ترجمه مقاله طرح تشخیصی مجاورت کارآمد و حفظ حریم خصوصی برای برنامه های اجتماعی - نشریه IEEE

قیمت خرید این محصول

۴۳,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

طرحهای تشخیصی مجاورت کارآمد و حفظ حریم خصوصی برای برنامه های اجتماعی

عنوان انگلیسی

Efficient and Privacy-Preserving Proximity Detection Schemes for Social Applications

صفحات مقاله فارسی

31

صفحات مقاله انگلیسی

11

سال انتشار

2017

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

10.976 در سال 2021

شاخص H_index مجله

119 در سال 2022

شاخص SJR مجله

3.848 در سال 2021

شناسه ISSN مجله

2327-4662

شاخص Q یا Quartile (چارک)

Q1 در سال 2021

کد محصول

12482

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است ✓

ضمیمه

ندارد ☓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

فرضیه

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته و گرایش های مرتبط با این مقاله

مهندسی کامپیوتر - مهندسی فناوری اطلاعات - امنیت اطلاعات - اینترنت و شبکه های گسترده - شبکه های کامپیوتری

کلمات کلیدی

سرویس شبکه یابی اجتماعی مبتنی بر مکان - تشخیص مجاورتی - حفظ حریم خصوصی - کوئری محدوده هندسی

کلمات کلیدی انگلیسی

Location-based social networking service - proximity detection - privacy-preserving - geometric range query

doi یا شناسه دیجیتال

https://doi.org/10.1109/JIOT.2017.2766701

فهرست مطالب

چکیده
I. مقدمه
II. مدلها و هدف طراحی
III. مقدمات
IV. طرح های فرضی حفظ حریم خصوصی
V. تحلیل امنیتی
VI. ارزیابی عملکرد
VII.مطالعات مرتبط
VIII. نتیجه گیری
منابع

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

نمونه چکیده ترجمه متن فارسی

چکیده
با همه گیر شدن پایانه های تلفن همراه مبتنی بر مکان و محبوبیت برنامه های اجتماعی، سرویس شبکه یابی اجتماعی مبتنی بر مکان (LBSNS) راحتی زیادی را برای زندگی افراد به ارمغان آورده است. در ضمن، تشخیص مجاورتی که سرویس شبکه یابی اجتماعی مبتنی بر مکان را انعطاف پذیرتر می کند، نگرانی گسترده ای را به ارمغان آورده است. با این حال، پیشرفت سرویس شبکه یابی اجتماعی مبتنی بر مکان (LBSNS) با در نظر گرفتن حریم خصوصی موقعیت کاربران و امنیت داده ها، هنوز هم با چالش های بسیار شدیدی روبرو است. در این مقاله، ما دو طرح تشخیص مجاورتی حفظ حریم خصوصی و کارایی، یعنی AGRQ-P و AGRQ-C را برای کاربرد های اجتماعی مبتنی بر مکان پیشنهاد می کنیم. با طرح های پیشنهادی، یک کاربر می تواند هر ناحیه را بر روی نقشه انتخاب کند، و پرس و جو کند که آیا دوستانش در آن ناحیه بدون تقسیم اطلاعات کوئری به دو سرور برنامه اجتماعی و کاربران دیگر هستند یا خیر، در عین حال، مکانهای دقیق دوستانش برای سرورها و کاربر کوئری محرمانه هستند. مخصوصا، با الگوریتم های مبتنی بر متن رمزنگاری شده کوئری محدوده هندسی، کوئری کاربران و اطلاعات مکانی در متن رمزنگاری شده کلاینت پنهان می شود. تحلیل دقیق امنیتی نشان می دهد که تهدیدات امنیتی مختلف را می توان حفظ کرد. علاوه بر این، طرح های پیشنهادی در یک IM APP با یک مجموعه داده واقعی LBS اجرا می شوند، و نتایج شبیه سازی گسترده در سراسر تلفن های هوشمند نشان می دهند که AGRQ-P و AGRQ-C بسیار حساس هستند و می توانند به صورت موثری اجرا شوند.

مدلها و هدف طراحی
در این بخش، ما مدل سیستم و نیازمندی های امنیتی را رسمی سازی می کنیم و هدف طراحی مان را مشخص می کنیم.

A. مدل سیستمی
نکته کلیدی طرح سیستمی ما این است که اطلاعات حساس یک کاربر (مانند محدوده کوئری و اطلاعات مکانی دقیق) را نمی توان توسط سرور برنامه اجتماعی و کاربران دیگر بدست آورد. مخصوصا، سیستم ما شامل سه بخش می شود: سرور برنامه اجتماعی (SS)، کاربر کوئری (QU) و دوستان کاربر کوئری (UF) همانطور که در شکل 2 نشان داده شد.

• SS سرور یک برنامه اجتماعی است که برای کاربران، انواع سرویس ها شامل LBSNS را فراهم می کند. پس از ثبت در SS، کاربران مجاز هستند تا به مکان های مجاورتی کوئری از دوستانشان برای ارسال داده های در میان کاربران و محافظت از یکپارچگی داده ها استفاده کنند.

• QU کاربری است که در حال حاضر در SS ثبت نام کرده است. براساس برنامه های اجتماعی، QU می تواند لیست دوستانش را ایجاد کند. سپس او می تواند هر محدوده هندسی را بر روی نقشه انتخاب کند و کوئری را انتخاب کند که دوستان او در آن ناحیه انتخابی هستند.

• UF دوستان آنلاین QU هستند. در فرایند کوئری محدوده هندسی، UF کوئری نامعلوم را از QU دریافت می کند، سپس هر UF یک محاسبه ترکبی با داده های کوئری پنهان شده انجام می دهد و موقعیت خودش را هماهنگ می کند تا نتایجی از کوئری را بدست آورد که تنها توسط QU با محاسبه بیشتر قابل تحلیل است. از آنجا که بیشتر محاسبات در کلاینت انجام می شوند، کارایی محاسباتی طرح های حفظ حریم خصوصی ما باید تضمین شود.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی فناوری اطلاعات IT، دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر