دانلود با لینک مستقیم و پر سرعت .
عنوان انگلیسی:
A Comparative Study of Anomaly Detection Techniques for Smart City Wireless Sensor Networks
عنوان فارسی:
بررسی تطبیقی (مقایسه ای) تکنیک های تشخیص ناهنجاری برای شبکه های حسگر بی سیم شهرهوشمند
رشته : مهندسی کامپیوتر، ، هوش مصنوعی، مجازی
تعداد صفحات مقاله اصلی: 20 صفحه (pdf)
تعداد صفحات ترجمه: 40صفحه (word)
سال انتشار: 2016
مجله
http://www.mdpi.com/journal/sensors
لینک دانلود مقاله
http://www.mdpi.com/1424-8220/16/6/868/htm
Abstract
In many countries around the world, smart cities are becoming a reality. These cities contribute to improving citizens’ quality of life by providing services that are normally based on data extracted from wireless sensor networks (WSN) and other elements of the Internet of Things. Additionally, public administration uses these smart city data to increase its efficiency, to reduce costs and to provide additional services. However, the information received at smart city data centers is not always accurate, because WSNs are sometimes prone to error and are exposed to physical and computer attacks. In this article, we use real data from the smart city of Barcelona to simulate WSNs and implement typical attacks. Then, we compare frequently used anomaly detection techniques to disclose these attacks. We evaluate the algorithms under different requirements on the available network status information. As a result of this study, we conclude that one-class Support Vector Machines is the most appropriate technique. We achieve a true positive rate at least 56% higher than the rates achieved with the other compared techniques in a scenario with a maximum false positive rate of 5% and a 26% higher in a scenario with a false positive rate of 15%.
Keywords:
anomaly detection; information security; outlier detection; smart cities; support vector machines; wireless sensor networks
بررسی تطبیقی (مقایسه ای) تکنیک های تشخیص ناهنجاری برای شبکه های حسگر بی سیم شهرهوشمند
چکیده
در بسیاری از کشورهای سرتاسر جهان، شهرهای هوشمند در حال تبدیل شدن به یک واقعیت هستند. این شهرهای هوشمند با ارائه ی خدمات و سرویس هایی، که معمولاً بر اساس اطلاعات مستخرج از شبکه های حسگر بی سیم (WSN) و المان های دیگر اینترنت اشیاء استوار هستند به بهبود کیفیت زندگی شهروندان کمک می کنند. علاوه بر این، مدیریت عمومی و همگانی از این اطلاعات شهر هوشمند برای افزایش بهره وری و راندمان آن ، جهت کاهش هزینه ها و برای ارائه ی سرویس های اضافی، استفاده می کنند. با این حال، اطلاعات دریافتی در مراکز اطلاعات شهرهوشمند، همیشه دقیق نیستند چون شبکه های حسگر بی سیم (WSN) ، گاهی اوقات مستعد خطا بوده و در معرض حملات فیزیکی و کامپیوتری قرار می گیرند. در این مقاله، ما از اطلاعات واقعی شهرهوشمند بارسلونا برای شبیه سازی شبکه های حسگر بی سیم (WSN) و پیاده سازی حملات معمولی استفاده می کنیم. سپس، تکنیک های تشخیص ناهنجاری که بطور مکرر و غالباً برای آشکارکردن این حملات استفاده شده است را مورد مقایسه قرار می دهیم. ما الگوریتم هایی را تحت شرایط و الزامات مختلف بر روی اطلاعات وضعیت شبکه ی موجود ارزیابی می کنیم. به عنوان نتیجه ای از این مطالعه، دریافتیم که ماشین های بردار پشتیبانی کلاس یک مناسب ترین تکنیک و روش است. ما به نرخ مثبت حقیقی حداقل 56% بالاتر از نرخ های بدست آمده با روش های دیگر در مقایسه با تکنیک های موجود در حالت و سناریوی با حداکثر نرخ مثبت کاذب 5% و 26% بالاتر در سناریویی با نرخ مثبت کاذب 15% دست پیدا کردیم.
کلمات کلیدی : تشخیص ناهنجاری ، امنیت اطلاعات ، تشخیص داده پرت ، شهرهای هوشمند ، ماشین های بردار پشتیبانی ، شبکه های حسگر بی سیم
فهرست مطالب
چکیده. 1
1-مقدمه. 2
2- کارهای مرتبط.. 5
2-1- حملات در شبکه های حسگر بی سیم (WSN). 5
2- تشخیص ناهنجاری.. 8
3- پیشینه ی تحقیق.. 12
3-1- فاصله ی ماهالانوبیس... 13
3-2- عامل پرت محلی.. 13
3-3- خوشه بندی سلسله مراتبی.. 15
3-4- ماشین های بردار پشتیبانی.. 15
4- شبیه سازی و تجزیه و تحلیل تشخیص ناهنجاری.. 16
4-1- چالش های شبیه سازی امنیت شهر هوشمند. 17
4-2- روش تجربی.. 19
4-3- جمع آوری اطلاعات.. 21
4-4- شبیه سازی.. 22
4-5- انتخاب ویژگی.. 25
4-6- تجزیه و تحلیل ناهنجاری.. 27
4-6-1- فاز آموزش... 29
4-6-2- فاز اعتبارسنجی و تست (آزمون). 31
5-نتایج و بحث.. 33
6-نتیجه گیری.. 37
