آمانج خرمیان

سامانه توصیه‌گر برای مواجهه با مشکلات ناشی از حجم فراوان اطلاعات ارائه شده‌است و به کاربران خود کمک می‌کند تا در میان حجم عظیم اطلاعات سریع‌تر به هدف خود نزدیک شوند و بر اساس ترجیحات شخصی خود بهترین مورد را پیدا کنند. یکی از مشکلات سیستم‌های توصیه‌گر سنتی، کاربر محور بودن آن است؛ این یعنی اینکه برای برآوردن نیازهای کاربر نهایی طراحی می شوند. با این حال، در برخی حوزه‌ها، کاربران تنها ذینفعان سیستم نیستند. به عنوان مثال، در یک سیستم توصیه‌گر فیلم، کاربران، نویسندگان، کارگردان و بازیگران سهامداران بالقوه هستند. اکثر سیستم‌های توصیه‌گر فیلتر مشارکتی از تعصب محبوبیت رنج می‌برند. بنابراین، اگر سیستم توصیه‌گر فقط ترجیحات کاربران را در نظر بگیرد، احتمالاً ارائه‌دهندگان محبوب را بیش از حد نشان می‌دهد و ارائه‌دهندگان کمتر محبوب را کمتر نشان می‌دهد. برای پرداختن به این موضوع باید سایر ذینفعان را در لیست های رتبه بندی شده در نظر گرفت. در این تحقیق نشان می‌دهیم که یادگیری هایپرگراف توانایی طبیعی مدیریت یک کار توصیه چند ذی‌نفعه را دارد. یک هایپرگراف می تواند روابط مرتبه بالا را بین انواع مختلف اشیاء مدل کند و بنابراین به طور طبیعی تمایل به تولید لیست های پیشنهادی با در نظر گرفتن سهامداران متعدد دارد. ما توصیه‌ها را براساس وزن سهامداران مختلف با رعایت دقت ارائه می‌دهیم تا پوشش ذینفعان کم پوشش را در لیست توصیه افزایش دهیم. نتایج نشان می‌دهد که رویکرد پیشنهادی با تعصب محبوبیت مقابله می‌کند و توصیه‌های منصفانه‌تری را با توجه به نویسندگان،کاربران،بازیگران و کارگردان‌ها در دو مجموعه داده MovieLens و FilmTrust، با کم‌ترین کاهش دقت، ارائه می‌کند.

در نرم‌افزارهای حمل و نقل هوشمند مانند ایمنی جاده و نظارت بر ترافیک، اطلاعات مفیدی جمع‌آوری و به مرکز مدیریت ارسال می‌شوند تا برای تحلیل و ارائه تدابیر کنترل، ارتباط و مدیریت گسترده استفاده شود. با این حال، باید حریم خصوصی کاربران حفظ شود، زیرا داده‌های ارسالی ممکن است اطلاعات حساس و شخصی مانند موقعیت و مسیر سفر را فاش کند. در این پژوهش، یک روش جمع‌آوری داده با حفظ حریم خصوصی برای سیستم‌های حمل و نقل هوشمند پیشنهاد شده است. در این روش پیشنهادی، از ترکیب سیستم رمزنگاری پایلیر اصلاح شده، قضیه باقی‌مانده چینی، امضای کوتاه بونه و عملیات تابع هش استفاده می‌شود تا داده‌های خودروهای مختلف با یکدیگر ادغام شده و در صورتی که برخی دستگاه‌ها با مشکل مواجه شده باشند و داده‌های خود را به مرجع کنترل گزارش ندهند، مقاومت در برابر خطا را فراهم کند. در روش پیشنهادی، هر خودرو داده‌های خود را جمع‌آوری می‌کند و یک کلید امنیتی یک‌بار مصرف را با وسیله در حال ارتباط به اشتراک می‌گذارد تا داده‌هایش را مخفی کند. ما یک تکنیک مبتنی بر تابع هش توسعه داده‌ایم تا اصالت و سلامت داده‌های رمزنگاری شده را بدون آشکارسازی داده‌های فردی جمع‌آوری کند. تحلیل امنیتی نشان می‌دهد که این روش پیشنهادی امن است، حریم خصوصی را حفظ می‌کند و از ردیابی شرطی پشتیبانی می‌کند. تحلیل عملکرد و مقایسه جامع نشان می‌دهد که این روش قابلیت اجرای بهتری نسبت به روش‌های مشابه در نرم‌افزارهای حمل و نقل هوشمند، مانند نظارت بر ترافیک دارد. به این ترتیب، روش پیشنهادی جمع‌آوری داده می‌تواند به تضمین حریم خصوصی کاربران در هنگام استفاده از داده‌های جمع‌آوری شده برای تحلیل و مدیریت کمک کند.

در شبکه های اینترنت اشیاء محدودیتها وچالشهای متعددی مطرح هستند که با پیشرفت تکنولوژی و استفاده بیشتر از دستگاه های هوشمند و شبکه های اینترنت اشیاء این محدودیتها و چالشها نیز به طور روزافزون در حال بیشتر و پپیچیدهتر شدن می باشند. از طرفی با توجه به نوظهور بودن این شبکه ها نیاز به تعریف پروتکلهای جدید برای برقراری ارتباطات و پردازش محاسبات می باشد. پروتکل های موجود به دلیل در نظر نگرفتن محدودیتهای منابع پردازشی و مخابراتی، قابل پیادهسازی و اجرا بر روی دستگاه های هوشمند و شبکه های اینترنت اشیاء نیستند. بنابراین طراحی پروتکلهای جدید که قابلیت پیادهسازی بر روی دستگاه های هوشمند را داشته باشند، باید ارائه شوند. شبکه های هوشمند نیز به عنوان یکی از زیرشبکههای اینترنت اشیاء از این قاعده مستثنا نبوده و می بایست پروتکل های جدید برای این شبکه تعریف شوند. در این رساله یک مکانیسم سبکوزن برای احراز هویت کاربران و همچنین یک طرح برای جمعآوری داده در شبکه هوشمند ارائه شده است. مکانیسمهای احراز هویت و طرحهای جمعآوری داده موجود عموماً بر پایه الگوریتمهای رمزنگاری موجود مانند DES ،ECC ،Gamal-El غیره که از محاسبات سنگین و پیچیده ریاضی استفاده می کنند می باشند. اکثر طرحهای ارائه شده تا کنون با وجود اینکه از الگوریتمهای رمزنگاری پیچیده استفاده می کنند، نمی توانند حریم خصوصی کاربران را به طور کامل حفظ کنند. آن دسته از طرحهای ارائه شده هم که توانسته اند از حریم خصوصی کاربران محافظت کنند، از محاسبات سنگین استفاده نموده اند که بهینه نمی باشد. مکانیسم و طرح پیشنهادی این رساله بر اساس استفاده از توابع اولیه رمزنگاری مانند تابع درهمساز، عملگر XOR و غیره می باشد که عالوه بر بهینه و سبکوزن بودن، می تواند از حریم خصوصی کاربران نیز محافظت نماید.