IBA融合架構的實現路徑的思考

黃孝斌 黃飛 司博章 魏劍平 蔣輝

隨著物聯網，大數據，人工智能，云計算，移動互聯等新技術的深化應用，單一的技術手段，已經難以滿足不斷發展的應用需求，多種技術的融合應用，常常帶給用戶意外的應用體驗，IBA（Internet of things，Big data，Artificial intelligence）融合技術架構就是在此背景下誕生的。

一、IBA融合的內涵

（一）IBA融合的外在需求

應用驅動，社會治理和社會運行，如同人類本身符合馬斯洛需求不斷升級的內在規律一樣，需求的不斷變化和技術的不斷進步，解決了已有的難點痛點，同時又產生了新的需求。不斷升級的新需求，往往很難依賴單一技術手段解決，而多種技術的共同作用常?？梢詾闈M足需求的升級帶來出乎預料的驚喜。因此，技術融合已經成為社會治理進步，滿足需求升級的強大推動力。

（二）IBA融合的內生條件

相生相依，榮損與共，具有融合的天然基因機理和內生機制。

物聯網是大數據生產的條件，大數據是人工智能的基礎，人工智能則是大數據發展的高級表現形式。物聯網，大數據與人工智能三者相生相依，互為作用，相互促進，良性循環。

（三）IBA融合的內涵

技術維度：對物聯網，大數據，人工智能的業務元素（或單元）進行縱向拆分，橫向重構，按照一定的規則進行組合、整合、聚合，實現數據的融合重混，業務的創建，應用的創新。

應用維度：對物聯網，大數據，人工智能通過場景構建實現各類技術在同一應用中的“你中有我，我中有你”的融合，滿足用戶體驗，提升應用層級。

二、IBA融合技術架構的設想

圍繞“全面感知，縱橫協同，分層認知，多維智能，按需配置，安全可控”的核心思想構建IBA融合技術架構，全面實現對物的感知，即物物相連；打通東西向數據流，實現邊緣協同，端邊云協同；抓住認知事物的本質，通過分層認知探索事物的運行規律；在架構的不同維度，按需實現等級智能化，架構功能彈性配置，安全管理自主可控。

三、IBA融合應用難點

實現IBA融合應用的7大難點主要包括東西向數據貫通，彈性路由，多線程訪問，數據一致性，場景構建，算法實現和數據融合節點選擇。

四、實現IBA融合應用的路徑

（一）采集域

對目標對象的狀態、可能影響其狀態的包含多類型傳感器的數據，以及人機界面觀測事實信息形成的數據統一在端側進行采集后，根據場景需要可北向上傳至網關、分布式服務器或大數據平臺，亦可按照多維智能的理念，在前端實現微閉環智能控制。

（二）認知域

對由南向北的目標數據分層進行數據融合，并在邊緣認知層根據需要進行控制型數據重混，在分布式服務器層進行調度型數據重混，在大數據平臺層進行決策型數據重混。具體工作原理為：

在邊緣認知層，先將不同傳感器組合輸出的數據，按照場景需要選擇數據融合的節點，建立多源數據庫，并利用彈性路由技術通過路由協議建立路由回路數據，貫通東西向數據流。通過自操作自讀取技術按需提取特征關聯數據，進行數據治理，實現數據一致性描述，進而實施控制型數據重混，或建立數據分析集，通過相關算法在邊緣層實現更高效率的控制和智能應用。

在分布式服務認知層，對邊緣認知層或感知層的北上數據按系統對應入庫，然后對各類專用數據應用平臺，以產生決策智能為目標建立關聯鏈接，并根據智能決策需要，抽取數據庫中相關數據、并對其數據進行一致性轉換，治理，并構建成一個符合應用場景需要的分析數據集，該數據集具備彈性重構功能，可隨數據源的變化進行新的組合，重混。如：重大化工廠爆炸應急反應指揮除了在感知域要具備爆炸物成分采集、風向風力風速采集，還有邊緣認知側的消防設施自控系統聯動等功能，同時服務器認知層也能夠調取公共消防管理部門的聯動報警預警數據，政府公共服務平臺的組織疏散聯動數據，醫療部門的救護資源調度統籌聯動數據。最后，通過對構建場景的調度型數據重混，形成新的數據集并進行關聯分析，實現高效智能指揮。

在大數據平臺認知層，對包括物聯網感知域數據，邊緣認知域匯聚分析計算的衍生數據，分布式認知域匯聚及分析衍生數據中的可供預測、決策的數據，相關政府社團的組織數據，相關企業的ERP、CRM數據，相關個人的消費數據中可對目標狀態產生影響的可供預測決策的數據等各種全量數據進行再融合，通過對數據的研究、理解、轉化、清理并按照一定規則進行重混和組合，建立分析數據集，綜合應用概率統計、Data Mining Algorithms、模糊數學、神經網絡、決策樹、RapidMiner等多學科，實現科學的預測和決策。

（三）應用域

當今物聯網技術，大數據技術，人工智能技術乃至移動互聯網、云計算等技術和應用之間不再彼此孤立，而是在應用與發展上相互融合。在信息化技術迅猛發展的大趨勢下，這種融合創新迫使IT業由提供簡單服務轉向提供貼近用戶需要的多業務融合服務，社會管理的痛點和難點不再依賴單一技術提供差強人意的解決方案，而是通過技術的不斷發展與創新，多種技術的合力作用，乃至跨技術跨行業的不斷融合得以實現。大數據的發展需要物聯網源源不斷的提供數據資源，物聯網需要利用人工智能提供創新性的服務，而人工智能沒有大數據提供學習訓練的條件，智能就成了沙灘上的建筑。簡言之，物聯網為大數據提供了可靠的資源，大數據為人工智能的學習訓練創造了條件，人工智能為物聯網向智能網絡演進、滿足市場需要提供了足夠有利的推動力。

五、IBA融合架構安全

IBA融合技術架構的結構更加復雜，網絡安全更加突出。具體表現在：

（一）感知域

其包含種類繁多的位置、狀態、身份、視頻、語音、MEMS、納米等多種新興傳感器，用以實現數據采集和獲取或識別物體等功能。由于應用場景簡單，大多數終端的存儲、算力極其有限，傳感器微型化，低功耗的客觀要求，也迫使其犧牲算力和存儲以保證其適應應用環境，在其CPU上部署安全軟件或者高復雜度的加解密算法會增加運行負擔，甚至可能導致無法正常運行。而移動化、無線化作為物聯網傳感終端的另一特點，認知層與感知層交叉，讓物聯網的感傳邊界不清，特別是近距離或近場通信等自組織網絡和通信協議的安全性先天不足，依托于網絡邊緣側的安全產品難以有效發揮作用；另外，大多數物聯網設備都部署在無人監控場景中，對外界非法攻擊的防范更加困難。

（二）認知域

在IBA融合技術架構下，認知層物聯網網絡采用多種異構網絡，通信傳輸模型相比傳統網絡更為復雜，特別是在邊緣認知層，東西向數據貫通后，存在著協同通信協議破解、加密算法破解、黑客攻擊等諸多安全隱患。在分布式服務側和大數據平臺側，不僅面臨Key、核心算法、證書等多種安全挑戰，還面臨跨域平臺鏈接帶來的安全風險。此外，物聯網數據傳輸鏈路本身與傳輸內容安全問題也必須引起高度重視。分布式服務側和大數據平臺側的安全風險或危及整個網絡系統的安全。

（三）應用域

在IBA融合技術架構下，其應用通常是將智能設備通過網絡經由分層認知后，即邊緣側經過東西向數據協同認知，服務器側經過跨域協同認知連接到大數據平臺，借助App與邊緣側、分布式服務器側和大數據平臺側進行信息交互，從而實現對設備的遠程管理和應用。因此，系統安全不僅來自大數據平臺面臨的常見風險，系統內部來自管理疏漏和外部的威脅，往往更加難以防范。企業內部管理制度執行缺失、系統安全設施配套不足、專業黑客的網絡攻擊等等，都可能讓大數據平臺和分布式服務側乃至整個系統徹底癱瘓。

實現IBA融合技術架構下的安全，需要貫徹以下理念：

全節點加密，任何一個數據采集接入點都要實施加密措施；全鏈路防護，無論通信鏈接方式如何變化，都要設置安全防護措施，確保全鏈路安全；全過程可控，安全的鑰匙把握在自己手中，從采用可控可信軟硬件產品入手，從新安全技術手段切入，包括區塊鏈等技術的應用，實現本質安全。

六、結束語

大數據、人工智能等新技術的發展對物聯網創新應用產生了影響和促進，基于物聯網的IBA融合架構是對物聯網架構的完善，也是對其擴展與深化，IBA融合創新必將推動新的產業升級。

作者單位：北京時代凌宇科技股份有限公司