The presence of smart wearables has established itself as a norm of the 21 st century, but the state of their trustworthiness from the viewpoint of personal safety remains debatable. The information gathered by such devices has great potential for personal safety risks and must be handled safely. Previous work on the Garmin Venu watch gave room for relevant future work. This thesis aims to perform further evaluation of this smartwatch in unexplored areas. The work took inspiration from the relatively new “PatrIoT” penetration testing methodology, developed in-house at the Network and Systems Engineering lab, customized for penetration testing of Internet of Things devices. This project examined a broad surface on the watch including network traffic, data over USB connection, a few details in the watch’s update mechanism, probed for some memory attack mitigations, fuzz testing of some functions in the Software Development Kit’s Application Programming Interface, and some more. According to these investigations, the watch is perceived as safe. A deeper look into some investigations is left for future work. / Bärbara enheter har blivit en normal del av 21:a århundradet, men deras pålitlighet från ett personligt säkerhetssynvinkel är diskutabelt. Informationen som samlas in av dessa har stort potential för att orsaka personliga säkerhetsrisker och måste hanteras säkert. Tidigare utförda undersökningar av Garmin Venu-smartklockan lämnade utrymme för relevant framtida arbete. Det här examensarbetet siktar på att utföra ytterligare undersökningar av denna smartklocka. Arbetet tog inspiration av det relativt nya “PatrIoT” intrångstestmetodologin, internt utvecklad av personalen i avdelningen för nätverk och systemteknik, skräddarsydd för intrångstestning av Sakernas Internet-enheter. Det här projektet undersökte en bred attackyta på klockan, inkluderande datatrafik, data över USB-anslutning, några detaljer i klockans uppdateringsmekanism, undersökte närvaron av några mekanismer för minnesbaserade attacker, försök till störningsattacker i programvaruutvecklingssatsens applikationsprogrammeringsgränssnitt, med flera. Enligt dessa undersökningar uppfattas klockan vara säker. En djupare undersökning av dessa aspekter lämnas till framtida arbete.

Well-being is associated with comfort and health, and it represents wellness and quality of life. Sleep quality is an important index when evaluating a person’s well-being. KTH Live-in-lab performs Human-building interaction studies to explore the growing potential of how built environments, measured by Schneider Electric (SE), can influence humans and their well-being in their everyday lives. This thesis works as an explorative study of using the OURA ring to evaluate sleep quality for tenants living in KTH LiL. Specifically, this project aims to assess the quality of the data collected from the ring and SE sensors by using Total Data Quality Management (TDQM) and propose a Multilayer perceptron (MLP) model for predicting sleep scores. Results first showed that the OURA ring is an appropriate tool for evaluating sleep quality. Its data passed 11 TDQM’s dimensions, including accuracy, objectivity, relevancy, interpretability and understandability. Second, the OURA was able to capture the relationship between sleep quality and building’s temperature and humidity through its sleep scores. Results showed that higher sleep scores situated more around the suggested ideal ranges of temperature and humidity. However, some low sleep scores were also situated around these ideal ranges which suggests that an additional study needs to be conducted. Such a study would take in tenants’ feedback in order to distinguish sleep scores heavily affected by psychological and/or other factors rather than built environments. Third, we were able to create an MLP model to predict sleep scores based on temperature and humidity values as well as user-related information, like activity rate and total burn. The model had validation and training losses converging at 1.90-2.50. Those low loss rates suggest that the building's temperature and humidity along with information about tenants from the ring can be used to improve the sleep scores. This model can be extended into a recommendation model where buildings’ operators and tenants can benefit from. Buildings’ operators would get information and recommendations on how to properly administer their buildings to achieve higher well-being for their tenants. Also, tenants would get recommendations on how to increase their sleep scores and, ultimately, their sleep qualities and well-being. / Välbefinnande är förknippat med komfort och hälsa, och det representerar livskvalitet. Sömnkvalitet är ett viktigt index när man utvärderar människors välbefinnande. KTH Live-in-lab utför interaktionsstudier mellan Människor-Byggnader interaktion för att utforska den växande potentialen för hur byggda miljöer, mätt av Schneider Electric (SE), kan påverka människor och deras välbefinnande i vardagslivet. Denna avhandling fungerar som en explorativ studie av att använda OURA-ringen för att utvärdera sömnkvaliteten för hyresgäster som bor i KTH LiL. Specifikt syftar detta projekt till att bedöma kvaliteten på de data som samlats in från ring- och SE-sensorerna genom att använda Total Data Quality Management (TDQM) och föreslå en Multilayer perceptron (MLP) - modell för att förutsäga sömn resultat. Resultaten visade först att OURA-ringen är ett lämpligt verktyg för att utvärdera sömnkvaliteten. Dess data passerade 11 TDQMs dimensioner, inklusive noggrannhet, objektivitet, relevans, tolkbarhet och förståbarhet. För det andra kunde OURA fånga förhållandet mellan sömnkvalitet och byggnadens temperatur och fuktighet genom sina sömnvärden. Resultaten visade att högre sömn värden ligger mer runt de föreslagna ideala temperatur- och luftfuktighet områdena. Några låga sömn resultat låg dock också runt dessa ideala intervall, vilket tyder på att ytterligare en studie måste genomföras. En sådan studie skulle ta hyresgästernas återkoppling för att urskilja sömn poäng som påverkas starkt av psykologiska och / eller andra faktorer förutom de byggda miljöer. För det tredje kunde vi skapa en MLP-modell för att förutsäga sömn värden baserat på temperatur- och luftfuktighets värden samt använda relaterad information, som aktivitetsgrad och totalt bränn. Modellen hade validering och näringsförluster som konvergerade vid 1,90-2,50. Dessa låga förlust nivåer antyder att byggnadens temperatur och luftfuktighet tillsammans med information om hyresgäster från ringen kan användas för att förbättra sömn värdena. Denna modell kan utvidgas till en rekommendation modell där byggnadens operatörer och hyresgäster kan dra nytta av. Byggnadens operatörer skulle få information och rekommendationer om hur de ska förvalta sina byggnader på rätt sätt för att uppnå högre välbefinnande för sina hyresgäster. Hyresgästerna skulle också få rekommendationer om hur man ökar sina sömn värden och i slutändan deras sömnkvaliteten och välbefinnande.

Multi functional health monitoring wearable devices are quite prominent these days. Usually these devices are battery-operated and consequently are limited by their battery life (from few hours to a few weeks depending on the application). Of late, it was realized that these devices, which are currently being operated at fixed voltage and frequency, are capable of operating at multiple voltages and frequencies. By switching these voltages and frequencies to lower values based upon power requirements, these devices can achieve tremendous benefits in the form of energy savings. Dynamic Voltage and Frequency Scaling (DVFS) techniques have proven to be handy in this situation for an efficient trade-off between energy and timely behavior. Within imec, wearable devices make use of the indigenously developed MUSEIC v2 (Multi Sensor Integrated circuit version 2.0). This system is optimized for efficient and accurate collection, processing, and transfer of data from multiple (health) sensors. MUSEIC v2 has limited means in controlling the voltage and frequency dynamically. In this thesis we explore how traditional DVFS techniques can be applied to the MUSEIC v2. Experiments were conducted to find out the optimum power modes to efficiently operate and also to scale up-down the supply voltage and frequency. Considering the overhead caused when switching voltage and frequency, transition analysis was also done. Real-time and non real-time benchmarks were implemented based on these techniques and their performance results were obtained and analyzed. In this process, several state of the art scheduling algorithms and scaling techniques were reviewed in identifying a suitable technique. Using our proposed scaling technique implementation, we have achieved 86.95% power reduction in average, in contrast to the conventional way of the MUSEIC v2 chip’s processor operating at a fixed voltage and frequency. Techniques that include light sleep and deep sleep mode were also studied and implemented, which tested the system’s capability in accommodating Dynamic Power Management (DPM) techniques that can achieve greater benefits. A novel approach for implementing the deep sleep mechanism was also proposed and found that it can obtain up to 71.54% power savings, when compared to a traditional way of executing deep sleep mode. / Nuförtiden så har multifunktionella bärbara hälsoenheter fått en betydande roll. Dessa enheter drivs vanligtvis av batterier och är därför begränsade av batteritiden (från ett par timmar till ett par veckor beroende på tillämpningen). På senaste tiden har det framkommit att dessa enheter som används vid en fast spänning och frekvens kan användas vid flera spänningar och frekvenser. Genom att byta till lägre spänning och frekvens på grund av effektbehov så kan enheterna få enorma fördelar när det kommer till energibesparing. Dynamisk skalning av spänning och frekvens-tekniker (såkallad Dynamic Voltage and Frequency Scaling, DVFS) har visat sig vara användbara i detta sammanhang för en effektiv avvägning mellan energi och beteende. Hos Imec så använder sig bärbara enheter av den internt utvecklade MUSEIC v2 (Multi Sensor Integrated circuit version 2.0). Systemet är optimerat för effektiv och korrekt insamling, bearbetning och överföring av data från flera (hälso) sensorer. MUSEIC v2 har begränsad möjlighet att styra spänningen och frekvensen dynamiskt. I detta examensarbete undersöker vi hur traditionella DVFS-tekniker kan appliceras på MUSEIC v2. Experiment utfördes för att ta reda på de optimala effektlägena och för att effektivt kunna styra och även skala upp matningsspänningen och frekvensen. Eftersom att ”overhead” skapades vid växling av spänning och frekvens gjordes också en övergångsanalys. Realtidsoch icke-realtidskalkyler genomfördes baserat på dessa tekniker och resultaten sammanställdes och analyserades. I denna process granskades flera toppmoderna schemaläggningsalgoritmer och skalningstekniker för att hitta en lämplig teknik. Genom att använda vår föreslagna skalningsteknikimplementering har vi uppnått 86,95% effektreduktion i jämförelse med det konventionella sättet att MUSEIC v2-chipets processor arbetar med en fast spänning och frekvens. Tekniker som inkluderar lätt sömn och djupt sömnläge studerades och implementerades, vilket testade systemets förmåga att tillgodose DPM-tekniker (Dynamic Power Management) som kan uppnå ännu större fördelar. En ny metod för att genomföra den djupa sömnmekanismen föreslogs också och enligt erhållna resultat så kan den ge upp till 71,54% lägre energiförbrukning jämfört med det traditionella sättet att implementera djupt sömnläge.