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.

مطالعه‌ جامع و مقایسه طرح های نسل پنجم NOMA

Comprehensive study and comparison on 5G NOMA schemes

Abstract

Compared to the traditional orthogonal multiple access (OMA), non-orthogonal multiple access (NOMA) technology can achieve higher spectrum efficiency and support more massive connectivity. In this article, we conduct comprehensive study and comparison on current NOMA technologies that many mainstream companies have proposed for the fifth generation (5G) wireless communication standard. According to the characteristics of the NOMA schemes, we classify these schemes into four categories: scrambling-based NOMA, spreading-based NOMA, coding-based NOMA and interleaving-based NOMA. We systematically summarize the transceiver block diagram of each category, and detail basic principles, key features and transmission-reception algorithms of all NOMA schemes. Furthermore, the theoretical analysis based on average mutual information is given to evaluate the achievable sum-rate performance of the NOMA systems and their potential performance gains as compared with OMA. Comprehensive simulations are carried out for the block-error-rate (BLER) performance evaluation of these NOMA schemes as well, which coincide with the theoretical analysis. By comparing the performance of these technologies, some promising schemes and directions are suggested for the future 5G NOMA development.

1 Introduction

WITH the rapid development of mobile Internet of things (IoT), much more user equipments (UEs) and much higher data-rate pose big challenges for the future mobile wireless network. In 2014, the international mobile telecommunication (IMT)-2020 promotion group proposed the vision and requirements of the fifth generation (5G) wireless communication. The 5G system aims to support much higher spectral efficiency (SE) and much more massive connectivity, and new non-orthogonal multiple access (NOMA) is one key technology to meet these strict requirements [1]–[4]. The typical application scenarios of 5G consist of enhanced Mobile BroadBand (eMBB), massive Machine Type Communications (mMTC), and Ultra-Reliable and Low Latency Communications (URLLC). Each scenario has distinct service feature and requirement. High SE (up to 15bps/Hz for uplink and 30bps/Hz for downlink), massive connection (1 million devices/km2 ) and ultra reliability ( 10−5 packet error rate within 1ms user-plane latency) are key performance indicators (KPIs) for eMBB, mMTC and URLLC [5], respectively. The study on NOMA started from the 3rd generation partnership project (3GPP) Release 14 (Rel-14) since September 2014, and it is ongoing at the study-item (SI) step of 3GPP Rel-15 until May 2018. The current target is to provide self evaluation against eMBB, mMTC and URLLC requirements and test environments for 5G new radio (NR) standardization. By the end of June 2019, 3GPP Rel-16 will accomplish the final 5G NR submission, including description template, compliance template, and self evaluation results.

The conventional orthogonal multiple access (OMA) technology allocates orthogonal time and frequency resources for multiple users, and each user’s receiver can take advantage of this orthogonality to separate out its own signal from others simply. The NOMA technique utilizes the superposition coding principle to multiplex multiple users onto the same time and frequency resources. Therefore, NOMA can enlarge the number of connections by introducing controlled symbol collisions. Actually, NOMA can approach the capacity bound of the multi-user system more closely than OMA [6]. For the sake of intuition, consider a simple two-user uplink multiple access (MAC) system on the additive white gaussian noise (AWGN) channel.

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.

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) 

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) 

توسعه اپلیکیشن موبایل با توجه به (1) محدودیت‌های فنی مربوط به سیستم عامل موبایل، و (2) ماهیت تغییرات سریع پیش نیازهای تجاری، یک وظیفه چالش برانگیز دیده شده است [8]. همچنین این چالش وجود دارد که تیم‌های توسعه برای کار در یک محیط پویا با تغییرات مکرر نیازهای مشتریان و انتظارات آن ها، مقابله می‌کنند [8]. چالش‌های توسعه اپلیکیشن موبایل به صورت مفصل در بخش 5 مورد بحث قرار گرفته است. با توجه به این حقیقت که فرآیند توسعه اپلیکیشن موبایل مشابه با مهندسی نرم افزار است، پیش نیازهای اضافی را معرفی می‌کند که تنظیماتی از فرآیند توسعه نرم افزار سنتی را تحمیل می‌کند [[9, 29, 31]. این پیش نیازهای خاص و مشخصه‌ها به صورت دقیق در بخش بعدی بحث شده اند.

4. مشخصه‌های اپلیکیشن‌های موبایل
به منظور توسعه اپلیکیشن‌های موبایل با کیفیت بالا، تشخیص مشخصه‌های کلیدی که کیفیت اپلیکیشن‌های موبایل را تعریف می‌کنند، ضروری است [10]. مشخصه کیفیت که برای توسعه همه اپلیکیشن‌های نرم افزاری در نظر گرفته شده اند را “عوامل بهره وری” گویند (مانند پیش نیازهای عملیاتی، پیش نیاز قابلیت استفاده، پیش نیاز قابلیت اعتماد، پیش نیاز قابل حمل بودن، پیش نیازهای قابلیت نگهداشت، و پیش نیازهای کارامدی) که بین اپلیکیشن‌های نرم افزاری و موبایلی مشترک هستند [17]. به هر حال، مشخصه‌های خاصی برای توسعه اپلیکیشن موبایل برای دیگر فاکتورهای بهره وری مشخص شده اند [17]. این بخش شناخت این مشخصه‌ها که نشان می‌دهند که چقدر اپلیکیشن‌های موبایل از نرم افزار سنتی متفاوت هستند را هدف قرار می‌دهد.
Ashishdeep و همکاران (2016) [2] مشخصه‌های اصلی اپلیکیشن موبایل را با توجه به برخی از جنبه‌ها شناسایی کردند: پیش نیازهای کاربر در طول زمان دائما تغییر می‌کنند، یک درخواست تغییر نیاز است، که بر مولفه‌های UI تاکید دارد، و زمان توسعه/استقرار باید کوتاه باشد. از بررسی ادبیات موضوعی، آن‌ها بیشتر توجهات خود را به رویکردهای چابک معطوف کردند که بهترین رویکرد مناسب را برای توسعه اپلیکیشن‌های موبایل در نظر می‌گیرد.
Kaleel and Harishankar (2013) [15] تاکید کردند که پیش نیاز اپلیکیشن موبایل مستقیما به تقاضای درخواست کاربر نهایی بستگی دارد، و آن‌ها اشاره کردند که صنعت اپلیکیشن موبایل بیشتر بر راه اندازی محصول متمرکز است تا پایبندی به فرآیند چرخه حیات توسعه نرم افزار (SDLC)، چرا که صنعت موبایل منعکس کننده دیدگاه کاربران نهایی است و اپلیکیشن به سرعت برحسب تقاضا نصب می‌شود. آن‌ها بیشتر به اهمیت آگاهی بخشی بازار در صنعت اپلیکیشن موبایل اشاره می‌کنند که برای حفظ حداقل زمان برای نصب اپلیکیشن تلاش می‌کنند.
De Souza و De Aquino (2014) [25, 26] مشخصه‌های اپلیکیشن موبایل را با انجام یک بررسی سیستماتیک شناسایی کردند. این مشخصه‌ها در زیر تشریح شدند:

• انرژی محدود: هر دستگاه موبایل یک باتری با یک طول عمر محدود دارد، لذا اجرای اپلیکیشن نباید نیازمند مقدار زیادی از منابع سخت افزاری باشد.
• واسط گرافیکی: طراحی واسط محدود است چرا که اندازه صفحه نمایش کوچک است.
• واسط ورودی: با ابزارهای تعاملی بین کاربران و اپلیکیشن مانند صفحه کلید، صفحه لمسی یا صوتی و تشخیص تصویر شناخته می‌شود.
• پهنای باند: یک اپلیکیشن موبایل باید تغییرات گسترده پهنای باند را در نظر بگیرد و متوجه شود، چرا که ممکن است برخی از مواقع حداکثر پهنای باند را داشته باشد و در شرایط دیگر حداقل پهنای باند را داشته باشد.
• نوع ارتباطات: اپلیکیشن‌های موبایل باید از انواع گوناگون ارتباطات مانند، بلوتوث، 3G, 4G, Wi-Fi، بی سیم و غیره حمایت کنند.
• تغییر در زمینه: کاربران داده‌‌های ورودی را به صورت صریح ارائه می‌دهند، در حالی که اپلیکشن به صورت ضمنی ورودی‌هایی را با توجه به زمینه فیزیکی و محاسباتی ارائه می‌دهند.
• وقفه مداوم در فعالیت ها: برخی از اپلیکیشن‌ها برای کار به صورت آفلاین طراحی شده اند و در زمانی که اپلیکیشن‌ها آنلاین می‌شوند همگام سازی صورت می‌‌گیرد. بنابراین، اپلیکیشن‌های موبایل باید برای سناریوهای متفاوتی طراحی شوند چرا که وقفه در فعالیت‌های گوناگون مانند باتری ضعیف یا فقدان ارتباط اینترنتی ممکن است رخ دهد.
• عملکرد محدود: همه دستگاه‌های موبایل محدودیت‌هایی در منابع اصلی مانند منابع پردازشی، حافظه و ارتباطات دارند.
• حافظه کاهش یافته: به دلیل اندازه محدود سخت افزار، حافظه کمتری در دسترس است.
• زمان پاسخ: توسعه اپلیکیشن باید بر متغیر زمان متمرکز باشد. این مسئله مستلزم این است که ‌اپلیکیشن‌ها با یک بهینه سازی ممکن منابع برای یک زمان پاسخ و کارامدی بهتر توسعه یابند.
• پردازش: زمان پاسخ مستقیما با قدرت پردازش در ارتباط است.
• قابلیت حمل: قابلیت حمل سخت افزار، یک ‌اپلیکیشن مویایل باید از طیف گسترده‌ای از دستگاه‌ها پشتیبانی کند. قابلیت حمل نرم افزار، یک اپلیکیشن موبایل باید ظرفیت اجرای همان چیزها را در طیف گسترده ای از سیستم عامل‌های موبایل داشته باشد.
• اپلیکیشن‌های بومی، وب یا هیبریدی: بر اساس انواع اپلیکیشن، مسائل و پیچیدگی که ممکن است در نظر گرفته شوند، متمایز خواهند بود، و خواستار سطح متفاوتی از تلاش‌های توسعه هستند.
Flora and Chande (2013) [11] بر جنبه‌هایی بحث کردند که معمولا در اپلیکیشن‌های نرم افزار سنتی دیده نمی‌شود، مانند: ادغام اینترفیس اپلیکیشن با اپلیکیشن‌های متفاوت، بررسی حرکت دستگاه مانند اپلیکیشن GPS، سازگاری اپلیکیشن با همه پلت فرم‌ها و فاکتورهای سخت افزاری متفاوت، مدیریت مصرف برق، ریسک‌های امنیتی و حریم شخصی، طراحی UI، پیچیدگی تست، در دسترس بودن بیست و چهار ساعته در هفت روز هفته “همیشه روشن بودن”؛ و برنامه ریزی برای فرآیند توسعه، که شامل اندازه اپلیکیشن مانند اندازه صفحه نمایش اپلیکیشن است. آن‌ها بیشتر بر چالش‌هایی تمرکز کردند که تیم‌های توسعه اپلیکیشن موبایل با آن روبرو می‌شوند مانند محیط پویایی از پیش نیازهای فنی و بهبودهای گوناگون، با تنظیم ثابت در انتظارات و نیازهای کلاینت ها. آن‌ها فرآیند‌های چابک را به عنوان مناسب ترین مورد برای این محیط‌های دائما در حال تغییر در نظر گرفتند؛ در حالی که رضایت مشتری در مراحل اولیه و غالبا در زمان تحویل مدیریت می‌شود، و همیشه تغییرات جدیدی؛ چرخه انتشار کوتاه، یک همکاری مستمر بین مشتری یا ذی نفع و مهندس خوشایند است، و داشتن یک برنامه کاری یک معیار لازم پیشرفت است.
Kakkar و همکاران (2013) [14] بر تفاوت بین اپلیکشن‌های موبایل و اپلیکیشن‌های نرم افزاری سنتی بحث کردند، که در ان مسائل اصلی که باید در توسعه اپلیکیشن موبایل مدیریت شود امنیت، قابلیت اعتماد، عملکرد و فضای ذخیره حافظه است. و دیگر مسائلی که با اپلیکیشن‌های موبایل در ارتباط هستند عبارتند از: (1) تعامل با اپلیکیشن‌های متفاوت؛ (2) اپلیکیشن‌های بومی یا ترکیبی و (3) مدیریت حسگر، (4) قابلیت‌های سخت افزاری و نرم افزاری، (59 امنیت، (6) واسط کاربر باید از راهنماهای UI ارائه شده توسط SDK تبعیت کند، (7) پیچیدگی تست و (8) مصرف برق.

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.

مقاله انگلیسی رایگان (PDF)

دانلود رایگان مقاله انگلیسی 

ترجمه فارسی رایگان (PDF)

دانلود رایگان ترجمه مقاله 

خرید ترجمه با فرمت ورد

خرید ترجمه مقاله با فرمت ورد

بخشی از ترجمه فارسی مقاله:

1. مقدمه
استاندارد IEEE 802.11s برای شبکه مش بی سیم (WMN) است که از روتر های و مشتریان مش تشکیل شده است [1[ . روترهای مش، نقاط دسترسی ثابت هستند که ترافیک را از مسیرهای مختلف به گره دروازه ای پخش می کند که به صورت چندتایی متصل به اینترنت است، [2[. سناریوهای ارتباط چند منظوره نیازی به یک سیستم کنترل متمرکز ندارند. گره های خارج از محدوده بسته ها را با استفاده از گره های متوسط انتقال می دهد. بنابراین، قدرت انتقال و در نتیجه اثر تداخل می تواند کاهش یابد. استاندارد IEEE 802.11s تقریبا از کلیه خواص پروتکل های IEEE 802.11 استفاده می کند. در پروتکل های IEEE 802.11a 12 کانال مجزا وجود دارد. تداخل ایجاد می شود در صورتی که رادیوهای اطراف در همان کانال کار کنند، که منجر به تراکم در لینک های منطقی می شود. ماهیت تراکم در MR-MC WMN متفاوت با شبکه سیمی است. ظرفیت یک گره بی سیم به شدت به انتقال بین گره های اطراف بستگی دارد. کانال های فرکانس محدود هستند؛ بنابراین، رادیوهای اطراف ممکن است در همان کانال ارتباط برقرار کند که باعث تداخل می شود. تداخل در یک گره نزدیک به میزان زیادی بر ظرفیت شبکه تاثیر می گذارد؛ بنابراین، منجر به تراکم شبکه می شود. طرح اختصاص کانال موثر(CA) برای بهینه سازی عملکرد شبکه لازم است [3] [4]، [5].
در طول روند CA، شبکه دستخوش پدیده سوئیچ کانال می شود. سوئیچینگ از یک کانال به یک دیگر باعث تغییر پردازش ها می شود، نیاز به هماهنگ سازی زمان دقیق دارد و مقدار قابل توجهی از تاخیر سوئیچ را ایجاد می کند.
پروتکل IEEE 802.11 زمان سوئیچ کانال فیزیکی را به عنوان 224μs بیان می کند [6[. تاخیر واقعی اضافه کردن زمان تغییر سوئیچ کانال فیزیکی، زمان پیکربندی مجدد تنظیم سخت افزار و زمان پردازش بسته های لایه MACاست.

در این مقاله، مفهوم الگوریتم Dijkstra جهت جلوگیری از پیوندهای پرشده و کاهش تاخیر سوئیچینگ کانال استفاده می شود. ما یک تکنیک مسیریابی معرفی کردیم که براساس میزان نمره متراکم شده است. در این رابطه، زمانی که پیوند متراکم می شود، گره دستخوش یک روش تغییر سوئیچ می شود. الگوریتم پیشنهادی اطلاعات احتمالی را به شکل یک جدول ذخیره می کند. سپس، این اطلاعات تراکم با کاربرد الگوریتم Dijkstra برای اختصاص یک میزان نمره مثبت و ایجاد صف پیوند استفاده می شود. ترافیک براساس رتبه بندی پیوند روت شده است.
WMN محبوبیت زیادی به دست آورد، زیرا می تواند سطح پوشش شبکه را با هزینه و پیچیدگی کمتر افزایش دهد. CA یک منطقه تحقیقاتی فعال برای افزایش ظرفیت و عملکرد شبکه بطور موثر با استفاده از طیف فرکانس می باشد.

پروتکل IEEE 802.11 تعداد کمی از کانال های فرکانس قائم را فراهم می کند، بنابراین برخی از رادیوهای اطراف ممکن است در همان باند فرکانس کار کنند. در سیستم MR-MC، تخصیص کانال ها به رادیو ها با حفظ دخالت و تراکم در حداقل سطح بسیار چالش برانگیز است. با این حال، در طول CA؛ شبکه با یک تاخیر سوئیچینگ کانال و پردازش ها مواجه است که عملکرد کل شبکه را تحت تاثیر قرار می دهد. اختصاص چندین کانال به تعداد گره ها بدون افزایش تاخیر ناشی از سوئیچینگ کانال، یک چالش کلیدی در WMN است. این به ما انگیزه می دهد تا اهمیت رویکرد CA را برای افزایش عملکرد شبکه با اجتناب از پیوندهای پرجاذبه و استفاده از تکنیک مسیریابی کارآمد، برجسته کنیم.
در این مقاله، یک راه حل موثر جهت استفاده از روش انتخاب کانال ارائه می دهیم که بر اساس اطلاعات جدول متراکم است. همچنین، تأکید ویژه ای بر ارائه الگوریتم مناسب جهت کاهش هزینه های زیاد و تخریب عملکرد ناشی از سوئیچینگ پیوسته و پیچیدگی محاسباتی است. به طور خاص، مفهوم الگوریتم Dijkstra جهت استفاده از تابع چند مسیری با اجتناب از پیوندهای ضعیف مورد استفاده قرار گرفته است. علاوه بر این، تنظیم شبیه سازی برای انجام تجزیه و تحلیل مشخص شده است.
بقیه این مقاله به شرح زیر سازماندهی شده است. بخش دوم، کار مربوط به تکنیک های اختصاص کانال در MC-MR WMN را فراهم می کند. مدل سیستم و بیانیه مشکل در بخش سوم ارائه شده است. بخش چهارم، توضیح مختصری از تخصیص کانال در WMN و پروتکل پیشنهادی را توضیح می دهد. بخش V ارزیابی عملکرد و نتایج شبیه سازی همراه با بخش آخر VI که مقاله را نتیجه گیری می کند، شرح می دهد.
2. کارهای مرتبط
تحقیق CA در WMN مبتنی بر روش متمرکز یا توزیع شده است. گره مرکزی مسئول تصمیم گیری CA است و حفظ تمام توابع در یک رویکرد متمرکز را کنترل می کند. به طور مشابه، در یک طرح توزیع شده، هر گره مسئول تخصیص کانال به گره های مربوطه است. تعدادی از رویکردهای CA وجود دارد که پیشنهاد شده است تا توان شبکه را افزایش دهد [7[. برای مسیریابی بهتر، رانی والا و همکاران [8] پروتکل کانال بارگذاری آگاهانه (LA-CA) متمرکز شده را پیشنهاد کردند که توزیع بار را در هر لینک مجازی توازن می دهد تا از هرگونه تنگنا در شبکه جلوگیری کند.
کانال را به گونه ای تنظیم می کند که بار در لینک کمتر از ظرفیت آن باشد. رانی والا و چیوه [9] یک طرح توزیع شده به نام Hyacinth را پیشنهاد دادند، که در آن هر گره، کارت رابط شبکه (NIC) را به UP-NICs و DOWN-NIC تقسیم می کند. CA تنها در DOWN-NICs انجام می شود. این طرح از یک الگوریتم بار – آگاه استفاده می کند که تنها کمترین کانال مورد استفاده را در محله بدون ایجاد اثرات موج شکن و نوسان کانال اختصاص می دهد. کودیالام و نانداگوپال [10] دو طرح مرکزی به نام تعادل کانال استاتیک اختصاصی (BSCA) و بسته کانال پویای اختصاصی (PDCA) را پیشنهاد دادند. BSCA اسلات زمانی را برای هر پیوند اختصاص می دهد که از یک کانال خاص استفاده می کند. کانال هایی که به هر پیوند اختصاص داده می شوند ثابت هستند و نمی توانند تا اسلات زمانی بعدی تغییر کند. به طور مشابه، PDCA تخصیص کانال لینک را انجام می دهد و به هر لینک اجازه می دهد تا کانال در اسلات زمانی تغییر دهد. لین و همکاران [11] همچنین یک طرح متمرکز پیشنهاد می دهند که براساس الگوریتم ژنتیک (GA) است. رادیوها و کانال ها به عنوان یک ساختار داده ای مانند کروموزوم ارائه می شوند. هر کروموزوم یک مقدار تناسب با استفاده از تکنیک انتخاب چرخ رولت تعیین می شود . آ. حامد و همکاران [12]یک طرح برای بهینه سازی CA پیشنهاد دادند و مشکل کنترل تراکم، الگوریتم کانال اختصاصی آگاه متراکم توزیع شده (DCACA) نامیده می شود . در این طرح، کانال ها بر مبنای اندازه گیری تراکم در هر بار شکاف زمانی در یک روش توزیع شده تعیین می شوند. مکرام و گونز [13] کانال اختصاصی خوشه مرکزی (CCA) را معرفی کردند. محمد و همکاران [14] شیوه کاهش تداخل را با استفاده از الگوریتم جستجو بهبود گرادیان (IGSA) پیشنهاد دادند.
لینک طرح زمان بندی در CA توسط اندرو و همکاران ارائه شده است [15] . این طرح از رویکرد متمرکز استفاده می کند و WMN در تعدادی از زیر شبکه ها با استفاده از تئوری ثبات و متروید پارتیشن بندی می کند. به طور مشابه، آلیچری و همکاران.[16] همچنین یک طرح مرکزی برای CA مشترک ، مسیریابی و لینک مسائل زمانبندی پیشنهاد می دهند که RCL نامیده می شود. برخی از طرح های دیگر در جای دیگر برای حل مشکل CA در WMNs ،[17] [18]، [19]، [20]، [21]، و [22] بحث شده است.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

IEEE 802.11s standard is for Wireless Mesh Network (WMN) which is made up of mesh routers and mesh clients [1]. The mesh routers are the stationary access points which propagate the traffic from various routes to the gateway node that is connected to the internet, in a multi-hop fashion [2]. The multihop communication scenarios do not need a centralized control system. The out of range nodes transmits the packets using intermediate nodes. Therefore, the transmission power and thus interference effect can be reduced. IEEE 802.11s standard utilizes almost all the properties of IEEE 802.11 protocols. There are 12 non-overlapping channels in IEEE 802.11a protocols. An interference is produced if the nearby radios are operating on the same channel which results in congestion in the logical links. The nature of the congestion in MR-MC WMN is different to that in a wired network. The capacity of a wireless node highly depends on the transmission between its neighbors. The frequency channels are limited; therefore, the nearby radios may communicate on the same channel that causes the interference. This interference from a nearby node highly affects the network capacity; hence, results in network congestion. Efficient Channel Assignment (CA) scheme is needed to optimize the network performance [3] [4] [5]. During CA procedure, network undergoes a channel switching phenomenon. The switching from one channel to another produces switching overheads, needs tight time synchronization and produces a considerable amount of switching delay. IEEE 802.11 protocol states the physical channel switching time as 224µs [6]. The real delay is the addition of physical channel switching time, hardware registers reconfiguration time and MAC layer packets processing time. In this paper, the concept of Dijkstra’s algorithm has been used to avoid the congested links and reduce channel switching delay. We introduced a routing technique which is based on a congested link weighted score. In this regard, when the link becomes congested the node undergoes a channel switching procedure. The proposed algorithm saves the congestion information in the form of a table. Then, this congestion information is used using Dijkstra’s algorithm to assign a nonnegative weighted score and generate link ranks. The traffic is routed based on the link ranks. WMN has gained much popularity because it can increase network coverage area with less cost and complexity. CA is an active research area to increase the network capacity and performance by utilizing the frequency spectrum efficiently. IEEE 802.11 protocol provides a limited number of orthogonal frequency channels, therefore, some nearby radios may operate on the same frequency band. In MR-MC system, assigning the channels to the radios by keeping an interference and congestion to the minimum level is very challenging. However, during CA; network faces a channel switching delay and overheads which affect the overall network performance. Assigning multiple channels to the number of nodes without increasing delay caused by channel switching is a key challenge in WMN. This motivates us to highlight the importance of CA approach for enhancing the network performance by avoiding the congested links and employing efficient routing technique. In this paper, we present an effective solution using the channel selection technique which is based on congestion table information. Also, special emphasis is placed on provisioning appropriate algorithm for alleviating overhead and performance degradation resulting from continuous switching and computational complexity. In particular, the concept of Dijkstra’s algorithm to utilize the multi-path function by avoiding the weak links has been used. Moreover, the simulation setup to conduct the analysis is delineated. MC-MR WMN. The system model and problem statement are given in Section III. Section IV explains the overview of channel assignment in WMN and explains the proposed protocol. Section V describes performance evaluation and simulation results followed by the last section VI that concludes the paper.

II. RELATED WORK CA

research in WMN is based on either centralized or distributed manner. A centralized node is responsible for making CA decision and controls all maintenance functions in a centralized approach. Similarly, in a distributed scheme, each node is responsible for channel allocation to its corresponding nodes. There are a number of CA approaches that have been proposed to increase network goodput [7]. For better routing, Raniwala et al. [8] proposed centralized Load Aware Channel Assignment (LA-CA) protocol which balances the load distribution on each virtual links to avoid any bottleneck in the network. It assigns the channel in such a way that load on the link is less than its capacity. Raniwala and Chiueh [9] proposed a distributed scheme called Hyacinth, in which each node divides the Network Interface Card (NIC) into UP-NICs and DOWN-NICs. CA is done only at DOWN-NICs. This scheme uses a load-aware algorithm which only assigns the least used channel in the neighborhood without causing a ripple effect and channels oscillation. Kodialam and Nandagopal [10] proposed two centralized schemes called Balance Static Channel Assignment (BSCA) and Packing Dynamic Channel Assignment (PDCA). BSCA assign a time slot to each link that uses a particular channel. The channels that are assigned to each link are fixed and cannot be changed until next time slot. Similarly, PDCA performs link channel assignment and allows every link to switch channel in time slots. Lin et al. [11] also proposed a centralized scheme which is based on Genetic Algorithm (GA). The radios and channels are represented as a chromosome-like data structure. Each chromosome is assigned a fitness value using roulette wheel selection technique. A. Hamed et al. [12] proposed a scheme to optimize CA and congestion control problem called Distributed Congestion Aware Channel Assignment (DCACA) algorithm. In this scheme, channels are assigned based on congestion measure at every time slot in a distributed manner. Makram and Gunes [13] introduced the centralized Cluster Channel Assignment (CCA). Mohammad et al. [14] proposed interference reduction approach by using Improved Gravitational Search Algorithm (IGSA). The link scheduling scheme in CA is proposed by Andrew et al. [15] called. The scheme uses a centralized approach and partitions the WMN in a number of subnetworks using stability and matroid theory. Similarly, Alicherry et al. [16] also proposed a centralized scheme for joint CA, routing and link scheduling problem called RCL. Some other schemes are discussed elsewhere to solve the CA problem in WMNs [17], [18], [19], [20], [21], and [22].

دریافت اطلاعات ازدحام دستگاه های موبایل برای بررسی تحرک های شهری به صورت هوشمند

Mobile crowd sensing for smart urban mobility

Abstract

In this paper, we present the application of the mobile crowd-sensing paradigm in supporting efficient, safe and green mobility in urban environments. We have developed the CitySensing framework demonstrating the viability of a common crowd-sourcing platform applied to various urban mobility domains. We argue that today’s mobile devices, with integrated or add-on sensors, can be efficiently used to crowd source diverse information in domains that are relevant to urban life and mobility (traffic, air quality and citizens’ everyday activities). This is illustrated by three distinct mobile applications, developed on top of the CitySensing framework, that contribute to a common goal of smarter urban mobility. Commonly integrated accelerometer and GPS are used to infer traffic events and conditions. Externally attached or integrated air quality sensors enable suggestions for city areas adequate for outdoor activities on a specific day of the week or hour of the day. Mobile phone usage statistics and analysis can present valuable information to urban planning services to better adapt to citizens’ habits and mobility. The analysis of this massive amount of crowd sensed data (so-called Big Data) within the cluster/cloud infrastructure enables detection of situations and events that influence human mobility, and dissemination of notifications and recommended actions.

1 Introduction

With advancements and the proliferation of mobile devices with increasing computing, communication and sensing capabilities, mobile users have become important sources of sensing data in a globally spread wireless sensor network (Campbell et al. 2008). Mobile crowd sensing represents an approach for a new sensing and geo-crowdsourcing paradigm that leverages the power of various mobile devices, such as smartphones, tablets, wearable devices, smart sensors, etc. It is based on the human ability to acquire local geospatial information and knowledge through sensor-enhanced mobile devices, and the possibility to share this information/knowledge with other users and a wide community (Goodchild 2007; Kamel Boulos et al. 2011). As the world population becomes increasingly urban, cities worldwide need to leverage information and communications technologies to improve their functions, enhance efficiency, improve competitiveness and the economy and provide better environment for their citizens; to become ‘smarter’. Smart mobility is one of the key characteristics of a smart city, and also one of the biggest challenges that smart cities face (Batty et al. 2012). The world population makes more than 64% of all travel kilometers within urban environments, which is expected to triple by 2050. Thus, a high priority for cities around the world is to support citizens’ mobility within the urban environment based on safety, efficiency and environmental protection (Motta et al. 2015). Mobile crowd sensing paradigm will enable key methods, techniques and systems in that direction. The application of analysis, reasoning and data mining techniques on the mobile crowd sensed data provides useful insights in citizens’ mobility and supports better citizen involvement in monitoring urban spaces.

In this article, we describe main concepts, methods and technologies of mobile crowd sensing in smart cities and present the CitySensing framework developed to support smart urban mobility through participation and intelligence of the crowd (Section 2). Several mobile demo applications have been developed based on this framework that illustrate the use of mobile crowd sensing in different city’s scenarios and provide insights how such applications could improve citizens’ mobility (Section 3). Although there are still open challenges and real-life deployments of developed applications, the initial evaluations look promising in supporting smart citizens’ mobility, as concluded in Section 4.

شبیه سازی عددی در فرآیند استقرار و بازیابی برای یک گره از شبکه حسگر بی سیم زیر آب

Numerical Simulation on the Deploying and Recovering Process for a node of Underwater Wireless Sensor Network

چکیده
1- مقدمه
2- ساختار گره UWSN
3- شبیه سازی عددی
4- نتایج و بررسی ها

چکیده

یک شبکه حسگر بی سیم زیر آب (UWSN), چند وظیفه را در پیمایش اقیانوسی بر عهده دارد. یک نوع از UWSN توسط دانشگاه Zhejiang پیشنهاد شده است. در این مقاله, روش CFD به منظور بررسی توانایی یک گره در تنظیم وضعیت خود در فرآیند استقرار و بهبود استفاده شده است. حداقل عمق و حداقل زمان برای یک گره در تنظیم خود به صورت عمودی در زوایای اریب اولیه مختلف و سرعت های جریان اقیانوسی مختلف به دست آمد. زوایای اریب اولیه مختلف به صورت 45 درجه، 60 درجه و 90 درجه انتخاب شدند. سرعت های جریان اقیانوسی مختلف به صورت 0.5 متر بر ثانیه و 1 متر بر ثانیه با توجه به شرایط واقعی دریا در اطراف جزیره Zhoushan انتخاب شدند. ارتفاع خیزش حداقل و حداقل زمان برای کابین قابل بازیابی (بیرون کشیدن) به منظور چرخش 180 درجه در آب ساکن به دست آمد. هدف از چرخش کابین قابل بازیابی به اندازه 180 درجه، راست نگهداشتن آنتن بر روی سطح اقیانوس است. به همین دلیل آنتن در پایین کابین قابل بازیابی نصب شد. این نتایج نشان می دهند که طراحی گره UWSN برای این طرح گره به منظور استقرار و بازیابی, قابل اعتماد است.
1- مقدمه
شبکه حسگر بی سیم زیر آب (UWSN) در سناریوهای مختلف از جمله حفظ اکوسیستم اقیانوسی، اکتشاف نفت، نظارت بر کیفیت آب شیرین و دیگر موارد [1] مورد استفاده قرار گرفته است. شبکه حسگر بی سیم زیر آب شامل چند گره UWSN با بسیاری از وظایف از جمله جمع آوری داده ها، حفظ داده ها و ارتباطات اکوستیک می شود. برای هر گره UWSN، این شبکه باید قبل از کار در زیر آب مستقر شود و پس از تکمیل ماموریت خود بیرون آورده شود. دانشگاه پنسیلوانیا, یک نوع گره UWSN را طراحی نمود و امکان سنجی آن را با آزمایش [2] تأیید نمود. اما هیچ تضمینی برای استقرار پایدار این گره روی بستر درای و هیچ طرحی برای بازیابی وجود ندارد. دانشگاه Buffalo یک نوع گره UWSN را پیشنهاد نمود که با یک توپ [3] شناور پیوند می خورد. این گره از ساختار و توزیع جرم خود برای فرآیند استقرار آسان و با ثبات استفاده می کند. این فرآیند بازیابی توسط یک جداکننده الکترومغناطیسی تحریک می شود. با این حال، هیچ ارزیابی خاصی برای فرآیند استقرار و بازیابی وجود ندارد. این محصول تجاری SM-75 [4] از شرکت Teledyne Benthos, از مقداری وزن برای تثبیت یک گره از UWSN در بستر دریا استفاده نمود و این گره دارای شناوری مثبت است. پس از به پایان رسیدن ماموریت خود، این گره از وزن جدا شد و به سطح اقیانوس آمد. این محصول توسط دانشگاه تایوان برای انجام تحقیقات علمی در صدها متر زیر آب مورد استفاده گرفته است. در استفاده واقعی، SM-75 دارای کارایی بالاست [5]. با این حال، این طرح دارای برخی از اشکالاتی در مورد تثبیت گره است. هنگامی که سرعت فعلی اقیانوس زیاد می شود، فاصله بین گره و وزن که برای تثبیت گره استفاده شده است با زمان تغییر می کند. سپس اثر داپلر ظاهر می شود و ثبات ارتباطات آکوستیک زیر آب تحت تاثیر قرار می گیرد. در چین، دانشگاه Northwestern Polytechnical, یک نوع از UWSN را طراحی نمود. این UWSN دارای ساختار جمع و جور و مصرف انرژی پایین تر است [6].
4- نتایج و بررسی ها
شبیه سازی CFD به منظور بررسی توانایی تنظیم موقعیت یک گره در فرآیند استقرار و بازیابی پیاده سازی شده است.
با وجود زوایای تمایل اولیه مختلف برای فرایند استقرار، حداقل عمق مورد 20 متر و حداقل زمان حدود 7 ثانیه برای یک گره به منظور تنظیم خود به صورت عمودی به دست می آید. جریان اقیانوس دارای تاثیر کمی بر روند استقرار است. شکل 3 و شکل 4 زمان تنظیم گره به صورت عمودی در زوایای تمایل اولیه مختلف را نشان می دهد که برابر با 45 درجه، 60 درجه و 90 درجه هستند. می توان نتیجه گرفت که زوایای کنونی و تمایل اولیه تقریباً هیچ تاثیری بر زمان تنظیم گره به صورت عمودی ندارند. این بدان معنیست که با وجود جریان اقیانوس و زاویه تمایل اولیه, گره به حدود 7 ثانیه زمان برای تنظیم به صورت عمودی نیاز دارد. بنابراین، از شکل 5 تا شکل 7، می توانیم نتیجه بگیریم که جریان دارای تاثیر بر فرآیند تنظیم است.

Abstract

An underwater wireless sensor network (UWSN) has multiple functions in ocean survey. A kind of UWSN has been proposed by Zhejiang University. In this paper the CFD method is utilized to verify the ability of a node to adjust its posture in deploying and recovering process. The minimum depth and the minimum time for a node to adjust itself to vertical were obtained in different initial inclined angles and different ocean current velocities. The different initial inclined angles were chosen as 45 degree, 60 degree and 90 degree. The different ocean current velocities were chosen as 0.5m/s and 1m/s according to the actual sea conditions around the Zhoushan Island. The minimum rising height and the minimum time for the retrievable cabin to turn 180 degree were obtained in still water. The purpose of the retrievable cabin to turn 180 degree is to keep antenna upright on the ocean surface. Because the antenna was installed on the bottom of the retrievable cabin. These results show that the design of the UWSN node is reliable as to the scheme of the node to deployment and recovery.

I- INTRODUCTION

The underwater wireless sensor network (UWSN) has been utilized in various scenarios including oceanic ecosystem preservation, petroleum exploration, fresh water quality monitoring, and others [1]. The underwater wireless sensor network consists of several UWSN nodes with many functions including data collecting, data memorizing, and acoustical communication. For each UWSN node, it has to be deployed before working underwater and recovered after completing its mission. University of Pennsylvania designed a kind of UWSN node and verified its feasibility by experiment [2]. But there are no guarantees for this node to be deployed stably on the seabed and no scheme to retrieve. University of Buffalo proposed a sort of UWSN node which is linked with a floating ball [3]. This node takes advantage of itself structure and mass distribution to make the deployment process easy and stable. The retrieve process is triggered by an electromagnetic detacher. However, there is no assessment for the deployment and retrieve process. The commercial product SM-75 [4] of Teledyne Benthos company used some weight to fix a node of UWSN on seabed and the node has positive buoyancy. After its mission has been finished, the node would detach from the weight and come up to ocean surface. This product has been used by Taiwan University to perform scientific research under hundreds meters of water. In actual use, SM-75 has a high performance [5]. However, this design has some drawbacks on fixing a node. When ocean current velocity becomes large, the distance between the node and weight which is used to fix the node would change with time. Then Doppler Effect would appear and the stability of underwater acoustic communication would be affected. In China, Northwestern Polytechnical University designed a kind of UWSN. It has a compact structure and lower energy consumption [6].

IV- RESULTS AND DISCUSSIONS

CFD simulations have been implemented to verify the ability that a node adjusts its posture in deploying and recovering process. The following figures show these results.

For the deployment process, the minimum depth about 20m and the minimum time about 7 seconds for a node to adjust itself to vertical are obtained despite of the different initial inclined angles. The ocean current has little influence on the deployment process. Figure 3 and Figure 4 show the time of the node to adjust itself to vertical in different initial inclined angles which are 45 degree, 60 degree and 90 degree. We can conclude that the current and the initial inclined angles almost have no influence on the time that the node would adjust itself to vertical. It means that the node needs about 7 seconds to adjust itself to vertical despite of the ocean current and initial inclined angles. Then, from Figure 5 to Figure 7, we can conclude that current has an influence on the process of adjustment..