Kỷ yếu hội nghị quốc tế K Le, B Pham, Q Tram, T Bui and T Quan, “CODE-WSN: A Formal Modelling Tool for Congestion Detection on Wireless Sensor Networks,” in The World Symposium on Communication Engineering (WSCE 2018), Singapore, 2018, pp 13-19 K Le, G Trinh, T Bui and T Quan, “Probabilistic Modelling for Congestion Detection on Wireless Sensor Networks,” in International Conference on Control, Decision and Information Technologies (CoDIT), Barcelona, Spain, 2017, pp 190-195 K Le, T Nguyen, T Cao, T Bui and T Quan, “Heuristic-Guided Verification for Fast Congestion Detection on Wireless Sensor Networks,” in International Conference on Future Data and Security Engineering (FDSE), Can Tho, Vietnam, 2016, pp 105-116 K Le, T Bui, T Quan and L Petrucci, “A Framework for Fast Congestion Detection in Wireless Sensor Networks using Clustering and Petri-Net-based Verification,” in International Workshop on Petri Nets and Software Engineering (PNSE 2016), Torun, Poland, 2016, pp 329-334 K Le, T Bui, T Quan and L Petrucci, “COCA: Congestion-Oriented Clustering Algorithm for Wireless Sensor Networks,” in IEEE International Conference on Communication Software and Networks (ICCSN 2016), Beijing, China, 2016, pp 450-454 K Le, T Bui, T Quan, L Petrucci and É André, “Component-Based Abstraction of Petri Net Models: An Application for Congestion Verification of Wireless Sensor Networks,” in The Sixth International Symposium on Information and Communication Technology (SoICT 2015), ACM, Hue, Vietnam, 2015, pp 342-349 K Le, T Bui and T Quan, “A Formal Approach for Congestion Constraints Verification on Wireless Sensor Networks,” in Asia Conference on Information Systems (ACIS 2014), 2014, Nha Trang, Vietnam, pp 319-325 ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA LÊ NGỌC KIM KHÁNH MỘT CÁCH TIẾP CẬN HÌNH THỨC TRONG VIỆC MƠ HÌNH HĨA THAM SỐ ĐỘNG CHO BÀI TOÁN KIỂM TRA TẮC NGHẼN TRÊN MẠNG CẢM BIẾN KHƠNG DÂY Ngành: Khoa học máy tính Mã số ngành: 62480101 TĨM TẮT LUẬN ÁN TIẾN SĨ TP HỒ CHÍ MINH - NĂM 2022 Cơng trình hồn thành Trường Đại học Bách Khoa – ĐHQG-HCM DANH MỤC CÔNG TRÌNH ĐÃ CƠNG BỐ Người hướng dẫn 1: PGS.TS Quản Thành Thơ Người hướng dẫn 2: PGS.TS Bùi Hoài Thắng Phản biện độc lập 1: Phản biện độc lập 2: Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng đánh giá luận án họp vào lúc ngày tháng năm Có thể tìm hiểu luận án thư viện: - Thư viện Trường Đại học Bách Khoa – ĐHQG-HCM - Thư viện Đại học Quốc gia Tp.HCM - Thư viện Khoa học Tổng hợp Tp.HCM Tạp chí quốc tế K K Le-Ngoc, T T Quan, T H Bui, A M Rahmani and M Hosseinzadeh, “Optimized fuzzy clustering in wireless sensor networks using improved squirrel search algorithm,” Fuzzy Sets and Systems, 2021 (SCI,Q1) K Le, T Cao, P Le, B Pham, T Bui and T Quan, “Probabilistic congestion of wireless sensor networks: a Coloured Petri Net-based approach,” Communications on Applied Electronics, vol 7, no 2, pp 1-7, 2017 G Trinh, K Le, T Bang, Q Tram, T Bui and T Quan, “Modelling and Congestion Detection of Wireless Sensor Networks: A Concurrent-based Approach using Coloured Petri Nets,” International Journal of Applied Information Systems, vol 11, no 7, pp 1-9, 2016 K Le, T Bui, T Quan, L Petrucci, and É André, “Congestion Verification on Abstracted Wireless Sensor Networks with the WSN-PN Tool,” Journal of Advances in Computer Networks, vol 4, no 1, pp 33-40, 2016 K Le, T Bui and T Quan, “State Space Reduction on Wireless Sensor Networks Verification Using Component-Based Petri Net Approach,” REV Journal on Electronics and Comm, Special Session Advanced Computational Methods, Systems, and Industrial Engineering Applications, vol 5, no 3-4, pp 76-84, 2015 Tạp chí nước L N K Khánh, L Q Vũ, T Q Tiến, B H Thắng and Q T Thơ, “Trừu tượng hóa thành phần để kiểm tra tắc nghẽn mạng cảm ứng khơng dây sử dụng mạng Petri,” Tạp chí khoa học Đại học Cần Thơ, Chuyên đề Công nghệ thông tin 2015, pp 105-112 Đề xuất mơ hình WSN-CPN mơ hình mạng cảm biến khơng dây ngơn ngữ Coloured Petri Net Đề xuất mơ hình động PDP-WSN-CPNcho phép người dùng tùy chỉnh CHƯƠNG 1.1 Phát tắc nghẽn mạng cảm biến không dây Mạng cảm biến không dây (Wireless Sensor Networks - WSNs) mô hình thơng số mạng phát nghẽn xác với xác suất mạng bao gồm hàng trăm đến hàng ngàn thiết bị cảm biến Cảm biến nghẽn GIỚI THIỆU Xây dựng công cụ CODE-WSN thực thi tất mơ hình thiết bị có giá thành rẻ, nhớ nhỏ khả xử lý yếu Cảm biến với kết nối (kênh truyền) tạo thành sơ đồ mạng cho mạng cảm biến Trong tương lai, luận án đóng góp thêm yếu tố thời gian vào mơ hình nhằm khơng dây Ngày nay, mạng cảm biến không dây ứng dụng nhiều phản ánh mơ hình thực tế Ngồi ra, luận án tích hợp thêm lĩnh vực sống nên thu hút quan tâm lớn nghiên cứu yếu tố khác làm ảnh hưởng đến xác suất nghẽn bên cạnh yếu tố độ tin cậy cơng nghiệp cảm biến kênh truyền ví dụ độ nhiễu môi trường Một thử thách nhà thiết kế quan tâm việc kiểm soát tắc nghẽn mạng Kiểm soát tắc nghẽn mạng bao gồm hai giai đoạn: phát tắc nghẽn giải tắc nghẽn Luận án tập trung vào phương pháp phát tắc nghẽn Sự tắc nghẽn mạng cảm biến không dây chủ yếu hai nguyên nhân sau đây: Tốc độ gởi gói tin đến cảm biến lớn nhiều so với tốc độ nhận xử lý gói tin cảm biến Sự đụng độ gói tin q trình di chuyển mạng Tính tốn vùng nhớ đệm thước đo phát tắc nghẽn nhiều thuật tốn Kích thước vùng nhớ đệm trống nhỏ giá trị định mức người thiết lập mạng cài đặt ban đầu, cảm biến báo nghẽn lên toàn hệ thống 1.2 Mục tiêu luận án Một cách tiếp cận toán phát nghẽn mạng cảm biến không dây dựa vào phương pháp mơ hình hóa hình thức (model-based) Mục tiêu luận án xây dựng mơ hình mạng cảm biến không dây gồm cảm biến kênh truyền Sau xây dựng mơ hình, kiểm 12 tra thuộc tính mơ hình cách sử dụng phương pháp kiểm tra mơ hình tốn phát nghẽn mạng cảm biến không dây phương pháp mơ hình (Model Checking) Bài tốn luận án kiểm tra xem mạng cảm biến khơng hóa Hình 7.1 thể kiến trúc công cụ dây có xảy tắc nghẽn hay khơng Ngồi ra, luận án mục tiêu phụ khác: Tăng thêm độ xác cho mơ hình phát nghẽn với xác suất phát nghẽn Tăng tốc độ phát nghẽn thời gian cho phép hạn chế bùng nổ không gian trạng thái 1.3 Những đóng góp luận án Đề xuất mơ hình WSNPN mơ hình mạng cảm biến khơng dây ngơn ngữ P/T Nets Đề xuất mơ hình WSNCPN mơ hình mạng cảm biến khơng dây bằng ngôn ngữ Coloured Petri Net Đề xuất hai thuật tốn tăng tốc độ tìm kiếm nghẽn mơ hình Hình 7.1 Kiến trúc CODE-WSN tăng tốc dựa vào gom cụm tăng tốc dựa vào thuật tốn tìm kiếm heuristic Đề xuất mơ hình động PDPWSNCPN cho phép người dùng tùy CHƯƠNG KẾT LUẬN chỉnh thơng số mạng phát nghẽn xác với Bài toán luận án lựa chọn kiểm tra tắc nghẽn mạng cảm biến xác suất nghẽn Xây dựng công cụ CODEWSN thực thi tất mơ hình khơng dây minh họa điển hình cho việc xây dựng mơ hình phương pháp hình thức Luận án có đóng góp cho nghiên cứu sau: CHƯƠNG MƠ HÌNH HĨA MẠNG CẢM BIẾN KHƠNG DÂY BẰNG NGƠN NGỮ PLACE/TRANSITION NETS 2.1 Mơ hình hóa kiểm tra tắc nghẽn Ngôn ngữ Petri Nets ngơn ngữ phổ biến thích hợp để mơ hình cho hệ thống lớn hệ thống mạng sinh học (biological networks), hệ Đề xuất mô hình WSN-PN mơ hình mạng cảm biến khơng dây với hai Thành phần cảm biến kênh truyền ngơn ngữ P/T Nets Đề xuất hai thuật tốn tăng tốc độ tìm kiếm nghẽn mơ hình WSNPN tăng tốc dựa vào gom cụm tăng tốc dựa vào thuật tốn tìm kiếm heuristic 11 mơi trường hay nguyên nhân lớn thường xuyên xảy cảm biến hết thống trao đổi thông tin liên lạc (communication systems), hệ thống hỗ trợ lượng sản xuất (manufacturing system), hay hệ thống mạng hồn tồn thích Để giải vấn đề luận án đề xuất thêm mơ hình có tên hợp dùng để mơ hình tốn mạng cảm biến không dây PDP-WSN-CPN (Probabilistic Dynamic Parameterized Wireless Sensor Ý tưởng xây dựng mạng cảm biến không dây mơ hình P/T Nets (Place Network by using Coloured Petri Nets) Một mặt, mơ hình tích hợp Transition Nets), loại ngơn ngữ đơn giản, thích hợp cho việc tiếp cận ban thêm tham số độ tin cậy vào mơ hình (tham số khả hoạt động xác đầu tốn ngơn ngữ Petri Nets Trong mơ hình tốn thiết bị) nhằm phản ánh khả hoạt động cảm biến phân rã thành hai Thành phần (component) cảm biến kênh truyền Mỗi lượng cảm biến suy giảm, khả hoạt động cảm biến không Thành phần cảm biến hay kênh truyền lại mô hình Petri Nets Có ba loại bảo tồn lúc vận hành mạng Khi tham số độ tin cậy đưa vào mơ hình Petri Nets cảm biến (cảm biến nguồn, cảm biến đích cảm biến mơ hình mơ hình WSN-CPN phải định nghĩa lại mơ hình động trung gian) ba loại mơ hình Petri Nets kênh truyền (tương ứng với ba kiểu nhằm phản ánh chất thay đổi theo thời gian thiết bị Mặt khác, mô truyền liệu mạng unicast, multicast broadcast) Đồng thời số hình thêm khái niệm xác suất nghẽn vào mơ hình nhằm nâng cao khả liên kết giả tạo để kết nối Thành phần lại với nhằm thỏa dự báo nghẽn hệ thống, tránh trường hợp nghẽn giả mãn ràng buộc bắt buộc phải có mơ hình Petri Nets Ví dụ CHƯƠNG CƠNG CỤ CODE-WSN Hình 3.1a minh họa cho sơ đồ mạng cảm biến không dây đơn giản gồm ba cảm biến Bên cạnh đóng góp mặt mơ hình, luận án tự xây dựng cơng cụ riêng cho mình, với tên gọi CODE-WSN (Congestion Detection on Wireless Sensor Networks) Công cụ thực tảng ngôn ngữ Java Công cụ mang đầy đủ tính chất mơ hình trình bày trên, nghĩa cơng cụ cho phép mơ hình tốn mạng cảm biến khơng dây hai ngơn ngữ mơ hình P/T Nets Coloured Petri Net Công cụ hỗ trợ tính tăng tốc để tìm kiếm nghẽn gom cụm hay dùng thuật tốn tìm kiếm heurictic Ngoài chức báo xác suất nghẽn tích hợp CODE-WSN Đây cơng cụ chuyên biệt dành riêng cho 10 Hình 3.1a Sơ đồ mạng cảm biến không dây với ba cảm biến Coloured Petri Net, ngôn ngữ cao cấp Petri Nets áp dụng nhiều ứng dụng để mơ hình tốn sống Điều khác biệt lớn Coloured Petri Net P/T Nets token Coloured Petri Net có “màu” Màu dùng để phân biệt token với nhau, nghĩa ngôn ngữ cho phép định nghĩa kiểu liệu cho token thông qua việc mô tả “màu” chúng Hơn nữa, ngơn ngữ cịn hỗ trợ kiểu mơ hình gọi Hierarchical Coloured Petri nets (HCPNs) Một mô hình Coloured Petri Net tổ chức tập mơ-đun, giống lập trình Ở thời điểm người mơ hình cần tập trung vào số mô-đun cụ thể không bị phân tâm mơ-đun khác mơ hình Hình 5.2 minh họa mơ hình phân cấp mạng cảm biến khơng dây Hình 3.2 Mơ hình Thành phần cảm biến kênh truyền Hình 5.2 Mơ hình phân cấp mạng cảm biến không dây Bên cạnh việc mô hình hóa, luận án cịn định nghĩa cách thức để mơ hình mạng hoạt động song song nhằm phản ánh chất cảm biến Ví dụ cảm biến vừa nhận liệu cảm biến khác gởi tới vừa xử lí gói tin có sẵn đệm để chuyển liệu tiếp CHƯƠNG MƠ HÌNH THAM SỐ ĐỘNG CHO MẠNG CẢM BIẾN KHÔNG DÂY VÀ XÁC SUẤT PHÁT HIỆN NGHẼN Hình 3.4 Thành phần Petri net sơ đồ mạng Hình 3.1a Hình 3.2 minh họa mơ hình P/T Nets loại cảm biến kênh tryền luận án Hình 3.4 mơ hình P/T Nets hồn chỉnh mạng cảm biến khơng dây gồm ba cảm biến Cả hai mơ hình P/T Nets Coloured Petri Net giúp nhà thiết kế mạng xây dựng mạng cảm biến không dây dự đoán nguy xảy tắc nghẽn Tuy nhiên, triển khai mạng môi trường tự nhiên khắc nghiệt mà người khó tiếp cận núi lửa, rừng sâu hay đáy biển, cảm biến khơng thể hoạt động xác phụ thuộc nhiều vào độ nhiễu 3.2 Tăng tốc thuật tốn tìm kiếm heuristic Bằng việc sử dụng kỹ thuật Model Checking, từ mơ hình Petri Nets khơng Nếu việc gom cụm giúp cho mơ hình Petri Nets toán thu nhỏ gian trạng thái sinh Không gian trạng thái đồ thị thể lại nên không tốn nhiều thời gian để kiểm tra thuộc tính việc tăng chuyển động mơ hình, nghĩa là, mơ hình mạng cảm biến tốc dựa vào thuật tốn heuristic lại hướng vào việc giảm khơng gian trạng thái khơng dây chuyển động trao đổi gói tin cảm biến mơ hình Thuật tốn định nghĩa hàm f làm hàm dẫn đường cho việc Không gian trạng thái sinh lần chạy khác không giống tìm kiếm Hàm f tính tốn lại sau lần duyệt đồ thị Việc sử dụng hàm f phụ thuộc vào đường gói tin mạng giá trị cấu hình khiến số lượng trạng thái phải duyệt giảm xuống đáng kể từ cải cho cảm biến tiến tốc độ phát nghẽn Để kiểm tra thuộc tính có thỏa hay khơng, thuật tốn sử dụng kỹ thuật tìm kiếm có Depth-First Search hay Breadth-First Search để duyệt qua tất trạng thái đồ thị từ trạng thái khởi tạo đến đến trạng thái đích (ở trạng thái nghẽn) Hàm tìm kiếm dừng lại tìm thấy trạng thái đích, khơng, quay lại tìm kiếm trạng thái đường Nếu tồn khơng gian duyệt mà trạng thái đích khơng tìm thấy thuộc tính xem khơng thỏa Hình 4.15 Khơng gian trạng thái thực chụp từ công cụ thực nghiệm CHƯƠNG MƠ HÌNH HĨA MẠNG CẢM BIẾN KHƠNG DÂY BẰNG NGÔN NGỮ COLOURED PETRI NET Khi xây dựng mơ hình Petri Nets mơ hình hóa mạng cảm biến khơng dây kiểm tra thuộc tính nghẽn mạng với số lượng cảm biến tương đối lớn thời gian cho phép Tuy nhiên, mơ hình lại có nhược điểm lớn khó tùy biến thơng số cảm biến kênh truyền Chẳng hạn biểu diễn kiểu liệu gói tin, gói tin mơ hình xem ẩn danh token, token chuyển từ place sang place khác nghĩa gói tin di chuyển Bên cạnh đó, áp dụng biện pháp trừu tượng hóa mơ hình đơi lại có kích thước lớn, vượt q kích thước trang giấy Điều gây khó khăn Hình 3.12 Minh họa không gian trạng thái 2.2 Giảm thiểu bùng nổ khơng gian trạng thái cho người mơ hình bao qt tồn mạng Vì thế, luận án lại đề xuất Ý tưởng cách kiểm tra thuộc tính với thuật tốn tìm kiếm Model mơ hình có tên gọi WSN-CPN, mơ hình sử dụng ngôn ngữ Checking không phức tạp lại làm nảy sinh vấn đề lớn cho tốn việc bùng nổ khơng gian trạng thái Không gian trạng thái bị bùng 3.1 Tăng tốc kỹ thuật gom cụm nổ số lượng trạng thái sinh nhiều toán có q nhiều tham số hay Ý tưởng cho việc tăng tốc dựa vào thuật toán gom cụm gom nhóm tham số thay đổi liên tục dẫn đến việc máy tính khơng đủ tài ngun duyệt cảm biến có khả gây nghẽn cao vào chung cụm Các cụm hết nút không gian trạng thái kiểm tra tắc nghẽn trước Nếu cụm cảm biến khơng nghẽn Để giải vấn đề này, mơ hình Petri Nets bỏ bớt place hay trừu tượng lại thành cảm biến Thuật toán lặp lại tất transition không ảnh hưởng đến q trình tìm nghẽn, biến mơ hình ban đầu thành cụm kiểm tra Khi kiểm tra hết mạng mà nghẽn không mô hình Petri Nets hướng nghẽn với số lượng place transition Dĩ nhiên, tìm thấy mạng tạo nên việc gắn kết cảm biến trừu không gian trạng thái sinh từ mơ hình nhỏ nhiều so với tượng lại Việc kiểm tra tắc nghẽn kiểm tra lần mạng không gian trạng thái gốc Mơ hình trừu tượng hóa dựa vào phân bố Dễ dàng nhận thấy mạng có kích thước nhỏ mạng gốc nên việc cảm biến tốc độ trao đổi gói tin mạng để tuỳ biến trừu tượng phát tắc nghẽn diễn nhanh chóng Luận án xây dựng khung thức cảm biến, lúc lại kênh truyền Các Thành phần có khả xảy có tên FCDF (Fast Congestion Detection Framework) để minh họa cho toàn nghẽn trừu tượng để tập trung tìm nghẽn Thành phần cịn lại Ví dụ q trình thơng qua Hình 4.4 với mạng phân bố dày đặc tốc độ trao đổi liệu cảm biến cao, khả xảy nghẽn cảm biến cao nên kênh truyền trừu tượng hóa Hình 3.8 Hình 3.8 Trừu tượng kênh truyền CHƯƠNG TĂNG TỐC ĐỘ PHÁT HIỆN NGHẼN Mặc dù sử dụng kĩ thuật Trừu tượng hóa thành phần để giảm bùng nổ khơng gian trạng thái tìm kiếm nghẽn số lượng trạng thái cần phải duyệt qua cịn lớn Vì thế, mạng cảm biến khơng dây mở rộng, mơ hình mạng chứa nhiều cảm biến việc kiểm tra tắc nghẽn khơng thể thực Luận án đề xuất hai hướng giải để tăng tốc Hình 4.4 Tóm tắt thành phần FCDF cho việc phát nghẽn bao gồm tăng tốc dựa vào kỹ thuật gom cụm tăng tốc độ tìm kiếm với thuật tốn tìm kiếm heuristic ... CHƯƠNG MƠ HÌNH HĨA MẠNG CẢM BIẾN KHÔNG DÂY BẰNG NGÔN NGỮ COLOURED PETRI NET Khi xây dựng mơ hình Petri Nets mơ hình hóa mạng cảm biến không dây kiểm tra thuộc tính nghẽn mạng với số lượng cảm biến. .. mơ hình mạng cảm biến khơng dây gồm cảm biến kênh truyền Sau xây dựng mơ hình, kiểm 12 tra thuộc tính mơ hình cách sử dụng phương pháp kiểm tra mơ hình tốn phát nghẽn mạng cảm biến khơng dây. .. mơ hình mạng cảm biến không dây ngôn ngữ Coloured Petri Net Đề xuất mơ hình động PDP-WSN-CPNcho phép người dùng tùy chỉnh CHƯƠNG 1.1 Phát tắc nghẽn mạng cảm biến không dây Mạng cảm biến không