Hoy en día, la evolución y el crecimiento de los algoritmos de aprendizaje automático (ML) y el Internet de las Cosas (IoT) están permitiendo nuevas aplicaciones. Las armas inteligentes y los sistemas de detección de personas son ejemplos. En primer lugar, este trabajo aprovecha un sistema eficiente, escalable y distribuido, llamado SmartFog, que identifica a las personas con armas aprovechando los paradigmas de computación en el borde, en la niebla y en la nube. Sin embargo, no se abordan las vulnerabilidades de seguridad durante la transmisión de datos. Por lo tanto, este trabajo cierra esta brecha proponiendo un sistema de transmisión de datos seguro que integra un esquema de seguridad ligero llamado GS3. Por lo tanto, la principal novedad es la evaluación de la propuesta GS3 en un entorno real. En la primera subcapa de niebla, GS3 conduce a un aumento del 14% en el tiempo de ejecución con respecto a la transmisión de datos sin seguridad, pero AES resulta en un tiempo de ejecución un 34.5% más largo. GS3 logra una reducción del 70% en el tiempo de descifrado y una reducción del 55% en el tiempo de cifrado en comparación con el algoritmo AES. Además, un análisis del consumo de energía muestra que GS3 consume un 31% menos de energía que AES. El análisis de seguridad confirma que GS3 detecta manipulaciones, repeticiones, reenvíos y ataques de falsificación. Además, GS3 tiene un espacio de clave de 2544 permutaciones, ligeramente mayor que las de Chacha20 y Salsa20, con una solución más rápida que estos métodos. Además, GS3 exhibe resistencia contra el criptoanálisis diferencial. Este mecanismo es una opción convincente para entornos con limitaciones de energía y para asegurar transmisiones de datos de eventos con un período de validez corto. Además, GS3 mantiene una total transparencia arquitectónica con el sistema de detección armado subyacente.