Resumen

Para mejorar la credibilidad de los resultados de las plataformas de anlisis de big data en IoT, es necesario mejorar la calidad de los datos de IoT. Se han propuesto muchos mtodos de deteccin para filtrar datos increbles, pero hay ciertas deficiencias que el rendimiento no es alto, la deteccin no es exhaustiva, y el proceso no es creble. Por lo tanto, este documento propone un mtodo de deteccin de credibilidad basado en el rea-contexto para datos IoT, que puede detectar eficazmente anomalas puntuales, anomalas de comportamiento y anomalas contextuales. El rendimiento de la determinacin del contexto y la deteccin de la credibilidad de los datos del dispositivo que satisface las caractersticas del rea es superior a los algoritmos similares. Como muestran los experimentos, el mtodo propuesto puede alcanzar un alto nivel de rendimiento con ms del 97% en las mtricas, lo que puede mejorar eficazmente la calidad de los datos IoT.

• Materias:Red 5G Internet de las cosas Seguridad de la información Tecnologías de comunicación
• Subjects:5G Network Internet of things Information security Communication technologies
• Palabras claves:Mejorar; Credibilidad; Plataformas de análisis de big data; Datos IoT; Métodos de detección; Anomalías
• Keywords:Improve; Credibility; Big data analysis platforms; IoT data; Detection methods; Anomalies