دانلود ترجمه مقاله روش برآورد ریسک امنیتی برای مدل کنترل دسترسی در اینترنت اشیا

1. مقدمه 2. کارهای مرتبط 3. کنترل دسترسی مبتنی بر ریسک 4. روش برآورد ریسک پیشنهادی 5. روش تحقیق 6. نتایج و یافته های بررسی 7. پیاده سازی روش پیشنهادی 8. نتایج شبیه سازی 9. بحث و بررسی و نتیجه گیری

نیاز به افزایش اشتراک گذاری اطلاعات در کاربردهای اینترنت اشیاء (IoT)، باعث شده که مدل کنترل دسترسی برپایه ریسک بهترین گزینه برای سازمان های آکادمیک و تجاری باشد. مدل کنترل دسترسی برپایه ریسک، یک تحلیل ریسک امنیتی برروی درخواست دسترسی با استفاده از اطلاعات زمینه ای IoT انجام می دهد تا تصمیم دسترسی را به صورت پویا بگیرد. برخلاف رویکردهای کنترل دسترسی استاتیک فعلی که براساس سیاست های از پیش تعریف شده می باشند و نتیجه یکسانی در وضعیت های مختلف حاصل می کنند، این مدل انعطاف پذیری لازم برای دسترسی به منابع سیستم فراهم می کنند و عملکرد خوبی در شرایط و وضعیت های غیرمنتظره سیستم IoT دارد. یکی از مسائل اصلی برای پیاده سازی این مدل، تعیین روش برآورد ریسک مناسب که قادر به تولید مقادیر ریسک دقیق و واقع بینانه برای هر درخواست دسترسی می باشد تا تصمیم دسترسی را بگیرد. بنابراین، این مقاله یک روش برآورد ریسک را پیشنهاد می کند که سیستم استنباط فازی را با قضاوت متخصص تلفیق می کند تا ریسک های امنیتی عملیات های کنترل دسترسی در سیستم IoT را ارزیابی کند. بیست عدد متخصص امنیت IoT از داخل و بیرون انگلستان مورد مصاحبه قرار گرفتند تا روش تخمین ریسک پیشنهادی، اعتبار یابی شود و قوانین استنباط فازی به صورت دقیق، ساخته شود. روش برآورد ریسک پیشنهادی با استفاده از سناریوهای کنترل دسترسی روتر شبکه، پیاده سازی و شبیه سازی شد. روش پیشنهادی در مقایسه با فنون فازی موجود، نشان داده که مقادیر دقیق و واقع بینانه در ارزیابی ریسک های امنیتی عملیات های کنترل دسترسی در زمینه IoT، حاصل می کند. مقدمه: امروزه، «اینترنت اشیاء (IoT)، توجه متخصصین و پژوهشگران فعال در هر دو زمینه صنعت و دانشگاه را به خود جلب کرده است. علت این است که می تواند قابلیت های نامحدودی برای تسهیل فعالیت های زندگی روزمره ما و بهبود کیفیت زندگیمان، ارائه دهد [1]. IoT توانایی ارتباط دادن میلیون ها دستگاه را دارد و یک پلتفرم و بستر هوشمند بلادرنگ برای همکاری و برقراری ارتباط با این دستگاه ها از طریق شبکه های بی سیم و سیمی، فراهم کند [2].

The need to increase information sharing in the Internet of Things (IoT) applications made the risk-based access control model to be the best candidate for both academic and commercial organizations. Risk-based access control model carries out a security risk analysis on the access request by using IoT contextual information to provide access decisions dynamically. Unlike current static access control approaches that are based on predefined policies and give the same result in different situations, this model provides the required flexibility to access system resources and works well in unexpected conditions and situations of the IoT system. One of the main issues to implement this model is to determine the appropriate risk estimation technique that is able to generate accurate and realistic risk values for each access request to determine the access decision. Therefore, this paper proposes a risk estimation technique which integrates the fuzzy inference system with expert judgment to assess security risks of access control operations in the IoT system. Twenty IoT security experts from inside and outside the UK were interviewed to validate the proposed risk estimation technique and build the fuzzy inference rules accurately. The proposed risk estimation approach was implemented and simulated using access control scenarios of the network router. In comparison with the existing fuzzy techniques, the proposed technique has demonstrated it produces precise and realistic values in evaluating security risks of access control operations in the IoT context. Introduction: Nowadays, the Internet of Things (IoT) attracts the attention of specialists and researchers in both academia and industry. This is because it can provide unlimited capabilities that can help us in our daily life activities and enhance the quality of our life [1]. The IoT has the ability to link billions of devices and provide a real-world intelligent platform to collaborate and communicate with these devices through wireless or wired networks [2].