비정상 데이터인지 판단하는 필터링 장치를 포함하며, 필터링 장치는 정상 데이터로 판단된 센싱 데이터를 수집 서버로 송신하는 것을 특징으로 한다.

여기서 본 발명의 일 실시예에 따른 필터링 장치는 인접한 단위 시간 동안 센서 노드들로부터 수신한 센싱 데이터 중 비정상 데이터로 판단된 센싱 데이터 사이의 유클리디안 거리(Euclidean Distance)를 계산하여, 유클리디안 거리가 임계 거리 이내인 센싱 데이터를 이벤트 데이터로 추출하고, 이벤트 데이터를 수집 서버로 송신 제어하는 것을 특징으로 한다.

바람직하게, 본 발명의 일 실시예에 따른 필터링 장치는 센싱 데이터의 크기(x₁) 또는 센싱 데이터 발생 주기(x₂)의 데이터 속성값과 데이터 속성값에 따라 센싱 데이터가 정상인지 또는 비정상인지를 나타내는 데이터 상태값(y)의 통계 정보로부터 베이시안(bayesian) 통계 방식에 따라 아래의 수학식(1)에 의해 수신한 센싱 데이터가 정상 데이터인지 비정상 데이터인지 판단하며,

[수학식 1]

여기서 데이터 상태값은 비정상 데이터를 나타내는 0의 값 또는 정상 데이터를 나타내는 1의 값을 가지며, 센싱 데이터의 크기는 하한 임계값 이하이면 0의 값, 상한 임계값 이상이면 2의 값, 상기 하한 임계값과 상한 임계값 사이이면 1의 값을 가지며, 센싱 데이터의 발생 주기는 비주기적이면 0의 값 그리고 주기적이면 1의 값을 가지며,

는 조건부 확률을 의미하며,

는 데이터 상태값이 0 또는 1 중 어느 하나의 값으로 설정시 센싱 데이터의 데이터 속성값(x₁, x₂)에 따라 설정한 데이터 상태값을 가질 예측값 중 가장 높은 예측값으로 선택되는 함수인 것을 특징으로 한다.

본 발명에 따른 사물인터넷 네트워크 시스템은 다음과 같은 효과를 가진다.

본 발명에 따른 사물인터넷 네트워크 시스템은 센서 노드로부터 수집 노드로 센싱 데이터를 전달하기 전 별도의 필터링 장치를 통해 센서 노드에서 생성된 비정상 데이터를 필터링함으로써, 정상 데이터만을 수집 서버로 송신할 수 있어 수집 서버에서 센싱 데이터를 처리하는데 소요되는 에너지와 프로세싱 부하를 줄일 수 있다.

도 1은 본 발명에 따른 사물인터넷 네트워크 시스템을 설명하기 위한 기능 블록도이다.
도 2는 본 발명에 따른 필터링 장치를 설명하기 위한 기능 블록도이다.
도 3은 본 발명에 따른 사물 인터넷 네트워크 시스템의 성능을 테스트하기 위하여 예측된 비정상 데이터와 실제 비정상 데이터의 양의 차이를 설명한 도면이다.
도 4는 수신되는 센싱 데이터 중 비정상 데이터가 필터링된 후 수집 서버로 송신되는 센싱 데이터의 양을 설명하기 위한 도면이다.

본 발명에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다.

또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서, "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들, 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.

또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.

이하 첨부한 도면을 참고로 본 발명에 따라 데이터 왜곡을 방지하는 사물인터넷 네트워크 시스템에 대해 보다 구체적으로 설명한다.

도 1은 본 발명에 따른 사물인터넷 네트워크 시스템을 설명하기 위한 기능 블록도이다.

도 1을 참고로 보다 구체적으로 살펴보면, 저전력 광역통신망(LPWAN)에는 다수의 센서 노드가 위치하는 센서 그룹(11, 13)이 존재하는데, 센서 그룹(11, 13)의 센서 노드들은 위치하고 있는 장소에서 센싱 데이터를 생성하고 생성한 센싱 데이터를 저전력 광역통신망을 통해 게이트웨이(21, 23)로 송신한다.

통상의 무선 광역통신망은 스마트 폰 등으로 사람이 음성, 영상, 데이터를 주고받기 위한 이동통신 네트워크를 얘기한다. 3G, 4G망 등이 그 주요 예이다. 그러나 저전력 광역통신망은 사물인터넷 디바이스들을 위한 이동통신망이라 할 수 있다.

저전력 광영통신망은 스마트 홈, 스마트 빌딩 등에 사용하는 BLE, 지그비 등 짧은 거리를 위한 근거리 무선 통신 기술을 적용할 경우 사물인터넷 서비스 제공자는 스마트 홈 게이트웨이, 스마트 폰 등의 복잡한 과정을 거쳐야 사물인터넷 디바이스에 접근할 수 있으나 저전력 광역통신망을 통할 경우에는 사용자 영역의 번거로운 과정을 거치지 않고 직접 연결할 수가 있다. 주로 많은 수의 디바이스들이 필요한 옥외 응용 분야에서 더 유용하게 이용할 수 있다.

게이트웨이(21, 23)는 네트워크(30)를 통해 수집 서버(70)로 송신하는데, 센서 노드와 수집 서버(70) 사이에는 센서 노드의 센싱 데이터를 수집 서버(70)로 송신 전, 센싱 데이터를 정상 데이터와 비정상 데이터로 구분하여 필터링하는 필터링 장치(100)가 배치되어 있다. 여기서 필터링 장치(70)는 센서 노드들로부터 수신한 센싱 데이터를 수집 서버(70)로 송신하기 전, 수신한 센싱 데이터와 기존 센싱 데이터의 통계 정보를 비교하여 센싱 데이터가 정상 데이터인지 또는 비정상 데이터인지 판단한다. 여기서 정상 데이터는 센서 노드들이 정상적인 동작 과정 중에서 생성한 센싱 데이터를 의미하며, 비정상 데이터는 센서 노드들이 오동작으로 인해 생성한 센싱 데이터로 수집 서버(70)에서 사용되지 못하는데 센싱 데이터를 의미한다.

도 2는 본 발명에 따른 필터링 장치를 설명하기 위한 기능 블록도이다.

도 2를 참고로 보다 구체적으로 살펴보면, 송수신부(110)는 네트워크(30)를 통해 센서 그룹(11, 13)의 센서 노드들로부터 센싱 데이터를 수신한다. 예측값 계산부(130)는 수신한 센싱 데이터의 데이터 속성값(x)과 데이터 속성값에 따라 센싱 데이터가 정상인지 또는 비정상인지를 나타내는 데이터 상태값(y)의 통계 정보로부터 베이시안(Bayesian) 통계 방식에 따라 센싱 데이터의 예측값을 계산한다. 여기서 데이터 속성값(x)은 센싱 데이터의 크기(x₁)와 센싱 데이터의 발생 주기(x₂)를 포함하는데, 여기서 예측값(v)은 아래의 수학식(1)에 의해 계산되는 것을 특징으로 한다.

[수학식 1]

여기서 데이터 상태값은 비정상 데이터를 나타내는 0의 값 또는 정상 데이터를 나타내는 1의 값 중 어느 하나의 값을 가지며, 센싱 데이터의 크기는 하한 임계값 이하이면 0의 값, 상한 임계값 이상이면 2의 값, 하한 임계값과 상한 임계값 사이이면 1의 값을 가지며, 센싱 데이터의 발생 주기는 비주기적이면 0의 값 그리고 주기적이면 1의 값을 가지며,

는 조건부 확률을 의미하며,

는 데이터 상태값이 0 또는 1 중 어느 하나의 값으로 설정시 센싱 데이터의 데이터 속성값(x₁, x₂)에 따라 설정한 데이터 상태값을 가질 예측값 중 가장 큰 예측값으로 선택되는 함수를 의미한다. 예를 들어 센싱 데이터의 데이터 속성값이 각각 x₁=a이고 x₂=b인 경우 데이터 상태값이 0일 예측값과 x₁=a이고 x₂=b인 경우 데이터 상태값이 1일 예측값 중 더 큰 예측값을 예측값으로 선택하는데, 더 큰 예측값을 가지는 데이터 상태값에 따라 더 큰 예측값을 가지는 데이터 상태값이 0인 경우 센싱 데이터는 비정상 데이터로 판단되고, 더 큰 예측값을 가지는 데이터값이 1인 경우 센싱 데이터는 정상 데이터로 판단된다.

여기서 센싱 데이터의 속성값(x₁, x2)에 따라 센싱 데이터가 정상인지 또는 비정상인지를 나타내는 데이터 상태값(y)의 통계 정보는 훈련 데이터로서 훈련 데이터베이스(150)에 저장되어 있으며, 예측값 계산부(130)는 새로운 센싱 데이터가 수신되는 경우 훈련 데이터베이스(150)의 통계 정보를 이용하여 새로운 센싱 데이터의 예측값을 계산한다.

필터링부(170)는 센싱 데이터가 정상 데이터로 판단되는 경우 해당 센싱 데이터를 필터링하여 해당 센싱 데이터를 송수신부(110)를 통해 수집 서버로 송신 제어한다. 그러나 필터링부(170)는 센싱 데이터가 비정상 데이터로 판단되는 경우 해당 센싱 데이터를 필터링하여 해당 센싱 데이터를 삭제한다.

그러나 바람직하게, 이벤트 판단부(190)는 비정상 데이터로 판단된 센싱 데이터를 삭제 전, 단위 시간 동안 다수의 센서 노드들로부터 수신한 센싱 데이터 중 비정상 데이터로 판단된 센싱 데이터 사이의 유클리디안 거리(Euclidean Distance)를 계산하며, 계산한 유클리디안 거리가 임계 거리 이내인 센싱 데이터는 비정상 데이터가 아닌 이벤트 데이터로 판단하고 해당 센싱 데이터를 삭제 전 추출하여 정상 데이터와 함께 수집 서버로 송신 제어한다.

여기서 유클리디안 거리(d)는 아래의 수학식(2)와 같이 계산되는 것을 특징으로 하는데,

[수학식 2]

여기서 (x_1i, x_2i), (x_1j, x_2j)는 각각 단위 시간 동안 센서 노드(i)와 센서 노드(j)로부터 각각 수신한 센싱 데이터의 데이터 속성값을 의미한다. 즉, 이벤트 판단부(190)는 데이터 속성값에 기초하여 센싱 데이터가 비정상 데이터로 판단되는 경우에도, 단위시간 동안 다수의 센서 노드들로부터 서로 유사한 센싱 데이터를 수신하는 경우, 해당 센싱 데이터는 비정상 데이터가 아니라 특정 이벤트가 발생하여 이에 따라 생성되는 센싱 데이터로 판단한다.

도 3은 본 발명에 따른 사물 인터넷 네트워크 시스템의 성능을 테스트하기 위하여 예측된 비정상 데이터와 실제 비정상 데이터의 양의 차이를 설명한 도면이며, 도 4는 수신되는 센싱 데이터 중 비정상 데이터가 필터링된 후 수집 서버로 송신되는 센싱 데이터의 양을 설명하기 위한 도면이다.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

11, 13: 센서 그룹
21,, 23: 게이트웨이
30: 네트워크
70: 수집 서버
100: 필터링 장치 110: 송수신부
130: 예측값 계산부 150: 훈련 데이터베이스
170: 필터링부 190: 이벤트 판단부

Claims

데이터 왜곡을 방지하는 사물 인터넷 네트워크 시스템에 있어서,
배치된 위치에서 센싱 데이터를 생성하는 다수의 센서 노드;
상기 센싱 데이터를 이용하여 가공 정보를 생성하는 수집 서버; 및
상기 센서 노드들로부터 상기 수집 서버로 상기 센싱 데이터를 송신 전달하기 전, 상기 센싱 데이터를 수신하여 상기 센싱 데이터와 기존 센싱 데이터의 통계 정보를 비교하여 상기 센싱 데이터가 정상 데이터인지 비정상 데이터인지 판단하는 필터링 장치를 포함하며,
상기 필터링 장치는 상기 정상 데이터로 판단된 센싱 데이터를 상기 수집 서버로 송신하는 것을 특징으로 하는 사물 인터넷 네트워크 시스템.
제 1 항에 있어서, 상기 필터링 장치는
단위 시간 동안 상기 센서 노드들로부터 수신한 상기 센싱 데이터 중 비정상 데이터로 판단된 센싱 데이터 사이의 유클리디안 거리(Euclidean Distance)를 계산하여, 상기 유클리디안 거리가 임계 거리 이내인 센싱 데이터를 이벤트 데이터로 추출하고, 상기 이벤트 데이터를 상기 수집 서버로 송신 제어하는 것을 특징으로 하는 사물 인터넷 네트워크 시스템.
제 2 항에 있어서, 상기 필터링 장치는
센싱 데이터의 크기(x₁) 또는 센싱 데이터 발생 주기(x₂)의 데이터 속성값과 상기 데이터 속성값에 따라 센싱 데이터가 정상인지 또는 비정상인지를 나타내는 데이터 상태값(y)의 통계 정보로부터 베이시안(bayesian) 통계 방식에 따라 아래의 수학식(1)에 의해 수신한 상기 센싱 데이터가 정상 데이터인지 비정상 데이터인지 판단하며,
[수학식 1]

여기서 데이터 상태값은 비정상 데이터를 나타내는 0의 값 또는 정상 데이터를 나타내는 1의 값을 가지며, 상기 센싱 데이터의 크기는 하한 임계값 이하이면 0의 값, 상한 임계값 이상이면 2의 값, 상기 하한 임계값과 상한 임계값 사이이면 1의 값을 가지며, 상기 센싱 데이터의 발생 주기는 비주기적이면 0의 값 그리고 주기적이면 1의 값을 가지며,
상기
는 조건부 확률을 의미하며,
상기
는 데이터 상태값이 0 또는 1 중 어느 하나의 값으로 설정시 센싱 데이터의 데이터 속성값(x₁, x₂)에 따라 설정한 데이터 상태값을 가질 예측값 중 가장 높은 예측값으로 선택되는 함수인 것을 특징으로 하는 사물 인터넷 네트워크 시스템.