دانلود ترجمه مقاله شبکه های نرم افزار محور و یادگیری عمیق: معماری اینترنت اشیا

1. مقدمه 2. کارهای مرتبط 3. مسائل امنیتی در SDN 4. معماری پیشنهادی، سیستم تشخیص 5. شبیه سازی 6. نتیجه گیری

اینترنت اشیاء (IoT) چالش های جدیدی برای مدل ارتباطات متداول بوجود آورده است. مشخصات شبکه های IoT، مانند ناهمگنی اشیاء و مقیاس پذیری، نیاز به راهکارهای انتقالی دارند. در حال حاضر، هیچ معماری سراسری و جهانی برای IoT وجود ندارد. اما، چندین معماری براساس «شبکه های تعریف شده با نرم افزار» (SDN)، پیشنهاد شده اند. SDN از جنبه برنامه ریزی پذیری و مرکزیت وارد شبکه می شود، و این ویژگی ها انتزاع یا تجرید شبکه را تسهیل می کند و در نتیجه مدیریت و تکامل موارد شبکه را ساده می کند. در این مقاله، ما SDN را به صورت یک معماری ارتباطاتی نوین برای شبکه سازی IoT جهت بهبود امنیت و چابکی IoT را مورد بررسی قرار می دهیم. SDN، چابکی و مقیاس پذیری شبکه که در پیاده سازی مقیاس بزرگ IoT ، برای مثال، شهرهای هوشمند، بسیار مهم می باشند را بهبود می بخشد. اما امنیت، یک دغدغه قابل توجه برای IoT است درحالی که SDN این دغدغه ها را افزایش می دهد. خود SDN تهدیدهای امنیتی جدید دارد؛ مخصوصاً اینکه، تهدیدات مرتبط با کنترلر قابل ذکر است. یک چارچوب ایمن برای IoT برپایه SDN، پیشنهاد می کنیم. این چارچوب، تعمیم یافته تلفیق SDN و IoT می باشد. بر پیاده سازی هنگفت IoT، برای نمونه، کاربردهای شهرهای هوشمند تاکید می کنیم، جایی که امنیت بسیار مهم است و ترافیک شبکه هنگفت است. این مطالعه، معماری SDN را از جنبه امنیتی مورد بررسی قرار می دهد. بهبود امنیت SDN، پیاده سازی معماری IoT برپایه SDN را تقویت می بخشد. از یک سیستم آشکار سازی نفوذ برپایه یادگیری عمیق (DL) استفاده می کنیم. این ماژول آشکار سازی از «ماشین های بولتزمن محدود» (RBM) استفاده می کند. نرخ دقیق ، بهبود قابل توجه نسبت به ML استاندارد، برای مثال SVM و PCA نشان می دهد. مقدمه: اینترنت اشیاء ، وجود و حضور اینترنت با اتصال اشیاء هوشمند، برای نمونه، ادوات شبکه، ادوات سلامت و محیط زیستی را گسترش می دهد. پیشرفت در ارتباطات بی سیم، سیستم های تعبیه شده و فنآوریهای حسگرها، بکار گیری مدل IoT در چندین حیطه را شتاب می دهند. اما، اتصالات و همبندی بیشتر ، معادل با افزایش تهدیدات برای حریم خصوصی و امنیت است.

Internet of Things (IoT) introduces new challenges to conventional communication model. IoT networks characteristics, such as objects heterogeneity and scalability, require revolutionary solutions. Currently, there is no universal architecture for IoT. However, several architectures were proposed based on Software Defined Networks (SDN). SDN introduces network programmability, and centralisation, these features facilitate network abstractions, simplifying network management and eases evolution. In this paper, we investigate SDN as a novel communication architecture for IoT networking to enhance the security and resilience of IoT. SDN enhances network resilience and scalability which are essential in large-scale IoT deployments, e.g., smart cities. However, security is a significant concern for IoT while SDN deepens these concerns. SDN itself presents new security threats; specifically, threats related to the controller. We propose a secure, framework for IoT based on SDN. The framework is generalization for the integration of SDN and IoT. We focus on massive IoT deployment, for instance, smart cities applications, where, security is critical, and network traffic is enormous. The study investigates the SDN architecture from a security perspective. Improving SDN security will boost the deployment of SDN-based IoT architecture. We deploy an Intrusion detection system based on Deep Learning (DL). The detection module uses Restricted Boltzmann Machines (RBM). The precision rate shows significant improvements over standard ML, e.g. SVM and PCA. Introduction: Internet of Things expands the presence of the internet by connecting smart objects, for instance, grid, health, and environmental devices. The advancement in wireless communication, embedded systems, and sensors technologies accelerate the adoption of IoT model in several domains. However, the higher connectivity is kind of equivalent to increasing privacy and security threats.