دانلود ترجمه مقاله سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با HTM (2018 – IEEE) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در ۸ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۲۰ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

یک سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با استفاده از حافظه موقت سلسله مراتبی (HTM)

عنوان انگلیسی مقاله:

A Distributed Anomaly Detection System for In-Vehicle Network Using HTM

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf و ورد تایپ شده با قابلیت ویرایش
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۸ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی فناوری اطلاعات ، مهندسی کامپیوتر
گرایش های مرتبط با این مقاله سامانه های شبکه ای، مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و شبکه های کامپیوتری
چاپ شده در مجله (ژورنال) IEEE Access
کلمات کلیدی امنیت شبکه داخل خودرویی، تشخیص آنامولی در زمان واقعی، الگوریتم HTM
کلمات کلیدی انگلیسی In-vehicle network security – real-time anomaly detection – HTM algorithm
ارائه شده از دانشگاه  دانشکده علوم و مهندسی کامپیوتر، دانشگاه نانکای، چین
نمایه (index) scopus – master journals – JCR – DOAJ
نویسندگان Chundong Wang – Zhentang Zhao – Liangyi Gong – Likun Zhu – Zheli Liu – Xiaochun Cheng
شناسه شاپا یا ISSN ۲۱۶۹-۳۵۳۶
شناسه دیجیتال – doi https://doi.org/10.1109/ACCESS.2018.2799210
ایمپکت فاکتور(IF) مجله ۴٫۴۷۶ در سال ۲۰۲۰
شاخص H_index مجله ۱۲۷ در سال ۲۰۲۱
شاخص SJR مجله ۰٫۵۸۷ در سال ۲۰۲۰
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۲۰
بیس نیست
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
فرضیه ندارد
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۹۹۹
لینک مقاله در سایت مرجع لینک این مقاله در سایت IEEE
نشریه آی تریپل ای – IEEE

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۰ (۲ صفحه رفرنس انگلیسی)صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد
ترجمه پاورقی ندارد
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده
۱ مقدمه
۲ کارهای مرتبط
۳ جریان داده‌های CAN و حالت آنامولی
A جریان داده‌های کن باس (CAN BUS)
B تعریف وضعیت آنامولی کن باس
۴ سیستم تشخیص آنامولی توزیع‌شده با استفاده از الگوریتم HTM
A یک بررسی اجمالی از سیستم تشخیص آنامولی پیشنهادی
B پیش‌بینی کننده مبتنی بر الگوریتم یادگیری HTM
C نمره تشخیص آنامولی
۵ آزمایش و نتایج
A مقدمات آزمایش
B ارزیابی عملکرد
C نتایج اصلاح فیلد
D نتایج فیلد بازپخش
۶ نتیجه‌گیری
منابع

 

بخشی از ترجمه

چکیده

با توسعه فن‌آوری ۵G  و اینترنت وسایل نقلیه، احتمال حملات بی‌سیم از راه دور بر یک شبکه داخل خودرویی، توسط محققان امنیتی به اثبات رسیده است. فن‌آوری تشخیص آنومالی می‌تواند به عنوان اولین خط دفاع امنیتی، به‌طور مؤثری تهدیدات امنیتی را کاهش دهد. بر این اساس، این مقاله یک سیستم تشخیص آنامولی توزیع‌شده را با استفاده از حافظه موقت سلسله مراتبی (HTM) برای بهبود امنیت باس شبکه در سطح کنترل‌گر خودرویی ارائه می‌دهد. مدل HTM می‌تواند داده‌های جریان را در زمان واقعی پیش‌بینی کند که این امر به وضعیت یادگیری قبلی بستگی دارد. علاوه براین، ما مکانیسم امتیاز غیرعادی را برای ارزیابی پیش‌بینی، اصلاح کردیم و به‌طور دستی تغییرات میدانی و حمله بازپخش را در میدان داده‌ها ترکیب نمودیم. در مقایسه با شبکه‌های عصبی بازگشتی و مدل‌های تشخیص مدل پنهان مارکوف، این نتایج نشان می‌دهند که سیستم تشخیص آنامولی توزیع‌شده مبتنی بر شبکه‌های HTM، در حوزه‌هایی که تحت امتیاز منحنی مشخصه عملیاتی گیرنده و همچنین دقت و یادآوری بکار گرفته می‌شود، عملکرد بهتری دارد.

۱ مقدمه

با توسعه سریع فن‌آوری اینترنت تلفن همراه، رایانش ابری و داده‌های بزرگ، خودروها به‌تدریج هوشمند و شبکه محور می‌شوند. شبکه خودروهای هوشمند مسیر جدیدی در توسعه و فن‌آوری است. مفاهیم و فن‌آوری‌هایی مانند  خلبان خودکار، ماشین مشترک، و اینترنت وسایل نقلیه (IoV)  در زمانی که لازم باشد پدیدار می‌شوند. ۵G توسط صنعت به عنوان یک فن‌آوری کلیدی در نظر گرفته شده که رانندگی اتوماتیک و ارتباطات شبکه را تحقق می‌بخشد (۱). از مزیت‌های آن می‌توان به تأخیر پایین، پهن باند بزرگ و تراکم اتصال بالا اشاره کرد. علاوه براین، مدرن‌ترین خودروها مجهز به سیستم پردازش اطلاعات از راه دور چندکاره می‌باشند که به سیستم موقعیت‌یابی جهانی (GPS)، تفریحات رسانه‌ای یا حتی دسترسی مستقیم به شبکه‌های تلفن همراه کمک می‌کنند. بااین‌حال، سیستم پردازش اطلاعات از راه دور در برابر حملات شبکه آسیب‌پذیر است، زیرا این سیستم به یک شبکه بی‌سیم خارجی متصل است (۲)-(۴). مهاجم می‌تواند از طریق اینترفیس دسترسی بی‌سیم، به شبکه خودروی هدف دسترسی پیدا کند و حملات مختلفی مانند حمله بازپخش، حمله DoS، بویش چارچوب، تزریق چارچوب، و غیره را اجرا نماید (۶)-(۸). بنابراین، شبکه خودرو را با تهدیدات امنیتی بالقوه‌ای مواجه می‌کند.

 

بخشی از مقاله انگلیسی

ABSTRACT

With the development of 5G and Internet of Vehicles technology, the possibility of remote wireless attack on an in-vehicle network has been proven by security researchers. Anomaly detection technology can effectively alleviate the security threat, as the first line of security defense. Based on this, this paper proposes a distributed anomaly detection system using hierarchical temporal memory (HTM) to enhance the security of a vehicular controller area network bus. The HTM model can predict the flow data in real time, which depends on the state of the previous learning. In addition, we improved the abnormal score mechanism to evaluate the prediction. We manually synthesized field modification and replay attack in data field. Compared with recurrent neural networks and hidden Markov model detection models, the results show that the distributed anomaly detection system based on HTM networks achieves better performance in the area under receiver operating characteristic curve score, precision, and recall.

I INTRODUCTION

With the rapid development of mobile Internet, big data and cloud computing technology, the automobile gradually become intelligent, network oriented. The intelligent car network is a new direction of innovation and development. Concepts and technologies such as autopilot, shared car, and Internet of Vehicles (IoV) emerge as the times require. 5G is regarded by the industry as the key technology to realize automatic driving and network communication [1]. It has advantages of low delay, large bandwidth and high connection density. Moreover, most modern cars are equipped with multi-function remote information processing system, supporting global positioning system (GPS), media entertainment, or even directly accessing cellular networks. However, the remote information processing system is vulnerable to network attacks because it is connected to the external wireless network [2]–[۴]. The attacker can access the target vehicle network through the wireless access interface [5], implement a variety of attacks such as replay attack, DoS attack, frame sniffing, frame injection and so on [6]–[۸]. Thus, it brings potential security threats to the vehicle network.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

یک سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با استفاده از حافظه موقت سلسله مراتبی (HTM)

عنوان انگلیسی مقاله:

A Distributed Anomaly Detection System for In-Vehicle Network Using HTM

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا