AS 6

Automazione e Strumentazione n Settembre 2024 Primo piano 29 DOSSIER autoconsapevolezza e problemi di privacy. La prossima generazione di applicazioni IoT deve spostarsi all’edge o più vicino alle risorse opera- tive per amplificare il livello delle loro prestazioni, creare un funzionamento più stabile e consentire una risposta più rapida. Questa trasformazione deve basarsi su ambienti IoT localizzati, compo- sti da dispositivi eterogenei (ad esempio, compu- ter periferici e dispositivi con risorse limitate) che possono eseguire in modo collaborativo applica- zioni IoT altamente automatizzate, che includono funzioni di rilevamento, attuazione, ragionamento e controllo. IntellIoT ha sviluppato una struttura architettonica per abilitare ambienti IoT per appli- cazioni semi-autonome dotate di intelligenza, sicurezza e fiducia integrate e in grado di evolversi con l’intervento umano. Il progetto IntellIoT si è concentrato principalmente su tre aspetti: i sistemi intelligenti collaborativi, l’interazione umana con i sistemi intelligenti e il fatto che tutte queste atti- vità siano eseguite in modo affidabile e sicuro. Le applicazioni IoT sono distribuite e precise; la loro collaborazione è supportata da agenti sof- tware autonomi di un nuovo sistema multi-agente basato su ipermedia (HyperMAS). Varie entità semi-autonome dovranno cooperare per eseguire più applicazioni IoT. Queste entità dovranno essere autocoscienti e avere una diversa conoscenza del compito da svolgere e dell’ambiente in cui si tro- vano. Sfortunatamente, non è sempre possibile fornire tutte le conoscenze necessarie alle entità, soprattutto in ambienti in evoluzione. Per man- tenere aggiornata la conoscenza delle entità è necessario estenderla applicando tecnologie di apprendimento basate sull’Intelligenza Artificiale e sul Machine Learning. La nuova conoscenza può essere acquisita interagendo con l’ambiente (tramite sensori) o interagendo con le altre entità nell’ambiente. Scambiando informazioni tramite una rete di comunicazione affidabile e sicura, le entità nell’ambiente dovranno collaborare tra loro per aggiornare le proprie conoscenze per svolgere il compito assegnato. Il secondo aspetto è rela- tivo al fatto che le applicazioni IoT non possono essere completamente autonome nel modo in cui decidono e agiscono; hanno bisogno di mantenere l’uomo coinvolto nel controllo e nell’ottimizza- zione della loro intelligenza artificiale. L’intera- zione con l’uomo consentirà al sistema intelligente di espandere la propria conoscenza sull’ambiente o sull’applicazione attraverso tecnologie di appren- dimento automatico e di utilizzare l’esperienza dell’operatore umano per apprendere nuove fun- zionalità o informazioni sul processo complessivo. Questa focalizzazione sul Human-in-the-Loop è resa possibile da una serie di componenti architet- tonici disponibili per l’integrazione, cioè applica- zioni HIL (Hardware in the Loop) come le app di Mixed Reality (MR) che fungono da punto d’in- contro di diversi componenti e consentono l’in- terazione tra uomo e macchina. Il terzo aspetto prende in considerazione il fatto che le soluzioni IoT devono soddisfare i requisiti di sicurezza, pri- vacy e affidabilità fin dalle prime fasi di progetta- zione; l’infrastruttura di calcolo e comunicazione deve essere efficiente, affidabile e degna di fidu- cia. Nel progetto IntellIoT viene adottata un’in- telligence di sicurezza avanzata per proteggere le interazioni non supervisionate da dispositivo a dispositivo, sulla base di operazioni autoadatta- bili e legate appunto alla sicurezza. Anche questo caposaldo della affidabilità include una serie di componenti architettonici disponibili per l’integra- zione: come la Security Assurance Platform, un quadro integrato di modelli, processi e strumenti per consentire la valutazione e la certificazione continua delle proprietà di sicurezza del sistema; o l’Intrusion Detection System, un sistema di rile- vamento delle intrusioni basato sulla fiducia (Trust Based), un’applicazione decentralizzata che moni- tora il traffico di rete: ogni istanza crea un valore di fiducia per ciascun nodo, in base all’attività di rete osservata e a come questa viene classificata; quando il valore di fiducia per un nodo scende al di sotto di una soglia, genera un avviso che viene propagato per arrivare ai componenti che attivano gli eventuali interventi difensivi. Questi tre aspetti brevemente richiamati costituiscono i tre pilastri Tecnologie AI e IoT aiutano a curare da remoto