Resource Management for Secure and Efficient Data Utilization in IoT Systems

국문 초록 (Abstract)

최근 센싱 기술과 컴퓨팅 인프라의 발전으로 이동 데이터 (human mobility data), 대기질 데이터 (air quality data), 교통 데이터 (Traffic data) 등 다양한 종류의 빅데이터가 생성되고 있다. IoT (Internet of Things) 시스템은 다양한 데이터를 수집하고 교환, 분석하여 지능형 서비스를 제공하는 통합 시스템을 말한다. 이러한 IoT 시스템에서는 데이터를 정보로 가공하여 사용자에게 서비스를 제공하고 그 결과가 다시 데이터로 축적되는 순환 구조를 가지므로, 전체 프로세스는 다양한 시스템 리소스를 소모한다. 따라서 IoT 시스템에서 전체 프로세스에 걸친 효율적인 리소스 관리를 고려하는것이 중요하다. 실제로 데이터 규모의 급증, 장치 이동성과 지역적 밀집도 변화, 그리고 이기종 디바이스 간의 성능 불균형으로 인해 전체 시스템 자원의 소모를 가속화한다. 특히 데이터 흐름에 따라 네트워크, 프라이버시, 저장 자원 각각에서 고유한 한계가 드러난다. 이러한 자원 문제는 데이터 생성부터 활용까지의 각 단계에서 서로 다른 형태로 나타나므로, 전체적인 흐름을 고려하여 이를 관리할 수 있는 구조가 필요하다.
본 연구에서는 IoT시스템에서 데이터가 생성되어 전송되고, 처리되며 저장되는 전체 흐름을 기준으로 이를 네트워크 자원 관리, 프라이버시 자원 관리, 저장 자원 관리의 세 단계로 구분한다. 이러한 단계 구분을 바탕으로 IoT 환경에서 발생하는 자원 소모 문제를 체계적으로 분석하고, 이에 대한 해결 방안을 제시한다. 이를 위해 본 연구는 각 단계의 요구 사항을 충족하기 위해 무인 항공기 (Unmanned Aerial Vehicle, UAV)와 블록체인 기술을 핵심 전략으로 활용한다. UAV는 유연한 네트워크 구성과 실시간 데이터 수집을 가능하게 하며, 블록체인은 신뢰성 확보, 데이터 무결성 보장, 그리고 탈중앙화된 데이터 관리를 지원한다. 이러한 기술적 결합을 통해 본 연구는 IoT 시스템에서 나타나는 네트워크, 프라이버시, 저장 자원 간의 이질적 제약 요소를 포괄적으로 고려하는 효율적인 자원 관리 프레임워크를 제안한다. 네트워크 자원 관리 단계에서는 노드 이동성과 트래픽 밀집으로 인해 발생하는 통신 오버헤드 문제를 완화한다. 이를 해결하기 위해 UAV를 이동형 보조 게이트웨이로 활용하여 밀집된 그룹의 트래픽을 완화하고, 블록체인을 통해 노드 이동성과 그룹 밀집도를 파악함으로써 안전하고 효율적인 그룹 통신 메커니즘을 제안하였다. 실험 결과, 제안된 이동성·밀집도 기반의 효율적인 통신 기법은 UAV의 동적 배치를 통해 네트워크 처리량을 높일 수 있음을 확인하였다. 프라이버시 자원 관리 단계에서는 블록체인 기반의 차등 정보보호 (Differential Privacy, DP) 메커니즘을 설계하였다. 기존 차등 정보보호 메커니즘은 동일 데이터에 대한 반복 요청 시 프라이버시 비용이 누적되어 안전성이 저하되는 한계가 존재한다. 이를 해결하기 위해 본 연구에서는 UAV가 실시간으로 데이터 처리와 모델 학습을 수행하고, 블록체인에 차등 정보보호 메커니즘의 파라미터와 모델 정보를 저장함으로써 노이즈 재사용과 학습 모델 결과 추론 시 기존 파라미터 활용을 가능하게 한다. 실험 결과, 제안된 기법은 기존의 차등 정보보호 메커니즘에 비해 프라이버시 예산 소모를 줄이면서도 높은 모델 정확도를 유지함을 확인하였다. 마지막으로 저장 자원 관리 단계에서는 데이터의 양과 다양성이 지속적으로 증가함에 따라, 확장성과 무결성을 동시에 보장할 수 있는 시스템 구조가 필수적이다. 이를 위해 본 연구에서는 대규모 인프라 환경에서 블록체인을 다양한 목적에 맞게 활용할 수 있도록, 성능과 확장성을 향상시킨 계층적 샤딩 기반 멀티체인 구조와 이에 적합한 합의 알고리즘을 설계하였다. 또한, 안정 해시 (consistent hashing) 기반의 분산 저장 메커니즘을 활용하여 확장성과 데이터 무결성을 동시에 보장한다. 데이터는 일반 데이터와 민감 데이터로 구분한 후, 유사도 기반 클러스터링을 수행한다. 또한 안정 해싱을 적용하여 데이터를 효율적으로 저장하고, 시스템 확장 과정에서 발생하는 부하를 최소화하였다. 실험 결과, 제안된 시스템은 효율적인 병렬 처리와 데이터 무결성을 보장함을 확인하였다.
결론적으로 본 연구는 IoT 시스템에서 나타나는 네트워크, 프라이버시, 저장 자원 문제를 포괄적인 관점에서 단계별로 분석하고, 각 자원 문제에 적합한 해결 방안을 제시하였다. 제안된 구조는 IoT 시스템뿐만 아니라 방대한 데이터가 지속적으로 생성되어 공유되는 대규모 분산 컴퓨팅 환경에서도 자원 관리 효율을 향상시키는 기반으로 활용될 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

Recently, advancements in sensing technologies and computing infrastructures have enabled the generation of massive amounts of big data, including human mobility, air quality, and traffic data. An IoT (Internet of Things) system refers to an integrated framework that collects, exchanges, and analyzes diverse data to provide intelligent services. As these systems operate through a cyclic data flow in which raw data are continuously transformed into information and subsequently accumulated as new data, the entire process inherently consumes various system resources. Accordingly, as data move through the stages of generation, processing, and storage, they place increasing demands on key system resources such as network bandwidth, privacy budgets, and storage capacity. As a result, efficient resource management across the entire process becomes a critical requirement in IoT systems. Moreover, the rapid growth in data volume, the variability in device mobility and node density, and performance imbalances among heterogeneous devices collectively intensify these resource constraints. In particular, because resources are consumed sequentially throughout the data flow, distinct challenges arise with respect to network, privacy, and storage resources. Since these heterogeneous resource challenges manifest differently at each stage, ranging from data generation to utilization, a framework that considers the overall workflow and manages them accordingly is required.
This dissertation classifies the overall data flow in IoT systems, which spans data generation and transmission, processing, and storage, into three stages that correspond to network resource management, privacy resource management, and storage resource management. Based on this classification, we systematically investigate the resource consumption bottlenecks in IoT systems and propose an optimized management framework to mitigate them. To address the requirements of each stage, we introduce unmanned aerial vehicles (UAVs) and blockchain technology as core strategies. The proposed framework enables flexible network configuration and real-time data collection through UAVs, while ensuring reliability, data integrity, and decentralized data management through blockchain. Through this technological integration, we present an efficient resource management framework that comprehensively addresses the heterogeneous constraints across network, privacy, and storage resources in IoT systems.
In the network resource management phase, we mitigate the communication overhead arising from node mobility and traffic congestion in urban computing. We design UAVs as mobile auxiliary gateways to mitigate traffic in densely populated groups and use blockchain to monitor node mobility and group density, thereby enabling a secure and efficient group communication mechanism. According to the simulation results, the proposed efficient communication scheme that considers mobility and density maximizes network throughput through the dynamic deployment of UAVs. In the privacy resource management phase, we design a blockchain-based differential privacy (DP) mechanism. Conventional DP methods suffer from the limitation that the total privacy cost accumulates with repeated queries on the same data, thereby weakening privacy guarantees. To address this issue, UAVs perform real-time data processing and model training, while the blockchain stores DP parameters and model information to enable noise reuse and allow previously stored parameters to be leveraged when inferring model outputs. Experimental results demonstrate that the proposed method reduces privacy budget consumption while maintaining high model accuracy compared with traditional DP approaches. In the storage resource management phase, as data continues to grow in volume and diversity, a system architecture that ensures both scalability and data integrity becomes essential. To this end, we introduce a hierarchical sharding based multi-chain structure that improves performance and scalability, along with a consensus mechanism specifically designed to suit this architecture. The system incorporates a consistent hashing based distributed storage mechanism to achieve both system scalability and data integrity. The data are classified into general and sensitive categories, and similarity-based clustering is performed. Consistent hashing is applied to efficiently store data and minimize the load generated during system expansion. The simulation results show that the proposed system achieves efficient parallel processing and high data integrity.
In conclusion, this dissertation presents a comprehensive analysis of network, privacy, and storage resource issues in IoT systems across the corresponding stages and proposes appropriate solution strategies for each challenge. The proposed framework is expected to serve as a foundation for improving resource management efficiency not only in IoT systems but also in large-scale distributed computing environments where large volumes of data are continuously generated and shared.

목차 (Table of Contents)

• I. Introduction 1
• 1. Motivation 1
• 2. Organization 3
• II. Preliminary 4
• 1. Problem Formulation of Heterogeneous Resource Constraints 4
• 1.1. Network Resource Constraints in Data Transmission Phase 4
• 1.2. Privacy Resource Constraints in Data Processing Phase 5
• 1.3. Storage Resource Constraints in Data Storage Phase 6
• 2. Solution Approach 7
• 2.1. Blockchain 7
• 2.2. Unmanned Aerial Vehicle 9
• 3. System Overview 10
• III. Background and Related Work 12
• 1. Group and Group Key Management 12
• 2. Differential Privacy 14
• 3. Sharding 16
• 4. Consensus Algorithm 17
• 5. Consistent Hashing 18
• 6. Isolation Forest 19
• IV. Network Resource Management 20
• 1. System Model 20
• 1.1. System Design 20
• 1.2. Hierarchical Blockchain System 23
• 1.3. Group and Group Key Management Scheme 26
• 2. Experimental Results and Performance Analysis 31
• 2.1. Experimental Settings 31
• 2.2. Performance Evaluation of Efficient Group Management 33
• 2.3. Performance Evaluation of Secure Group Key Management 37
• 3. Discussion 39
• 3.1. Security Analysis based on Information Security Requirements 39
• 3.2. Security Analysis based on Security Threats 40
• V. Privacy Resource Management 42
• 1. System Model 42
• 1.1. System Design 42
• 1.2. Blockchain Configuration 45
• 1.3. Authentication and Differential Privacy for Reducing Total Privacy Cost 48
• 1.4. Data-Adaptive Parameter Utilization Scheme 52
• 2. Experimental Results and Performance Analysis 54
• 2.1. Experimental Settings 54
• 2.2. Performance Evaluation of Data Security and Privacy 57
• 2.3. Performance Evaluation of Data Accuracy 66
• 3. Discussion 75
• 3.1. System Refinement 76
• 3.2. Comparison with Related Work 77
• 3.3. Security Analysis based on Information Security Requirements 79
• VI. Storage Resource Management 81
• 1. System Model 81
• 1.1. System Design 81
• 1.2. Hierarchical Sharding 83
• 1.3. Consensus Algorithm Suitable for Hierarchical Sharding 86
• 1.4. Hybrid Data Management Framework 90
• 2. Experimental Results and Performance Analysis 95
• 2.1. Experimental Settings 95
• 2.2. Performance Evaluation of Hierarchical Sharding 97
• 2.3. Performance Evaluation of Consensus Algorithm 105
• 2.4. Performance Evaluation of Hybrid Data Management 109
• 3. Discussion 113
• 3.1. Security Analysis based on Information Security Requirements 113
• 3.2. Security Analysis based on Blockchain System 114
• 3.3. Security Analysis based on Consensus Algorithm 115
• 3.4. Complexity Analysis of Blockchain 116
• 3.5. Efficiency Analysis 118
• VII.Conclusion 119
• Bibliography 121