امنیت در شبکه حسگر بیسیم: نگاه فعلی

Security in Wireless Sensor Network: A Current Look

چکیده

1 مقدمه

2 معماری شبکه حسگر بی سیم (WSN)

3 مسائل امنیتی شبکه حسگر بی سیم (WSN)

4 طبقه بندی لایه ای حملات به شبکه حسگر بی سیم (WSN)

5 الگوریتمهای رمزنگاری سبک وزن

6 مسائل پژوهشی

7 نتیجه گیری

منابع

چکیده

     شبکه حسگر بی سیم (WSN) برای خودکار سازی و بهبود قابلیتهای جمع ‌آوری اطلاعات در پروژه ‌های شاخصی از قبیل پایش پزشکی، صنایع، تحقیقات و آزمایشات علمی، کارخانه ها، حمل و نقل و غیره استفاده می‌ شود. بازی واقعیت افزوده (AR )، واقعیت مجازی (VR)، دستگاه های پوشیدنی، شهرهای هوشمند، و کشاورزی هوشمند، برخی از برنامه های جدیدتر آن هستند. دولتها نیز در برنامه های نظامی خود، از شبکه حسگر بی سیم (WSN) برای جمع آوری داده ها و اطلاعات استفاده می کنند. گره های WSN در سطح گسترده ای استفاده می شوند، و از آنجاییکه ارزان، پودمانی، قابل برنامه ریزی، قابل پیکره بندی و اد هاک هستند، می توانند در یک محیط باز با اتصال بی سیم و غیره نیز استفاده شوند. این ویژگیها سبب شده که WSN به آسانی مورد حمله مهاجمان قرار بگیرد. داده های جمع آوری شده توسط WSN برای افراد یا سازمانها، داده های خصوصی یا حساسی هستند. از این رو، امنیت مسئله مهمی در تحقیقات WSN در نظر گرفته می شود. در این مقاله، یک مرور اجمالی بر امنیت WSN را ارائه می دهیم. ابتدا WSN و معماری آن را معرفی می کنیم. سپس، در مورد طبقه ‌بندی لایه ‌ای حملات امنیتی و تکنیکهای کاهشی محتمل به بحث می پردازیم تا بتوانیم حملات و شدت آنها را درک کنیم. برای حفظ امنیت WSN، الگوریتمهای رمزنگاری سبک وزن را از نظر شایستگی، عملکرد، نیاز به باتری و موارد دیگر مورد تحلیل و بررسی قرار می دهیم.

معماری شبکه حسگر بی سیم (WSN)
     پشته های شبکه به صورت لایه ‌هایی تقسیم می‌ شوند تا پیچیدگیها و مسئولیتها در لایه ‌های مختلف را از هم تفکیک کنند، و همچنین اشکال ‌زدایی و نگهداری آسان ‌تر از پشته ها را میسر سازند. مدل OSI و TCP/IP از بارز ترین پشته های شبکه هستند. پشته شبکه WSN نیز همانند مدل OSI که در شکل 1 نشان داده شده به صورت معماری پنج لایه ای تقسیم می شود.

• لایه فیزیکی در WSN همانند مدل OSI است و پایین ترین لایه در پشته شبکه است. این لایه، لینکی را برای ارتباط بین موتها و دریافت/ ارسال داده ها بصورت دو دویی ایجاد می کند. علاوه براین، وظایفی همچون جستجوی گستره مناسب فرکانس برای انتقال داده ها، تولید فرکانس حامل برای ارسال داده ها، منحرف کردن سیگنالها، مدولاسیون سیگنالها، رمزنگاری داده ها و دریافت سیگنال داده ها را بر عهده دارد.
• لایه لینک داده ها وظایف مختلفی را بر عهده دارد که عبارتند از: مالتی پلکس سازی سیگنال داده ها، تشخیص تصادم، تشخیص چارچوب داده ها، کنترل خطا، کنترل دسترسی به یک محیط انتقال (MAC) و ارائه ارتباطات مطمئن نقطه به نقطه و یک نقطه به چند نقطه.
• لایه شبکه وظایفی مانند تخصیص آدرس شبکه را بر عهده دارد، که مبتنی بر داده یا مکان هستند نه یک شماره I.D منحصربفرد، به این دلیل که اندازه شبکه WSN می تواند بسیار بزرگ باشد، ارتباط بین شبکه ای با شبکه های خارجی دارد و ارسال بسته های داده را مدیریت و کنترل می کند.
• لایه حمل ملزم به ارائه اطلاعات برای نقل و انتقال مطمئن بسته های داده است. مسیریابی بسته های داده توسط لایه شبکه از طریق اطلاعات عبوری از لایه حمل انجام می شود. اگرچه قابلیت اطمینان انتقال داده ها از مبدا به مقصد را با توجه به عدم وجود یک طرح منحصربفردآدرس دهی جهانی، مقیاس پذیری شبکه، اتلاف توان و موارد دیگر نمی توان مانند قابلیت اطمینان لایه انتقال در مدل OSI تضمین کرد. اما لایه حمل WSN می تواند یک قابلیت اطمینان متمرکز را تضمین کند.
• بالاترین لایه در پشته WSN ، لایه کاربرد است. این لایه، چگونگی ساختار بندی و قالب بندی داده ها را قبل از ارسال به گره های دیگر در شبکه کنترل می کند و قالب و ساختار داده هایی که از گره های دیگر دریافت می شوند را تعیین می کند. این لایه به عنوان یک واحد قابل برنامه ریزی عمل می کند که همه لایه های دیگر موجود در WSN را جدا می کند و اجرای برنامه های مختلف و تعامل کاربر با آن را میسر می سازد.

بهبود وضعیت مواد در تشخیص حملات امنیت سایبری در سیستم های بی‌سیم 5G با یادگیری ماشین

Improving the state of materials in cybersecurity attack detection in 5G wireless systems using machine learning

چکیده
1 مقدمه
2 مدل سیستم
3 نتایج و بحث‌ها
4 جمع‌بندی‌ها
بیانیه مشارکت در تالیف CRediT
اظهار منافع رقابتی
منابع

چکیده

استفاده از اطلاعات کانال رادیویی در تشخیص حمله دروغین در ارتباطات بی‌سیم 5G مفید می‌باشد. این مفهوم برای طیف وسیعی از کاربردها برای محیط اینترنت اشیا (‏IoT)‏ توسط کاربران و دستگاه‌های اینترنت اشیاء آن‌ها مورد استفاده قرار گرفته‌است. اما چگونگی به حداقل رساندن اثرات تهدیدات سایبری در شبکه‌های واقعا پیچیده هنوز به اندازه کافی مورد توجه قرار نگرفته است. همانطور که در مورد شبکه‌های باند وسیع 5G به دلیل تنوع گسترده‌ای از تکنولوژی در مراحل مختلف انتزاعی وجود دارد این شبکه‌ها به طور جدی در معرض خطر قرار دارند. از آنجا که اینترنت اشیاء 5G محیط 5G ، شامل پس‌زمینه اینترنت اشیاء است در این مقاله ما یک هوش مصنوعی (‏AI)‏ هستیم که برای به حداقل رساندن تاثیر تهدیدات 5G اینترنت اشیاء در زمانی که به شرکت کنندگان درگیر در چند سطح تعمیم داده می‌شود در نظر گرفته شده‌است. این مقاله از الگوریتم احراز هویت مبتنی بر ماشین بردار پشتیبان (‏SVM)‏ مبتنی بر لایه فیزیکی (PHYlayer) برای تشخیص حملات امنیتی احتمالی در ارتباطات بی‌سیم 5G در لایه فیزیکی استفاده می‌کند. این روش در افزایش سرعت احراز هویت با ویژگی‌های تست مورد استفاده قرار می‌گیرد. نرخ تشخیص با ویژگی‌های آماری تست بیشتر بهبود می‌یابد. این مدل بر روی کانال چند ورودی – چند خروجی (‏MIMO) ‏اجرا شده‌است. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی نرخ تشخیص بالایی در تمامی حملات دارد.

1 مقدمه

نسل پنجم (‏5G)‏ ، پهنای باند بالا ، عملکرد بالا و استانداردهای امنیتی را در ۳ سناریوی رایج ارائه می‌دهد: افزایش اتصال موبایل ، وب اشیا در مقیاس وسیع و ارتباطات با تاخیر کم. وضعیت خاص برای پهنای باند تلفن همراه و فرکانس بالا در محیط‌های داخلی یا شهری استفاده می‌شود که در آن سیگنال‌های شبکه تلفن همراه با دامنه وسیع به طور مداوم در مناطق روستایی ایمن هستند. در عین حال نسل ۵ خواستار یکپارچگی طیف وسیعی از دستگاه‌ها و تاسیسات است و این یک ضرورت جدایی‌ناپذیر برای سرویس‌های اینترنت اشیاء است [۳]‏. دستگاه‌های قابل‌حمل دستی به یک شبکه سلولی می‌پیوندند که تضمین می‌کند احراز هویت بی‌سیم نیز به شدت مورد استفاده قرار می‌گیرد. بنابراین رویکردهای شبکه سازی سبک برای اجرای فشرده سناریوهای شبکه‌های 5G اتخاذ می‌شود.

Abstract

The utilization of information from the radio channel is useful in detecting the spoofing attacksin 5G wireless communications. This concept has been used for a wide range of uses for the Internet of Things (IoT) environment by users and their IoT devices. But how these tasks can minimise the effects of cyber threats in genuinely complex networks has not yet been sufficiently addressed. These are seriously exposed, as is the case with 5G broadband networks due to a wide variety of technology at various abstract stages. As 5G IoT is the 5G environment, including the IoT background, in this article, we are an artificial intelligence (AI) intended to minimise the impact of 5G IoT threats, when extended to the participants involved on a number of levels.This paper uses Support Vector Machine (SVM) based PHY-layer authentication algorithm to detect the possible security attacks in 5G wireless communication at physical layer. It is utilized in increasing the rate of authentication with test features. The detection rate is improved further with test statistic features. The model is implemented on multiple-input multiple-output (MIMO) channel. The simulation results shows that the proposed method yield the high detection rate on all attacks.

1 Introduction

The fifth generation (5G) delivers high bandwidth, high performance and security standards in 3 common scenarios: enhanced mobile connectivity, wide-scale stuff web and low-latency connections [1 2]. The special situation for mobile broadband and highfrequency, is used in indoor or urban environments in which wide-ranging mobile network signals are continuously secured in rural areas. Meantime, the 5G calls for a large range of devices and installations to be integrated, and this is an integral necessity for IoT service[3]. Manual portable devices join a cellular network, which ensures that wireless authentication is also heavily employed. Therefore, lightweight networking approaches for intensive deployment scenarios of 5G networks.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهبود وضعیت مواد در تشخیص حملات امنیت سایبری در سیستم های بی‌سیم 5G با یادگیری ماشین

Improving the state of materials in cybersecurity attack detection in 5G wireless systems using machine learning

تحقیق در مورد مشکلات امنیت اطلاعات شبکه کامپیوتری و پیشگیری مبتنی بر شبکه حسگر بی سیم

Research on Computer Network Information Security Problems and Prevention Based on Wireless Sensor Network

چکیده
1 مقدمه
2. تجزیه و تحلیل امنیت شبکه کامپیوتر
A. تجزیه و تحلیل مشخصه های شبکه های حسگر
B. تهدیدهای ذاتی در شبکه های حسگر بی سیم
3اندازه های برخلافی مربوط به ممانعت امنیتی اطلاعاتی در شبکه های حسگر بی سیم
A فناوری کنترل دسترسی شبکه ای
B. فناوری ممانعت ویروس شبکه
۴ نتیجه گیری
منابع

چکیده

با پیشرفت های مستمر سطح تکنولوژی و اختصاصی چین شبکه کامپیوتری به یک جزء جدایی ناپذیر از زندگی روزانه مردم تبدیل شده است. این موضوع نمی‌تواند به تنهایی باعث افزایش و بهبود بازده تولید و زندگی شود اما می تواند سرعت پیشرفت اقتصادی و اجتماعی چین را ترویج دهد که یک تاثیر مثبت بر تشخیص مدرنیزه شدن چین می‌باشد. تحت محیط مورد نیاز امنیت اطلاعات جدید در زمان حال، ما باید توجه خود را به سمت کار های امنیتی اطلاعاتی مربوطه وقف کنیم و اندازه های امنیتی موثر و استراتژی ها را فرمول بندی کنیم. به منظور این که بتوانیم از مشکلات امنیتی اطلاعاتی به صورت موثری جلوگیری کنیم، مردم باید به ‌صورت فعالی خود را با تکنولوژی فایروال، تکنولوژی رمزیابی، تکنولوژی کنترل دسترسی به شبکه و تکنولوژی ممانعت ویروسی شبکه‌ای برای محافظت کارآمد انطباق یابند. این مقاله مشکلات امنیتی در کاربرد شبکه های حسگر بی سیم را تجزیه و تحلیل می‌کند و ساز و کار دفاع امنیت اطلاعاتی را کشف می‌کند، با این امید که بتواند امنیت و پایداری شبکه های حسگر بی سیم را از طریق اندازه های موثر قوی نماید تا مردم بتوانند از راحتی و آسایشی که توسط عصر شبکه به وجود آمده است، لذت ببرند.

1 مقدمه

همزمان با پیشرفت سریع و بلوغ تکنولوژی میکرو الکترونیک، تکنولوژی کامپیوتر و تکنولوژی ارتباطات بی سیم شبکه حسگر بی سیم به تدریج برای موارد نظامی، مشاهده و نظارت محیطی و زمینه های دیگر استفاده شده است و به تدریج وارد حوزه عملی شده است[1]. این نوع از شبکه میکرو حسگر با قابلیت های ارتباطاتی و حسابرسی یک شبکه خود سازماندهی شده چند هاپه می‌باشد که توسط تعداد زیادی از نود های حسگر میکرو از طریق ارتباطات بی‌سیم شکل دهی شده است که می تواند فرآیند جمع آوری اطلاعات، انتقال و سرهم کردن اشیا نظارتی مختلف را در حوزه کاربردی از طریق یک روش متقابل یا بر پایه همکاری کامل کند[2]. شبکه حسگر بی سیم یک تکنولوژی جدید همراه با پیشرفت تکنولوژی حسگر، تکنولوژی کامپیوتر، تکنولوژی ارتباطات بی سیم و تکنولوژی پردازش اطلاعات توزیع شده در سال های اخیر می باشد[3]. محیط کاربردی شبکه حسگر بی سیم معمولاً پیچیده است به ویژه در حوزه های نظامی. چگونگی اطمینان بخشیدن به امنیت شبکه ی سنسوری بی سیم، پایه کاربرد آن است[4]. شبکه حسگر بی سیم یک شبکه خود سازماندهی شده دارای مقیاس بزرگ در خلال یک تعداد عظیمی از نود های حسگر مقید شده منبعی کم هزینه برای کار کردن بهتر برای انجام دادن یک وظیفه ویژه می باشد[5]. در عصر اطلاعات این موضوع خیلی مهم و بحرانی می باشد که از امنیت اطلاعاتی به‌صورت کارآمدی جلوگیری کنیم و به یک عنوان تحقیقاتی مهم در پیشرفت فناوری شبکه های کامپیوتر تبدیل شده است[6]. شبکه حسگر بی سیم با یک فناوری پردازش و اکتساب اطلاعاتی جدید می باشد. به این دلیل که آن همواره بر روی خودش عملیات انجام می دهد و به پرسنل یا خدمه ویژه ‌ای برای انجام وظایفش احتیاج ندارد و همچنین امنیت شبکه حسگر بی سیم دارای یک تهدید بزرگ می باشد[7].

Abstract

With the continuous improvement of China’s scientific and technological level, computer network has become an indispensable part of people’s daily life. It can not only effectively improve the efficiency of production and life, and shorten the distance between people, but also further promote the speed of China’s social and economic development, which has a positive impact on the realization of China’s modernization. Under the new information security demand environment at present, we should pay attention to the related information security work and formulate effective security measures and strategies. In order to effectively prevent these information security problems, people should actively adopt firewall technology, encryption technology, network access control technology and network virus prevention technology for effective protection. This paper analyzes the security problems in the application of wireless sensor networks and explores the mechanism of defending information security, hoping to strengthen the security and stability of wireless sensor networks through effective measures, so that people can better enjoy the convenience brought by the network age.

1. INTRODUCTION

With the rapid development and maturity of microelectronic technology, computer technology and wireless communication technology, wireless sensor network has been gradually applied to military, environmental monitoring and other fields, and has gradually entered the practical stage [1]. This kind of micro sensor network with computing and communication capabilities is a multi hop self-organizing network formed by a large number of cheap micro sensor nodes through wireless communication, which can complete the data collection, transmission and fusion of various monitoring objects in the deployment area in a cooperative way [2]. Wireless sensor network is a new technology with the development of sensor technology, computer technology, wireless communication technology and distributed information processing technology in recent years [3]. The application environment of wireless sensor network is usually complex, especially in the military field. How to ensure the security of wireless sensor network is the basis of its application [4]. Wireless sensor network is a large-scale self-organizing network, through a large number of low-cost, resource constrained sensor nodes to work together to achieve a specific task [5]. In the information age, it is very important and critical to effectively prevent information security, and it has also become an important research topic in the development of computer network technology [6]. Wireless sensor network (WSN) is a new information acquisition and processing technology. Since it usually operates on its own and does not require personnel to perform duties, the security of wireless sensor network has a great threat [7].

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تحقیق در مورد مشکلات امنیت اطلاعات شبکه کامپیوتری و پیشگیری مبتنی بر شبکه حسگر بی سیم

Research on Computer Network Information Security Problems and Prevention Based on Wireless Sensor Network

بهبود حمله سرویس در شبکه حسگر بی سیم بر اساس یادگیری ماشین

Service Attack Improvement in Wireless Sensor Network Based on Machine Learning

چکیده
1- مقدمه
2. مطالعات مرتبط
3- روش پیشنهادی
3-1- حمله برخورد
3-2- حمله ناعادلانه
3-3- حمله خسته کننده
3-4- رویکرد مبتنی بر NN
4- نتیجه و بحث
4-1- امنیت در برابر حمله DoS با استفاده از SVM
4-2- تحلیل عملکرد
5- نتیجه گیری
منابع

چکیده

تعدد سنسورها در یک شبکه حسگر بی سیم (W.S.N.) یک گره شاخص فیزیکی است که امکان تعامل گره های حسگر تشخیصی را فراهم می کند. امنیت شبکه های حسگر بی سیم در بسیاری از کاربردهای عملی، یک مسئله اساسی است. هدف ما راه‌اندازی عدم پذیرش حملات سرویس و پاسخگویی به شبکه های حسگر بی سیم برای افزایش امنیت با شناسایی دشمن است. انواع متفاوت لایه های مختلف در وقوع WSN. این دو نوع تکنیک یادگیری ماشین ، شبکه عصبی (NN)، ماشین بردار پشتیبان (SVM)، حملات لایه کنترل دسترسی به رسانه (MAC) را تشخیص می دهند. باید این دو روش را مقایسه کنم. این شبکه یک گره حسگر بی سیم کانال دسترسی، MAC دارد. لایه محافظ ضروری است. از احتمال سناریو WSN، شبیه ساز شبکه بی سیم ، شبیه‌سازی خطای شخم Vanderbilt، استفاده کنید.

1- مقدمه

سنسور یک وسیله فیزیکی یا مجموعه ای از داده ها در مورد عملکردی است که اتفاق افتاده است و بیشتر سنسورها را برای جمع آوری اطلاعات از راه دور به یک ایستگاه آماده اعزام می کتند. وقتی این حسگرها به وفور برای مشاهده آب و هوای فیزیکی ساخته شده باشند ، ساختار W.S.N را تشکیل می دهند. شبکه های حسگر از راه دور در مورد مجموعه گسترده ای از مسائل امنیتی صحبت می کنند که باید مورد استفاده قرار گیرند. باید یکی از مشکلات را در نظر بگیریم. به عنوان مثال ، انرژی مهم‌ترین مسئله مربوط به W.S.N است. سنسور هاب‌های W.S.N توسط باتری یا نیروی خورشیدی کار می‌کنند. این سنسورها در تجهیزات ذخیره اطلاعات، نیروی پردازش و شرایط سرعت انتقال مکاتبات محدود شده اند.

5- نتیجه گیری

از هر دو روش یادگیری ماشین شبکه عصبی و SVM برای شناسایی حملات DoS استفاده می شود. این موارد تنها مثال هایی بدون برنامه ریزی مجدد هستند.آنها مبتنی بر یادگیری نظارت شده هستند. استفاده از این روش های، گره های بد می تواند طول عمر شبکه را برای صرفه جویی در نیرو طولانی کند. NN یک سیستم موازی توزیع شده است، یک برنامه خطی که می تواند این مشکل را حل کند حل نمی شود. روش آموزش SVM مبتنی بر هسته برای پیدا کردن حداقل جهانی به کار می رود. یک تحلیل اجرا بین این 2 تکنیک را می توان یافت، حملات SVM DoS را می توان با دقت 97% جستجو کرد، در حالی که N.N در صورتی که SVM دقیق تر از NN باشد ممکن است به 91% برسد. آن بیش از N.N زمان می برد، روش مبتنی بر SVM بیشتر شبیه N.N است تا جستجوی حملات DoS.

Abstract

A plurality of sensors in a wireless sensor network (W.S.N.) is a physical parameter node that allows detection sensor nodes to interact. Security is an essential issue in wireless sensor networks of many practical applications. Our goal is to launch denial of service attacks and respond to wireless sensor networks to enhance security by detecting the enemy. Different kinds of different layers in the occurrence WSN. These two types of machine learning techniques, neural network (NN), detect a Support Vector Machine (SVM), a media access control (MAC.) layer attacks. I have to compare the two methods. It has an access channel wireless sensor node, MAC. Protective layer is essential. Use scenario probability WSN. Wireless network simulator, Vanderbilt plow error simulation.

1. Introduction

A sensor is a physical article or an assortment of data about a function that happened, sending most sensors for gathering the information remotely to a preparing station. When these sensors are hugely composed of observing the physical climate, they structure a W.S.N. Remote sensor networks speak to a wide assortment of security issues that must be tended. We should consider one of a kind of difficulties. For instance, energy is the primary consideration related to W.S.N. W.S.N. Hubs sensor by a battery or sun oriented force. These are restricted in the information stockpiling asset, processing force and correspondence transfer speed terms.

5. Conclusion

Both SVM and neural network machine learning techniques are used to detect DoS attacks. These are just examples, without re-programming. They are based on supervised learning. Using these methods, malicious nodes can prolong the life of the network to save power. NN. is a distributed parallel systems; a linear program can solve the problem can not be solved. SVM training method using kernel-based to find the global minimum. An analysis of the performance between the two techniques can be found SVM DoS attacks can be detected, accuracy 97%, while the N.N. may reach 91% if SVM is more accurate than NN. It will take a longer time than N.N.; the SVM-based method is more like N.N. Rather than detecting DoS attacks.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

بهبود حمله سرویس در شبکه حسگر بی سیم بر اساس یادگیری ماشین

Service Attack Improvement in Wireless Sensor Network Based on Machine Learning

تجزیه و تحلیل الزامات امنیتی شبکه بی سیم هوشمند

Smart Grid Wireless Network Security Requirements Analysis

چکیده

1. مقدمه

2. پیش زمینه و تحقیقات مرتبط

3. نتایج

مرحله 1: توافق بر تعاریف:

مرحله 2: شناسایی ویژگی های آسیب پذیر و/یا بحرانی

مرحله 3: شناسایی اهداف و وابستگی های امنیتی

مرحله 4: شناسایی تهدیدها و توسعه محصولات

مرحله 5: ارزیابی خطر (ریسک)

مرحله 6: استخراج و طبقه بندی الزامات امنیتی

مرحله 7: اولویت بندی الزامات

مرحله 8: بازرسی الزامات

مرحله 9: بهبود مخزن

4. ارزیابی و پاسخ های پیشنهادی

5. نتیجه گیری

چکیده

شبکه های برق را با یکپارچه سازی فناوری اطلاعات و ارتباطات (ICT) ارتقاء می دهند تا آن ها را قابل اطمینان تر، اقتصادی تر، مؤثرتر و دوستدار محیط زیست سازند. ادغام شبکه های برق با ICT به منظور ایجاد شبکه های هوشمند (SGs) هزینه ها را کاهش داده و عملکرد آن ها را نیز بهبود بخشیده است. اما ازطرفی، این امر موجب تهدیدات امنیتی سایبری نیز شده است. در سیستم های ICT سنتی، دستگاه های نهایی سیستم های قدرتمندی هستند که توان محاسباتی و ظرفیت حافظه بسیار بالایی را برای انجام محاسبات پیچیده جهت اجتناب از تهدیدهای امنیت سایبری دارند، درحالی که بسیاری از دستگاه های نهایی در SG فاقد این قابلیت ها می باشند. تلفیق امنیت در مراحل اولیه توسعه SG ازطریق مهندسی الزامات امنیت سیستم ها می تواند تهدیدهای امنیت سایبری بالقوه را کاهش دهد. این مقاله نتایج اعمال فرایند مهندسی الزامات امنیتی (SREP) در شبکه بی سیم SG را ارائه می کند، و پاسخ های بالقوه مانند استفاده از سیستم جهانی برای دستگاه های الکترونیکی هوشمند مجهز به ارتباطات سیار (GSM) با پشتیبانی سیستم موقعیت یاب جهانی پیشنهاد می دهد.

I. مقدمه

موفقیت هر سیستمی وابسته به دریافت مؤثر نیاز ذینفعان در مشخصات موردنیاز می باشد [1, 2, 3]. برخی مطالعات نشان می دهند که هزینه افزودن الزامات در مراحل بعدی توسعه سیستم ممکن است 10 تا 100 برابر بیشتر باشد [4, 5]. Jones et al. [6] نشان داد که، در بیشتر پروژه های توسعه سیستم، تعمیر الزامات، طراحی و نقص کد 40% تا 50% تلاش های توسعه کل سیستم را می طلبد. علاوه برآن، بیش از 50% نقص ها درطی مهندسی الزامات سیستم ناشی می شود؛ اگر این فرایند به درستی انجام نشود، تاثیر جدی بر سیستم خواهدداشت. معایب درالزامات معمولا 25% تا 40% کل هزینه های پروژه را دربر می گیرد [7]. این امر اهمیت مشخصات موردنیاز را به عنوان یک مرحله حیاتی در چرخه زندگی توسعه سیستم ها برجسته می کند. به طور مشابه، الزامات امنیتی نیز تاثیر زیادی بر عملکرد بدون خطای هر سیستم دارند.

V. نتیجه گیری

این مقاله کاربرد سیستماتیک مرحله به مرحله روش مهندسی الزامات امنیتی سیستم ها را به منظور استخراج، طبقه بندی، و اولویت بندی الزامات سیستم برای شبکه های بی سیم SG را ارائه می دهد. ما 43 الزام امنیتی را استخراج، طبقه بندی و اولویت بندی کردیم. 21 مورد اولویت زیاد، 16 مورد اولویت متوسط و 6 مورد نیز اولویت کم داشتند. همچنین 7 آسیب پذیری مربوط به داده در ارتباطات خانه به شبکه و 10 آسیب پذیری مربوط به شبکه در ارتباطات بین شبکه ای پیداشد. در مجموع ما 13 تهیدید را پیداکردیم. 3 نوع از این تهدیدها که برای SG فعال بودن بسیار خطرناک بودند، شناسایی شد.

Abstract

Power grids are being enhanced by integrating the Information and Communication Technology (ICT) to make them more reliable, economic, efficient, and environmentally friendly. The integration of power grids with ICT to build Smart Grids (SGs) has reduced costs and improved their performances. But, on the other hand, this has also brought the cyber security threats as well. In traditional ICT systems, the end devices are the powerful systems which have high computation power and memory capacity to perform the intense computations to avoid cyber security threats, whereas most of the end devices in SG lack these capabilities. Incorporating the security in the early stages of SG development through systems security requirements engineering can reduce the potential cyber security threats. This paper presents the results of applying Security Requirements Engineering Process (SREP) on the SG wireless network, and proposes the potential solutions that can be implemented such as using Global System for Mobile Communication (GSM)-enabled Intelligent Electronic Devices (IEDs) with Global Positioning System (GPS) support.

I. INTRODUCTION

The success of any system relies on effectively capturing the stakeholders’ needs in requirements specification [1], [2], [3]. Some studies show that the cost of adding the requirements in later stages of the system development could be 10 to 200 times higher [4], [5]. Jones et al. [6] propose that, in most of the system development projects, fixing the requirements, design and code defects cost 40% to 50% of the total system development efforts. In addition, more than 50% of the defects originate during the systems requirements engineering; if not done properly it can seriously impact the system. Flaws in requirements typically cost 25% to 40% of the total project costs [7]. This highlights the importance of the requirements specifications as the vital step in the systems development lifecycle. Similarly, security requirements also have greater impact on the fault-free functioning of any system.

V. CONCLUSION

This paper presents the step-by-step systematic application of the systems security requirements engineering method to elicit, categorize and prioritize security requirements for SG wireless networks. We elicited, categorized, and prioritized 43 security requirements. We found 21 of them to be of high priority, 16 of medium priority and 6 of low priority. We found 7 data-related vulnerabilities in house-to-grid communication and 10 network-related vulnerabilities in intra-grid communications. We found a total of 13 threats. We identified 3 types of threats to be more harmful to SG when active.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تجزیه و تحلیل الزامات امنیتی شبکه بی سیم هوشمند

Smart Grid Wireless Network Security Requirements Analysis

محلی سازی توزیع شده در شبکه های حسگر بی سیم (WSN): مقایسه کمی

Distributed localization in wireless sensor networks: a quantitative comparison

چکیده

1 پیشگفتار

2 الگوریتم‌های مکانیابی

3 محیط شبیه‌سازی

4 نتایج

5 بحث

6 نتیجه‌گیری‌ها

منابع

چکیده

     این مقاله به مطالعه مساله تعیین مکان‌های گره در شبکه‌های حسگر تک کاره می‌پردازد. سه الگوریتم کانیابی توزیع شده (موقعیت‌یابی تک کاره، موقعیت‌یابی نیرومند، و مالتی لتریشن N-هاپ ) را روی یک پلت فرم شبیه‌سازی منفرد مقایسه می‌کنیم. این الگوریتم‌ها دارای ساختار سه مرحله‌ای مشترکی هستند: 1) تعیین فواصل گره-لنگر ، 2) محاسبه موقعیت‌های گره، و 3) اصلاح اختیاری موقعیت‌ها از طریق روالی تکراری. تجزیه و تحلیل دقیقی را با مقایسه گزینه‌های مختلف برای هر مرحله، و همچنین مقایسه پایاپایی را از الگوریتم‌های کامل ارائه می‌دهیم. نتیجه‌گیری اصلی این است که هیچ الگوریتم منفردی دارای بهترین عملکرد نیست؛ و الگوریتم بسته به شرایط (خطاهای دامنه، اتصال، کسر لنگر، و غیره) ترجیح داده می‌شود. با این حال، در هر صورت، فضای قابل توجهی برای بهبود دقت و/یا افزایش پوشش وجود دارد.

2- الگوریتم‌های مکانیابی
     قبل از بحث دقیق مکانیابی توزیع شده، در ابتدا به معرفی زمینه عملیات این الگوریتم‌ها می‌پردازیم. ملاحظه اول این است که الزام خود-سازماندهی برای شبکه‌های حسگر دلالت بر این دارد که هیچ کنترل خوبی در طول جایگذاری گره‌های حسگر هنگام نصب شبکه (به عنوان مثال، هنگامی که گره‌ها از یک هواپیما برداشته می‌شوند) وجود ندارد. در نتیجه، فرض می‌کنیم که گره‌ها به صورت تصادفی در طول محیط توزیع می‌شوند. برای سادگی و راحتی ارائه، محیط را به دو بُعد محدود می‌کنیم، اما همه الگوریتم‌ها دارای قابلیت عملیات در 3 بعد هستند. شکل 1، شبکه نمونه‌ای با 25 گره را نشان می‌دهد؛ زوج‌های گره‌هایی که می‌توانند مستقیما در ارتباط باشند توسط یک یال متصل می‌شوند. اتصال گره‌ها در شبکه (یعنی، میانگین تعداد همسایه‌ها)، پارامتری مهم با تاثیری قوی روی دقت اکثر الگوریتم‌های مکانیابی است (بخش‌های 4 و 5 را ببینید). این پارامتر را می‌توان در درجه اول با انتخاب تراکم گره خاصی تنظیم کرد، و در برخی موارد می‌توان آن را به صورت پویا با تطبیق قدرت انتقال رادیوی RF در هر گره تنظیم نمود.

     در برخی از سناریوهای کاربردی، گره‌ها ممکن است متحرک باشند. با این حال، در این مقاله، تمرکز ما روی شبکه‌های ایستا است که در آن‌ها گره‌ها حرکت نمی‌کنند زیرا این حالت، شرط چالش برانگیزی برای مکانیابی توزیع شده است. فرض می‌کنیم که برخی از گره‌های لنگر دارای دانش قبلی از موقعیت خود با توجه به یک سیستم مختصات جهانی هستند. توجه کنید که گره‌های لنگر دارای قابلیت‌های یکسان (پردازش، ارتباطات، مصرف انرژی و غیره) با همه گره‌های حسگر دیگری هستند که موقعیت نامعلومی دارند؛ ما رویکردهای مبتنی بر زیرساختی خارجی با گره‌های راهنمای (نقاط دسترسی) مورد استفاده در به عنوان مثال سیستم مکانیابی GPS-less [6] و سیستم مکانیابی Cricket [13] را ملاحظه نمی‌کنیم. به طور ایده‌آل، کسر گره‌های لنگر باید برای مینیمم‌سازی هزینه‌های نصب، تا حد امکان پایین باشد و نتایج شبیه‌سازی ما نشان می‌دهند که خوشبختانه، اکثر الگوریتم‌ها نسبت به تعداد لنگرهای در شبکه نسبتا حساس هستند.

      عنصر نهایی که زمینه مکانیابی توزیع شده را تعریف می‌کند قابلیت اندازه‌گیری فاصله بین گره‌های متصل شده به صورت مستقیم در شبکه است. از چشم‌انداز هزینه، استفاده از رادیوی RF برای اندازه‌گیری دامنه بین گره‌ها، به عنوان مثال، با مشاهده قدرت سیگنال، جذاب است. با این حال، تجربه نشان داده است که این رویکرد، براوردهای فاصله ضعیفی را حاصل می‌کند [14]. نتایج بسیار بهتری با اندازه‌گیری‌های زمان-پرواز به دست می‌آیند، به ویژه هنگامی که سیگنال‌های صوتی و RF ترکیب می‌شوند [12، 15]؛ دقت‌های درصد کمی از دامنه انتقال گزارش می‌شوند. نتایج شبیه‌سازی ما بینشی را در مورد تاثیر دقت اندازه‌گیری‌های فاصله روی الگوریتم‌های مکانیابی فراهم می‌سازند.

جمع آوری داده ها و امنیت در شبکه های حسگر بی سیم

On Data Gathering and Security in Wireless Sensor Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

جمع آوری داده ها و امنیت در WSN

On Data Gathering and Security in Wireless Sensor Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

امنیت در شبکه های حسگر بی سیم

Security in Wireless Sensor Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

هفتمین کنفرانس اروپایی در زمینه دفاع از شبکه های کامپیوتری – Seventh European Conference on Computer Network Defense

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

امنیت در WSN

Security in Wireless Sensor Networks

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

یک بررسی روی حملات، چالش ها و مکانیزم های امنیت در شبکه های حسگر بی سیم

A Survey On Attacks, Challenges and Security Mechanisms In Wireless Sensor Network

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

یک بررسی روی حملات، چالش ها و مکانیزم های امنیت در شبکه های حسگر بی سیم

A Survey On Attacks, Challenges and Security Mechanisms In Wireless Sensor Network

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مروری بر چارچوب‌های امنیتی در شبکه‌های حسگر بیسیم

Security Frameworks for Wireless Sensor Networks-Review

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.

مروری بر چارچوب‌های امنیتی در شبکه‌های حسگر بیسیم

Security Frameworks for Wireless Sensor Networks-Review

• برای دانلود رایگان مقاله انگلیسی با فرمت pdf بر روی عنوان انگلیسی مقاله کلیک نمایید.
• برای خرید و دانلود ترجمه فارسی آماده با فرمت ورد، روی عنوان فارسی مقاله کلیک کنید.