الگوریتم کارآمد حریم خصوصی موقعیت مکانی برای خدمات و کاربردهای اینترنت اشیا (IoT)
چکیده
با توسعه سریع فناوری اینترنت اشیاء (IoT) و استفاده فراگیر از تلفن های هوشمند و شبکه های اجتماعی در زندگی روزمره ما، خدمات مبتنی بر موقعیت مکانی (LBS) به حوزه بسیار مهمی برای پژوهش تبدیل شده است. اگر چه کاربران می توانند از انعطاف پذیری و سهولت بسیار خدمات مبتنی بر موقعیت مکانی اینترنت اشیاء لذت برند، اما در عین حال ممکن است حریم خصوصی خود را نیز از دست بدهند. سرورهای خدمات مبتنی بر موقعیت مکانی نامطئمن و یا مخرب با وجود اطلاعات همه کاربران می توانند کاربران را به طرق مختلف ردیابی نموده و یا داده های شخصی را به اشخاص ثالث انتقال دهند. در این اثر، نخست ما به تجزیه و تحلیل الگوریتم انتخاب موقعیت مکانی ساختگی (DLS) کنونی می پردازیم که رویکردی کارآمد در حفظ حریم خصوصی موقعیت مکانی محسوب می گردد و سپس یک الگوریتم تهاجمی را برای انتخاب موقعیت مکانی ساختگی (ADLS) به منظور آزمون امنیت فناوری نوظهور اینترنت اشیاء طراحی نمودیم. برای محافظت کارآمد از حریم خصوصی موقعیت مکانی کاربر، ما یک الگوریتم حفظ حریم خصوصی موقعیت مکانی ساختگی (DLP) جدید را با عنایت به هزینه های محاسباتی و الزامات متعدد حریم خصوصی کاربران مختلف ارائه نمودیم. آزمایشات شبیه سازی گسترده ای به منظور ارزیابی کارآیی طرح های پیشنهادی صورت پذیرفت. نتایج ارزیابی نشان می دهد که الگوریتم ADLS امکان زیادی برای شناسایی موقعیت مکانی واقعی کاربر خارج از موقعیت های مکانی ساختگی انتخاب شده در الگوریتم انتخاب موقعیت مکانی ساختگی برخوردار است. الگوریتم حفظ حریم خصوصی موقعیت مکانی ساختگی پیشنهاد شده ما مزایای روشنی نسبت به الگوریتم انتخاب موقعیت مکانی ساختگی از نظر احتمال پایین تر آشکارسازی موقعیت مکانی واقعی کاربر و هم چنین بهبود هزینه های محاسباتی و کارآیی (یعنی، زمان، سرعت، دقت، و پیچیدگی) ضمن حفظ سطح حریم خصوصی یکسانی با الگوریتم انتخاب موقعیت مکانی ساختگی دارد.
1. مقدمه
در سالیان اخیر توسعه سریع فناوری موبایل منجر به توسعه انواع جدیدی از دستگاه های موبایل و شبکه های اجتماعی و نیز توسعه خدمات نوظهور IoT گشته است [1-4]. بسیاری از این تحولات متکی بر خدمات مبتنی بر موقعیت مکانی (LBS) و یا برنامه های کاربردی LBS هستند. گوشی های هوشمند و دستگاه های IoT امروزی همگی بر مبنای ماژول های سیستم موقعیت یابی جهانی (GPS) همراه با قابلیت محاسبات قدرتمند سخاته شده اند. کاربران می توانند برنامه های کاربردی LBS زیادی را از سایت های مختلف مانند: فروشگاه اپل و یا فروشگاه گوگل پلی دانلود نمایند.
Abstract
Location-based Services (LBS) have become a very important area for research with the rapid development of Internet of Things (IoT) technology and the ubiquitous use of smartphones and social networks in our daily lives. Although users can enjoy a lot of flexibility and conveniences from the LBS with IoT, they may also lose their privacy. Untrusted or malicious LBS servers with all users’ information can track users in various ways or release personal data to third parties. In this work, we first analyze the current dummy-location selection (DLS) algorithm—an efficient location privacy preservation approach and design an attack algorithm for DLS (ADLS) for test emerging IoT security. For efficiently preserving user's location privacy, we propose a novel dummy location privacy-preserving (DLP) algorithm by considering both computational costs and various privacy requirements of different users. Extensive simulation experiments have been carried out to evaluate the efficiency of the proposed schemes. Evaluation results show that the ADLS algorithm has a high probability of identifying the user's real location out from chosen dummy locations in the DLS algorithm. Our proposed DLP algorithm has clear advantages over the DLS algorithm in term of lower probability of revealing the user's real location and improved computational cost and efficiency (i.e., time, speed, accuracy, and complexity) while preserve the same privacy level as DLS algorithm.
1. INTRODUCTION
In recent years, there has been a rapid development in mobile technology resulting a variety of new mobile devices and social networks as well as development of emerging IoT services [1-4]. Many of these developments rely on location-based services (LBS) or LBS applications. Today’s IoT devices and smartphones all have built-in Global Positioning System (GPS) modules together with powerful computation capability. Users can download many of LBS applications from various sites such as the Apple Store or Google Play Store. With the help of these applications, users can send their queries together with their identities, locations (e.g., got by the GPS module using localization techniques), interests, and other information (e.g., time, query range) to LBS server, to get the required information such as the nearest shopping mall, supermarket, restaurant.
چکیده
1. مقدمه
2. آثار مرتبط
2.1. حفظ حریم خصوصی برای IoT
2.2. رویکرد ناشناس‌سازی موقعیت مکانی برای LBS
2.3. رویکرد مبتنی بر خط مشی یا رمزنگاری اولیه
2.4. انتخاب موقعیت مکانی ساختگی برای اینترنت اشیا
3. مقدمات
3.1. اطلاعات جانبی
3.2. مقیاس حریم خصوصی مبتنی بر آنتروپی
3.3. مدل سیستم مبتنی بر خدمات برای اینترنت اشیا
4. تجزیه و تحلیل الگوریتم DLS
4.1. مروری بر الگوریتم DLS
4.2. آماده سازی برای تجزیه و تحلیل عملکرد
4.3. تجزیه و تحلیل عملکرد الگوریتم DLS
5. الگوریتم ADLS
5.1. مدل حمله
5.2. نظریه های مرتبط
5.3. الگوریتم ADLS
5.4. ارزیابی عملکرد
6.1. توصیف الگوریتم DLP
6.2. تجزیه و تحلیل امنیت
6.3. ارزیابی عملکرد
7. بحث
7.1. نقش آفرینی ما در خدمات IoT داده محور
7.2. گسترش کار ما
8. نتیجه گیری
Abstract
1. INTRODUCTION
2. RELATED WORK
2.1 Privacy-preserving for IoT
2.2 Location Anonymization Approach for LBS
2.3 Policy or Cryptography Primitive based Approach
2.4 Dummy Location Selection for IoT
3. PRELIMINARIES
3.1 Side Information
3.2 Entropy-based Privacy Metric
3.3 Service based System Model for IoT
4. ANALYSIS OF THE DLS ALGORITHM
4.1 Review the DLS Algorithm
4.2 Preparations for Performance Analysis
4.3 Performance Analysis for DLS Algorithm
5. ADLS ALGORITHM
5.1 Attack Model
5.2 Related Theories
5.3 The ADLS Algorithm
5.4 Performance Evaluation
6. DLP ALGORITHM DESIGN AND ANALYSIS
6.1 DLP Algorithm Description
6.3 Performance Evaluation
7. DISCUSSIONS
7.1 Our contributions in data-driven IoT services
7.2 Extension of Our Work
8. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه