دانلود ترجمه مقاله الگوریتم کارآمد حفظ حریم خصوصی موقعیت مکانی (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

الگوریتم کارآمد حفظ حریم خصوصی موقعیت مکانی برای خدمات و کاربردهای اینترنت اشیا

Efficient Location Privacy Algorithm for Internet of Things (IoT) Services and Applications

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

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.

8- نتیجه گیری

در این مقاله ما ابتدا به تجزیه و تحلیل نظری الگوریتم انتخاب موقعیت مکانی ساختگی (DLS) پرداختیم که رویکرد حاضر برای حراست از حریم خصوصی موقعیت مکانی کاربران در LBS برای IoT محسوب می گردد. سپس، ما درباره الگوریتم حمله حاضر برای الگوریتم DLS (ADLS) در شناسایی موقعیت مکانی واقعی کاربر از روی موقعیت مکانی ساختگی انتخابی حاصل از الگوریتم DLS بحث نمودیم. برای حفظ کارآمد حریم خصوصی موقعیت مکانی کاربران، ما نیز یک الگوریتم جدید حریم خصوصی موقعیت مکانی ساختگی (DLP) را با توجه به تعادل بین هزینه محاسباتی (یعنی پیچیدگی زمانی) و الزامات حریم خصوصی کاربران پیشنهاد نمودیم.بر اساس اطلاعات جانبی حاصله و مقیاس آنتروپی، الگوریتم DLP به صورت حریضانه ای به انتخاب موقعیت مکانی ساختگی برای دستیابی به سطح حریم خصوصی بهینه k – ناشناختگی می پردازد. هم چنین ما عملکرد امنیتی الگوریتم DLP پیشنهادی را در برابر حملات بالقوه در خدمات IoT داده محور تجزیه و تحلیل نمودیم. نهایتاً، ما الگوریتم DLP و الگوریتم ADLS را با انجام آزمایشات شبیه سازی گسترده تحت سناریوهای مختلف ارزیابی نمودیم. نتایج شبیه سازی نشان می دهند که الگوریتم ADLS ما از احتمال بالایی در شناسایی موقعیت مکانی واقعی کاربر از روی موقعیت های مکانی ساختگی حاصل از الگوریتم DLS برخوردار است. افزون بر این، در مقایسه با الگوریتم DLS، الگوریتم DLP ما از احتمال کمتری برای آشکارسازی موقعیت مکانی واقعی کاربر تحت حمله مشابه برخوردار بوده، و می تواند هزینه محاسباتی (یعنی پیچیدگی زمانی) را در حین ارائه سطح حریم خصوصی مشابه با الگوریتم DLS کاهش دهد. این امر تاثیر زیادی برای خدمات IoT داده محور در پیشگیری از حملات و حفظ حریم خصوصی موقعیت مکانی در پی خواهد داشت.

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.

8- CONCLUSION

In this paper, we first theoretically analyze the Dummy-Location selection (DLS) algorithm, which is the current approach to protect users’ location privacy in LBS for IoT. Then, we discussed the current attack algorithm for DLS algorithm (ADLS) to identify the user’s real location from chosen dummy locations generated by DLS algorithm. To efficiently preserve users’ location privacy, we also propose a new Dummy Location Privacy (DLP) algorithm, by taking into account the equilibrium between the computational cost (i.e., time complexity) and the privacy requirements of users. Based on the obtained side information and the entropy metric, DLP algorithm greedily selects dummy locations to achieve the optimal privacy level of k-anonymity. We also analyze the security performance of the proposed DLP algorithm against potential attacks in the data-driven IoT service. Finally, we evaluate our DLP algorithm and ADLS algorithm by conducting extensive simulation experiments under various scenarios. The simulation results show that our ADLS algorithm has high probability of identifying the user real location from the dummy locations generated by DLS algorithm. Moreover, comparing with the DLS algorithm, our DLP algorithm has lower probability of revealing the user real location under the same attack, and can reduce the computational cost (i.e., time complexity) when providing same privacy level as the DLS algorithm. It will generate great impact for the data-driven IoT service to prevent attacks and preserve location privacy.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

الگوریتم کارآمد حفظ حریم خصوصی موقعیت مکانی برای خدمات و کاربردهای اینترنت اشیا

Efficient Location Privacy Algorithm for Internet of Things (IoT) Services and Applications