آینده بلاک چین برای امنیت اینترنت اشیا: یک مقاله موقعیت

A blockchain future for internet of things security: a position paper

چکیده
1. مقدمه
3. بحث و بررسی
4. زنجیره‌ی بلوکی برای IoT
5. آینده‌ای با زنجیره‌ی بلوکی؟
منابع

چکیده
دستگاه‌های اینترنت اشیا به‌طور فزاینده‌ای در زمینه‌های غیرنظامی و نظامی، از شهرهای هوشمند و شبکه‌های هوشمند گرفته تا اینترنت پزشکی اشیا ، اینترنت رسانگرها ، اینترنت نظامی اشیا ، اینترنت میدان نبرد اشیا و غیره، دیده می‌شوند. در این مقاله به بررسی و مرور مقالاتی در زمینه‌ی راه‌حل‌های امنیتی IoT پرداخته‌ایم که از ژانویه‌ی سال 2016 به زبان انگلیسی چاپ شده‌اند. از مشاهدات ما، عدم وجود مجموعه‌داده‌های IoT با دسترسی عمومی، جهت استفاده در جوامع تحقیقاتی و شغلی است. با توجه به ماهیت حساس بالقوه‌ی مجموعه‌داده‌های IoT، نیاز به تدوین و توسعه‌ی استاندارد اشتراک‌گذاری مجموعه‌داده‌های IoT میان جوامع تحقیقاتی و شغلی و سایر ذینفعان احساس می‌شود. بنابراین، ابتدا به پتانسیل فن‌آوری زنجیره‌ی بلوکی در تسهیل امنیت اشتراک‌گذاری مجموعه‌داده‌های IoT (مثلاً استفاده از زنجیره‌ی بلوکی برای اطمینان از یکپارچگی مجموعه‌‌داده‌های به اشتراک گذاشته شده) و امن کردن سیستم‌های IoT، قبل از ارائه‌ی دو روش مفهومی مبتنی بر زنجیره‌ی بلوکی پرداخته‌ایم. در انتهای این مقاله، 9 سوال تحقیقاتی بالقوه ارائه کرده‌ایم.

2. بررسی و مرور IoT موجود و روش‌های امنیتی مربوطه
2.1. روش‌های شناسایی و پیشگیری از نفوذ
طراحان بدافزار امروزی و مهاجمین سایبری خلاق و نوآور بوده و به‌طور مداوم به‌دنبال دور زدن اقدامات موجود هستند (برای مثال، تولید نسخه‌های مختلف بدافزار با استفاده از جهش ). اکثر روش‌های IDS و IPS موجود برای شناسایی تلاش‌های دسترسی غیرمجاز و حملات محروم‌سازی از سرویس توزیع‌شده طراحی شده‌اند. به‌عنوان مثال، آل‌سونبول و همکاران [11] یک سیستم دفاعی شبکه برای شناسایی و پیشگیری از تلاش‌های دسترسی غیرمجاز، با تولید پویای پروتکل جدید جهت جایگزینی پروتکل استاندارد ارائه کرده‌اند. هدف این امر، مغشوش کردن تلاش‌های پویش است. همچنین مسیر شبکه متناوباً برای جلوگیری از دسترسی غیرمجاز و پویش ترافیک تغییر می‌کند. با این حال، تعداد بسته‌های تولیدی می‌تواند بیش از حد باشد. در روش زیتا ، نرودا و وویتک [19]، از رزپری ‌پای 3 برای امن کردن بازخوان‌های سامانه‌ی بازشناسایی با امواج رادیویی فرکانس‌ فرابالایی استفاده شده که از پروتکل بازخوان سطح‌پایین استفاده می‌کنند. به‌طور خاص، دو نرم‌افزار Fail2ban و سوریکاتا به‌دلیل عملکرد و مقیاس‌پذیری بالا به‌عنوان راه‌حل انتخاب شدند. Fail2ban از معماری پیچیده پشتیبانی می‌کند؛ بنابراین، مناسب پیاده‌سازی در محیط ابری با حسگرها و سرورهای متعدد است. عملکرد سوریکاتا بهتر از اسنورت بوده و پردازش چندریسمانی مورد نیاز CPU چندهسته‌ای رزبری پای 3 را فراهم می‌کند. پارک و آن [50] شناسایی و عملکرد اسنورت و سوریکاتا را هنگام مواجهه با حملات DoS را تحلیل و مقایسه کرده و نتیجه گرفتند مصرف CPU اسنورت کمتر است. هرچند، سوریکاتای چندریسمانی عملکرد شناسایی تک‌هسته‌ای و چندهسته‌ای بهتری دارد.

در ادامه به بررسی سامانه‌های شناسایی و/یا پیشگیری از نفوذ پرداخته‌ایم. برای سادگی از IDPS جهت ارجاع به سامانه‌های شناسایی و/یا پیشگیری از نفوذ استفاده شده است.

2.1.1. طبقه‌بندی بر اساس روش‌ها
رمزنگاری یک روش رایج است که برای تامین محرمانگی و یکپارچگی داده، همانند روش‌های امنیتی چندلایه‌ای گزارش شده در [27، 32]، استفاده می‌شود. به‌طور خاص، چانگ و راماچاندران [27] یک راه‌حل امنیتی چندلایه برای محاسبات ابری پیشنهاد داده‌اند. اولین لایه‌ی امنیتی، دیوار آتش و کنترل دسترسی است که برای اطمینان از دسترسیِ تنها کابران مجاز و معتبر به سیستم‌ها و داده‌ها، طراحی شده است. وظیفه‌ی لایه‌ی دوم، مدیریت هویت و پیشگیری از نفوذ، جهت شناسایی مجدد کاربران و حذف تمامی پرونده‌های مخرب شناسایی شده، است. لایه‌ی سوم رمزنگاری همگرا است که یک خط‌مشی امنیتی از بالا به پایین را ارائه می‌دهد. برای ارزیابی روش پیشنهادی، نویسندگان آزمایش نفوذ روی 10 پتا‌بایت داده از مراکز داده انجام داده‌اند. با توجه به نتایج آزمایش، زمان مورد نیاز برای بازیابی بعد از تلاش دسترسی غیرمجاز حداقل 125 ساعت است. مککائوئی و همکاران [32] یک مدل امنیتی و حفظ حریم شخصی ابری چندلایه ارائه کرده‌اند که شامل پنج لایه است: لایه‌ی امنیت فیزیکی و محیطی ، لایه‌ی امنیتی زیرساخت ابری ، لایه‌ی امنیتی شبکه ، لایه‌ی داده و لایه‌ی کنترل دسترسی و مدیریت امتیاز .

رمزنگاری مبتنی بر ویژگی (ABE) با ورودی کمکی بهبود یافته برای امنیت داده های بزرگ

ABE with improved auxiliary input for big data security

چکیده
1 مقدمه
2 پیشینه
3 ABE با ورودی کمکی بهبودیافته
4 ساخت و ساز CP-ABE با ورودی کمکی بهبود یافته
5 ساخت KP-ABE با ورودی کمکی بهبود یافته
6 نتیجه‌گیری
منابع

چکیده
رمزنگاری مبتنی بر ویژگی (ABE) توسط اتحادیه امنیت ابری (CSA) به عنوان یکی از ابزارهای رمزگذاری  احتمالی برای کنترل دسترسی در برنامه‌های کاربردی کلان داده توصیه شده است. در ABE فایل اشتراکی می‌تواند با سیاستی مشخص تنها یک بار رمزگذاری شود و توسط هر گیرنده‌ای که ویژگی‌های آن ارضا شده باشد می‌تواند رمزگشایی شود. هنگامی که ABE در برخی از سناریوهای شبکه باز مستقر شود به طور ناگریز توسط حملات کانال‌های جانبی تحت حمله قرار می‌گیرد زیرا کلان داده‌ها از نقاط انتهایی متنوعی می‌آیند. در این مقاله ما طرح‌های CP-ABE و KP-ABE مقاوم در برابر نشت را در مدل ورودی کمکی بهبود یافته ارائه می‌دهیم که به مهاجم اجازه می‌دهد تا به پرس و جو  اطلاعات نشتی بیشتری با توجه به تصادفی بودن رمزنگاری پس از مشاهده چالش متن رمزنگاری شده  بپردازد. علاوه بر این، ما یک استخراج‌کننده قوی بهبود یافته از قضیه اصلاح شده لوین – گلدریچ  را برای اثبات امنیت ساخته‌ایم و ثابت کرده‌ایم که امنیت طرح ما متکی به ساخت و ساز ونگ  و همکاران است.

2-2 ساختار دسترسی
تعریف زیر توسط [32] ارائه شده است:
تعریف 2 (ساختار دسترسی): فرض کنید که مجموعه‌ای از ویژگی‌ها باشد. ما یک مجموعه مجاز یکنواخت بر روی شرایط را تعریف می‌کنیم که در آن است و آنگاه است. یک مجموعه یکنواخت به شکل یک ساختار دسترسی یکنواخت است که یک مجموعه غیرخالی از زیرمجموعه‌های است. اگر مجموعه‌ها در نباشند، آنگاه آنها مجموعه‌های غیرمجاز هستند.

تعریف LSS را می‌توان در [32] یافت. از بحثی که در [32] صورت گرفته است دریافتیم که هر طرح LSSS، با نام Π برای ساختار دسترسی را می‌توان برای بازسازی خطی استفاده کرد. فرض کنید که مجموعه‌ای ‌‌مجاز باشد و فرض کنید که به شکل باشد. آنگاه اگر سهم‌هایی معتبر از هر در Π باشند آنگاه ثابت‌هایی به شکل وجود دارند به طوریکه خواهد بود. این را می‌توان در زمان چندجمله‌ای یافت.

3- ABE با ورودی کمکی بهبودیافته
1-3 تعریف
یک طرح CP-ABE برای یک ساختار دسترسی یکنواخت کلی A از چهار الگوریتم PPT به صورت زیر تشکیل شده است:
1- راه‌اندازی : الگوریتم راه‌اندازی پارامتر امنیتی ƛ را به عنوان ورودی دریافت می‌کند و خروج‌های آن جفت کلید رمز/عمومی ارباب به شکل (MPK,MSK) است.
2- این الگوریتم ویژگی مجموعه S و کلید رمز ارباب MSK را به عنوان ورودی دریافت می‌کند و خروجی‌ آن یک کلید رمز SKk است.
3- رمزگذاری (M,A): الگوریتم رمزگذاری یک ساختار دسترسی یکنواخت A را می‌گیرد و پیام M به عنوان ورودی است و خروجی‌ آن یک متن رمزنگاری شده به شکل CT است.
4- رمزگشایی (CT,SK): این الگوریتم یک متن رمزنگاری شده CT را برای سیاست دسترسی A و کلید رمز SK را برای مجموعه S به عنوان ورودی می‌گیرد و خروجی آن در صورتی M است که ویژگی‌های مجموعه S، A را ارضا کنند.

طبقه بندی و بررسی حملات منع سرویس لایه کاربردی

Application-layer denial of service attacks: taxonomy and survey

چکیده
1 مقدمه
2 حملات DoS در سطح لایه کاربردی
3 رده‌بندی حملات DoS در سطح لایه کاربردی
4 نمونه‌هایی از حملات DoS در سطح لایه کاربردی
5 نتیجه‌گیری و پزوهش‌های آینده
منابع

چکیده
اخیرا افزایش حملات منع سرویس (DoS)  در سطح لایه کاربردی، توجه زیادی را از سمت جوامع پژوهشی حوزه امنیت به سمت خود جلب کرده است. از انجاییکه حملات DoS در سطح لایه کاربردی معمولا خود را در سطح شبکه نشان نمی‌دهند، مانع شناسایی شبکه لایه-محور سنتی می‌گردند. بنابراین، جوامع پژوهشی تمرکزشان را روی شناسایی حملات DoS در سطح لایه کاربردی خاص و مکانیسم‌های کاهش آن قرار می‌دهند. به هر حال، ایجاد مکانیسم‌های دفاعی کارامد و موثر در برابر چنین حملاتی، نیازمند درک کاملی از حملات کنونی DoS در سطح لایه کاربردی تحت شرایط یکپارچه است. بنابراین، در این مقاله ما این موضوع را مد نظر قرار داده و طبقه بندی حملات DoS در سطح لایه کاربردی مطرح را می‌کنیم. از طریق طراحی این طبقه بندی پیشنهادی، پژوهشگران درک بهتری از این حملات بدست اورده و مبنایی برای سازماندهی تلاش‌های پژوهشی در این حوزه خاص صورت می‌گیرد.

2- حملات DoS در سطح لایه کاربردی
با توجه به فرسودگی منابع، حملات DoS، طیف گسترده‌ای از قابلیت‌های متنوع را برای خالی‌کردن منابع در هر لایه از طرح TCP/IP سنتی ایجاد می‌کند. شکل 1، نمونه‌هایی از جملات DoS را نشان می‌دهد که به طور سنتی در سطوح مختلف طرح TCP/IP قابل مشاهده است.

از لحاظ تاریخی، حملات DoS، دائما در میان تهدیدهای اینترنتی وجود دارد. این حملات، لایه‌های شبکه و نقل و انتقالات را مورد حمله قرار می‌دهد که این لایه‌ها به دلیل سادگی و کارایی اجرای ان‌ها، غالب هستند. اما، به دنبال پیشرفت سریع زیرساخت‌های شبکه، حملات ساده، کارای‌شان کمتر شده است. اگرچه حملات سیل‌آسا به عنوان یک روش مختل‌کننده بادوامی است، اما حملات DoS به ندرت فراتر از ظرفیت کامل شبکه صورت می‌گیرند زیرا هدف، اغلب موارد قبل از تکمیل ظرفیت دچار نقض می‌گردد.

این روند باعث تقویت توسعه حملات DoS در سطح لایه کاربردی می‌گردد، که تبدیل به یکی از دسته‌بندی‌های سریع می‌گردد که نماینده بیش از 20% تمام حملات در سال 2013 بوده است (پرولکسیس، 2013). رشد وقوع حملات DoS در سطح لایه کاربردی در طول سال‌ها، در شکل 1 آورده شده است.

این دسته‌بندی جدید از حملات، مشخصا لایه کاربردی را هدف قرار داده و برنامه‌های کاربری را بدون تحت تاثیر قرار دادن منابع شبکه، تغییر می‌دهد. چندین مشخصه منحصر به فرد وجود دارد که باعث می‌شود‌ حملات DoS در سطح لایه کاربردی، نسبت به حملات DoS سنتی برجسته باشد:

مسیریابی وزن پویا و الگوریتم کد نوری بر اساس شبکه نرم افزار محور (SDN)

Dynamic weight routing and optical-code algorithm based on SDN

چکیده
1 مقدمه
2 سیستم سوئیچینگ نوری چند دانه ای بر اساس SDN
3 الگوریتم توزین دینامیکی بر اساس منابع کد نوری و درجه تطبیق بین درخواست خدمات و کانال
4 شبیه سازی و تحلیل الگوریتم
5 نتیجه
منابع

چکیده
شبکه ‌های انتقال نوری در مسیر تکامل به سمت سوئیچ چند دانه ‌ای و مدیریت نرم ‌افزار قرار دارند، ولیکن لازم است که معماری صفحه کنترل موجود با نیازهای مدیریت چند خدماتی و شبکه با هم سازگار شوند. به همین منظور، الگوریتم توزین دینامیکی بر اساس منابع کد نوری و میزان تطابق آن با درخواست خدمات و شبکه در یک سیستم سوئیچینگ نوری چند سطحی، مطرح شده است. در این روش، کنترلگر شبکه تعریف‌ شده نرم ‌افزار (SDN) اطلاعات منبع شبکه را در زمان واقعی جمع آوری می‌کند، به صورت مداوم وزن هر مسیر را تغییر می‌دهد و از آن برای محاسبه مسیر استفاده می‌کند، مسیر سازگار تری را بر اساس توازن بار فراهم کرده و وزن ‌های منطبق شبکه را به جهت تخصیص منابع، ترکیب می‌کند. نتایج شبیه ‌سازی نشان دهنده این موضوع است که سیستم سوئیچینگ چند دانه ‌ای با الگوریتم مطرح شده قادر است به طور چشمگیری تولید قطعات کد نوری را کاهش داده و بهره گیری از منابع را بهبود بخشد. در پایان مقاله الگوریتم‌ های مسیریابی کد نوری شبیه‌ سازی و اجرا شده و کارکرد آنها قیاس و تحلیل شده است. نتایج شبیه‌ سازی بیانگر این است که نرخ انسداد الگوریتم تطبیقی در شبکه NSFNET در قیاس با الگوریتم سنتی 4٪ سیر نزولی داشته و استفاده از منابع کد نوری 9٪ بهبود یافته است.

2- سیستم سوئیچینگ نوری چند دانه ای بر اساس SDN
2-1 معماری شبکه مبتنی بر SDN
SDN روش جدیدی از معماری شبکه می باشد که به دست بنیاد شبکه باز (ONF) رهبری می‌شود. معماری کلاسیک SDN به لایه برنامه، لایه کنترلی و لایه داده تقسیم بندی می ‌شود. لایه برنامه خدمات گوناگونی را به استفاده کنندگان ارائه می‌دهد. لایه کنترلی یکی از حائز اهمیت ترین بخش ‌های معماری SDN می باشد. کنترلگر توابع شبکه را با یک رابط برنامه نویسی کاربردی (API) مجازی سازی می کند[6]. لایه داده برای جمع ‌آوری، هدایت و پردازش داده‌ ها می باشد [7].

طی سال‌ های گذشته، با توجه به مطالبات اقتصادی و تسهیلات نوآوری شبکه ‌ای، به‌تدریج SDN (T-SDN) به کار گرفته شده است [8]. T-SDN رابط، پروتکل و صفحه کنترلی شبکه انتقال نوری را توسعه داده و مدیریت سخت ‌افزار شبکه نوری تغییر‌پذیرتر را میسر می‌کند. مرجع [9] معماری طبق SDN خودکار ارائه کرده‌ که قادر است معیارهای کارکرد شبکه را بصورت دینامیکی برتری سازد.

بعد از بکار بردن SDN بر روی شبکه سوئیچینگ نوری چهار لایه ‌ای، صفحه داده از صفحه کنترل جدا سازی شده [10] و احتساب مسیر و اختصاص منابع به دست کنترلگر SDN پشتیبانی می ‌شود [10]، گره بر هدایت داده متمرکز می شود که به شدت کاهش فشار بر گره را در پی دارد. کنترلگر مورد نظر، حائز اهمیت ترین قسمت از SDN است، منبع [11] ساختار ‌بندی جدیدی از مطالعات پیشگام با موضوع حل مسئله جایابی کنترلگر‌ها (CPP) در SDN را از زوایای مختلف ارائه می ‌دهد.

طراحی یک شبکه حسگر بی سیم (WSN) ایمن و طولانی مدت جهت جمع آوری داده ها

Designing A Secure and Long-Lived WSN for Data Collection

چکیده

1- مقدمه

2- تحقیقات مرتبط

3- رویکرد پیشنهادی

4- نتایج شبیه سازی

5- نتیجه گیری

منابع

چکیده

کمینه سازی انرژی یکی از وظایف مهم در WSN است که از طریق فرایند خوشه بندی انجام میشود. خوشه بندی در WSN روشی کارآمد برای افزایش طول عمر شبکه است. در کار پیشنهادی فعلی، تمرکز اصلی بر طول عمر شبکه است که برای کاهش شکستهای گره و افزایش تحویل بسته های داده ضرورت دارد. در این مقاله، ساختاربندی سلسله مراتبی با استفاده از رویکرد خوشه بندی بر مبنای فرایند کارآمد تراکم داده انجام میشود. فرایند تراکم داده در دو فاز تعریف میشود. فاز اول، آرایش گرهها در خوشه را با استفاده از توزیع یکنواخت؛ و فاز دوم، انتخاب سرخوشه و تراکم داده را با کمک برنامه ریزی خطی تعریف میکند. هدف اصلی، کمینه سازی مصرف انرژی و افزایش اعتبار و استحکام شبکه حسگر می‌ باشد. در نهایت، عملکرد شبکه بر اساس مصرف پایین انرژی، تحویل بالای بسته های داده، و ازدحام پایین در WSN ارزیابی خواهد شد.

2- تحقیقات مرتبط
2-1 طول عمر شبکه مبتنی بر خوشه بندی
در مطالعاتی که تاکنون انجام شده اند، چندین رویکرد خوشه بندی آگاه به طول عمر شبکه پیشنهاد شده اند. سلسله مراتب خوشه بندی تطبیقی کم انرژی (LEACH) یکی از رویکردهای اصلی خوشه بندی در WSN است [5]. شبکه حسگر در LEACH، برخی گرهها را به چند خوشه تقسیم میکند و سرخوشه بر مبنای یک آستانه احتمال از پیش تعیین شده انتخاب میشود. سایر گرهها به نزدیکترین سرخوشه متصل میشوند تا خوشه ها را ایجاد کنند. که این امر، ارتباط مستقیم با ایستگاه مبداء را کاهش میدهد. در این پروتکل، سریعترین تحویل، ضمانت میشود اما موجب مصرف انرژی بیشتری در انتقال داده می‌گردد. رفرنس [6] روشهای خوشه بندی جدیدی مثل خوشه بندی مبتنی بر فاصله، چگالی و انرژی (DDEC) پیشنهاد میکند. DDEC برای بهبود عملکرد شبکه استفاده میشود و در انرژی، فاصله و چگالی باقیمانده دسته بندی میگردد، و شبکه را به خوشه هایی با همان تعداد عضو تقسیم میکند تا به موازنه بار دست یابد. نویسنده در می یابد که عملکرد DDEC از نظر گره زنده و مصرف انرژی، بهتر از عملکرد DDCHS است‌. رفرنس [7] خوشه بندی داده ها در یک شبکه حسگر بی سیم را که بر روی یک شبکه عصبی نقشه ویژگی خود ساماندهنده (SOFM) پیاده سازی شده اند شرح می‌دهد. WSN یکی از شبکه های ارتباطی نویدبخش برای ارزیابی و پایش محیط است. در این نوع شبکه، ارتباط از طریق سیگنالهای رادیویی برقرار میشود. از اینرو گره حسگر از ظرفیت ذخیره سازی، حس کردن و پردازش داده ها برخوردار است.

مطالعات مختلفی در ارتباط با طول عمر شبکه بر مبنای تراکم داده انجام شده اند. رفرنس [8] مسیریابی تراکم سازگار را با هدف کاهش تاخیر برای شبکه های حسگر بی سیم چندلایه بررسی کرده است. این مطالعه دریافته است که تراکم داده روشی بسیار کارآمد بویژه در کاهش حجم داده های منتقل شده و افزایش طول عمر شبکه است. این مطالعه بطور ویژه نشان داده است که وقتی طول زمان انتظار، بزرگتر یا معادل با تراکم از پیش تعیین شده می‌باشد داده های بیشتری، اما به هزینه افزایش تاخیر، بازارسال میشوند. بنابراین هدف از شماهای AAR در مطالعه[8] ، ارسال داده ها به گرههایی با صفوف طولانی داده است به منظور تضمین اینکه صفوف طولانی از مقدار کوچکی از داده ها برخوردارند بنحوی که تراکم داده قابل اجراست و از اینرو تاخیر کاهش می یابد. همه پروتکل های تراکم ذکرشده در فوق به دستیابی به این اهداف کمک میکنند زیرا آنها با بکارگیری موثر پارامترهای مرجع در دسترس، بر مفهوم ارسال داده موفق اثر می‌ گذارند. مطالعات سابق نشان داده اند که همکاری، هماهنگی و مدیریت گرههای حسگر برای حل و فصل مساله ناکارآمدی انرژی که طول عمر شبکه را کاهش میدهد ضرورت دارند [9].

2-2 تراکم داده مبتنی بر طول عمر شبکه
مطالعات گوناگون به نتایجی درباره تراکم داده بر مبنای طول عمر شبکه دست یافته اند. یکی از این مطالعات در رفرنس [10] درباره مکانیسمهای تراکم داده در IOT، مروری نظام مند بر مطالعات پیشین انجام داده و توصیه هایی به محققان آینده ارائه نموده است. این مطالعه دریافته است که تراکم داده، یکی از موثرترین روشهای بکار رفته برای کاهش تعداد ارسال داده بین اشیاء است. این مطالعه همچنین دریافته است که ممکن است کاهش افزونگی داده در افزایش طول عمر شبکه و کاهش مصرف انرژی نقش داشته باشد. مطالعه [10] تحلیل نظام مندی از IOT در مکانیسمهای تراکم داده ارائه داده و دریافته است که سه مکانیسم اصلی وجود دارد: مکانیسم مبتنی بر خوشه بندی، مکانیسم مبتنی بر درخت، مکانیسم متمرکز. همچنین یک مقایسه مشروح از تکنیکهای برجسته نشان داده است که مکانیسم تراکم داده بکار رفته در IOT، برای بازدهی و کاهش افزونگی داده ها ضروری است. شبکه های حسگر اکنون با اصلاح نمایشهای چند رسانه ای، بعلت مشخصات ارزشمند و تنوع کاربردشان، استاندارد هستند. هنوز شبکه های حسگر حاوی گرههای بسیار کوچکی بوده و به باتریها وابسته هستند و همچنین توالی گرهها قابل توسعه نیست. بنابراین تحقیقاتی مفید با استفاده از روشهای کنترل تراکم داده بزرگ انجام میشوند که از الگوریتم بهینه سازی کلونی مورچگان و الگوریتم PSO برای انجام محاسبات نرم جهت افزایش طول عمر شبکه استفاده میکنند [11]. گرهها در شبکه های حسگر برای گردآوری اطلاعات به کمک رسانه بی سیم بکار میروند. اطلاعات تولید شده با کمک گرههای همسایه، بسیار زائد و تکراری هستند و موجب بار ترافیکی، تاخیر و ازدحام بزرگی میشوند که انرژی زیادی مصرف کرده و عمر شبکه را کاهش میدهد. بنابراین کارهای زیادی بر روی منابع داده گوناگون و روش صرفه‌جویی در انرژی با دوره نفهتگی کوچک بر اساس دریافت و ارسال داده انجام میشوند [12]. از آنجا که میزان تقاضای IOT بسیار بالاست بنابراین جمع آوری داده، رویه مهمی برای کاهش هدررفت انرژی گرههای شبکه جهت افزایش طول عمر شبکه است. بنابراین خوشه بندی داده ها و شناسایی کنشهای ناهنجار، که یک روش تراکم داده است که از رویکردهای گوناگون خوشه بندی مثل C-میانگین فازی استفاده میکند، نیز در بازار موجود است تا افزونگی‌ شبکه های حسگر بی سیم را کاهش دهد [13].

نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0: چالش ها و جهت گیری های تحقیقاتی

An imperative role of 6G communication with perspective of industry 4.0: Challenges and research directions

چکیده
مقدمه
اصول مطالعه 
بررسی اجمالی 6G و فناوری کمک کننده اخیر در گرایش به صنعت 4.0
چشم انداز 6G
خدمات ارائه شده توسط 6G
نیاز فناوری های اساسی برای 6G
فناوری های فعال برای ارتباطات 6G
توصیه ها و چالش ها
نتیجه گیری
منابع

چکیده
کشور های متحد هدفی را برای رسیدن به پایداری تا سال 2030 از نظر اجتماعی،اقتصادی و زیست محیطی تعیین کرده اند. ثابت شده است که دیجیتالی شدن یک رویکرد مهم برای رسیدن به هدف پایداری است. همراه با دیجیتالی شدن و صنعت 4.0، همچنین مطزح شد که ارتباطات 6G برای کاهش انتشار کربن، مدیریت موثر منابع طبیعی و… مفید است. بر اساس این انگیزه، این اولین مطالعه ای است که سعی در ارائه اهمیت ارتباطات 6G از دیدگاه صنعت 4.0 دارد. فناوری های بنیادی ارتباطات بی سیم 6G در لایه فیزیکی مورد تاکید قرار گرفته است،همچنین فناوری های توانمند سازی صنعت 4 برای ارتباطات 6G همراه با جزئیات مورد بحث قرار می گیرند. توصیه ها و چالش ها برای مسیرهای آینده مورد بحث قرار می گیرند. 6G برای ارتباطات مدار پایین زمین (LEO) و عملیات مرکز داده برای گره های شبکه 6G، و شبکه 6G با محاسبات هوایی، توصیه های ارائه شده در این مطالعه است. نوآوری این مطالعه این است که جنبه پایداری، چشم انداز شبکه 6G با فناوری های اساسی و صنعت 4.0 را با جزئیات یکپارچه کرده و مورد بحث قرار می دهد. توصیه‌ها و چالش‌های ارائه‌شده در این مطالعه، محققان را به انجام این مطالعه برای تحقیقات آینده در پیاده‌سازی ارتباطات 6G برای دستیابی به پایداری با صنعت 4.0 تشویق می‌کند.

اصول مطالعه
در این بخش به اصول دنبال شده در این تحقیق پرداخته ایم. مطالعه حاضر بر روی بحث در مورد چگونگی پیاده سازی ارتباطات 6G با فناوری های فعال صنعت 4.0 متمرکز است.شکل 3 نمودار PRISM مطبوعات مورد نظر در این تحقیق را نشان می دهد. بر اساس این سوال، پژوهش از استراتژی جستجو و معیارهای انتخاب، جمع آوری و استخراج داده ها و تجزیه و تحلیل داده ها پیروی کرده است. مقالات از پایگاه های تحقیقاتی مرتبط مانند Scopus، web of Science و IEEE explore به دست آمده اند. برای به دست آوردن مقالات تحقیقاتی در مورد سؤالات تحقیق، از عملگرهای منطقی بولی مانند “AND” و “OR” استفاده کرده ایم.

در این مطالعه، ما از کلمات کلیدی زیر مانند «صنعت 4.0»، «ارتباطات 6G»، «پایداری»، «اینترنت اشیا»، «محاسبات لبه»، «دیدگاه 6G»، «زنجیره بلوکی»، «داده های بزرگ» ، «هوش مصنوعی»، «هواپیمای بدون سرنشین »، «زوج دیجیتالی» استفاده کرده ایم. پس از اخذ مقاله، مرحله بعدی فیلتر کردن مقالات بر اساس مقالات زیر می باشد.

مقالاتی مانند تحقیق، مرور و مطالعه موردی که به زبان انگلیسی منتشر شده اند شامل می شوند. مقالاتی که متن کامل ندارند و مطالعاتی که آزمایش‌های انجام‌شده یا اعتبارسنجی نداشته باشند، مستثنی می‌شوند. مقالاتی که تکراری هستند و همچنین مقالاتی که داوری نشده باشند، مستثنی هستند. فصل‌های کتاب،کنفرانس‌ها و موارد دارای حق ثبت مقالاتی هستند که برای حفظ کیفیت پژوهش مستثنی شده‌اند. در مرحله نهایی، مقاله کامل با در نظر گرفتن پرسش‌های پژوهشی بوجود آمده مورد تجزیه و تحلیل قرار می‌گیرد. بر اساس مقالات به دست آمده، این مطالعه مروری بر ارتباط 6G با صنعت 4.0 را مورد بحث قرار داد.

اینترنت اشیا (IOT) زیربنایی آپ لینک سلولی از طریق اصل ارتباط D2D

IoT Underlying Cellular Uplink Through D2D Communication Principle

چکیده
1 مقدمه
2 کارهای مرتبط
3 مدل سیستم
4 بیان مسئله
5 الگوریتم محاسبه تاخیر و زمانبندی فرصت‌طلبانه
6 نتایج و بحث‌ها
7 نتیجه‌گیری
مراجع

چکیده
ارتباطات دستگاه به دستگاه (D2D) یکی از تکنیک‌های نوآورانه در شبکه‌های سلولی است که می‌تواند برای سیستم‌های ارتباطی بی‌سیم آینده، به ویژه برای اینترنت اشیاء (IoT) مورداستفاده قرار گیرد. یکی از مزیت‌های اصلی ارتباطات D2D، توانایی آن در کاهش ازدحام ترافیک سلولی است، زیرا اکثر برنامه‌های کاربردی IoT به دلیلِ ویژگی تعامل‌پذیری و سازش‌پذیری شبکه‌های سلولی، استفاده از آنها را ترجیح می‌دهند. در این مقاله، یک مدل دسترسی فرصت‌طلبانه به کانال و استراتژی کنترل توان تطبیقی جدیدی برای گروهی از جفت‌ فرستنده-گیرنده IoT  (که از این به بعد جفت‌های D2D می‌نامیم) در زیرلایه مسیرفراسوی سلولی پیشنهاد می‌کنیم. هدف ما از این مطالعه، ارزیابی امکان‌سنجی کاربرد این مدل پیشنهادی در برون‌سپاری ترافیک IoT  است. برای این هدف، ما عملکرد مدل را تحتِ تنظیمات مختلف پارامتری و لحاظ کردن محدودیت‌های عملی مانند محدودیت‌های توان کُل و حداقل بازده طیفی ارزیابی می‌کنیم. علاوه بر این، نتایج را با دو استراتژی کنترل توان ‌مبنا مقایسه می‌کنیم. یافته‌های ما نشان می‌دهند که به جای ساخت معماری شبکه جدید و اختصاصی برای کاربردهایIoT ، می‌توان ترافیک تولیدشده توسط IoT را از طریق ارتباط D2D که در زیربنای مسیر فراسوی سلولی قرار دارند، برون‌سپاری کرد. این رویکرد از اثرات مخرب ترافیک شبکه سلولی جلوگیری می‌کند، و عملکرد رضایت‌بخشی برای کاربران اینترنت اشیاء ارائه می‌دهد.

2- کارهای مرتبط
ما بررسی ادبیات پژوهشی را در سه بخش ارائه می‌کنیم تا مشارکت‌های مطالعه خود را به صورت جداگانه نشان دهیم. در بخش اول، استراتژی‌های بارسپاری داده‌ها به کمک D2D به صورت خلاصه بیان می‌شود. با توجه به سناریوی ما، که دستگاه‌های IoT به عنوان جفت D2D عمل می‌کنند و تمرکز ما نیز بر عملکرد تاخیر و نرخ‌ مجزا است، بنابراین، بررسی مطالعات قبلی ارتباطات D2D مبتنی‌بر کنترل توان و آگاه از تاخیر بسیار حائزاهمیت خواهند بود. در بخش دوم، جدیدترین تحلیل‌های عملکردی ارتباطات D2D آگاه از تاخیر ارائه می‌شود. و در نهایت، دو استراتژی کنترل توان، BPC و CIPC، که به عنوان خطوط مبنا برای ارزیابی طرح پیشنهادی ما انتخاب شدند را بررسی می‌کنیم.

الف- بارسپاری داده با کمکِ D2D
بر اساسِ توپولوژی شبکه و ساختار لینک، فنآوری‌های بارسپاری داده به چهار نوع طبقه‌بندی می‌شوند [17]: 1) بارسپاری داده از طریق شبکه‌های سلولی کوچک، 2) بارسپاری از طریق شبکه‌های وای‌فای، 3) بارسپاری از طریق شبکه‌های فرصت‌طلبانه موبایلی، و 4) بارسپاری از طریق شبکه‌های ناهمگن. بارسپاری‌ داده‌ها از طریق لینک‌های D2D را می‌توان در دسته بندی “بارسپاری فرصت‌طلبانه” قرار دارد، که در ادبیات پژوهشی به سه روش به آن پرداخته شده است: 1) بارسپاری D2D که از دستگاه‌های مجاور برای قابلیت محاسباتی خود استفاده می‌کند [18]، [19]، 2) بارسپاری D2D که از دستگاه‌های مجاور برای افزایش پوشش سلولی از طریق مخابره چندگامه در لینک‌های D2D استفاده می‌کند [20]، [21]، [22]، [23]، 3) بارسپاری D2D با دسترسی فرصت طلبانه برای کاهش ترافیک در شبکه‌های سلولی در صورت امکان [24]، [25]، [12]، [13]، [26].

مطالعه ما در راستایِ رویکرد سوم انجام می شود، با این حال، تمامی مطالعات تحتِ رویکرد سوم به نحوه‌ی بهبود عملکرد شبکه سلولی از طریق بارسپاری پرداختند، و برخی از آنها نیز بررسی کردند که چگونه می‌توان از شبکه‌های اجتماعی برای بارسپاری کارآمد استفاده کرد. مسئله اصلی این مطالعات، نحوه‌ی شروع یا برنامه‌ریزی بارسپاری ارتباط D2D با هدفِ بهبود عملکرد سلولی است. اما هدف مطالعه ما این است که بررسی کنیم آیا استفاده از شبکه‌های سلولی برای برنامه‌های‌کاربردی IoT می‌تواند بدون تأثیر منفی بر کاربران سلولی و در عین حال تحقق معیارهای برنامه کاربردی IoT قابل‌اجرا باشد؟ به جای ایجاد ساختار ارتباطی جدید برای سیستم IoT، تمرکز ما بر تحقق کیفیت سرویس جفت‌هایIoT به هنگام بارسپاری تمام ترافیک تولیدشده توسطIoT از طریق شبکه زیرساخت سلولی D2D است. از این رو، از دیدگاه عملکرد فردی QoS، هیچیک از طرح های بارسپاری D2D کنونی قابل‌مقایسه با کار ما نیستند.

سیستم تشخیص نفوذ مبتنی بر فازی در شبکه های ادهاک متحرک (MANET)

Fuzzy based intrusion detection system in MANET

چکیده
1 مقدمه
2 بررسی ادبیات پژوهشی
3 روش پیشنهادی
4 نتایج و گفتمان
5 نتیجه گیری
منابع

چکیده

توسعه ی سریع و رواج و محبوبیت شبکه ی ادهاک متحرک (MANET) مسائل امنیتی زیادی را در شبکه به همراه داشته است. سامانه ی تشخیص نفوذ، یک فناوری امنیتی مؤثر که می تواند داده های مخرب در محیط شبکه های پیچیده را به خوبی تشخیص داده و امنیت شبکه ی کامپیوتری را تضمین کند. به دلیل اینکه پیچیدگی MANET، IDSهای سامانه ی تشخیص نفوذ قدیمی در این بستر مؤثر واقع نمی شوند، روش های متعددی از جمله ماشین بردار پشتیبان (SVM) به منظور تشخیص نفوذ مورد استفاده قرار گرفته اند. اکثر فناوری های موجود تلاش می کنند تا زمان اجرای کمتر و بهره وری انرژی را به همراه داشته باشند درحالیکه به نرخ تشخیص دقیق دست پیدا می کنند. به منظور غلبه برا این ایرادات و مشکلات، یک ماشین یادگیری افراطی فازی جدید مبتنی بر تحلیل مؤلفه ی اصلی (PCA-FELM) در این مقاله مطرح شده است. در درجه ی اول، ویژگی ها با استفاده از تحلیل مؤلفه ی اصلی استخراج می شوند و پس از آن ویژگی های استخراج شده با استفاده از ماشین یادگیری افراطی فازی طبقه بندی می شوند. PCA-FELM با استفاده از شبیه ساز MAT LAB اجرا می شود. PCA-FELM پیشنهادی با روش های موجود مثل DBN-IDS، GOA-SVM، و SDAE-ELM مقایسه شده و روش پیشنهادی به دقت 99.08% بالاتر از سایر روش های موجود دست می یابد. آزمایش های صورت گرفته روی رقابت ابزارهای داده کاوی و کشف دانش، مجموعه داده های KDD Cup99 نشان می دهند که روش PCA-FELM پیشنهادی نسبت به سایر تکنیک های موجود از عملکرد خیلی بهتری برخوردار هستند. 

2- بررسی ادبیات پژوهشی
با توجه به تحرک و پویایی گره ها، گره های مخرب درون شبکه وجود دارند. به دلیل این نقاط ضعف، MANET به احتمال خیلی زیاد مورد حمله ی نهادهای مخرب قرار بگیرد. بنابراین، بسیاری از محققان تلاش کرده اند تا نفوذ در MANET را با استفاده از روش های یادگیری ماشین و یادگیری عمیق شناسایی کرده و تشخیص دهند. در میان این روش ها، تنها معدود روش هایی وجود دارند که در این بخش مورد بررسی قرار گرفته اند.

در سال 2019، وی، P.، [21]، یک استراتژی بهینه سازی همزمان جدید را برای تقویت ساختار DBN در بستر یک مشکل بهینه سازی مدل طبقه بندی تشخیص نفوذ مبتنی بر یک DBN (DBN-IDS) مطرح کرد. روش پیشنهادی وضعیت شبکه ی DBN در بازه ی لایه ی پنهان را با تعداد محدودی از لایه های پنهان بهینه سازی می کند.

در سال 2019، ای، Z.، و همکاران [22] یک ماشین بردار پشتیبان براساس روش بهینه سازی ملخ (GOA-SVM) را برای افزایش و تقویت دقت ماشین بردار پشتیبان (SVM) در اسکن آسیب پذیری پیشنهاد کردند. به منظور افزایش دقت ماشین بردار پشتیبان در تشخیص نفوذ، این مقاله GOA-SVN را معرفی کرده و از آن برای تشخیص نفوذ استفاده همی کند. مطابق با نتایج آزمایشی، این روش بهتر از روش های موجود عمل می کند.

مروری بر الگوریتم های مکان یابی بر اساس رویکرد شبکه سازی تعریف شده نرم افزاری در شبکه حسگر بی سیم (WSN)

A review of localization algorithms based on software defined networking approach in wireless sensor network

چکیده
1 مقدمه
2 پیش زمینه
3 مکان یابی
4 روش های مکان یابی در SDWSN
5 نتیجه شبیه سازی برای برخی از روش های مورد استفاده در SDWSN
6 نتیجه گیری
منابع

چکیده

مکان یابی شبکه حسگر بی سیم (WSN ) چالش مهمی است، زیرا رابطه ای قوی بین داده های تجمیعی حسی و مکان منشا داده ها وجود دارد. تکنیک شبکه های مبتنی بر نرم افزار (SDN ) از الگوریتم مکان یابی پشتیبانی می کند و تمام محدودیت ها و محدودیت های شبکه را در نظر می گیرد. با استفاده از دانش شبکه جهانی ارائه شده توسط کنترل کننده های SDN، نتایج مطالعات قبلی نشان می دهد که عملکرد شبکه می تواند به میزان قابل توجهی بهبود یابد. این مقاله الگوریتم‌های مکان یابی را که اخیراً پیشنهاد شده اند بررسی می‌کند و نتایج شبیه‌سازی را برای هر روش مورد استفاده در شبکه‌های حسگر بی‌سیم نرم‌افزاری ( SDWSN) مورد بحث قرار می‌دهد تا بهترین راه برای یافتن گره‌های مکانی با بالاترین دقت و کمترین مصرف انرژی پیدا کند. این مقاله همچنین پارادایم شبکه نرم افزاری و چالش های WSNS را ارائه می دهد که توسط SDWSN ها حل شده اند.

2 پیش زمینه
• مفهوم SDN
شبکه نرم افزاری (SDN) یک پارادایم شبکه است که برای ساده سازی مدیریت و پیکربندی شبکه طراحی شده است. این شبکه صفحه جداسازی کنترل شبکه را از دستگاه های شبکه زیرین (صفحه داده) انجام می دهد، صفحه داده با اطلاعات کم یا بدون هوش تبدیل به دستگاه ارسال می شود. این شبکه جداسازی اطلاعات متمرکز شبکه را در کنترل کننده فراهم می کند که نمای کلی از شبکه دارد [7]. ویژگی منحصر به فرد SDN این است که قابلیت برنامه ریزی را از طریق جداسازی صفحات کنترل و داده امکان پذیر می کند و مدیریت شبکه را بسیار انعطاف پذیرتر می کند [8،81].

• صفحه داده (لایه زیرساخت): شامل عناصر شبکه مانند دستگاه های فیزیکی (کلید ها، روترها، نقاط دسترسی بی سیم و غیره) است که با ترافیک شبکه قرارداد دارند، ارسال بسته را در داخل شبکه کنترل می کند، در حالی که رفتار آن توسط صفحه کنترل تعیین می شود. در اصطلاح SDN این دستگاه ها به عنوان سوئیچ های شبکه نامیده می شوند [11،85].

• صفحه کنترل: لایه ای قدرتمند در شبکه است که تصمیم کنترل کننده را در خود جای داده و مسیریابی را برای ترافیک در شبکه فراهم می کند. این لایه مسئول پیکربندی صفحه ارسال است. عملکردهای صفحه کنترل عبارتند از کشف و نگهداری توپولوژی، انتخاب مسیر بسته و مکانیسم های شکست مسیر [12، 29-34]. پروتکل های مسیریابی مختلف مانند RIP، OSPF، BGP و EIGRP توسط صفحه کنترل اجرا می شوند [35-39، 13].

• صفحه برنامه: این صفحه در بالای پشته SDN قرار دارد که شامل تمام برنامه هایی است که از خدمات ارائه شده توسط کنترل کننده برای اجرای وظایف مربوط به شبکه بهره برداری می کنند. نمونه هایی از برنامه های شبکه عبارتند از متعادل سازی بار، مسیریابی، مجازی سازی شبکه و غیره [11،14،40،41].

eHAPAC: یک مدل کنترل دسترسی با پشتیبانی از حریم خصوصی برای شبکه های حسگر بی سیم دارای IP

eHAPAC: A Privacy-Supported Access Control Model for IP-Enabled Wireless Sensor Networks

چکیده
1 مقدمه
2 آثار مرتبط
3 بیان مسئله
4 ساختار EHAPAC
5 تحلیل امنیتی
6 ارزیابی عملکرد
7 نتیجه‌گیری
منابع

چکیده
پیاده سازی فناوری IP در شبکه های حسگر بی سیم باعث توسعه بسیاری از سناریوهای هوشمند شده است.. به منظور افزایش دسترسی امن در شبکه‌های WSN مبتنی بر IP، کنترل دسترسی در گره‌های حسگر به عنوان مرحله مهمی است. به هر حال، در حال حاضر، کنترل دسترسی با دو چالش روبرو است، که عبارتند از قابلیت اجرا، و حفظ حریم خصوصی دسترسی کاربر. در این مقاله، به معرفی مدل eHAPAC می‌پردازیم، که به عنوان یک مدل حفظ حریم خصوصی کنترل دسترسی در شبکه‌های حسگر بی‌سیم (یا WSN) مبتنی بر IP است. مباحث این مقاله شامل سه بخش است. ابتدائا، این مقاله به ادغام پروتکل کنترل دسترسی هیدرا  و مدل حفظ حریم خصوصی APAC  می‌پردازد که معرف حفظ حریم خصوصی کنترل دسترسی دستگاه‌هایی با منابع محدود می‌پردازد. دوم اینکه، این مقاله به معرفی یک پروتکل هیدرا پیشرفته برای پیاده‌سازی پیوندناپذیری تبادلات پیام پروتکلی می‌پردازد. سوم، به منظور حل مسئله اعتبار شخص ثالث، این مقاله به توسعه مدل APAC مبتنی بر امضا گروهی پرداخته، و از فناوری بلاک‌چین  برای مدیریت ذخیره‌سازی و انتشار کلید عمومی امضا گروهی استفاده می‌کند. تحلیل امنیتی و ارزیابی عملکرد، اثبات می‌کند که پروتکل مورد نظر ما امن و کارامد است.

2- آثار مرتبط
در سال‌های اخیر، امنیت در شبکه WSN، توجه زیادی را به سمت خود جلب کرده است. فناوری کنترل دسترسی، به عنوان یک مکانیسم امنیتی مهم در شبکه‌های WSN، نیازمند توسعه است. اوریارت و همکاران [22]، به تحلیل بعضی از مدل‌های سنتی کنترل دسترسی و بعضی از مدل‌های جدید کنترل دسترسی که برای دستگاه‌هایی با منابع محدود (RCD) طراحی شده‌اند، پرداخته و دریافتند که مدل اول در تمام RCDها، اجرایی نیست و مدل دوم، تنها می‌تواند در دسته C2 دستگاه‌های با منابع محدود (RCD) قرار گیرد. سپس محقق، به معرفی کنترل دسترسی جدید تحت عنوان هیدرا می‌پردازد. این پروتکل بر مبنای پروتکل کنترل دسترسی لادون، به عنوان نسخه پیشرفته پروتکل تایید کربروس است. مقایسه بین پروتکل‌های هیدرا، لادون و کربروس در جدول 1 اورده شده است. پروتکل هیدرا و لادون از طریق ادغام مکانیسم تایید، باعث بهبود پروتکل کربروس می‌شود، و پروتکل هیدرا به پیاده‌سازی پیکره‌بندی سیاست پویا و وارسی دقیق بر مبنای پروتکل لادون می‌پردازد. محققان به ارزیابی پروتکل هیدرا با توجه به سه شاخص مصرف توان، حافظه و زمان پاسخ پرداخته، و نتایج حاصله به اثبات دسترس‌پذیری پروتکل روی دسته C0 دستگاه‌های با منابع محدود (RCD) می‌پردازد. به هر حال، پروتکل هیدرا، توجهی به امنیت حریم خصوصی کاربر ندارد.

طرح‌های [18]، [23]، به عنوان دو الگوی حفظ حریم خصوصی کنترل دسترسی هستند که به ترتیب باعث افزایش حریم خصوصی پروتکل کربروس و لادون که در بالا ذکر شده‌اند، می‌گردد. الگوی حریم خصوصی کاربری PrivaKERB [23] در ارتباط با پروتکل کربروس، باعث حفاظت حریم خصوصی کاربر از طریق ادغام پروتکل اصلی کربروس با مکانیسم اسم مستعار دینامیک و مکانیسم بازتولید اعطای مجوز (TGT) ، می‌گردد. مقاله [18]، به بروزرسانی الگوی PrivaKERB، بر مبنای پروتکل لادون می‌پردازد. به هر حال، نقطه ضعف اصلی این دو الگو، تکیه امنیت حریم خصوصی کاربر روی مرکز توزیع کلید (KDC) شخص ثالث است. مسیردهی هویت واقعی کاربر، و مجموعه نام‌های مستعار روی KDC ذخیره می‌شود، بنابراین KDC می‌تواند کاملا ردهای دسترسی کاربر را بدست اورد. زمانیکه KDC مورد حمله قرار گرفت و داده‌ها تراوش پیدا کرد، حریم خصوصی تمام کاربران در معرض خطر قرار خواهد گرفت. بعلاوه، هیچ یک از این دو الگو، مقاومت در برابر حملات مصرف منابع را، مد نظر قرار نمی دهد.

تکنیک امضا دیجیتال در رمزنگاری، به طور فزاینده‌ای در حفظ حریم خصوصی کنترل دسترسی، بکار گرفته می‌شود. پیش از این، ژانگ و همکاران [24] توجه شان را به سمت این حوزه پژوهشی جلب کرده‌اند. آن‌ها پروتکل DP2AC را معرفی نموده‌اند که از امضا کور در تولید نشانه‌ استفاده می‌کند تا اطمینان حاصل شود که نشانه‌های می‌توانند بصورت عمومی تایید شده، و با این وجود برای هویت کاربران پیوندناپذیر هستند. به هر حال، مشخص نیست که هر کاربر بی‌نام دارای برتری مشابهی برای دسترسی به گره‌ها باشد. هی و همکاران [25]، و هان و همکاران [26]، به طراحی الگوهای کنترل دسترسی بر مبنای امضا حلقه‌ای پرداختند تا حفظ حریم خصوصی حاصل گردد. در الگوی امضا حلقه‌ای، هیچ‌کسی نمی‌تواند مانع گمنامی امضا‌کننده اصلی در هر مورد شود [27]. ناتوانی در دنبال کردن کاربران متخلف، به عنوان یک نقص مهلک در این الگوهای امضا حلقه‌ای است. الگوی کنترل دسترسی بینام مبتنی بر CLSC که توسط لی و همکاران [28] مطرح شده است، هدفش حفاظت از هر شخص ثالث بجز خود کاربر و کنترل‌گر، برای شناخت هویت کاربر است. این الگو، از مکانیسم امضا مبتنی بر هویت استفاده می‌کند، که برای افشا هویت کاربر، الگوی ساده‌ای است. هی و همکاران [17]، یک امضای گروهی را بر مبنای الگوی حفظ حریم خصوصی کنترل دسترسی مطرح کردند. این الگو، هویت کاربر و کلید باز خصوصی ( که برای باز کردن امضا گروه به منظور افشای هویت امضا‌کننده مورد استفاده قرار می‌گیرد) را به دو بخش تقسیم می‌کند، که به ترتیب توسط مراجع قانونی و مالکان شبکه WSN ذخیره می‌شود. اما این الگو ممکن است باعث دو مشکل گردد: از یک طرف اگرچه مراجع قانونی نمی‌توانند هویت واقعی کاربر را در تطبیق با تاییدیه امضا‌کننده قرار دهند، این الگو نمی تواند به سادگی باعث ارتباط پیام‌های درخواستی کاربر مشابه گردد؛ از طرف دیگر، به منظور جلوگیری از نفوذ کلید، فرایند پاسخگویی نمی‌تواند فراتر از سطح مورد انتظار باشد و بدین‌ترتیب به سادگی منجر به اختلافات می‌گردد. الگوهای [17]، [24]، [25] که پیش از این ذکر شد، از محدودیت‌های جدی دچار آسیب می‌گردند که نمی‌توانند قابلیت اجرا را در دستگاه‌های محدود مد نظر قرار دهند. به عنوان نمونه، الگوهای [17]، [25]، به ذخیره‌سازی فهرست کنترل دسترسی روی گره‌های حسگر پرداخته و به انجام تایید امضا و تنفیذ به صورت محلی در گره‌های حسگر می‌پردازند، که برای دستگاه‌های C0 با محدودیت شدید منابع، این امر غیرمحتمل است.