دانلود ترجمه مقاله سیستم مدیریت اعتماد مبتنی بر محتوا برای اینترنت اشیای اجتماعی

1. مقدمه 2. کارهای مرتبط 3. سیستم مدیریت اعتماد پیشنهادی: CTMS-SIOT 4. ارزیابی 5. نتیجه گیری

«اینترنت اشیاء اجتماعی» (SIOT)، یک زمینه پژوهشی رو به رشد است که بعد از تلفیق مفاهیم شبکه سازی اجتماعی در اینترنت اشیاء، پدیدار شده است. این باعث پیدایش کاربردهای جدید و قوی تر شده است. در واقع، سیستم مدیریت اعتماد (TMS) به عنوان یک مکانیزم امنیتی موثر در اینترنت اشیاء مورد ملاحظه قرار گرفته است. بنابراین، کارهای پژوهشی بسیاری انجام شده اند تا روش های ارزیابی اعتماد و پیش بینی اعتماد را پیشنهاد کنند. در سیستم مدیریت اعتماد سنتی، داده های رفتاری تاریخی برای پیش بینی ارزش اعتمادی نهاد شبکه در نظر گرفته می شوند، درحالی که زمینه نهاد شبکه بندرت مورد ملاحظه قرار گرفته است. نوآوری رویکردمان را از سه جنبه می توان در نظر گرفت: 1) طراحی یک مدل اعتماد بسیار مقیاس پذیر 2) توانایی سیستم برای فراهم کردن ارزشمندترین خدمات که جنبه دینامیک اینترنت اشیاء مانند زمینه، ظرفیت اشیاء و روابط اجتماعی بین اشیاء، را مدنظر قرار می دهد 3) و کاربرد درخت تصمیم برای ابتدا تحلیل رابطه بین اجزاء مختلف شبکه و رفتار شی و سپس بهبود تصمیم گیری. مقدمه: اینترنت اشیاء (IoT) می تواند تعداد زیادی از اشیاء را از طریق شبکه های ارتباطاتی در انواع مختلف کاربردها، به هم متصل کند. در سیستم های IoT، اشیاء می توانند حسگرها، مانیتورها، ادوات هوشمند، لپ تاپ ها یا حتی انسان ها باشند. این الگوی جدید باعث بوجود آمدن کاربردهای بسیاری مانند شبکه های هوشمند (اسمارت گرید)، شهرهای هوشمند، خانه های هوشمند و سلامت الکترونیک شده است. هدف این کاربردها، بهبود کیفیت زندگی انسانی است. اما، دستیابی به یک دیدگاه کامل در مورد IoT به چندین عامل بستگی دارد که مهمترین آن، امنیت است. در واقع، امنیت IoT یک امر چالش برانگیز است، زیرا راهکارهای شناخته شده در اینترنت ممکن است برای IoT بخاطر مشخصات ذاتیشان ناکافی باشد، بخصوص تحرک و ناهمگنی گره ها از نظر منابع. علاوه بر آن، اشیاء منابع محدود نیاز به پشتیبانی اشیاء نامحدود و قابل اعتماد دارند تا بطور ایمن یک سرویس شبکه ای برقرار کنند. بنابراین، یک شی باید کمک کنندگان قابل اعتماد را برای اجتناب از رفتارهای بدخواهانه انتخاب کند.

The social internet of things (SIOT) is a thriving research field that emerged after the integration of social networking concepts in the internet of things. It resulted in the appearance of new and more powerful applications. Indeed, trust management system (TMS) has been considered as an effective security mechanism in the Internet of things. Thus, many research works have been carried to propose trust evaluation and trust prediction methods. In the traditional trust management system, historical behavior data are taken into account to predict the trust value of the network entity, while the context of the network entity is rarely considered. The novelty of our approach can be summed up in three aspects: i) designing a highly scalable trust model, ii) the ability of the system to provide the most trustworthy service provider which takes into account the dynamic aspect of the internet of things, such as context, the capacity object and the social relationship between objects, iii) and the application of decision tree to analyze first the relationship between the different components of the network and the object behavior, and to improve then the decision making. INTRODUCTION: Internet of Things (IoT) can connect a large number of things through communication networks in various types of applications. In IoT systems, things can be sensors, monitors, smart devices, laptops or even human beings. This new paradigm gave birth to many applications as smart grids, smart cities, smart homes and e-health. These applications aim at improving the human life quality. However, achieving a complete vision of the IoT depends on several factors where the most important one is the security. Indeed, IoT security is a challenging task as known solutions in the Internet might be inadequate for the IoT due to their inherent characteristics, especially mobility and nodes heterogeneity in terms of resources. Besides, resource constrained objects need the support of unconstrained and trustworthy objects to establish securely a network service. Hence, an object must select trustworthy helpers to avoid malicious behaviors.