Průmyslový výcvik: Internet věcí s použitím Raspberry Pi a AWS IoT Core Počítačový Kurz

Modul 0: Základy a ekosystém AWS IoT

• Úvod do Internetu věcí
  • Definice IoT v roce 2024: Širší perspektiva, než jen „věci“ (inteligence na okraji sítě, AI/ML, kyberneticko-fyzikální systémy).
  • Klíčové faktory podporující rozvoj IoT (odvětví, konkrétní využití).
  • Hlavní trendy v oblasti IoT (edge computing, udržitelnost, integrace AI/ML, zvýšená bezpečnost).
  • AWS IoT v kontextu širšího ekosystému AWS (zdroje sítě partnerů APN).
• Přehled služeb AWS IoT
  • AWS IoT Core (protokoly MQTT/Bridge, správa úloh, nástroj Device Defender).
  • AWS IoT Device Management (registrace zařízení, správa konfigurací, aktualizace přes OTA).
  • AWS IoT Analytics (zpracování dat, jejich obohacování a modelování).
  • AWS IoT Greengrass (edge computing, lokální vykonávání kódu, zabezpečená komunikace).
  • AWS IoT Button (stručný přehled pro jednoduchá zařízení).
  • Propojení: AWS IoT Core –> Lambda/DynamoDB/OpenSearch/Step Functions/SageMaker.

Modul 1: Architektura, komponenty a bezpečnost IoT

• Architektura IoT
  • Vrstva zařízení (senzory, akční členy, okrajové jednotky jako Raspberry Pi nebo ESP32).
  • Vrstva připojení (MQTT, CoAP, HTTP, LPWAN – LoRaWAN, NB-IoT, Sigfox, mobilní IoT).
  • Cloudová vrstva integrace (AWS IoT Core, API Gateway, Lambda, Step Functions).
  • Vrstva zpracování a analýzy dat (DynamoDB, Timestream, OpenSearch, S3, Athena, SageMaker).
  • Aplikační vrstva (mobilní a webové aplikace využívající AWS Amplify či proprietární korporátní řešení).
  • Důvody pro distribuovanou architekturu: minimalizace latence, šetření šířky pásma, efektivita výpočtů a zajištění bezpečnosti.
• Podrobný rozbor klíčových komponent IoT
  • Hardware: Jak vybírat (mikrokontroléry, možnosti připojení, senzory), bezpečnostní prvky jako důvěryhodná provozní prostředí – TEE.
  • Edge computing s AWS Greengrass: výhody (nižší latence, omezení zátěže na cloud a lokální rozhodování).
  • Správa zařízení: Registrace (přes OTA či předběžnou konfiguraci), monitorování stavu, dálkové ladění.
  • Bezpečnost IoT v hloubce: Identita zařízení, autentizace a autorizace (certifikáty X.509, JSON Web Tokens – JWT), šifrování dat jak v klidu, tak při přenosu, služba AWS IoT Device Defender.
  • Standardy bezpečnosti: Seznámení s normami (např. IEEE P2145, Open Connectivity Foundation – OCF) a požadavky na shodu (ISO/IEC 27001, SOC 2).
• Funkce konkrétních služeb AWS pro IoT
  • AWS IoT Core: bezpečný protokol MQTT/Bridge a možnost vytváření úloh pro aktualizace firmwaru; Device Defender.
  • AWS Lambda: serverless řešení určené k předzpracování dat a spouštění akcí.
  • AWS Step Functions: koordinace stavových pracovních toků u složitějších scénářů interakce mezi zařízeními.
  • Amazon DynamoDB: NoSQL databáze umožňující rychlé přijímání dat z IoT zařízení.
  • Amazon OpenSearch Service: vyhledávání a analýza dat, zejména časových řad.
  • Amazon Timestream: specializovaná databáze určená pro ukládání a analýzu časových dat.
  • Amazon S3: úložiště surových dat.
  • AWS IoT Device Defender: monitorování bezpečnostního stavu a provádění posouzení rizik.
  • AWS IoT Wireless: propojování vzdálených zařízení pracujících na technologii LPWAN.

Modul 2: Komunikační protokoly pro IoT zařízení

• MQTT (verze MQTT v5 a WebSocket)
  • Nové vlastnosti protokolu MQTT 5.0: rezervace zpráv, příznaky čistého sezení, uživatelské atributy a univerzální označení témat.
  • Použití MQTT přes WebSocket – standardizované řešení.
  • Vysvětlení úrovní kvality služby (QoS).
  • Doporučené postupy pro využívání protokolu.
• Alternativní komunikační protokoly
  • CoAP (Constrained Application Protocol): určeno pro omezená zařízení.
  • AMQP a MQTT přes AMQP: standardizované formáty datové výměny.
  • HTTP: vhodný pro jednodušší, méně časté aktualizace informací.
  • WebSockets: komunikace obousměrná a okamžitá.

Modul 3: Vytváření robustních IoT aplikací pomocí AWS

• Registrace zařízení a zajištění bezpečné komunikace
  • Předběžná registrace zařízení v rámci služby AWS IoT Device Defender.
  • Bezpečný postup při aktualizacích firmware pomocí OTA (pomocí konceptů obsažených u nástroje AWS IoT Button).
  • Správa certifikátů zařízení pomocí služby ACM/PKI.
  • Implementace šifrování protokolu MQTT pomocí TLS.
• Přijímání, ukládání a zpracování dat
  • Efektivní odeslání informací ze zařízení do AWS IoT Core.
  • Výběr vhodného cíle pro zpracování: Lambda (reakce na události), Step Functions (slučování vícero operací), Timestream či OpenSearch (ukládání a analýza datových řad), S3 (uchovávání nezpracovaných informací).
  • Použití nástroje AWS IoT Analytics k obohacení a čištění dat před jejich ukládáním.
  • Řešení scénářů s vysokým objemem dat – nástroje typu Kinesis/Firehose.
• Správa zařízení a provozní aktivity
  • Využití služby AWS IoT Device Management pro správu celé flotily zařízení.
  • Nastavování a řízení aktualizací přes OTA (pomocí nástroje AWS IoT Jobs).
  • Dálkový monitoring stavů a konfigurací zařízení.
• Vytvoření backendu pro IoT systémy
  • API Gateway – vytváření REST nebo GraphQL rozhraní určených k komunikaci s jednotlivými zařízeními i jejich daty.
  • AWS Lambda jako základní prostředek pro implementaci obchodní logiky.
  • AWS Step Functions zajišťující koordinaci různých distribuovaných komponent systému.
  • Amazon SQS/SNS – nástroje určené k asynchronní výměně zpráv a spouštění událostí.

Modul 4: Edge computing a pokročilá integrace

• AWS IoT Greengrass
  • Poznámky o základních konceptech (Core, Device, Connector).
  • Možnost spouštění funkcí typu Lambda přímo na lokálním zařízení.
  • Možnosti vývoje kódu v jazycích C++ či Python přímo na samotném zařízení.
  • Zajištění bezpečné komunikace mezi Greengrass Core a AWS nebo ostatními IoT jednotkami.
  • Praktické využití: lokální filtrování, předzpracování dat či inferenci umělé inteligence na okraji sítě.
• Integrace s nástroji AI a strojového učení
  • Použití nástroje SageMaker k vytvoření sofistikovaných modelů strojového učení hostovaných v cloudu.
  • Nástroj Greengrass ML Accelerator (GMA): výpočetní řešení umožňující provádění inferenze modlů AI na samotném zařízení.
• Vizualizace dat a uživatelská rozhraní
  • Nástroj AWS IoT SiteWise určený k vizualizaci průmyslových dat.
  • Vytváření webových aplikací s využitím platformy AWS Amplify (obsahující rozhraní, API i systémy autentizace).
  • Tvorba dashboardů pomocí Amazon QuickSight nebo OpenSearch Dashboards.

Modul 5: Bezpečnost, řízení a osvědčené postupy

• Celý životní cyklus bezpečnosti IoT systémů
  • Principy navrhování systémů s důrazem na bezpečnost (defense-in-depth).
  • Doporučené postupy při vývoji aplikací – zejména se zaměřením na OWASP IoT Top 10.
  • Identifikace a správa možných zranitelností v systémech.
  • Tvorba modelů hrozeb typických pro prostředí Internetu věcí.
• Služby AWS určené k zajištění bezpečnosti IoT systémů
  • AWS IoT Device Defender: nástroj pro monitoring a posuzování bezpečnostního stavu jednotlivých zařízení.
  • AWS Shield, AWS Identity and Access Management (IAM): širší prostředky ochrany a řízení přístupů.
  • Služba AWS Config – kontrola shody se zavedenými bezpečnostními požadavky.
  • Možnosti integrace hardwarových modulů pro zajištění vysoké úrovně ochrany (HSM).
• Ochrana a řízení osobních dat a dodržování předpisů
  • Zvláštní pozornost věnovaná citlivým informacím (např. osobním údajům).
  • Pravidla pro uchovávání a trvalé odstranění dat.
  • Požadavky legislativy týkající se souladu se standardy (např. na ochranu osobních údajů).

Modul 6: Praktické projekty a závěrečný výstup

• Příklady doprovázených praktických cvičení
  • Registrace zařízení do systému a komunikace pomocí protokolu MQTT.
  • Nastavování bezpečného odesílání dat do AWS.
  • Tvorba jednoduchého dashboardu určeného k vizualizaci informací ze systému IoT.
  • Simulace aktualizací firmwaru pomocí mechanismů typu OTA.
  • Přehled možností využití AWS IoT Greengrass v praxi.
• Závěrečný projekt
  • Cílem je vytvoření uceleného systému řešícího reálný problém (např. automatizace domácnosti, monitorování životního prostředí nebo průmyslová sběrnice senzorů).
  • Požadavky: musí obsahovat zabezpečené zařízení, schopnost přijímání a zpracovávání dat, jejich vizualizaci a případně prvky určené k lokálnímu zpracování informací na okraji sítě.
  • Při tvorbě lze využít všechny nástroje osvojené během kurzu – konkrétně jednotlivé služby AWS.