با تبدیل شدن اینترنت اشیاء به بخشی از زندگی روزمره و محیط زیست ،انتظار می رود تعداد دستگاه های متصل رشد زیادی داشته باشند. با این رشد. اتصال تعداد زیادی اشیاء فیزیکی به یکدیگر مانند انسان، حیوانات، گیاهان، تلفن های هوشمند، رایانه های شخصی و… که با حسگرها مجهز شده و به اینترنت متصل شده اند، هر آنچه تولید می کنند "داده های بزرگ" نامیده می شود. به این ترتیب برای ذخیره، پردازش و بازیابی داده های بزرگ به مکانیسم های هوشمند و کارآمدی نیاز است؛ اما تعداد این داده ها به حدی است که از توانایی های سخت افزاری و نرم افزاری ابزارهای رایج برای مدیریت و پردازش آن ها در مدت زمان قابل قبول کافی نیست. درنتیجه برای جمع آوری و پردازش داده هایی که توسط این اشیاء تولید می شوند، معماری و فناوری های متعددی ارائه شده است که ارائه خدمات اینترنت اشیاء به کاربران را بهبود می بخشد. محاسبات مه، به همراه الگوهای محاسبات لبه مرتبط با آن، به عنوان راه حل های امیدوار کننده برای دستیابی به حجم زیادی از داده های حساس به امنیت مشاهده می شوند. هدف از این تحقیق آموزش در مورد محاسبات مه و الگوهای محاسبات مربوط به آن، از جمله شباهت ها و تفاوت های آنها است. محاسبات مه یکی از راه حل های امیدوار کننده برای دستیابی به داده های بزرگی است که توسط اینترنت اشیاء تولید می شود ، که اغلب از نظر امنیتی بسیار حساس است.
