Okostelefon köztesréteg (1.3-5)

Az előadások a következő témára: "Okostelefon köztesréteg (1.3-5)"— Előadás másolata:

1 Okostelefon köztesréteg (1.3-5)
Dr. Bilicki Vilmos, egyetemi adjunktus, Szegedi Tudományegyetem, Szoftverfejlesztési Tanszék

2 Az alprojekt felépítése
1.6 Mobil közigazgatás 1.7 Modellvezérelt alkalmazásfejlesztés Monitorozás 1.5 1.4 Futtató/Fejlesztő környezet 1.3 P2P adattár P2P algoritmusok környezete Verifikáció 1.2 1.6 1.1 NAT átjárás Energia takarékosság Különböző fizikai médiumok FICT Kick-Off

3 Összefoglaló 1.2 Mobil szemantikus alapú P2P köztesréteg tervezési minták és algoritmusok RealPeersim P2P Infrastruktúra Szemantikus keretrendszerek, minták 1.3 Mobil felhő tervezési minták és algoritmusok AAA Alkalmazások: Teach My Phone (SZTE) Alakzat felismerés Arc felismerés FlashMob szavazás (BME) Bittorrent optimalizálás (BME) 1.4 Mobil konténerek végfelhasználói programozás támogatással tervezési minták és algoritmusok Produktivitás mérés Webview alapú megoldás (3 - Szabadalom) Cordova kiterjesztése

4 Általános P2P keretrendszer (RealPeerSim integráció)
1.2 Mobil szemantikus alapú P2P köztesréteg tervezési minták és algoritmusok Általános P2P keretrendszer (RealPeerSim integráció) Cél: Tetszőleges P2P algoritmust egyszerűen meg lehessen valósítani Magas szinten meg lehessen adni a kontextusokat és a szabályokat Eredmény: P2P algoritmus fejlesztés debug/elemzés PeerSim-mel P2P algoritmus fejlesztés/debug virtuális telefon farmon (<160) P2P infrastruktúra: Biztonságos, egyszerűen elérhető, központ mentes Meglévő megoldások, technológiák áttekintése Koncepció vázlat FICT SPLST2013 workshop

5 1.2 RealPeerSim Cél a PeerSim P2P szimulátor futtatása valós (mobil) eszközökön, valós hálózatban A PeerSim Java nyelven készült, moduláris, jól skálázható (millió node) és jól konfigurálható (reflexió, pl. melyik protokoll fusson) Részcélok: mobil eszköz Androidos mobil eszköz szerveren, Android emulátorokon

6 1.2 RealPeerSim Megvalósítás Android emulátorokon
Szerveren virtuális gépek (Linuxok) futnak, mert egy gép maximum 16 Android emulátort kezelhet Egy emulátor egyetlen node a P2P hálózaton és jelenleg Java socketen kommunikálnak Egy központi (virtuális) gépen futó web szerver segítségével indíthatók a kísérletek Android emulátorokon fut egy alkalmazás, amely letölti a kísérletekhez a fájlokat, majd futtatja azt A virtuális gépek és emulátorok indítása, leállítása, fordítása Ant és bash scriptek segítségével történik

7 1.2 RealPeerSim Kísérletek fejlesztése
Protokollok szükséges módosítása, fordítása tesztelése lokális gépen (nem elosztottan) Szerverre áttöltés, konfigurációs fájlok átírása (pl. Node, Transport); a protokollok kódja változatlan Inicializálást végző protokollok egy része a szerveren fut(hat) „távoli eljárás végrehajtás” 1 szerver 5-10 virtuális gép, emulátor 160 emulátor 10 gépre elvi max., de CPU limit miatt kevesebb a reális

8 1.2 P2P infrastrutúra Szabványos kommunikáció
WebRTC ICE (TURN/STUN) Mobil felhő üzenetküldés használata GCM - Google Cloud Messaging IOS Push Notification MPNS - Microsoft Push Notification Service Eloszott adatbázis: Kademnia Hierarchikus AAA OAuth – tetszőleges szolgáltató FICT SPLST2013 workshop

9 1.3 Mobil felhő tervezési minták és algoritmusok
AAA Csoportképzés: domain alapú azonosítás (URI), nyílt, zárt csoportok Identitás kezelés: OpenID/Oauth és társai mobil alkalmazásból? OpenPeer megoldás? Oauth token A fogadó publikus kulcsával titkosítva Azonosítás: URI Biztonság: saját chip kártya?,… telefon + otthoni eszköz PoC projektek: Alkalmazások: Teach My Phone (50%) (Google Mobile Backend alapú) Alakzat felismerés Arc felismerés FlashMob szavazás (BME) Bittorrent optimalizálás (BME) P2P alapok: Virtuális harmónia, virtuális szinkron, … FICT SPLST2013 workshop

10 1.3 AAA Azonosítás: Jogosultsg kezelés: OAuth
Future-ict.hu A-alk.future-ict.hu 1 csoport 2. csoprot B-alk.future-ict.hu 3. csoport Első szintű kontextus Második szintű Kontextus Harmadik szintű kontextus Azonosítás: OAuth Tetszőleges külső szolgáltató (Google, MS, …) PKI (eszközfüggő azonosítás) Jogosultsg kezelés: Alkalmazás kontextus és erőforrás függően FICT SPLST2013 workshop

11 1.3 P2P objektum felismerés
Fénykép Szavazás/Reputáció (P2P) Alakzat detektálás Felhasználó által finomítás Osztályozás, javaslatok Felhasználó kiválasztja a megfelelő képet Szavazás/Reputáció (P2P) Modell frissítés (P2P) FICT SPLST2013 workshop

12 1.3 Elosztott objektum azonosítás
Pókok detektálása Fényképezés, majd fókusz, képélesség alapján döntés A felhasználó rámutat egy pontra, ez alapján a pók kiterjedésének meghatározása Rámutathat még pontokra, sikertelenség esetén Pókok osztályozása A pókot mutató képterületről különböző jellemzők kinyerése On-line osztályozók alkalmazása

13 1.3 Fókusz, képélesség mérés
Feltételezhető, hogy a kép közepén a fókusz-ban található a kérdéses objektum. Ha életlen kép, vagy a széle fókuszált, akkor új képet kell Nehézségek: Több tucat fókuszmérő algoritmus pl. Diagonal laplacian, Spatial frequency Mobil eszköz korlátozott képminőség, CPU Kis mélyégbeli távolságok a háttér és előtér között Ideális esetben szegmentálást is adhat

14 1.3 Pókok detektálása/osztályozása
Módszer A felhasználó által megadott pont környezetéből egy képdarabot kivágunk, és erre a képdarabra meghatározzuk az egyes színcsatornák intenzitás eloszlását, 3D normális eloszlásként modellezve. Régiónöveléssel, addig növeljük a kiinduló cella területét szomszédos cellákkal, amíg az eloszlás nem tér el nagyon a kezdeti szín-intenzitás eloszlástól. Ezt az alapötletet bővítettük még: Több menet különböző cellaméretekkel; Adaptív statisztika; A környezet figyelembevétele: ne csak a saját pontokhoz legyen „közel”, hanem eközben a környezettől legyen „távol”. Tanulás A pókok detektálását végző algoritmusban több paraméter, küszöbérték van, ami befolyásolja a detektálást: távolság-küszöbértékekből 4 db., illetve cellaméret, stb. A felhasználótól kapunk visszajelzést: új pontot is megad, vagy nem fogadja el a szegmentálást. A visszajelzés mellett még rendelkezésre állnak a képből származtatható különböző jellemzők (élesség, fókusz, színek eltérése). On-line tanuló (regressziós) módszerek segítségével a paraméterek hangolhatók (pl. ANN). Osztályozás Detektálás után az adott képterületből különböző jellemzőket vonunk ki, majd osztályozó módszereket tanítunk. (Ehhez kell egy kezdeti címkézett adatbázis). Egy példa: egyelőre színhisztogramot vontunk ki a pók potrohának képtartományából, valamint szürke intenzitás együttes megjelenés stat.-t, és a Weka különböző osztályozóit próbáltuk ki (18 osztály, 3-fold cross validation, 1NN, ANN, véletlen erdő, Naive Bayes), és 37-41%-os találati arányt kaptunk. Cél: további jellemzők kivonása, textura, kontúr, részarányok, irányított gradiens stat., stb.

15 1.4 Mobil konténerek végfelhasználói programozás támogatással tervezési minták és algoritmusok
Termékvonal alapú fejlesztés: Modulok + konfiguráció Futtató környezet: JS Ahova csatlakozunk: cordova.apache.org Cordova Modulok: OpenCV AAA P2P … P2P modul RealPeersim alapú JS kód generálás Google Web Toolkit FICT SPLST2013 workshop

16 1.4 Produktivitás mérés Mérés (kész) Aktív/passzív mérés
Különböző események Fejlesztési visszacsatolás (tervezett) Adatfeldolgozás (folyamatban) Szűrés Elemzés Vizualizáció Predikció (tervezés alatt) Fejlesztői profil készítése Architektúra specifikus mérések, hatékonyságmérés Kód minőség mérése FICT SPLST2013 workshop

17 Összefoglaló A cél egy olyan meglévő technológiákhoz, nyílt kezdeményezésekhez kapcsolódó P2P adatbányász keretrendszer és fejlesztési metodológia létrehozása mely: Ipari minőségű Biztonságos Robosztus Produktív

18 Köszönöm a figyelmet!