ODA2: Osmotic Digital Avatars for Open Data Aggregation

En un entorno de Internet de las Cosas, la explotación de datos para predicción y realización de recomendaciones exige la agregación de datos de distinta naturaleza en servidores centralizados.

Investigador principal

Ernesto Pimentel Sánchez

Sede:

UMA

Tecnología

Machine learning, IoT

Agentes agregados

SoftCrits

Resumen de la propuesta

En un entorno de Internet de las Cosas, la explotación de datos para predicción y realización de recomendaciones exige la agregación de datos de distinta naturaleza en servidores centralizados. Esta centralización hace que los datos se expongan de forma innecesaria, obligando en algunos casos a sus propietarios a cederlos para obtener el servicio requerido. Así mismo, cuando la respuesta requiere una inmediatez, la centralización constituye también un problema. Con esta propuesta se persigue desarrollar un framework (basado en el concepto de computación osmótica y avatar digital) que garantice el uso de los datos en la capa en que se generan, evitando su manipulación centralizada y, por lo tanto, su exposición y adecuando la generación de la respuesta al contexto en que se requiere.

Objetivo del proyecto

El modelo de Internet of Things (IoT) se basa en la disposición de diversos dispositivos y sensores en nuestro entorno de forma que todos ellos ofrezcan un ecosistema que les permita conectarse entre ellos, intercambiar datos y obtener un valor añadido de su interacción. A raíz de este fenómeno nacen lo que llamamos objetos inteligentes, ya que permiten ser adaptados en función de la información disponible en tiempo real. Los datos recopilados por estos dispositivos pueden ser expuestos como datos abiertos, con la posibilidad de su reutilización, como datos públicos, accesibles pero con alguna limitación (bien de tiempo o de alcance), o como datos privados, generados por ciudadanos o propietarios que no desean perder el control sobre ellos. Hasta ahora las aplicaciones han optado por explotar las capacidades de predicción y recomendación de la inteligencia artificial, accediendo a todos los datos (sin distinguir su procedencia: abiertos, públicos o privados) a través de un servidor centralizado, haciendo así que los datos privados queden expuestos y el propietario (el ciudadano) deje de tener control sobre ellos. Con esta propuesta se persigue validar una prueba de concepto de un framework que garantice el uso de los datos en el nivel en que se generan, evitando la centralización (y, por lo tanto, la exposición) de los mismos. Para ello, utilizaremos la noción de avatar digital, como forma de representar los datos y el comportamiento que cada dispositivo exhibe. De este modo, el sistema deberá decidir de forma autónoma y dinámica (osmotic computing) qué datos utilizar localmente (dentro de los propios dispositivos, edge computing), cuáles de forma centralizada (cloud computing) y cuáles en un ámbito intermedio (fog computing). Y ello deberá atender a restricciones físicas (latencia de la red, capacidad de cómputo del dispositivo o limitaciones de energía) y a consideraciones de garantía de la privacidad.

Resultados esperados e indicadores

Se pretende obtener una metodología soportada por un marco de trabajo que permita: i) la gestión dinámica de datos para su explotación a través de microservicios distribuidos en diferentes capas, ii) combinación de resultados para optimizar la respuesta de los servicios anteriores en el contexto requerido, y iii) el diseño de un repositorio de servicios básicos de análisis de datos reutilizables.

Indicadores (esperados hasta el 31/12/2021)

  • Nuevo personal investigador (equivalente anual): 1
  • Patentes: 0
  • Nº contratos transferencia: 0
  • Congresos: 2
  • Publicaciones indexadas: 2
  • Tesis doctorales: 1

Justificación potencial impacto tecnológico del proyecto TRL

Los resultados del proyecto tendrán un impacto potencial en la forma en que las aplicaciones móviles explotan los datos, pasando de una gestión centralizada a una gestión basada en comunicación dispositivo a dispositivo o mixta. La existencia de una plataforma que gestione los datos de forma que su exposición en servidores centralizados se minimice, redundará en una mayor privacidad de los datos personales residentes en los dispositivos móviles, y permitirá respuestas más rápidas cuando los microservicios se puedan ejecutar lo más cerca posible de las fuentes de datos que deben analizarse.