دانلود مقاله قالب اعتماد کیفی اجتماعی برای رایانش مه
چکیده
مقدمه
مطالعات مرتبط
چارچوب مدیریت اعتماد پیشنهادی
مدل بیز و محاسبات اعتماد
توصیف ریاضی طرح پیشنهادی
عملکرد طرح پیشنهادی و تحلیل مقایسه ای
نتیجه گیری و کار آتی
منابع
Abstract
Introduction
Related work
Proposed trust management framework
Bayes model and trust computation
Mathematical description of proposed scheme
Proposed scheme performance and comparative analysis
Conclusion and future work
References
چکیده
حوزه اینترنت اشیا (IoT) با سرعتی تصاعدی در حال پیشرفت است که در آن هر دقیقه مگابایت داده پردازش می شود. محاسبات مه یک زمینه نوظهور است که به عنوان راهی جدید برای جلوگیری از انتشار اطلاعات مشکوک دستگاه های IoT خسته شده در نظر گرفته می شود. اعتقاد بر این است که Fogging تاخیر را کاهش می‌دهد و کارایی، سهولت استقرار و انعطاف‌پذیری را افزایش می‌دهد، با این حال، نگرانی‌های مختلف امنیتی و حفظ حریم خصوصی مانع استقرار آن توسط سیستم عامل‌های اصلی می‌شود. در میان تمام نگرانی های امنیتی، فقدان یک سیستم مدیریت اعتماد مناسب از اهمیت اولیه برخوردار است. این مقاله دامنه خدمات گرا اینترنت اشیاء (SIoT) را برای مطالعه شباهت آن با Fogging بررسی می کند و یک طرح مدیریت اعتماد (TMS) ایجاد می کند. این مقاله بیشتر الزامات اعتماد لازم برای Fogging را بررسی می‌کند و آنها را در یک طرح مدیریت اعتماد دو طرفه بر اساس مدل Bayes ترکیب می‌کند، این مدل به درخواست‌کننده سرویس و ارائه‌دهنده خدمات اجازه می‌دهد تا قبل از اتصال یکدیگر را اعتبارسنجی کنند. این مدل ارزش اعتماد را با استفاده از این معیارها محاسبه می کند و آنها را به روشی منحصر به فرد با اعتماد بیز ترکیب می کند تا ارزش اعتماد دقیقی داشته باشد. طرح پیشنهادی در Netlogo، یک شبیه‌ساز شبکه مبتنی بر عامل، شبیه‌سازی شده است. طرح موضوعی قادر است به طور موثر از اتصال یک گره قانونی با یک گره مخرب جلوگیری کند. نتایج دقت بالا و همگرایی سریع‌تر را نشان می‌دهد و همچنین انعطاف‌پذیری در برابر حملات شبکه مبتنی بر اعتماد را نشان می‌دهد. این سیستم با مدل های مدیریت اعتماد SIoT به دلیل عدم وجود مدل های مدیریت اعتماد مشابه در محاسبات مه مقایسه شده است.
توجه! این متن ترجمه ماشینی بوده و توسط مترجمین ای ترجمه، ترجمه نشده است.
Abstract
The field of Internet of Things (IoT) is evolving at an exponential rate where megabytes of data is being processed each passing minute. Fog computing is an emerging field, regarded as the new way forward to prevent the suspected data outburst of the exhausted IoT devices. Fogging is believed to reduce latency, and enhance efficiency, ease of deployment and flexibility, however, various security and privacy concerns hinder its deployment by major platforms. Among all the security concerns, lack of a proper trust management system is of primary importance. This paper explores the Service-oriented Internet of Things (SIoT) domain to study its similarity with Fogging and creates a trust management scheme (TMS). The paper further explores the necessary trust requirements for Fogging and incorporates them into a two-way trust management scheme based on Bayes model, the model allows both the service requestor and the service provider to validate each other before connecting. The model calculates the value of trust using these metrics and combines them in a unique way with Bayes trust to have an accurate trust value. The proposed scheme is simulated in Netlogo, an agent-based network simulator. The subject scheme is capable of effectively preventing a legitimate node from connecting with a malicious node. The results illustrates high accuracy and faster convergence and also shows resilience against trust-based network attacks. The system is compared against SIoT trust management models due to lack of similar trust management models in Fog Computing.
Introduction
Cisco Global Cloud Index claims that the amount of data produced by machines, things and people will cross 847 zettabytes by the end of 2021 [1]. To handle such a large amount of data it is imperative to provide resourceful devices at the network edge to minimize the bandwidth or latency issues [2] and also fulfill the Internet of Things (IoT) security requirements [3]. This paved way for introduction to Fog computing which supports applications involving a short response time, mobility and data confidentiality while improving latency and power consumption [4], [5].
Conclusion and future work
This research aims to define a trust management system for fog computing environments that can mitigate its prevalent security issues. The existing techniques lack the necessary requirements of trust in a fog environment. In this paper, a peer-to-peer trust management system is proposed that enables fog nodes to develop trust before connecting with others. This system prevents fog nodes from making untrustworthy connections and increases the probability of malicious node detection at earlier stages. The system calculates trust and predicts the future behavior of a node through Bayesian Inference. The system is evaluated where the behavior of a single node is observed, it can be seen that a single good node converges to 1 quickly and a single bad node is detected in the earlier cycles, its trust value decreases and falls below the threshold. The system is also resilient towards trust-based network attacks, it detects them quite early and expels the malicious nodes over continued bad behavior. The system can be improved to accommodate location awareness of the nodes.