콘텐츠로 바로가기
HY_TECH_BASE

IoT & Edge Intelligence

사물인터넷 기기의 저전력 하드웨어 아키텍처부터 엣지 단에서의 실시간 데이터 처리 및 AI 추론 기술을 다루는 학습 노드입니다.

sys.entry
M

Me

hyunyoun's Blog

posts6 min read

1. Overview

IoT 및 엣지 인텔리전스(IoT & Edge Intelligence, IEI)는 수십억 개의 분산된 디바이스가 수집하는 방대한 데이터를 현장(Edge)에서 즉시 처리하고 판단하는 기술을 다룹니다.

모든 데이터를 클라우드로 전송하는 것은 대역폭, 지연 시간, 프라이버시 측면에서 한계가 있습니다. 학습자는 초저전력(Ultra-low power) 무선 물리 설계, 엣지 AI(TinyML) 메커니즘, MQTT/CoAP 메시징 프로토콜, 그리고 기기 생애 주기 보안(Secure Boot/OTA)을 학습합니다. 이를 통해 지능형 사물이 물리 세계와 밀접하게 상호작용하는 안전하고 효율적인 분산 시스템 아키텍처를 구축합니다.

2. Scope & Boundaries

In-Scope

  • IoT 디바이스 아키텍처: MCU 계층화, 저전력 모드(Deep Sleep), 가용 리소스 최적화 물리
  • 엣지 컴퓨팅 계층: 게이트웨이 아키텍처, 데이터 지역적 가공 및 필터링 메커니즘
  • 임베디드 지능: TinyML, 모델 양자화(Quantization), 하드웨어 NPU 가속 활용
  • IoT 연결성 물리: BLE, LoRa, MQTT, CoAP 등 저전력 통신 및 메시징 프로토콜의 하드웨어 특성 이해
  • 기기 보안 및 관리: 하드웨어 신뢰점(RoT), 보안 부팅, OTA 업데이트 및 프로비저닝 메커니즘

Out-of-Scope

  • 범용 머신러닝 모델 학습 이론 (11. Machine Learning 영역으로 위임)
  • 대규모 클라우드 데이터 센터 인프라 (07. System Architecture 영역으로 위임)
  • 단순 웹 대시보드/앱 개발 (14. Web & Emerging Technologies 영역으로 위임)

Boundaries

  • IEI vs. Network: Network는 '패킷의 이동'에 집중하지만, IEI는 '제한된 자원을 가진 하드웨어 단에서의 패킷 생성과 지역적 처리 효율'에 집중합니다. (P1:CS2023/Internet)

3. Counterexample

  • 단순히 최신 스마트폰 앱을 만드는 것은 IEI 학습이 아닙니다. 전원 공급이 극도로 제한된 배터리 구동 센서 노드가 1년 이상 동작하기 위해 Duty Cycling 하드웨어 설계를 어떻게 할지, 그리고 통신 없이 로컬에서 **비정상 징후를 감시(On-device AI)**하는 로직을 어떻게 하드웨어에 최적화할지 결정할 수 있어야 합니다.

4. Prerequisites

  • 디지털 논리 및 프로세서 물리 (Basic): MCU의 페리페럴(ADC, GPIO) 동작 이해가 필수적입니다. (01. Digital Logic)
  • 하드웨어-소프트웨어 인터페이스 (Recommended): 센서 인터페이싱과 데이터 폴링/인터럽트 처리에 숙련되어야 합니다. (05. HSI Physics)

5. Learning Map

  1. Low-power Wireless: 배터리 수명을 극대화하는 무선 물리 기술과 변조 방식을 이해합니다. (P1)
  2. Edge AI Mechanics: 제한된 자원에서 동작하는 경량화된 AI 추론과 하드웨어 가속을 실습합니다. (P1)
  3. Messaging Logic: 대규모 사물 간의 효율적인 패킷 교환을 위한 메시징 프로토콜을 완성합니다. (P1, P5)
  4. Security & Lifecycle: 칩셋 레벨의 보안(RoT)과 원격 관리(OTA) 기술을 통해 시스템의 신뢰성을 확보합니다. (P5)

6. Learning Topics

Basic

Core: MCU 아키텍처와 페리페럴 (MCU & Peripherals)

  • Why to Learn: 소형 디바이스 내부의 자원 한계를 명확히 인식하고 제어하기 위함입니다.
  • What to Learn:
    • ARM Cortex-M, RISC-V 등 소형 코어의 메모리 맵 분석
    • GPIO, ADC(아날로그-디지털 변환)의 물리적 샘플링 원리
    • 저전력 Deep Sleep 모드 간의 하드웨어 상태 보존 차이
  • How to Learn:
    • 아두이노나 ESP32 보드를 이용해 레지스터 레벨에서 센서 데이터를 호출하는 연습
    • 멀티미터를 이용해 슬립 모드 시와 활성 모드 시의 전류 차이 측정
  • Implement: 초저전력 타이머를 이용한 주기적 데이터 로깅 펌웨어

Core: IoT 통신과 연결 역학 (IoT Connectivity & Logic)

  • Why to Learn: 불안정한 무선 환경에서 데이터 손실을 최소화하며 효율적으로 통신하기 위해서입니다.
  • What to Learn:
    • MQTT(Pub/Sub) 모델의 QoS 레벨별 메시지 보장 메커니즘
    • CoAP의 경량 헤더 구조와 UDP 기반 전송 특성
    • LPWAN(LoRaWAN, NB-IoT)의 장거리 통신 물리 계층 이해
  • How to Learn:
    • 패킷 캡처 도구(Wireshark)를 이용해 MQTT 메시지 오버헤드 분석
    • LoRa 게이트웨이와 노드 간의 거리별 신호 강도(RSSI) 변화 실습
  • Implement: 게이트웨이와 통신하는 암호화된 센서 데이터 패킷 생성 모듈

Practical

Core: 엣지 데이터 분석 및 게이트웨이 (Edge Computing & Gateways)

  • Why to Learn: 클라우드 비용을 절감하고 실시간 판단을 현장(Edge)에서 처리하기 위함입니다.
  • What to Learn:
    • 스트림 데이터의 미니 배칭 및 요약(Aggregation) 기법
    • 엣지 게이트웨이에서의 프로토콜 변환 및 로컬 저장 로직
    • 디바이스 관리(OTA) 및 보안 프로비저닝 물리 흐름
  • How to Learn:
    • 라즈베리 파이 등을 이용해 여러 IoT 노드의 데이터를 수집/정제하는 엣지 서버 구축
    • OTA(Over-the-Air) 펌웨어 업데이트 과정의 무결성 검증 실습
  • Implement: 엣지 단에서 이상 데이터를 실시간 필터링하는 룰 엔진(Rule Engine)

Advanced

Core: 온디바이스 지능 및 TinyML (Embedded AI & TinyML)

  • Why to Learn: 클라우드 의존성 없이 로컬 하드웨어만으로 지능적인 판단을 내리기 위해서입니다.
  • What to Learn:
    • 모델 양자화(Quantization)와 가지치기(Pruning) 물리 원리
    • MCU 전용 AI 런타임(TensorFlow Lite for Micro, CMSIS-NN) 최적화
    • 하드웨어 NPU(Neural Processing Unit) 가속기 연동 기법
  • How to Learn:
    • 단순 가속도 데이터를 이용해 제스처를 인식하는 경량 모델 배포 실습
    • 연합 학습(Federated Learning)의 하드웨어 단 샘플링 방식 연구
  • Implement: 소형 카메라/마이크 데이터를 이용한 로컬 객체/음성 감지 시스템

7. Terminology

Term (EN / ko, abbr) 1문장 정의 단계(기본/권장/실무/심화) 역할/맥락 관련 개념 유사/대비/함께 사용 오해 포인트 Evidence(Primary/Secondary/Industry) Flags(core/misused/legacy)
TinyML mW 단위의 전력으로 MCU 레벨에서 머신러닝 추론을 수행하는 기술입니다. 실무 지능화 Quantization Edge AI 클라우드 AI와 연산량 동일시 Industry Org core
Duty Cycle (듀티 사이클) 전체 주기 중 시스템이 활성 상태로 유지되는 비율로, 전력 설계 값입니다. 기본 전력 관리 Deep Sleep Throughput 성능 지표로만 오해함 P1:CS2023/Internet core
LPWAN 낮은 전력으로 수 킬로미터 이상의 통신 거리를 보장하는 광역 통신 기술입니다. 추천 원거리 통신 LoRa, Sigfox Wi-Fi / LTE 고속 통신망으로 오해 Industry IoT core
OTA (무선 업데이트) 망을 통해 디바이스의 펌웨어를 원격으로 수정/보안하는 기술입니다. 실무 유지 보수 Bootloader Provisioning 데이터 송수신과 구분을 못함 Industry IoT Docs core

8. References

Primary References

Secondary References

  • [IoT Fundamentals] David Hanes et al., Cisco Press — Comprehensive guide.
  • [TinyML: Machine Learning with TensorFlow Lite] Pete Warden — Hands-on embedded AI.

Industry References

  • [Arm IoT Education Kit] — Learning paths for MCU and IoT systems.
  • [Azure/AWS IoT Documentation] — Modern enterprise edge architectures.

9. Final Checklist

Primary Checklist

  • IoT 노드의 전력 소비 프로파일을 분석하여 배터리 수명을 예측하고 'Duty Cycle'을 설계할 수 있는가? (P1)
  • 데이터의 성격(Latency, Privacy)에 따라 클라우드와 엣지의 처리 역할을 물리적으로 분담 가능한가? (P1, P5)

Secondary Checklist

  • 제한된 메모리 환경에서 AI 모델을 양자화하여 MCU에 올리고 추론 정확도를 검증할 수 있는가?
  • 신뢰성 없는 네트워크 환경에서 특정 메시지의 도달을 보장하기 위한 Ack/Retry 메커니즘을 설계했는가?

Industry Checklist

  • 하드웨어 고유 인증서를 활용하여 다수의 IoT 디바이스를 안전하게 인증(Provisioning)할 수 있는가? (SFIA)
  • LoRa 등 LPWAN 환경에서 페이로드 크기 제약을 고려한 효율적인 상향 링크(Uplink)를 설계할 수 있는가?

Concepts & Tags

#iot-architectures#edge-computing#low-power-design#embedded-ai