آنالیز نفوذ اجتماعی: مدل ها ، روش ها و ارزیابی

Social Influence Analysis: Models, Methods, and Evaluation

چکیده

1. مقدمه

2. مدل‌های تحلیل نفوذ اجتماعی

2-1. مدل‌های میکروسکوپی

2-2. مدل‌های ماکروسکوپی

3. روش‌های تحلیل نفوذ اجتماعی

3-1. به حداکثر رساندن نفوذ

3-2. به حداقل رساندن نفوذ

3-3. جریان نفوذ

3-4. نفوذ فردی

4. ارزیابی نفوذ اجتماعی

4-1. معیارهای ارزیابی نفوذ

4-2. مدل ارزیابی نفوذ اجتماعی

5. نتیجه‌گیری و کار آتی

چکیده

تحلیل نفوذ اجتماعی (SIA) حوزه تحقیقاتی گسترده‌ای است که علاقه‌مندان زیادی را به تحقیق در بسیاری از حوزه‌ها جذب کرده است. در این مقاله، بررسی نمایش و وظیفه موقعیت- استعداد در مدل ها و روش‌ها ارائه داده را از منظر تحلیل نفوذ اجتماعی ارزیابی می‌کنیم. مدل‌های تحلیل نفوذ اجتماعی را به دو نوع تقسیم می‌کنیم: مدل‌های میکروسکوپی و ماکروسکوپی. مدل‌های میکروسکوپی، تعاملات انسانی و ساختار فرایند نفوذ را در نظر می‌گیرند در حالی که مدل‌های ماکروسکوپی، احتمال انتقال یکسان و قدرت نفوذ مشابه را برای کلیه کاربران در نظر می‌گیرند. روش های نفوذ اجتماعی از جمله حداکثر سازی نفوذ، جریان نفوذ و نفوذ فردی را تحلیل می کنیم. در ارزیابی اجتماعی، معیارهای ارزیابی نفوذ معرفی شده و سپس مدل های ارزشیابی نفوذ اجتماعی مورد تحلیل قرار می‌گیرند. اهداف این مقاله ارائه تحلیل جامع، کمک به درک رفتارهای اجتماعی، ارائه مبنای نظری برای تأثیرگذاری بر افکار عمومی، ارائه راهبردهای آتی و برنامه‌های کاربردی بالقوه است.

1- مقدمه

شبکه‌های اجتماعی آنلاین از قبیل Weibo، تویتر و فیس‌بوک، سیستم عامل‌های ارزشمندی را برای انتشار اطلاعات در میان کاربران‌شان فراهم می‌کنند. در طول این فرایند، نفوذ اجتماعی زمانی رخ می‌دهد که نظرات، احساسات یا رفتارهای فرد تحت تأثیر دیگران قرار گیرد [1]. بنابراین، تغییرات در نگرش‌ها، افکار، احساسات و رفتارهای فرد در نتیجه تعامل با سایر افراد یا گروه‌ها رخ می‌دهد. تحلیل نفوذ اجتماعی (SIA) به حوزه تحقیقات مهمی در شبکه‌های اجتماعی تبدیل شده است. تحلیل نفوذ اجتماعی به طور عمده چگونگی مدل‌سازی فرایند نفوذ در شبکه‌ها و نحوه ارائه روش کارا برای شناسایی گروهی از گره‌های هدف در شبکه را بررسی می‌کند [2]. 

5- نتیجه‌گیری و کار آتی

در این مقاله، تحقیقات پیشرفته درباره تحلیل نفوذ اجتماعی از جنبه‌های مدل‌ها، روش‌ها و ارزیابی نفوذ را بررسی کردیم. همچنین نقاط قوت و ضعف مدل‌ها و روش‌های فعلی را تحلیل کردیم. در طول مطالعه، مسیرهای تحقیق آتی و برنامه‌های کاربردی بالقوه را ارائه دادیم.

در مدل‌های نفوذ اجتماعی، دو نوع مدل را تشخیص دادیم: مدل‌های میکروسکوپی و ماکروسکوپی. مدل‌های میکروسکوپی، تعاملات انسانی و ساختار فرایند نفوذ را در نظر می‌گیرند. مدل‌های ماکروسکوپی، احتمال انتقال یکسان و قدرت نفوذ مشابه را برای کلیه کاربران در نظر می‌گیرند. در آینده، مدل‌های ماکروسکوپی باید بر چگونگی رفتار انسان‌ها و مکانیسم‌های مختلف در هنگام انتشار اطلاعات تمرکز کنند. اگرچه بسیاری از محققان تلاش‌های قابل توجهی را برای بهبود مدل‌های کلاسیک و ارائه مدل‌های جدید از دیدگاه‌های مختلف انجام داده‌اند- مانند افزودن محدودیت به مدل و گسترش نفوذ رقابتی- هنوز هم باید بهبود یابد.

Abstract

Social influence analysis (SIA) is a vast research field that has attracted research interest in many areas. In this paper, we present a survey of representative and state-of-the-art work in models, methods, and evaluation aspects related to SIA. We divide SIA models into two types: microscopic and macroscopic models. Microscopic models consider human interactions and the structure of the influence process, whereas macroscopic models consider the same transmission probability and identical influential power for all users. We analyze social influence methods including influence maximization, influence minimization, flow of influence, and individual influence. In social influence evaluation, influence evaluation metrics are introduced and social influence evaluation models are then analyzed. The objectives of this paper are to provide a comprehensive analysis, aid in understanding social behaviors, provide a theoretical basis for influencing public opinion, and unveil future research directions and potential applications.

1- Introduction

Online social networks such as Weibo, Twitter, and Facebook provide valuable platforms for information diffusion among their users. During this process, social influence occurs when a person’s opinions, emotions, or behaviors are affected by other people [1]. Thus, changes occur in an individual’s attitudes, thoughts, feelings, or behaviors as a result of interaction with other people or groups. Social influence analysis (SIA) is becoming an important research field in social networks. SIA mainly studies how to model the influence diffusion process in networks, and how to propose an efficient method to identify a group of target nodes in a network [2].

5- Conclusions and future work

In this paper, we survey state-of-the-art research on SIA from the aspects of influence models, methods, and evaluation. We also analyze the strengths and weaknesses of current models and methods. Throughout our study, we unveil future research directions and potential applications.

In social influence models, we distinguish two types of models: microscopic and macroscopic models. Microscopic models consider human interactions and the structure of the influence process. Macroscopic models consider the same transmission probability and identical influential power for all users. In future, macroscopic models should focus on how to consider human behaviors and different mechanisms during information diffusion. Although many researchers have put considerable effort to improving the classical models and proposing new models from different perspectives—such as by adding constraints into models and incorporating competitive influence diffusion—there is still room for improvement.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

آنالیز نفوذ اجتماعی: مدل ها ، روش ها و ارزیابی

Social Influence Analysis: Models, Methods, and Evaluation

چالش های آینده برای شهرهای هوشمند: امنیت سایبری و قضایی دیجیتالی

Future challenges for smart cities: Cyber-security and digital forensics

چکیده

مقدمه

موجودیت های شهر هوشمند

شبکه های هوشمند

امنیت سیستم های اتوماسیون ساختمان (BAS)

امنیت وسایل نقلیه هوایی بدون سرنشین (UAVs)

خودروهای هوشمند

حسگرهای IoT

فضای ابری

چالش ها و ارزش های تحقیقات قضایی دیجیتالی برای شهرهای هوشمند

دستگاه های سیار هوشمند

شبکه پویا (دینامیک) بدون زیرساخت

فرمت های داده و لاگ ها

تحقیقات قضایی در فضای ابری

نمونه مطالعاتی: راننده بی ملاحظه در یک شهر هوشمند

نتیجه گیری

منابع

چکیده

شهرهای هوشمند دربرگیرنده اجزای مختلف و متصل به یکدیگر هستند که به طور ثابت داده ها را مبادله می کنند و زندگی بهتری را برای مردم یک کشور تسهیل می کنند. دیدگاه ما درباره یک شهر هوشمند معمولی شامل چهار مولفه کلیدی شبکه های هوشمند ، سیستم های اوتوماسیون ساختمان ها (BAS)، وسایل نقلیه هوایی بدون سرنشین (UAV) و خودروهای هوشمند است که با استفاده از توانمندی حسگرهای اینترنت اشیا (IoT) و پلتفورم ابری توانمندتر می شوند (Khatoun and Zeadally, 2016). تهدیدات دفاعی و سوء استفاده های جنایی در یک شهر هوشمند به طور فزاینده ناهمگون و قابل توجه هستند به طوری که تامین امنیت انعطاف پذیر و پایدار را به کاری دشوار تبدیل کرده اند. هنگامی که یک رخداد سایبری که دربرگیرنده مولفه های حیاتی زیرساخت شهر هوشمند است رخ می دهد، معیارهای های مناسبی برای شناسایی و بررسی شواهد واقعی به منظور تسهیل فرآیند بررسی قضایی در نظر گرفته می شود. آمادگی قضایی و درس هایی که قبلا از تجزیه و تحلیل قضایی در گذشته آموخته شده است می تواند به حفاظت شهر هوشمند در مقابل رخدادهای آتی کمک کند. این برنامه دیدگاه جامعی را نسبت به چشم انداز امنیتی یک شهر هوشمند ارائه می کند، تهدیدهای امنیتی را شناسایی می کند و دیدگاه عمیقی را نسبت به بررسی دیجیتالی در زمینه شهر هوشمند فراهم می کند.

نتیجه گیری

چالش های مرتبط با دستیابی و ذخیره سازی داده های شهر هوشمند از اجزای منحصر به فرد آن یعنی شبکه های هوشمند، سیستم های اتوماسیون ساختمان، وسایل نقلیه هوایی بدون سرنشین و خودروهای هوشمند نشات می گیرند؛ البته حسگرهای IoT و پلتفورم ابری که نقش توانمند کننده دارند همچنان نیازمند بررسی بیشتری هستند. در این مقاله دیدگاه جامعی را در ارتباط با چشم انداز تهدیدات شهر هوشمند برای چهار جزء آن و عمچنین فناوری ها/ پلتفورم های توانمندکننده ارائه داده ایم. ارزیابی کاملی از نوع و منبع داده های حاصل از اجزای شهر هوشمند به منظور ذخیره سازی امن در فضای ابری به طور دقیق توصیف شده است. چکیده ای از یافته ها در جدول 2 ارائه شده است. براساس این یافته ها، پرسش هایی در ارتباط با تحقیقات قضایی براساس داده های شهر هوشمند مطرح می شود که شامل موارد ذیل است: • آیا فایل های لاگ و دامپ های حافظه به منظور بازیابی از دستگاه های منحصر به فرد در دسترس قرار دارد؟ • آیا داده های ذخیر شده در ابرهای تجاری قابل دسترسی و/یا بازیابی هستند؟

Abstract

Smart cities are comprised of diverse and interconnected components constantly exchanging data and facilitating improved living for a nation’s population. Our view of a typical smart city consists of four key components, namely, Smart Grids, Building Automation Systems (BAS), Unmanned Aerial Vehicles (UAVs), Smart Vehicles; with enabling Internet of Things (IoT) sensors and the Cloud platform. The adversarial threats and criminal misuses in a smart city are increasingly heterogenous and significant, with provisioning of resilient and end-to-end security being a daunting task. When a cyber incident involving critical components of the smart city infrastructure occurs, appropriate measures can be taken to identify and enumerate concrete evidence to facilitate the forensic investigation process. Forensic preparedness and lessons learned from past forensic analysis can help protect the smart city against future incidents. This paper presents a holistic view of the security landscape of a smart city, identifying security threats and providing deep insight into digital investigation in the context of the smart city.

Conclusion

Challenges associated with acquisition and storage of smart city data emerging from its individual components i.e., Smart grids, Building Automation Systems, Unmanned Aerial Vehicles and Smart Vehicles; and enabling IoT Sensors, Cloud platform, remain largely unaddressed. Through this article we have provided a thorough insight into the smart city threat landscape for each of its four components and as well as for the enabling technologies/ platforms. A detailed assessment of the type and source of data originating from the smart city components, for secure storage in the Cloud was also elaborated upon. A summary of our findings are presented in Table 2. Based on our findings, some of the questions that could be posed for forensic investigation on smart city data include: Are log files or memory dumps available for recovery from individual devices? Can the data stored on commercial Cloud providers be accessed and/or recovered?

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

چالش های آینده برای شهرهای هوشمند: امنیت سایبری و قضایی دیجیتالی

Future challenges for smart cities: Cyber-security and digital forensics

تدارکات برای سیستم های خدمات فوریت های پزشکی

Logistics for Emergency Medical Service systems

چکیده

مقدمه

مرور کوتاهی بر سیستم های EMS

سیستم EMS در بریتانیا

سیستم آلمانی

سیستم هلندی

سیستم EMS نوعی

اهداف سازمانی

ارزیابی عملکرد سیستم EMS

تعاریف کیفیت

تخمین عملکرد

سطوح برنامه ریزی و طراحی

برنامه ریزی و طراحی سیستم EMS

مشکلات برنامه ریزی

پیش بینی

پیش بینی تقاضا

حجم کار و پیش بینی مدت زمان سرویس دهی

استراتژی ها

استراتژی های مدیریت تماس

استراتژی های اعزام

استراتژی های مکان یابی مجدد

برنامه ریزی نیروی کار

خدمه آمبولانس

مرکز اعزام

برنامه ریزی آمبولانس

سطح راهبردی و فنی

سطح عملیاتی

خدمات دیگر

انتقال بیماران

جدول خلاصه

نتیجه گیری ها و پیشنهادات برای تحقیق آتی

منابع

چکیده

سیستم های خدمات فوریت پزشکی  (EMS) در سرتاسر جهان سیستم های پیچیده ای هستند و از نظر تنوع ارائه دهندگان خدمات، مسیرهای مراقبت، ترکیب بیماران و نشانگرهای کیفیت مراقبت متفاوت هستند. بنابراین تحلیل و بهبود این شاخص چالش برانگیز است. از آنجایی که سیستم های EMS در بین کشورها متفاوت است، ارائه قوانین و روش های عمومی برای برنامه ریزی و طراحی سیستم EMS دشوار است. با این حال، هدف مشترک تمامی ارائه دهندگان سرویس های فورت پزشکی ارائه کمک های درمانی سریع به بیمارانی است که دچار صدمات یا بیماری های جدی شده اند. این مقاله مرور کلی بر مشکلات تدارکات ایجاد شه برای ارائه دهندگان سیستم EMS ارائه می کند و نحوه ارتباط این مشکلات و مسائل با یکدیگر را نشان می دهد. برای هر مساله برنامه ریزی منحصر به فرد، توصیف و مرور کلی بر ادبیات روش های راهکار در نظر گرفته ارائه می شود. همچنین یک جدول خلاصه مقالات را مطابق با مشکلات بررسی شده دسته بندی کرده و آن را به طبقه بندی پیشنهاد مرتبط می کند.

مقدمه

کمک به بیماران و نجارت آن ها در یک مورد اظطراری (اورژانسی) خدمت بسیار مهم و فوری در هر کشوری در جهان محسوب می شود. از آنجایی که زمان های پاسخگویی و واکنش آمبولانس ها می تواند عامل حیاتی در نجات جان بیماران باشد، لذا انتظار می رود که آمبولانس ها در سریع ترین زمان ممکن در صحنه حوادث وارد شوند و این پرسش های مهم را ایحاد می کند که آمبولانس ها در چه محل هایی می بایست مکان یابی شوند و چه تعداد آمبولانس می بایست به کار گرفته شود. با توجه به این که سیستم های خدمات فوریت پزشکی (EMS) در بین کشورهای مختلف متفاوت است، ممکن است پاسخ های متفاواتی به این پرسش ها وجود داشته باشد. ادبیات مربوط به تحقیق در عملیات  (OR) مدل ها و روش های مختلف بسیاری را برای بررسی مساله مکان یابی آمبولانس پیشنهاد می دهد. با توجه به این که بیشتر سیستم های EMS در دو دسته اصلی یعنی Anglo-American و Franco-German  (Dick, 2003) طبقه بندی می شوند، این روش ها می بایست در کشورهای بیشتری نسبت به کشورهای توسعه یافته اولیه به کار گرفته شوند. 

نتیجه گیری ها و پیشنهادات برای تحقیق آتی

در این مقاله مسائل متعدد تدارکاتی ناشی از ارائه دهندگان سیستم EMS مورد بررسی قرار گرفته است. اگرچه تقاضا، مدت زمان پاسخگویی و حجم کار اغلب به صورت مجزا در مقالات در نظر گرفته می شوند، اما ارتباط درونی بین هر یک از این مولفه ها نمایان شده است. در نتیجه حل تنها یک مسله در یک زمان شاید بهترین گزینه نباشد. بنابراین، مقالات را مطرح نمودیم که این مسائل را به طور همزمان مورد بررسی قرار داده اند. برنامه ریزی سلسله مراتبی همراه با حلقه های بازخورد سودمند است، با این که برنامه ریزی همزمان ترجیح داده می شود. تا همین اواخر مقالات تمرکز زیادی بر یک ارائه دهنده خاص سیستم EMS داشتند اما طی یک دهه گذشته افزایش قابل توجهی در ظهور مدل های عمومی ایجاد شده است. در برخورد ما سیستم معمولی EMS، ما امیدوار هستیم که این مرور کوتاه از تحقیق بیشتر در زمینه ماهیت عمومی حمایت کند و در نتیجه تکرار در کارهای تحقیقاتی را به حداقل برساند.

Abstract

Emergency Medical Service (EMS) systems worldwide are complex systems, characterised by significant variation in service providers, care pathways, patient case-mix and quality care indicators. Analysing and improving them is therefore challenging. Since EMS systems differ between countries, it is difficult to provide generic rules and approaches for EMS planning. Nevertheless, the common goal for all service providers is to offer medical assistance to patients with serious injuries or illnesses as quickly as possible. This paper presents an overview of logistical problems arising for EMS providers, demonstrating how some of these problems are related and intertwined. For each individual planning problem, a description as well as a concise literature overview of solution approaches considered is given. A summary table classifies the literature according to the problems addressed and connects it to the proposed taxonomy.

Introduction

Helping and rescuing patients in case of an emergency is an important and urgent service in every country in the world. Since ambulance response times can be a crucial factor in patient survival, ambulances are expected to arrive at the scene of reported incidents as quickly as possible, raising important questions of where ambulances should be located and how many should be deployed. As Emergency Medical Service (EMS) systems differ between countries, there might be different answers to these questions. Operational Research (OR) literature offers many different models and approaches to tackle the ambulance location problem. As most EMS systems can be grouped into one of two main systems, the Anglo-American and the Franco-German system (Dick, 2003), the approaches should be applicable to more countries than they were initially developed for, but maybe not to all.

Conclusions and recommendations for further research

In this paper, we have overviewed several logistical problems arising for EMS providers. Although demand, response time and workload are often considered separately in the literature, we have highlighted the high degree of interconnection between each of these components. Consequently solving only one problem at a time might not be the best option. Thus, we have advocated papers that have addressed these issues simultaneously. At the very least, hierarchical planning with feedback loops is advantageous although simultaneous planning is preferable. Until recently, most papers have additionally focussed on one particular EMS provider but over the last decade there has been an increase in the emergence of generic models, acclaimed as straightforward to adapt to country specifics. In detailing a “typical” EMS system, we hope that our review will support further research of a generic nature and hence minimise any repetition of research works.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تدارکات برای سیستم های خدمات فوریت های پزشکی

Logistics for Emergency Medical Service systems

اینترنت اشیا (IoT): مروری بر تحقیقات مبنی برخدمات هوشمند زمینه آگاه

Internet of Things: A Review of Surveys Based on Context Aware Intelligent Services

چکیده
1- مقدمه
2- پیش زمینه پژوهش های IoT
2-1 پژوهش های IoT با هدف عمومی
2-2 پژوهش های داده محور
2-3 پژوهش های صورت گرفته در مورد یکپارچگی محاسبات ابری و IoT
2-4 پژوهش های صورت گرفته در زمینه داده کاوی
2-5 پژوهش در مورد کاربردهای بالقوه IoT
2-6 مسائل پژوهش شده در IoT
3- IoT زمینه آگاه
3-1 IoT زمینه آگاه در مقابل IoT اجتماعی
3-2 یافته ها و تحلیل IoT زمینه آگاه
4- خدمات IoT
4-1 معماری خدمات محور (SOA) IoT
4-2 مدل های خدمات رسانی به داده های بزرگ تولید شده توسط IoT
4-3 داده به عنوان خدمات
4-4 مدل های خدمات رسانی داده کاوی با داده های بزرگ
4-5 یافته ها و تحلیل خدمات IoT
5-نتیجه گیری

چکیده

اینترنت اشیا (IoT) ابزارهای سراسر دنیا را قادر کرده است اطلاعات را کسب و ذخیره کنند تا بعدها از آن استفاده نمیاند. با این حال، این فرصت بالقوه، اغلب مورد استفاده قرار نمی گیرد زیرا وقفه زیادی میان جمع اوری داده ها و ظرفیت پردازش و تحلیل آنها وجود دارد. در این پژوهش، تکنولوژی های فعلی، رویکردها، و مدل های IoT را بررسی می کنیم تا چالش هایی را که در راه استفاده بهتر از این مفهوم وجود دارد شناسایی کنیم. هدف اصلی این پژوهش این است که پژوهش های صورت گرفته در مورد IoT را بررسی کند تا خدمات هوشمند زمینه اگاه و یکپارچه ای برای IoT فراهم آورد. علاوه بر این، یک جایگاه IoT، که از دیدگاه زمینه آگاه برگرفته شده است معرفی می کنیم. این جایگاه سبب می شود IoT و شبکه های اجتماعی در بافت اینترنت اجتماعی اشیا (SoT) با یدیگر ترکیب شوند.

1- مقدمه

تردیدی نیست که تکنولوژی در دهه اخیر به سرعت رشد کرده است. این روزها، طیف وسیعی از ابزارها، از جمله ابزارهای هوشمند حسی، و انواع ابزارهایی که قابلیت پوشیده شدن دارند، به اینترنت وصل می شوند و اپلیکیشن ها و راه حل¬های زیادی را اجرا می کنند. از یک سو، هزینه تکنولوژی به شدت کاهش یافته است و تقریبا برای هرکسی، استفاده از داده ها ممکن گشته است. از سوی دیگر، در هر مکانی نیاز داریم که به اینترنت، که اطلاعات را در زمان واقعی جا به جا می کند، متصول شویم. علاوه بر این، برخی محیط ها، مانند رسانه های اجتماعی که اطلاعات در آنها در “ابر” وجود دارد، همیشه در حالت آنلاین قرار دارند. از این رو، واژه ها و اصطلاحات جدید مانند داده های بزرگ (1،2)، محاسبات ابری (3) یا اینترنت اشیا (6-4) به وجود آمده است.
با پیشرفت هایی که اخیرا در شناسایی فرکانس-رادیویی (RFID، ابزارهای حسی ارزان قیمت، و تکنولوژی های وب ایجاد شده است، رویکرد IoT در متصل کردن اشیا روزمره به اینترنت و تسهیل ارتباط ماشین با انسان، و ماشین با ماشین، در دنیای فیزیکی، موفقیت زیادی کسب کرده است.
بر اساس گزارش پژوهش گارتنر در مورد IoT، میلیاردها ابزار متصل به اینترنت در سال 2015 وجود داشته است و این رقم در طی چند سال آینده به 25 میلیارد ابزار خواهد رسید (7). همچنین، اینکه داده ها به این سرعت تولید شده و اطلاعات زیادی را خلق می کنند (مانند شهرهای هوشمند (8)، هوش کسب و کار (9)، IoT (10) ) و در نهایت، داده های بزرگی را فراهم میاورند، تحسین برانگیز است (11، 12).

5- نتیجه گیری

تاکنون پژوهش های بسیار زیادی در مورد IoT صورت گرفته است و اغلب آنها، بیشتر در مورد مسائل کلی که اهمیت زیادی دارند صحبت کرده اند. علاوه بر این، این پژوهش ها به طور ویژه تکنیک های پردازش و مدیریت داده، که نقش انکارناپذیری در درک صحیح IoT دارند، در بر نمی گیرند. ما در این پژوهش، مقالات مختلف در مورد IoT را بررسی کرده ایم. حجم زیاد پژوهش های انجام شده سبب می شود که به راحتی تصویری کلی از جایگاه IoT بدست اوریم، اما دشوار است که بخش های خوش آتیه تر IoT، که برای تصمیم گیری در مورد IoT اهمیت خاصی دارند، کشف کنیم. ما در این پژوهش تکنولوژی ها، رویکردها و مدل های فعلی IoT را بررسی می کنیم تا فرصت و چالش هایی که بر سر راه درک داده ها وجود دارند شناسایی کنیم.

Abstract

The Internet of Things (IoT) has made it possible for devices around the world to acquire information and store it, in order to be able to use it at a later stage. However, this potential opportunity is often not exploited because of the excessively big interval between the data collection and the capability to process and analyse it. In this paper, we review the current IoT technologies, approaches and models in order to discover what challenges need to be met to make more sense of data. The main goal of this paper is to review the surveys related to IoT in order to provide well integrated and context aware intelligent services for IoT. Moreover, we present a state-of-the-art of IoT from the context aware perspective that allows the integration of IoT and social networks in the emerging Social Internet of Things (SIoT) term.

1- Introduction

There are no doubts about how rapidly technology has grown in the last decade. Nowadays, a wide variety of devices, including sensor-enabled smart devices, and all types of wearables, connect to the Internet and power newly connected applications and solutions. On the one hand, the cost of technology has sharply decreased, making it possible for everybody to engage in sensing data. On the other hand, in every area we need to access the Internet, which delivers an amount of real time information. Furthermore, some of the environments are just online, like social media, where all the information is in the Cloud. As a result, new words as well as new expressions have appeared such as Big Data [1,2], Cloud Computing [3] or Internet of Things (IoT) [4–6], among others.
With the recent advances in radio-frequency identification (RFID), low-cost wireless sensor devices, and Web technologies, the IoT approach has gained momentum in connecting everyday objects to the Internet and facilitating machine-to-human and machine-to-machine communication with the physical world. According to the Gartner Research report on the IoT, billions of connected things are already in use in 2015 and that number will reach 25 billion in just a few short years [7]. In addition, we can appreciate how easily the data can be generated currently to create a huge amount of information (e.g., Smart Cities [8], Business Intelligence [9], IoT [10]), generating big data [11,12].

5- Conclusions

There are a considerable number of reviews about IoT and so far most of them have been conducted focusing on high level general issues. Furthermore, these articles do not specifically cover techniques on data processing and management, which is fundamentally critical to fully embrace IoT. In this paper, we have presented a systematic review of the diverse surveys of IoT. The huge volume of surveys that appear in the literature makes it easy to obtain a general picture of the current state of the art on the IoT but it is more difficult to discover the more promising parts of IoT, which is the key to succeeding when making a decision on IoT.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اینترنت اشیا (IoT): مروری بر تحقیقات مبنی برخدمات هوشمند زمینه آگاه

Internet of Things: A Review of Surveys Based on Context Aware Intelligent Services

بررسی تکنیک های تشخیص نفوذ درمحیط ابری

A survey of intrusion detection techniques in Cloud

چکیده
رایانش ابری خدمات مورد تقاضای مقیاس پذیر و مجازی را برای کاربران نهایی با انعطاف پذیری بیشتر و سرمایه گذاری زیرساختی کمتر فراهم می کند. این خدمات با استفاده از اینترنتی که از پروتکل های شبکه ای شناخته ش ده، استاندارد ها و قالب بندی هایی با نظارت مدیریت های مختلف است. اشکالات و آسیب پذیری -های موجود در تکنولوژی های پایه و پروتکل های برجا مانده سبب بازگشایی دروازه هایی برای اختلال می شود. این مقاله پیمایشی را بر تداخل های مختلف که بر دسترسی، محرمیت و انسجام منابع و خدمات ابری اثر گذار است انجام می دهد. پیشنهادات سیستم های شناسایی تداخل های مشترک (IDS) را در محیط ابری آزمون می کند و انواع و فنون مختلف IDS و سیستم های ممانعت از تداخل ها (IPS) را مورد بحث قرار می-دهد و بر توزیع IDS/IPS در ساختار ابری توصیه هایی برای دستیابی به امنیت مطلوب در شبکه های نسل بعدی دارد..
1- مقدمه

رایانش ابری با هدف تامین راحتی، تقاضا براساس نیاز، دسترسی به شبکه برای اشتراک منابع محاسباتی قابل پیکر بندی (مانند شبکه ها، سرورها، حافظه ها، برنامه های کاربردی کامیپوتری (اپلیکیشن ها) و خدمات) فراهم شده است، که می تواند به سرعت بازبینی شود و از حداقل فعالیت مدیریتی یا کنش های تامین کننده خدمات به دور باشد. محیط ابری خدمات را به شکل های مختلف ارائه می دهد: نرم افزار به عنوان یک سرویس SaaS (مثل Google Apps، اپلیکیشن های گوگل)، پلتفرم به عنوان یک سرویس PaaS (مثل موتور جستجوی اپلیکیشن گوگل Google App Engine)، Microsoft’s Azure و زیرساخت به عنوان یک سرویس IaaS (Service-Iaas) مثل خدمات وبسایتی آمازون (AWS، اوکالیپتوس (Eucalyptus) ، Open Nebula.

همانگونه که خدمات ابری از طریق اینترنت بازرسی می شود، امنیت و حریم خصوصی خدمات ابری مسائل کلیدی هستند که باید مورد توجه باشند. بررسی موسسه داده های بین المللی (IDC) نشان داد که امنیت بزرگترین چالش رایانش ابری است. اوراق سفید اخیر امنیت محاسبات ابری توسط بخش امنیت سایبری لاکهید مارتین نشان می دهد که نگرانی عمده از امنیت بعد از امنیت اطلاعات، تشخیص و ممانعت از نفوذ در زیرساخت های ابری است. زیرساخت های ابری روش های مجازی سازی، فناوری های یکپارچه و اجرا از طریق پروتکل های استاندارد اینترنتی است. این موارد ممکن است سبب جذب مزاحم به دلیل آسیب پذیری های دخیل در آن باشد.
محاسبات ابری همچنین به سبب حملات قدیمی مختلف از قبیل جعل نشانی IP، جعل آرپ، حمله پروتکل اطلاعات مسیریابی، مسمومیت DNS، جریان، منع سرویس (DoS)، منع سرویس توزیع شده (DDoS) و غیره مثل حمله DoS به زیرساخت ابری آمازون سبب BitBucket.org شد که یک سایت در هاست AWS برای چند ساعت غیر قابل دسترس باقی می ماند. همانطور که در [12] نشان داده شد، محاسبه هزینه با استفاده از روش های کنونی رمز نگاری نمی تواند بر محیط ابری غالب شود. فایروال (دیوار آتشین) می تواند گزینه خوبی برای ممانعت از حملات بیرونی باشد اما برای حملات داخلی کارایی ندارد. سیستم های تشخیص نفوذ (IDS) و سیستم های ممانعت از نفوذ (IPS) باید همراه با زیر ساخت ابری باشد تا این حملات را کاهش دهد.
ادامه مقاله به صورت ذیل سازماندهی شده است. بخش 2 بر حملات تداخل قابل کاربرد در محیط ابری بحث می کند. فایروال های سنتی به عنوان راه حل امنیتی هستند که به طور مختصر در بخش 3 بحث شد. بخش 4 روش های مختلفی را برای IDS/IPS ارائه می دهد و بخش 5 انواع IDS/IPS موجود و کار مشخص محیط ابری را در IDS بررسی می کند. بخش 6 در انتها با مراجع به نتیجه گیری می پردازد.

Abstract

Cloud computing provides scalable, virtualized ondemand services to the end users with greater flexibility and lesser infrastructural investment. These services are provided over the Internet using known networking protocols, standards and formats under the supervision of different managements. Existing bugs and vulnerabilities in underlying technologies and legacy protocols tend to open doors for intrusion. This paper, surveys different intrusions affecting availability, confidentiality and integrity of Cloud resources and services. It examines proposals incorporating Intrusion Detection Systems (IDS) in Cloud and discusses various types and techniques of IDS and Intrusion Prevention Systems (IPS), and recommends IDS/IPS positioning in Cloud architecture to achieve desired security in the next generation networks.

1- Introduction

Cloud computing aims to provide convenient, on-demand, network access to a shared pool of configurable computing resources (e.g. networks, servers, storage, applications, and services), which can be rapidly provisioned and released with minimal management effort or service provider interactions [1]. Cloud provides services in various forms: Software as a Service-SaaS (e.g. Google Apps [2]), Platform as a ServicePaaS (e.g. Google App Engine [3], Microsoft’s Azure [4]) and Infrastructure as Service-IaaS (e.g. Amazon Web Service (AWS) [5], Eucalyptus [6], Open Nebula [7]).

As Cloud services are provisioned through the Internet; security and privacy of Cloud services are key issues to be looked upon. International Data Corporation (IDC) survey [8] showed that security is the greatest challenge of Cloud computing. The recent cloud computing security white paper by Lockheed Martin Cyber Security division [9] shows that the major security concern after data security is intrusion detection and prevention in cloud infrastructures. Cloud infrastructure makes use of virtualization techniques, integrated technologies and runs through standard Internet protocols. These may attract intruders due to many vulnerabilities involved in it.

Cloud computing also suffers from various traditional attacks such as IP spoofing, Address Resolution Protocol spoofing, Routing information Protocol attack, DNS poisoning, Flooding, Denial of Service (DoS), Distributed Denial of Service (DDoS) etc. E.g. DoS attack on the underlying Amazon Cloud infrastructure caused BitBucket.org, a site hosted on AWS to remain unavailable for few hours [10]. As shown in [12], the computing-cost using current cryptographic techniques cannot be overlooked for Cloud. Firewall can be a good option to prevent outside attacks but does not work for insider attacks. Efficient intrusion detection systems (IDS) and intrusion prevention systems (IPS) should be incorporated in Cloud infrastructure to mitigate these attacks.

Rest of the paper is organized as follows. Section 2 discusses various intrusion attacks applicable to Cloud environment. Traditional firewalls as a security solution are discussed briefly in section 3. Section 4, presents various techniques for IDS/IPS and section 5 surveys existing IDS/IPS types and examines Cloud specific work on IDS. Section 6 concludes with references at the end.

بررسی تکنیک های تشخیص نفوذ درمحیط ابری

A survey of intrusion detection techniques in Cloud