مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

3.1.2. جنبه های جامعه سازی NFT ها در مرحله پیش خرید
برندها همچنین می توانند از تعامل مشتری در جوامع NFT برند استفاده کنند. جنبه بسیار جذاب پلتفرم‌هایی مانند دیسکورد به مکالمات بین کاربران اجازه می‌دهد تا به صورت ارگانیک‌تر جریان داشته باشند و تقریباً ارتباطات و دوستی‌های واقعی را شبیه‌سازی کنند. برخلاف دیگر پلتفرم‌های رسانه‌های اجتماعی که فضای غیرمستقیم و سازمانی بیشتری دارند (مانند فیس‌بوک)، دیسکورد، Reddit یا تلگرام اعتبار ارتباطات برند را بالا می‌برد (Schweidel & Moe, 2014). یکی از استراتژی‌های برندها جذب مشتریان از طریق پیام‌های ارگانیک‌تر است. از طرف دیگر، برندها می توانند با سازماندهی فعالیت های روزانه، ایجاد محتوای جذاب یا دعوت از کاربران به رویدادهای دیجیتال، آگاهی بیشتری ایجاد کنند. به این ترتیب، جوامع NFT می توانند به عنوان تقویت کننده ای برای تلاش های بازاریابی برند عمل کنند. به عنوان مثال، مجله تایم میزبان بازی ‌های روزانه، چالش‌ها و حتی اتاق‌های خصوصی برای دارندگان NFT در سرورهای دیسکورد بسیار فعال است (Ewen، 2021)، و برند را در معرض دید خوانندگان نسل زد قرار می‌دهد. به زودی، برندها حتی ممکن است از جوامع NFT خود به عنوان کانال اصلی برای مصرف کنندگان استفاده کنند، که می تواند چشم انداز بازاریابی رسانه های اجتماعی و استراتژی های تعامل مصرف کننده را تغییر دهد.

3.2. مرحله خرید
در مرحله خرید، مصرف کنندگان تصمیم می گیرند که آیا نام تجاری را در مجموعه در نظر گرفتن خود بگنجانند و قصد خرید را توسعه دهند (ویزل و همکاران، 2011). از آنجایی که مصرف کنندگان با جایگزین های متعددی روبرو هستند، برندها باید از NFT خود برای ایجاد تضاد مثبت با رقبا با برجسته کردن ویژگی های جذاب و ایجاد بازخورد مثبت مشتری استفاده کنند (Morwitz, 2014).

3.2.1. NFT ها به عنوان اجزای برند مستقل در مرحله خرید
با توجه به طراحی محصول NFT، برندها می توانند تصمیم بگیرند که آیا صرفاً یک نسخه NFT از محصول فیزیکی خود (یعنی دوقلو دیجیتال) ایجاد کنند و یک خط تولید مستقل مبتنی بر NFT طراحی کنند یا حتی یک بسته نرم افزاری حاوی محصول فیزیکی و یک NFT تولید کنند. به عنوان مثال، نایک و آدیداس بسیاری از کفش‌های فیزیکی را به اشکال دیجیتالی یکسان فروخته‌اند (BitcoinKE، 2021)، در حالی که Dolce & Gabbana اخیراً میلیون‌ها دلار لباس دیجیتال مبتنی بر NFT ((FashionUnited. 2021 را به حراج گذاشته‌اند که شامل هر دو محصول جدید می‌شود. و مصرف کنندگان به چنین NFT هایی علاقه مند هستند زیرا از برندهای معتبر هستند و به آنها اجازه می دهد خریدهای خود را بصورت دیجیتالی به صورت آنلاین “منعطف” کنند (به عنوان مثال، روی آواتارهای خود). برندها همچنین می توانند مصرف کنندگان را متقاعد کنند که بسته ای حاوی NFT و محصولات فیزیکی را خریداری کنند. چرا مصرف کنندگان بسته نرم افزاری خریداری می کنند؟ بسته نرم افزاری می تواند به گونه ای طراحی شود که به مصرف کنندگان امکان دسترسی به ترکیبی از مزایای نمادین و کاربردی منحصر به فرد را بدهد. در حالی که اکثر محصولات فیزیکی به ندرت منحصر به فرد یا کمیاب هستند، برندها می توانند با طراحی ویژگی های منحصر به فرد برای هر NFT و ترکیب آنها با محصول فیزیکی، مزایای نمادین ارائه دهند. به عنوان مثال، باغ Gucci در Roblox شامل اتاق‌هایی با موضوع است که به کمپین‌های Gucci ادای احترام می‌کنند و به مصرف‌کنندگان اجازه می‌دهند آیتم‌های Gucci را برای آواتارهای خود مشاهده، امتحان و خریداری کنند (Roblox، 2021). علاوه بر این، داشتن NFT یک ژاکت Gucci 1/1 باعث ایجاد وابستگی بین مصرف‌کننده و برند می‌شود و فرصتی را به شما می‌دهد. مجله بین‌المللی تحقیقات بازاریابی شرکت گوچی برای فروش متقابل محصولات واقعی خود (Texcovery، 2021). به نظر می رسد مارک های مد متوجه شده اند که مصرف کنندگان ممکن است به طور فزاینده ای به تصویر آنلاین خود نسبت به تصویر آفلاین علاقه مند شوند (مک کینزی، 2022).
برندها همچنین می‌توانند از طریق تجربه‌های بازی وار سازی شده (به عنوان مثال، بازی برای کسب درآمد) مزایای کاربردی بیشتری ایجاد کنند که می‌تواند برای ارائه تخفیف به مصرف‌کنندگان برای محصولات فیزیکی قابل بازخرید با توکن‌های درون بازی استفاده شود. به عنوان مثال، تاکو بل یکی از اولین برندها بود که از دروازه برای ارائه NFT با 25 تاکو توکن خود، که شامل یک کارت هدیه 500 دلاری بود، استفاده کرد. آنها در 30 دقیقه فروخته شدند (کاچینسکی و کومینرز، 2021). علاوه بر این، کوکاکولا یک خنک کننده دیجیتال، یک ژاکت و یک تجربه صدای منحصر به فرد را به قیمت 575 هزار دلار فروخت که نتیجه آن مطبوعات، رسانه ها و درآمدهای جدید از دارایی های دیجیتال (سانداراراجان، 2022) به دست آمد. در نهایت، NFT ها می توانند به عنوان یک برنامه عضویت عمل کنند که در آن داشتن NFT و محصول فیزیکی به‌ عنوان یک بسته می‌تواند مزایای بیشتری را به همراه داشته باشد. به عنوان مثال، NFT های گوچی و آدیداس مزایایی مانند دسترسی زودهنگام به قطره های NFT و محصولات فیزیکی و امکان اثبات مالکیت هر دو را فراهم می کنند. محصولات فیزیکی و دیجیتال، که به ویژه در بخش لوکس اهمیت دارد (Hofstetter, 2022).

3.2.2. جنبه های جامعه سازی NFT ها در مرحله خرید
برندها می‌توانند از جنبه‌های اجتماعی NFTها برای ارتباط تجارب آنلاین و آفلاین برند مشتریان استفاده کنند. به عنوان مثال، برند لباس خیابانی معروف The Hundreds یک پروژه NFT به نام « Adam Bomb Squad» ساخته است که مستقیماً به دارندگان NFT با دسترسی به بنیانگذاران برند و عرضه محصولات جدید پاداش می دهد (Kaczynski & Kominers, 2021). علاوه بر این، چندین رستوران از NFT برای رزروهایی استفاده می‌کنند که صندلی‌ها را در اولویت قرار می‌دهند، در حالی که کنسرت‌ها می‌توانند بلیت‌هایی را به عنوان NFT صادر کنند تا مزایای بیشتری به دارندگان آن بدهند. برندها همچنین می‌توانند به دلیل مالکیت NFT برند، یک محصول فیزیکی یا هر دو، به مزایا یا کانال‌های قفل شده در دیسکورد دسترسی ترجیحی بدهند. این امتیازات شامل مهمانی های خصوصی، اطلاعات مالی مهم یا دسترسی به افراد مشهور است (Kaczynski & Kominers, 2021). به عنوان مثال، انجمن معروف NFT Bored Ape Yacht Club سال گذشته یک مهمانی قایق بادبانی خصوصی در نیویورک ترتیب داد که با حضور بسکتبالیست‌ها، هنرمندان، موسیقی‌دانان و سرمایه‌گذاران مشهور به خود می‌بالید (The Verge, 2021). به طور کلی، استراتژی برند را می توان با ترکیب صریح مالکیت NFT آنلاین با موارد استفاده آفلاین به سمت هم افزایی در بین مجموعه ها هدایت کرد.

3.3. مرحله پس از خرید
در مرحله پس از خرید، مصرف کنندگان تجربه محصول را با انتظارات قبل از خرید خود مقایسه می کنند و به طور بالقوه وفاداری به برند را توسعه می دهند (دی بروین و لیلین، 2008؛ الیور، 1999). در مقایسه با سایر مراحل قیف بازاریابی، مرحله پس از خرید کمترین حساسیت را نسبت به ارتباطات بازاریابی دارد (Hult، Morgeson، Morgan، Mithas و Fornell، 2017). این به این دلیل است که مصرف کنندگان کمتر با جذابیت های بازاریابی متقاعد می شوند زیرا آنها تجربه کرده اند و قبلاً تصمیم خود را در مورد تجربه برند تصمیم گرفته اند. با این حال، NFT ها می توانند به روش های مختلفی به برندها کمک کنند تا در این مرحله بر مصرف کنندگان تأثیر بگذارند.
3.3.1. NFT ها به عنوان اجزای برند مستقل در مرحله پس از خرید
برندها می توانند از ساختار مالکیت محصول انعطاف پذیر NFT ها برای ایجاد مالکیت درک شده قوی تر و دلبستگی به برند استفاده کنند (الیور، 1999). در حالی که اکثر هنرها توسط قانون فدرال محافظت می شوند و حق نسخه برداری متعلق به خالق اصلی است، NFT ها اجازه طراحی انعطاف پذیر حقوق مالکیت را می دهند. به عنوان مثال، مالک یک Bored Ape Yacht Club NFT این حق را دارد که NFT خود را بر روی مد دیجیتال به عنوان مثال (10KTF)، کتاب ها (جنکینز نوکر)، یا حتی شخصیت های فیلم (مک کینزی، 2022) درج کند. با داشتن حقوق چنین NFT هایی، مصرف کنندگان ممکن است مالکیت قوی تری بر عناصر خاص برند مانند لوگو یا طرح برند داشته باشند، که آنها را قادر می سازد به برند نزدیک تر شوند و به عنوان سفیران یا سهامداران برند عمل کنند. از سوی دیگر، برندها ممکن است نخواهند حقوق NTF خود را آزاد کنند. به عنوان مثال، مجموعه معروف CryptoPunks حقوق مالکیت کامل NFT های خود را داده است. چالش مهم این است که برندها باید در مورد سطح مبادله بین آزادسازی حقوق کپی رایت و حمایت از مالک برند تصمیم بگیرند.

3.3.2. جنبه های جامعه سازی NFT ها در مرحله پس از خرید
برندها می توانند با ایجاد داستان سرایی معتبر و خلاقانه پیرامون هویت برند، از جوامع NFT خود استفاده کنند. کلید، در این مورد، ساختن داستان‌ها، افسانه‌ها و شخصیت‌های مرتبط با برند است که مصرف‌کنندگان بتوانند با آنها ارتباط برقرار کنند. به عنوان مثال، برندها می توانند با توسعه یک کتاب یا داستان حاوی فصل های مختلف، پیش بینی ایجاد کنند. هر فصل منتشر شده می‌تواند شامل ایردراپ توکن‌ها، تجارت فیزیکی یا جستجوی گنج در زندگی واقعی برای کدهای QR باشد. هر فصل همچنین می‌تواند مجموعه‌ای از NFT بعدی را داشته باشد که تنها توسط دارندگان NFT فعلی (از طریق مالکیت توکن) قابل تولید است و برنامه‌های وفاداری به برند را بهبود می‌بخشد. علاوه بر این، می‌توان به مصرف‌کنندگان این امکان را داد که امتیاز را بین مجموعه‌های NFT یا بین مجموعه‌های NFT و خریدهای واقعی انتقال دهند. به عنوان مثال، شرکت های لوکس، مانند LVMH، پرادا، و کارتیه، با استفاده از NFT و توکن ها، امتیازاتی را به اعضای باشگاه سهامداران خود ارائه می دهند (Treiblmaier, 2021).

4. چالش ها و جهت گیری های تحقیقاتی آینده
هدف این مقاله الهام بخشیدن به تحقیقات بیشتر در مورد نقش NFTها در برندسازی است. من سوالات احتمالی تحقیق را در جدول 1 خلاصه می کنم.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2.2.1. محرک
به دنبال روش های قبلی ما، 45 شیء خانگی رایج انتخاب شدند (15 محرک در هر نسخه) و 15 اتاق با استفاده از یک برنامه طراحی کامپیوتری ایجاد شدند (www.Plan3d.com) که برای ایجاد سه نسخه OLTT مورد استفاده قرار گرفتند. در هر اتاق، سه موقعیت انتخاب شدند و اشیاء به طور شبه تصادفی به هر آیتم اختصاص یافتند. این جفت های OL برای اطمینان از این که هیچ رابطه ذاتی (یا ضمنی) وجود ندارد، و برای اطمینان از این که هر شی می تواند حداقل در دو نوع اتاق یافت شود، مورد بررسی قرار گرفتند (مثال شکل 1).

2.2.2. مرحله کالیبراسیون
شرکت کنندگان با لمس مجموعه ای از نقاط که در عرض و ارتفاع صفحه مشاهده شدند، کار خود را آغاز کردند، که با استفاده از صفحه لمسی فرصتی برای تمرین ایجاد می کند و تضمین می کند که آن ها موقعیت هدف را به درستی پردازش و لمس می کنند (به عنوان مثال، از بین بردن اختلال حرکتی). متغیر وابسته مورد نظر فاصله (بر حسب سانتی متر) بین نقطه لمس شده و مرکز نقطه هدف بود.

2.2.3. مرحله رمز گذاری
هر یک از 15 وابستگی OL به طور کلی برای 17 ثانیه نشان داده شدند ؛ شیء ابتدا به تنهایی به مدت 2 ثانیه نشان داده شد (شرکت کنندگان باید برای اطمینان از شناسایی دقیق شیء، آن را نام گذاری می کردند)، و بلافاصله پس از آن شیء به مدت 15 ثانیه در موقعیت خود نشان داده شد. ما به شرکت کنندگان اجازه دادیم تا بر روی یک برگه کاغذ یادداشت برداری کنند، اما در پایان این مرحله حذف شد. پس از این مرحله یک تغییر 15 دقیقه ای وجود داشت و با پرسشنامه ها پر شد (جدول 1).

2.2.4. مرحله آزمون حافظه (پس از 15 دقیقه تاخیر)
حافظه برای سه محرک تحت سه شرایط منحصر به فرد ارزیابی شد که به ترتیب اتفاق افتادند. یادآوری آزاد: ابتدا شرکت کنندگان یک شیء هدف را دیدند (2 ثانیه)، که در مرکز صفحه نشان داده شد، به دنبال آن یک صفحه خالی نشان داده شد و به شرکت کنندگان آموزش داده شد تا موقعیت یادآوری شده شیء را لمس کنند، همان طور که در اتاقی بود که در طول رمز گذاری مشاهده شد. این شرایط به منظور ارزیابی جنبه های فضایی حافظه ها طراحی شدند. یادآوری نشانه دار: شرکت کنندگان شیء (2 ثانیه) و سپس اتاق مربوط به آن را دیدند (بدون وجود شیء) و به آن ها آموزش داده شد تا موقعیت یادآوری شده شیء را لمس کنند. این شرایط به منظور ارزیابی جنبه های ارتباطی حافظه ها طراحی شدند (شیء در موقعیت محدود). متغیر وابسته اولیه برای هر دو شرایط فاصله (بر حسب سانتی متر) بین موقعیت انتخاب شده و موقعیت هدف بود (امتیازات پایین تر نشان دهنده عملکرد دقیق تر بودند). این رویکرد تعیین میزان شدت نقض حافظه در هر آزمایش را امکان پذیر می سازد که بر خلاف ارزیابی دوبخشی سنتی حافظه به عنوان درست یا نادرست است. تشخیص: در نهایت، شرکت کنندگان در یک آزمایش تشخیص شرکت کردند، که در آن موقعیت شی را از میان سه موقعیت بالقوه انتخاب کردند. این آزمایش ما را قادر به قرار دادن نتایج در زمینه دیدگاه های سنتی دوبخشی حافظه می سازد. متغیر وابسته تعداد موقعیت های انتخاب شده صحیح بود.

2.3. تصویر برداری رزونانس مغناطیسی
زیرمجموعه ای از 77 شرکت کننده راست دست به عنوان بخشی از سایر مطالعات در آزمایشگاه ما، تحت MRI قرار گرفتند (26 HYC، 20 HOC، 31 MCI). تمام اسکن ها با استفاده از یک اسکنر MRI زیمنس با یک سیم پیچ 12 کاناله انجام شدند. تصاویر آناتومیک با وضوح بالا با استفاده از توالی اکو گرادیانت جذب سریع مغناطیس سه بعدی (MPRAGE) (TR2300 ms ، TE 3.9 ms) با برش های سهمی 176، 1 میلی متر ضخامت (FOV 256 mm ، وضوح صفحه 1 x1 میلی متر، ماتریس صفحه 256x 256). یک تکنسین ارشد MR داده ها را به صورت بصری بررسی کرد، و اسکن های زیر بهینه در زمان دستیابی برای اطمینان از داده های قابل استفاده تکرار (و جایگزین) شدند.

2.3.1. تجزیه و تحلیل های حجمی
مجموعه داده های آناتومیک با استفاده از Free-Surfer 5.3.0
(http://surfer.nmr.mgh.harvard.edu/) و روش اتوماتیک برای معیارهای حجمی توصیف شده در مطالعه فیش و همکاران پردازش و تجزیه و تحلیل شدند. زمینه های هیپوکامپ با استفاده از مدل هایی مانند مدل های توصیف شده توسط ون لیمپوت و همکاران تقسیم بندی شدند. تمام تصادیر به صورت دستی بررسی شدند و در صورت نیاز با استفاده از FSL برای تصحیح زمینه ای بیش تر (توسط) اصلاح شدند، در زمان دسترسی با یک T1 آناتومیک دوم میانگین آن ها گرفته شد و سپس با استفاده از Freesurfer مجددا پردازش شدند. تمام حجم های مغز به حجم داخل جمجمه ای کل هنجار شدند و به عنوان درصد حجم داخل جمجه ای نشان داده شدند (%ICV).

2.4. تجزیه و تحلیل های آماری
تجزیه و تحلیل ها با استفاده از نرم افزار SPSS 22 انجام شدند. در صورتی که ، نتایج مقایسه داده های جمعیت شناختی و OLTT قابل توجه در نظر گرفته می شدند (دو دنباله). داده های مرحله کالیبراسیون از یک HYC و داده های یادآوری آزاد از یک بیمار مبتلا به MCI نمی توانستند بازیابی شوند، که این منجر به یک درجه آزادی کم تر در آن تضاد های خاص شد. تجزیه و تحلیل واریانس نشان داد که هیچ اثر جنسیتی قابل توجهی بر معیارهای OLTT در کل نمونه (همه ) یا هر گروه ( ) وجود ندارد، که در نظر گرفتن مردان و زنان باهم در تجزیه و تحلیل های بین گروهی اولیه را توجیه می کند. با استفاده از تجزیه و تحلیل واریانس یک طرفه، نسخه آزمون بر معیارهای نتیجه در کل نمونه هیچ تاثیری نداشت ( کالیبراسیون ، یادآوری آزاد ؛ یادآوری نشانه دار ؛ تشخیص ). با این حال، HYC نسخه A (n=22) را بیش تر از نسخه B (n=3) یا C (n=11) کامل کردند، در حالی که توزیع حتی در گروه های و MCI بیش تر بود. بنابراین، نسخه آزمون برای تجزیه و تحلیل های بعدی به طور همزمان تغییر یافت. تضاد های برنامه ریزی شده برای بررسی سن (HYC و HOC) و اثرات بیماری (HOC و MCI) مورد استفاده قرار گرفتند. تضاد HYC و MCI ارزیابی نشد، زیرا منعکس کننده هر دو عامل بود (یعنی سن و بیماری).
به منظور ارزیابی روابط مغز- رفتار مرتبط با هدف دوم، همبستگی های جزئی بین هر فاز OLTT و حجم قشر انتورهینال ، پاراهیپوکامپ، چین سینوسی مغز و هیپوکامپ به طور جداگانه برای نیمکره چپ و راست انجام شدند. متغیر ها شامل نسخه OLTT ، سن ، و جنسیت بودند، که از این میان، دو مورد آخر می توانند حجم مغز را تحت تاثیر قرار دهند. به منظور ارائه یک ماتریس بدون جهت گیری (مبتنی بر داده) از روابط، تجزیه و تحلیل های اکتشافی انجام شدند که شامل زمینه های فرعی هیپوکامپ و تمام نواحی مغز بودند که FreeSurfer نشان می دهد. عملکرد مربوط به زیر مجموعه های حافظه RBANS در این تجزیه و تحلیل های اکتشافی به عنوان نقاط مرجع پذیرفته شده در نظر گرفته شد. ما این روابط مغز – رفتار برای مقایسه های متعدد را با استفاده از نرخ کشف اشتباه اصلاح کردیم، زیرا این روش هر دو نوع خطای نوع 1 و 2 را به حداقل می رساند.

3. نتایج
3.1. ویژگی های گروه
گروه های کنترل فقط از نظر سن متفاوت بودند. در حالی که گروه های HOC و MCI از نظر جمعیت شناختی قابل مقایسه بودند، بیماران مبتلا به MCI در رابطه با شاخص های حافظه تاخیر دار و فوری RBANS عملکرد بسیار بدتری داشتند. هر چند بیماران مبتلا به MCI نیز نسبت به HOC در رابطه با شاخص های تمرکز (به دلیل عملکرد ضعیف در زیرمجموعه رمز گذاری) و زبان (به دلیل کاهش سلاست معنایی) عملکرد بسیار بدتری داشتند، میانگین گروه همچنان در حدود 1 SD میانگین قرار داشت (در محدوده نرمال). بیماران مبتلا به MCI نیز گروه های کم تری را تکمیل کردند و در طور نسخه اموری آزمون مرتب سازی کارت ویسکانسین نسبت به HOC خطاهای بیش تری داشتند. بنابراین، الگوی اختلال نوروفیزیولوژیگی در گروه MCI با الگوی اختلال افرادی که در معرض خطر ابتلا به زوال عقل هستند، سازگاری دارد، به خصوص به دلیل AD (جدول 1).

3.2. عملکرد OLTT
مرحله کالیبراسیون: بین HYC و HOC در طول مرحله کالیبراسیون هیچ تفاوت معنی داری وجود نداشت . با این حال، بیماران مبتلا به MCI نسبت به HOC به طور قابل توجهی کم تر ضعیف بودند ، که با استفاده از دقت کالیبراسیون به عنوان یک متغیر اضافی در تجزیه و تحلیل های آزاد و نشانه دار با این گروه های مسن تر قابل توجیه است (شکل 2).

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مثال 1. در FinHilb، که گروه ابعاد محدود فضاهای هیلبرت هستند، اشیاء فضاهای ابعاد محدود فضاهای هیلبرت فراتراز اعداد پیچیده هستند، مورفیسم ها نقشه های خطی هستند. هویت ها عملکرد هویت در هر فضای هیلبرت است. ترکیب ترتیبی ترکیبی از نقشه های خطی است.
تعریف 2(عملگر). فرض کنید C و D دسته بندی شده اند. یک عملگرF: C → D تعریف می شود با
• برای هر شی A ∈ ob (C) یک شی F (A) ∈ ob (D).
• برای هر مورفیسم f ∈ C (A، B) یک مورفیسم F (f) ∈ D (F (A)، F (B)) اینگونه
F (f ◦ g) = F (f) ◦ F (g) و F (1A) = 1F (A).

3.1 تعریف مکمل قابل مشاهده
17 (مکمل قابل مشاهده [11]). دو قابل مشاهده (A، M1، U1)و (A، m2، u2) در a † -SMC مکمل است اگر موارد زیر مشروح باشند
• COMP1: هر وقت k: I → A برای (m1، u1) کلاسیک است، برای آن بی طرف است m2 u2•)
• COMP2: هر زمان k: I → A برای (m2، u2) کلاسیک است، برای آن بی طرف است (m1، u1).
هرکوبیت قابل مشاهده (C2، m، u) دارای دو نقطه کلاسیک است. انها را به ترتیب با U و Uنشان می دهیم.
مثال 12. در FinHilb، برای جسم C2، Ox،Oy و Oz به صورت جفت های مکمل هستند. به طور کلی، هر دو قطر عمود بر کرهBloch نشان دهنده دو مشاهده گر مکمل است.

4. توزیع کلید: پروتکل سه فازه تعمیم یافته کوانتوم
پروتکل سه گذره در رمزنگاری [25] پروتکلی است که امکان ارسال پیام بصورت ایمن از طرف اول به ارسال پیام به طرف دوم با تبادل سه پیام رمزگذاری شده را فراهم می کند. ایده اساسی پروتکل سه گذره این است که هر کدام از طرفها کلید های خصوصی برای رمزگذاری و رمزگشایی دارد و به طور مستقل از کلیدهای خود استفاده می کنند، ابتدا برای رمزگذاری و سپس برای رمزگشایی پیام
به صورت غیر رسمی، پروتکل سه گذر برای آلیس بصورت مخفیانه یک شی را به باب ارسال می کند به شرح زیر:
1. آلیس شی را در یک جعبه قرار می دهد، جعبه را قفل می کند و آن را به باب می فرستد
2. باب قفل خود را به جعبه اضافه می کند و آن را به آلیس می فرستد.
3. آلیس قفل خود را برمیدارد و جعبه را به باب می فرستد.
این پروتکل می تواند با استفاده از عملیات منحصر به فرد OR ⊕ در رمزنگاری کلاسیک اجر اشود.
1. برای یک بیت x، آلیس آن را با کلید Ka خودش رمزگذاری می کند و سپس بیت رمزگذاری شده (x ⊕ K) رابه باب ارسال میکند.
2. باب بیت رمزگشایی شده را با کلید Kb خودش رمزگذاری می کندو x⊕ka) ⊕kb را به آلیس ارسال می کند.
3. آلیس آنچه را که توسط Ka دریافت کرده است رارمزگذاری می کند ((x⊕ka) ⊕kb) ⊕ka =x ⊕ kb. سپس x ⊕ kb را به باب می فرستد.
پروتکل سه گذره کوانتومی برای شنیدن مقاومت میکند . یکی از ضررهای پروتکل سه گذره کوانتومی کاناموری و یو این است که فضای کلیدی رمزگذاری آنها یک مجموعه بی نهایت است. اخیرا، Qiu و همکاران [27] پروتکل های سه فازه کوانتومی دیگر در چارچوب CQM را توسعه می دهند به طوری که اندازه فضای کلیدی به طور قابل توجهی کوچکتر میشود. در این مقاله، پروتکل پیشنهاد شده در27 را تعمیم می دهیم.
با توجه به دو مشاهدات تکمیلی داده شده از کوبیدها (C2، m1، u1) و (C2، m2، u2)از جفت نقاط کلاسیک از یک ساختار قابل مشاهده استفاده می کنیم، می گویند u1 و u1،برای کد کردن 0 و 1 به ترتیب. فضای کلیدی ما برای رمزگذاری و رمزگشایی کلید = {S3 (0)، S3 (π است2)، S3 (π)، S3 (3π2)}است. فرض می کنیم (k، k †) یک جفت کلید رمزگذاری /رمزگشایی است ، که در آن k † = S3 (2π – iπ2) برای k = S3 (iπ2).

قضیه 2. پروتکل کوانتوم سه گذری صحیح است.
اثبات: فرض کنید آلیس u را بعنوان کلید خودش و باب v را بعنوان کلید خودش انتخاب می کند، پس مشتقات گرافیکی زیر را داریم:
که بدان معناست که ترکیب ترتیبی عملیات 2 نهاد به کاررفته در پروتکل معادل با اپراتور هویت است. بنابراین، کوبیت بصورتی صحیح انتقال می یابد.
امنیت بیشتر پروتکل های موجود از توزیع کلید برای کنترل دسترسی در محیط های ابری متکی بر پیچیدگی محاسباتی مسائلی همچون فاکتورازیسیون اصلی است. بنابراین زمانی که یک کامپیوتر کوانتوم ساخته می شود، پروتکل آنها ممکن است در زمان چند جمله ای به خطر بیافتد [29]. در نتیجه، پروتکل خودمان با توجه به کامپیوترهای کوانتوم امن است، از آنجا که این امنیت اطلاعاتی را با توجه به متمم مشاهدات ارائه می کند. در اینجا یک پروتکل توزیع کلید از نقطه نظر اطلاعاتی امن است اگر که داده ها باشند.
قضیه 3. پروتکل سه گذری کوانتوم از منظر اطلاعاتی امن است بدین معنا که کوبیتی که در هر مرحله از پروتکل منتقل می شود که در کل حالتی ترکیبی می باشد.
اثبات: این یک نتیجه ساده از قضایای 1 و 2 است.

مدل های انرژی end-to-end برای پلتفرم های IoT مبتنی بر رایانش مرزی: کاربردی برای تجزیه و تحلیل جریان داده ها در IOT

End-to-end energy models for Edge Cloud-based IoT platforms: Application to data stream analysis in IoT

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1946

اعتبارسنجی مورد استفاده ما اینترنت وسایل نقلیه (IOV) را مورد هدف قرار می‎دهدکه می‌تواند به عنوان همگرایی اینترنت تلفن‌همراه و IoT باشد[22]. به طور خاص، ما بر روی جریان‎های ویدئویی از دوربین‌هایی که برای تشخیص و ردیابی شیء مورد تجزیه و تحلیل قرار می‌گیرند تمرکز می‌کنیم. در این مورد خاص، اغلب در مورد برنامه‌های IoT است که سطح QoS بالایی نیاز دارند. در حقیقت، داده‌ها هنگامی که نمی‌توانند به اندازه کافی با سرعت تجزیه و تحلیل شوند ارزش خود را از دست می‌دهند. از طریق معیارهای واقعی و شبیه‌سازی این سناریوی دقیق، انرژی مصرفی هر بخشی از پلت‌فرم IoT را ارزیابی خواهیم کرد: دستگاه‌های متصل، شبکه‌های ارتباطی سیم‌کشی و زیرساخت‎های محاسباتی ابر.
ادامه این مقاله به شرح زیر است: بخش 2 مربوط به کارهای گذشته است. سناریوی این مقاله در بخش 3 توضیح داده شده است. مدل انرژی پایان به پایان در بخش 4 و نتایج اعتبار سنجی در بخش 5 ارائه شده است. اعتبار و محدودیت مدل در بخش 6 بحث شده است. بخش 7 نتیجه‌گیری مقاله را بیان می‌کند.

2.کارهای مرتبط
2.1 تخلیه داده‌ها به لبه
تجزیه و تحلیل پردازش جریان داده‌ها، منابع محاسباتی عظیمی را مصرف می‌کند و معمولا زمان پاسخ برای بسیاری از برنامه‌های کاربردی بسیار مهم است. انتقال داده‌ها به Cloud برای تجزیه و تحلیل می‌تواند یک راه‌حل [23] در انواع سناریوهای کاربردی باشد که نیاز به منابع محاسباتی عظیم و همچنین تضمین کیفیت QoS دارند. با این وجود، ممکن است در صورت وجود هزاران اطلاعات، اگر جریان‌ها به صورت همان زمان از دستگاههای IoT تولید شوند و سپس برای تجزیه و تحلیل سریع به Cloud فرستاده شوند خطر تداخل شبکه را افزایش دهد. اگرچه کاهش زمان تجزیه و تحلیل، محاسبات بزرگ منابع را از ابر بی‌نیاز می‌کند، نمی‌تواند از زمان انتقال اطلاعات از طریق شبکه و از کاربر را به محل فیزیکی ابر، که ممکن است هزاران هزار بار دور باشد اجتناب کند [24]. علاوه براین، افزایش تعداد جریان داده‌ها بر روی شبکه، مقدار زیادی انرژی مصرف می‌کند [24-27].
برای پاسخگویی به تقاضای زمان پاسخ کوتاه، تخلیه محاسبات به لبه می‌تواند یک راه‌حل باشد [28]. لبه نشان‌دهنده مراکز داده در مقیاس کوچک و نزدیک به منبع داده است. مفهوم پردازش داده‌ها در لبه براساس مزیت زمان تأخیر کمتر از هسته است، بنابراین قادر به بازگشت سریع نتایج به دستگاه است. با این وجود، با توجه به مقدار زیاد جریان‌های داده‌ای که نیاز به پردازش دارند، هسته‌ای که بیشترین منابع محاسباتی ممکن را دارد یک انتخاب انرژی-کارآمد است.
در کنار این مسئله، یک مدل جدید ظاهر می‌شود: زیرساخت‌های ابر غیرمتمرکز [29]. ارائه دهندگان ابر انتظار دارند که عملکردشان برای استفاده از زیرساخت‌های موجود خود بهبود یابد. در واقع، اپراتورهای مخابراتی مانند Orange، سعی می‌کنند مراکز داده‌ی میکرو را (20 تا 50 سرور توسط micro-DC) در مرز شبکه، نزدیک به مشتریان به کار اندازند. در این مدل جدید، با استفاده از مراکز داده نزدیک به کاربر، زمان پاسخ بسیار بهبود می‌یابد. این کار بر روی یک مرکز داده کوچک/متوسط متمرکز است و به افزایش سهم خود از بازار ادامه می‌دهد. قرار دادن محاسبات و گره‌های ذخیره‌سازی در لبه اینترنت در سال‌های اخیر بسیار محبوب شده است. این گره‌ها اغلب در یک مرکز داده کوچک قرار داده شده‌اند که نزدیک دستگاه‌های تلفن همراه است. در حالت خاص، محاسبات لبه [30] قادر به ارائه پاسخ برای کاربران است.
کارهای پیشین موجود، الگوریتم‌های تجزیه و تحلیل ویدئو و ابزار را مورد توجه قرار داده‌اند. طبقه‌بندی آبشاری مبتنی بر ویژگی Haar [31] روش تشخیص معمولی شی است که برای دستیابی به نرخ تشخیص بالا موثر عمل کرده است. این روش بر مبنای رویکرد AdaBoost یادگیری ماشین [32] و تابع آبشار از یک مجموعه‌ی بزرگ از تصاویر مثبت و منفی است. طبقه‌بندهای مورد استفاده در این مقاله در توزیع OpenCV 1 2.4.13 گنجانده شده است. ما طبقه‌بندی Haar خود را آموزش دادیم که برای تجزیه و تحلیل جریان‌های ویدیویی جهت تشخیص اشیاء مورد استفاده قرار می‌گیرد.

2.2 مصرف انرژی دستگاه‌های شبکه و ابر
از زمان ظهور محاسبات ابر، تقاضا برای محاسبات و ذخیره‌سازی منابع در مراکز داده به سرعت در حال افزایش است بنابراین منجر به افزایش مصرف انرژی آنها می‌شود. همانطور که بیان شده است، در سال 2010، گوگل از 900 هزار سرور استفاده کرد و مصرف برق آن 260 میلیون وات بود [33]. برق یک موضوع کلیدی برای استقرار تجهیزات مرکز داده است.
از آنجا که سرورها از جمله مصرف‌کنندگان اولیه انرژی در مراکز داده هستند [34]، بسیاری از پیشنهادات سبز برای حل مشکل مصرف انرژی سرور پیشنهاد شده‌اند. ولتاژ پویا و مقیاس فرکانس که بر عملکرد سرور تاثیر می‌گذارد مثالی از چنین پیشنهاداتی است. بنابراین، فناوری مجازی‌سازی فرصتی جدید برای صرفه‌جویی در انرژی به ارمغان می‌آورد. این روش موجب می‌شود چندین درخواست در سرور یکسان پردازش شود، به این ترتیب حجم کار بر روی سرورهای کمتری با ادغام اجرا می‌شود.
یک مطالعه در سال 2014 انرژی تخمین زده شده از بازار مرکز داده براساس تعداد سرورهای نصب شده و مصرف برق را ارائه می‌دهد [35]. مراکز داده‌ی کوچک و متوسط تقریبا نیمی از انرژی بازار را تشکیل می‌دهد؛ آنها معمولا از کمتر از 100 سرور یک سیستم خنک کننده تشکیل می‌شوند. مصرف انرژی بیش از حد ارائه‌دهندگان ابر مانند گوگل، آمازون و فیس بوک تنها 4 درصد از انرژی مرکز داده جهانی را به دلیل اعمال تهاجمی خود از بهره‌وری انرژی به همراه دارد [35]. با استفاده از محاسبات ابر لبه‌ای، انتظار می‌رود بخشی از لایحۀ انرژی جهانی Cloud برای مراکز داده کوچک و متوسط با توزیع محاسبات ابر لبه‌ای بر روی مراکز داده بسیار کوچک افزایش یابد.
امروزه اکثر سرویس‌دهندگان ابر، ابر تجاری خود را در مراکز داده بزرگ اجرا می‌کنند و آن را به حالت مرکزی به کار می‌گیرند. اگرچه آنها به توانایی محاسبات با کارایی بالا و قابلیت مدیریت دست می‌یابند، سیستم خنک‌کننده‌ی قدرتمندی برای کاهش دمای این زیرساخت‌های بزرگ و تجهیزات مورد نیاز است. با این‌حال، سیستم خنک‌کننده گران است و مقدار انرژی زیادی مصرف می‌کند. در عوض، کار قبلی [36] اشاره دارد که این مراکز داده کوچک در مقایسه با مراکز داده بزرگ مزایای قابل توجهی دارند. اولا، مراکز داده کوچک مقدار دما را محدود می‌کنند بنابراین مدیریت آن آسان می‌شود. مصرف برق کمتر معمولا از منابع انرژی کمتری استفاده می‌کند و هزینه پایین‌تر است، بنابراین هزینه و تجهیزات زیرساخت کاهش می‌یابد. علاوه براین، مرکز داده کوچک مقیاس مناسب برای ساخت زیرساخت‌های توزیع شده از نظر جغرافیایی است.
در سطح جهانی، نرخ رشد انرژی مرکز داده در سال‌های اخیر کاهش یافته است [37]. تجار سرور با رشد سریع 5 ساله همراه با نرخ رشد سالانه 15٪ از سال 2000 تا 2005 روبه رو هستند. از 2005-2010، نرخ رشد سالانه به دلیل رکود اقتصادی و همچنین به دلیل مکانیزم بازدهی انرژی در سرور ذخیره‌سازی، شبکه و زیرساخت همراه با فن‌آوری مجازی‌سازی بهه 5٪ کاهش یافت. پس از سال 2010، نرخ رشد به 3 درصد کاهش می‌یابد و انتظار می‌رود تا سال 2020 ثابت باقی بماند. درحال حاضر، دانش استفاده‌ی گسترده و صنعت مربوطه برای ارزیابی کارایی انرژی داده‌ها، متریک PUE است [38،39]: اثربخشی استفاده از انرژی. معمولا مقدار PUE ایده آل برابر با 1.0 است: این نشان می‌دهد که انرژی مصرف شده توسط تجهیزات فناوری اطلاعات مشابه انرژی کل تسهیلات است.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

برای حل این مشکلات ضمن گرانی برای ویژگی های اساسی مکانیزم های اجازه دهی ابری شود یک مدل اجازه دهی و مجاز سازی انعطاف پذیر، غیر متمرکز و قابل مقیاس دهی برای مستاجران با سطوح مختلف برای به اشتراک گذاری منابع شخص سازی برنامه های خود و حفظ رازهایشان باید پشتیبانی شود.
نکات مهم این مقاله به شرح ذیل است.
1) یک مدل کنترل دسترسی مبتنی بر مستاجر (به نام TMS-ARBAC) بر اساس ARBAC برای STA ارائه شده است همانگونه که STA شامل MTA است برای MTA نیز لحاظ می شود.
2) استراتژیهای مختلف کنترل دسترسی اشتراک منابع با توجه به مدل سازی دو سطحی STA (TSTA) تعریف شد و این ها می تواند برای ایجاد مسئولیت و مجوز برای هر مستاجر باشد.
3) طرح کنترل دسترسی برای یک داده علم الکترونیکی جغرافیا و پلتفرم اشتراک ابزارها براساس زیر ساخت Easy SaaS توصیف شده است تا مدل TMS-ARBAC را نشان دهد.
این مقاله به شرح زیر سازمان دهی شده است در بخش 2 زیر ساخت های MTA و مدلهای کنترل دسترسی مرتبط مرور می شود در بخش 3، یک تعریف رسمی از مدل TMS-ARBAC فراهم شد و استراتژی های اشتراک منابع برای STA توصیف شده است. در بخش 4 تحلیل ایمنی TMS-ARBAC ارائه شد. و در بخش 5 TMS-ARBAC به طرح کنترل دسترسی برای اشتراک گذاری برنامه های علم الکترونیکی جغرافیا اعمال شده است و در بخش 6 از مقاله نتیجه گیری شده است.

2.کارهای مرتبط
در این بخش MTA و STA در SaaS و مکانیزم های اسمنی مرتبط با آنها مرور می شود.

2.1 MTA و STA در SaaS
در حال حاضر 5 روش برای پیاده سازی MTA وجود دارد : یکپارچه سازی با پایگاه داده، روش میانی، SaaS خدمات محور، روش PaaS محور و روشی هدف محور، اکثر این روشها روی شکل سازی مستاجران و اجرای برنامه آنها روی یک پلتقدم ابری متمرکز هستند.
اما کدبز و همکارانش اشاره کردند که چند مستاجری فاقد یک تعریف واضح است. به نظر می رسد که بسیاری از تکنولوژی های MTA موجود از قبیل مرکز داده، مجازی سازی و روشهای اشتراکی میانی یا MTA ، PaaS محور. MTA واقعی نیستند اما روشهای استفاده چند برنامه ای یا چند لحظه ای فاقد کارایی و اشتراک منابع هستند.
در MTA اکثر سیستم های موجود مستاجران را بعنوان نهادهای واحد که کاملاً از سایر مستاجران جدا شده¬اند لحاظ می کنند. اما SaaS اشتراک گذاری را ترویج می کند در جهان واقعی بسیاری از تعاونی ها، سازمانهای سطوح یکسان یا هم نوع دارای ملزومات برنامه ای یا پروسرهای تجاری مشابه هستند.رابطه بین در مستاجر باید بررسی شود. اما فقط تعداد اندکی از کارهای مرتبط چاپ شده است.
از نقطه نظر موازنه بار چهار نوع وابستگی (بدون وابستگی، وابسته به سرور، وابسته به کلاستر و وابستگی میان کلاستر) برای دسته بندی کاربران مختلف یک مستاجر برای گره های پردازش برای اشتراک منابع و کارایی موثر داده شده است.
من هات و همکارانش (17) یک مدل سلسله برای را برای نمایش منطقی درخت مستاجر و نگاشت به ذخیره فیزیکی معرفی که دراد اما انکار وی کارایی و تماس پذیری ذخیره دسترسی داده احراز هویت تمرکز کرده اند.
کسیتون رابط برنامه ریزی برنامه های هویت (APL) چند مستاجری سلسله مراتبی را برای Open Stack با استفاده از حوزه ها و پروژه برای ساخت سلسله مراتب گروه های کاربری و زیر مجموعه های منابع فراهم کرده است.
با در نظر گرفتن روابط سلسله مراتبی بین مستاجران در زندگی واقعی یک الگوی چند مستاجری سلسله مراتبی معرفی شده است .(6) اما هیچ یک از آنها اشتراک منابع شخصی شده یا جداسازی میان مستاجران را بررسی نمی کنند.
یک پلتوم. MTA SaaS ، Sales force است که یک نمونه برنامه و یک طرح پایگاه داده را برای حمایت از چند مستاجری (شامل مستاجران سطح سرمایه گذاری) با استناد از یک معماری نرم افزار درایو شده از متاداده، APL های مبتنی بر استاندارد و تولید کننده برنامه زمان اجرای برای فعال سازی برنامه های CRM چند مستاجری را اجرا می کند.
از نقطه نظر استفاده مجدد از منابع مشترک و مشخص سازی آسان، STA برای مدلسازی همه انواع چند مستاجری سلسله مراتبی با اشتراک منابع بین مستاجران سطوح مختلف ارائه شده است. این مستاجران اجازه می دهد که خدمات را برای توسعه دهندگان مستاجر دست دوم برای شخصی سازی کاربردهای آنها مجاز می سازد مدلهای مختلف STA با مدلهای مختلف شخص سازی تعریف شده اند.

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1885

تهدیدات امنیتی

• ردیابی حمله: مهاجم می تواند اطلاعات مرتبط با یک برچسب مشخص شده را ردیابی کند.
• حمله عدم سرویس دهی (DoS): آن تلاشی برای تخریب تگ ها با داشتن خوانندگان مخرب که آنها را با اطلاعات بیشتر بجای کنترل آنها بارگذاری می کند.

• حمله غیرهمگامی: مهاجم خواننده و تگ را غیرهمگام می کند.

• حمله مرد میانی: این کنترل جریان پیام را می گیرد.
• حمله جعل هویت: مهاجم یک برچسب معتبر را جعل میکند و به عنوان یک برچسب معتبر عمل می کند.
• حمله کلونینگ: مهاجم اعتقاد خواننده را فریب می دهد که داده ها را از برچسب قانونی دریافت می کند.
• حمله افشاء کامل: مهاجم تمام اطلاعات مخفی تگ را به خطر می اندازد.

• استراق سمع: مهاجم در کانال های ارتباطاتی استراق سمع می کند.

• حمله بازپخش: مأمور یا مهاجم، احتمالا به عنوان بخشی از حمله تظاهرگونه توسط جایگزینی بسته، اطلاعات را قطع و دوباره انتقال می دهد.
خدمات امنیتی

• تایید متقابل: ویژگی که هر دو برچسب و سرور به یکدیگر اعتبار می دهند.

• محرمانه بودن: املاک که تمام اطلاعات مخفی به طور ایمن منتقل می شود.

• در دسترس بودن: ویژگی که طرفین مورد تایید همیشه برای برقراری ارتباط در دسترس است.
• امنیت جلو / عقب: ویژگی که مهاجم نمی تواند اطلاعات محرمانه قبلی / فعلی را به خطر بیاندازد حتی اگر اطلاعات محرمانه فعلی / قبلی را به دست آورد.

• مالکیت قابل انتقال: ویژگی که حریم خصوصی صاحبان فعلی و جدید نقض نمی شود زمانی که صاحب فعلی داده های لازم را به صاحب جدید منتقل می کند.
• ناشناس بودن برچسب: ویژگی که مهاجم نمیتواند از طریق گوش دادن به کانال، یک برچسب را پیدا کند.
• قابل ردیابی: صاحب برچسب می تواند با استفاده از اطلاعات حریم خصوصی محل ذخیره شده در برچسب شناسایی شود.

• مکان خصوصی محل: ویژگی که مهاجم نمی تواند در مورد شیء ردیابی از اطلاعات یک برچسب قضاوت کند.
• حریم خصوصی اطلاعات: ویژگی که تنها خواننده قانونی می تواند به اطلاعات ذخیره شده در برچسب دسترسی داشته باشد.

3. بررسی و مقایسه پروتکل های تأییدی
بر خلاف مطالعه و بررسی سو [17] که در آن پروتکل ها با توجه به خدمات ارائه شده و الگوریتم های استفاده شده طبقه بندی شده اند، این بخش، 22 پروتکل تایید شده پیشنهادی اخیرا RFID را با توجه به کلاس خود معرفی می کند؛ برخی از پروتکل ها به طور دقیق مورد بررسی و توضیح قرار می گیرند در حالی که سایر پروتوکل ها در جداول به دلیل فضای محدود ارائه شده اند
ستون اول جدول 1 ، 22 پروتکل را بر اساس کلاس خود فهرست می کند که از تمام پیشرفته شروع می شود و به پروتکل فوق العاده سبک ختم می شود. ستون دوم تابعی را ارائه می دهد كه پروتكل بر آن مبتنی است. ستون سوم ابزار تأییدیه مورد استفاده برای تصدیق را ارائه می دهد.

ستون EPC فهرست می کند که آیا پروتکل سازگار با EPC Gen2 است یا خیر. ستون “در مقایسه با” پروتکل های دیگر را فهرست می کند که پروتکل با آن مقایسه شده است. آخرین ستون دسته پروتکل تاییدی را ارائه می دهد. مقایسه پروتکل ها بر اساس تهدیدات امنیتی و خدمات امنیتی در جدول 2 ارائه شده است در حالی که جدول 3 نام های مقاله مورد بررسی و سال انتشار را همراه با منابع خود ارائه می دهد.
3-1- پروتکل¬های کاملا پیشرفته
دسته کاملا تکامل¬یافته (پیشرفته) [ی پروتکل¬ها] شامل الگوریتم¬های رمزنگاری است که عمدتا به دو گروه الگوریتم¬های متقارن و نامتقارن تقسیم می¬شوند. الگوریتم¬های نامتقارن مبتنی بر رمزنگاری منحنی بیضی¬شکل (ECC)، از جهت سرویس¬ها و میزان امنیتی که ارائه می¬کنند، قوی به حساب می¬آیند. در مقایسه با سیستم شیوه‌ای رمزنگاری به روش کلید عمومی (RSA)، سیستم¬های بر پایه¬ی ECC، کوچکتر (کم حجم¬تر)، سریع¬تر و با مصرف انرژی پایین¬تری هستند. از این رو برای سیستم¬های با محدودیت منابع، الگوریتم¬های مبتنی بر ECC انتخاب بهتری نسبت به الگوریتم RSA هستند. اشاره شده است که سیستم RSA، یک متغیّر مبتنی بر ECC دارد. به همین جهت بسیاری از پروتکل¬های تاییده شده بر پایه¬ی ECC، برای اجرای تگ¬هایی یا برچسب هایی (کدهای برنامه¬نویسی) دارای محدودیت شدید ارائه شده¬اند.
در سال 2006، تویلز و همکاران با استفاده از پروتکل شناسایی Schnorr، یک پروتکل شناسایی RFID برپایه¬ی ECC را ارائه کردند. آنها ادعا کردند که این پروتکل، در مقابل جعل¬سازی تگ مقاوم است. با این حال در سال 2008، لی و همکاران نشان دادند که پروتکل تویلز و همکاران، در برابر ردیابی موقعیت مکانی بی¬دفاع است، تایید متقابل و امنیت پیشرو را تضمین نمی¬کند و در مقیاس¬پذیری با نقصان روبه¬رو است. در سال 2007، باتینا و همکاران، بر مبنای پروتکل احراز هویت اوکاماتو، یک پروتکل شناسایی RFID برپایه¬ی ECC را ارائه و اشاره کردند که طرح پیشنهادی آنان (پروتکل ارائه شده¬ی آنان) می¬تواند در مقابل حملات فعال ایمن باشد. با این حال لی و همکاران اظهار داشتند که این پروتکل از منظر حمله¬ی ردیابی موقعیت مکانی و امینت پیشرو آسیب¬پذیر است و همچنین فاقد مقیاس¬پذیری است. لی و همکاران ادعا کردند که سه مشکل یادشده را مرتفع ساخته¬اند، اما مطالعات منتشرشده در سال 2008 نشان داد که طرح پیشنهادی لی و همکاران، در برابر حملات جعل اطلاعات و ردیابی بی¬دفاع است و احراز تایید متقابل را نیز تأمین نمی¬کند.
در سال 2009، با بازسازی سه مولفه لگاریتم مجزای دارای انحنای بیضی شکل بر اساس دسترسی کنترل شده تصادفی (EC-RAC) [18]؛ طرح های انتقالی شناسه و رمزعبور امن، و تایید هویت سرور با توجه به الزامات سیستم و ویژگی های امنیتی، لی و همکارانش [22] 6 پروتکل مختلف برای حداقل سازی حجم محاسبات مربوط به برچسب ها، ارائه نموده اند.
در سال 2010، لی و همکارانش [23] پروتکل مبنی بر ECC که به مشکلات ردیابی موجود در پروتکل های ارائه شده در [7، 19] اشاره نموده است را معرفی نموده اند. این طرح تنها برچسب مربوط برای شناسایی خواننده را درنظر گرفته و برچسب تایید اعتبار را نادیده گرفته است. در سال 2011، ژانگ و همکارانش [24] پروتکلی تصادفی و کلیدی مبنی بر ECC را معرفی نموده اند که در واقع شکل بهبود و اصلاح یافته از طرح های لی و همکارانش و تولس و همکارانش، می باشد. این پروتکل در برابر برخی از حملات مربوطه ایمن بوده اما همچنان قادر به ارائه تایید متقابل نمی باشد.
در سال 2014، به منظور دستیابی به تایید متقابل، لائو و همکارانش [25] پروتکل ایمن تایید مبنی بر توانایی ECC همراه با پروتکل انتقال شناسه بازبینی شده، را معرفی نموده اند. با این حال، مطالعات [26- 28] چنین نشان داده اند که پیشنهاد لائو و همکارانش دارای نقص های امنیتی و عملکردی ضعیف می باشد. بعدها در همان سال، با بهره گیری از ECC، چوو [29] پروتکلی برای تایید ارائه کرده و چنین اعلام داشته است که این پروتکل پیشنهادی در برابر حملات مختلف، دارای مقاومت می باشد. با این حال، ژانگ و چی [30] چنین نشان داده اند که پروتکل پیشنهادی توسط چوو از منظر ضمیمه نمودن اطلاعات حریم خصوصی و امکان ردیابی رو به عقب و رو به جلو دارای نقوص و مشکلاتی می باشد. سپس در سال 2015، جین و همکارانش [31] پروتکل تایید متقابل برای محیط های درمانی و بهداشتی مبنی بر ECC پیشنهاد نموده و چنین بیان نموده اند که این پروتکل پیشنهادی در برابر حملات مختلف مقاوم بوده و نسبت به طرح های ارائه شده در [27، 28، 30] عملکرد بهتری از خود ارائه می نماید.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

سازمان بهداشت جهانی بر عدم وجود یک تعریف استاندارد در بهداشت موبایل تاکید دارد [30]. در ادامه به استفاده از تعریف بهداشت موبایل به‌عنوان “اقدامات پزشکی و بهداشت عمومی با حمایت دستگاه‌های تلفن‌همراه، مانند تلفن‌های همراه، دستگاه‌های نظارت بر بیمار، دستیاران دیجیتال شخصی (PDA ها)، و سایر دستگاه‌های بی سیم… شامل استفاده و سرمایه‌گذاری در تلفن‌همراه، صدا و سرویس پیام کوتاه (SMS) و همچنین ترکیب ویژگی‌های پیچیده و برنامه‌های کاربردی از جمله خدمات (GPRS)، نسل سوم و چهارم ارتباطات از راه دور تلفن‌همراه (سیستم‌های 3G و 4G)، سیستم موقعیت‌یابی جهانی (GPS)، و فن‌آوری بلوتوث” اشاره خواهیم کرد. [30] Speciale و Freytsis [31] از تعریف یکسانی در پاسخ به اقدام برای midwives استفاده کردند. در تکنولوژی این تعریف در درجه اول با اشاره به طبابت و اقدامات بهداشت عمومی به جای مراقبت‌های بهداشتی است، دو منطقه‌ی بهداشت و درمان، صاحبان و نیازهای مدیریت اطلاعات مختلفی دارند.
Nacinovich [3] بهداشت موبایل را به‌عنوان یک بخش از سلامت الکترونیک معرفی کرد. که “استفاده از ارتباطات تلفن‌همراه برای اطلاعات سلامت و خدمات. . . به‌منظور بهبود سلامت” است. این تعریف بر فن‌آوری تمرکز ندارد اما در اطلاعات سلامت، خدمات و نتایج این فناوری ممکن است فعال باشد. که مکمل تعاریف قبلی است.
در مقابل تعاریف بالا، Bashshur، Shannon، Krupinski و Grigsby [26] ساختار سلسله مراتبی بهداشت موبایل را به‌عنوان یک جزء از فناوری اطلاعات و ارتباطات (اطلاعات و فناوری ارتباطات) در حوزه سلامت بیان کردند. در این زمینه، پیشرفت پزشکی از راه دور با سلامت الکترونیک به تصویر کشیده شده است. آنها چهار جزء از دامنه‌های بهداشتی موبایل را پیشنهاد کردند: پشتیبانی بالینی، پشتیبانی بهداشتی کارکنان، جمع‌آوری داده‌های از راه دور و خط تلفن [26]. آنها بیشتر برنامه‌ها و فن‌آوری را به‌عنوان سه بُعد اساسی سیستم پزشکی از راه دور (از جمله بهداشت موبایل) نشان دادند. هر یک از ابعاد دارای قطعات بسیاری است.
این موضوع قابل درک است که بسیاری از تعاریف با “M” برای فن‌آوری تلفن‌همراه هدایت می‌شوند. بنابراین این تکنولوژی باید در یک سیستم تلفن‌همراه برای مراقبت موثر سلامت جاسازی شده باشد. این تعاریف یک دید سیستماتیک از سیستم اطلاعاتی را تجسم می‌کنند که در آن این تکنولوژی گنجانده شده است و به صراحت شامل مشارکت ذینفعان است و نتایج نهایی در سیستم بهداشت و درمان برای آن در نظر گرفته شده است. آنها پیچیدگی ترکیبی دامنه را در نظر نمی‌گیرند. تعریف ارائه شده توسط Bashshur، Shannon ، Krupinski و Grigsby [26] تا پای پیاده‌سازی رسیده است، اما از نوعی تعصب در انتخاب طراحی سیستم و تضعیف اثربخشی آن رنج می‌برد. با استفاده از تعاریفی، طراحان و کاربران ممکن است قادر به دیدن “تصویر بزرگی” باشند که راه‌حل‌های تکنولوژیکی بسیار عالی ارائه می‌کنند اما تاثیر آن در بهداشت و درمان غیرقابل پیش‌بینی است. در بخش بعدی، به‌صورت منطقی بهداشت موبایل را پیاده‌سازی کرده و حوزه آن را با استفاده از یک چارچوب هستی‌شناختی تعریف خواهیم کرد.

1.2. هستی‌شناسی بهداشت موبایل
ارائه‌ی موثر پیچیدگی کامل بهداشت موبایل با استفاده از یک روایت طبیعی انگلیسی دشوار است. چنین روایتی بیش از حد بزرگ است و موجب افزایش خطر انتخاب در آن تحقیق و کاربرد آن می‌شود. از سوی دیگر، یک ساختار طبیعی نمایش انگلیسی با استفاده از یک هستی‌شناسی می‌تواند در پیچیدگی‌های بهداشت موبایل با صرفه و موثر باشد، درحالی‌که قابل مشاهده و قابل فهم است. هستی‌شناسی ترکیبی از نمایش انگلیسی، بصری و طبیعی است که می‌تواند به زبان‌های دیگر ترجمه شود. در این بخش، هستی‌شناسی بهداشت موبایل ارائه می‌کنیم.
هستی‌شناسی نشان‌دهنده‌ی مفهومی از یک دامنه است [32]؛ که اصطلاحات آن را طبقه‌بندی و سازماندهی می‌کند. این موضوع “یک توضیح صریح و خاص از یک مفهوم” است [33، ص است. 908] و می‌تواند به‌منظور سازماندهی توضیحات یک سیستم پیچیده مورد استفاده قرار گیرد [34]. “پذیرش ما از هستی‌شناسی. . . در اصل مشابه پذیرش ما از تئوری علمی است که یک سیستم فیزیک بیان می‌کند؛ حداقل تا آنجا که معقول است، ساده‌ترین طرح مفهومی را انتخاب و بیان می‌کنیم” [35، ص. 16] از یک هستی‌شناسی مانند “فیل قابل مشاهده است” استفاده می‌کند.
هستی‌شناسی بهداشت موبایل در شکل 1 نشان داده شده است. چهار مولفه‌ی بیانگر بهداشت موبایل که از هستی‌شناسی به‌دست آمده در زیر با ذکر یک مثال آورده شده است. واژه‌نامه تمام عبارات در ضمیمه الف بیان شده است. در اینجا در مورد ایجاد هستی‌شناسی وابعاد آن، طبقه‌بندی، عناصر و اجزای محصور در آن بحث خواهیم کرد.
روش ما در ایجاد یک هستی‌شناسی توسط Ramaprasad و Syn [25،36] توضیح داده شده است. این مسئله در میان نویسندگان مقاله (یک پزشک در آموزش و دو استاد در زمینه سیستم اطلاعاتی) و نویسندگان کارهای گذشته تکراری است. چالش اصلی، ساخت یک هستی‌شناسی است که منطقی، باصرفه و کامل باشد. بنابراین باید در ساختارشکنی دامنه منطقی باشد و به شرح دامنه‌های بهداشت موبایل نزدیک باشد.
چالش اصلی انطباق سیستم فناوری اطلاعات با بهداشت موبایل بود. که با تکرار کارهای گذشته و ایجاد یک واژه‌نامه از اصطلاحات (ضمیمه الف) انجام شد. در این زمینه، باید توجه داشته باشیم که هستی‌شناسی یکی از هستی‌شناسی‌های ممکن در زمینه بهداشت موبایل را ارائه می‌دهد. دامنه‌های پیچیده مانند بهداشت موبایل را می‌توان از لحاظ بسیاری از نقاط این دیدگاه، با هستی‌شناسی خاص خود مورد مطالعه قرار داد. این مشکل، [37] یک مسئله غیرقابل حل با فرمولاسیون بالقوه است. هر هستی‌شناسی می‌تواند یک لنز باشد که ممکن است دامنه را مورد مطالعه قرار دهد.
هستی‌شناسی بهداشت موبایل در Cameron، Ramaprasad و Syn با جزئیات بیان شده است [1]. هستی‌شناسی موجب ساختارشکنی درحوزه‌های بهداشتی موبایل به سه بُعد می‌شود: سیستم بهداشت موبایل، سهامداران در سیستم بهداشت و نتایج سیستم بهداشت و درمان. (توجه داشته باشید: واژه‌هایی که به ابعاد و ابعاد فرعی از هستی‌شناسی اشاره دارند با حروف بزرگ نوشته شده‌اند.) ابعاد با ستون یا الحاقی از ستون‌ها در شکل 1 نشان داده شده است. تعاریف بهداشت موبایل که قبلا بحث شد شامل این ابعاد ضمنی هست؛ که آنها را در هستی‌شناسی به‌صورت واضح بیان کردیم. سیستم بهداشت موبایل بنا به فن‌آوری تلفن‌همراه برای مدیریت اطلاعات بهداشت و درمان ساخته شده است. سهامداران آن اختیار تحویل/دریافت مراقبت‌های بهداشتی را دارند که شامل مدیریت ارتباطات و اطلاعات با استفاده از تکنولوژی تلفن‌همراه است. نتایج مورد نظر از مراقبت‌های بهداشتی از طریق استفاده از فن‌آوری تلفن‌همراه برای مدیریت اطلاعات بهداشت و درمان به دست آمده‌اند و موجب گسترش مفهوم استفاده از سیستم‌های اطلاعات بهداشت و درمان شده‌اند [38،39]. به‌عبارت‌دیگر، نتایج حاصل از سیستم بهداشت موبایل یک عملکرد سیستم بهداشت موبایل و سهامداران است.

هستی‌شناسی حاصل ساختارشکنی در سیستم‌های بهداشت موبایل به سه بُعد زیر است: ساختار، تابع و نشانه‌شناسی. ساختار بیانگر اشیاء فیزیکی و اشیا سازمانی در سیستم تشکیل شده؛ تابع بیانگر اقدامات سیستم و نشانه‌شناسی بیانگر اطلاعات اشیاء توسط سیستم مدیریت هستند. ساختارشکنی ساختاری /عملکردی، به‌طور گسترده در تجزیه‌وتحلیل سیستم‌های فیزیکی، بیولوژیکی و منطقی مورد استفاده قرار گرفته است. که تشخیص صریح نشانه‌شناسی، مرکزیت مدیریت مورفولوژی، نحو، معناشناسی و کاربرد اطلاعات [40] در بهداشت موبایل را به رسمیت می‌شناسد.

یک طبقه‌بندی دو سطحی از عناصر، هر یک از ابعاد را مفصل تفسیر می‌کند. این طبقه‌بندی می‌تواند با اضافه کردن عناصر بیشتر، کاهش عناصر حذف شده، تعریف دوباره با اضافه کردن سطوح بیشتر و تفسیر با ادغام سطوح موجود گسترش ‌یابد. عناصر و تعداد سطوح در طبقه‌بندی مقیاس و دانه دانه شدگی ابعاد را تعریف می‌کند.
سطح اول طبقه‌بندی ساختار براساس بدنه‌ی مشترکی از دانش در سیستم اطلاعاتی است[41]. ساختار یک سیستم اطلاعاتی معمولا با عبارات سخت‌افزار، نرم‌افزار، شبکه، داده‌ها، فرآیندها، مردم و سیاست شرح داده شده است. به منظور محدود کردن افزونگی عناصر، داده‌ها و مردم را در سطح داده به‌عنوان اجزای اصلی می‌گنجانیم.
عناصر سطح دوم، خاص بهداشت موبایل هستند. بنابراین، حسگرها و دستگاه‌ها بر سخت‌افزار بهداشت موبایل و سیستم عامل، برنامه‌های کاربردی بر نرم‌افزار و وایرلس محلی، شبکه‌های مخابراتی بر شبکه و فرآیندهای دستی، فرایندهای خودکار بر پردازش‌ها و حریم خصوصی و مقررات سیاست تمرکز دارند. پنج دسته‌بندی و ده زیرشاخه، عناصر ساختار برای انجام عملکردهای بهداشت موبایل را توصیف می‌کنند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

1) ویژگی‌هایVANET مربوط به توپولوژی شبکه و حالت ارتباطات:
• شبکه بی‌کران و مقیاس‌پذیر: VANET را می‌توان در یک یا چند شهر و حتی برای کشورها پیاده‌سازی کرد. بنابراین نیاز به همکاری و مدیریت برای برآوردن نیازمندی‌های امنیتی دارد.
• ارتباطات بی‌سیم: اتصال گره‌ها و تبادل اطلاعات بین آن‌ها، از طریق کانال‌های بی‌سیم انجام می‌شود. بنابراین نیاز به ارتباطات امن دارد.
• تحرک بالا و تغییر سریع توپولوژی شبکه: گره‌ها در حال حرکت با سرعت بالا / تصادفی هستند که پیش‌بینی موقعیت و توپولوژی شبکه را مشکل می‌کند. بنابراین افزایش حریم خصوصی موجب عدم قطع ارتباط، نوسانات و دستکاری می‌شود. که فاقد حیاتی نسبتا طولانی (به‌عنوان مثال، رمز عبور) است که برای ارتباطات امن وسایل نقلیه غیرعملی است. تحت این محدودیت‌ها، تاخیر انتشار هشدار باید مهم شمرده شود. عملکرد خوب تاخیر با استفاده از رمزنگاری سریع الگوریتم یا با تصدیق موجودیت و تحویل پیام در زمان مورد نیاز است. برای این کار، اولویت‌بندی پکیج داده و روش ازدحام از اهمیت بالاتری برخوردار است؛ داده‌های مربوط به ایمنی ترافیک و بهره‌وری باید سریع ‌تر از موارد دیگر باشد.
• علاوه بر قابلیت اعتماد، حمل و نقل بین لایه‌های شبکه برای پشتیبانی از زمان واقعی و برنامه‌های کاربردی چندرسانه‌ای پیشنهاد شده است.
2) ویژگی‌هاVANET مربوط به وسایل نقلیه و رانندگان:
• قدرت پردازش بالا و انرژی کافی: گره‌های VANET هیچ مسئله‌ای با منابع انرژی و محاسبات ندارند. آنها انرژی خود را در قالب باتری و قدرت پردازش بالا برای اجرای محاسبات پیچیده رمزنگاری دارند.
• حفاظت بهتر فیزیکی: گره‌های VANET از نظر فیزیکی بهتر محافظت می‌شوند. که این مسئله مقایسه به لحاظ فیزیکی را دچار مشکل می‌کند. بنابراین تاثیر حملات زیرساخت را کاهش می‌دهد.
• زمان شناخته شده و موقعیت: بسیاری از وسایل نقلیه مجهز به GPS هستند چرا که بسیاری از برنامه‌های کاربردی بر موقعیت جغرافیایی و یا منطقه تکیه دارند. GPS برای محلی‌سازی و محافظت امن از محل گره در برابر حملات استفاده می‌شود.
• اکثریت شرکت‌کنندگان صادق هستند: فرض می‌شود اکثر رانندگان برای یافتن تهدید خوب و مفید عمل می‌کنند.
• زیرساخت‌های اجرایی قانون: از طریق مأموران اجرای قانون، آنها می‌توانند تهدید وارد بر سیستم را شناسایی و مورد حمله قرار دهند.
• ثبت مرکزی با تعمیر و نگهداری دوره‌ای و بازرسی: وسایل نقلیه با قدرت مرکزی ثبت می‌شوند و شناسه منحصر به فرد (پلاک) دارند. تعمیر و نگهداری دوره‌ای وسایل نقلیه برای به روز رسانی سیستم عامل و نرم‌افزار است. در PKC (رمزنگاری کلید عمومی)، تعمیر و نگهداری برای به روز رسانی گواهینامه‌ها، کلیدها و به‌دست آوردن CRL جدید (لیست ابطال گواهی) است.
به‌طورخلاصه، شبکه وسایل نقلیه، تعامل بین رفتار رانندگان و همکاری توسط آنان در شبکه است. کاوش در یک راه‌حل امنیتی باید تمام موارد مرتبط را بیابد. پس از ارائه ویژگی‌های VANET، جزئیات چالش‌های امنیتی و محدودیت‌های VANET در بخش بعدی بررسی خواهد شد.

2.2 چالش‌های امنیتی و محدودیت‌های VANET
در VANET، امنیت باید تضمین کننده‌ی پیام‌های اضافه شده و یا اصلاح شده توسط مهاجمان باشد. همچنین، قابلیت اعتماد رانندگان برای اطلاع محیط ترافیک در درون محدودیت زمانی ضروری است. چالش‌های امنیتی منحصر به فرد به‌دلیل ویژگی‌های متمایز VANET افزایش می‌یابد. بدرفتاری این چالش‌های امنیتی منجر به بسیاری از محدودیت‌ها می‌شود. برخی از این چالش‌های امنیتی در زیر بیان شده است:
• اندازه شبکه، ارتباط جغرافیایی، تحرک بالا و توپولوژی پویا، مدت اتصال کوتاه، قطع فرکانس‌های کم‌حجم [1،2]: اندازه شبکه می‌تواند از لحاظ جغرافیایی بیکران و بسیار مقیاس‌پذیر و بنا به نفوذ استانداردهای لازم برای آن در حال رشد باشد.
• تایید اطلاعات با قابلیت اعتماد: اعتماد به‌عنوان طبیعت VANET برای ایجاد انگیزه و جمع‌آوری اطلاعات از سایر وسایل نقلیه و RSUs لازم است [7]. از این رو این تبادل اطلاعات تکراری است و باید قابل اعتماد و یکپارچگی آن مورد تأیید باشد. قابلیت اعتماد اطلاعات بیشتر از تایید توسط گره‌های انتقال مفید است [2].
• توزیع کلید: مکانیزم‌های امنیتی بر روی کلید، به توزیع مهم آنها بستگی دارد.
• الگوریتم حمل‌ونقل: چالش مربوط به تعداد بسته‌های منتقل شده و یافتن بهترین مسیر است. که ارتباط تک پخشی، پخش فراگیر، V2V، V2I یا ترکیبی است.
در حالی که برای محدودیت VANET و یا نیازمندی‌ها [1]، می‌توانیم موارد زیر را بیان کنیم:
• کنترل برخورد و ازدحام: توجه به اندازه شبکه محصور شده ضروری است.
• تحمل کم به هنگام وقوع خطا: برخی از پروتکل‌ها براساس احتمالات است و هر گونه خطایی می‌تواند بر زندگی مردم تأثیر گذارد.
• تاثیر محیطی: موانع موجب انتشار امواج مغناطیسی[1] می‌شود.
• تجزیه و تحلیل خطر و مدیریت: گاهی اوقات می‌توانیم راه‌حل حملات را پیدا کنیم اما پیدا کردن مدل‌ها بنا به رفتار مهاجمان هنوز غیرمعلوم است.
• Anonymity، حفظ حریم خصوصی و مسئولیت: گره‌های مسئول دریافت داده‌ها نیاز به اعتماد به فرستنده دارند. حفظ حریم خصوصی، هویت خودرو ناشناس را تضمین می‌کند. گاهی اوقات گره‌های تصدیق شده می‌توانند مسائل مالی داشته باشند. بنابراین، یک راه‌حل تجاری برای حفظ حریم خصوصی و مسئولیت موردنیاز است.
اگر سرویس‌های امنیتی ارائه شده در بخش بعدی را بهتر مدیریت کنیم این چالش‌های امنیتی و محدودیت‌ها را می‌توان به حداقل رساند.

2.3 نیازمندی‌های امنیتی (خدمات)
سرویس‌های امنیتی موجب افزایش امنیت پردازش‌ها و تبادل اطلاعات در VANET می‌شود. نیازمندی‌های امنیتی عبارتند از:
• احراز هویت: تضمین می‌کند که این پیام توسط یک کاربر قانونی با استفاده از گواهی تولید می‌شود. یا گیرنده، فرستنده پیام را از طریق یک نام مستعار شناسایی می‌کند [8].
• دردسترس بودن: با مقاومت در برابر حملات داس (انکار سرویس)، از عملکرد طبیعی اطمینان حاصل می‌کنیم. زیرا تاخیر چند ثانیه‌ای باعث می‌شود پیام بی‌معنی گردد [4].
• محرمانه: شامل مجموعه‌ای از قوانین است که موجب محدودیت‌ دسترسی به منابع خاص می‌شود. این مسئله با استفاده از رمزگذاری و یا تبادل پیام ویژه بین OBUs و RSUs به‌عنوان نوعی تأیید اطلاعات انجام می‌گیرد [9].
• انکارناپذیری: فرستنده نمی‌تواند ارسال یک پیام را انکار کند. بنابراین می‌تواند پس از آسیب به دستگاه بازیابی(TPD) شود [4].
• صداقت: بدون تغییر برای داده. امضای دیجیتال برای پیام و تمامیت داده‌ها [3،10] استفاده می‌شود.
• حریم خصوصی و Anonymity: مخفی کردن هویت کاربر در برابر گره‌های غیرمجاز با استفاده از کلید موقت و ناشناس. بنابراین حریم خصوصی محل باید حفظ شود.
• بررسی داده: برای از بین بردن پیام‌های نادرست است. تایید انسجام داده‌ها با پیام‌های مشابه برای تشخیص صحت داده‌ها استفاده می‌شود، به خصوص در بین وسایل نقلیه همسایه.
• کنترل دسترسی: تمام گره‌ها با توجه به قوانین عمل می‌کنند [11].
• قابلیت ردیابی و انفصال: هویت واقعی خودرو باید از دیگران پنهان شود، بنابراین باید یک جزء با توانایی به‌دست آوردن هویت واقعی وسایل نقلیه برای لغو استفاده از آنها در آینده وجود داشته باشد.
• تشخیص خطا: برای تشخیص خرابکاری و انتقال نادرست.
• شناسایی مسئولیت: مسئولیت‌ شناسایی کاربر به هنگام ارتباطات. پیام‌ها می‌توانند برای شناسایی کاربران مورد استفاده قرار گیرند.
• انعطاف‌پذیری و بهره‌وری: انعطاف‌پذیری در امنیت معماری و طراحی سیستم قابل توجه است. هر چند که برای استفاده ایمن از ترافیک ضروری است و نیاز به زمان و پهنای باند کمتری دارد. این مسئله در راندمان کانال و در تاخیر کم ناشی از آن بسیار مهم است.
پس از تعریف و تجزیه و تحلیل نیازمندی‌های امنیتی، آنها را در جدول 1 براساس نیاز آنها در ارتباطات VANET، برای V2V، V2I یا هر دو نشان دادیم. برای حالت ارتباطات VANET، پیش‌نیازهای آن برای خدمات امنیتی را تعریف می‌کنیم.

3. مدل مهاجم
استقرار یک سیستم امنیتی برای VANET یک مسئله چالش‌برانگیز است. در واقع، طبیعت بسیار پویا با قطع مکرر ارتباط، ورود و خروج آنی وسایل نقلیه، استفاده از کانال‌های بی‌سیم برای پیام‌های اضطراری و ایمنی، VANET را در معرض تهدیدها و حملات مختلف قرار می‌دهد. در این بخش حملات را طبقه‌بندی می‌کنیم، مهاجمان و تجزیه و تحلیل حالت‌های ارتباطی VANET را تحت تاثیر قرار می‌دهد.

3.1 حملات
بسیاری از محققان در [2،3،5،7،9،10،23] حملات در VANETs را بررسی کردند. طبقه‌بندی این حملات مفید است زیرا ماهیت VANET آسیب‌پذیری‌ها و محدودیت‌هایی دارد که نیاز به راه‌حل دارد. با تقسیم، می‌توانیم بهتر کنترل کنیم.

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F2161

اهداف اصلی ما پیشنهاد یک چارچوب استفاده از تکنولوژی بلاک چین برای ایجاد یک آرشیو شخصی می باشد که همراه با گواهی است. این آرشیو هویت، دقت و شفافیت را حفظ می کند در حالیکه از حریم خصوصی محافظت می کند. مفتشان دیگر موردنیاز نیستند. فاعل می تواند تصمیم بگیرد که چه چیزی را در اختیار چه کسانی و در چه هنگامی براساس ماهست درخواست قرار دهد. وقتی که یک درخواست بیشتر از یک دستاورد دانشگاهی می-باشد، هرگونه PDAهای همراه با چنین تگ (برچسب)، می توانند قفل شکنی شده و در دسترس قرار گیرند. وقتی که یک درخواست در ارتباط شناسایی هویت باشد، فاعل میتواند PDAهایی همانند بیومتریکها را قفل شکنی کند. مشتری میتواند به PDAها سریعا دسترسی پیدا کند و بر این اساس تصمیم گیری نماید. به علاوه، ابزارها و خدمات ارائه شده توسط PASS می توانند هرگونه پروژه مرتبط با رشد شخصی و جدول زمانی را بسیار آسانتر سازند.
بخش زیر آخرین توسعه مفهوم «اثبات X» را با استفاده تکنولوژی بلاک چین مرور می کند جایی که X می تواند هر چیزی همانند هویت، مالکیت دارایی، معامله خاص، درجه دانشگاهی، اطلاعات پزشکی و دستاوردهای آکادمیک باشد. بخش بعد PASS را بحث خواهد کرد، یک سیستم خدمات آرشیو شخصی که بر اساس آن فاعل می تواند آرشیوهای شخصی به طور زمان مند و دقیق ایجاد کند. آنها به گونه ای گواهی داده شدند که نیازمند اعتبارسنجی در هر بار استفاده نمی باشند. PASS فراگیر می باشد در حالیکه حریم خصوصی را حفظ می کند. آخرین بخش به بحث درباره شانس، چالشها و کاربردهای آینده اختصاص داده شده است.
2- مرور منابع و مراجع
مسائل اصلی ایجاد مصنوعات دیجیتال شخصی (PDAها) عبارتند از فرآیند اعتبارسنجی و قابلیت اعتماد. همانطور به لحاظ آماری در بخش1 نشان داده شد، بیش از 30 درصد کارجویان اطلاعات دیپلم خود را تغییر می دهند. 70 درصد در دستاورد خود اغراق می کنند [1].
تلاشهای متعدد برای ایجاد اعتبار و گواهی در کنار موفقیت دانشگاهی انجام شدند. ایده Open Badge یکی از آنها می باشد. گروه کاری استاندارد برای Open Badgeها همانطور که در وبسایت آن عنوان شده است [2]، مهارتها و دستاوردها را به وسیله ارائه نمادهای بصری همراه با داده های قابل تائید و شواهدی که می توانند در وب به اشتراک گذاشته شوند، مبادله می کنند. Open Badgeها فاعل را برای مدیریت دستاوردهای یادگیری آنها توانمند می سازد. هدف این گروه کاری استانداردسازی بیشتر ملاحظات می باشد که انطباق با آنها، حفاظت از آنها و ایجاد آنها بسیار واضح تر و آسانتر می باشد. آکلیم [3] پلتفرم نشان گذاری دیجیتال براساس استاندارد Open Badge بوده و توسط پیرسون ارائه شده است. آکلیم میلیونها امضاء از سازمانهای مشهور همانند IBM برای دستاوردهای پیشرفت شغلی صادر کرده است که به حرفه ای شدن افراد کمک می کند. یک امضاء صادر شده از طریق آکلیم یک بازنمایی دیجیتال از نتیجه یادگیریف تجربه یا رقابت می باشد. این امضاها میتوانند به صورت آنلاین در یک شیوه ای که آسان و ایمن می باشد، به اشتراک گذاشته شده و تائید شوند. آنها محتوی اطلاعات دقیق می باشند که متون مرتبط درباره چیزی دقیقا حاصل شده است، فراهم می کنند که کدام سازمان دستاورد را شناسایی می کند و چه فردی این شناسایی را به دست اورده است. خدمات ارائه شده شایستگی های مربوط به خود را دارا می باشندو نقص اصلی مدل متمرکز آن می باشد.
آموزش جهانی سونی اعلام می کند که تکنولوژی را با استفاده از بلاک چین برای اشتراک آزاد مهارت دانشگاهی و رکوردهای پیشرفته در سال 2016 توسعه خواهد داد [4]. آنها هدف استفاده از خصوصیات ایمن بلاک چین برای تحقق انتقال رمزگذاری شده داده ها همانند اطلاعات مهارتی دانشگاهی فرد و سنجشهای پیشرفت بین دو نهاد معین دارند. جریان کار حقیقی هنوز در حال مشاهده می باشد و نیازمند آزمایش است.
سیستم ID یک مسئله طولانی مدت می باشد. W3 هفت الزام عمومی برای خدمات مدیریت هویت جهانی شناسایی می کند [9]: قابلیت حمل و قابلیت همکاری، قابلیت بسط و توسعه، حریم خصوصی و امنیت مذاکره شده، مسئولیت پذیری، قدرت ثبت توزیع شده، قدرت گواهی توزیع شده و قدرت مدیریت مستقل. چنین سرویسی باید از شناساگرهای منحصر به فرد جهانی در یک فرمت تبادل مشترک استفاده کنند، نگاشت قابل بسط برای این شناساگرها از دیگر شناساگرهای استفاده شده معمول و از یک پروتکل مشترک برای اثبات و احراز هویت یک هویت جهانی استفاده کنند. این باید تعریف واژگان جهانی و نیز تعریف واژگان محلی توزیع شده را پشتیبانی کند. این نیازمند پشتیبانی ناشناسی و نام مستعار برای حفاظت حریم خصوصی می باشد. بنابراین، ناشناسی و ناشناسی دروغین (نام مستعار) برای حفاظت حریم خصوصی تحت صلاحیت حریم خصوصی و امنیت می باشد.
سیستم ID باید هردوی مدلهای ثبت سلسله مراتبی و همتا به همتا (یا نظیر به نظیر) را پشتیبانی کند. نهاد مدریت کننده باید به صورت یک سازمان ناسود آور بین المللی تعیین شود بنابراین در تمام جوانب به لحاظ دولتی، صنعتی و فروش بی طرف می باشد. این سازمان باید هردوی استانداردهای فنی و عملیاتی برای خدمات را برآورده کند از آنجایی که این دو مورد به طور نزدیکی آمیخته به یکدیگر می باشند. این سازمان باید توسعه واژه جهانی برای ویژگیهای هویت عمومی و ساختارهای کنترل پروتکل جهانی را مدیریت کند. این سازمان باید قوانین مسئولیت پذیری را برای تمام عوامل از جمله نهادهای ثبت و صدور گواهی برآورده کند. این سازمان باید به عنوان یک نهاد بنیادی غیرنسبی برای ثبت سلسله مراتبی یا مدلهای صدور گواهی عمل کند.
OpenID با اتصال OpenID [6 تا 11] برای تعریف و توسعه یک استاندارد باز و پروتکل احراز هویت غیرمتمرکز می باشد. این مورد نهادهای متکی (RP) برای اعتبارسنجی هویت کاربر نهایی براساس احراز هویت انجام شده توسط ارائه کننده OpenID (OP) یا سرور احراز هویت و نیز برای دستیابی به اطلاعات پروفیال بنیادین درباره کاربر نهایی در یک شیوه متقابل و همانند REST توانمند می سازد. با انجام احراز هویت کاربران از طریق یک سرویس شخص ثالث، این مورد نیاز برای وب مسترها جهت ارائه سیستم های ادهاک خود آنها و هویت و پسورد مجزا حذف می کند.
در حالیکه OAuth سرویس احراز هویت شخص ثالث را توانمند می سازد، هنوز از نظر ارائه کننده OpenID متمرکز می باشد. و کاربران باید اطلاعات خصوصی بسیاری را در دسترس قرار دهند تا احراز هویت شوند. این همچنین دارای یک نقطه شکست مجزا می باشد. به علاوه، این همچنین برخلاف ماهیت اینترنت می باشد که نهاد مرکزی مجزا می باشد که کنترل را انجام می دهد، چه کسی میتواند چه چیزی را انجام دهد.
اطلاعات خاص بیومتریک متعدد میتوانند برای شناسایی انسان با دقت بسیار بالا استفاده شوند [8، 32، 33]. این به خصوص در اپلیکیشنهای رسانه اجتماعی مفید می باشد که در آن کاربر میتواند ناشناس باشد اما نیاز است تا به صورت یک انسان حقیقی به جای یک دسته از باتهای اجتماعی استامپ (برچسب) شود. بنابراین، نتایج همانند احساسات یا نظرسنجی از اپلیکیشن رسانه اجتماعی میتوانند شرایط حقیقی را بیان کنند و توسط باتهای اجتماعی دچار سردرگمی نشوند.
برخی اپلیکیشنهای وب همانند taskstream (جریان مسئولیت) یک پلتفرمی را برای کاربر جهت ایجاد نمونه های شخصی فراهم می کنند. این میتواند پیشرفت در پروژه های خاص را ردیابی کند و بازتاب موضوعات خاص را ثبت کند. این اپلیکیشنها میتوانند به عنوان یک شیوه ای برای نشان دادن اثر رشد شخصی عمل کنند که میتواند منشاء مهارتهای خاص را فراهم کند.