Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing

Autores
Rodríguez Herlein, Diego Rodrigo; González, Claudia N.
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El crecimiento exponencial de datos generados por dispositivos de Internet de las Cosas (IoT) presenta desafíos significativos en latencia y escalabilidad para los sistemas tradicionales de procesamiento por lotes. Este artículo analiza la aplicación del paradigma de stream processing como una solución eficiente para el análisis de flujos de datos en redes IoT en tiempo real. Se describe una arquitectura funcional distribuida que abarca desde la ingesta y el procesamiento hasta el almacenamiento y la respuesta automatizada, utilizando tecnologías como Apache Kafka y Apache Flink. El enfoque permite la detección temprana de anomalías y la mitigación de incidentes con mínima latencia, mejorando la seguridad y la eficiencia operativa. Se concluye que el stream processing es un pilar estratégico para desarrollar ecosistemas digitales inteligentes, seguros y resilientes.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Stream Processing
IoT
Tráfico
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/191130
Acceder
id SEDICI_ee95186fb42f46e61e4f77e77d11bee8
oai_identifier_str oai:sedici.unlp.edu.ar:10915/191130
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream ProcessingRodríguez Herlein, Diego RodrigoGonzález, Claudia N.Ciencias InformáticasStream ProcessingIoTTráficoEl crecimiento exponencial de datos generados por dispositivos de Internet de las Cosas (IoT) presenta desafíos significativos en latencia y escalabilidad para los sistemas tradicionales de procesamiento por lotes. Este artículo analiza la aplicación del paradigma de stream processing como una solución eficiente para el análisis de flujos de datos en redes IoT en tiempo real. Se describe una arquitectura funcional distribuida que abarca desde la ingesta y el procesamiento hasta el almacenamiento y la respuesta automatizada, utilizando tecnologías como Apache Kafka y Apache Flink. El enfoque permite la detección temprana de anomalías y la mitigación de incidentes con mínima latencia, mejorando la seguridad y la eficiencia operativa. Se concluye que el stream processing es un pilar estratégico para desarrollar ecosistemas digitales inteligentes, seguros y resilientes.Red de Universidades con Carreras en Informática2025-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf689-696http://sedici.unlp.edu.ar/handle/10915/191130spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7info:eu-repo/semantics/reference/hdl/10915/189846info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-03-31T12:41:42Zoai:sedici.unlp.edu.ar:10915/191130Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-03-31 12:41:42.753SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
title Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
spellingShingle Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
Rodríguez Herlein, Diego Rodrigo
Ciencias Informáticas
Stream Processing
IoT
Tráfico
title_short Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
title_full Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
title_fullStr Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
title_full_unstemmed Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
title_sort Análisis de Flujos de Datos en Redes IoT: Un Enfoque Basado en Stream Processing
dc.creator.none.fl_str_mv Rodríguez Herlein, Diego Rodrigo
González, Claudia N.
author Rodríguez Herlein, Diego Rodrigo
author_facet Rodríguez Herlein, Diego Rodrigo
González, Claudia N.
author_role author
author2 González, Claudia N.
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Stream Processing
IoT
Tráfico
topic Ciencias Informáticas
Stream Processing
IoT
Tráfico
dc.description.none.fl_txt_mv El crecimiento exponencial de datos generados por dispositivos de Internet de las Cosas (IoT) presenta desafíos significativos en latencia y escalabilidad para los sistemas tradicionales de procesamiento por lotes. Este artículo analiza la aplicación del paradigma de stream processing como una solución eficiente para el análisis de flujos de datos en redes IoT en tiempo real. Se describe una arquitectura funcional distribuida que abarca desde la ingesta y el procesamiento hasta el almacenamiento y la respuesta automatizada, utilizando tecnologías como Apache Kafka y Apache Flink. El enfoque permite la detección temprana de anomalías y la mitigación de incidentes con mínima latencia, mejorando la seguridad y la eficiencia operativa. Se concluye que el stream processing es un pilar estratégico para desarrollar ecosistemas digitales inteligentes, seguros y resilientes.
Red de Universidades con Carreras en Informática
description El crecimiento exponencial de datos generados por dispositivos de Internet de las Cosas (IoT) presenta desafíos significativos en latencia y escalabilidad para los sistemas tradicionales de procesamiento por lotes. Este artículo analiza la aplicación del paradigma de stream processing como una solución eficiente para el análisis de flujos de datos en redes IoT en tiempo real. Se describe una arquitectura funcional distribuida que abarca desde la ingesta y el procesamiento hasta el almacenamiento y la respuesta automatizada, utilizando tecnologías como Apache Kafka y Apache Flink. El enfoque permite la detección temprana de anomalías y la mitigación de incidentes con mínima latencia, mejorando la seguridad y la eficiencia operativa. Se concluye que el stream processing es un pilar estratégico para desarrollar ecosistemas digitales inteligentes, seguros y resilientes.
publishDate 2025
dc.date.none.fl_str_mv 2025-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/191130
url http://sedici.unlp.edu.ar/handle/10915/191130
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-8258-99-7
info:eu-repo/semantics/reference/hdl/10915/189846
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
689-696
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1861199752634302464
score 13.332987

Publicaciones similares