منوی کاربری
  • پشتیبانی: ۴۲۲۷۳۷۸۱ - ۰۴۱
  • سبد خرید

ترجمه مقاله سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با HTM - نشریه IEEE

ترجمه مقاله سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با HTM - نشریه IEEE
قیمت خرید این محصول
۴۲,۰۰۰ تومان
دانلود مقاله انگلیسی
عنوان فارسی
یک سیستم تشخیص ناهنجاری توزیع شده برای شبکه داخل خودرو با استفاده از حافظه موقت سلسله مراتبی (HTM)
عنوان انگلیسی
A Distributed Anomaly Detection System for In-Vehicle Network Using HTM
صفحات مقاله فارسی
20
صفحات مقاله انگلیسی
8
سال انتشار
2018
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
آی تریپل ای - IEEE
فرمت مقاله انگلیسی
pdf و ورد تایپ شده با قابلیت ویرایش
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
4.476 در سال 2020
شاخص H_index مجله
127 در سال 2021
شاخص SJR مجله
0.587 در سال 2020
شناسه ISSN مجله
2169-3536
شاخص Q یا Quartile (چارک)
Q2 در سال 2020
کد محصول
11999
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 فناوری اطلاعات، مهندسی کامپیوتر، سامانه های شبکه ای، مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و شبکه های کامپیوتری
دانشگاه
دانشکده علوم و مهندسی کامپیوتر، دانشگاه نانکای، چین
کلمات کلیدی
امنیت شبکه داخل خودرویی، تشخیص آنامولی در زمان واقعی، الگوریتم HTM
کلمات کلیدی انگلیسی
In-vehicle network security - real-time anomaly detection - HTM algorithm
doi یا شناسه دیجیتال
https://doi.org/10.1109/ACCESS.2018.2799210
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. کارهای مرتبط
3. جریان داده‌های CAN و حالت آنامولی
A. جریان داده‌های کن باس (CAN BUS)
B. تعریف وضعیت آنامولی کن باس
4. سیستم تشخیص آنامولی توزیع‌شده با استفاده از الگوریتم HTM
A. یک بررسی اجمالی از سیستم تشخیص آنامولی پیشنهادی
B. پیش‌بینی کننده مبتنی بر الگوریتم یادگیری HTM
C. نمره تشخیص آنامولی
5. آزمایش و نتایج
A. مقدمات آزمایش
B. ارزیابی عملکرد
C. نتایج اصلاح فیلد
D. نتایج فیلد بازپخش
6. نتیجه‌گیری
منابع
تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)
       
نمونه چکیده متن اصلی انگلیسی

ABSTRACT


With the development of 5G and Internet of Vehicles technology, the possibility of remote wireless attack on an in-vehicle network has been proven by security researchers. Anomaly detection technology can effectively alleviate the security threat, as the first line of security defense. Based on this, this paper proposes a distributed anomaly detection system using hierarchical temporal memory (HTM) to enhance the security of a vehicular controller area network bus. The HTM model can predict the flow data in real time, which depends on the state of the previous learning. In addition, we improved the abnormal score mechanism to evaluate the prediction. We manually synthesized field modification and replay attack in data field. Compared with recurrent neural networks and hidden Markov model detection models, the results show that the distributed anomaly detection system based on HTM networks achieves better performance in the area under receiver operating characteristic curve score, precision, and recall.


 

I. INTRODUCTION


With the rapid development of mobile Internet, big data and cloud computing technology, the automobile gradually become intelligent, network oriented. The intelligent car network is a new direction of innovation and development. Concepts and technologies such as autopilot, shared car, and Internet of Vehicles (IoV) emerge as the times require. 5G is regarded by the industry as the key technology to realize automatic driving and network communication [1]. It has advantages of low delay, large bandwidth and high connection density. Moreover, most modern cars are equipped with multi-function remote information processing system, supporting global positioning system (GPS), media entertainment, or even directly accessing cellular networks. However, the remote information processing system is vulnerable to network attacks because it is connected to the external wireless network [2]–[4]. The attacker can access the target vehicle network through the wireless access interface [5], implement a variety of attacks such as replay attack, DoS attack, frame sniffing, frame injection and so on [6]–[8]. Thus, it brings potential security threats to the vehicle network.

نمونه چکیده ترجمه متن فارسی
چکیده

با توسعه فن‌آوری 5G  و اینترنت وسایل نقلیه، احتمال حملات بی‌سیم از راه دور بر یک شبکه داخل خودرویی، توسط محققان امنیتی به اثبات رسیده است. فن‌آوری تشخیص آنومالی می‌تواند به عنوان اولین خط دفاع امنیتی، به‌طور مؤثری تهدیدات امنیتی را کاهش دهد. بر این اساس، این مقاله یک سیستم تشخیص آنامولی توزیع‌شده را با استفاده از حافظه موقت سلسله مراتبی (HTM) برای بهبود امنیت باس شبکه در سطح کنترل‌گر خودرویی ارائه می‌دهد. مدل HTM می‌تواند داده‌های جریان را در زمان واقعی پیش‌بینی کند که این امر به وضعیت یادگیری قبلی بستگی دارد. علاوه براین، ما مکانیسم امتیاز غیرعادی را برای ارزیابی پیش‌بینی، اصلاح کردیم و به‌طور دستی تغییرات میدانی و حمله بازپخش را در میدان داده‌ها ترکیب نمودیم. در مقایسه با شبکه‌های عصبی بازگشتی و مدل‌های تشخیص مدل پنهان مارکوف، این نتایج نشان می‌دهند که سیستم تشخیص آنامولی توزیع‌شده مبتنی بر شبکه‌های HTM، در حوزه‌هایی که تحت امتیاز منحنی مشخصه عملیاتی گیرنده و همچنین دقت و یادآوری بکار گرفته می‌شود، عملکرد بهتری دارد.

 

1. مقدمه

با توسعه سریع فن‌آوری اینترنت تلفن همراه، رایانش ابری و داده‌های بزرگ، خودروها به‌تدریج هوشمند و شبکه محور می‌شوند. شبکه خودروهای هوشمند مسیر جدیدی در توسعه و فن‌آوری است. مفاهیم و فن‌آوری‌هایی مانند  خلبان خودکار، ماشین مشترک، و اینترنت وسایل نقلیه (IoV)  در زمانی که لازم باشد پدیدار می‌شوند. 5G توسط صنعت به عنوان یک فن‌آوری کلیدی در نظر گرفته شده که رانندگی اتوماتیک و ارتباطات شبکه را تحقق می‌بخشد (1). از مزیت‌های آن می‌توان به تأخیر پایین، پهن باند بزرگ و تراکم اتصال بالا اشاره کرد. علاوه براین، مدرن‌ترین خودروها مجهز به سیستم پردازش اطلاعات از راه دور چندکاره می‌باشند که به سیستم موقعیت‌یابی جهانی (GPS)، تفریحات رسانه‌ای یا حتی دسترسی مستقیم به شبکه‌های تلفن همراه کمک می‌کنند. بااین‌حال، سیستم پردازش اطلاعات از راه دور در برابر حملات شبکه آسیب‌پذیر است، زیرا این سیستم به یک شبکه بی‌سیم خارجی متصل است (2)-(4). مهاجم می‌تواند از طریق اینترفیس دسترسی بی‌سیم، به شبکه خودروی هدف دسترسی پیدا کند و حملات مختلفی مانند حمله بازپخش، حمله DoS، بویش چارچوب، تزریق چارچوب، و غیره را اجرا نماید (6)-(8). بنابراین، شبکه خودرو را با تهدیدات امنیتی بالقوه‌ای مواجه می‌کند.


بدون دیدگاه