基于图神经网络的社会化物联网服务发现
机器学习
2022-06-22 v2 分布式、并行与集群计算
摘要
物联网 (IoT) 网络智能连接数千个物理实体,为社区提供各种服务。它正经历指数级扩张,这使得发现网络中存在的 IoT 设备并从中请求相应服务的过程变得复杂。由于 IoT 环境高度动态的特性阻碍了传统服务发现方案的使用,我们在本文中旨在通过提出一个适用于异构大规模 IoT 网络的可扩展资源分配神经模型来解决此问题。我们设计了一种图神经网络 (GNN) 方法,利用 IoT 网络中设备之间形成的社交关系来缩减任何实体查找的搜索空间,并从网络中的另一设备获取服务。该提出的资源分配方法克服了标准化问题,并通过 GNN 嵌入社会物联网图的结构与特征,以用于最终的聚类分析过程。在真实世界数据集上的仿真结果说明了该方案的性能及其在大规模 IoT 网络上运行的显著效率。
引用
@article{arxiv.2205.12711,
title = {Service Discovery in Social Internet of Things using Graph Neural Networks},
author = {Aymen Hamrouni and Hakim Ghazzai and Yehia Massoud},
journal= {arXiv preprint arXiv:2205.12711},
year = {2022}
}
备注
Accepted for publications in the 65 IEEE International Midwest Symposium on Circuits and Systems (MWSCAS'22) 7 figures, 1 table, 5 pages