АНАЛІЗ МЕТОДІВ МАРШРУТИЗАЦІЇ ДАНИХ У БАГАТОРІВНЕВИХ ТУМАННИХ МЕРЕЖАХ
DOI:
https://doi.org/10.35546/kntu2078-4481.2026.2.52Ключові слова:
туманні мережі, маршрутизація даних, IoT-інфраструктура, SDN, машинне навчання, мета- евристичні алгоритмиАнотація
У даній роботі розглянута організація маршрутизації даних у багаторівневих туманних мережах, які поєдну- ють велику кількість гетерогенних IoT-пристроїв, проміжні туманні вузли та віддалені хмарні центри обробки. Показано, що традиційні підходи до маршрутизації, розроблені переважно для більш простих і відносно ста- тичних мережних структур, не забезпечують потрібного рівня затримки, надійності та енергоефективнос- ті в умовах динамічних туманних інфраструктур з нерівномірним розподілом навантаження. На основі опра- цьованих джерел узагальнено основні групи методів маршрутизації для туманних мереж: кластерні рішення з використанням SDN, динамічні підходи, що спираються на машинне та глибинне навчання, метаевристичні багатокритеріальні алгоритми, а також інтегровані підходи, у яких маршрутизація розглядається разом із керуванням ресурсами та забезпеченням безпеки. Окрему увагу приділено аналізу критеріїв, які на практиці най- більше впливають на роботу системи, а саме: затримка передавання, надійність каналів зв’язку, енергоспожи- вання, пропускна здатність та вимоги до якості обслуговування для різних класів трафіку. На прикладі системи екологічного моніторингу показано, як перехід від повністю хмарної архітектури до багаторівневої туманної дозволяє зменшити затримку доставки критичних даних, знизити навантаження на центральну інфраструк- туру, підвищити стійкість до відмов окремих компонентів і краще враховувати локальні особливості серед- овища. На основі порівняльного аналізу сформульовано орієнтовні практичні рекомендації щодо вибору методів маршрутизації для невеликих IoT-систем з помірними вимогами до затримки, великомасштабних розгортань з нерівномірним трафіком та енергообмежених сенсорних мереж, де критичною є тривалість автономної робо- ти вузлів. Окреслено перспективні напрями подальших досліджень, пов’язані з уніфікацією протоколів взаємодії між рівнями туманної архітектури, інтеграцією механізмів безпеки без суттєвого погіршення продуктивності, а також розробкою ресурсоефективних алгоритмів машинного навчання, які можуть працювати безпосередньо на туманних вузлах із обмеженими обчислювальними та енергетичними можливостями
Посилання
Tsvirkun L., Myronov Y. Challenges and Specificities of Adopting Continuous Integration within Scalable Cloud Environments // 2023 IEEE 18th International Conference on Computer Science and Information Technologies (CSIT).IEEE, 2023. DOI: 10.1109/csit61576.2023.10324010.
ICDRP-F-SDVN: An innovative cluster-based dual-phase routing protocol using fog computing and softwaredefined vehicular network [Electronic resource] / Khalid A. Darabkh [et al.] // Vehicular Communications. 2022. Vol. 34. P. 100453. Access mode: https://doi.org/10.1016/j.vehcom.2021.100453.
Sarma B., Kumar R., Tuithung T. Machine learning enabled network and task management in SDN based Fog architecture [Electronic resource] // Computers and Electrical Engineering. 2023. Vol. 108. P. 108705. Access mode:https://doi.org/10.1016/j.compeleceng.2023.108705.
Valizadeh P., Yaghmaee M. H., Sedaghat Y. Reliability and bandwidth aware routing in SDN-based fog computing for IoT applications [Electronic resource] // Ad Hoc Networks. 2025. – Vol. 172. P. 103803. Access mode: https://doi.org/10.1016/j.adhoc.2025.103803.
Gao Y., Ji K., Gao T. Route planning model based on multidimensional eigenvector processing in vehicular fog computing [Electronic resource] // Computer Communications. 2023. Access mode: https://doi.org/10.1016/j.comcom.2023.10.019.
Alwasi Frimpong S. [et al.] An adaptive collaborative intrusion detection system for vehicular fog computing networks [Electronic resource] // Engineering Applications of Artificial Intelligence. 2025. Vol. 158, Part B. Access mode:https://doi.org/10.1016/j.engappai.2025.111563.
Bhavani A., Venkataramana A., Chakravarthy A. S. N. Multi-Objective Hybrid Green Anaconda Skill Optimization Enabled Energy and Cache Based QoS Aware Routing in Delay Tolerant–IoT Network [Electronic resource] // Sustainable Computing: Informatics and Systems. 2025. P. 101158. Access mode: https://doi.org/10.1016/j.suscom.2025.101158.
Wu B. [et al.] Optimal Deploying IoT Services on the Fog Computing: A Metaheuristic-Based Multi-Objective Approach [Electronic resource] // Journal of King Saud University – Computer and Information Sciences. 2022. Access mode: https://doi.org/10.1016/j.jksuci.2022.10.002.
Gowri V., Baranidharan B. Adaptive probabilistic neural network based edge data center authentication for secure load balancing in fog computing [Electronic resource] // Applied Soft Computing. 2025. Vol. 169. P. 112567. Access mode: https://doi.org/10.1016/j.asoc.2024.112567.
Javanmardi S. [et al.] An integration perspective of security, privacy, and resource efficiency in IoT-Fog networks: A comprehensive survey [Electronic resource] // Computer Networks. 2025. P. 111470. Access mode: https://doi.org/10.1016/j.comnet.2025.111470.
Awais S. M. [et al.] Provably secure fog-based authentication protocol for VANETs [Electronic resource] //Computer Networks. 2024. Vol. 246. P. 110391. Access mode: https://doi.org/10.1016/j.comnet.2024.110391.
Цвіркун Л., Соболевський І. Аналіз особливостей використання туманних комп’ютерних середовищ для побудови IoT інфраструктури // Information Technology: Computer Science, Software Engineering and Cyber Security. 2025. № 1. С. 238–243.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
