IIoT領域的最新熱點就是是邊緣計算。越來越多的應用要求計算機處理能更接近傳感器以降低延遲且提高效率，在這種高需求的催化下邊緣計算的發展逐步成熟起來。

邊緣計算是一個由微數據物聯網中心組成的網狀網絡，在將關鍵數據轉移到中央數據中心或云存儲庫之前，先在本地處理和存儲關鍵數據。這樣一來，邊緣計算可有助于優化云計算系統，降低中央數據中心的運載度，使其免受數據傳輸中斷的影響。

通過一個集裝式的微服務架構，云服務器成為智能邊緣設備的控制節點，執行匯總分析，同時將實時決策留給邊緣服務器。

處于邊緣的物聯網設備必須擔負起計算、存儲和網絡連接的責任，根據需求，物聯網設備會將傳感器生成的部分或全部數據發送到云端。

1. 哪種情況需要邊緣計算?

可以在以下情況下部署邊緣計算：

物聯網設備連接性差;

應用程序依賴于機器學習，需要大量的數據來提供快速反饋;

為了安全和隱私，有必要將數據保存在工廠內部;

邊緣的原始數據需要進行預處理，以減少計算量。

邊緣計算的典型用例有人臉識別、智能導航等。值得注意的是，如果物聯網設備必須不斷地連接到中央云端，那邊緣計算是無效的。

2. 邊緣計算與霧計算有何不同?

霧計算是指基于邊緣設備和云之間交互的操作。邊緣計算是指具有計算能力的物聯網設備;它們充當傳感器和工廠內部人員之間的網關。從某種意義上說，邊緣計算是霧計算的一個子集。

邊緣計算使技術更接近最終用戶應用程序，因此，設備不需要不斷地連接到集中的云基礎設施進行指令或分析，而是被賦予了獨立完成這些任務的能力。

3. 邊緣計算的安全性

與邊緣計算相關的安全級別通常更高，因為數據不是通過網絡發送到云的。在邊緣計算中，數據是分散的，這使得數據更難被攻擊。

由于邊緣計算是一項相對較新的技術，傳統的問題仍然存在，包括登錄憑證、安全漏洞、缺乏更新和不太理想的網絡架構。

另一方面，邊緣設備本身就容易受到黑客攻擊。在設計安全體系結構時，應該記住這一點。

云計算和邊緣計算共同構成的體系能夠更有效地存儲和處理數據。

可采取以下防護措施來確保護傳感器數據：

在數據中插入一定方差的高斯噪聲，以降低嗅探攻擊的機會;

將數據分割成塊并對其進行打亂，以避免MITM(Man-in-the-Middle,數據傳輸的中間人 )攻擊;

加密每個數據塊的公鑰基礎設施。

(1) 身份驗證

物聯網設備，特別是智能電網中的物聯網設備，容易受到數據篡改和欺騙攻擊，可以通過公鑰基礎設施(PKI)、Diffie-Hellman密鑰交換、入侵檢測技術和對修改后的輸入值的監控來防止這種攻擊。

(2) 數據加密

對于靜態數據，可以使用密鑰大小為256位的AES算法來確保安全，而安全套接字層(SSL)協議可以用來建立服務器和客戶機之間的安全通信。

(3) 網絡監控

由于大量的異構物聯網設備在多個層次(系統管理程序、操作系統和應用程序)上傳輸和處理異構數據，因此可以使用人工神經網絡(ANS)和規則匹配來進行威脅檢測。

(4) 安全漏洞

利用機器學習技術可用于準確地識別安全攻擊。這些技術使用良性軟件模型訓練支持向量機等算法，之后，任何異常行為都可以觸發檢測事件。除了竊取數據或修改核心系統功能外，惡意軟件的存在還會降低系統性能。

在醫療保健領域，如果一個Fog系統受到破壞，關鍵數據和功能仍然受到嚴密且完整的安全系統保護，并且一旦主機操作系統中出現惡意活動，系統就會被隔離，這些都是至關重要的。

4. 邊緣計算：IT和OT融合的催化劑

IT由計算/處理系統和數據存儲組成。OT包括運行和監控生產系統所需的硬件和軟件，如SCADA(監控和數據采集)、DCS(分布式控制系統)和ICS(工業控制系統)。最新的技術旨在將IT和OT融合到一個共同的領域，以便于交流和采取行動。邊緣計算正在加速這種收斂。

處于工業物聯網(IIoT)前沿的公司已經為IT和OT作為一個統一系統的功能建立了共同的基礎。例如，健康監視器是聚合系統?？拷鼈鞲衅?硬件)進行計算的邊緣計算將IT和OT緊密的結合在一起。

有了IT(特別是數據科學和ML模型)，用戶可以構建不斷學習和調整的算法，以便提供更好的服務。OT可以自動化他們的工作流程，同時提供更好的監控和條件異常的分析。集成了OT/IT團隊的工廠已經取得了成功的結果，比如降低了能源消耗、更高的產品質量和資產健康以及更少的停機時間。