متدلوژی برای شناسایی سطح بلوغ امنیت سایبری در شبکه های هوشمند

•   آرشیو : نسخه پاییز 1397
•   موضوع : فناوری اطلاعات
• نویسنده/گان : افسون سروقد، عرفانه نوروزی، پویا روزبه جوان
•   چکیده :
  امنیت برای شبکه های هوشمند، توجه بر ترکیبی از امنیت اطلاعات برای سیستم های مبتنی بر فناوری اطلاعات، شبکه های ارتباطی و تجهیزات فیزیکی شبکه برق نیاز دارد. بنابراین، این پژوهش با هدف توسعه متدلوژی برای شناسایی سطح بلوغ امنیت سایبری در شبکه های هوشمند است. این روش بر اساس دو مرحله است. گام اول مربوط به شناسایی دارایی ها، تهدیدها و تأثیرات آنهاست و مرحله دوم مربوط به تجزیه و تحلیل و طبقه بندی الزاماتی است که در گروه هایی طبقه بندی شده اند. این تجزیه و تحلیل اجازه می دهد تا سطح بلوغ یک مورد خاص را مشخص سازیم. این روش با توجه به اسکادا (سیستم نظارت بر کنترل و دستیابی داده ها) یک شرکت توزیع انرژی، و با مقایسه اسکادای توسعه یافته توسط این شرکت و اسکادای تجاری، به مقاسیه ای خواهد پرداخت. نتایج به دست آمده اعتبار روش ارائه شده را تایید می کند، زیرا نشان می دهد که این روش قادر به شناسایی سطح بلوغ برای هر دو سیستم می باشد. واژگان کليدي: شبکه های هوشمند، امنیت سایبری، اینترنت چیزها. هدف از انجام پژوهش حاضر آن بود تا نرم‌فزاری تهیه و در نظام رایسست تلفیق شود که بتواند: (1) جستجوی موضوعی را در پایگاه مقالات تمام‌متن فارسی مرکز منطقه‌ای اطلاع‌رسانی علوم و فناوری محقق سازد و (2) پس از درونداد حداقل دو کاراکتر در جعبۀ پرس‌وجو، پنج کلیدواژه پیشنهادی پرس‌وجو را برای استفادۀ احتمالی کاربر ارائه نماید. برای انجام تحقیق از مخزن کلیدواژه‌های رایسست (البتّه، صرفاً کلیدواژه‌های فارسی) به عنوان منبع اصلی دادۀ تحقیق استفاده شد. این کلیدواژه‌ها بررسی و برای استفادۀ در پژوهش حاضر اصلاح و آماده‌سازی شدند. مدخل‌های مخزن از ترکیبات پیچیده به ترکیبات ساده تبدیل شد. سپس الگوریتم ساخت نرم‌افزار پروژۀ حاضر تهیه و به برنامه تبدیل گردید. این نرم‌افزار حاوی دو بخش اساسی است. بخش اوّل مربوط به کاربر سیستم است که به عنوان پشتیبان سیستم کار می‌کند و لازم است روزآمدسازی اطلاعات نرم‌افزار را به انجام برساند. بخش دوّم که تولید نسخۀ جدید از صفحۀ مربوط به پایگاه تمام‌متن مقالات فارسی است و نرم‌افزار اصلی در آن تلفیق گردیده است. کاربران عادی در حقیقت نسخۀ اصلاح شدۀ پایگاه تمام‌متن مقالات فارسی را روئیت خواهند کرد. این نرم‌افزار کاربران را قادر می‌سازد: (1) جستجوی خود را بر اساس حوزه‌های موضوعی مورد علاقه به انجام برسانند و (2) با درونداد حداقل دو کاراکتر، کلیدواژه‌ها و پرس‌وجوهای پیشنهادی (پنج مورد) را از سیستم دریافت نمایند. پس از ساخت نرم‌افزار، نتیجۀ کار توسط سه متخصص علم اطلاعات و دانش‌شناسی با مدرک کارشناسی ارشد و پنج کاربر نهائی از مقطع تحصیلی کارشناسی ارشد مورد ارزیابی قرار ‌گرفت. افراد مورد آزمایش اذعان داشتند که نسخۀ جدید در مقایسه با نسخۀ قدیمی موفّق‌تر است. دوّم آنکه به دلیل ارائۀ تعداد کمتری از رکوردها، سبب صرفه‌جوئی در وقت کاربر یا اطلاع‌رسان می‌شود. سوّم آنکه به دلیل انجام جستجو در حوزه‌های موضوعی خاص، باعث افزایش دقّت بازیابی می‌شود و چهارم آنکه با ارائۀ پیشنهادها سبب کاهش مشکلات تایپی و نیز جهت‌دهی به انتخاب کلیدواژه‌ها توسط کاربر می‌گردد.
•   کلید واژه : زبانشناسی رایانشی، پایگاه اطلاعاتی مقالات تمام‌متن فارسی، فراخوان خودکار کلیدواژه‌ها، نظام پیشنهاددهندة کلیدواژه.
•   Title : An Introduction to a Keyword Suggestion System for Query Formulation
•   مراجع :
  خسروی، ع.، فتّاحی، ر.، پریرخ، م.، و دیّانی، م. ح. (1392). بررسی مارآمدی کلیدواژه‌ها و عبارت‌های پیشنهادی موتور کاوش گوگل در بسط جستجو و افزایش ربط از دیدگاه دانشجویان تحصیلات تکمیلی. پژوهش‌نامه کتابداری و اطلاع‌رسانی، 3(1)، 133-150.
  طاهریان، آ.، و حیاتی، ز. (1388). بررسی مقایسه‌ای الگوی جستجوی کلیدواژه‌ای با دریافت کمک و الگوی جیتجوی بدون دریافت کمک در موتور کاوش گوگل از دیدگاه کاربران. فصلنامۀ مطالعات تربیتی و روانشناسی دانشگاه فردوسی مشهد، 10(2)، 91-112.
  فتاحی، ر. (1385). شناسائی و تحلیل واژگان عمومی در منابع وب: رویکردی نو به بسط عبارت جستجو با استفاده از زبان طبیعی در موتورهای کاوش. دو فصلنامۀ مطالعات علوم تربیتی و روانشناسی، 7(1)، 31-53.
  کلانتر، س. م.، و منصفی، ر. (1381). سیستم تطبیقی فیلترینگ اطلاعات وب بوسیلۀ الگوریتم‌های ژنتیک. هشتمین کنفرانس سالانۀ انجمن کامپیوتر ایران، مشهد، دانشگاه فردوسی مشهد. بازیابی شده در 12 سپتامبر 1394 از http://www.civilica.com/Paper-ACCSI08-ACCSI08_025.html.
  مهراد، ج. (1392). آشنائی با مرکز منطقه‌ای اطلاع‌رسانی علوم و فناوری. شیراز: تخت جمشید.
  
  Bahatia, S., Majumdar, D., & Mitra, P. (2011). Query suggestions in the absence of query logs. In SIGIR’11, pp. 795-804.
  Bar-Yossef, Z., & Kraus, N. (2011). Context-sensitive query auto-completion. In WWW’11, pp. 107-116. Retrieved Sep. 12, 2015 from www.conference.org/proceedings/www 2011/proceedings/p107.pdf.
  Bialczak, P., Mazurczyk, W., & Szczypiorski, K. (2014). Sending hidden data via google suggest. Retrieved Nov. 22, 2014, from www.arxiv.org/ftp/arxiv/papers/1107/1107.
  Golbandi, N., Katzir, L., Koren, Y., & Lempel, R. (2013). Expediting search trend detection via prediction of query counts. In WSDM’13, pp. 295-304.
  Caiyz, F., Liang, Sh., & de Rijke, M. (2014). In CIKM’14, November 3-7, Shanghai, China. Retrieved December 17, 2014, from https://staff.fnwi.uva.nl/m.derijke/publications/cikm2014-fp-qac.pdf.
  Cirasella, J. (2007). Google sets, google suggest, and google search history: Three more tools for the reference librarian’s bag of tricks. Retrieved Jan. 26, 2015, from www.works.gc.cuny.edu/cgi/viewcontent.cgi?article=1006&content=facworks.
  Golbandi, N. G., Katzir, L. K., Koren, Y. K., & Lempel, R. L. (2013). Expediting search trend detection via prediction of query counts. In WSDM’13, 295-304.
  Kastrinakis, D., & Tzitzikas, Y. (2010). Advancing search query autocompletion with more and better suggestions. Retrieved Feb. 16, 2015 from www.users.ics.forth.gr/~tzitzik/publications/Tzitzikas_2010_ICWE.pdf.
  Mohan, M. (2014). Over 151 google products and dervices you probably don’t know. Retrieved December 15, 2014, from http://www.minterest.org/google-products-services-you-probably-dont-know/.
  Sengstock, C., & Gertz, M. (2011). Conquer: A system for efficient context-aware query suggestions. In WWW’11, ACM, pp. 265-268.
  Shokouhi, M. (2011). Detecting seasonal queries by time-series analysis. In SIGIR’11, pp. 1171-1172.
  Shokouhi, M., & Radinsky, K. (2012). Time-sensitive query auto-completion. In SIGIR’12, pp. 601-610
  Shokouhi, M. (2013). Learning to personalize query auto-completion. In SIGIR’13. Retrieved April, 27, 2015, from www.research.microsoft.com/pubs/193319/SIGIR2013-shokouhi-personalizedQAD.pdf.
  Strizhevskaya, A., Baytin, A., Galinskaya, I., & Serdyukov, P. (2012). Actualization of query suggestions using query logs. In WWW’12, pp. 611-612.
  Sullivan, D. (2011). How google instant’s autocomplete suggestions work? Retrieved Jan. 12, 2015, from http://searchengineland.com/how-google-instant-autocomplete-suggestions-work-62592.
  Ward, D., Hahn, J., & Feist, K. (2012). Autocomplete as a research tool: A study on providing search suggestions. Information Technology and Libraries, December Issue. Retrieved Feb. 28, 2015, from www.ejournals.bc.edu/ojs/index.php/ital./article/download/1930/pdf.
  Whiting, S., & Jose, J. M. (2014). Recent and robust query auto-completion. Retrieved Jun. 14, 2015 from www.stewh.com/wp-content/uploads/2014/02/fp539-whiting.pdf.
  Whiting, S., McMinn, J., & Jose, J. M. (2013). Exploring real-time temporal query auto-completion. In DIR 2013. Retrieved April 23, 2015 from www.ceur-ws.org/vol-986/paper_14.pdf.
  Xiao, Ch., Qin, J., & Wang, W. (2013). Efficient error-tolerant query autocompletion. The 39th International Conference on Very large Data Bases, 26-30, August, Riva del Garda, Trento, Italy. Retrieved May 22, 2015, from www.vldb.org/pvldb.vol6/p373-xiao.pdf.
•  صفحات : 54-65
•   دانلود فایل ( 604 KB )