MINISTERO DELL'UNIVERSITÀ E DELLA RICERCA DIREZIONE GENERALE PER IL COORDINAMENTO E LO SVILUPPO DELLA RICERCA PROGRAMMI DI RICERCA SCIENTIFICA DI RILEVANTE INTERESSE NAZIONALE RICHIESTA DI COFINANZIAMENTO (DM n. 1175 del 18 settembre 2007) PROGETTO DI UNITÀ DI RICERCA - MODELLO B Anno 2007 - prot. 2007J4SKYP_002
1 - Area Scientifico-disciplinare 09: Ingegneria industriale e dell'informazione 80% * 01: Scienze matematiche e informatiche 20%
* Area prescelta ai fini della valutazione
2 - Durata del Progetto di Ricerca 24 Mesi
3 - Coordinatore Scientifico VICARIO
ENRICO
Professore Ordinario Università degli Studi di FIRENZE Facoltà di INGEGNERIA Dipartimento di SISTEMI E INFORMATICA
4 - Responsabile dell'Unità di Ricerca SCARPA
MARCO LUCIO
Professore Associato non confermato
04/03/1969
SCRMCL69C04C351Y
Università degli Studi di MESSINA Dipartimento di MATEMATICA 090-3977339 (Prefisso e telefono)
[email protected] (Numero fax)
5 - Curriculum scientifico Testo italiano Marco Scarpa e' nato il 4/3/1969 a Catania. Si e' laureato il 22 Luglio 1994 in Ingegneria Informatica con voti 110/110 con lode con una tesi su "Processi di Markov Rigenerativi per la Generalizzazione delle Reti di Petri". Nel Febbraio del 200 ha conseguito iltitolo di "Dottorato di Ricerca in Informatica" presso l'Universita' degli studi di Torino. Il 04/11/2003 ha preso servizio come titolare di assegno di ricerca quadriennale presso il Dipartimento di Matematica dell'Universita' degli Studi di Messina per svolgere attivita' sullo studio delle prestazioni di sistemi real time. Il 13 Gennaio 2006 consegue l'idoneita' come Professore Associato nel settore scientifico disciplinare INF/01 - INFORMATICA, nella valutazine comparativa bandita presso l'Universita' degli Studi di Catania, Facolta' di SCIENZE MATEMATICHE FISICHE e NATURALI. Dal 1 Ottobre 2006 presta servizio in qualita' di Professore Associato presso la Facolta' di Ingegneria dell'Universita' degli Studi di Messina. E' revisore di diversi congressi e Riviste Internazionali tra cui IEEE Transaction on Dependable and Secure Computing ed IEEE Transactions on Parallel and Distributed Systems. L'attivita' di ricerca svolta ha riguardato:
MUR - BANDO 2007 - * MODELLO B *
-1-
Ministero dell ,Università e della Ricerca - i "gracefully degrading systems", modellando i guasti all'interno di un sistema parallelo/distribuito. In particolare e' stata proposta una metodologia (basata sulle reti di Petri) che porta alla scomposizione del sistema in blocchi piu' semplici che modellano i guasti dei diversi tipi di componenti che compongono il sistema stesso. - modellazione di sistemi non Markoviani, estendendo la classe delle Markov Regenerative Stochastic Petri Nets (MRGPN), con la rimozione della restrizione che al piu' una transizione con tempo di scatto con distribuzione generale puo' essere abilitata in una determinata marcatura. - sviluppo di algoritmi per la soluzione di reti di Petri non esponenziali, basato sulla discretizzazione temporale, per lo studio del transitorio e del regime. Successivamente tali algoritmi sono stati ottimizzati per un uso efficiente della memoria riccorrendo a rappresentazioni simboliche tramite l'algebra di Kronecker. - studio delle caratteristiche sia strutturali che numeriche delle funzioni di distribuzione discrete di tipo Phase Type. Il principale risultato ottenuto e' stata una dimostrazione del fatto che la varianza minima di una Phase Type discreta puo' essere minore di una continua dello stesso ordine. Tale risultato e' di interesse in quanto permette l'implementazione di metodi numerici per risolvere modelli con dinamiche anche molto stringeti (varianze piccole) tipiche dei sistemi real-time. - parallelizzazione degli algoritmi di soluzione tramite uso di librerie MPI e adattamento in ambiente GRID ponendo l'attenzione sul bilanciamento del carico in base all'effettivo carico dei singoli nodi di elaborazione coinvolti ed al fault recovery. - modelli per la valutazione delle prestazioni e dell'affidabilita' di database distribuiti impiegati nella gestione dei dati per sistemi di comunicazione mobile quali l'UMTS. - valutazione, tramite reti di Petri non Markoviane, della effettiva convenienza di fare ricorso al paradigma di programmazione ad Agenti Mobili per l'accesso a servizi distribuiti.I risultati ottenuti chiariscono come gli agenti non vadano sempre considerati come l'unica soluzione ad ogni problema di comunicazione, poiche' esistono diverse circostanze in cui il loro utilizzo puo' rivelarsi addirittura svantaggioso. - generazione automatica di modelli che valutino indici diprestazione e/o di affidabilita' di un software nella sua fase di progettazione a partire da un progetto software definito in UML. Ha implementato nel tool WebSPN i metodi di soluzione analitica delle reti di Petri con temporizzazioni non esponenziali sviluppati. WebSPN e' un software per la soluzioni di modelli di reti di Petri, per lo studio delle prestazioni ed affidabilita' dei sistemi. La tecnica di generazione automatica di modelli prestazionali a partire da specifiche in UML e' stata implementata in un plugin per ArgoUML, software di progettazione UML di pubblico dominio. Testo inglese Marco Scarpa was born in Catania on March 4th 1969. He received the degree in Computer Science Engineering from University of Catania, in 1994 by discussing a thesis on Markov Regenerative Process applied to Petri Nets, final score 110/110 cum summa laudae. In February 2000, he received Ph. D. on Computer Science from University of Torino. In November 2003, he was research assistant on performance evaluation of real time systems at Universtity of Messina. Since October 2006 he is Associate Professor of Computer Science at University of Messina. He is referee of several international conferences and computer science journals such as: "IEEE Transaction on Dependable and Secure Computing" and "IEEE Transactions on Parallel and Distributed Systems". His research activity is mainly focused on: - "gracefully degrading systems", for modelling faults of parallel/distributed systems. It is a methodology based on Petri Nets that first divides complex systems in simple blocks and then models a faults description for each block. - Modelling of non Markovian processes, extending the class of the Markov Regenerative Stochastic Petri Nets (MRGPN) where the hypothesis of only one transition enabled in a given marking has been released. - algorithms for solution of non Markovian Petri net systems, based on a time discretization, in order to study both transient and steady-state behavior. The algorithm has been optimazed in terms of memory usage by the use of the Kronecker algebra - Analysis of both structural and numerical issues of Phase type distribution functions; the most important result has been that the minimum variance of a discrete Phase type distribution function can be less then the variance of a continuous Phase type distribution function of the same order; this result allows the implementation of numeric algorithms able to solve models with very rapid dynamics as happen in the real time systems; - parallelization of solution algorithms by using MPI libraries and adaptation of these techniques to GRID environment, particularly taking into account load balancing and fault recovery processes; - performance and reliability evaluation of distributed database for mobile communication system management such as UMTS by using analytical models; - the evaluation, using Petri net and Markov chains, of effectiveness of mobile agents paradigm for distributed systems access. The results obtained using these techniques show that the mobile agents technology is not always the best solution to solve communication issues; several are the cases in which mobile agents do not provide advantages; - automatic generation of models able to evaluate the performances of a software starting from its UML description; a plug-in for the ArgoUML tool has been implemented; - he implemented the analytic methods to solve Petri nets into the WebSPN tool. WebSPN is a tool able to solve Petri nets for the study of system performances and reliability.
6 - Pubblicazioni scientifiche più significative del Responsabile dell'Unità di Ricerca 1. D. BRUNEO, A. PULIAFITO, M. SCARPA. (2006). Mobile Middleware: Definition and Motivations. In: P. BELLAVISTA, A. CORRADI. Mobile Middleware. 2. S. DISTEFANO, A. PULIAFITO, M. SCARPA. (2006). A Grid-based alghorithm for the solution of non-Markovian stochastic Petri nets. CONCURRENCY AND COMPUTATION. vol. 18, pp. 1-18 ISSN: 1532-0626. 3. S. DISTEFANO, M. SCARPA, A. PULIAFITO. (2006). Modeling Distributed Computing System Reliability with DRBD. 25th IEEE Symposium on Reliable Distributed Systems. October 2 - 4, 2006. (pp. 106-118). ISBN/ISSN: 0-7695-2677-2. : IEEE. 4. S. DISTEFANO, D. PACI, M. SCARPA, A.PULIAFITO. (2005). Design and Implementation of a Performance Plug-in for the ArgoUML Tool. International Conference on SOFTWARE ENGINEERING (SE 2005). 15-17 Febbraio. (pp. 337-342). ISBN/ISSN: 0-88986-464-0. 5. S. DISTEFANO, M. SCARPA, A. PULIAFITO. (2005). GridSPN: a GRID-based non-Markovian Petri Nets Tool. Workshop on Emerging
MUR - BANDO 2007 - * MODELLO B *
-2-
Ministero dell ,Università e della Ricerca Technologies for next generation GRID (ETNGRID-2005). 13-15 Giugno. 6. S. DISTEFANO, M. SCARPA, A. PULIAFITO. (2005). Software Performance Analysis in UML Models. Workshop on Techniques, Methodologies and Tools for Performance Evaluation of Complex System. Settembre 2005. (pp. 115-125). 7. M. SCARPA, PULIAFITO A, VILLARI M, ZAIA A. (2004). A modeling technique for the performance analysis of Web searching applications. IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING. vol. 16, pp. 1339 - 1356 ISSN: 1041-4347, ISI:000223977300003. 8. S. DI STEFANO, D. PACI, M. SCARPA, A. PULIAFITO. (2004). UML Design and Software Performance Modeling. 19th International Symposium on Computer and Information Sciences (ISCIS'04). 27-29 Ottobre. (vol. LNCS 3280). ISBN/ISSN: 3-540-23526-4. 9. A. BOBBIO, A. HORVATH, M. SCARPA, M. TELEK. (2003). Acyclic Discrete Phase Type Distributions: Properties and a Parameter Extimation Algorithm. PERFORMANCE EVALUATION. vol. 54, pp. 1-32 ISSN: 0166-5316. 10. D. BRUNEO, A. PULIAFITO, M. SCARPA, A. ZAIA. (2003). Communication Paradigms for Mobile Grid Users. 3rd IEEE/ACM International Symp. on Cluster Computing and the Grid (CCGRID2000). Maggio, 12-15. (pp. 669-676). ISBN/ISSN: 0-7695-1919-9. 11. M. SCARPA, PULIAFITO, S. DISTEFANO. (2003). A parallel approach for the solution of non Markovian Petri Nets. 10th European PVM/MPI Users' Group Conference (EuroPVM/MPI03). 29 Sept. - 2 Oct. (pp. 196-203). 12. M. SCARPA, M. VILLARI, A. ZAIA, A. PULIAFITO. (2002). From Client/Server to Mobile Agents: An in-Depth Analysis of the Related Performance Aspects. Seventh IEEE Symposium on Computers & Commyunications (ISCC 2002). Luglio,1-4. (pp. 768-773). 13. PULIAFITO A, RICCOBENE S, M. SCARPA. (2001). Which paradigm should I use? An analytical comparison of the client-server, remote evaluation and mobile agent paradigms. CONCURRENCY AND COMPUTATION. vol. 13, pp. 71 - 94 ISSN: 1532-0626, ISI:000168190800006. 14. A. HORWART, A. PULIAFITO, M. SCARPA, M. TELEK. (2000). Analysis and Evaluation of non-Markovian Stochastic Petri Nets. 11th Int. Conf. on Modelling Tech. and Tools for Comp. Perf. Eval. - TOOLS 2000. Marzo, 27-31. (pp. 171-187). 15. S. PALAZZO, A. PULIAFITO, M. SCARPA. (2000). Design and Evaluation of Replicated Databases for Mobile Systems. WIRELESS NETWORKS. vol. 6, pp. 131-144 ISSN: 1022-0038. 16. A. PULIAFITO, S. RICCOBENE, M. SCARPA. (1999). An analytical comparison of the client-server, remote evaluation and mobile agents protocols. Int. Symposium on Agent System and Applications/Mobile Agents (ASA-MA99). Ottobre, 3-6. (pp. 278-292). 17. A. BOBBIO, A. PULIAFITO, M. SCARPA, M. TELEK. (1998). WebSPN: A WEB-accessible Petri Net Tool. Int. Conf. on WEB based Modeling and Simulation. Gennaio, 11-14. 18. A. HORVATH, A. PULIAFITO, M. SCARPA, M. TELEK, O. TOMARCHIO. (1998). Design and implementation of a WEB-based non-Markovian stochastic Petri net tool. 13th Int. Symposium on Computer and Information Sciences, ISCIS'98. (vol. 53, pp. 101-109). 19. A.PULIAFITO, M. SCARPA, K.S.TRIVEDI. (1998). Petri nets with k simultaneously enabled generally distributed timed transitions. PERFORMANCE EVALUATION. vol. 32 ISSN: 0166-5316. 20. M. SCARPA, A. BOBBIO. (1998). Kronecker representation of Stochastic Petri nets with discrete PH distributions. International Computer Performance and Dependability Symposium - IPDS'98. Settembre, 7-9. 21. S. PALAZZO, A. PULIAFITO, M. SCARPA. (1997). Reliability Analysis of a Redundant Database for UMTS Systems. IEEE Petri Nets Performance Models (PNPM'97). Giugno, 2-6. 22. A. PULIAFITO, S. RICCOBENE, M. SCARPA. (1996). Evaluation of Performability Parameters in Client-Server Environments. COMPUTER JOURNAL. vol. 39 ISSN: 0010-4620. 23. A.BOBBIO, A.PULIAFITO, M. SCARPA, M.TELEK. (1996). Time domain analysis of Markov regenerative processes. 8th European Simulation Symposium. Ottobre, 24-26. 24. A. PULIAFITO, S.RICCOBENE, M. SCARPA. (1995). Modeling of client-server systems. Modeling Analysis and Simulation of Comp. and Telecom. Systems (MASCOT95). gennaio, 18-20. 25. V.CATANIA, A.PULIAFITO, M. SCARPA, L.VITA. (1995). Concurrent Generalized Petri Nets. Int. Workshop on the Numerical Solution of Markov Chains. gennaio.
7 - Elenco dei partecipanti all'Unità di Ricerca
7.1 - Componenti Componenti della sede dell'Unità di Ricerca nº Cognome
Nome
Università/Ente
Qualifica
Impegno 1° anno
2° anno
1.
SCARPA
Marco Lucio
Università degli Studi di MESSINA
Professore Associato non confermato
6
6
2.
VILLARI
Massimo
Università degli Studi di MESSINA
Ricercatore non confermato
6
6
12
12
TOTALE
Componenti di altre Università / Enti vigilati Nessuno
Titolari di assegni di ricerca Nessuno
MUR - BANDO 2007 - * MODELLO B *
-3-
Ministero dell ,Università e della Ricerca Titolari di borse nº Cognome
Nome
Università/Ente
Qualifica
Impegno 1° anno
2° anno
1.
BIUNDO
Antonino
Università degli Studi di MESSINA
Dottorando
5
5
2.
GIACOBBE
Maurizio
Università degli Studi di MESSINA
Dottorando
5
5
3.
PALADINA
Luca
Università degli Studi di MESSINA
Dottorando
6
6
4.
SCIONTI
Giuseppe
Università degli Studi di MESSINA
Dottorando
5
5
21
21
TOTALE
7.2 - Altro personale nº Cognome Nome Università/Ente Dipartimento
Qualifica Impegno Impegno 1° anno 2° anno
1. ZAIA
Tecnico Laureato
ANGELO Università degli Studi di Messina
CENTER ON INFORMATION TECHNOLOGIES DEVELOPMENT AND THEIR APPLICATION
TOTALE
3
3
3
3
7.3 - Personale a contratto da destinare a questo specifico Progetto nº Tipologia di contratto 1. Altre tipologie TOTALE
Costo Impegno Note previsto 1° anno 2° anno 30.000
10
10 Programmatore esperto
30.000
10
10
7.4 - Dottorati a carico del PRIN da destinare a questo specifico Progetto Nessuno
8 - Titolo specifico del Progetto svolto dall'Unità di Ricerca Testo italiano Verso una gestione delle risorse ottima nelle reti di sensori: tecniche e modellazione Testo inglese Toward an optimal resouce management in Wireless Sensor Networks: techniques and modelling
9 - Abstract del Progetto svolto dall'Unità di Ricerca Testo italiano Le reti di sensori wireless (WSN) rappresentano una tecnologia strategica per lo sviluppo di applicazioni in ambiti di sorveglianza, sanità, monitoraggio ambientale, intrattenimento. Il forte impatto di questa tecnologia è dimostrato dal grande interesse da parte dell'industria per l'uso di sensori wireless in diversi ambiti applicativi, tra cui il controllo industriale. L'utilizzo di WSN in ambito industriale, pero', impone requisiti di robustezza e di affidabilita' stringenti. In questo progetto si propone di investigare nuove tecnologie per la realizzazione di WSN affidabili da utilizzare in sistemi di monitoraggio industriale. L'obiettivo prefissato è quello di studiare ed implementare nuovi meccanismi di comunicazione tra i nodi sensori che compongono la rete, in modo da garantire un fissato livello di qualita' del servizio (QoS) offerto. Tale vincolo si traduce in un limite sulla percentuale di pacchetti che transitano dalla rete di sensori verso i punti di interconnessione con l'esterno (chiamati sink) in relazione al numero totale dei pacchetti spediti dai nodi stessi. Per rispettare i requisiti di QoS imposti al sistema di monitoraggio, è necessario utilizzare nuovi approcci per lo sviluppo dei servizi di comunicazione. In particolare il progetto dell'unità di Messina investigherà due tecniche, che si basano sui processi biologici alla base dell'origine e dell'evoluzione degli esseri viventi e che mostrano la loro efficacia in diversi ambiti di applicazione: la Swarm Intelligence e le Reti Neurali. Il concetto di Swarm Intelligence si ispira al comportamento delle colonie di insetti e organismi unicellulari: in tali colonie, anche se i singoli individui sono caratterizzati da capacità molto limitate, il contributo di tutti gli individui produce un comportamento complesso. Essa può trovare interessanti implicazioni nell'ambito delle reti di sensori wireless, in quanto è possibile fare una forte analogia tra le colonie di organismi unicellulari e i nodi sensore. Infatti una WSN può essere vista come una "colonia" di dispositivi con limitate risorse che, singolarmente, sono in grado di eseguire semplici operazioni di calcolo ma che collettivamente riescono a risolvere problemi complessi. Nel presente progetto si vuole applicare la Swarm Intelligence per progettare un protocollo di routing auto-organizzante, distribuito e capace di reagire ai guasti adattandosi a cambiamenti che non possono essere tenuti in considerazione a-priori. In particolare si pensa di creare un parallelismo fra la quantità biologica chiamata pheromone e la probabilità che un nodo sia coinvolto nella trasmissione di un pacchetto tramite un dato percorso di routing. In una rete neurale le informazioni sono scomposte in informazioni "elementari" contenute all'interno di ogni singolo neurone. I neuroni, fittamente interconnessi, variano la loro configurazione in risposta agli stimoli esterni. L'applicazione delle reti neurali nelle WSN permetterà di fornire ad ogni nodo sensore delle proprietà di intelligenza artificiale, permettendogli di risolvere i problemi di localizzazione e sincronizzazione in modo distribuito ed utilizzando una quantità limitata di risorse
MUR - BANDO 2007 - * MODELLO B *
-4-
Ministero dell ,Università e della Ricerca radio e computazionali. In tal modo si migliorano le caratteristiche della WSN poiché le tecniche tradizionali di localizzazione e di sincronizzazione, che generalmente fanno uso del Global Positioning System (GPS), non possono essere utilizzate a causa sia dell'eccessivo consumo energetico che dei costi hardware. Nell'ambito del progetto si propone di valutare nuovi modelli basati sulle reti neurali, considerando in particolare le Self Organizing Maps (SOMs), o mappe di Kohonen, che forniscono un modo di rappresentare dati multidimensionali in uno spazio dimensionale molto più piccolo. Volendo però raggiungere una prefissata QoS del sistema investigato, è necessario che opportuni modelli siano elaborati per assistere il progettista alla loro definizione. Infatti le WSN sono sistemi molto complessi a causa del notevole numero di parametri che caratterizzano le stesse e che devono essere tenuti in considerazione in fase di progettazione di sistemi di interconnessione (architettura dei nodi e dei sink, topologia di rete, mobilità dei nodi, caratteristiche di trasmissione, politiche di routing...). A tal fine verrà applicato il formalismo dei Dynamic Reliability Block Diagram (DRBD) in congiunzione a modelli di network reliability, implementando un approccio misto/gerarchico. Ciò consentirà di convogliare le capacità dei DRBD nella valutazione dei sistemi dinamici verso una nuova metodologia investigativa che sarà alla base dello studio delle possibili soluzioni e/o configurazioni per le WSN. Per consentire una reale applicazione delle tecnologie investigate, il progetto prevede lo studio e la realizzazione di servizi di gestione dei dati volti a garantire il monitoraggio ed il controllo di sistemi complessi, con un certo grado di scalabilità, affidabilità e sicurezza. Testo inglese Wireless Sensor Network (WSN) is a strategic technology useful to develop applications for supervision, health, ambient monitoring, entertainment. The strong impact of such technology is proved by the great interest of industries in the usage of wireless sensors for several application contexts, especially the control over the industrial production. The application of WSN within industrial environments needs to strict requirements of robustness and reliability. In this project we propose to investigate innovative technologies in order to implement reliable WSN for monitoring systems into industries. The main target of the project is to study and to implement new communication paradigms among sensors in a network, in order to guarantee an agreed level of Quality of Service (QoS). The QoS constrains are given in term of the percentage of packets succesfully delivered to the gateways (called Sink) over the total amount of packets sent by nodes in the network. To meet the QoS requirements of the monitoring system, new approaches for the development of communication services need to be adopted. In particular, the project of the University of Messina will be focused on the investigation of two techniques, which are based on biological processes that cause the origin and the evolution of life: Swarm Intelligence and Neural Networks. Such techniques are effectively applied in several research areas and they can be useful also for WSN. The Swarm Intelligence is inspired from the observation of bugs and unicellular organisms' colonies. In such colonies, single elements are weak, but if they work all together, they carry out complex tasks. The Swarm Intelligence can be applied in WSN since there is a strong analogy between unicellular organisms' colonies and sensor nodes. In fact, a WSN can be seen as a "colony" of devices with limited resources. Devices execute simple tasks if alone, otherwise the contribution of all of them lead to a complex behaviour. In this project we want to apply the Swarm Intelligence in order to design an auto-configuring, distributed and reactive routing protocol. Such protocol will adapt his functionality with faults and changes in the system. In particular, we want to make a parallelism between a biological entity, called pheromone, and the probability that a node is involved in the routing process toward sinks. In a Neural Network, information are divided in small pieces and they are stored in neurons. Neurons are strongly interconnected and they change their configuration in reply to external spurs. The application of Neural Networks in WSN will provide sensor nodes with artificial intelligence and will make they able to face localization and synchronization issues in a distributed way and with limited waste of computational and radio resources. This approach introduces an important improvement since traditional technologies for localization and synchronization can not be applied in WSN, especially the ones based on the Global Positioning System (GPS), due to the high energy consumption and expensive hardware. This project aims to evaluate new models based on Neural Networks, with particular reference to the Self Organizing Maps (SOMs), o Kohonen maps, which provide a tool for representing multidimensional data into a very smaller dimensional space. To achieve the agreed QoS level for the monitored system, appropriate models need to be adopted to aid the designer in the development of communication services. WNS are very complex systems because they are affected by many parameters characterizing the network itself; all of these parameters have to be taken into account during the design of interconnection systems (architecture of nodes and sinks, network topology, nodes mobility, transmission parameters, routing strategies...). To provide analytical models of WSNs, we will adopt the Dynamic Reliability Block Diagram (DRBD) formalism together with other network reliability models, through an hybrid/hierarchical approach. In this way, we will direct benefit of DRBD in the evaluation of dynamic systems toward a new investigative methodology. It will be the base for the study of new solutions and services in WSN. Moreover, in order to have an actual application of the investigated technologies, the project aims to study and implement services for data management. These services will guarantee monitoring and control of complex systems with a high level of scalability, reliability and security.
10 - Parole chiave nº 1. 2. 3. 4. 5.
Parola chiave (in italiano)
Parola chiave (in inglese)
ALGORITMI DI ROUTING
ROUTING ALGORITHMS
ALGORITMI BIOLOGICI
BIOLOGICAL ALGORITHMS
DIAGRAMMI A BLOCCHI DI AFFIDABILITA' DINAMICI DYNAMIC RELIABILITY BLOCK DIAGRAMS MODELLI DI AFFIDABILITA'
RELIABILITY MODELLING
LOCALIZZAZIONE
LOCALIZATION
11 - Stato dell'arte Testo italiano Negli ultimi anni il rapido sviluppo nella microelettronica ha condotto alla possibilità di integrare su uno stesso chip blocchi funzionali diversi, che consentono di realizzare compatti circuiti elettronici che rilevino una particolare grandezza fisica (sensori) ed eseguano elaborazione e trasmissione delle informazioni. Tale concetto diviene la prerogativa comune dei nodi che costituiscono la Sensor Network (WSN [1]). I Nodi Sensore all'interno di una rete hanno la caratteristica di collaborare tra loro grazie al fatto di essere provvisti di un processore on-board [2]; ciascun nodo, invece di inviare dati "grezzi" ai nodi responsabili della raccolta, può effettuare delle semplici elaborazioni e trasmettere i dati già processati [3]. I nodi sono piccoli apparecchi a bassa potenza, multifunzionali e capaci di comunicare tra loro tramite tecnologia wireless a raggio limitato. UnNodo Sensore è però dotato di una limitata sorgente di energia, quindi da un limitato tempo di vita. In una Sensor Network ogni nodo ha il ruolo sia di generare dati che di riceverli, perciò la scomparsa di alcuni nodi può portare a significativi cambiamenti topologici che possono richiedere una riorganizzazione della rete e del routing [5]. È per questa ragione la ricerca concentra l'attenzione sulla creazione di protocolli e algoritmi power-aware, che ottimizzano il consumo energetico [6]. Il consumo di energia ha tre cause: Sensing: potenza necessaria per effettuare il campionamento [7]; Communication: sia in ricezione che in trasmissione [9, 10]; Data processing: l'energia spesa nel processare i dati è molto piccola se comparata a quella spesa per la comunicazione [12], [13]. Il punto su cui è necessario focalizzare l'attenzione è quindi sulla stima e l'ottimizzazione del consumo di una Rete di Sensori [14]. L'ottimizzazione del consumo energetico in una Sensor Network risulta molto complesso in quanto teso a massimizzare il tempo di vita di un'intera rete [15]. Per fare questo è necessario che il sistema sia capace di effettuare dei compromessi tra il consumo di energia, le prestazioni e la fedeltà delle operazioni svolte[16]. In una rete che utilizza il multi-hop [17], è da tenere in conto che, oltre a campionare e comunicare i propri dati agli altri nodi, ognuno agisce come router verso altri nodi. Diverse sono le classificazioni degli algoritmi di routing [18, 19, 20]. Tra questi rivestono un certo interesse per la loro adattatività quelli basati sui principi della "swarm intelligence" e delle reti neurali [27].
MUR - BANDO 2007 - * MODELLO B *
-5-
Ministero dell ,Università e della Ricerca Nel protocollo Direct Diffusion [21] i sinks generano delle richieste verso la rete; i nodi costruiscono dei gradienti associati alle richieste usandoli per far tornare le informazioni al sink. In tale approccio il sink deve accorgersi di eventuali guasti e diffondere una nuova richiesta. In modo similare il concetto di gradiente e' anche usato nell'approccio tramite "swarm intelligence" [22]. In [23], un algoritmo basato sul mondo delle formiche e' usato per calcolare il cammino ottimo tra i nodi, attraverso una archiettura chiamata AntNet. La differenza rispetto a [22] sta nello scenario di riferimento: l'architettura basata su AntNet è stata per reti su larga scala, in cui ogni nodo è connesso con l'intera rete, mentre in una rete di sensori i nodi possono mandare pacchetti solo al sink. Inoltre l'approccio Direct Diffusion risulta essere troppo costoso dal punto di vista energetico. In [24] e' proposta una classificazione generale degli algoritmi basati su swarm intelligence. In questo scenario è evidente che alcuni nodi della rete possono fallire o guastarsi a causa di batterie scariche, danni fisici o interferenze. La tolleranza ai guasti è la capacità di far funzionare una Sensor Network anche in caso di fallimento da parte di alcuni nodi, intendendo in modo generico il sistema funzionante se la percentuale di pacchetti consegnata ai sink non scende al di sotto di una certa soglia prefissata. Diverse sono le tecniche implementate per ottimizzare l'affidabilità di una WSN [25]. A livello fisico [26], a livello data link/MAC e di accesso al canale/sincronizzazione [1], a livello di rete [28, 22], a livello di trasporto [29, 30] ed a livello di topologia [25, 8]. Per implementare WSN altamente affidabili è necessario combinare opportunamente tali tecniche. Un approccio molto diffuso in letteratura è invece quello di separare i diversi aspetti ed analizzarli senza considerare le interrelazioni. A tal fine spesso vengono utilizzano tecniche di network reliability [11, 4] che pur gestendo adeguatamente la complessità di una WSN, mostrano limiti nel cogliere aspetti dinamici ed interdipendenze. Testo inglese In the last years, the quick growth of the microelectronics technology has produced the possibility to integrate different operational blocks on single chip. They permit to make compact electronic circuits able to sense a particular physical magnitude and to carry-up a partial data processing and a radio transmission. This notion is the common feature of the devices of a wireless sensor network (WSN) [1]. In a WSN all sensor nodes cooperate to the data collection because they have an on-board processing unit [2]; hence, each node does not send "raw" data to the sink nodes but it can perform simple operations and to transmit only the filtered information [3]. The sensor nodes are small devices, low powered at low costs with many functionalities and able to communicate by wireless technology with a low transmission range. A Sensor node has a limited energy, hence a finite lifetime. In a Sensor Network, each node has to produce data and to collect information from the other nodes, so a fault of some network node may yield important topology changes that may imply a network re-organization with new routing rules [5]. To this aim researchers study power-aware protocols and algorithms [6]. The energy consumption is due to: Sensing: the energy due to the sampling of the physical magnitude [7]; Communication: radio (transmission and reception) power consumption. [9, 10] Data Processing: the energy used for data processing is much smaller if compared with communication activity [12, 13]. Hence, great attention is devoted to the evaluation and optimization of the network energy consumption in a WSN context [14]. The optimization of the energy consumption, in a sensor network, is very difficult because it is not important the energy consumption of a single node but increasing the lifetime of a whole network [15]. At this scope, it is necessary that the system is able to perform an optimal management among the energy consumption, the performances and the fidelity of the operations executed [16]. In a network that uses the multihop communication [17], each node is composed by a sensing and a transmitting unit but it also acts as a router towards others network nodes. In literature, there are many classification of routing algorithm for multihop communication [18, 19, 20]. The "swarm intelligence" and neural networks [27] principles permit to introduce new flexibility feature in relation to the topology changes in a sensor network. In Directed Diffusion [21] the sinks generate information requests and diffuse them through the network. The nodes build gradients associated with each request to flow the information back to the sink. If a link fails, the sink has to detect the failure and it has to diffuse a new request. In a similar way, the gradient concept is used in the approach with "Swarm Intelligence" [22]. In [23], an ant-based algorithm was adopted to calculate the optimal paths among the nodes, through an architecture called AntNet. The difference between this work and the [22] contribution is essentially in the scenario under test. The AntNet architecture was designed for large scale networks, where each node has to be connected with the whole network, while in sensor networks each node may send packet only to sinks. Moreover Direct Diffusion has a scarce behaviour in terms of energy consumption. In [24] a model for systems of sensor network based on "Swarm Intelligence" is proposed. In this scenario, it is possible that faults or failures may occur in any network nodes due to discharged battery, damage or interferences. The fault tolerance is the ability of sensor networks to work in case of nodes failures. A system is considered correctly operating if the percentage of delivered packets to the sinks is higher than a fixed threshold. There are many methodologies to optimize the reliability of a sensor network [25]: at physical layer [26], at MAC layer and at medium access/synchronization [1], at network layer [28, 22], at transport layer [29, 30] and at topology layer [25, 8]. In order to develop WSN with high reliability, it is necessary to integrate these methodologies. A common approach is to split the different layers and to analyze them without considering the connections between them. The network reliability methodology [11, 4] is able to manage the network complexity in a fault tolerance context, but it does not allow the analysis of dynamic features.
12 Riferimenti bibliografici [1] I.F. Akyildiz, W. Su, Y. Sankarasubramaniam, E. Capirci, "Wireless sensor networks: a survey", Computer Networks, N. 38, 2002, pp. 393-442 [2] J. Hill , M. Horton , R. Kling , L. Krishnamurthy, "The platforms enabling wireless sensor networks", Communications of the ACM, v.47 n.6, June 2004 [3] L. Strozek , D. Brooks, "Efficient architectures through application clustering and architectural heterogeneity", Proc. of the 2006 int. conf. on Compilers, architecture and synthesis for embedded systems, Oct. 22-25, 2006, Seoul [4] A. Bobbio, C. Ferraris, R. Terruggia. "New challenges in network reliability analysis". In CNIP'06, Rome, Italy, pp. 554-564 [5] Nam N. Pham, Jon Youn, Chulho Won, "A Comparison of Wireless Sensor Network Routing Protocols on an Experimental Testbed". In Proc IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing, 2006 [6] C. Schurgers and M.B. Srivastava, "Energy Efficient Routing in Wireless Sensor Networks". In the MILCOM Proc. of Network-Centric Operations, 2001 [7] C. Alippi, G. Anastasi, C. Galperti, F. Mancini, M. Roveri, "Adaptive Sampling for Energy Conservation in Wireless Sensor Networks for Snow Monitoring Applications", Proc. of IEEE MASS-GHS 2007, Pisa (Italy), October 8-12, 2007 [8] A. Shrestha, L. Xing. "Quantifying Application Communication Reliability of Wireless Sensor Networks". Int. Journal of Performability Engineering, 2007 [9] W. Ye, J. Heidemann, D. Estrin, "An Energy-Efficient MAC Protocol for Wireless Sensor Networks," Proc. INFOCOM '02, vol. 3, pp. 1567-1576, 2002 [10] ZigBee Alliance, ZigBee Official Documentation, http://www.zigbee.org [11] C. J. Colbourn, "The Combinatorics of Network Reliability". 1987. New York, USA: Oxford University Press [12] H. Ashkan, Soleymani, M. Reza, "An Energy-Efficient Cooperative Algorithm for Data Estimation in Wireless Sensor Networks". CCECE 2007. Canadian Conf. [13] A. Brayner, R. Menezes, "Balancing energy consumption and memory usage in sensor data processing", Proc. of the 2007 ACM Symposium on Applied Computing [14] V. Raghunathan, C. Schurgers, S. Park, and M. Srivastava, "Energy-Aware Wireless Sensor Networks," IEEE Signal Processing, vol. 19, no. 2, pp. 40-50 2002 [15] V. Raghunathan, S. Ganeriwal, M. Srivastava, "Emerging Techniques for Long Lived Wireless Sensor Networks", IEEE Communications Magazine, April 2006, pp. 108-114 [16] D. Culler, J. Polastre, R. Szewczyk Telos, "Enabling ultra-low power wireless research", Proc. of the 4th int. symp. on Information processing in sensor networks, April 24-27, 2005, Los Angeles [17] Y. Yu; V.K. Prasanna, "Energy-balanced multi-hop packet transmission in wireless sensor networks" GLOBECOM '03. IEEE Vol. 1, 1-5 Dec. 2003 pp. 480-486
MUR - BANDO 2007 - * MODELLO B *
-6-
Ministero dell ,Università e della Ricerca [18] Karp and H.T. Kung, "Greedy Perimeter Stateless Routing for Wireless Networks," Proc. of the 6th MOBICOM, Boston, Aug. 2000 [19] A. Manjeshwar, D. P. Agrawal, "TEEN : A Protocol for Enhanced Efficiency in Wireless Sensor Networks," in Proc. of the 1st International Workshop on Parallel and Distributed Computing Issues in Wireless Networks and Mobile Computing, CA, 2001 [20] Y. Xu, J. Heidemann, D. Estrin, "Geography informed energy conservation for ad hoc routing," in Proc. MOBICOM, Italy, July 2001 [21] C. Intanagonwiwat, R. Govindan, D. Estrin, "Directed diffusion: a scalable and robust communication paradigm for sensor networks", Proc. Of MOBICOM, Boston, 2000, pp. 56-67 [22] M. Paone, L. Paladina, D. Bruneo, A. Puliafito - A Swarm-based Routing Protocol for Wireless Sensor. Proc. of IEEE NCA07 2007 [23] G. D. Caro, M. Dorigo, "Ant colonies for adaptive routing in packet-switched communications networks", LNCS vol. 1498, 1998 [24] B. A. Kadrovach, G. B. Lamont, "A particle swarm model for swarm based networked sensor systems", Proc. of SAC, Madrid Spain, 2002, pp. 918-924 [25] G. Anastasi, M. Conti, M. Di Francesco, A. Passarella. "How to Prolong the Lifetime of Wireless Sensor Networks", , to appear in Mobile Ad Hoc and Pervasive Communications, (M. Denko and L. Yang, Editors), American Scientific Publishers [26] V. Ekanayake, C. Kelly IV, R. Manohar. "An Ultra-low-power Processor for Sensor Networks" Proc. of the 11th International Conference on Architectural Support for Programming Languages and Operating Systems, Oct. 2004 [27] L. Paladina, M. Paone, G. Iellamo, A. Puliafito "Self Organizing Maps for Distributed Localization in Wireless Sensor Networks" Proc. of ISCC07 2007, Aveiro, Portugal July 1-4 2007 [28] J.N. Al-Karaki, A.E. Kamal, "Routing techniques in wireless sensor networks: a survey" Wireless Communications, IEEE, vol.11, no.6, pp. 6-28, Dec. 2004 [29] C.Wan, A. T. Campbell, L. Krishnamurthy, "PSFQ: a reliable transport protocol for wireless sensor networks" Proc. of WSNA '02, Atlanta, USA, Sep. 28 2002. ACM Press [30] B. Hull, K. Jamieson, H. Balakrishnan, "Mitigating congestion in wireless sensor networks". Proc. of SenSys'04 the Baltimore, USA, November 03-05, 2004. ACM Press
13 - Descrizione del programma e dei compiti dell'Unità di Ricerca Testo italiano L'attività dell'Unità di Ricerca (UR) dell'Università di Messina sarà finalizzata allo studio e sviluppo dei seguenti tre obiettivi: 1)Architettura del sistema di monitoraggio: a.routing intelligente; b.sincronizzazione e georeferenziazione dei dati. 2) Affidabilità di una WSN: a.studio della problematica; b.caratterizzazione e formalizzazione attraverso l'uso dei Dynamic Reliability Block Diagrams. 3)Supporto alla sperimentazione attraverso l'implementazione di un'applicazione reale. 1) - Architettura del sistema di monitoraggio Le WSN sono usate per monitorare una regione dello spazio, immagazzinando misure di parametri fisici, campionate a differenti intervalli di spazio e di tempo. Tali reti sono costituite da un grande numero di piccoli nodi sensori dislocati in una particolare regione spaziale. La capacità di monitoraggio di ogni nodo è associata ad un sistema di comunicazione che permette ai nodi di inviare i dati rilevati ad un centro di elaborazione centrale detto sink; ciò impone la soluzione di numerosi problemi di reti di comunicazione. Per tale motivo uno degli aspetti rilevanti in una WSN è la gestione del routing. I dati rilevati, per essere significativi, devono includere valori sia spaziali che temporali; ovvero sia le problematiche di localizzazione che di sincronizzazione dei nodi devono essere risolte. In particolare è necessario concentrarsi sui seguenti aspetti: - a causa del limitato range di trasmissione radio, il routing di tipo multi hop; - la scarsa affidabilità del canale radio e la scarsità di risorse di calcolo impongono lo studio di un protocollo di routing in grado di ricreare i percorsi dinamicamente; - la mancanza di informazioni globali e di conoscenze a-priori sulla posizione dei nodi sensore porta alle seguenti considerazioni: i protocolli di routing, localizzazione e sincronizzazione devono essere capaci di auto-organizzarsi tenendo in particolare considerazione il consumo energetico. La scarsità di risorse di ogni nodo e l'elevato costo computazionale e delle trasmissioni radio, impone che tutti i meccanismi siano attentamente gestiti al fine di aumentare la vita dell'intera rete. Per realizzare una architettura per WSN flessibile ed affidabile e per ovviare alle problematiche citate, l'unità di Messina si concentrerà sull'utilizzo e lo studio delle seguenti tecniche: - il concetto di swarm intelligence per progettare un protocollo di routing auto-organizzante, distribuito e capace di reagire ai guasti adattandosi a cambiamenti che non possono essere tenuti in considerazione a-priori; - le reti neurali in modo da fornire ad ogni nodo sensore proprietà di intelligenza artificiale che permettano alla WSN di risolvere i problemi di localizzazione e sincronizzazione in modo distribuito ed utilizzando una quantità limitata di risorse radio e computazionali. 1a) - Routing intelligente Relativamente al protocollo di routing, la nostra idea nasce dalla forte analogia che esiste fra le colonie di organismi unicellulari e WSNs: una rete sensore, infatti, può essere vista come una colonia di semplici nodi autonomamente capaci solo di misurare un dato e trasmetterlo ad un nodo vicino, ma che tutti insieme possono risolvere problemi complessi. In particolare si pensa di creare un parallelismo fra la quantità biologica chiamata pheromone e l'attitudine allo smistamento dei pacchetti posseduto da ogni nodo. Con il termine attitudine allo smistamento ci riferiamo alla proprietà di un nodo sensore che esprime la convenienza per la rete di inviare un pacchetto tramite un dato percorso di routing. Per esempio, alti livelli di attitudine a smistare pacchetti possono essere correlati al livello di carica delle batterie o alla vicinanza ad un determinato sink. Per raggiungere questo fine si propone un processo auto-catalitico in cui l'attitudine allo smistamento di ogni nodo aumenta o diminuisce tramite la percezione e l'emissione di un segnale pheromone. Le funzioni che ogni nodo della rete deve svolgere per realizzare questo comportamento sono: - stima dell'attitudine allo smistamento dei pacchetti: un nodo stima la propria attitudine allo smistamento sondando l'ambiente che lo circonda e controllando il suo stato interno; - emissione del pheromone: un nodo invia a tutti i vicini la sua attitudine allo smistamento usando un pacchetto di segnalazione; - percezione del pheromone: un nodo mantiene nella sua tabella di routing l'attitudine allo smistamento dei propri vicini; - evaporazione del pheromone: un nodo fa decrescere l'attitudine allo smistamento dei suoi vicini. In particolare alcuni timer sono correlati all'emissione ed all'evaporazione dei pheromoni. Questi timer influenzano il tempo di latenza necessario per la creazione di un nuovo percorso di routing a causa di un cambiamento topologico o di un guasto. Per fornire un prefissato livello di qualità di servizio, si pensa di realizzare un modello analitico che aiuti nel definire i parametri caratteristici dell'algoritmo e della rete (timer, livello di batteria, ...) per ottenere una affidabilità complesiva minima prefissata. Inoltre se si considera la possibilità di utilizzare dei sink mobili, i cosiddetti Mules, un tale algoritmo di routing potrebbe essere capace di sostituire la comunicazione diretta fra sensori e Mule usando un più generico meccanismo multi-hop. I processi biologici seguono quindi poche regole capaci però di fornire soluzioni a problemi complessi. Essi sono capaci di auto-adattarsi a nuove e non prevedibili configurazioni. Si può quindi pensare di applicare tale sorta di routing biologico anche a scenari complessi non ancora analizzati in modo appropriato, come quegli scenari in cui sia i nodi sensore che i sink sono capaci di muoversi. Si pensi per esempio alle correnti superficiali di mari e fiumi, o ai venti di un uragano in cui i nodi sensori sono coinvolti in un movimento caotico. Nessun protocollo di routing, attualmente, è in grado di affrontare questo tipo di problemi. 1b) - Sincronizzazione e georeferenziazione dei dati Solitamente nelle reti wireless la problematica di localizzazione e quella di sincronizzazione vengono risolte utilizzando il Global Positioning System (GPS). Ma i ricevitori GPS sono ingombranti e costosi e richiedono troppa energia per poter essere integrati nei nodi sensore. Nell'ambito del WP2 verranno valutati nuovi modelli basati sulle reti neurali. considerando in particolare le Self Organizing Maps (SOMs), o mappe di Kohonen, che forniscono un modo di rappresentare dati multidimensionali in uno spazio dimensionale molto più piccolo. Questo processo di riduzione è essenzialmente una tecnica di compressione dei dati, conosciuta come quantizzazione vettoriale, che si vuole integrare in un flessibile modello analitico. Uno degli aspetti più importanti delle
MUR - BANDO 2007 - * MODELLO B *
-7-
Ministero dell ,Università e della Ricerca SOMs è che esse imparano a classificare i dati senza nessuna supervisione esterna. Le SOMs sono le reti neurali che hanno il comportamento più simile a quello del cervello umano. Questa analogia offre la possibilità di analizzare le WSN usando gli stessi semplici meccanismi computazionali utilizzati nelle reti neurali Si ritiene, quindi, che le proprietà che caratterizzano i processi biologici e le reti neurali, ci possano permettere di creare una nuova classe di servizi capaci di fornire sia Qualità di Servizio che affidabilità ad un basso costo sia energetico che computazionale. Per validare questa tesi sull'analogia fra i protocolli di routing, ed i processi biologici, nell'ambito del WP2 si realizzarà sia un ambiente di simulazione che tenga in considerazione non solo le proprietà delle WSN ma anche le proprietà dei processi biologici e delle reti neurali. Le attività del WP4 saranno invece tese a realizzare un testbed in cui questi nuovi protocolli siano implementati. 2)- Affidabilità di una WSN Volendo però raggiungere una prefissata QoS in una WSN è necessario che opportuni modelli siano elaborati per assistere il progettista alla sua definizione. Una WSN è composta da tre elementi principali: i sensori o nodi, i sinks e/o base stations ed i canali di interconnessione. Tante sono le caratteristiche, i parametri o le variabili da considerare nella valutazione dell'affidabilità: i nodi, i sinks, la rete, le politiche di routing, la topologia, . Tali variabili sono tra loro connesse o dipendenti: il fallimento di un nodo/sensore cambia l'organizzazione topologica, l'algoritmo di routing è strettamente legato alla topologia ed inoltre impatta considerevolmente nell'affidabilità del singolo nodo in termini di consumo energetico. Tutto ciò complica la valutazione di affidabilità e disponibilità di WSN. Il considerare modelli semplificati valutando solo alcune di tali variabili, come fattodalla network reliability, nella gran parte dei casi potrebbe rivelarsi infruttuosa e scarsamente significativa. Per valutare l'affidabilità e la disponibilità di una WSN è innanzitutto necessario capire cosa si intende per affidabilità e disponibilità di WSN. Qualitativamente l'affidabilità di un sistema è la capacità di espletare la sua funzione operativa o il suo servizio sotto specifiche condizioni per un determinato periodo di tempo. La funzione operativa di una WSN è di percepire, rilevare, misurare attraverso i sensori una determinata area d'interesse. In altre parole l'obiettivo di una WSN è quello di garantire la copertura del campo d'azione considerato. In termini di QoS ciò si traduce come un vincolo sulla percentuale di pacchetti ricevuti dal/i sink/s in relazione al totale dei pacchetti spediti dai nodi. Le condizioni di operatività possono essere le più disparate, per esempio ambienti critici, luoghi contaminati o difficilmente raggiungibili, condizioni estreme di temperatura e pressione, e così via. In questi casi specifici diventa molto difficile, e dunque costosa, la manutenzione dei dispositivi, sicché è necessario puntare su WSN altamente affidabili. Pertanto l'obiettivo di una WSN non è solo stabilire se da un qualsiasi nodo di essa esista un percorso verso il/i sink/s, ma anche che tali nodi coprano, in maniera affidabile, l'intera area d'interesse, e che inoltre tali informazioni vengano spedite e ricevute regolarmente dai sinks, soddisfacendo i vincoli di QoS. 2a)- Studio della problematica Il problema affidabilità in una WSN può e deve essere valutato su più livelli: - a livello fisico, considerando l'affidabilità del singolo dispositivo (nodo o sink); - a livello di connessione o data link, analizzando la tecnica di trasmissione dei dati e le politiche di accesso al canale (MAC); - a livello di rete, considerando l'impatto delle politiche di routing sull'affidabilità del sistema; - a livello di trasporto, valutando la connessione e le tecniche di controllo della congestione nella WSN; - a livello di topologia, prendendo in considerazione le politiche di ridondanza dei dispositivi (densità dei sensori), le loro caratteristiche di mobilità (sinks mobili o mules, nodi mobili) e le politiche di gestione della topologia (organizzazione ad un solo livello, gerarchica). La principale causa di guasto dei dispositivi che compongono una WSN è relativa l'alimentazione o il consumo energetico. Ovviamente altre cause di guasto interessano tali dispositivi, ma la loro frequenza o più precisamente la loro dinamica, è solitamente di qualche ordine di grandezza inferiore quella caratterizzante l'alimentazione, tale da poter essere, nella gran parte dei casi, ignorata. Il progetto di una WSN deve tener conto di ciò a tutti i livelli. L'obiettivo diventa ottimizzare il consumo energetico dei dispositivi, combinando opportunamente tecniche e politiche trasversalmente ai livelli. In tal senso, le tecniche che ottengono i migliori risultati sono quelle adattative. Questi accorgimenti, tecniche e soluzioni necessitano uno studio scientifico approfondito in termini di affidabilità. L'elevata componente adattativo/dinamica insieme alle influenze/interdipendenze tra i dispositivi, introdotte nella WSN attraverso le scelte operate ai diversi livelli, introduce la necessità di nuovi approcci per lo studio dell'affidabilità. 2b)- Caratterizzazione e formalizzazione attraverso l'uso di Dynamic Reliability Block Diagrams. I Dynamics Reliability Block Diagram (DRBD) rappresentano una notazione per lo studio dell'affidabilità di un sistema frutto di un'intensa attività di ricerca condotta dalla nostra unità negli ultimi anni e tuttora attiva. Essi estendono il formalismo dei reliability block diagrams o RBD con elementi specifici per la modellazione di comportamenti dinamici. Attraverso la definizione del concetto di dipendenza tra unità funzionali (sistemi, sottosistemi, componenti, servizi) e dei meccanismi di composizione tra tali dipendenze, è possibile rappresentare un'ampia classe di comportamenti dinamici. Il punto di forza dei DRBD è proprio la versatilità: il concetto di dipendenza e i meccanismi di gestione ad essa connessi introducono un grado di libertà nella modellazione di comportamenti dinamici in termini di affidabilità. Attraverso un approccio modulare il modellatore crea la dipendenza desiderata componendo le dipendenze base. Queste caratteristiche identificano la valutazione dell'affidabilità di WSN come una naturale applicazione del formalismo DRBD. Purtroppo l'elevata complessità di tali sistemi riduce l'applicabilità della tecnica DRBD a WSN. D'altro canto la network reliability gestisce adeguatamente la complessità, ma non permette la modellazione di caratteristiche dinamiche. Tecniche che comunque potrebbero risultare utili nella valutazione complessiva dell'affidabilità di WSN nell'accezione qui considerata. Le attività dell'Unità di Ricerca nell'ambito del WP3 verteranno sullo studio di modelli che uniscano le capacità dei DRBD nella valutazione dei sistemi dinamici con quelle specifiche della network reliability, implementando un approccio misto/gerarchico. La metodologia che ne deriverà sarà alla base dello studio delle possibili soluzioni e/o configurazioni di WSN ai diversi livelli. In particolare si studieranno algoritmi e tecniche di soluzione, anche approssimate, cercando di sfruttare le caratteristiche topologiche della WSN in analisi. 3)- Supporto alla sperimentazione attraverso l'implementazione di un'applicazione reale Al fine di consentire la reale applicazione delle tecnologie investigate, si propone lo studio e la realizzazione di servizi per una gestione efficiente dei dati. Tali servizi vogliono garantire il monitoraggio ed il controllo di sistemi complessi, con un certo grado di scalabilità, affidabilità e sicurezza, e la fusione dei dati provenienti dalle diverse parti della rete per individuare eventi "complessi". Questa attività partirà dall'estensione del sistema WhereX, attualmente integrato nelle applicazioni di sensori RFID. L'architettura di WhereX prevede l'organizzazione del sistema in tre parti: rete di sensori wireless e mobili, uno o più sink ed il sistema di controllo e gestione della rete di sensori a valle dei sink. Per limitare il traffico di controllo da e verso i sink, riducendo il consumo di risorse della rete, si può pensare di implementare parte dei servizi all'interno della rete di sensori stessa. Il sistema WhereX verrà scomposto in due parti: una parte mantenuta sulla rete fissa, per svolgere funzionalità complesse, l'altra sulla rete di sensori per funzionalità semplici o di natura locale, come il rilevamento di fallimento di nodi e l'eventuale riadattamento del sistema o il rilevamento di eventi critici sul sistema monitorato. Un altro vantaggio del sistema di gestione delle informazione distribuito sulla rete di sensori sarà quello di autoconfigurarsi, reagendo agli eventi che lo condizionano.Tali riorganizzazioni rimarranno possibilmente locali sfruttando le capacità adattative degli algoritmi studiati nel WP2 senza il coinvolgimento di comunicazioni verso il sink, riducendo così i tempi di reazione. Testo inglese The activity of the Research Unit (RU) of the University of Messina will be addressed to define and to develop following three objectives: 1)System monitoring architecture: a.smart routing; b.data localization and synchronization. 2)WSN reliability: a.definition problem; b.formalization along Dynamic Reliability Block Diagrams. 3)Use of experimental results: implementation of real application. 1)- System monitoring architecture WSN are used to monitor particular areas by collecting several measures of physical parameters, sampled at different space and time intervals. Such networks consist of a large number of tiny sensor nodes deployed in a particular region.
MUR - BANDO 2007 - * MODELLO B *
-8-
Ministero dell ,Università e della Ricerca The sensing activity of each node has to be correlated with a communication task in order to send the measured values to a central elaboration system called sink; thus some networking issues have to be solved too. Routing management is one of the most relevant aspect. Moreover, measured data may include temporal and spatial values in order to be meaningful and then both localization and synchronization issues have to be addressed. More specifically, the following items have to be adequately addressed: - due to the limited transmission range of wireless signals, the routing has to be performed in a multi-hop fashion; - the low reliability of wireless channels and the lack of power resource call for dynamic routing protocols able to repair a broken route; - the lack of both global information and a-priori knowledge about the actual sensor dissemination leads to the following consideration: routing, localization and synchronization protocols have to be able to self-organize, taking in particular into account the energy consumption. Moreover, the lack of resources in each sensor node and the high cost of both radio transmission and computational analysis, imply that all mechanisms has to be carefully managed in order to increase the lifetime of the whole network. In order to define a flexible and reliable architecture for WSNs and overcome the already discussed issues, the research group of the University of Messina plans to analyze the two following techniques: - the swarm concept to design a self-organizing, fault tolerant, distributed routing protocol able to adapt itself to unpredictable environmental changes; - the neural network in order to provide to each sensor node some artificial intelligence features, that allow the WSN to solve localization and synchronization issues in a distributed manner using a very limited amount of storage, computing and radio resources. 1a) Smart routing About routing protocol, our idea is encouraged by a strong analogy between unicellular organism colonies and WSNs: a sensor network, in fact, can be viewed as a "colony" of simple, scarce resource nodes that, autonomously, are able only to perform simple task (to measure a particular data and to send it to nearest nodes), but all together can accomplish very complex problems. In particular, we plan to create a parallelism between the biological pheromone quantity and the "forwarding attitude" of each node. With the term "forwarding attitude" we refer to a sensor node property that expresses the convenience for the network in forwarding packets towards it. For example, high levels of forwarding attitude could be correlated to an high level of battery charge or to the closeness to a sink. The goal of this process is to create a pheromone gradient towards the sinks. To this end, we plan to use a stable auto-catalytic process where the forwarding attitude of nodes is either increased, by the emission and perception of pheromone signals, or decreased similarly to the pheromone evaporation phenomenon in biological processes. To carry out these process, the simple functions that each node in the network has to perform are: - forwarding attitude estimation: each node estimates its forwarding attitude by perceiving the environment and by checking its internal state; - pheromone emission: the node broadcasts its forwarding attitude using a signalling packet; - pheromone perception: the node stores in its routing table the forwarding attitude related to its neighbors; - pheromone evaporation: the node decreases the forwarding attitude of its neighbors. In particular, some timers are related to pheromone emission and evaporation. These timers affect the latency time during the creation of new routing paths after topology changes or fault events. In order to provide the desired quality of service degree, we plan to realize an analytic model able to take into account also these quantities that characterize biological process. In order to reach a fixed reliability level, this model have to take into account the way the routing algorithm could be configured using specific parameters such as timers, power level and so on. Moreover, if we take into account mobile sinks, the so called Mules, a such routing algorithm could be able to replace the direct communications between sensors and the Mule in a more general multi-hop mechanism. Generally speaking, biological processes follow only few rules able to find complex solutions. They are able to self adapt to new and not previously considered configurations. These fact lead us to plan to extend our biological routing considerations also to more complex scenarios not previously analyzed. We also plan to take into consideration scenarios in which both sensors and sinks are able to move. Such a scenario could be a river, or the sea surface current, or a hurricane winds where sensors are involved in chaotic movements. No actual routing protocol is able to solve these problems. Some analytic models about both sea sourface currents and hurricane winds are available in literature, but a model that cover also sensor networks issues lacks. 1b)- Data localization and synchronization About localization and synchronization issues traditional techniques cannot be used due both to the high energy consumption and to the expensive hardware. Both localization and synchronization issues are typically addressed by the Global Positioning System (GPS), which also allows receivers to achieve a synchronization accuracy of some tenth of nanoseconds. GPS receivers are too large and costly, and require high power to be integrated on a small sensor node. In WP2 will be evaluated new models based on neural network features. Neural networks are essentially structured as a sequence of layers, each of which is composed of neural nodes. In particular SOMs, or Kohonen maps, provide a way of representing multidimensional data in much lower dimensional spaces. This reduction process, is essentially a data compression technique, known as vector quantization, that we want to provide in a flexible analytic model. One of the most interesting aspects of SOMs is that they learn to classify data without supervision. The SOM is the neural network that most closely models how the human brain actually works. We think that is possible to identify sensor nodes with neural nodes. This analogy enables the possibility to analyze WSNs using the very simple computational mechanisms that drive neural network traininig. Summarizing, we think that the properties that characterize biological processes and neural networks enable us to create a new class of services able to provide both quality of service and reliability with low computational and consuming costs. To validate this assumption about the analogy between routing protocol an biological processes, in WP2 will be realized both a simulation environment and an analytic model able to take into account the properties of WSNs as well as the properties of both biological processes and neural networks. Finally, in WP4 we plan to realize a simple testbed in which these new protocols are fully implemented. In case QoS and reliability requirements are specified it is necessary to develop adequate models in order to study in depth the WSN behavior. A WSN is composed by three elements types: the sensor nodes, the sinks or base stations and the interconnection channels. In the reliability evaluation process there are several characteristics, parameters and/or variables to consider: number and types of nodes and sinks, network, routing policies, topologies, All of them are related or dependent each other: a node failure changes the network topology, the routing algorithm is strictly related to the topology and considerably affects the node's reliability in terms of power consumption. This further complicates the WSN reliability evaluation task. The approximation strategy basing on simplified models that consider just few variables, as the network reliability, generally could be inadequate to the scope. 2)- WSN reliability To evaluate the WSN reliability, it is necessary to understand what WSN reliability means. Qualitatively the reliability is the capability of a system, subsystem or functional unit to perform its specific task or service under specific operating conditions for a given time (mission time). The task of a WSN is to sense and measure through sensors a fixed area of interest. In other words, the WSN aim is to cover the given operation field-area. In QoS terms this is translated into a constraint on the rate of the packets received by sinks. A WSN can operate in very different conditions: for example critic environments, war scenarios, contaminated or hard to reach areas, extreme conditions of temperature and pressure, and so on. In such cases the devices' maintenance becomes really hard to implement and therefore expansive, thus needs to invest in the WSN reliability. The goal of a WSN is not only to verify the existence of a path from each node to one sink, but also to reliably cover the whole area of interest; moreover the informations are to be sent by nodes and received by sinks regularly, satisfying the QoS requirements. 2a)- WSN reliability: definition problem The WSN reliability problem can and must be evaluated at different levels: - at physical level, by considering the intrinsic device's reliability; at data-link level, by investigating the data transmission technique and the Medium Access Control (MAC) policy; - at network level, by evaluating the impact of routing policies on the WSN system reliability; - at transport level, by studying in depth the WSN connection protocol and the congestion management; - at topology level, by considering devices' redundancy policies, mobility (mobile sinks and nodes) and the topology management policy (single layer vs hierarchical or clustered). The main cause of failure of devices composing a WSN is related to the power consumption. Obviously many other causes of failure affect the WSN devices reliability, usually characterized by failure rates or reliability dynamics much slower than that of power consumption, so they can often be ignored. The WSN design must take
MUR - BANDO 2007 - * MODELLO B *
-9-
Ministero dell ,Università e della Ricerca into account the power consumption problem at all levels. The goal becomes to optimize the devices' power consumption, by adequately combining techniques and policies at the different levels. By this way the best techniques are the adaptive ones. These approaches, techniques and solutions need to be adequately studied in depth in terms of reliability. The high adaptive/dynamic characteristic and the influences/interdependencies among devices introduced by such techniques, highlight the necessity of new overall WSN system reliability evaluation approaches. 2b)- WSN reliability: formalization along Dynamic Reliability Block Diagrams The Dynamics Reliability Block Diagrams (DRBD) implement a notation for representing dynamic system reliability, we developed in the last few years and till now work in progress. DRBDs extend the reliability block diagrams or RBD formalism with specific elements for modeling dynamic behaviors. DRBD notation specifies the concept of dependency among functional unit and also provides the rules and the mechanisms to compose the dependencies. By these it is possible to represent a wide class of dynamic behaviors. The strength point of DRBD is the versatility: the dependency concept and its composition mechanisms represent a degree of liberty in the dynamic behaviors reliability modeling. The modeler expresses the desired dynamic behavior by composing basic dependencies in a modular way. These characteristics of DRBD identify the WSN reliability evaluation as a natural application. But DRBD cannot manage the high complexity of WSN. On the other hand, network reliability allows to evaluate the reliability of complex system but cannot model dynamic behaviors. Both techniques could be useful in the WSN reliability evaluation. Concerning the WP3, the Research Unit activities are focused on the specification of a modeling technique that joins the capabilities of DRBD in dynamic behaviors' modeling with the network reliability complexity management by implementing a mixed/hierarchical approach. The deriving methodology will be a tool for investigating the WSN configuration by mixing approaches at different levels. More specifically solution techniques and algorithms will be investigated by considering the topological characteristics of the WSN object of analysis. These characteristics of DRBD identify the WSN reliability evaluation as a natural application. But DRBD cannot manage the high complexity of WSN. On the other hand, network reliability allows to evaluate the reliability of complex system but cannot model dynamic behaviors. Both techniques could be useful in the WSN reliability evaluation. Concerning the WP3, the Research Unit activities are focused on the specification of a modeling technique that joins the capabilities of DRBD in dynamic behaviors' modeling with the network reliability complexity management by implementing a mixed/hierarchical approach. The deriving methodology will be a tool for investigating the WSN configuration by mixing approaches at different levels. More specifically solution techniques and algorithms will be investigated by considering the topological characteristics of the WSN object of analysis. 3)- Use of experimental results: implementation of real application. To test the innovation introduced by experimental results we propose the implementation of real application. Idea is to make a set of services useful for an efficient data management. Such services have to guarantee the monitoring, and the control of complex systems, and the merging of information from various parts of the network with a high scalability, reliability and security, characterizing even "complex" events. Such activity will start as extension of the WhereX system, actually integrated into RFID sensor applications. The WhereX architecture subdivides the system into three main parts: the wireless and mobile sensor network, one or more sink/s, and the monitoring/control/management system behind the sinks. To limit the control traffic from and to the sinks, with the aim of reducing the network resources consumption, we propose to implement parts of such services inside the WSN itself. By this way the WhereX system will be decomposed into two subparts: one part hosted by the fixed network, implementing complex functionalities, the other part on the WSN implementing simple and local functionalities, such as the node failure sensing and readapting, information aggregation, local statistics. Another benefit of distributing the information system management on the WSN will be the auto-configuration, reacting to conditioning events. For example, in case of sensors' failures or topology changing due to mobility, the system will detect such events and will reorganize itself. Probably the reorganization will be local by exploiting the adaptive capabilities of the algorithms investigated in WP2, without communications to sinks, reducing the reaction time and also keeping constant the monitoring system efficiency level.
14 - Descrizione delle attrezzature già disponibili ed utilizzabili per la ricerca proposta Testo italiano
nº anno di acquisizione 2006 1.
Descrizione Le strutture ed i dispositivi del nostro laboratorio su WSNs e rfid saranno usati per tutte le attivita' di ricerca. Si possono mettere a disposizione molti dispositivi atti a dimostrare la validita' dei protocolli proposti. Le attrezzature principali che compongono il nostro laboratorio sono: - 20 nodi sensore crossbow mica2 e 10 schede di sviluppo; - 10 nodi sensore atmel basati su zigbee e 10 schede di sviluppo; - 10 nodi sensore maxstream basati su zigbee e 4 schede di sviluppo - 20 tag rfid attivi; - 2 reader per rfid attivi; - 4 antenne per rfid attivi; - 100 tag rfid passivi; - 2 reader rfid passivi; - 4 antenne rfid passivo; - 8 Personal Computer per il testbed, le simulazioni e l'ambiente di modellazione.
Testo inglese
nº anno di acquisizione 2006 1.
Descrizione The structures and devices provided by our WSNs and rfid laboratory will be used as a testbed for the whole research work. Several devices able to validate the effectiveness of the proposed protocols. The most important parts our laboratory is composed of, are: - 20 crossbow mica2 sensor node plus 10 develop board; - 10 atmel zigbee based sensor nodes plus 10 develop board; - 10 maxstream zigbee based sensor nodes plus 4 develop board; - 20 active rfid tag; - 2 active rfid reader; - 4 active rfid antennas; - 100 passive rfid tag; - 2 passive rfid reader; - 4 passive rfid antennas; - 8 Personal Computer for testbed, simulation and modelling environment.
MUR - BANDO 2007 - * MODELLO B *
- 10 -
Ministero dell ,Università e della Ricerca 15 - Descrizione delle Grandi attrezzature da acquisire (GA) Testo italiano Nessuna Testo inglese Nessuna
16 - Mesi persona complessivi dedicati al Progetto Numero
Impegno 1° anno
Impegno 2° anno
Totale mesi persona
Componenti della sede dell'Unità di Ricerca Componenti di altre Università/Enti vigilati Titolari di assegni di ricerca Titolari di borse Dottorato Post-dottorato Scuola di Specializzazione Personale a contratto Assegnisti Borsisti Altre tipologie Dottorati a carico del PRIN da destinare a questo specifico progetto Altro personale
2 0 0 4 0 0 0 0 1 0 1
12
12
24
21
21
42
10 0 3
10 0 3
20 0 6
TOTALE
8
46
46
92
17 - Costo complessivo del Progetto dell'Unità articolato per voci Voce di spesa Materiale inventariabile Grandi Attrezzature Materiale di consumo e funzionamento Spese per calcolo ed elaborazione dati Personale a contratto Dottorati a carico del PRIN da destinare a questo specifico progetto Servizi esterni Missioni Pubblicazioni Partecipazione / Organizzazione convegni Altro TOTALE
Spesa in Euro
Descrizione dettagliata (in italiano)
Descrizione dettagliata (in inglese)
5.500 Acquisizioni di nodi sensori con supporto del protocollo ZigBee a scopo di sperimentazione 0
Acquisition of sensor nodes supporting ZigBee protocol for experimentation purpose
6.000 Carta, cancelleria, CD, DVD, ricambi, toner, spese telefoniche e postali.
Paper, stationery, CDs, DVDs, parts, toner, postal and phone expenses
30.000 Attività di programmazione, sviluppo e testing software. Creazione e configurazione di un opportuno test-bed. 0
Programming, development and testing software. Making up and tuning of an appropriate test-bed.
16.500 Contatti scientifici, partecipazione a scuole ed incontri come previsto nel progetto, missioni per collaborazioni con le altre unita' di ricerca
Scientific contacts, schools, meetings as expected in the progect, and missions devoted to the collaboration with the other research units.
2.000 Quote di iscrizione, spese di organizzazione incontri, tavole rotonde e workshops
Organization of conferences, workshops, meetings.
60.000
MUR - BANDO 2007 - * MODELLO B *
- 11 -
Ministero dell ,Università e della Ricerca 18 - Prospetto finanziario dell'Unità di Ricerca Voce di spesa a.1) finanziamenti diretti, disponibili da parte di Università/Enti vigilati di appartenenza dei ricercatori dell'unità operativa a.2) finanziamenti diretti acquisibili con certezza da parte di Università/Enti vigilati di appartenenza dei ricercatori dell'unità operativa b.1) finanziamenti diretti disponibili messi a disposizione da parte di soggetti esterni b.2) finanziamenti diretti acquisibili con certezza, messi a disposizione da parte di soggetti esterni c) cofinanziamento richiesto al MUR Totale
Importo in Euro
29.000
31.000 60.000
19 - Certifico la dichiarata disponibilità e l'utilizzabilità dei finanziamenti a.1) a.2) b.1) b.2) SI
Firma _____________________________________
(per la copia da depositare presso l'Ateneo e per l'assenso alla diffusione via Internet delle informazioni riguardanti i programmi finanziati e la loro elaborazione necessaria alle valutazioni; D. Lgs, 196 del 30.6.2003 sulla "Tutela dei dati personali")
Firma _____________________________________
MUR - BANDO 2007 - * MODELLO B *
Data 24/10/2007 ore 13:29
- 12 -
Ministero dell ,Università e della Ricerca ALLEGATO Curricula scientifici dei componenti il gruppo di ricerca Testo italiano 1.
PALADINA Luca Curriculum: Luca Paladina was born in S.Agata M.llo (Messina) on February 11th 1976. He received his Degree in Electronic Engineering from the Engineering Faculty of the University of Messina (Italy) in 2003. Since then he has been engaged in research on wireless and distributed systems. He is currently attending his Ph.D. studies in Advanced Technologies for Information Engineering at the University of Messina. Scientific activity of Dr. Paladina has been focused on studying wireless, mobile and distributed systems, particularly with regard to QoS management techniques in mobile wireless networks. His main research interests include distributed systems programming, wireless networks, QoS management techniques and routing, localization and synchronization protocols for wireless sensor networks. Pubblicazioni: PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2007). Signalling in Cellular IP Regions with QoS Support. JOURNAL OF UBIQUITOUS COMPUTING AND INTELLIGENCE. vol. 1, pp. 59-72 ISSN: 1555-1326. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2007). Location-aware telecommunication services. In: PAOLO BELLAVISTA. Telecommunication Systems and Technologies - Encyclopedia of Life Support Systems (EOLSS). OXFORD: Eolss Publishers (UNITED KINGDOM). PALADINA L., PAONE M, BRUNEO D, PULIAFITO A. (2007). A Swarm-based Routing Protocol for Wireless Sensor. IEEE International Symposium on Network Computing and Applications (IEEE NCA07). 12 - 14 July. PALADINA L., PAONE M, IELLAMO G, PULIAFITO A. (2007). Self Organizing Maps for Distributed Localization in Wireless Sensor Networks. IEEE Symposium on Computers and Communications ISCC 2007. July 1-4. PALADINA L., PAONE M, PULIAFITO A. (2007). Efficient CAC in Broadband Wireless Access Networks based on Hierarchical Structures. IEEE International Conference on Mobile Ad-Hoc and Sensor Systems - MASS 2007. 8-11 october. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2005). Call Admission Control in Hierarchical Mobile Networks. IEEE Symposium on Computers and Communications ISCC05. June 27-30. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2004). Resource Reservation in Mobile Wireless Networks. IEEE Symposium on Computers and Communications (ISCC). June. (pp. 460-465).
2.
VILLARI Massimo Curriculum: Massimo Villari riceve il titolo di dottore in Ingegneria Elettronica, con votazione 109/110, nel marzo 1999, presso la Facoltà di Ingegneria dell'Università degli Studi di Messina Nello stesso anno e' consulente esterno presso la STMicoroelectronics di Catania, su Agenti Mobili: realizzazione di architetture Web Oriented ad Agenti interfacciate con mobile phone. Sempre nello stesso anno ha conseguito l'abilitazione alla professione di Ingegnere con votazione 100/100. Nel 2000 diventa studente di dottorato di ricerca. Nel 2001 sviluppa, sempre per conto della STMicoroelectronics, un'architetture ad agenti per la completa gestione di Digital Still Camera connesse ad Internet. Ne scaturisce un brevetto Europeo. Nello stesso anno diviene cultore delle Materie Fondamenti di Informatica e Sistemi di Elaborazione presso l'Università degli Studi di Messina. Per tutto il 2002 e' stagista presso i laboratori Cisco Systems France, Sophia Antipolis. In Cisco ha partecipato ha due progetti di ricerca su "Network Mobility su IPv6: Mobile Routers NEMO project" e "Sviluppo di nuove tecnologie di video streaming MP4 su infrastrutture wired/wireless, MPEG4IP project. Ne scaturiscono tre brevetti USA. Nel gennaio 2003 consegue il titolo di Dottore di Ricerca in Tecnologie Avanzate per l'Ingegneria dell'Informazione presso l'Università degli Studi di Messina Nel 2003/2004 e 2004/2005 e' borsista presso l'Università degli Studi di Modena, nell'ambito di Protocolli per autoconfigurazione di ad-hoc network. Durante la sua attività di ricerca ha realizzato diverse pubblicazioni diffuse su riviste internazionali e presentato articoli a convegni internazionali. Dal 2003 al 2005 e' docente a contratto dei corsi di Laboratorio di Informatica, Fondamenti di Informatica, Sistemi di Elaborazione delle Informazione e Database presso la facoltà di Ingegneria Università di Messina. Ha partecipato al progetto di Ricerca CNR: IS-MANET per conto dell'Università di Messina. Nel 2005 e' stato consulente per conto della SEASOFT di Catania per il progetto ISIDE, progetto nazionale 297 sulla sicurezza informatica. Nel 2005 e' stato vincitore del concorso di Ricercatore Universitario nel SSD ING-INF/05 Sistemi di Elaborazione delle Informazioni presso l'Università degli Studi di Messina. Attualmente è Ricercatore Universitario, presso l'Università degli Studi di Messina. Pubblicazioni: PULIAFITO A, FAZIO M, VILLARI M. (2006). AIPAC: Automatic IP Address Configuration in Mobile Ad Hoc Networks. ELSEVIER. vol. 29, pp. 1189-1200 ISSN: 0922-3444. PULIAFITO A, FAZIO M, VILLARI M. (2006). IP Address Autoconfiguration in Ad Hoc Networks: Design, implementation and Measurements. ELSEVIER. vol. 50, pp. 898-920 ISSN: 0922-3444. M SCARPA, VILLARI M., A ZAIA, A PULIAFITO. (2004). A Modeling Technique for the Performance Analysis of Web Searching Application. IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING. vol. 16, pp. 1339-1356 ISSN: 1041-4347. D. BRUNEO, A. ZAIA, VILLARI M., A. PULIAFITO. (2003). QoS Management for MPEG_4 flows in wireless environment. MICROPROCESSORS AND MICROSYSTEMS. vol. 27, pp. 85-92 ISSN: 0141-9331. M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2003). Digital still cameras and mobile agents: How to create a distributed service for image processing. ST JOURNAL. vol. 0, pp. 38-51 ISSN: 1828-2105. M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2001). Digital still cameras and mobile agents. ST JOURNAL. vol. 2, pp. 1-8 ISSN: 1828-2105.
MUR - BANDO 2007 - * MODELLO B *
- 13 -
Ministero dell ,Università e della Ricerca A. BIUNDO, M. FAZIO, VILLARI M., A. PULIAFITO. (2007). Advances in performance evaluation for Ad Hoc Netoworks. Published on Telecommunications Networks and Systems (IADIS 2007). July 2007. VILLARI M., A. BIUNDO, M. FAZIO, A. PULIAFITO. (2007). An in-depth analysis of the SCTP behavior in mobile ad hoc networks. RAWNET 2007. April 2007. PULIAFITO A, FAZIO M, VILLARI M. (2006). Vulnerabilities of Internet Access Mechanisms from Mobile Ad Hoc Networks. AINA 2006. Aprile 2006. GAUTAM DAS, M. FAZIO, A. PULIAFITO, VILLARI M. (2005). Localized Positioning in Wireless Sensor Network. IEEE Consumer Communications and Networking Conference. 3-6 January 2005. PULIAFITO A, FAZIO M, DAS G, VILLARI M. (2005). Distributed Core Assisted Scalable Data Dissemination in Mobile Ad Hoc Networks. IEEE CollaborateCom 2005. Dicembre 2005. VILLARI M., A. PULIAFITO, M. FAZIO, G. DAS. (2005). CCID: Core construction for information dissemination in Ad Hoc scenario. Communications and Computer Networks. Ottobre 2005. M FAZIO, VILLARI M., A PULIAFITO. (2004). Merging and partitioning in ad hoc networks. IEEE Symposium on Computers and Communications. June 29- July 1 2004. D. BRUNEO, VILLARI M., A. ZAIA, A. PULIAFITO. (2003). VOD services for mobile wireless devices. Eighth IEEE Symposium on Computers and Communications ISCC'2003 KEMER - ANTALYA. (pp. .). M.FAZIO, VILLARI M., A. PULIAFITO. (2003). Autoconfiguration and maintenance of the IP address in ad-hoc mobile networks. Australian Telecommunications, Networks and Applications Conference (ATNAC 2003). (pp. .). M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2002). Digital still cameras and mobile agents: How to create a distributed service for image processing. Next Generation Wireless Networks: Technologies, Protocols, Services and Applica. (pp. .). M. MOLTENI, VILLARI M. (2002). Using SCTP with Partial Reliability for MPEG-4 Multimedia Streaming. BSDCon Europe 2002. Amsterdam, Netherlands. (pp. .). M. SCARPA, VILLARI M., A. ZAIA, A. PULIAFITO. (2002). From Client/Server to Mobile Agents: An in-depth Analysis of the Related Performance Aspects. The Seventh IEEE Symposium on Computers and Communications, ISCC'02. (pp. .). G.IANNIZZOTTO, VILLARI M., L. VITA. (2001). Hand tracking for human-computer interaction with Graylevel VisualGlove Turning back to the simple way. Workshop on Perceptive User Interfaces, Orlando 2001. (pp. .). C. COSTANZO, VILLARI M., G. IANNIZZOTTO. (2000). Using Fuzzy MOVels for Fast 2D image segmentetion. XXXVIII conference AICA 2000. (pp. .). VILLARI M., C. COSTANZO, G. IANNIZZOTTO. (2000). Gesture recognition in Realt-Time on Pc and WebCam to low cost. XXXVIII conference AICA 2000. (pp. .). E. DI PIETRO, O. TOMARCHIO, G. IANNIZZOTTO, VILLARI M. (1999). Experiences in the use of Mobile Agents for developing distributed applications. In Sistemi distribuiti: Algoritmi, Architetture e Linguaggi (WSDAAL'99). (pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Correspondent Router. USA PATENT. (vol. ., pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Route Server implementation using BGP. USA PATENT. (vol. ., pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Route Server implementation using DNS (Domain Name System). USA PATENT. (vol. ., pp. .). VILLARI M. (2002). MOBILE IP: SUPPORT FOR MOBILE NETWORKS IN TREE HIERARCHY ARCHITECTURE. PhD Thesis November 2002. (pp. 1-300). A. ARENA, M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2001). A new network approach to the Image Generation for DSC. European Patent. (vol. ., pp. .).
Testo inglese 1.
PALADINA Luca Curriculum: Luca Paladina è nato a S.Agata M.llo (Mesina) il 11 febbraio 1976. Ha ricevuto la Laurea in ingegneria elettronica presso la facoltà di ingegneria dell'Università degli Studi di Messina (Italia) nell'anno 2003. Da quel momento ha svolto attività di ricerca su sistemi wireless e distribuiti. Attualmente sta svolgendo l'attività di Ph.D. in Tecnologie Avanzate per l'Ingegneria dell'Informazione presso l'università degli studi di Messina. L'attività scientifica del Dr. Paladina si è focalizzata sullo studio di sistemi wireless, mobili e distribuiti, con particolare riguardo alle tecniche di gestione della qualità di servizio in applicazioni mobili. I suoi principali interessi di ricerca sono rivolti verso la programmazione in ambiente distribuito, reti wireless, tecniche per la gestione della qualità di servizio e sviluppo di protocolli di routing, localizzazione e sincronizzazione per reti di sensori. Publications: PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2007). Signalling in Cellular IP Regions with QoS Support. JOURNAL OF UBIQUITOUS COMPUTING AND INTELLIGENCE. vol. 1, pp. 59-72 ISSN: 1555-1326. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2007). Location-aware telecommunication services. In: PAOLO BELLAVISTA. Telecommunication Systems and Technologies - Encyclopedia of Life Support Systems (EOLSS). OXFORD: Eolss Publishers (UNITED KINGDOM). PALADINA L., PAONE M, BRUNEO D, PULIAFITO A. (2007). A Swarm-based Routing Protocol for Wireless Sensor. IEEE International Symposium on Network Computing and Applications (IEEE NCA07). 12 - 14 July. PALADINA L., PAONE M, IELLAMO G, PULIAFITO A. (2007). Self Organizing Maps for Distributed Localization in Wireless Sensor Networks. IEEE Symposium on Computers and Communications ISCC 2007. July 1-4. PALADINA L., PAONE M, PULIAFITO A. (2007). Efficient CAC in Broadband Wireless Access Networks based on Hierarchical Structures. IEEE International Conference on Mobile Ad-Hoc and Sensor Systems - MASS 2007. 8-11 october. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2005). Call Admission Control in Hierarchical Mobile Networks. IEEE Symposium on Computers and Communications ISCC05. June 27-30. PALADINA L., BRUNEO D, PAONE M, PULIAFITO A. (2004). Resource Reservation in Mobile Wireless Networks. IEEE Symposium on Computers and Communications (ISCC). June. (pp. 460-465).
2.
VILLARI Massimo Curriculum: Massimo Villari received the degree in 1999 in Electronic Engineering from University of Messina (Italy). In the same year he was adviser near the STMicroelectronics of Catania, in software agents; realization architecture in order to run Agents from mobile telephone for Web services. Since 2000 is PhD Student at Faculty of Engineering University of Messina, in "Advanced Technologies for Information Engineering".
MUR - BANDO 2007 - * MODELLO B *
- 14 -
Ministero dell ,Università e della Ricerca In the 2001 he was assistant professor of the matters Fondamenti di Informatica and Sistemi di Elaborazione at the University of Messina (Italy). Moreover same year, he was designer of architecture to agents for the management of Digital Still Camera, on behalf of the STMicroelectronics of Catania. In the 2002 he was in a stage at the Laboratories of Cisco Systems Europe (Sophia Antipolis - France), Technology Centre, on two main research projects: "Development of new technologies on video streaming MP4, on infrastructure wired and wireless" MPEG4IP project and "Network Mobility on IPv6: Mobile Routers" NEMO project. In the 2003 he received Ph.D. degree, in "Advance Technologies for Information Engineering", University of Messina. In the 2003/2004 he was professor of the matters Fondamenti di Informatica and Laboratorio di Informatica, Sistemi di Elaborazione at the Engineering Faculty, University of Messina. In the 2004/2005 he was professor of the matters Sistemi di Elaborazione and Database at the Engineering Faculty, University of Messina. In the 2005 he has worked on CNR:IS-MANET project "Software infrastructures for ad hoc networks in complex environments". In same year he was adviser near SEASOFT of Catania in ISIDE project; to build innovative security architecture. Since 2006 he is an assistant professor at the Engineering Faculty of the University of Messina. The scientific activity of Dr. Villari has been focused on studying distributed systems, wireless ad hoc networks and security systems. Publications: PULIAFITO A, FAZIO M, VILLARI M. (2006). AIPAC: Automatic IP Address Configuration in Mobile Ad Hoc Networks. ELSEVIER. vol. 29, pp. 1189-1200 ISSN: 0922-3444. PULIAFITO A, FAZIO M, VILLARI M. (2006). IP Address Autoconfiguration in Ad Hoc Networks: Design, implementation and Measurements. ELSEVIER. vol. 50, pp. 898-920 ISSN: 0922-3444. M SCARPA, VILLARI M., A ZAIA, A PULIAFITO. (2004). A Modeling Technique for the Performance Analysis of Web Searching Application. IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING. vol. 16, pp. 1339-1356 ISSN: 1041-4347. D. BRUNEO, A. ZAIA, VILLARI M., A. PULIAFITO. (2003). QoS Management for MPEG_4 flows in wireless environment. MICROPROCESSORS AND MICROSYSTEMS. vol. 27, pp. 85-92 ISSN: 0141-9331. M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2003). Digital still cameras and mobile agents: How to create a distributed service for image processing. ST JOURNAL. vol. 0, pp. 38-51 ISSN: 1828-2105. M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2001). Digital still cameras and mobile agents. ST JOURNAL. vol. 2, pp. 1-8 ISSN: 1828-2105. A. BIUNDO, M. FAZIO, VILLARI M., A. PULIAFITO. (2007). Advances in performance evaluation for Ad Hoc Netoworks. Published on Telecommunications Networks and Systems (IADIS 2007). July 2007. VILLARI M., A. BIUNDO, M. FAZIO, A. PULIAFITO. (2007). An in-depth analysis of the SCTP behavior in mobile ad hoc networks. RAWNET 2007. April 2007. PULIAFITO A, FAZIO M, VILLARI M. (2006). Vulnerabilities of Internet Access Mechanisms from Mobile Ad Hoc Networks. AINA 2006. Aprile 2006. GAUTAM DAS, M. FAZIO, A. PULIAFITO, VILLARI M. (2005). Localized Positioning in Wireless Sensor Network. IEEE Consumer Communications and Networking Conference. 3-6 January 2005. PULIAFITO A, FAZIO M, DAS G, VILLARI M. (2005). Distributed Core Assisted Scalable Data Dissemination in Mobile Ad Hoc Networks. IEEE CollaborateCom 2005. Dicembre 2005. VILLARI M., A. PULIAFITO, M. FAZIO, G. DAS. (2005). CCID: Core construction for information dissemination in Ad Hoc scenario. Communications and Computer Networks. Ottobre 2005. M FAZIO, VILLARI M., A PULIAFITO. (2004). Merging and partitioning in ad hoc networks. IEEE Symposium on Computers and Communications. June 29- July 1 2004. D. BRUNEO, VILLARI M., A. ZAIA, A. PULIAFITO. (2003). VOD services for mobile wireless devices. Eighth IEEE Symposium on Computers and Communications ISCC'2003 KEMER - ANTALYA. (pp. .). M.FAZIO, VILLARI M., A. PULIAFITO. (2003). Autoconfiguration and maintenance of the IP address in ad-hoc mobile networks. Australian Telecommunications, Networks and Applications Conference (ATNAC 2003). (pp. .). M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2002). Digital still cameras and mobile agents: How to create a distributed service for image processing. Next Generation Wireless Networks: Technologies, Protocols, Services and Applica. (pp. .). M. MOLTENI, VILLARI M. (2002). Using SCTP with Partial Reliability for MPEG-4 Multimedia Streaming. BSDCon Europe 2002. Amsterdam, Netherlands. (pp. .). M. SCARPA, VILLARI M., A. ZAIA, A. PULIAFITO. (2002). From Client/Server to Mobile Agents: An in-depth Analysis of the Related Performance Aspects. The Seventh IEEE Symposium on Computers and Communications, ISCC'02. (pp. .). G.IANNIZZOTTO, VILLARI M., L. VITA. (2001). Hand tracking for human-computer interaction with Graylevel VisualGlove Turning back to the simple way. Workshop on Perceptive User Interfaces, Orlando 2001. (pp. .). C. COSTANZO, VILLARI M., G. IANNIZZOTTO. (2000). Using Fuzzy MOVels for Fast 2D image segmentetion. XXXVIII conference AICA 2000. (pp. .). VILLARI M., C. COSTANZO, G. IANNIZZOTTO. (2000). Gesture recognition in Realt-Time on Pc and WebCam to low cost. XXXVIII conference AICA 2000. (pp. .). E. DI PIETRO, O. TOMARCHIO, G. IANNIZZOTTO, VILLARI M. (1999). Experiences in the use of Mobile Agents for developing distributed applications. In Sistemi distribuiti: Algoritmi, Architetture e Linguaggi (WSDAAL'99). (pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Correspondent Router. USA PATENT. (vol. ., pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Route Server implementation using BGP. USA PATENT. (vol. ., pp. .). P. THUBERT, M. MOLTENI, VILLARI M., E. L. ALBEGNOLI. (2002). Route Server implementation using DNS (Domain Name System). USA PATENT. (vol. ., pp. .). VILLARI M. (2002). MOBILE IP: SUPPORT FOR MOBILE NETWORKS IN TREE HIERARCHY ARCHITECTURE. PhD Thesis November 2002. (pp. 1-300). A. ARENA, M. GUARNERA, M. MANCUSO, A. PULIAFITO, VILLARI M. (2001). A new network approach to the Image Generation for DSC. European Patent. (vol. ., pp. .).
MUR - BANDO 2007 - * MODELLO B *
- 15 -