Título: Compressão de dados na Internet das Coisas (Internet of Things – IoT)

Palestrante: Franklin Magalhães Ribeiro Jr (Doutorando em Ciência da Computação – UFABC)

Data e local: Quarta, 20 de julho de 2022 às 16:00, Campus Santo André, Bloco A, sala S-204-0

Resumo: Em um sistema de IoT baseado em névoa computacional, a compressão dos dados reduz a demanda por espaço de armazenamento e diminui o tempo de chegada dos pacotes. Além disso, após a recuperação de uma desconexão de rede, a névoa pode enviar os dados de maneira mais ágil, a fim de evitar decisões atrasadas e, portanto, menos confiáveis. Nesse contexto, são explorados dois estudos sobre a redução de dados na IoT, o primeiro apresenta um sistema intitulado Fog-DaRe e o segundo detalha uma proposta de compressão de dados com o uso de aprendizado de máquina.

No primeiro estudo foi proposto o Fog-DaRe, que permite a persistência de dados na névoa e utiliza diferentes técnicas de compressão. Foram avaliadas dez configurações de fluxo de dados, com cinco mil sensores simulados. Os resultados revelaram benefícios significativos para o tempo de transferência dos dados em batch, após a retomada de uma desconexão de rede. Também foram observados trade-offs entre as técnicas de redução de dados sem perdas e da compressão com perdas.

No segundo estudo foram investigadas dezesseis técnicas de redução de dados, sendo oito métodos de aprendizado de máquina combinados com o run-length encoding e oito combinados com a codificação de Huffman. Na abordagem, a névoa agrupa os dados históricos não rotulados em categorias (grupos), usando algoritmos de aprendizado de máquina não supervisionados. Também foram utilizados algoritmos de aprendizado supervisionado, para prever a categoria que as amostras de dados (mais recentes) pertencem. Em seguida, a névoa comprime as categorias identificadas usando o run-length encoding (RLE) e a codificação de Huffman.