Fault tolerance in wireless sensor networks with a multi-sink protocol and data confidence attribution

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2021.Os sensores têm sido empregados para fins de monitoramento em vários campos de aplicação ao longo de décadas, e a identificação de falhas, sejam causadas por mau funcionamento, interferência ou intrusão, é de grande relevância para a tolerância a falhas em sistemas. Redundância e diversidade de sensores são uma das principais abordagens para lidar com falhas. Comparar medidas distintas de sensores que observam o mesmo fenômeno é uma maneira natural de obter confirmação. Entretanto, os sistemas tolerantes a falhas geralmente resolvem o problema com modelos estáticos, baseados em leis da física ou estatísticas sobre a operação do sensor. Esses modelos são específicos e não se adaptam bem a ambientes dinâmicos, onde se espera que sensores sejam adicionados dinamicamente ao sistema, seja para substituir aqueles com falha ou para adquirir dados adicionais sobre seu comportamento. Este trabalho propõe uma abordagem para determinar a exatidão dos dados detectados usando preditores que exploram a correlação de dados para atribuir um nível de confiança a cada dado produzido por sensores. A variação nos níveis de confiança permite a identificação de sensores com defeito, além de fornecer feedback sobre grupos de sensores. O mecanismo de atribuição de confiança proposto pode ser aplicado a qualquer cenário no qual conjuntos de sensores monitoram fenômenos correlacionados. Neste trabalho, é aplicado para aumentar a tolerância a falhas em Redes de Sensores Sem Fio (RSSF), visto que elas naturalmente têm que lidar com sensores com falha em ambientes dinâmicos. As RSSF também podem tirar proveito da natureza distribuída do mecanismo de atribuição de confiança, com uma sobrecarga muito pequena nas mensagens originais, sem mensagens de diagnóstico ou votação. As RSSF geralmente usam algoritmos de roteamento geográfico totalmente reativos para suportar nós móveis e falhas de comunicação, uma vez que tais algoritmos não requerem procedimentos de construção e manutenção de rotas. Este trabalho contribui para este campo, explorando redundância de gateways e algoritmos de desvio de vazio. As soluções propostas aumentam a disponibilidade e a confiabilidade da comunicação entre os sensores e o mundo externo. O protocolo proposto, denominado FT-TSTP, usa um \"modo de recuperação\" para encontrar rotas alternativas para os pacotes ao enfrentar vazios. Também entrega mensagens para todos os gateways, ao contrário dos protocolos que escolhem um deles, reduzindo assim o tempo de entrega e o consumo de energia, enviando pacotes apenas para o gateway mais próximo. As soluções propostas foram avaliadas através de simulações. O protocolo FT-TSTP alcançou taxas de entrega acima de 97% nos quatro cenários avaliados. O consumo de energia apresentou um crescimento linear de até 150% com 3 gateways, com estabilização para mais de 3 gateways. O mecanismo de atribuição de confiança foi avaliado em quatro cenários diferentes, identificando cerca de 90% das falhas dos sensores. Uma análise dos parâmetros do algoritmo foi realizada para mapear sua sensibilidade para tipos de erros específicos. Ao rotular os dados com confiança, também acelera a identificação de mudanças no ambiente sempre que um conjunto de sensores correlacionados mostram alterações simultâneas nos níveis de confiança.Abstract: Sensors have been employed for monitoring purposes in several application fields over decades, and failures, either due to malfunction, interference, or intrusion, is of major relevance to fault-tolerance systems. Sensor redundancy and diversity is one of the main approaches to deal with failures. Comparing distinct measurements from sensors that are observing the same phenomenon is a natural way to achieve confirmation. Nevertheless, fault-tolerant systems often address the problem, with static models, based on physics laws or statistics about sensor operation. These models are specific, and do not adapt well to dynamic environments in which sensors are expected to be dynamically added to the system, either to replace failing ones or to acquire additional data about its behaviour. This work proposes an approach to determine the correctness of sensed data using predictors that exploit correlation in data to assign a confidence level to each piece of data produced by sensores. The variation in confidence levels enables the identification of faulty sensors, and also provides feedback about sensor groups. The proposed confidence attribution mechanism can be applied to any scenario in which sets of sensors monitor correlated phenomena. In this work, it is applied to increase the fault-tolerance on Wireless Sensors Networks (WSN), as they naturally have to deal with faulty sensors in dynamic environments. WSN can also take advantage of the distributed nature of the confidence attribution mechanism, with a very small overhead in the original messages, without diagnose or voting messages. WSN often use fully reactive geographical routing algorithms to support mobile nodes and communication faults, since such algorithms do not require route construction and maintenance procedures. This work contributes to this field by exploiting gateway redundancy and void detour algorithms. The proposed solutions increase the availability and the confiability of the communication between sensors and the external world. The proposed protocol, named FT-TSTP, uses a ?recovery mode? to find alternative routes for the packets when facing voids. It also delivers messages to all gateways, in contrast to the protocols that choose one of them, thus reducing delivery time and energy consumption, by sending packets to the nearest gateway. The proposed solutions were evaluated through simulations. The FT-TSTP protocol achieved delivery rates above 97% in the four evaluated scenarios. The energy consumption showed a linear growth up to 150% when using 3 gateways, with a stabilization for more than 3 gateways. The confidence attribution mechanism was evaluated in four different scenarios and was able to identify around 90% of sensor faults. An analysis of the algorithm's parameters was performed to map their sensibility for specific error types. By labeling data with confidence, it also speeds the identification of changes in the environment whenever a set of sensors show correlated rates of changes simultaneously