مبتدی (مناسب برای درک مفهوم کلی مطلب) 

 اهداف تحقیق
رایانش ابری سلامت می تواند به بهبود اشتراک منابع کمک کند. این سیستم نظارت و مدیریت پزشکی بسیار مؤثری را ارائه می دهد و در عین حال هزینه های عملیاتی عظیم را کاهش می دهد. مبتنی بر ابر فناوری شناسایی فرکانس رادیویی ایمن، موثر و نظارت و مدیریت داده های پزشکی با کیفیت بالا. این می تواند به ارائه نتایج پیشرفته در انتقال، سلامت هوشمند کمک کند نظارت و قرار دادن دقیق IoT Cloud جدیدترین نوآوری است ترکیب چندین فناوری متصل به اینترنت برای ارائه راه حل های بلادرنگ در مکان ها و تنظیمات متعدد. ظهور اینترنت اشیا به هر نحوی کاربرد دارد، از مدیریت بیماری های مزمن گرفته تا اجتناب از آن مسائل مختلف بهداشتی، از بهداشت و درمان بسیار سود برده است. ابر و ادغام اینترنت در بهداشت و درمان چندین مزیت از جمله قابلیت اطمینان بالا، راندمان بالا، مجازی سازی و مقیاس پذیری را ارائه می دهد ، (Salih & Lilien, 2015, Ratnam & Dominic, 2014, Akrivopoulos et al., 2017). چهار هدف عمده این مقاله به شرح زیر است:
RQ1: – مطالعه رایانش ابری و نیاز آن به بهداشت و درمان و فن آوری کمک به رایانش ابری برای بهداشت و درمان؛
RQ2: – برای بحث در مورد مزایای کلیدی رایانش ابری برای صنعت بهداشت و درمان؛
RQ3: – مطالعه موانع و چالش‌ها در اتخاذ رایانش ابری برای بهداشت و درمان.
RQ4: – شناسایی و بحث در مورد کاربردهای مهم رایانش ابری برای بهداشت و درمان.

5. مزایای کلیدی رایانش ابری برای بهداشت و درمان
در دنیای امروز، رایانش ابری دائماً در بهداشت و درمان متحول می شود. بر اساس دیدگاه بازارهای جهانی، ارزش بازار رایانش ابری بهداشت و درمان تا سال 2025 به 55 میلیارد دلار خواهد رسید. علاوه بر مقیاس پذیری و ذخیره سازی، کسب و کارهای بهداشت و درمان امروزی به طور فزاینده ای به فناوری ابر به دلیل قابلیت های چشمگیر آن مانند همکاری، دسترسی، کارایی و امنیت روی می آورند. ابتدا، به عنوان یک نرم‌افزار به عنوان سرویس (SaaS)، ابر ممکن است خدمات میزبانی شده بر اساس تقاضا را برای کسب‌وکارهای بهداشت و درمان ارائه کند، که امکان دسترسی فوری به برنامه‌های کاربردی تجاری و مدیریت ارتباط با مشتری (CRM) را فراهم می‌کند. زیر ساخت به عنوان سرویس (IaaS) می تواند امکانات پزشکی را با رایانش بر اساس تقاضا و ذخیره سازی عظیم فراهم کند. در نهایت، به عنوان یک پلتفرم به عنوان سرویس (PaaS، ابر می‌تواند محیطی امن برای خدمات مبتنی بر وب و استقرار برنامه‌های کاربردی ابری فراهم کند (الزوبیدی، 2016، گلی ملک‌آبادی و همکاران، 2016، پدهی و همکاران، 2012).
ارائه اطلاعات پزشکی از بسیاری از رایانه ها، در هر مکان و هر دستگاه تلفن همراه، در قلب سیستم های ابری است. تحول بهداشت و درمان همچنین در مورد مزایای مراکز پزشکی و کاربران ابری برای به اشتراک گذاشتن داده های سلامت بیمار از طریق اینترنت است. رایانش ابری در بهداشت و درمان مقرون به صرفه و آسان است
برای نصب، با بسیاری از مزایای دیگر که می توان از آنها به خوبی استفاده کرد. در نتیجه، سرویس‌های مبتنی بر ابر کمک ارزشمندی را ارائه می‌کنند و با در دسترس‌تر کردن داده‌ها و قابلیت همکاری، به بهبود زیرساخت‌های سلامت کمک می‌کنند. چندین مزیت فناوری های مبتنی بر ابر در مورد استفاده در سیستم های بهداشت و درمان وجود دارد (دواداس و همکاران، 2017، آستو و همکاران، 2020، جاوید و همکاران، 2020، کومار و همکاران، 2018). شکل 1 برخی از کلیدها را نشان می دهد که مزایای این فناوری ها فناوری‌ها و پروتکل‌های امنیتی پیچیده‌ای در دسترس هستند. سطوح امنیتی اضافی در رایانش ابری به منظور جلوگیری از اطلاعات حساس، ارائه دهندگان ابر باید به مقررات نظارتی پایبند باشند تعهدات مربوط به سوابق پزشکی الکترونیکی فناوری ابری می تواند ارائه بازخورد در مورد اطلاعات پزشکی، تجزیه و تحلیل آن در زمان واقعی، و در نهایت بهداشت و درمان بیمار محور و داده محور را افزایش می دهد. تجزیه و تحلیل داده های مبتنی بر ابر ممکن است به ایجاد بازاریابی دقیق و متمرکز کمپین ها و تبلیغات با استفاده از اطلاعات کسب و کار از چندین منبع کمک کند (الحربی و همکاران، 2016، کو و همکاران، 2011). پزشکان برای کار با بیماران توانسته‌اند برای هر بیمار که درمان می‌کنند یک پرونده پزشکی جداگانه نگهداری کنند که کار را بسیار آسان تر می کند. فناوری ابر این اطلاعات را در زمان واقعی در دفاتر همگام و توزیع می کند. این فناوری به ذخیره سازی بدون مشکل داده ها و مقیاس پذیری پشتیبان کمک می کند و در طول دوره های شلوغ روز کاهش می یابد. علاوه بر این، تاکتیک‌های فاصله‌گذاری اجتماعی نیاز به مشاوره از راه دور با بیماران خردسال دارد (علی و همکاران، 2018، بامیه و همکاران، 2012، رجبیون و همکاران، 2019).
استقرار و ارتقاء ابر سریعتر از نرم افزار میزبانی در محل است. مدیریت خدمات ابری هزینه نسبتاً کمتری دارد و باعث نمی شود مصرف کنندگان خدمات خود را متوقف کنند. ارائه دهندگان بهداشت و درمان و بیماران آنها با خدماتی با بالاترین پهنای باند و سرعت با خدمات سریعتر مواجه می شوند. پلتفرم‌های ابری شامل ML و AI هستند که به شرکت‌ها کمک می‌کنند تا حجم زیادی از داده‌های مشتری را مدیریت کنند و تجزیه و تحلیل داده‌ها را در نقاط تماس متعدد خدمات بهداشت و درمان انجام دهند (Tyagi et al., 2016, Abdelaziz et al., 2018, Seddon & Currie, 2013). استفاده عمومی از فناوری‌های ذخیره‌سازی داده مبتنی بر ابر در بهداشت و درمان پتانسیل افزایش نتایج مراقبت از بیمار را ایجاد کرده است. محققان ممکن است از ابر در زمان خود و با کسری از هزینه برای استفاده از قابلیت های تحلیل ابررایانه استفاده کنند. تمام داده‌هایی که قبلاً در پرونده‌های بایگانی در دسترس نبودند، با استفاده از پیچیده‌ترین الگوریتم‌های رایانه‌ای موجود با ورود رایانش ابری قابل جستجو و تجزیه و تحلیل هستند (Gavrilov & Trajkovik, 2012, Hoang & Chen, 2010.

6. محرک های بالقوه رایانش ابری برای بهداشت و درمان صنعت
شکل 2 نمونه‌ای از محرک‌های مهم و بالقوه مختلف رایانش ابری برای افزایش عملکرد کلی حوزه بهداشت و درمان است. حرکت به ابر دو مزیت دارد بهداشت و درمان. هم پزشکان و هم بیماران از این موضوع بهره مند شده اند که از آن. در جنبه تجاری، رایانش ابری نشان داده شده است به کاهش هزینه های عملیاتی کمک می کند و در عین حال به ارائه دهندگان اجازه می دهد تا درمان با کیفیت بالا و متناسب را ارائه دهند. بیمارانی که دریافت درمان‌ها از این طریق است اکنون می‌توانند همان سطح مراقبت را از پزشک دریافت کنند و بخش سلامت حوزه های اصلی محرک های مشاهده شده مفاهیمی مانند کلان داده، یادگیری مصنوعی و ماشینی، تکنیک های بهداشت از راه دور، بالا تجزیه و تحلیل نیرومند و غیره است. رایانش ابری بیمار را بیشتر درمان کرده است که نتایج با افزایش مشارکت بیماران در برنامه های بهداشتی خود توسط ارائه دسترسی به داده های بهداشت و درمان آنها است (جیندال و همکاران، 2018، سینگ و همکاران،2017، جمال و همکاران، 2015، محمد و همکاران، 2014).
رایانش ابری بهترین راه حل ها را برای نیازهای بهداشت و درمان فراهم می کند که ارزان تر، سریع تر و شخصی تر هستند. به طور قابل توجهی می تواند کمک به تحقیقات پزشکی و اپیدمیولوژیک، پیش بینی بیماری، و آزمایشات بالینی تجزیه و تحلیل ابری از بیمارستان ها از طریق تجزیه و تحلیل ابری، تحلیل های پیش بینی، ابزارهای مبتنی بر هوش مصنوعی و منابع در تصمیم گیری های مبتنی بر شواهد پشتیبانی می کند. تجزیه و تحلیل ابری می تواند به طور مداوم نتایج را نظارت کند تا با تجزیه و تحلیل آنها از تجهیزات پزشکی مرتبط مختلف. بهداشت و درمان ارائه‌دهندگان راه‌حل ‌های مبتنی بر ابر را که می‌توانند برای بازاریابی، تجزیه و تحلیل/تشخیص، نظارت بر بیمار، پیشگیری و مدیریت استفاده شوند تا به اهداف خود برسند: (لیو و همکاران، 2018، نور و مون، 2012).
یک شرکت با یک کارمند از راه دور باید توسعه یابد تا افراد را از راه دور به سرعت مدیریت کند. همچنین مستلزم کاهش هزینه ها و ادامه فعالیت و رعایت قوانین سختگیرانه ایمنی و حفظ حریم خصوصی است. آنجا هیچ انعطافی برای رشد سریع و مؤثر زیرساخت های محلی موجود وجود نداشت و همچنین نمی توانست کاربران اضافی را در یک دوره قابل قبول گنجانده شود. کار استراتژیک شامل ایجاد یک مدل عملیاتی فناوری اطلاعات، ارزیابی پلت‌فرم‌ها و ابزارهای ابری و ایجاد مدرک قوی است. معماری ابری توسعه دهندگان را قادر می سازد تا به سرعت منابع و کار از راه دور، از جمله ایستگاه های کاری مجازی در فضای ابری را تامین کنند. که این کار دشواری مدیریت موجودی سخت افزار، تعمیرات و زیرساخت دسکتاپ مجازی را نیز برطرف می کند. E (Guo et al., 2012, Alshammari et al., 2020, Dzombeta et al., 2014).
ارائه دهندگان بهداشت و درمان لازم نیست نگران مدیریت داده های ابری خود باشند. پزشکان بهداشت و درمان ممکن است با کمک متخصصان توانمند فناوری اطلاعات که سیستم را نظارت و کنترل می کنند، بر زمینه های اساسی بهداشت و درمان تمرکز کنند. رایانش ابری نظارت بر پرداخت ها توسط ارائه دهندگان بهداشت و درمان را تسهیل می کند. علاوه بر این، سرمایه گذاری در زیرساخت های قابل توجه و پرهزینه ضروری نیست. انتخاب یک راه‌حل ابری می‌تواند بسیار مقرون‌به‌صرفه‌تر از ساختن سیستم‌های فیزیکی با شخصی‌سازی برنامه‌ای که مطابق با خواسته‌های آن‌ها باشد. سرورهای ابری می‌توانند اطلاعات را سریع‌تر آپلود، مبادله و بازیابی کنند تا متخصصان بهداشت و درمان، بیمارستان‌ها، تحقیقات و آژانس‌های مالی بتوانند بهتر همکاری کنند (Alphonsa & Amudhavalli، 2018، Agarwal & Sebastian، 2016، John & Shenoy، 2014)
حجم زیادی از داده های ایجاد شده در کسب و کار بهداشت و درمان با موفقیت در درایوهای مجازی ذخیره و قابل دسترسی است. رایانش ابری است برای ارائه خدمات و پلتفرم هایی استفاده می شود که به مدیریت مشتری کمک می کند. در نتیجه، بسیاری از شرکت ها یا سازمان هایی که خدمات بهداشت و درمان ارائه می دهند خدمات رایانش ابری به بیماران خود در نرم افزار، پلتفرم و زیر ساخت نیاز دارند. اینها امکان تبادل اطلاعات و رکورد را بهبود می بخشد و مدیریت و تخصیص منابع در موسسات بهداشتی را با رایانش ابری سرعت می بخشد و کار را برای متخصصان پزشکی ساده می کند تا با هم کار کنند و به صورت تیمی از طریق دستگاه های تلفن همراه درمان کنند واز ویدئو کنفرانس و نرم افزار طراحی شده برای شرکت های بهداشت و درمان استفاده کنند. ظرفیت پزشکان برای ارائه خدمات درمانی در سطح بالا به بیماران با حفظ ارتباط آنها با بیماران و همکاران افزایش یافته است (کازولا و همکاران، 2016، بامیه و همکاران، 2012، ایجاز و همکاران، 2021).

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

4. کار پیشنهاد شده
در طول چند سال گذشته تعداد بیشتری از کارهای تحقیقاتی تکنیک های داده کاوی را به اشکال مختلفی اعمال کرده اند. در کار پیشنهادی، ما آنها را در سیستم تشخیص نفوذ پذیرفته ایم. شکل 1 معماری کار پیشنهادی را نشان می دهد. انتخاب ویژگی های مهم اولین گام برای تشخیص نفوذ است. انتخاب ویژگی فرآیند انتخاب زیر مجموعه ای از ویژگی های اصلی با توجه به معیارهای خاص است و برای داده هایی با ابعاد بالاتر اهمیت دارد. اجازه دهید F مجموعه ای از ویژگی های دارای تعداد “n” باشد. زیر مجموعه ای از ویژگی های پیچیده، 2n-1 است. مجموعه ای از زیر مجموعه های ویژگی به عنوان S مشخص شده و توسط:
که در اینجا n = 41 در مجموعه داده KDD.
تعداد زیر مجموعه ها بسیار بزرگ و جامع است. کار با تمام زیر مجموعه ها و گرفتن راه حل های شمارنده فراتر از راه حل عملی است و از این رو استراتژی های مختلف باید اقتباس شوند. الگوریتم برای انتخاب ویژگی می تواند به دو دسته تقسیم شود: انتخاب ویژگی های مبتنی بر فیلتر و انتخاب ویژگی های مبتنی بر پوشش [17]. الگوریتم firefly اکتشافی که ابتدا توسط Xin-She Yang توسعه یافت [25] و در رویکرد پوشش قرار گرفته است که تاکنون در هیچ یک از کارهای موجود در NIDS مورد توجه قرار نگرفته است. ساختن ویژگی های کمتر باعث بهبود کارایی تشخیص نفوذ شبکه می شود. اگرچه هر کار بر روی IDS با مجموعه داده مبنا تمرکز داشت، وی وانگ و همکاران [ ۱۹ ] این ویژگی ها را از محیط زمان واقعی ساخته و ویژگی های را با استفاده از آنالیزKNN و اصل مولفه های اصلی طبقه بندی کردند.

.A انتخاب ویژگی مبتنی بر فیلتر
ویژگی ها بر اساس ویژگی های کلی داده های آموزشی بدون تکیه بر الگوریتم های داده کاوی ارزیابی می شوند. این زیرمجموعه را با محتوای اطلاعات خود یا با اطلاعات متقابل یا با افزایش اطلاعات ارزیابی می کند. ما این ویژگی را با بزرگترین اطلاعات متقابل (MI) انتخاب کرده ایم. اطلاعات متقابل دو متغیر تصادفی با استفاده از آنتروپی محاسبه می شود که قادر به تعیین عدم قطعیت متغیرهای تصادفی و مقادیر اطلاعات به اشتراک گذاشته شده توسط آنها می باشد [24].

.Bانتخاب ویژگی های مبتنی بر پوشش
از یک طبقه بندی کننده برای ارزیابی زیرمجموعه ای از ویژگی ها با دقت پیش بینی آن ها استفاده می کند (بر روی داده های آزمون). مقاله بررسی شده توسط Monowar و همکاران (13) در مورد بسیاری از روش های جستجو برای بهترین زیر مجموعه، که در آن یکی از روش ها انتخاب ویژگی های مبتنی بر پوشش است، مورد بحث است. در کار پیشنهادی ما، الگوریتم Firefly اطلاعات متقابل (MIFA) به عنوان یک استراتژی انتخاب ویژگی در انتخاب ویژگی پوشش با استفاده از C۴ ۵ [ ۸ ] و شبکه بیزین (۵)به عنوان یک طبقه بندی کننده انتخاب شده است. شکل 3، روش انتخاب ویژگی مبتنی بر پوشش را نشان می دهد.
به طور کلی، دو نوع الگوریتم تصادفی وجود دارد: اکتشافی و فرااکتشافی. اکتشافی به معنی “یافتن” یا “کشف توسط آزمون و خطا” و فرا اکتشافی، نسخه بهبود یافته الگوریتم اکتشافی و firefly است که در اصل توسط ژین جیانگ یانگ توسعه داده شد [ ۲۵ ]، که در آن فرض می شود fireflies با وجود خود به یکدیگر جذب می شوند. تابع هدف هر مساله بهینه سازی را می توان در وجود یک firefly ترسیم کرد.
در الگوریتم firefly دو مسئله مهم وجود دارد: تنوع روشنایی و فرمول جاذبیت. بنابراین جاذبیت بین دو firefly i و j با توجه به فاصله متفاوت است که با فاصله از منبع آن کاهش می یابد. یک عامل دیگر ضریب جذب به دلیل رسانه ای است که بر جاذبیت تاثیر می گذارد. از این رو روشنایی یک firefly در شعاع (r) از یک firefly با منبع روشنایی B بصورت زیر است: در کار پیشنهادی، تعداد ابعاد (D) 41 است که نشان دهنده تعداد کل ویژگی های مربوط به تشخیص نفوذ شبکه است. پیچیدگی انتخاب ویژگی ها 2D است، که نوعی از چند جمله ای غیر قطعی است. از این رو نیاز به انتخاب ویژگی های موثر برای کاهش پیچیدگی محاسبات و ذخیره سازی برای استقرار زمان واقعی وجود دارد. شبه کد برای انتخاب ویژگی های مبتنی بر اطلاعات متقابل و الگوریتم firefly به NIDS داده شده است در الگوریتم ارائه شده است.
در این کار برای ارزیابی انتخاب ویژگی، از C4.5 و شبکه بیزین استفاده شده است. هر firefly به عنوان یک بردار دودویی با تعداد زیادی از ویژگی های D نمایش داده می شود و توسط vi = (vi1، vi2، vi3، vid …، viD)، i = 1 … n مشخص می شود که در آن ‘n’ تعداد firefly است. هر عنصر vi به 0 یا 1 محدود می شود که نشان می دهد که آیا این ویژگی ترافیک انتخاب شده است یا نه. به عبارت دیگر، هر firefly vi به عنوان یک نقطه در فضای بردار D بعدی قرار می گیرد.
زیر مجموعه ای از ویژگی های (41 ویژگی) توسط ترکیب های مختلف از حضور 0 یا 1 در مجموعه ویژگی های نشان داده شده است.
هر firefly در یک جهت در فضای جستجو حرکت می کند تا زیرمجموعه ویژگی بهینه را بر اساس دقت مدل طبقه بندی با زیر مجموعه ای از ویژگی های انتخاب شده را پیدا کند. دقت ارزیابی کننده (مدل طبقه بندی) شامل ویژگی انتخاب شده به عنوان یک تابع هدف یا وجود firefly در نظر گرفته می شود. Firefly با استفاده از معادله دیفرانسیل،از دقت روشنی کمتری به دقت روشنایی بالاتر حرکت خواهد کرد Eq.6 و فاصله بین دو Firefly با استفاده از معادل 7 محاسبه می شود. تعدادی از ویژگی های حاصل از الگوریتم Firefly متفاوت است. برای داشتن تعدادی از ویژگی های ثابت برای اجرای موثر در الگوریتم Firefly مبتنی بر اطلاعات متقابل (MIFA)، استراتژی انطباقی در کار فعلی پیشنهاد شده است که نوآوری کار پیشنهادی در NIDS است. این کنترل فرآیند اضافه کردن یا حذف ویژگی های حاصل توسط الگوریتم Firefly است که تعداد مشخصی از ویژگی ها را ایجاد می کند. Long Zhang et.al [28] در انتخاب ویژگی ها با استفاده از الگوریتم firefly برای تعیین داده های مختلف معیار بدون اصلاح تعدادی از ویژگی های مورد نیاز انتخاب شد. در کار پیشنهادی، تعداد ویژگی های انتخاب شده در k ثابت است. اگر تعداد حاصل از ویژگی ها | vd == 1 | می گویند “m” کمتر از k است و سپس (k-m) تعداد ویژگی های باقی مانده به آن بر اساس اطلاعات متقابل (MI) از ویژگی های انتخاب نشده اضافه شده است. آن m بزرگتر از k است، MI برای ویژگی های حاصل محاسبه شده و (m-k) تعداد ویژگی های با کمترین MI حذف می شوند. این استراتژی به عنوان استراتژی سازگاری مبتنی بر اطلاعات متقابل (MIAS) معنا می یابد.
موقعیت i firefly در MIFA از قانون به روز شده در معادله (8) استفاده می کند.
در کار پیشنهادی، سه نوع مختلف استراتژی انتخاب ویژگی به شرح زیر است:
• ویژگی مجموعه بر اساس اطلاعات متقابل (S1)
• مجموعه ویژگی های به دست آمده از روش پوشش شده MIFA با C4.5 به عنوان ارزیاب (S2)
• مجموعه ویژگی های به دست آمده از روش پوشش شده MIFA با شبکه بیزی به عنوان ارزیاب (S3)
رأی مبتنی بر انتخاب ویژگی ها از این مجموعه ویژگی ها (یکی از ویژگی های این سه مجموعه انتخاب شده است که در حداقل دو مجموعه موجود است) همانطور که در معادله (9) مشاهده می شود
مجموعه ای از ویژگی های نهایی حاصل از آن به عنوان ورودی به طبقه بندی C4.5 استفاده می شود.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

پژوهش در این عرصه حل این مسئله را با تکنیک‌های مدیریت صف فعال (AQM) محلی یا جریان انتها به انتها و کنترل ازدحام برای پروتکل‌های انتقال هدف قرار می دهد.
مسئله، در حالی که تشخیص آن سخت نیست، بدون یک هزینه سربار قابل توجه به سختی حل می شود [36]. پروتکل کنترل ازدحام در نقطه انتهایی ممکن است متفاوت باشد، و AQM را پیچیده تر کند؛ این اطلاعات اغلب برای روترها هم در دسترس نیستند، به همین دلیل روترها هم ممکن است قادر به پیش بینی دور انداختن بسته‌ها در شرایط ازدحام نباشند، و همین الگوریتم‌ها را به شدت پیچیده تر میکند و نسبت به تنظیم پارامترها حساس تر میکند.
AQM یک ایده تازه نیست: تکنیک‌های بیشماری پیشنهاد شدند، مانند دور انداختن زود هنگام تصادفی (RED)، و ما به خواننده پیشنهاد می کنیم که برای کسب اطلاعات بیشتر در مورد این موضوع به [36][37] مراجعه کند. با توجه به این پروپوزال‌های بسیار، آن‌ها با پذیرش محدودی مواجه شده اند، که تا حدی با توجه به مسائل ذکر گفته شده بالا در تنظیم پارامترها و هزینه محاسباتی الگوریتم‌ها بوده است [35]. اخیرا، روش‌های جدید و آسان تری برای تنظیم و استقرار الگوهای AQM، مانند مدیریت تاخیر کنترل شده (CoDel)، در محصولات تجاری متعدد پذیرفته شده است. CoDel یک الگوریتم AQM است که تاخیر بافرینگ را با مانیتورینگ تاخیر صف D در یک بازه ( معمولا 100ms) و گم شدن بسته‌ها در زمانی که حداقل مقدار D بزرگتر از 5ms ثانیه است، محدود می کند. با این وجود همانطور که در بخش D قسمت 3 بحث می کنیم، مشابه Bufferbloat به دامنه‌های بی سیم مربوط است.

.Bمسئله Incast
مراکز داده نواحی محدودی هستند که شامل سرورها و سیسم‌های نظارت کننده فعالیت‌های سرور، ترافیک و عملکرد وب هستند. تبادل داده بین سرورها معمولا بر اساس APIهای مبتنی بر پروتکل انتقال ابرمتن (HTTP) است، که از TCP به عنوان پر کاربردترین پروتکل انتقال در مراکز داده استفاده می شود. برخی از فعالیت ها، مانند مهاجرت‌های ماشین مجازی، نیز حجم بالایی از ترافیک را بین سرورها ایجاد میکند. بنابراین، لینک‌ها در مراکز داده معمولا پهنای باند بالا و تاخیر کمی دارند، در عین حال که سوئیچ‌ها بافرهای کوچکی دارند، برخلاف آنچه که در لینک‌های دسترسی، که در بخش قبل گفته شد، رخ می دهد.
فریم ورک‌های رایانش ابری به صورت گسترده در مراکز داده بزرگ قرار دادند و بارهای ترافیک بسیار بالایی را تولید می کند. برای مثال، MapReduce (که از الگوی طراحی تجمعی/بخش بندی استفاده می کند) [40] یا PageRank (استفاده شده برای جستجوی وب) [41] اغلب شامل الگوهای ترافیک چند به یک هستند، که در آن‌ها کارگران متعدد داده‌هایی را همزمان به یک گره تجمعی واحد ارسال میکنند، که در شکل 1 نشان داده شده است. در این سناریوی چند به یک، اگر همه جریان‌های incast متعدد از یک سوئیچ عبور کنند، بافر آن ممکن است کافی نباشد، و به ازدحام منجر شود. مکانیزم بازیابی بسته‌های گم شده TCP کمتر به درد می خورد، و با تایم اوت‌های متعدد مواجه می شود و باعث تنزل توان عملیاتی و تاخیرهای طولانی می شود [42].
تلاش‌های بسیاری برای تحلیل و حل این مسئله، که مسئله Incast گفته می شود، و عملکرد شبکه و تجربه کاربر را تضعیف می کند، صورت گرفته است [43]. تحلیل تخمین دقیق توان عملیاتی را می توانید در [42] و [44] ببینید. راه حل‌ها ممکن است به چهار گروه ذکر شده در [42] دسته بندی شوند: (1) تنظیم پارامترهای سیستم، مانند غیرفعال کردن شروع آهسته برای اجتناب از انباشتگی و سرریز ناگهانی بافر که باعث تایم اوت انتقال‌های مجدد می شود؛ (2) ارتقای طراحی الگوریتم سمت کاربر و داخلی شبکه، برای کاهش هدر رفت پهنای باند، حداقل سازی تایم اوت‌های انتقال مجدد و کاهش تعداد بسته‌های گم شده، و بهبود بازیابی سریع بسته‌های گم شده [39]؛ جایگزینی الگوریتم‌های کنترل ازدحام مبتنی بر گم شدن بسته با پیاده سازی‌های بهتر که اندازه پنجره ازدحام را برطبق تاخیر اندازه گرفته شده از RTTها تنظیم می کنند؛ مانندVegas؛ و (4) طراحی الگوریتم‌های کاملا جدید برای این محیط خاص، مانند Data Center TCP (DCTCP) [45]، که از اعلان ازدحام صریح (ECN) برای ارائه متدهای کنترلی مبتنی بر پنجره، یا IATCP [46]، یک رویکرد مبتنی بر نرخ استفاده می کند که مجموع تعداد بسته‌های تزریق شده برای برآورده کردن محصول تاخیر پهنای باند (BDP) شبکه را محاسبه می کند [42].

.Cتاخیر و بلاکینگ Head of Line
HoL پدیده ای است که زمانی رخ میدهد که دو جریان داده مستقل یا بیشتر یک ارتباط TCP را به اشتراک گذارند، برای مثال با ترافیک وب بر روی TCP؛ چرا که این پروتکل انتقال داده ای که دریافت میکند را به عنوان یک جریان مستمر واحد از بایت‌ها تفسیر می کند، و نیازمند تحویل ترتیبی است، با گم شدن یا تاخیر یک بسته برای هر جریانی، باعث تاخیر قابل توجه می شود. HoL در هر پروتکلی که نیازمند تحویل ترتیبی است یک مسله شناخته شده است، و راه حل‌های آشکار آن بازکردن یک ارتباط برای هر جریان داده ای است که از سربار قابل توجه در راه اندازی ارتباطی و بازیابی خطا رنج می برد. علاوه بر این، با این گزینه، کنترل ازدحام کمتر پایدار است، چرا که هر ارتباط به صورت مستقلی اجرا می شود.
ترافیک وب یک مثال از مسئله HoL است: معمولا، صفحات وب شامل اشیای متعددی هستند، مانند متن، تصویر، رسانه و اسکریپت‌های ثالث؛ زمانی که یک کلاینت یک صفحه را از سرور درخواست می کند، هریک از این اشیا با یک درخواست HTTP GET واحد دانلود می شوند، اما نیازی نیست که در همان لحظه نمایش داده شوند. HTTP/1.1 مالتی پلکسینگ را اجازه نمیدهد، لذا کلاینت مجبور است که برای هر شی یک ارتباط TCP باز کند، که مسائل گفته شده در بالا پیش می آید. نسخه 2 پروتکل، که در سال 2015 تحت عنوان RFC 7540 معرفی شد، قرار بود که این مسئله را با استفاده از یک ارتباط TCP واحد برای مدیریت همه درخواست ها، با کاهش زمان بارگذاری صفحه حل کند. به هر حال، این مزیت با HoL در شبکه‌هایی که بسته‌ها گم می شدند لغو شد: با توجه به اینکه همه بسته‌ها برای جریان‌های HTTP 2.0 متعدد در طول زمان بر یک ارتباط TCP مالتی پلکس می شوند، که نیازمند تحویل ترتیبی است، سپس گم شدن یک بسته باعث توقف همه جریان‌ها می شود، نه فقط جریان مربوط به بسته، که در شکل 2 نیز نشان داده شده است. برای مثال، سنجش‌هایی در شبکه‌های سلولی نشان میدهد که HTTP/2 مزیت عملکردی قابل توجهی نسبت به HTTP/1.1 ندارد [19].
در اصل، تحویل ترتیبی برای قابلیت اعتماد ضروری نیست، اما پروتکل‌های انتقال مانند TCP نیازمند هردوی آن‌ها هستند، اگر چه پروپوزالی برای بسط TCP برای اجازه دادن انتقال بدون ترتیب برای سرویس‌های چند رسانه ای برای اجتناب از مسئله HoL وجود دارد، این به صورت گسترده پذیرفته نشده است. شکل 2 نشان می دهد که پروتکل‌ها از جریان‌های داده متعدد مانند SCTP یا QUIC حمایت می کنند، که در بخش 3 تشریح شده است، و می توان بر مسئله HoL به دلیل اینکه هیچ خط واحدی برای مسدود سازی وجود ندارد غلبه کند: هر جریان، بافر خود را دارد و تحویل ترتیبی در هر جریان تضمین می شود [58].
سناریوهای چند مسیره مورد دیگری است که در آن TCP به شدت از مسئله HoL رنج می برد؛ که این مسئله را به صورت دقیق در بخش 5 تشریح می کند.

.Dعملکرد در کانال‌های بی سیم
عملکرد TCP در کانال‌های بیسیم از زمان معرفی سرویس‌های بی سیم تجاری در دهه 1990 بررسی شده است [59]. الگوهای کنترل ازدحام سنتی معمولا به گم شدن بسته ها، که فرض میکنند ناشی از ازدحام است، با کاهش نرخ ارسال واکنش نشان می دهند. در لینک‌های بی سیم، بسته‌ها ممکن است به دلیل کاهش کیفیت کانال گم شوند. بنابراین، انتزاع ارتباطات کلی ضعیف است، و عملکرد انتها به انتها تضعیف میشود. راه حل‌های متداول شامل ارائه مکانیزم‌های انتقال مجدد و حفاظت در لینک‌های بی سیم [60] (حتی با افزایش نوسانات تاخیر)، و پروکسی‌های ارتقای عملکرد درون شبکه است. چندین تکنیک در طول سال‌ها برای تکنولوژی‌های متفاوت پیشنهاد شده است مانند LTE [62]، و WiFi [63]. خوانندگان را به برای بحث‌های گسترده در مورد عملکرد TCP در لینک‌های بی سیم به [63][64] ارجاع می دهیم.
اخیرا، پذیرش فرکانس های mmWave برای نسل بعد شبکه‌های سلولی علاقه ای نسبت به عملکرد TCP در لینک‌های بی سیم بوجود آورده است. به خصوص، در این رسانه بی سیم نوسانات کانال بسیار بیشتر از فرکانس‌های زیر 6GHz است، که با توجه به حساسیت نسبت به مسدود سازی موارد معمولی، و جهت گیری ارتباطات است. این محدودیت‌ها بر طرح لایه‌های پایینی پشته پروتکل تاثیری ندارد، اما بر عملکرد لایه انتقال، که در [66][67] بحث شده است تاثیر می گذارد. حلقه کنترل TCP براستی برای واکنش مناسب به پویایی کیفیت کانال خیلی آهسته است و نرخ داده ای را ارائه میدهد که بر لینک‌های mmWave تاثیر می گذارد. برای مثال، حتی اگر Bufferbloat در شبکه‌های سلول زیر 6GHz ارائه شوند، این جدید در mmWaves مخرب تر است، جایی که بافرهای بزرگ برای حفاظت از تغییرات زمانی و ناگهانی ظرفیت لینک نیاز است، با توجه به انتقال خط دید (LOS) به غیرخط دید (NLOS). علاوه بر این، این نشان میدهد که TCP استفاده زیربهینه ای از نرخ داده mmWave بسیار بالا دارد، چرا که زمان زیادی می برد که بعد از گم شدن بسته یا در آغاز ارتباط به ظرفیت کامل دست یابد. از آنجایی که این مسئله در منطق کنترل ازدحام ذاتی است، هر پروتکلی که کنترل ازدحام را اجرا می کند نیازمند کار کارآمدی در یک سناریوی بی سیم است.

3. پروتکل‌های انتقال اخیر
در این بخش، بر تشریح سه پروتکل انتقال به تازگی پیشنهاد شده تمرکز میکنیم: QUIC, SCTP and DCCP. به طور خاص، ویژگی‌های اصلی هر پروتکل را تشریح میکنیم، و با توجه به TCP نوآوری‌های آن را مطرح می کنیم. جدول 1 مشخصه‌های اصلی این پروتکل‌ها را، همراه با اسناد IEFT مرتبط و برخی از جزییات اجرایی آن‌ها خلاصه میکند. بحث بر مکانیزم‌های کنترل ازدحام می تواند توسط این پروتکل‌ها استفاده شود و بسط‌های چند مسیره اخیر در زیر بخش بعدی ارائه شده است.
جدول 1: خلاصه ای از ویژگی‌های اصلی پروتکل‌های انتقال اخیر که در این مقاله بررسی شده اند (SCTP, QUIC and DCCP). ما همچنین یک بررسی بر پروتکل‌های TCP و UDP قبلی به عنوان مقایسه آورده ایم.

A . یک ارتباط اینترنتی UDP سریع (QUIC)
QUIC یک مکانیزم انتقال لایه کاربرد یا اپلیکیشن است [69] که توسط گوگل در سال 2013 معرفی شده و در حال حاضر برای استانداردسازی توسط IEFT در نظر گرفته شده است. QUIC در کرنل اجرا نمی شود، اما به عنوان یک کتابخانه فضای کاربر یا در خود اپلیکیشن اجرا می شود، و بر UDP به عنوان پروتکل انتقال اصلی تکیه می کند. انگیزه‌های اصلی مربوط به معرفی QUIC در [70] بحث شده است. در حالی که گزینه‌های متعددی برای TCP در لایه انتقال پیشنهاد شده اند، پذیرش آن‌ها خیلی گسترده نیست، با توجه به موارد استخراج شده ناشی شده از جعبه‌های میانی در شبکه ای که بسته‌ها از پروتکل‌های مجهول را دور می اندازد، برای مثال پروتکل‌هایی که از TCP و یا UDP متفاوت هستند. QUIC بسته‌های خود را در دیتاگرام‌های UDP کپسوله میکند، بنابراین از بیشتر ناسازگاری‌ها با جعبه‌های میانی اجتناب میکند. دوم، همانطور که در بخش 1 گفتیم، TCP در کرنل اجرا می شود، و هر تغییر یا الگوریتم کنترل ازدحام جدید نیازمند یک به روز رسانی سیستم عامل است، که همیشه امکان پذیر نیست. سرانجام، از نظر طراحی پروتکل، QUIC حل مسئله HoL TCP را که در بخش II-C تشریح شد را هدف قرار میدهد، و تاخیر دست تکان دادن در آغاز ارتباط را کاهش می دهد.

QUIC از (1) برخی از ویژگی‌های TCP، شامل مکانیزم تایید، کنترل ازدحام، و بازیابی بسته‌های گم شده، (2) مذاکرات کلیدی TLS 1.3 که نیازمند ارتباطات رمز شده است، و (3) ویژگی‌هایی HTTP/2، مانند چند جریانی تشکیل شده است [58]. شکل 3 تفاوت‌هایی را در پشته پروتکلی برای یک ترکیب HTTP/2 و TCP و HTTP/2 و QUIC نشان می دهد. ترکیب این عناصر به QUIC اجازه میدهد که چند عرصه کلیدی را بهینه سازی کند. برای مثال، یکپارچه سازی دست تکان دادن‌های مربوط به انتقال و رمزنگاری در همان پیام کاهش زمان را برای دست تکان دادن اولیه ممکن میسازد. علاوه بر این، رمزگذاری هدر بسته بررسی و ردیابی هدر بسته را برای جعبه‌های میانی مشکل می کند. علاوه بر این، این بازیابی بسته‌های گم شده TCP را با تمایز قائل شدن در ACKها بین بسته‌های گم شده و خارج از ترتیب بهبود می بخشد. یک ارتباط واحد از چند جریان مستقل تشکیل شده است ( که می تواند به جریان‌های HTTP/2 نگاشت یابد) لذا گم شدن یک بسته از یک جریان واحد دیگر را مسدود نمیکند، که مسئله HoL را به صورت موثری کاهش میدهد. سرانجام، شناسه‌های اضافی برای برچسب گذاری یک ارتباط معرفی شدند، که می توانند حتی در مورد تغییرات در آدرس پروتکل اینترنت (IP) حفظ شوند.
1) ایجاد ارتباط: ایجاد ارتباط یکی از نوآوری‌های اصلی معرفی شده در QUIC است، به خصوص با گزینه 0-RTT. TCP حداقل به یک RTT برای دست تکان دادن در زمان استفاده از TLS 1.3، یک یا دو RTT اضافی برای دست تکان دادن رمزنگاری در زمان استفاده از نسخه 1.2 قبلی تر احتیاج دارد.

الگوریتم ژنتیک برای خوشه بندی و مسیریابی مقرون به صرفه از لحاظ انرژی در شبکه های سنسور بی سیم

Genetic Algorithm for Energy-Efficient Clustering and Routing in Wireless Sensor Networks

چکیده
1- مقدمه
2- کار مرتبط
2-1 WSNها با CHهای موقت
2-2 WSNها با CHهای دائمی
3- مدل شبکه و اصطلاحات
3-1 توپولوژی شبکه
3-2 مدل انرژی
3-3 اصطلاح شناسی
4- مقدمات
4-1 مرور اجمالی بر GA
4-2 فرمولاسیون مسئله
5- الگوریتم پیشنهاد شده
5-1 نمایندگی کروموزوم
5-2 راه اندازی (مقداردهی) جمعیت
5-4 تقاطع و جهش
6- نتایج تجربی
6-1 تنظیمات پارامتری
6-2 مقایسه وزن λ
6-3 ساختار خوشه بندی و مسیریابی
6-4 تعادل بار
6-5 چرخه عمر شبکه
6-6 مصرف انرژی
6-7 نتایج تجربی در OMNeT ++
7- نتایج

چکیده
شبکه های حسگر بی سیم به طور گسترده ای در زمینه های مختلف از جمله نظامی، مراقبت های بهداشتی و کاربردهای ساخت و تولید به کار گرفته شده اند. با این حال، گره های حسگر از نظر تامین انرژی، توانمندی ذخیره سازی و توان محاسباتی خود محدود هستند. بنابراین، به منظور بهبود بهره وری (مقرون به صرفگی) انرژی و طویل شدن چرخه عمر شبکه، یک رویکرد خوشه بندی و مسیریابی مقرون به صرفه از لحاظ انرژی مبتنی بر الگوریتم ژنتیک به نام GECR ارائه می دهیم. ما راه حل بهینه به دست آمده در دور شبکه قبلی را به جمعیت اولیه برای دور کنونی اضافه می کنیم و به این ترتیب کارایی جستجو را بهبود می بخشیم. علاوه بر این، طرح خوشه بندی و مسیریابی در یک کروموزوم تک به منظور محاسبه کل مصرف انرژی ترکیب می شود. ما تابع تناسب را مستقيماً بر اساس مصرف انرژي کلی می سازیم و بدین ترتیب بهره وري انرژي را بهبود مي بخشیم. علاوه بر این، تعادل بار در هنگام ساخت تابع تناسب در نظر گرفته می شود. بنابراین، مصرف انرژی در میان گره ها می تواند متعادل شود. نتایج تجربی نشان داد که GECR بهتر از سایر پنج روش عمل نمود. GECR بهترین تعادل بار را با کمترین واریانس ها در بارها در سرهای خوشه تحت سناریوهای مختلف حاصل نمود. علاوه بر این، GECR, بیشترین بهره وری (مقرون به صرفگی) انرژی را با کمترین انرژی متوسط مصرف شده توسط سرهای خوشه و کمترین انرژی مصرف شده توسط تمام گره ها در برداشت.
1- مقدمه
شبکه های حسگر بی سیم (WSNs), فناوری سنسور، فناوری محاسبات جاسازی شده، فناوری پردازش اطلاعات توزیع شده و فناوری ارتباطات را ادغام می کنند. WSN ها در زمینه های مختلف، از جمله نظامی، دفاع ملی، نظارت بر محیط زیست، مدیریت ترافیک، مراقبت های بهداشتی، تولید و برنامه های پیشگیری از بلایا، به طور گسترده ای مورد استفاده قرار گرفته اند [1]. در یک WSN، گره های حسگر به طور همکارانه, اطلاعات فیزیکی و زیست محیطی را از منطقه تحت پوشش شبکه جمع آوری و پردازش می کنند و اطلاعات را به ناظران ارسال می کنند [2]. یک ناحیه نظارت اغلب نیاز به استقرار تعداد زیادی از گره های حسگر دارد، اما گره های حسگر از لحاظ ظرفیت های محاسباتی، ذخیره سازی و توانایی های ارتباطی خود در کاهش هزینه ها محدود هستند. به عنوان مثال،Micaz [3] که توسط CrossBow توسعه داده شده است، یک نوع نماینده از گره حسگر است که با میکروپروسسور (ریزپردازنده) Atmegal28L، تراشه CC2420، 128 کیلوبایت فلش و 4 کیلوبایت RAM مجهز شده است. گره حسگر با قدرت باتری محدودی تامین می شود و فراهم نمودن ثانویه انرژی برای گره ها دشوار است. بنابراین، پس از مردن بیشتر از یک درصد معینی از گره ها، خرابی شبکه رخ می دهد. بنابراین، کاهش مصرف انرژی گره های حسگر و افزایش چرخه عمر شبکه، چالشی کلیدی برای WSN ها است.
مطالعات قبلی نشان داده اند که مصرف انرژی مورد نیاز برای انتقال 1 بیت, بسیار بیشتر از مصرف انرژی مورد نیاز برای پردازش داده 1 بیتی است [4]. بنابراین، کاهش اندازه داده های ارسال شده یا دریافت شده برای گره های حسگر و بهینه سازی مسیریابی انتقال داده ها بین گره ها می تواند به طور موثر انرژی مصرف شده توسط شبکه را کاهش دهد. الگوریتم خوشه بندی [5], شبکه را به چند خوشه مستقل تقسیم می کند، جایی که هر خوشه شامل یک گره سر خوشه ای (CH) و گره های عضو چند خوشه ای(CM) می باشد. گره CH, مسئول دریافت داده ها از گره های CM است. با استفاده از الگوریتم های جمع آوری داده موثر، CH می تواند داده های بیش از حد یا نادرست را حذف کند، بنابراین مقدار زیادی از داده های جمع آوری شده به مقدار کمی از اطلاعات معنی دار ادغام می شوند. بنابراین، الگوریتم های خوشه بندی کارآمد می توانند ترافیک داده را کاهش داده و توپولوژی را بهینه سازی کنند، و در نتیجه بهره وری انرژی WSN ها را بهبود بخشند.

Abstract

Wireless sensor networks have been employed widely in various fields, including military, health care, and manufacturing applications. However, the sensor nodes are limited in terms of their energy supply, storage capability, and computational power. Thus, in order to improve the energy efficiency and prolong the network life cycle, we present a genetic algorithm-based energy-efficient clustering and routing approach GECR. We add the optimal solution obtained in the previous network round to the initial population for the current round, thereby improving the search efficiency. In addition, the clustering and routing scheme are combined into a single chromosome to calculate the total energy consumption. We construct the fitness function directly based on the total energy consumption thereby improving the energy efficiency. Moreover, load balancing is considered when constructing the fitness function. Thus, the energy consumption among the nodes can be balanced. The experimental results demonstrated that the GECR performed better than other five methods. The GECR achieved the best load balancing with the lowest variances in the loads on the cluster heads under different scenarios. In addition, the GECR was the most energy-efficient with the lowest average energy consumed by the cluster heads and the lowest energy consumed by all the nodes.

1- Introduction

Wireless sensor networks (WSNs) integrate sensor technology, embedded computing technology, distributed information processing technology, and communication technology. WSNs have been employed widely in various fields, including military, national defence, environmental monitoring, traffic management, health care, manufacturing, and disaster prevention applications [1]. In a WSN, the sensor nodes collaboratively collect and process environmental and physical information from the area covered by the network and send the information to observers [2]. A monitoring area often requires the deployment of a large number of sensor nodes, but the sensor nodes are limited in terms of their computational, storage, and communication capacities in order to reduce costs. For instance, Micaz [3] developed by CrossBow is a representative type of sensor node, which is equipped with an Atmegal28L microprocessor, CC2420 chip, 128 KB Flash, and 4 KB RAM. The sensor node is supplied with limited battery power and it is difficult to provide secondary energy to the nodes. Thus, network failure occurs after more than a certain percentage of the nodes die. Therefore, reducing the energy consumption of sensor nodes and prolonging the network life-cycle is the key challenge for WSNs.

Previous studies have shown that the energy consumption required for transferring 1-bit is much more than that for processing 1-bit data [4]. Thus, reducing the transmitted or received data sizes for sensor nodes and optimizing data transmission routing between the nodes can effectively reduce the energy consumed by the network. Clustering algorithms [5] divide the network into multiple independent clusters, where each cluster comprises a cluster head (CH) node and multiple cluster member (CM) nodes. The CH node is responsible for receiving data from the CM nodes. By using effective data aggregation algorithms, the CH can remove redundant or incorrect data so the large amounts of collected data are merged into a small amount of meaningful information. Therefore, efficient clustering algorithms can reduce the data traffic and optimize the topology, thereby improving the energy efficiency of WSNs.

شفافیت اطلاعات دریافتی در تجارت الکترونیک B2C: یک بررسی تجربی

Perceived information transparency in B2C e-commerce: An empirical investigation

Abstract

Consumers abandon their online purchases at an e-commerce website partly due to the lack of information transparency of the website. We identify the antecedents of consumers’ perceived information transparency of an e-commerce website and its effects on consumers’ online purchase intention. We collected data through a scenario-based survey conducted in a laboratory setting. We found that (1) product transparency, vendor transparency, and transaction transparency significantly influence perceived information transparency; (2) perceived information transparency significantly increases consumers’ online purchase intention; and (3) perceived risk partially mediates the effects of perceived information transparency on purchase intention.

1 Introduction

The rapid development of business-to-consumer (B2C) e-commerce has largely benefited consumers, such as facilitating their search for product information and improving the quality of their online purchase decisions [60, 61]. However, there is also evidence of deterrence to consumers’ purchase decisions because of the lack of necessary information. That is, the information provided by e-vendors does not always satisfy online consumers’ information needs. The information needed by consumers is sometimes not available, and in some instances, the required information is deliberately not provided by the e-vendors, leading to the issue of lack of information transparency. For example, some vendors failed to provide privacy policy regarding how they utilize the customer’s information collected. 1 Some online vendors of used cars are unwilling to disclose clear warranty policy about their products [19].

Anecdotal evidence indicates that the lack of information transparency is one of the top 10 factors that lead to consumers’ final abandonment of online purchases [2]. This partly explained why e-commerce sales in 2016 accounted for less than 9% of the total sales despite the rapid development of e-commerce in the U.S. [79]. In particular, consumers believe that in most B2C ecommerce websites, the information for making a purchase decision is insufficient, incomplete, or just plainly wrong, resulting in refusal to make a purchase. In a survey conducted by the E-Tailing Group and ARS Ecommerce Inc., 76% of subjects stated that they find information insufficient to make an online purchase and 72% of them complained that the incomplete product information makes them finally abandon an online purchase [67]. We cite a consumer’s feedback posted on Canon USA website (http://www.usa.canon.com/) as an example demonstrating the existence of lack of information transparency in the B2C e-commerce context:

“At the time I was shopping for the printer, almost no useful information at all was available on the Canon website about this printer. What took its place was a lot of marketing puffery. Over in the corner of one page, I did finally notice a button which downloads a dreaded PDF file, claiming to explain the product in detail (I didn’t even notice this button the first two times I visited the site, and I was looking carefully. It’s hard to imagine all the other users were able to find it…)” [2]

Prior research also indicates that consumers are increasingly being plagued by such a lack of information transparency in online transactions [32, 94]. In the B2C e-commerce context, information transparency is defined as the extent to which website information is available and accessible to consumers [32, 94]. Although information transparency has been recognized as a key factor affecting consumers’ purchase behaviors in e-commerce, the underlying mechanism by which information transparency influences consumers’ purchase intention is still unknown, and thus, no practical guidance is available to e-vendors to improve the transparency of their websites to attract consumers and increase the purchase from their sites. We, therefore, aim to investigate and answer the following two research questions:

1. What types of information on a B2C e-commerce website influences consumers’ perceived transparency towards the website?

2. How does consumers’ perceived information transparency towards a B2C e-commerce website influence their intention to purchase from the website?

To investigate the research questions, we use the consumer service life cycle (CSLC) framework. The framework delineates consumers’ information needs across the stages of the purchasing process from first learning about a product, then acquiring it by taking ownership, and finally disposing it or replacing it [9, 10, 52]. It provides a guideline for assessing the types of information that would reduce the inconsistency between vendors’ provided information and consumers’ information needs, thus improving consumers’ perceived transparency of a B2C e commerce website.

The remainder of this study proceeds as follows. Section 2 reviews the literature and provides a theoretical foundation for the study. Section 3 develops the hypotheses. Section 4 describes our methodology. Section 5 reports our data analysis and results. Finally, Section 5 discusses the findings, identifies the limitations, and highlights the implications of this study.

خرید آنلاین چقدر راحت است؟ فراهم سازی خرید آنلاین راحت جهت بهبود رضایتمندی مشتری و تشویق تبلیغات شفاهی- الکترونیکی

How convenient is it? Delivering online shopping convenience to enhance customer satisfaction and encourage e-WOM

Abstract

The purpose of this article is to identify which dimensions of online convenience affect consumers’ intention of using online shopping and explore a conceptual model to measuring consumer perceptions of online shopping convenience in order to surpass the shortcomings of previous studies that did not examine the consequences of convenience shopping experience. A sample of 250 Portuguese young individuals participate in the empirical study. Confirmatory Factor Analysis (CFA) and a covariance-based Structural Equation Model (CB-SEM) were used to validate the measurement model and to test the relationships in the model. The results reveal that Possession, Transaction, and Evaluation are the dimensions with more influence in online shopping convenience. The outcomes of this study extend previous works on online convenience and help to understand which factors drive online satisfaction and enhance behavioral intentions and e-WOM. Contributions to the body of knowledge and the implications for e-commerce retailers are presented. In face of the findings, retailers should be conscious that customer expectations of online convenience have increased as a natural response to the service innovations introduced by website managers and marketers. Therefore, frequent monitoring of consumers’ perceptions and expectations about online convenience is a prerequisite for achieving continuous improvement in rendering highly convenient online service.

1 Introduction

Consumer decision making is significantly influenced by both the speed and ease with which consumers can contact retail outlets. Many consumers turn to the Internet to reduce the effort associated with making a decision (Beauchamp and Ponder, 2010). While shopping consumers spend time and effort to complete multiple tasks and since today’s customer is more time-starved than ever, it is appropriate to consider the benefits of providing online shopping convenience. Online convenience has been one of the principal promoters of customer’s predisposition to adopt online purchasing (Jiang et al., 2013). Seiders et al. (2000) argue that the importance that customers put on convenience prompts retailers to redesign store operating systems and emphasize the efficiency of the service provided. At another level, retailers should focus on the increase of mobile apps and how they helped fuel and define how consumers value time and energy. The present study argues that consumers favor retailers that save them time and energy. Online retailers are certainly able to supply more convenience as store location becomes irrelevant and consumers may now shop from any location, 24 h a day, seven days a week (Beauchamp and Ponder, 2010). Therefore, companies must develop a more precise understanding of the impacts of online convenience. The main goal of the present study is to explore how consumers evaluate the dimension of convenience in the context of online retail, by focusing on the consumer experience with global retailers’ websites. The research gap emerges from the need to validate the research by (Jiang et al., 2013) and from questions which were not answered by later studies by Mpinganjira (2015), Mehmood and Najmi (2017), Haridasan and Fernando (2018) and Pham et al. (2018) namely the meaning of attentiveness convenience and the relationship with behavioral outcomes.

Exploring the literature on convenience it is evident that convenience encompasses several dimensions. However, there has been no agreement on what these dimensions are (Seiders et al., 2007). Given the above reasoning, this paper seeks to deepen the understanding concerning the importance of online convenience and its dimensions. Based on (Jiang et al., 2013) proposed model the current investigation provides a theoretical contribution by expanding the capacity of the original model via the addition of attentiveness convenience construct to the original formulation. Furthermore, the current study provides an assessment of which dimensions of convenience are most important to consumers when shopping online. Lastly, since the majority of studies addressing online convenience have mainly focused on the relationship with purchase intentions (e.g. Pham et al., 2018), the current study supplements the study by Roy et al. (2016) and closes the gap by investigating the relationship between online convenience, behavioral intentions, satisfaction, e-WOM.

In a practical sense, the identification of the dimensions that positively influence purchase behavior intentions and satisfaction can help managers to overcome obstacles to the delivery of an excellent and convenient service to customers, which represent a key driving force in enhancing companies’ online competitiveness.

مقالات انگلیسی و ترجمه های فارسی رایگان با فرمت PDF آماده دانلود رایگان میباشند

همچنین ترجمه مقاله با فرمت ورد نیز قابل خریداری و دانلود میباشد

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

فهرست مقاله:

چکیده
1-مقدمه
1-1 اثرگذاری ما
2-آثار مرتبط
3-طرح بندی مسئله
1-3 ساختار سیستم 
4-مطالب پایه ای
1-4گروه های دوخطی
2-4 مفروضات پیچیدگی
3-4 تعهد بُرداری
4-4 امضا حلقه ای مبنی بر هویت
5- طرح پیشنهادی
1-5 مرور
2-5 طرح محسوس
6-ارزیابی عملکرد
7- نتیجه گیری
8- آثار آتی

بخشی از ترجمه فارسی مقاله:

1-مقدمه
محاسبه ابر را می توان به عنوان محاسبه مبنی بر شبکه تعریف نمود که منابع و داده های پردازشی مشترکی برای کاربران خود در هنگام نیاز فراهم می سازد. به ازای هر نوع ان.آی.اس.تی، آن مدلی است که امکان دسترسی جامع و طبق نیاز به منابع اشتراکی را فراهم می سازد که می توان بلافاصله آن را با حداقل تلاش مدیریتی فراهم نموده و عرضه نهاد (29). این مدل برای کاربر قابلیت های متنوعی جهت ذخیره داده های خود در سرور ابر و پردازش آن در هنگام نیاز فراهم می کند. این امر سازمان ها را انگیزه می بخشد داده های خود را به سرور ذخیره خارجی برون سپاری کرده و محدودیت های ذخیره ابزارهای محلی را بهبود بخشند و این امکان را به آنها می دهد بر توانمندهای اصلی خود تمرکز بیشتری داشته باشند. کاربر ابر می توان در هر زمان بر حسب نیاز به داده ها از هر نقطه از جهان دسترسی داشته باشد اما در مواردی همانند از کارافتادگی سخت افزار و غیره، سرور ممکن است به نتیجه نامعتبری دست یابد. لذا انسجام داده ها به مسئله بزرگی برای کاربران ابر تبدیل می شود چرا که دیگر کنترل فیزیکی بر داده های برون سپاری شده ندارند. لذا برای اطمینان یابی از اینکه آیا داده ها ایمن هستند یا خیر، شیوه ای برای تایید انسجام و دسترسی آن باید برای کاربران وجود داشته باشد.
چند راه حل برای اطمینان از انسجام و دسترسی داده های ذخیره شده در سرور از راه دور مطرح شده اند. مولفین در مرجع (2)، (28)، (10)، (24)، (25)، (35)، (37) و (32) طرح پویا را مطرح می کنند که بر مواردی تاکید دارد که در آن فقط دارنده می تواند داده های ذخیره شده تعدیل کند. در نرم افزارهای (19)، (20) و (21) که در آن پشتیبانی امر به عنوان سکو همکاری به کار می رود، کاربران گروه چندگانه کد را به اشتراک گذاشته و می تواند آن را در هر زمان و از هر مکان تجدید نظر نموده و اجرا کنند و به آن دسترسی داشته باشند. این نوع شبکه همکاری طرح های حسابرسی از راه دور را غیرعملی می سازد که در آن فقط دارنده داده ها می تواند داده ها را تعدیل و دستکاری کند. آن باعث هزینه مازاد محاسباتی و ارتباطاتی برای دارنده داده ها می گردد و برای وی نامناسب است. اگر تایید انسجام را بتوان با فرد دیگری به جز دارنده داده ها یعنی حسابرس شخص ثالث انجام داد، آنگاه طرح به طور آشکار قابل تایید است. طرح (38) به طراحی برچسب های صحه گذاری چندجمله ای می پردازد و از راهبرد به روز رسانی برچسب جایگزین برای پشتیبانی از حسابرسی عمومی استفاده می کند اما محرمانه بودن داده های کاربران گروه در نظر گرفته نمی شود. این بدان معناست که این طرح از به روز رسانی داده و بررسی انسجام جهت متن ساده پشتیبانی به جای متن کدگذاری پشتیبانی می کند. با این وجود هیچ نوع راه حلی به بررسی مسئله بررسی انسجام عمومی با تعدیل کاربر گروه نمی پردازد. کمبود این طرح ها به ما انگیزه می دهد تا شیوه معتبر و کارآمدی برای حسابرسی داده های از راه دور فراهم سازیم. در این راستا نوعی ساختاربندی مطرح می گردد که تعهد برداری را در پایگاه داده ها به کار می گیرد و از کدگذاری و کدگشایی داده ای گروهی در طی تعدیل و دستکاری پشتیبانی می کند و پروتکل تطابق کلید گروهی استفاده می کند (36). امضاهای حلقه ای مبنی بر هویت (39) برای پشتیبانی از بی نامی امضاکننده به کار می روند.

بخشی از مقاله انگلیسی:

1. Introduction

Cloud computing can be defined as a network based computing which provides shared processing data & resources to its user when required. As per NIST, it is a model which enables pervasive, on-demand access to resources being shared that can be rapidly provisioned & released with minimum management effort [29]. It provides a user various capabilities for storing their data at the cloud server & processing it when required. This motivates organizations to outsource their data to an external storage server & improve the storage constraints of local devices, and enables them g researched nowadays. It provides various services to its users. Among them, one of the salient service offered is cloud storage which makes data outsourcing a rising trend. But the major concern associated is the integrity and seclusion of outsourced data. Users require their data to be secure from any modification or unauthorized access. Therefore someway to verify whether the data is intact or not, without retrieving, should exist. This boosts the need of secure remote data auditing. This paper proposes an auditing scheme based on vector commitment, identity based ring signature and group key agreement protocol, emanated on bilinear pairing. An experimental analysis of the proposed scheme, later in the end, shows that when compared with its pertinent schemes, the proposed scheme is also efficient. to have more focus on their core competencies. Cloud user can access the data anytime, when required, from any part of the world but in some cases like hardware failure etc. the server may return an invalid result. Thus data integrity becomes the biggest concern for the cloud users as they no longer have a physical control over their outsourced data. Therefore to assure whether the data is secure or not, a way to verify its integrity and accessibility must exist for the users. Some solutions have been put forward for assuring the integrity & availability of data stored at a faraway server. Authors in the references [2], [28], [10], [24], [25], [35], [37] and [32] proposes dynamic scheme which focuses on instances where only the owner can modify the stored data. Applications [19], [20] and [21], where cloud assistance is used as a cooperation platform, multiple group users shares the code and can access, revise and run it anytime anywhere. Such type of collaborative network makes remote auditing schemes impracticable where only the data owner can modify the data. It will cause a lot of computation and communication overhead to data owner and are inappropriate for him. If integrity verification can be done by person other than data owner, that is, by third party auditor, then the scheme is publicly verifiable. The scheme in [38] designs polynomial authentication tags and uses proxy tag update technique to support public auditing but the data confidentiality of group users is not considered. This means that the scheme supports data update & integrity checking for plaintext, not for cipher text. Yet no solution addresses the issue of public integrity checking with group user modification. The dearth of these schemes prompts us to propose a reliable as well as an efficient way for remote data auditing. To the end, a construction is proposed which applies vector commitment over the database and supports group data encryption & decryption during its modification using group key agreement protocol [36]. Identity based ring signatures [39] are used to protect the anonymity of the signer.

معماری های سازمانی برای تحول دیجیتال در شرکت های کوچک و متوسط

Enterprise architectures for the digital transformation in small and medium-sized enterprises

Abstract

The transformation towards smart connected factories causes enormous changes in mechanical engineering industry starting from the development of cyber-physical production systems up to their application in production. Enterprise architectures already offer suitable methods to support the alignment of the internal IT landscape. New demands like customer involvement, iterative development and increased business-orientation arising with these digitized products require new approaches and methods. This paper presents the foundation and the first steps aiming at the development of a method for the holistic planning of the digital transformation in small and medium-sized mechanical engineering enterprises.

1 Introduction

personalized value. This becomes particularly obvious in the demand for individualized products and the increasing influence of customers on the development and the production processes [1]. Factories can only meet this challenge by the application of digital technologies. In Germany, the term Industrie 4.0 represents the aspired target state. Through improvements in information, communication and automation technology live information is available over life cycles of products, processes and factories. Production systems, products and humans are closely networked. Moreover, the resulting big data is used for holistic optimization. [2, 3, 4] This special situation gives rise to opportunities and risks for mechanical engineering enterprises. Based on customer data there are numerous new possibilities for product and process improvements including the optimization of the machining process or spare part forecasting services. At the same time, they are confronted with new demands. Customers not just want to buy a physical machine but service systems, consisting of hard- and software, that offer additional value in their unique context [1, 4, 5]. Examples are context-based features and information for machine operators that support manufacturing to adapt rapidly changing customer needs. To realize such use cases a close collaboration of manufacturers and mechanical engineering enterprise is required. Through this development, IT is not any longer just a technological tool to improve the efficiency of internal processes. By becoming an essential part of the value creation it grows up to a new source of competitive advantage and thus takes a transformative role [5]. The required extension of products by digital components to the point of cyber-physical systems and their integration into service systems leads enterprises in mechanical engineering into a fundamental change process – the digital transformation. Besides mechanics and electronics they now need to develop digital capabilities and implement them into fast-changing, cross-company processes and structures. Especially for small and medium-sized enterprises (SMEs) this is an enormous challenge [6].

With the help of business model appraoches, many enterprises already started to design digital value creation concepts. But these means are very limited when it comes to deriving and implementing processes and IT services. In contrast to existing IT-based products, the new service logic requires a holistic process view. To take full advantage of the digital opportunities adequate models, methods and tools are needed [4, 7]. With enterprise architectures (EA) information systems literature already offers a well-proven solution for this challenge [8, 9]. The aim of this paper is to examine if this approach is appropriate for digital transformation in SMEs of mechanical engineering. Therefore, digital transformation and EA are defined. Afterwards, strengths and weaknesses of EA in the context of digital transformation in SMEs are analyzed. In addition, this paper presents the first steps for the development of a method for the holistic planning of the digital transformation in small and mediumsized mechanical engineering enterprises.

تصویب دولت الکترونیکی در کشورهای جنوب صحرای آفریقا

E-government adoption in sub-Saharan Africa

4- روش شناسی
4-1 زمینه مطالعه
4-2 اندازه گیری ها
4-3 داده ها
5- تحلیل داده ها و نتایج
5-1 مدل اندازه گیری
5-2 مدل ساختاری برای UMEGA اصلی
5-3 مدل ساختاری برای UMEGA اصلاح شده-
6- مباحث و جمع بندی
6-1 خروجی های فرضیه

4- روش شناسی
4-1 زمینه مطالعه
آفریقای جنوبی در این مطالعه به عنوان زمینه SSA برای تست و اعتبار سنجی UMEGA و نسخه های اصلاح شده اش مورد استفاده قرار گرفت. این انتخاب مبتنی بر سهولت دسترسی محقق ها به داده های مناسب بود. آفریقای جنوبی یکی از کشور های پیش رو در زمینه SSA نسبت به توسعه دولت الکترونیک می باشد. شاخص توسعه دولت الکترونیک در سال 2016 ( EGDI) باعث شد که این کشور (EGDI=0.56) در جایگاه دوم نسبت به موریتوس (EGDI=0.62) از نظر SSA قرار بگیرد. این موضوع در مقایسه با EGDI در سال 2012 بسیار مهم می باشد زیرا در این سال آفریقای جنوبی در جایگاه سوم (EGDI=0.49) پشت سیشل (EGDI=0.52) و موریتوس (EGDI=0.507) قرار داشت.
حتی با وجود این که آفریقای جنوبی یکی از مهم ترین توسعه ها در زمینه دولت الکترونیک SSA را داشته است، چالش هایی پیش روی این کشور قرار دارد که در میان کشور های SSA رایج می باشد. به عنوان مثال، دولت آفریقای جنوبی تلاش های مختلفی انجام داده است تا سیستم های دولت الکترونیک را اجرا کند اما هنوز یکی از چالش های اصلی پیش روی آن ها نشر دولت الکترونیک به صورت کند می باشد و افراد خیلی از خدمات آن استفاده نمی کنند. این الگوی کند استفاده از خدمات دولت الکترونیک در دیگر کشور های SSA نیز ثبت شده است. این کشور ها شامل گامبیا ، کنیا، موریتوس، اوگاندا، تانزانیا، و زامبیا می باشد. با در نظر داشتن این که مطالعه های اولیه نشان داده است که آفریقای جنوبی در کشور های SSA نسبت به ارائه خدمات آنلاین پیش رو می باشد، باید عوامل موثر بر استفاده از خدمات دولت الکترونیک در این کشور را بررسی کنیم، زیرا این کار نه تنها به ما کمک می کند تا باعث بهبود استفاده از خدمات الکترونیک در این کشور شویم، بلکه همچنین می تواند یک منحنی یادگیری برای دیگر کشور های SSA را هم در اختیار ما قرار دهد.
4-2 اندازه گیری ها
یک مطالعه کمی ایجاد شد تا بتوان فرضیه های محقق را بر اساس UMEGA و نسخه اصلاح شده اش اندازه گیری کرد. داده ها از پاسخ دهنده ها از ناحیه بلوم‌ فانتاين‌ در آفریقای جنوبی جمع آوری شود و در این زمینه ما از یک روش نظر سنجی استفاده کردیم. آیتم های مورد استفاده برای این پرسش نامه از مقالات موجود به دست آمده بود. آیتم های مورد استفاده برای مقاصد رفتاری، انتظارات عملکردی، انتظار تلاش، تاثیر اجتماعی و تسهیل شرایط در این مطالعه از مقالات قبلی به دست آمد. آیتم های مورد نیاز برای نگرش و ریسک درک شده نیز از مطالعه Dwivedi و همکارانش ( 2017) به دست آمد. آیتم های مورد نیاز برای اعتماد دولت و اعتماد به اینترنت نیز از Kurfali و Lallmahomed همکارانش به دست آمد در حالی که آیتم های مورد نیاز برای خودکفایی از نظر کامپیوتر نیز از Lallmahomed و همکارانش به دست آمد. هر کدام از این آیتم ها بر اساس یک مقیاس پنج نمره ای لیکرت اندازه گیری شد که 1 ، نشان دهنده به شدت موافق و 5 نشان دهنده به شدت مخالف بود. سه متغیر جمعیت شناسی نیز اندازه گیری شدند یعنی سن، جنسیت و تحصیلات. پرسش نامه های مشابه نیز برای ارزیابی UMEGA و نسخه تعمیم یافته آن برای ارزیابی ابعاد و روابط دیگر مورد استفاده قرار گرفت تا بتوان تمام مسیر های فرضی را با استفاده از UMEGA اندازه گیری کرد.

4 Methodology

4-1 The context of the study

South Africa was selected as the SSA context for testing and validating UMEGA and its modified version. This choice was based on the ease with which the researchers could obtain suitable data. South Africa is one of the leading countries in SSA with respect to e-government development. The 2016 e-Government Development Index (EGDI) ranked South Africa (EGDI = 0.56) second to Mauritius (EGDI = 0.62) in SSA (UNDESA, 2016). This was an improvement compared to the 2012 EGDI when South Africa (EGDI = 0.49) was in the third position, behind Seychelles (EGDI = 0.52) and Mauritius (EGDI = 0.507), respectively. Even though South Africa is in the top tier of e-government development in SSA, it is also plagued by several challenges that are common across SSA countries. For example, the South African government has made several efforts in implementing e-government systems, yet, one of the key challenges in e-government diffusion in the country is the slow uptake of e-government services (Mawela et al., 2017; Mutula and Mostert, 2010). This pattern of slow adoption of e-government services was also recorded in other SSA countries. They include: Gambia (Lin et al., 2011); Kenya (Muraya, 2015); Mauritius (Lallmahomed et al., 2017); Uganda (Khanyako and Maiga, 2013); Tanzania (Komba and Ngulube, 2015; Rukiza et al., 2011); and Zambia (Bwalya, 2011). Given that prior studies have shown that South Africa leads SSA with respect to the provision of online services (Rorissa and Demissie, 2010; Verkijika, 2017), it would be interesting to see the factors that influence e-government adoption in this country, as this could not only help improve uptake of e-government services in the country but also serve as a learning curve for other SSA countries.

4-2 Measurements

A quantitative study was developed to test the research hypotheses based on UMEGA and its modified version. Data were collected from respondents in the Bloemfontein Area of South Africa, using a survey approach. Items for the questionnaire were drawn from existing literature (see Appendix A). The items for behavioral intentions, performance expectancy, effort expectancy, social influence, and facilitating conditions were adapted from Dwivedi et al. (2017), Kurfali et al. (2017), Lallmahomed et al. (2017) and Venkatesh et al. (2012). Items for attitude and perceived risk were adapted from Dwivedi et al. (2017). Items for trust of government and trust of the Internet were adapted from Kurfali et al. (2017) and Lallmahomed et al. (2017), while items for computer-self efficacy were adapted from Lallmahomed et al. (2017). Each item was measured on a five-point scale ranging from 1 (strongly agree) to 5 (strongly disagree). Three demographic variables were measured namely age, gender, and education. The same questionnaire was used to evaluate UMEGA and the proposed extension as the extension simply adds new dimensions and associations, while retaining all the hypothesized paths in UMEGA..

تصویب دولت الکترونیکی در کشورهای جنوب صحرای آفریقا

E-government adoption in sub-Saharan Africa

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1816

با ایجاد شش ناحیه وعده گاه در طول سه قطر اصلی در شبکه عبوری از سلول مرکزی که در شکل 1(c) نشان داده شده است, این مشکلات در پروتکل HexDD [17] به منظور ارتقای عملکردهای شبکه پرداخته شده اند. در هنگام ارسال داده ها به گره داخلی بین بخش های نزدیک خطوط اصلی مورب, این مناطق, داده ها را تکثیر و ذخیره می کنند. برای بازیابی داده ها، پرس و جوهای سینک روی منطقه وعده گاه قرار می گیرند. اگر داده های درخواست شده در هر گره وعده گاه وجود داشته باشد، داده ها را از طریق مسیر معکوس فرستادن پرس و جوی سینک به سینک ارسال می کند. با این وجود، این پروتکل از مشکل نقطه داغ (نقطه دسترسی) به ویژه در منطقه مرکزی رنج می برد, زیرا تمام داده ها و پرس و جوها از طریق گره مرکزی منتقل می شوند. علاوه بر این، 6 منطقه ثابت وعده گاه، صرفه نظر از اندازه شبکه, موجب عدم تعادل مصرف انرژی در چند گره وعده گاه در شبکه می شود. به تازگی برخی از انواع دیگر پروتکل های مبتنی بر وعده گاه [22، 26، 27، 28] پیشنهاد شده است؛ اما هیچکدام از آنها نمی توانند از مشکل نقطه داغ جلوگیری کنند.
در مورد رویکرد مبتنی بر ستون فقرات، یک ستون فقرات مسیریابی در شبکه برای بدست آوردن موقعیت سینک تازه و انتقال داده ها به سمت آن [18، 19، 29، 30، 31، 32، 33، 34] توسعه داده شده است. در مسیریابی حلقه [18], یک حلقه بسته از گره ها ساخته شده است که یک مرکز شبکه از پیش تعیین شده سراسری را در خود جای می دهد، همان طور که در شکل (d)1 نشان داده شده است. به محض اینکه سینک سیار, موقعیت خود را تغییر می دهد، مکان به روزرسانی شده به حلقه را با ارسال بسته ها به سمت مرکز شبکه تبلیغ می کند و بنابراین گره های منبع می توانند موقعیت تازه سینک را از حلقه به دست بیاورند. بعدها، گره های منبع, داده ها را به طور مستقیم در حالت چندهاپ به سینک ارسال می کنند. اگر چه این ستون فقرات مسیریابی, موضع گیری سریعتر سینک را ارائه می دهد، مقیاس پذیری آن برای شبکه های بزرگ مورد سوال است. علاوه بر این، با توجه به اندازه شبکه یا محدوده ارتباطی حسگرها، شعاع حلقه مناسب را بررسی نکرده است. نتایج تجربی نشان می دهند که اگر شعاع حلقه خیلی کوچک باشد، زمان موضع یابی سینک برای گره های مرز شبکه افزایش می یابد. همین مسئله برای گره های مرکزی هنگامی رخ می دهد که یک شعاع بزرگ حلقه انتخاب می شود. ستون فقرات نه تنها برای موضع یابی سریع تر سینک موثر است، بلکه همچنین برای تحویل کارامد-انرژی داده ها به سینک موثر است. در [19]، ستون فقرات مسیریابی Fishbone با استفاده از سطوح مختلف جمع کننده ها (به عنوان مثال جمع کننده های اصلی و محلی) ساخته شده است، همان طور که در شکل (e)1 نشان داده شده است. گره های منبع، داده ها را بر روی ستون فقرات در ارسال چندهاپ منتقل می شوند. اگرچه ستون فقرات فوقانی، زیرساخت های ارتباطی بهتر را فراهم می کنند، تأخیر ارائه شده پایانه به پایانه داده ها به دلیل نبود انتخاب شعاع-حلقه مطلوب در [18] و تجمیع چند سطحی در [19] بالاتر است.
با انگیزه از چالش های بالا در زمینه مسیریابی بسته های داده از گره های منبع به سینک سیار در WSN ها، در این مقاله, ما ستون فقرات مسیریابی ستاره دریایی را با هدف ارائه تاخیر تحویل داده ها و افزایش زمان عمر شبکه توسعه داده ایم. عملکردهای خوب توسط ساخت کانال-حلقه و کانال های شعاعی در شبکه، مشابه با سیستم عروق آب یک ستاره دریایی [23] به دست می آیند. کانال-حلقه بر اساس طیف انتقال حسگر ساخته می شود و کانال های شعاعی بسته به اندازه شبکه و طیف انتقال تشکیل می شوند. وجود کانال-حلقه مرکزی با تعدادی از کانالهای-شعاعی به طور مشترک به توزیع بارهای مسیریابی داده ها در بسیاری از گره های شبکه کمک می کند. چنین سیاستی, منافع چند بعدی ای دارد از جمله افزایش طول عمر شبکه، تحویل سریع تر داده ها به گره سینک، کاهش سربار عملیاتی و در نهایت افزایش توان تولید (بازده). آنچه که در بخش بعدی نشان می دهیم، جزئیات عملیاتی ستون فقرات مسیریابی ستاره دریایی است.

3. ستون فقرات پیشنهادی مسیریابی ستاره دریایی
توسعه یک ستون فقرات مسیریابی کارآمد برای شبکه حسگر بی سیم, نه تنها به منظور کاهش تاخیر تحویل داده های پایانه به پایانه بلکه همچنین برای گسترش طول عمر شبکه تا حد زیادی مهم است. فلسفه کلیدی طراحی ستون فقرات مسیریابی پیشنهادی, گسترش گره های ستون فقرات بر روی مناطق مختلف شبکه است به شیوه ای که یک گره منبع می تواند به طور مستقیم به حداقل یکی از گره های ستون فقرات دسترسی پیدا کند. در این بخش، جزئیات ساخت و ساز و عملیاتی ستون فقرات مسیریابی ستاره دریایی به دنبال مدل شبکه فرض شده ارائه می شوند.

3.1 مدل شبکه
ما یک شبکه حسگر بی سیم را فرض می کنیم که در آن گره های حسگر همگن به صورت تصادفی در یک شبکه مستطیلی با اندازه توزیع شده اند، همان طور که در شکل (a)2 نشان داده شده است، جایی که a و به ترتیب نیمی از طول و عرض مستطیل، و (u,v), مرکز شبکه است. تمام گره های حسگر بعد از استقرار به صورت ساکن در نظر گرفته می شوند، در حالی که سینک, متحرک است، یعنی، سینک به طور مداوم در شبکه حرکت می کند و جمع آوری داده ها از گره های حسگر را انجام می دهد. هر گره حسگر i, یک انرژی اولیه E0 دارد و یک محدوده انتقال r را دارد. ما همچنین فرض می کنیم که هر گره حسگر, نقطه مختصات خاص خود (xi، yi) را با استفاده از GPS یا هر روش موضع یابی می شناسد [35، 36]. گره های حسگر منبع, بسته های داده های حس شده را به سینک سیار روی گره های ستون فقرات در حالت چندهاپ می فرستد. ستون فقرات پیشنهادی مسیریابی ستاره دریایی یک کانال-حلقه مرکزی و تعداد کانال های-شعاعی طویل شده در سراسر شبکه می باشد. گره ها روی ستون فقرات به سه رده تقسیم می شوند: مجموعه ای از گره های لنگر در لبه شبکه, ؛ مجموعه ای از گره های کانال-شعاعی, ؛ مجموعه ای از گره ها روی کانال-حلقه, ؛ و نشاندهنده مجموعه تمام گره ها روی ستون فقرات مسیریابی ستاره دریایی است که در شکل نشان داده شده است.

در ستون فقرات مسیریابی ستاره دریایی، کانال-حلقه بر اساس طیف انتقال r گره های حسگر ساخته می شود و چندین کانال های-شعاعی وابسته به اندازه شبکه و طیف انتقال r شکل می گیرند. در طول ساخت ستون فقرات مسیریابی ستاره دریایی، گره های ستون فقرات بر اساس انرژی اولیه گره E0، انرژی باقیمانده Eres و آستانه گره Eth برای انتقال موفقیت آمیز گره ها انتخاب می شوند. مسئولیت اصلی گره های ستون فقرات روی کانال-حلقه و کانال های-شعاعی این است که جمع آوری داده ها از دستگاه های حسگر منبع درون 1-هاپ را انجام می دهد و آنها را به جلو به سمت گره سینک سیار ارسال می کند. رویه ساخت مفصل کانال-حلقه و کانال های-شعاعی در زیربخش های زیر ارائه شده است. نمادهای مورد استفاده در این مقاله در جدول 1 خلاصه شده است.

2 ساخت کانال-حلقه ای

یک کانال-حلقه مرکزی, یک حلقه بسته از گره هایی است که به طور دایروی حول مرکز شبکه حسگر بی سیم قرار گرفته اند، همان طور که در شکل (b)2 نشان داده شده است. هدف اولیه کانال-حلقه, سبک کردن مسئله نقطه داغ, به خصوص در مرکز شبکه، ناشی از همگرایی گره های ستون فقرات در مرکز است. اگر اندازه کانال-حلقه با توجه به اندازه شبکه به شدت بزرگ باشد، گره های منبع داخل کانال-حلقه نمی توانند به طور مستقیم به گره ستون فقرات خود دسترسی داشته باشند. در ضمن، اگر اندازه کانال-حلقه با توجه به طیف انتقال بسیار کوچک باشد، باعث افزایش تداخل و برخورد بیشتر در هنگام انتقال ها از بسیاری از گره ها نزدیک به مرکز شبکه می شود. این امر به دلیل وجود و همگرایی کانال های شعاعی بیشتر بر روی کانال-حلقه ستون فقرات مسیریابی ستاره دریایی رخ می دهد. شعاع یک کانال-حلقه را به صورت زیر تعریف می کنیم.

که در آن,  یک متغیر کنترل است که مقدار گسترش شعاع کانال-حلقه از طیف انتقال یک حسگر را تعیین می کند. ما رفتار این متغیر کنترل را در بخش 5 مطالعه کرده ایم. مرکز کانال-حلقه در مرکز شبکه (u، v) تثبیت می شود و بنابراین مجموعه ای از گره ها   واقع در هر موقعیت  (و یا در نزدیکی بسیار), مرکز شبکه را در بر می گیرند, همان طور که در شکل  نشان داده شده است, تا ویژگی دایروی آن به شرح زیر حفظ شود,

 در حال حاضر، به منظور ساخت کانال-حلقه ستون فقرات مسیریابی ستاره دریایی پیشنهاد شده، در ابتدا، کنترل کننده مرکزی, مرکز شبکه (u,v)، شعاع R کانال-حلقه را با استفاده از معادله 1 تعیین می کند و یک دایره مرجع را با استفاده از معادله 2 ترسیم می کند. سپس کنترل کننده, یک گره حسگر را به صورت تصادفی در داخل یا حدوداً درون دایره-مرجع به عنوان گره آغازین (یعنی، c1) کانال-حلقه بر می دارد، همان طور که در شکل (b)2 نشان داده شده است. بعداً، گره های بعدی انتخاب می شوند (به عنوان مثال، c2 تا c6), هر یک پس از فاصله برابر با طیف انتقال r (یا تا حدودی کمتر از r) قرار گرفته در یا داخل دایره-مرجع دارای ویژگی بیان شده در معادله.2 و حداقل انرژی آستانه (Eth) انتخاب می شوند، یعنی Eres ≥ Eth، جایی که Eres, انرژی باقی مانده یک گره حسگر است.

این فرایند انتخاب گره های ستون فقرات کانال-حلقه تا زمانی ادامه می یابد که گره آغازین کانال-حلقه به دست آید. این گره های ستون فقرات در کانال-حلقه در Zc (یعنی, c1 تا c6)، یک حلقه کامل از گره های متصل را تشکیل می دهند، همان طور که در شکل (b)2 نشان داده شده است. شکل کانال-حلقه نباید یک دایره دقیق باشد، بلکه باید یک حلقه بسته متصل از گره ها باشد.

3.3. ساخت کانال های شعاعی

در ستون فقرات مسیریابی ستاره دریایی، کانال های شعاعی به سمت لبه شبکه از کانال-حلقه طویل می شوند. هدف اولیه ساخت کانال های-شعاعی, گسترش گره های ستون فقرات در سراسر شبکه است, به طوری که گره های منبع از تمام نواحی شبکه می توانند حداقل به یکی از گره های ستون فقرات در کانال های شعاعی دسترسی داشته باشند. اگر گره های ستون فقرات دور از یک گره منبع خاص قرار داشته باشند، زمان بیشتری برای موضع یابی سینک سیار طول می کشد و بسته ها باید هاپ های بیشتری را برای رسیدن به سینک رد کننند. در چنین موردی، احتمالات تلفات بسته ها، سربارهای برخورد و انتقال نیز به طور قابل توجهی افزایش می یابد.