Amanj Khorramian

The recommender system is presented to face the problems caused by the large amount of information and helps its users to get closer to their goal faster among the huge amount of information and find the best one based on their personal preferences. One of the problems of traditional recommender systems is its user-centeredness; This means that they are designed to meet the needs of the end user. However, in some areas, users are not the only beneficiaries of the system. For example, in a movie recommender system, users, writers, directors, and actors are potential stakeholders. Most collaborative filter recommender systems suffer from popularity bias. Therefore, if the recommender system considers only user preferences, it is likely to overrepresent popular providers and underrepresent less popular providers. To address this issue, other stakeholders should be considered in ranked lists. In this research, we show that hypergraph learning has the natural ability to manage a multi-stakeholder recommendation task. A hypergraph can model high-order relationships between different types of objects, and thus naturally tends to generate recommendation lists with multiple stakeholders in mind. We make recommendations based on the weighting of different stakeholders with due care to increase the coverage of underserved stakeholders in the recommendation list. The results show that the proposed approach copes with the popularity bias and provides more fair recommendations with respect to authors, users, actors and directors in the two datasets MovieLens and FilmTrust, with the least loss of accuracy.

In intelligent transportation software applications, such as road safety and traffic monitoring, valuable information is gathered and transmitted to the management center for analysis, control measures, communication, and comprehensive management. However, it is crucial to protect user privacy as the transmitted data may disclose sensitive personal information, such as location and travel routes. This research proposes a privacy-preserving data collection method for intelligent transportation systems. The proposed method combines the modified Paillier encryption system, the Chinese remainder theorem, the Boneh short signature, and the hash function operation to integrate data from different vehicles and provide error resilience in case some devices fail to report their data to the control center. Each vehicle in the proposed method collects its data and shares a one-time-use security key with the communication device to conceal its data. We have developed a hash-based technique to ensure the authenticity and integrity of the encrypted data without revealing personal information. Security analysis demonstrates that this proposed method is secure, maintains privacy, and supports conditional tracking. Performance analysis and comprehensive comparison reveal that this method outperforms similar methods in intelligent transportation software, such as traffic monitoring. Thus, the proposed data collection method can assist in safeguarding user privacy when utilizing collected data for analysis and management.

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.