یک استراتژی اشتراک داده هوشمند و ارتقاء یافته با حریم خصوصی برای اینترنت اشیا
ترجمه شده

یک استراتژی اشتراک داده هوشمند و ارتقاء یافته با حریم خصوصی برای اینترنت اشیا

عنوان فارسی مقاله: یک استراتژی اشتراک داده هوشمند و ارتقاء یافته با حریم خصوصی برای اینترنت اشیاء تقویت شده با بلاکچین
عنوان انگلیسی مقاله: An Intelligent and privacy-enhanced data sharing strategy for blockchain-empowered Internet of Things
مجله/کنفرانس: ارتباطات و شبکه های دیجیتال - Digital Communications and Networks
رشته های تحصیلی مرتبط: مهندسی فناوری اطلاعات، فناوری اطلاعات و ارتباطات، کامپیوتر
گرایش های تحصیلی مرتبط: امنیت اطلاعات، اینترنت و شبکه های گسترده، دیتا و امنیت شبکه، شبکه های کامپیوتری
کلمات کلیدی فارسی: اشتراک داده، یادگیری فدرال، بلاک چین، حفاظت از حریم خصوصی، IoT
کلمات کلیدی انگلیسی: Data sharing - Federated learning - Blockchain - Privacy protection - IoT
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: scopus - Master Journals List - JCR - DOAJ
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.dcan.2021.12.007
دانشگاه: کالج کامپیوتر و امنیت سایبری، دانشگاه عادی فوجیان، چین
صفحات مقاله انگلیسی: 10
صفحات مقاله فارسی: 24
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2022
ایمپکت فاکتور: 8.805 در سال 2020
شاخص H_index: 26 در سال 2021
شاخص SJR: 1.082 در سال 2020
ترجمه شده از: انگلیسی به فارسی
شناسه ISSN: 2352-8648
شاخص Quartile (چارک): Q1 در سال 2020
فرمت مقاله انگلیسی: PDF
وضعیت ترجمه: ترجمه شده و آماده دانلود
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
مقاله بیس: خیر
مدل مفهومی: ندارد
کد محصول: 12348
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
پرسشنامه: ندارد
متغیر: ندارد
فرضیه: ندارد
درج شدن منابع داخل متن در ترجمه: بله
ترجمه شدن توضیحات زیر تصاویر و جداول: بله
ترجمه شدن متون داخل تصاویر و جداول: بله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ضمیمه: ندارد
نمونه ترجمه فارسی مقاله

چکیده

با پیشرفت اینترنت اشیاء (IoT)، اشتراک¬گذاری داده ها در حجمی انبوه بین دستگاه های IoT، کیفیت خدمات(QoS)  و تجربۀ کاربر در برنامه های مختلف IoT را ارتقاء می بخشد. با این حال، به اشتراک گذاری داده ها ممکن است باعث فاش شدن جدی حریم خصوصی ارائه دهندگان داده شود.  برای رفع این مشکل، در این مطالعه اشتراک داده ها از طریق اشتراک مدل تحقق می یابد که بر اساس آن یک مکانیسم اشتراک دادۀ امن، به نام  BP2P-FL، با استفاده از یادگیری نظیر به نظیر با حفاظت از حریم خصوصی ارائه دهندگان داده ها مطرح می شود. علاوه بر این، با معرفی بلاک چین (زنجیرۀ بلوکی) برای اشتراک گذاری داده ها، هر فرآیند آموزشی ثبت می شود تا اطمینان حاصل شود که ارائه دهندگان داده ها داده های با کیفیت بالا را ارائه می دهند. برای حفاظت بیشتر از حریم خصوصی، از فناوری حریم خصوصی تفاضلی برای آشفته سازی مدل اشتراک دادۀ گلوب استفاده می شود. نتایج تجربی نشان می دهد که BP2P-FL از صحت و امکان پذیری بالایی در به اشتراک گذاری داده های برنامه های IoT مختلف برخوردار است.

1. مقدمه

با پیشرفت فناوری اینترنت، اینترنت اشیاء (IoT) کاربرد گسترده ای در صنایع مختلف داشته است [1]. حسگرها بخش مهمی از IoT و مهمترین منبع داده برای سیستم  هستند. داده های ادراک جمع آوری شده با یک حسگر مجزا اغلب نمی تواند نیازهای کاربران را برآورده سازد و ارزش واقعی IoT ریشه در اشتراک گذاری و استفادۀ جامع از اطلاعات و داده های مختلف دارد [4, 3, 2]. به عنوان مثال، در خدمات درمانی، اشتراک داده ها می تواند پرونده های سلامت با ارزشی را فراهم سازد که شامل اطلاعات معاینۀ جسمی و درمان است و می تواند داده های درمان هدفمندتری را ایجاد کند، اشتراک داده می تواند سلیقه های توریستی را به طور دقیق درک نماید و کانون های توریستی آینده را برای ارتقاء کیفیت خدمات پیش بینی کند. با این حال، به اشتراک گذاری داده ها در IOT  ممکن است با مشکلات مختلفی روبرو شود. اول اینکه ایجاد اعتماد دوطرفه در بین دو سازمان خیلی مشکل است. در نتیجه، اشتراک گذاری داده های محلی قابل اعتماد، غیرممکن است. دوما، حفظ حریم خصوصی داده ها به یک مشکل بزرگ تبدیل شده است که مانع اشتراک گذاری داده ها می شود زیرا صاحبان داده ها از افشای حریم خصوصی رنج می برند. بنابراین، رسیدن به اشتراک داده ها به طور مؤثر، به خصوص زمانی که این دو مسئله حل نشوند، یک چالش است. 

نمونه متن انگلیسی مقاله

Abstract

With the development of the Internet of Things (IoT), the massive data sharing between IoT devices improves the Quality of Service (QoS) and user experience in various IoT applications. However, data sharing may cause serious privacy leakages to data providers. To address this problem, in this study, data sharing is realized through model sharing, based on which a secure data sharing mechanism, called BP2P-FL, is proposed using peer-to-peer federated learning with the privacy protection of data providers. In addition, by introducing the blockchain to the data sharing, every training process is recorded to ensure that data providers offer high-quality data. For further privacy protection, the differential privacy technology is used to disturb the global data sharing model. The experimental results show that BP2P-FL has high accuracy and feasibility in the data sharing of various IoT applications.

1. Introduction

With the development of the Internet technology, the Internet of Things (IoT) is widely used in various industries [1]. Sensors are an important part of the IoT and the most important data source for the IoT system. The perception data collected by a single sensor often cannot meet users needs, and the real value of the IoT lies in the comprehensive utilization and sharing of various data and information [2, 3, 4]. For example, in healthcare, data sharing can provide valuable health records, including treatment and physical examination information, and can offer more targeted treatments for patients. In industry, by analyzing the collected data, data sharing can accurately understand the preferences of tourists and predict future tourism hot spots to improve the quality of service. However, data sharing in IoT may face various problems. First, it is very difficult for each pair of organizations to build mutual trust. As a result, it is unlikely to share reliable local data. Second, data privacy has become a big problem that hinders data sharing because data owners suffer from privacy leakage. Therefore, achieving effective data sharing is a challenge, especially when these two problems have not been solved.

تصویری از فایل ترجمه

          

(جهت بزرگ نمایی روی عکس کلیک نمایید)

ترجمه فارسی فهرست مطالب

چکیده

1. مقدمه

2. تحقیقات مرتبط 

3.  مدل سیستم

4. اجرای  BP2P-FL

4.1 مدیریت اعضای تیم

4.2 فرایند اشتراک گذاری داده

4.3. مکانیسم اجماع: اثبات مشارکت مدل (POC)

4.3.1. پیشگیری از حملۀ استنتاجی

4.3.2 اجماع مبتنی بر مشارکت گره

4.4 مدیریت اعتبار

5. آزمایشات

5.1 راه اندازی آزمایش

5.2. نتایج آزمایشی

6. نتیجه گیری

منابع

فهرست انگلیسی مطالب

Abstract

1. Introduction

2. Related Work

3. System Model

4. BP2P-FL Implementation

4.1. Management of Team Members

4.2. Data Sharing Process

4.3. Consensus Mechanism: Proof of Model Contribution (POC)

4.3.1. Inference Attack Prevention

4.3.2. Consensus based on Node Contributio

4.4. Credit Management

5. Experiments

5.1. Experimental setup

5.2. Experimental results

6. Conclusions

References

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- 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
قیمت محصول: ۷۰,۸۰۰ تومان
خرید محصول