Geri Dön

Hardware acceleration of internet of things network stack with dtls support

Dtls destekli nesnelerin interneti ağ yığınının donanımla hızlandırılması

  1. Tez No: 809395
  2. Yazar: BURAK BATMAZ
  3. Danışmanlar: PROF. DR. ATAKAN DOĞAN
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 120

Özet

Nesnelerin interneti (IoT) cihazlarında veri iletişim yığını genellikle işletim sistemlerinin bir parçası olarak yazılım ile gerçeklenir. Ancak, ağ iletişimi ile ilgili işlemsel olarak yoğun yazılım görevlerini bir mikroişlemci üzerinde çalıştırmak, kaynak kısıtlı IoT cihazları için zayıf uygulama performansı ve yüksek güç tüketimine neden olabilir. Bu performans ve güç sorunlarını azaltmak için Sistem-Üzerinde-Yongadaş (SoC) Alan Programlanabilir Kapı Dizileri (FPGA'lar) kullanılır. Bu tez iki ana bölümden oluşmaktadır: İlk bölüm, Kısıtlı Uygulama Protokolü (CoAP) ve altında yatan ağ protokollerinin donanım hızlandırmasına odaklanır. İkinci bölüm, Uygulama Özel Entegre Devre (ASIC) şifreleme hızlandırıcılarını, yeniden yapılandırılabilir mantıkla birleştiren Datagram Taşıma Katmanı Güvenliği (DTLS) protokolünün donanım hızlandırmasına odaklanır. Donanım hızlandırmalı CoAP sunucusunun performansını vurgulamak için hem standart hem de güvenli sürümleri detaylı bir şekilde değerlendirilir ve yazılım tabanlı bir uygulamayla karşılaştırılır. Değerlendirme performans, gecikme süresi, güç tüketimi ve FPGA kaynak kullanımı gibi çeşitli ölçütleri içerir. Sonuçlar, önerilen CoAP donanım hızlandırıcılarının, karşılık gelen yazılım tabanlı CoAP sunucusuna göre önemli ölçüde daha az güç tükettiğini, daha yüksek performans sağladığını ve mesaj gecikme süresinin daha düşük olduğunu göstermektedir. Bu nedenle, önerilen CoAP donanım hızlandırıcı tasarımları, kaynak kısıtlı IoT cihazlarında kullanılabilir çözümler olarak değerlendirilebilir.

Özet (Çeviri)

The data communication stack on IoT devices is traditionally implemented in software as part of their operating systems. However, running computationally intensive software tasks related to network communication on a microprocessor may lead to poor application performance and high power consumption for resource-constrained IoT devices. To mitigate these issues, hardware acceleration using System on Chip (SoC) Field Programmable Gate Arrays (FPGAs) is utilized. This thesis consists of two main parts: The first part focuses on hardware acceleration of the Constrained Application Protocol (CoAP) and its underlying network protocols. The second part centers around hardware acceleration of the Datagram Transport Layer Security (DTLS) protocol, combining ASIC cryptographic accelerators with reconfigurable logic. To showcase the performance of the hardware accelerated CoAP server, both standard and secure versions are thoroughly evaluated and compared against a software-based implementation. The evaluation considers metrics such as performance, latency, power consumption, and FPGA resource utilization. Results demonstrate that the proposed CoAP hardware accelerators consume significantly less power while delivering higher performance and lower message latency compared to software-based CoAP servers. Therefore, the proposed CoAP hardware accelerator designs are viable solutions for resource-constrained IoT device deployment.

Benzer Tezler

  1. Mobil cihazlar ile derin öğrenme mimarisi kullanarak gerçek zamanlı video nesne izleme

    Deep learning architectures for real-time video object tracking by mobile devices

    ULAŞ TOSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  2. Implementation of a neural network application using accelerator on RİSC-V architecture in FPGA

    FPGA'de RİSC-V mimarisi üzerinde hızlandırıcı kullanarak yapay sinir ağı uygulaması gerçeklenmesi

    AHMET ANIL DÜNDAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ ZİYA ALKAR

  3. Akıllı ev cihazlarının haberleşmesinde hafif sıklet şifreleme algoritmalarının performans analizi

    In communication of smart home devices performance analysis of lightweight encryption algorithms

    ÖMER YEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN ESKİ

  4. Development of process, voltage and temperature variation aware highly energy-efficient deep neural networks with high inference accuracy for internet-of-things applications

    Nesnelerin internet, uygulamaları için gerilim, sıcaklık ve üretimsel sapmaları dikkate alarak yüksek enerji verimliliği ve çıkarım doğruluğuna sahip derin öğrenme ağları geliştirilmesi

    UMUT BARUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiSabancı Üniversitesi

    Mühendislik ve Doğa Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER CEYLAN

  5. Low power secure SoC for IoT devices using lightweight cryptography acceleration

    Nesnelerin interneti için hafif kriptografi hızlandırıcılı düşük güç tüketimli yonga üstü sistem tasarımı

    HİKMET SEHA ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Elektrik ve Elektronik MühendisliğiBoğaziçi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İSMAİL FAİK BAŞKAYA