دانلود ترجمه مقاله مطالعه ای بر چالش ها و رویکردهای حریم خصوصی در شهر هوشمند

1. مقدمه 2. معماری و کاربرد شهرهای هوشمند 3. مسائل امنیت و حریم خصوصی در یک شهر هوشمند 4. راه حل های امنیتی برای پارادیم های شهر هوشمند 5. جهت گیری های پژوهشی آتی 6. نتیجه گیری

جهت گیری های پژوهشی آتی: از آنجایی که برخی از راه حل ها و رویکردهای مرتبط با امنیت و حریم خصوصی نمی توانند بر همه چالش های موجود در شهرهای هوشمند غلبه کنند [4]، ما یک سری جهت گیری های پژوهشی باز را نیز در این قسمت ارائه داده ایم. اولا، حسگر جمعی که از دستگاه های حسگر بیسیم ساکنین محلی استخراج می شود، می تواند قابلیت های حسگری بهبودیافته ای برای شهرهای هوشمند در مقایسه با حسگرهای تعبیه شده ثابت ارائه دهد. با این حال، دقت حسگری جمعی ممکن است با ترجیحات و دانش محققین در این زمینه تفاوت ها و تناقضاتی داشته باشد. ایده اولیه تحریک شهروندان به مشارکت در حسگری جمعی، توسعه انگیزه هایی برای آنها می باشد. علاوه بر این، اعتماد نیز باید در هنگام طراحی طرح های تشویقی و انگیزشی مد نظر قرار گیرد. علاوه بر این، حریم خصوصی فعالان حسگری جمعی مخفی شده در نتایج سنجش ممکن است توسط مهاجمین هوشمندتر تحت مخاطره قرار گیرد. به طور خاص، زمانی که چندین مشارکت کننده، نتایج سنجشی خود را با هم تلفیق می کنند، اطلاعات مرتبط با حریم خصوصی یک مشارکت کننده فردی می تواند توسط دیگران نیز قابل استنتاج باشد. دوما، یک شهر هوشمند، در برابر تزریق داده های اشتباه در مراحل سنجش و کنترل می تواند آسیب پذیر باشد. روش های امضای دیجیتال [9] نمی توانند داده ها را از تداخل با داده های اولیه جلوگیری کنند. یک بینش در زمینه تشخیص تزریق داده های اشتباه، استفاده از یادگیری ماشین و داده کاوی برای تعیین حدود داده های سنجشی معقول می باشد. روش های تشخیص غیرعادی می توانند جایگزینی برای شناسایی داده های خطا باشند. با این حال، نیاز به دانشی چندرشته ای در این زمینه، هنوز هم به عنوان موضوعی باز طبقه بندی می شود. حجم در حال رشد داده ها و دستگاه ها در یک شهر هوشمند، حاکی از ایجاد مسائلی باز در زمینه حریم خصوصی و سرویس های هوشمند می باشد. مهاجمین از داده های مربوط به هوش انسانی استفاده کرده و به داده های بزرگی دسترسی پیدا می کنند، به ان صورت که حریم خصوصی مالکین داده ها ممکن است نقض گردد؛ حتیاگر طرح های رمزنگاری متداول نیز روی داده های بزرگ اعمال شده باشند. جایگزینی برای تشخیص این مهاجیم داخلی، افزایش ردیابی و نیز اجازه به شخص ثالث قابل اعتماد برای نظارت و ممیزی داده ها است. در همین حال، اقدامات مشارکت کنندگان در میان دپارتمان های قانون گذار، صنایع، دانشگاه ها و شرکت های تجاری نیز برای ارائه قوانین و خط مشی های حریم خصوصی، لازم و ضروری می باشد. علاوه بر این، حریم خصوصی داده ها، دسترسی و مدیریت باید به صورت همزمان حاصل گردد.

Future Research Directions: Since some off-the-shelf security and privacy solutions [4] may not conquer all the challenges in a smart city, we discuss several open research directions including, but not limited to, the following. First, crowdsensing, which exploits smart sensing devices of local residents, can provide improved sensing capability for the smart city rather than purely relying on pre-deployed fixed sensors. However, the crowdsensing accuracy may vary with a contributor’s knowledge, preference, selfishness, and so on. An initial idea of stimulating citizens to contribute for crowdsensing is to develop incentives for them. Moreover, trustworthiness should also be considered when designing incentive schemes. In addition, crowdsensing contributors’ privacy hidden in the sensing results may be jeopardized by “smarter” attackers. In particular, when multiple contributors pool their sensing results together, an individual contributor’s private information is likely to be collaboratively inferred by others. Therefore, how to achieve incentive and privacy remains as a challenge for crowdsensing in smart city. Second, a smart city is vulnerable to false data injection in both sensing and control phases. Digital signature techniques [9] cannot prevent the data from being tampered from the origination. An insight into detecting false data injection is to leverage machine learning and data mining to come up with a boundary of reasonable sensing data. Abnormal detection techniques may be an alternative to identify the false data. However, it is still an open issue requiring multidisciplinary knowledge and efforts to address. Last but not least, the ever growing volume of data and devices in a smart city poses open problems for intelligent services and privacy. Inside attackers exploit human intelligence and have access to big data such that the privacy of data owners may be inferred and violated; even the traditional cryptographic schemes have been applied to big data. An alternative to detect these inside attackers is to enhance the traceability and allow a trusted third party to monitor and audit. Meanwhile, collaborative efforts among municipalities, regulation departments, industry, academia, and business companies are necessary to set up privacy policies and regulations. In addition, data privacy, availability, and management should be achieved simultaneously.