Pasar al contenido principal

RED EN CIENCIA E INGENIERIA DE SERVICIOS

RED2018-102654-T

•
Nombre agencia financiadora Agencia Estatal de Investigación
Acrónimo agencia financiadora AEI
Programa Programa Estatal de I+D+i Orientado a los Retos de la Sociedad
Convocatoria Redes Investigación /Redes Excelencia
Año convocatoria 2018
Plan Estatal 2017-2020 Plan Estatal de Investigación Científica y Técnica y de Innovación
Centro beneficiario UNIVERSIDAD DE SEVILLA

Resultados relacionados

Resultados totales (Incluyendo duplicados): 2
Encontrada(s) 1 página(s)

RODIN. Repositorio de Objetos de Docencia e Investigación de la Universidad de Cádiz
Publicación Artículo científico (JournalArticle)

Paving the way to collaborative context-aware mobile applications: a case study on preventing worsening of allergy symptoms

  • Caballero Torres, Pablo
  • Ortiz Bellot, Guadalupe
  • García de Prado Fontela, Alfonso
  • Boubeta Puig, Juan
En los últimos años, la evolución de los teléfonos inteligentes y sus aplicaciones de software ha crecido exponencialmente; junto con el avance del Internet de las Cosas y las ciudades inteligentes, ha generado una gran demanda de servicios y aplicaciones en estos dominios. Aunque la amplia gama de aplicaciones móviles es incuestionable, los ciudadanos ya exigen que las aplicaciones se adapten a sus necesidades y situaciones específicas en tiempo real, es decir, que sean conscientes del contexto. Sin embargo, las aplicaciones móviles conscientes del contexto a menudo son muy limitadas y pierden la oportunidad de beneficiarse de la retroalimentación proporcionada por la colaboración ciudadana. Para llenar este vacío, este documento propone una arquitectura de software y una aplicación móvil colaborativas y conscientes del contexto. En particular, los hemos implementado en el ámbito de la e-salud, más específicamente en el área de las alergias estacionales, que causan que las personas alérgicas experimenten síntomas molestos que podrían evitarse si tuvieran acceso a información sobre el polen en tiempo real. Además, también se beneficiarán de la colaboración ciudadana a través del conocimiento de los síntomas que otras personas alérgicas con la misma alergia y en la misma ubicación están experimentando. Para ello, los usuarios podrán proporcionar sus síntomas en cualquier momento a través de su aplicación móvil y la arquitectura propuesta procesará constantemente esa información en tiempo real, enviando notificaciones a los usuarios tan pronto como se vea que los síntomas reportados superan un cierto umbral. Se han probado el rendimiento de la arquitectura, el consumo de recursos de la aplicación y una encuesta de satisfacción sobre la usabilidad y utilidad de la aplicación; todos los resultados han sido completamente satisfactorios., In recent years, the evolution of smartphones and their software applications has grown exponentially; together with the advance of the Internet of Things and smart cities, it has raised huge demand for services and applications in these domains. Although the wide range of mobile applications is unquestionable, citizens already demand that applications adapt to their specific needs and situations in real time, that is, that they are context-aware. However, context-aware mobile applications are often very limited and miss out on the opportunity of benefiting from feedback provided by citizen collaboration. In order to fill this gap, this paper proposes a context-aware and collaborative software architecture and mobile application. In particular, we have implemented them in the scope of e-health, more specifically in the area of seasonal allergies, which cause allergic people to experience annoying symptoms that could be avoided by having access to pollen information in real time. Furthermore, they will also benefit from citizen collaboration through the knowledge of the symptoms other allergic people with the same allergy and in the same location are experiencing. To this end, users will be able to provide their symptoms at any time through their mobile application and the proposed architecture will constantly process that information in real time, sending notifications to users as soon as reported symptoms are seen to exceed a certain threshold. The architecture’s perfor mance, the application’s resource consumption and a satisfaction survey of the app’s usability and usefulness have been tested; all results have been fully satisfactory, This work was supported by the Spanish Ministry of Science and Innovation and the European Union FEDER Funds [grant numbers RTI2018-093608-B-C33, RED2018-102654-T]
RODIN. Repositorio de Objetos de Docencia e Investigación de la Universidad de Cádiz
Publicación Artículo científico (JournalArticle)

Integrating complex event processing and machine learning: An intelligent architecture for detecting IoT security attacks

  • Roldán, José
  • Boubeta Puig, Juan
  • Martínez, José Luis
  • Ortiz Bellot, Guadalupe
The Internet of Things (IoT) is growing globally at a fast pace: people now find themselves surrounded by a variety of IoT devices such as smartphones and wearables in their everyday lives. Additionally, smart environments, such as smart healthcare systems, smart industries and smart cities, benefit from sensors and actuators interconnected through the IoT. However, the increase in IoT devices has brought with it the challenge of promptly detecting and combating the cybersecurity attacks and threats that target them, including malware, privacy breaches and denial of service attacks, among others. To tackle this challenge, this paper proposes an intelligent architecture that integrates Complex Event Processing (CEP) technology and the Machine Learning (ML) paradigm in order to detect different types of IoT security attacks in real time. In particular, such an architecture is capable of easily managing event patterns whose conditions depend on values obtained by ML algorithms. Additionally, a model-driven graphical tool for security attack pattern definition and automatic code generation is provided, hiding all the complexity derived from implementation details from domain experts. The proposed architecture has been applied in the case of a healthcare IoT network to validate its ability to detect attacks made by malicious devices. The results obtained demonstrate that this architecture satisfactorily fulfils its objectives., El Internet de las Cosas (IoT) está creciendo a nivel global a un ritmo acelerado: las personas ahora se encuentran rodeadas de una variedad de dispositivos IoT como smartphones y wearables en su vida cotidiana. Además, los entornos inteligentes, como los sistemas de atención médica inteligentes, las industrias inteligentes y las ciudades inteligentes, se benefician de sensores y actuadores interconectados a través del IoT. Sin embargo, el aumento de los dispositivos IoT ha traído consigo el desafío de detectar y combatir rápidamente los ataques y amenazas de ciberseguridad que los tienen como objetivo, incluyendo malware, violaciones de privacidad y ataques de denegación de servicio, entre otros. Para abordar este desafío, este documento propone una arquitectura inteligente que integra la tecnología de Procesamiento de Eventos Complejos (CEP) y el paradigma de Aprendizaje Automático (ML) con el fin de detectar diferentes tipos de ataques de seguridad en IoT en tiempo real. En particular, dicha arquitectura es capaz de gestionar fácilmente patrones de eventos cuyas condiciones dependen de los valores obtenidos por los algoritmos de ML. Además, se proporciona una herramienta gráfica impulsada por modelos para la definición de patrones de ataque de seguridad y la generación automática de código, ocultando toda la complejidad derivada de los detalles de implementación a los expertos del dominio. La arquitectura propuesta ha sido aplicada en el caso de una red de IoT de atención médica para validar su capacidad para detectar ataques realizados por dispositivos maliciosos. Los resultados obtenidos demuestran que esta arquitectura cumple satisfactoriamente sus objetivos., This work was supported by the Spanish Ministry of Science, Innovation and Universities and the European Union FEDER Funds [grant numbers FPU 17/02007, RTI2018-093608-B-C33, RTI2018- 098156-B-C52 and RED2018-102654-T]. This work was also sup- ported by the JCCM [grant number SB-PLY/17/180501/ 0 0 0353 ]