Статично-частотне канонічне кодування як метод стиснення без накладних витрат і обфускації даних IoT-сенсорів у мережах LoRaWAN
DOI:
https://doi.org/10.31861/sisiot2026.1.01019Ключові слова:
стиснення даних, LoRaWAN, Інтернет речей, канонічне кодування, обфускація корисного навантаженняАнотація
У статті запропоновано метод Static Frequency-Based Canonical Coding (SFCC) та його розширення з функцією обфускації SFCC-S — легковагові методи безвтратного стиснення числових даних IoT-сенсорів, що передаються через мережі LoRaWAN. Класичні адаптивні алгоритми стиснення, такі як кодування Хаффмана, потребують передавання разом зі стисненим повідомленням таблиці частот або словника, що займає від 28 до 128 байт обмеженого корисного навантаження LoRaWAN, тоді як для пакета SF12 максимальний розмір корисного навантаження становить лише 51 байт. Запропонований підхід усуває ці накладні витрати шляхом попереднього спільного використання статичної канонічної кодової таблиці між сенсорним вузлом і сервером приймання даних, безпосередньо поширюючи концепцію статичного контексту стандарту SCHC IETF (RFC 9011) з мережевих заголовків на корисні дані прикладного рівня. Метод SFCC призначає двійкові кодові слова змінної довжини символам 14-елементного числового алфавіту сенсорних даних відповідно до очікуваних частот їх появи, досягаючи ефективності кодування 96,3 % відносно межі ентропії Шеннона. З урахуванням накладних витрат на передавання кодової книги SFCC забезпечує зменшення загальної кількості переданих бітів у 2,97 раза порівняно з динамічним кодуванням Хаффмана. Під час 24-годинного моделювання IoT-системи з частотою 60 вимірювань на годину метод SFCC скорочує кількість пакетів LoRaWAN на 52,4 %, що потенційно забезпечує приблизно двократне збільшення часу автономної роботи батареї. Метод SFCC-S розширює базовий підхід за рахунок перестановки символів без додаткових накладних витрат, що знижує спостережуваність структури корисного навантаження; цей механізм не забезпечує криптографічного захисту, проте зменшує витік статистичної та форматно-структурної інформації в обмежених мережах LPWAN. Обидва методи потребують лише статичної таблиці пошуку з 32 записів, що робить їх придатними для реалізації на будь-яких пристроях класу MCU.
Завантажити
Посилання
O. Väänänen and T. Hämäläinen, “Efficiency of temporal sensor data compression methods to reduce LoRa-based sensor node energy consumption,” Sensor Review, vol. 42, no. 5, pp. 503–516, 2022. doi: 10.1108/SR-10-2021-0360.
M. A. Almuhaya, W. A. Jabbar, N. Sulaiman, and S. Abdulmalek, “A survey on LoRaWAN technology: Recent trends, opportunities, simulation tools and future directions,” Electronics, vol. 11, no. 1, Art. no. 164, 2022. doi: 10.3390/electronics11010164.
J. A. Oliveira Júnior, E. T. de Camargo, and M. S. Oyamada, “Data compression in LoRa networks: A compromise between performance and energy consumption,” Journal of Internet Services and Applications, vol. 14, no. 1, pp. 95–106, 2023. doi: 10.5753/jisa.2023.3000.
R. L. Dias, E. C. Vilas Boas, F. A. P. de Figueiredo, S. B. Mafra, and M. Ahmed Ouameur, “Data compression in LoRa networks: Performance and energy trade-offs of classical and cutting-edge compression algorithms,” Sensors, vol. 26, no. 5, Art. no. 1414, 2026. doi: 10.3390/s26051414.
R. S. Sinha, Y. Wei, and S. H. Hwang, “A survey on LPWA technology: LoRa and NB-IoT,” ICT Express, vol. 3, no. 1, pp. 14–21, 2017. doi: 10.1016/j.icte.2017.03.004.
LoRa Alliance, “LoRaWAN Regional Parameters, RP002-1.0.3,” 2021. [Online]. Available: https://lora-alliance.org/wp-content/uploads/2021/05/RP002-1.0.3-FINAL-1.pdf
P. Gkotsiopoulos, D. Zorbas, and C. Douligeris, “Performance determinants in LoRa networks: A literature review,” IEEE Communications Surveys & Tutorials, vol. 23, no. 3, pp. 1721–1758, 2021. doi: 10.1109/COMST.2021.3090409.
K. L. Ketshabetswe, A. M. Zungeru, B. Mtengi, C. K. Lebekwe, and S. Prabaharan, “Data compression algorithms for wireless sensor networks: A review and comparison,” IEEE Access, vol. 9, pp. 136872–136891, 2021. doi: 10.1109/ACCESS.2021.3116311.
O. Gimenez and I. Petrov, “Static context header compression and fragmentation (SCHC) over LoRaWAN,” IETF RFC 9011, 2021. [Online]. Available: https://www.rfc-editor.org/info/rfc9011
J. Sanchez-Gomez, J. Gallego-Madrid, R. Sanchez-Iborra, J. Santa, and A. F. Skarmeta, “Impact of SCHC compression and fragmentation in LPWAN: A case study with LoRaWAN,” Sensors, vol. 20, no. 1, Art. no. 280, 2020. doi: 10.3390/s20010280.
T. M. Cover and J. A. Thomas, Elements of Information Theory, 2nd ed. Hoboken, NJ, USA: Wiley-Interscience, 2006. doi: 10.1002/047174882X.
K. Sayood, Introduction to Data Compression, 5th ed. Morgan Kaufmann, 2017.
A. Moffat, “Huffman coding,” ACM Computing Surveys, vol. 52, no. 4, Art. no. 85, 2019. doi: 10.1145/3342555.
D. Salomon, Data Compression: The Complete Reference, 4th ed. Springer, 2007. doi: 10.1007/978-1-84628-603-2.
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Безпека інфокомунікаційних систем та Інтернету речей
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
