5G領航企業

本專題目標為5G智慧停車場、路邊停車/ 收費柱及5G智慧醫療、救護車等5G垂直應用及AIoT 智慧物聯網應用, 提供5G (MEC)多接取可信邊緣運算平台的高可靠性(High Availability)機制及網路零信任(Zero Trust)機制, 除了提升資訊安全性之外，更增加其系統備援機能，降低使用各種新興服務所涉及的隱私及安全疑慮，並避免因單一系統異常，造成營運損失。預期達成以下三個目標： 1. 對FiduciaEdge Trusted Computing Base的容器化系統軟體組件進行零信任(Zero Trust)的網路通訊管理機制進行驗證，並執行漏洞分析及滲透測試，確保可跨異構網路系統，能實現高度優化及穩定的可信運算。 2. 於5G智慧系統邊緣及後台(雲端)伺服器上，架構操作系統之監控及稽核環境並設定監控 rules，針對特定儲存位址、資訊及運算處理程序，追蹤任何在系統上是否有異常進出、增刪、修改等事件，並建立遠端即時警示機制，作為異常處理及系統可靠性改善之依據。 3. 參考TAICS TR-0022物聯網場域資安防護評估指引，建立安全控制項目符合L1基準安全等級的驗證測試項目。 本專題主要貢獻為提高5G/AIoT智慧應用下， 5G MEC平台資訊安全的防護能力，將漏洞分析程序整合到容器化軟體模塊的持續集成/持續部署（CI/CD）流程中。並開始建立DevSecOps 軟件開發流程，強化軟體開發的安全性。

本專題目標為 5G智慧交通可信運算，邊緣運算上AIoT自動辨識／判斷應用升級，運用AAEON BOXER-AI邊緣運算節點，加上5G高速企業專網，提供以下主要功能: 1. 產出一客製AI模型用於5G邊緣節點上邊信聯提供之容器化可信環境內 i. 設計一客製AI應用模型(ONNX)，滿足X86與ARM64之硬體平台架構，並使用GPU資源進行運算，成功執行於容器化可信環境內。 ii. 透過將AI 模型運算推論進行架構優化(Pytorch, TensorRT…)，以得到滿足邊緣運算上的時間限制。並且，最佳化其容器包裝大小。 2. 提供外部使用者介面來取得5G邊緣節點上的AI模型運算結果，並增強5G邊緣節點上用於AI模型運算資料安全保護與傳輸效率 i. 透過設計一Web視覺化界面給使用者，提供使用者能方便觀察AI模型運算結果，並進行管理。 ii. 將設計之AI模型佈署在邊緣節點上容器化可信環境內進行運算推論，以保護使用之資料與得到之結果。並且，優化傳輸上的效率。 3. 驗證與分析應用於5G邊緣節點上AI 模型運算效能 i. 設計一套驗證分析流程，在邊信聯提供之容器化可信環境內進行AI模型運算推論之效能驗證與分析，如耗時、CPU/GPU消耗，並提出解決方案，以優化整體系統。本專題透過將AI運算模型佈署到邊緣節點的容器化可信環境架構內，使用硬體資源GPU運算加速，並且優化其中的運算架構與效率。 本專題主要貢獻為提供一套完整流程優化AI運算模型並且佈署到邊緣節點之容器化可信環境，並強化其資料使用的安全與優化效率。確保在5G智慧交通應用上不僅能滿足對於快速分析的需求，更保障了資訊的保密性。