مروری بر الگوریتم‌های حفظ حریم‌خصوصی در داده‌کاوی

•   آرشیو : نسخه زمستان 1397
•   موضوع : فناوری اطلاعات
• نویسنده/گان : توحید ساکت
•   چکیده :
  شرکت‌ها و سازمان‌های بسیاری با هدف پیشرفت در زمینه‌های گوناگون، نیاز به استخراج دانش مطلوب و مفید از اطلاعات خود دارند. تکنیک‌های داده‌کاوی متعددی جهت استخراج دانش پنهان از پایگاه داده‌های بزرگ معرفی شده است که قوانین انجمنی یکی از پرکاربردترین آنها می‌باشد. اشتراک‌گذاری مکرر داده‌ها جهت اعمال تکنیک‌های داده‌کاوی و همچنین امکان استخراج اطلاعات حساس و محرمانه از این داده و نگرانی مالکان داده از افشاء اطلاعات خصوصی، منجر به معرفی حوزه جدیدی تحت عنوان حفظ حریم خصوصی در داده‌کاوی گردید. بهره‌گیری از روش‌های حفظ حریم‌خصوصی و ایمن‌سازی داده، علاوه بر کشف الگوریتم‌های‌ مناسب، احتمال کشف اطلاعات حساس و محرمانه را به حداقل می‌رساند. در این مقاله به برسی الگوریتم‌های مربوط به حفظ حریم‌خصوصی در انتشار داده‌ها خواهیم پرداخت. هدف اصلی این است که مزایا و معایب الگوریتم‌های موجود را مشخص کرده و مقایسه‌ای از آنها را ارائه دهیم تا مالکان داده منبعی به منظور انتخاب الگوریتم‌های مناسب برای حوزه کاری خود در اختیار داشته باشند. واژگان کليدي: حریم خصوصی، داده‌کاوی، الگوریتم Rock، الگوریتم mix-max. با توسعه مداوم فناوری اطلاعات در عصر حاضر فناوری رایانه تبدیل به یک رسانه مهم برای انتقال اطلاعات در زندگی مردم شده است و
  اینترنت اشیا منجر به پیشرفت سریع فناوریهایی مانند ادراک دادهها، انتقال داده های بیسیم و پردازش اطلاعات هوشمند شده است. با افزایش
  میزان انتقال اطلاعات در کنار مسائلی همچون سرعت و کیفیت باید به امنیت اطلاعات نیز توجه فراوانی شود. که در این راستا از پروتکل
  (SMTپروتکل انتقال پیام ایمن) برای انتقال کلید استفاده می شود در این مقاله تلاش شده است که با استفاده از الگوریتم آشوبناک کلیدی با
  حساسیت بالا و شبه تصادفی تولید شود تا با استفاده از ان اطلاعات رمز نگاری شده و کلید از طریق پروتکل (MODSMTانتقال پیام ایمن
  اصلاح شده) به گیرنده انتقال می یابد تا با استفاده از ان اطلاعات رمزنگاری شده تنها توسط گیرنده قابل بازگشایی باشند.
•   کلید واژه : اینترنت اشیاء، مدل هرج و مرج، امنیت اینترنت اشیاء، رمزنگاری کلید، الگوریتم.
•   Title : Security Improving of Internet of Things Base on Chaotic algorithm
•   Abstract :
  With the continuous development of information technology in the present age, computer technology has become an important medium for transmitting information in people's lives, and the Internet of Things has led to the rapid advancement of technologies such as data perception, wireless data transmission and intelligent information processing. With the increase in information transfer along with issues such as speed and quality, information security should also be given a lot of attention. In this regard, SMT protocol (secure message transfer protocol) is used to transfer the key. In this paper, an attempt has been made to generate a high-sensitivity, quasi-random key using a chaotic algorithm to encrypt the information, and the key is transmitted to the receiver via the MODSMT (Modified Secure Transmission) protocol. The use of encrypted information can only be reopened by the recipient.
•   مراجع :
  1. Deng, L., Li, D., Cai, Z., & Hong, L. (2019). Smart IOT information transmission and security optimization model based on chaotic neural computing. Neural Computing and Applications, 1-14.
  2. Wang N, Gao X, Tao D, Yang H, Li X (2018) Facial feature point detection: a comprehensive survey. Neurocomputing275:50–65.
  
  3. Ghorai G, Pal M (2018) A note on ‘‘Regular bipolar fuzzy graphs’’ Neural Computing and Applications 21 (1) (2012) 197–205. Neural Compute Apply 30(5):1569–1572.
  4. Qiu Y, Bi Y, Li Y, Wang H (2018) High resolution remote sensing image denoising algorithm based on sparse representation and adaptive dictionary learning. In Computational vision and bio inspired computing. Springer, Cham, pp 892–901
  5. Wang N, Gao X, Li J (2018) Random sampling for fast face sketch synthesis. Pattern Recogn 76:215–227
  6. Dadras S, Momeni H.R(2009) A novel three-dimensional autonomous chaotic system generating two, three and four-scroll attractors. doi:10.1016/j.physleta.2009.07.088
  7. Faezeh Rezaee, Dr Masode Taleb Ziabari, Dr Ahmad Bagheri (2019), Encrypting information using the chaotic model in IOT,http/:csc2019.guilan.ac.ir
  8. Niu Z, Hua G, Wang L, Gao X (2018) Knowledge-based topic model for unsupervised object discovery and localization. IEEE Trans Image Process 27(1):50–63
  9. Y. A. Liu, Q. Yu, S. G. Hu, G. C. Qiao, and Y. Liu(2019) A memristor-based transient chaotic neural network model and its application. https://doi.org/10.1063/1.5115540
  10. L.Salim, B.Stelios (2019) Cryptocurrency forecasting with deep learning chaotic neural networks.
  https://doi.org/10.1016/j.chaos.2018.11.014
  11. C.Stergiou, K.E. Psannis, B-Gyu.Kim, B.Gupta (2016) Secure integration of IoT and Cloud Computing.http://dx.doi.org/10.1016/j.future.2016.11.031
•  صفحات : 64-73
•   دانلود فایل ( 604 KB )