Earticle

본 연구에서는 자율 주행을 위한 지능형 교통 시스템(ITS)을 최적화하는 데 있어 엣지 컴퓨팅의 혁신적인 잠재력 을 연구하였다. 방대한 양의 데이터를 로컬에서 실시간으로 처리하는 엣지 컴퓨팅의 능력은 신속한 의사 결정 및 향상된 안전 조치를 포함하여 자율주행차의 중요한 요구 사항을 해결하는 데 필수 요소이다. 엣지 컴퓨팅과 기존 ITS 인프라의 통합을 탐구하고, 현지화된 데이터 처리가 대기 시간을 크게 줄여 자율주행차의 반응성을 향상시키는 방법을 강조한다. 실시간 교통 관리, 충돌 방지 시스템 및 동적 경로 최적화를 지원하는 강력한 프레임워크를 집합적으로 형성하는 엣지 서버, 센서 및 V2X(Vehicle-to-Everything) 통신 기술의 배포를 검토한다. 또한 본 연구는 보안, 데이터 통합, 시스템 확장성 등 ITS에서 엣지 컴퓨팅을 구현하는 데 있어 가장 중요한 과제를 다루며 잠재적인 솔루션과 향후 연구 방향에 대한 통찰력을 제공한다. 이 논문은 완전 자율 주행이라는 비전을 실현하는 데 있어 엣지 컴퓨팅의 중추적인 역할을 강조 하고, 보다 안전하고 효율적이며 지속 가능한 교통 시스템을 달성하는 데 기여하는 논문이다.

In this scholarly investigation, the focus is placed on the transformative potential of edge computing in enhancing Intelligent Transportation Systems (ITS) for the facilitation of autonomous driving. The intrinsic capability of edge computing to process voluminous datasets locally and in a real-time manner is identified as paramount in meeting the exigent requirements of autonomous vehicles, encompassing expedited decision-making processes and the bolstering of safety protocols. This inquiry delves into the synergy between edge computing and extant ITS infrastructures, elucidating the manner in which localized data processing can substantially diminish latency, thereby augmenting the responsiveness of autonomous vehicles. Further, the study scrutinizes the deployment of edge servers, an array of sensors, and Vehicle-to-Everything (V2X) communication technologies, positing these elements as constituents of a robust framework designed to support instantaneous traffic management, collision avoidance mechanisms, and the dynamic optimization of vehicular routes. Moreover, this research addresses the principal challenges encountered in the incorporation of edge computing within ITS, including issues related to security, the integration of data, and the scalability of systems. It proffers insights into viable solutions and delineates directions for future scholarly inquiry.

최근 사물인터넷(Internet of Things, IoT) 기기 사용 증가로 인해 클라우드 컴퓨팅 서버로 전송해 처리하 는 데이터양이 급증하고, 그 결과 네트워크 관련 문제점(지연, 서버의 과부하 및 보안 위협)들이 크게 대두되고 있다. 특히, 연산 능력이 클라우드 컴퓨팅보다 낮은 에지 컴퓨팅은 수많은 IoT 기기들을 손쉽게 인증할 수 있는 경량화된 인증 알고리즘이 필요하다. 본 논문에서는 IoT와 에지 장치 간 익명성과 순방향·역방향의 비밀성을 보장 하고 중간자 공격과 재전송 공격에 안정적이며, 에지 장치와 IoT 기기 특성에 적합한 경량화 알고리즘의 키 동의 프로토콜을 제안하였고, 제안한 키 동의 프로토콜을 기존 연구와 비교·분석한 결과 IoT 기기와 에지 장치에서 효 율적으로 사용 가능한 경량화 프로토콜임을 보였다.

Recently, due to the increase in the use of Internet of Things (IoT) devices, the amount of data transmitted and processed to cloud computing servers has increased rapidly. As a result, network problems (delay, server overload and security threats) are emerging. In particular, edge computing with lower computational capabilities than cloud computing requires a lightweight authentication algorithm that can easily authenticate numerous IoT devices.In this paper, we proposed a key-agreement protocol of a lightweight algorithm that guarantees anonymity and forward and backward secrecy between IoT and edge devices. and the proposed algorithm is stable in MITM and replay attacks for edge device and IoT. As a result of comparing and analyzing the proposed key-agreement protocol with previous studies, it was shown that a lightweight protocol that can be efficiently used in IoT and edge devices.

멀티미디어 수집 기술과 휴대용 디바이스 제조 기술의 발전으로 헬스케어 시스템에 대한 다양한 수요가 대두되고 있다. 기존의 대부분의 헬스케어 시스템은 환자의 응급 상황이나 일상적인 상황 모니터링을 위해 사용되고 있다. 그러 나 최근 휴대용 디바이스의 멀티미디어 수집 기능의 향상으로 엣지 컴퓨팅이 다양한 분야에 활용되기 시작하였으며 이를 기반으로 응급 상황 헬스케어 시스템과 일상 모니터링을 위한 헬스케어 시스템을 통합하는 의료 빅데이터 시스 템이 연구되고 있다. 본 논문에서는 엣지 컴퓨팅 등 휴대용 디바이스를 기반으로 하는 다양한 헬스케어 시스템의 케이스를 소개하고 구축 방법에 대한 최신 연구동향을 소개하고 향후 헬스케어 시스템의 발전 방향을 제시한다.

With the development of multimedia data collection technology and portable device manufacturing technology, various demands for health care system are emerging. Most existing healthcare systems are used to monitor patient health care information or emergency situations or each daily situations. Recently, edge computing has been utilized in various fields. Due to improvement of multimedia collection function of portable devices, and a medical big data system that integrates an emergency healthcare system and a healthcare system for daily monitoring is being studied based on edge computing. This paper introduces cases of various healthcare systems based on portable devices such as edge computing, introduces the latest research trends on the construction method, and suggests future directions of health care system.

본 논문에서는 엣지컴퓨팅 기반 객체검출 및 Pan-Tilt-Zoom(PTZ) 제어를 활용한 다중객체의 순차추적 방법을 제 안한다. 제안하는 방법은 순찰단계와 순차추적단계로 나누어 PTZ 제어를 수행한다. 먼저 순찰 단계에서 카메라의 화각을 기준점으로 이동시킨 후 사전 정의된 이동 패턴에 따라 순찰 기동을 반복 수행한다. 순찰 기동 중 입력되는 모든 영상 프레임에서 사전 정의된 이상상황의 발생여부를 확인하기 위하여 객체검출 및 식별자 부여를 수행한다. 이상상황이 발생중이라고 판단되면 제안하는 방법은 순차추적단계로 진입하여 사전에 정의된 규칙과 현재 상황이 반영된 객체별 우선 추적 순위를 설정한다. 이 순위에 따라 제안하는 방법은 각 객체를 집중 촬영하기 위한 PTZ 제 어를 순차적으로 수행한다. 순차추적이 모두 끝나면 제안하는 방법은 이상상황을 처음 인지한 화각으로 돌아간 뒤 여전히 이상상황이 존재한다면 순차추적을 반복하고, 그렇지 않다면 순찰단계로 돌아오게 된다. 제안하는 방법의 성 능을 평가하기 위해 스쿨존에서의 돌발상황을 즉시 인지하는 시나리오에 맞춰 실험을 설계하였다. 실험결과, 제안하는 방법은 0.951의 F1 Score로 이상상황을 판별하면서 24 frame per seconds의 처리 속도를 보이며 그 유효성을 입증하였다.

In this paper, a method for sequential tracking of multi-object using edge computing-based object detection and Pan-Tilt-Zoom(PTZ) control is proposed. The proposed method performs PTZ control in two procedures, which are patrol stage and sequential tracking stage. In the patrol stage, the proposed method firstly moves the camera’s angle of view to the reference point then follows the predefined moving procedure for sequential patrol. During the patrol, object detection and identifier assignment are conducted on inputted video frames to recognize incident of the predefined abnormal situations. In case the abnormal situation is on going, the proposed method switches the mode into sequential tracking stage, and by the predefined rules and current situations, assigns the tracking priorities. Followed by the priority, the proposed method conducts PTZ controls in sequential order to capture each objects related to the incident. After all the sequential tracking is over, the proposed method returns back to the angle of view at which the initial abnormal situation was recognized, and then repeats the sequential tracking if the abnormal situation still exists, and returns to the patrol stage otherwise. In order to evaluate the performance of the proposed method, an experiment was designed according to the scenario of immediately recognizing traffic accidents in the school zone. As a result of the experiment, the proposed method proved its effectiveness by showing an F1 score of 0.95 for discriminating abnormal situations with showing a processing speed of 24 frames per seconds.

엣지와 클라우드 컴퓨팅의 통합은 현대 스마트 팜의 과제를 해결하는 중요한 솔루션으로, 정밀 농업 기술을 활용해 농작물 수확량을 최적화하고 자원 사용을 줄이며, 지속 가능한 농업을 촉 진하는 데 기여한다. 본 논문은 하이브리드 엣지-클라우드 시스템의 아키텍처와 이점, 그리고 도전 과제를 심층적으로 탐구하며, 엣지 컴퓨팅이 실시간 데이터 처리를 통해 신속한 의사 결정을 지원하 고, 클라우드 컴퓨팅이 대규모 데이터 분석과 장기적인 전략 수립을 돕는 상호 보완적 역할을 강조 한다. 사례 연구를 통해 스마트 온실에서의 실시간 기후 제어 및 작물 성장 예측, 정밀 축산 분야에 서의 건강 모니터링과 가축 관리 최적화 등의 성과를 구체적으로 제시한다. 또한, 본 연구는 농업 부문에 혁신적 잠재력을 제공하는 이 기술 통합의 중요성을 강조하며, 확장성, AI 및 기계학습 통합, 데이터 보안, 5G 기술 활용 등의 추가 연구 필요성을 제안한다.

The integration of edge and cloud computing offers a significant solution to the challenges faced by modern smart farming, leveraging precision agriculture technology to optimize crop yields, reduce resource consumption, and promote sustainable farming practices. This paper explores the architecture, benefits, and challenges of hybrid edge-cloud systems in depth. It highlights the complementary roles of edge computing, which enables real-time decision-making through immediate data processing, and cloud computing, which supports large-scale data analysis and long-term strategic planning. Case studies demonstrate the practical applications, such as real-time climate control and crop growth prediction in smart greenhouses, as well as health monitoring and livestock management optimization in precision livestock farming. Furthermore, this research emphasizes the transformative potential of such technology integration in agriculture and suggests future research directions, including scalability, AI and machine learning integration, data security, and the use of 5G technology to ensure the continued development and widespread adoption of smart farming systems.

본 논문은 SDN 환경의 경량 엣지 인증 절차 안전성을 재구성 관점에서 분석하여, 키 재사용, 신선도 검증 미흡, 주체 결합 부재, 게이트웨이 신뢰 취약성 등의 핵심 약점을 확인하였다. 이를 보완하고자, ECDHE 기반 에페 멀 키 합의, 논스/타임스탬프 강제 검증, ECC 기반 상호 인증, 그리고 명시적 게이트웨이 보증 절차를 추가하는 수정안을 제안하였다. 이 수정안은 연산량 증가 없이 SDN 엣지 아키텍처의 현실적 공격에 대한 견고성을 유의미 하게 높여, 경량성과 보안성을 확보하며 실배치 가능성을 유지한다.

This paper analyzed a lightweight edge authentication protocol for SDNs, finding critical vulnerabilities including key reuse, lack of entity binding, and insecure gateway assumptions. Enhancements proposed include ephemeral key agreement, freshness enforcement, mutual ECC authentication, and explicit gateway attestation. These modifications significantly improve security against advanced SDN attacks while preserving computational efficiency and maintaining deployment feasibility.

This study proposes a mobile-based lightweight deep learning model (Lite-MCC) capable of reconstructing three-dimensional (3D) spatial structures from a single RGB image. Conventional 3D reconstruction models require multi-view inputs or point cloud data and depend on large-scale computational resources, which limits their real-time applicability in practical environments. To address this limitation, the proposed Lite-MCC model simplifies the existing Multiview Compressive Coding (MCC) architecture, enabling accurate 3D reconstruction using only a single image. The model adopts a parallel structure consisting of a Vision Transformer (ViT-Tiny) and a Geometry Encoder to extract visual and spatial features simultaneously, while a Transformer Decoder generates the corresponding 3D point cloud. Furthermore, depth map–based input transformation and ONNX-based optimization are employed to achieve efficient real-time inference on edge devices. Experimental results on the CO3D dataset demonstrate that Lite-MCC reduces computational cost by 87% and memory usage by 65%, while maintaining a Chamfer Distance of 0.045, comparable to the original MCC model. These results indicate that the proposed method provides a promising direction for lightweight AI models enabling low-cost, real-time 3D recording and visualization.

전기차 배터리 관리 시스템(Battery Management System, BMS) 데이터의 효율적인 블록체인 기록을 위해, 충전소 엣지 노드에 Merkle 트리를 활용하는 아키텍처를 제안한다. 이 구조는 엣지 노드가 다수 BMS 데이 터를 Merkle 트리로 구성하고 루트 값만 블록체인에 전송하여 데이터 전송 지연과 네트워크 부하를 줄인다. OMNeT++/INET 시뮬레이션을 통해 클라우드 직접 전송 및 엣지 개별 처리 방식과 비교한 결과, 제안 방식이 종단 간 지연, 초당 트랜잭션, 네트워크 부하 모든 면에서 우수함을 확인했다. 본 연구는 전기차 충전 인프라에서 엣지 컴퓨팅과 블록체인 결합을 통한 BMS 데이터 처리 최적화 가능성을 제시한다.

This paper proposes a novel architecture using edge nodes at EV charging stations for efficient blockchain recording of BMS data. We compare direct cloud transmission, individual edge processing, and our Merkle tree-based edge approach. Edge nodes aggregate BMS data into a Merkle tree, sending only its root to the blockchain, reducing latency and load. Simulations show our method significantly improves end-to-end delay, TPS, and network load. This highlights edge-blockchain synergy for BMS data optimization.

본 연구는 지하 주차장에서 발생할 수 있는 범죄 및 침수 등 다양한 위험 상황에 대응하기 위한 AIoT 기반의 복합 감지 및 통합 관제 시스템을 제안한다. 이상음원(비명, 유리 파손음 등) 감지와 침수 감지 센서 데이터를 딥러닝 기반 알고리즘으로 분석하고, Edge 장치에서 실시간 처리할 수 있도록 경량화된 모델을 구현하였다. 또한, 900MHz 무선 통신 기반의 센서-중계기-서버 구조와 관리자 대시보드 UI를 통해 긴급 상황에 대한 자동 알림과 실시간 대응이 가능하도록 설계하였다. 다양한 실증 환경에서 시스템의 정확성과 안정성을 검증하였으며, 향후 공공시설, 학교, 주거지역 등으로의 확장 가능성도 확보하였다. 본 연구는 사용자 조작 없이도 상황을 인식하고 대응할 수 있는 자동화된 도시 안전 인프라의 새로운 모델을 제시한다.

This study proposes an AIoT-based integrated detection and control system to address safety issues such as crime and flooding in underground parking lots. A deep learning-based anomaly sound detection algorithm was developed and optimized for real-time processing on edge devices, enabling automatic recognition of emergency signals such as screams or glass breaking. A wireless sensor network utilizing 900MHz communication was implemented for real-time flood monitoring. The integrated control platform features a user-centered dashboard UI that enables automatic alerts and response actions without user intervention. The system was field-tested in various environments to validate its accuracy, responsiveness, and scalability. The results demonstrate the system’s potential to become a new model for proactive safety infrastructure in public and residential facilities.

커넥티드 카에서 발생하는 실시간 데이터 처리를 위한 엣지–커넥티드 카 환경에서 웹소켓 통신 연구가 활발히 진행 되고 있다. 그러나 웹소켓은 연결 유지, 고정된 연결의 특성으로 대용량 데이터 처리를 위한 분산 엣지 환경을 구성 하는데, 구조적 한계가 있다. 기존 연구는 세션 공유, 아파치 카프카 통신을 활용했으나, 이는 추가 리소스와 종속 성, 확장성 문제가 존재한다. 본 연구는 실시간성, 확장성, 낮은 리소스를 보장하는 새로운 웹소켓 기반 데이터 통신 기법을 제안하며. 이를 Digital Twin 모델에 적용하였고 차량 충돌 이벤트 처리를 통해 제안된 기법의 효율성을 검증했다.

Research on WebSocket communication in edge-connected car environments is ongoing. WebSockets have structural limits for large data handling due to persistent and fixed connections. Previous approaches using session sharing and Apache Kafka faced scalability and resource dependency issues. This study proposes a new WebSocket-based technique that ensures real-time, scalable, and resource-efficient data communication. It has been applied to the Digital Twin model, proving its effectiveness through vehicle collision event handling.

본 논문은 화재 상황에서 효율적이고 신속한 대응을 위한 화재 감지 시스템을 위한 MLOps 시스템 구조를 제안한다. 현재 재난 피해를 최소화하기 위해 기계학습 모델을 활용하는 연구들은 활발하나, 이를 위한 MLOps 시스템 구조에 대한 연구는 부족한 상황이다. 본 연구에서는 화재 상황에 대해 MLOps 기술을 활용하여 지속적인 모델 운영 및 관리를 가능하게 하는 시스템 구조를 제안한다. 제안 구조는 모델 학습 시간과 지연 시간을 고려한 DR 스케줄러를 통해 태스크를 효율적으로 스케줄링 한다. 향후 연구로 제안된 구조를 기반으로 시스템을 구축하고 효율성을 검증할 계획이다.

최근 인공지능 기술은 IoT 시스템 분야의 엣지 컴퓨팅에서 그 활용도를 높여가고 있다. IoT 시스템의 디바이스는 컴 퓨터 기술의 발전으로 인해서 과거의 단순한 데이터 수집 기능에서 나아가서 AI 연산과 같은 복잡한 연산을 자체적 으로 수행할 수 있다. IoT 플랫폼 기반으로 AI 기능을 활용한 다양한 응용 애플리케이션 서비스를 제공하기 위한 시 스템 구성과 그 설계 및 구현성에 대한 분석이 필요하다. 본 논문에서는 oneM2M 기반의 표준 IoT 플랫폼을 기반으 로 하여 구축된 IoT 환경에서 인공지능 딥러닝 연산을 통한 영상 데이터의 객체를 추출하여 수집하고, 이를 모바일 클라이언트로 서비스하는 인공지능 기반 객체 인식 데이터 수집 및 서비스 시스템을 설계하고 구현하여 보았다. 이를 통해서 AI와 IoT 시스템을 융합한 컴퓨팅 시스템 및 서비스 응용 애플리케이션의 활용 가능성을 알아볼 수 있다.

Recently, artificial intelligence technology is increasing its utilization in the field of IoT and edge computing systems. Due to the development of computing technologies, the sensor device of the IoT system can perform complex calculations such as deep learning on its own, going beyond the simple data collection function of the past. Nowadays, it is necessary to analyze the system design issues to provide various application services using AI functions based on the IoT platform. In this paper, in the IoT environment built on the standard IoT platform based on oneM2M, the IoT platform and service system was designed and implemented that provides functions of object data detections through AI deep learning operation, collection of the data to IoT server, and servicing those to mobile clients. Through this, it was possible to consider the utilization of computing systems and service applications that integrate and utilize both of AI and IoT systems.

기후변화 및 식량자원안보가 전 세계적으로 이슈화 되어 지고 있는 지금 스마트팜은 이를 해결할 수 있는 대안으로 떠오르고 있다. 또한 1차 산업에 있어 생산 환경의 변화는 모든 1차 산업(농업, 축산업, 어업)에 종사하는 사람들의 주 요 관심사 이며, 이로 인해 발생하는 식량부족 문제는 우리 모두가 해결해야 할 중요문제이다. 이와 같은 문제를 해결 하기 위해 1차 산업에서는 ICT 및 BT등 4차 산업 혁명과 기술인 IoT 빅데이터 및 인공지능 기술을 활용하여 스마 트팜을 도입함으로 해서 생산성 향상을 통해 식량부족 문제를 해결하려는 노력이 민관을 통해 이루어지고 있다. 본 논 문은 스마트팜의 발전 및 활용, 지속 가능한 농업경영 시스템구축을 위한 스마트팜 데이터 수집 시스템이 갖추어야 할 최소요건 및 순차적인 시스템 구축 방안, 목적성을 갖는 효율적이고 활용 가능한 데이터 수집 시스템 등에 관해고 찰 하고자 한다. 특히 한계에 부딪치고 있는 한국형 스마트팜 표준모델 구축을 위한 데이터수집시스템의 문제점을 농 축산(양돈)분야의 심층적인 조사와 다양한 사례분석을 기반으로 분석하고 개선하여 효율적이고 활용 가능한 빅데이터 수집시스템 구축을 목표로 빅데이터 수집방안을 제안하고자 한다.

Now that climate change and food resource security are becoming issues around the world, smart farms are emerging as an alternative to solve them. In addition, changes in the production environment in the primary industry are a major concern for people engaged in all primary industries (agriculture, livestock, fishery), and the resulting food shortage problemis an important problem that we all need to solve. In order to solve this problem, in the primary industry, efforts are made to solve the food shortage problem through productivity improvement by introducing smart farms using the 4th industrial revolution such as ICT and BT and IoT big data and artificial intelligence technologies. This is done through the public and private sectors.This paper intends to consider the minimum requirements for the smart farm data collection system for the development and utilization of smart farms, the establishment of a sustainable agricultural management system, the sequential system construction method, and the purposeful, efficient and usable data collection system. . In particular, we analyze and improve the problems of the data collection system for building a Korean smart farm standard model, which is facing limitations, based on in-depth investigations in the field of livestock and livestock (pig farming) and analysis of various cases, to establish an efficient and usable big data collection system. The goal is to propose a method for collecting big data.

Recently, with the development of IoT technology, data has increased, and problems with the centralized cloud computing method are appearing. As an alternative to this, Edge Computing, a distributed cloud method that processes data close to the edge of the network where data is generated, is utilized. On the other hand, as the number of containers on one host increases, container management becomes difficult, and accordingly, container orchestration technology capable of configuring and managing a large number of containers is required. In this paper, we measure, compare, and analyze the time to transmit sensor data to the DB server of each Kubernetes cluster by building a multicluster infrastructure using Kubernetes, which is the most used container orchestration tool.

Edge computing is a promising technique for processing real time data that is required in various fields such as smart cities, autonomous driving and connected cars. In general, edge computing has limited resources in comparison with the central cloud. It is a greater disadvantage for the embedded systems if the nodes in the edge cluster has no sufficient resources to process the requests. In this paper we propose a service offloading technique which solves the problem of resource inefficiency in Kubernetes based edge environment. The proposed method monitors the capacity of the edge nodes and performs service offloading if necessary. The preliminary experiment is performed to monitor the resource usage by an edge node. In addition, the proposed method aims to reduce the idle time and waiting time of the requests during offloading which inturn reduces the total latency duration.

최근 5G의 등장에 따라 국내 스트리밍 시장에서는 360 VR(Virtual Reality) 서비스가 주목받고 있다. 하지만 기존 IPTV(Internet Protocol Television)의 360 VR 영상 서비스에서 사용자가 고품질로 느끼기 위해서는 8K 이상 의 영상이 요구 되지만 현재는 4K 정도의 영상이 서비스되어 사용자의 만족도가 높지 않다. 8K 이상의 영상의 경우 비트율(bitrate)이 하나의 QAM 채널로 전송할 수 있는 38.8107mbps 이상이다. 때문에, 현재 IPTV 방송 케이블망 환경에서 8K 이상의 영상을 스트리밍 하는 것은 불가능 하다. 이에 본 논문에서는 8K이상의 360 VR 서비스를 위해 다수의 QAM 채널을 사용하여 영상을 분리 분산하여 전송하는 방식을 제안하고 설계 하였다. 그리고 IPTV 방송 수신기 에서 댁내의 디스플레이 장치로 저지연 스트리밍을 할 수 있는 엣지 스트리밍 방식을 제안하고 구현하였다. 그리고 실험 을 통해 100mbps 미만의 네트워크 대역폭을 사용하여 500ms 미만의 뷰포트(Viewport) 전환 지연 시간을 갖는 360 VR스트리밍을 할 수 있음을 확인하였다.

360 Virtual Reality(VR) service is getting attention in the domestic streaming market as 5G era is upcoming. However, existing IPTV-based 360 VR video services use upto 4K 360 VR video which is not enough to satisfy customers. It is generally required that over 8K resolution is necessary to meet users' satisfaction level. The bit rate of 8K resolution video exceeds the bandwidth of single QAM channel(38.817mbps), which means that it is impossible to provide 8K resolution video via the IPTV broadcast network environment. Therefore, we suggest and implement the edge streaming system for low-latency streaming to the display devices in the local network. We conducted experiments and confirmed that 360 VR streaming with a viewport switching delay less than 500ms can be achieved while using less than 100mbps of the network bandwidth.

Future internet aims to function as a neutral in-network storage and computation platform, essential for enabling 6G and beyond wireless use cases. Information-Centric Networking and Edge Computing are key paradigms driving this vision by offering diversified services with fast response times across heterogeneous networks. This approach requires effective coordination to dynamically utilize resources like links, storage, and computation in near real-time within a non-homogenous and distributed computing environment. Additionally, networks must be aware of resource availability and reputational information to manage unknown and partially observed dynamic systems, ensuring the desired Quality of Experience (QoE). This paper provides a comprehensive evaluation of edge computing technologies, starting with an introduction to its architectural frameworks. We examine contemporary research on essential aspects such as resource allocation, computation delegation, data administration, and network management, highlighting existing research gaps. Furthermore, we explore the synergy between edge computing and 5G, and discuss advancements in 6G that enhance solutions through edge computing. Our study emphasizes the importance of integrating edge computing in future considerations, particularly regarding sustainable energy and standards.

Closed Circuit Television (CCTV) based Surveillance has become the fundamental part of the security Systems. In most cases, surveillance feeds are only used as evidence. The emergence of Edge Computing gives hope for enabling real time surveillance systems that focuses on prevention of crimes. The proposed architecture consists of a Convolutional Neural Network (CNN) enabled in an edge device, with reduced computational complexity, which classifies various actions like Pulling, pushing and other hand movements and locates the identified activities in the image frame using bounding boxes. The proposed architecture gives an alert whenever a suspicious activity is detected. The system was found efficient when validated against the Dataset taken from the SRM IST Campus.

Internet of Things (IoT) enables different smart environment objects to communicate without involving humans. Recently, IoT has started a new challenge within the healthcare sector called the Internet of Medical Things (IoMT). The huge amounts of data generated by IoMT entities need to be analyzed in real-time to improve the performance and quality of service of the IoMT applications. Mobile Edge Computing-enabled 5G system is shown as a successful paradigm to address such an obstacle. Numerous frameworks are introduced in literature based on this idea. This paper presents a thorough discussion of MEC-based IoMT healthcare systems.