ترجمه این مقاله به صورت کاملا تخصصی، تایپ شده و همراه با ترجمه شکل ها و جدول ها در 51 صفحه آماده است. برای مشاهده به آدرس زیر مراجعه کنید:
http://computerebook.sellfile.ir/prod-312493.html
نوع مطلب: مقاله ISI
سال انتشار: 2015
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 23
محل انتشار: ژورنال معروف شبکه های کامپیوتری (Computer Networks)
یکی از جنبه هایی که هر مدیر شبکه باید آنرا در نظر داشته باشد امنیت شبکه (Router Security) است که امروزه اهمیت زیادی پیدا کرده است. هکرهای حرفه ای میتوانند از روشهای مختلف به شبکه های کامپیوتری آسیب برسانند. یکی از این روشها دستکاری روتر ها یا مسیریاب های شبکه (Network Routers) می باشد. از همین رو برای ساخت شبکه های امن، باید توجه ویژه ای به امنیت این دستگاه ها شود. همانگونه که میدانیم روترها وظیفه پیدا کردن مسیرها را بر عهده دارند و این کار را به کمک ارسال پیام هایی با یکدیگر انجام میدهند. پیام های ارسال شده بین روترها میتواند هدف خوبی برای هکر ها باشد و از همین رو باید این پیام ها هم تایید هویت شوند که مطمئین شویم ساختگی نیستند و هم یکپارچگی (Integrity) آنها بررسی شود که مطمئن شویم بین راه دستکاری نشده اند. پس چک کردن هویت روترهای همسایه ضروری است. در حال حاضر برای تایید هویت (َAuthentication) روترها از روشهای تبادل کلید دستی استفاده میشود که مستعد خطا هستند، مقیاس پذیر نیستند و به خاطر نبود افراد مجاز و مطمئن به ندرت انجام میشوند.
در این مقاله یک سیستم مدیریت کلید اتوماتیک ارائه میشود که میتواند به شکل خودکار کلیدهایی را برای گروهی از روترها تولید، توزیع و به روزرسانی کند. پروتکل پیشنهادی جنبه های مختلف امنیت از جمله تایید هویت (authentication)، یکپارچگی (integrity)، محرمانگی (confidentiality)، مقاومت در برابر حملات استفاده مجدد (protection against replay attacks) و پایداری در برابر شروع های مجدد (robustness across reboots) را داراست. همچنین مدل حمله و نیازمندیهای امنیتی برای سیستم مدیریت کلید شرح داده شده است.
این مقاله در سال 2015 در ژورنال شبکه های کامپیوتری (Computer Networks) منتشر شده است که یکی از ژورنالهای معروف در زمینه شبکه های کامپیوتری و مسائل مربوط به آنها می باشد. مقالات این ژورنال آس اس آی (ISI) هستند و در توسط انتشارات تامسون رویترز (Thomson-reuters) و اسکوپوس (Scopus)، الزویر (Elsevier) و بسیاری سایت های دیگر ایندکس میشوند.
چکیده فارسی:
برای ساخت سیستم های امن مبتنی بر شبکه، مهم است که از اصالت و یکپارچگی تبادلات پیام های کنترلی بین روتر ها مطمئن شویم. تایید اعتبار همسایگان و اطمینان حاصل کردن از قانونی بودن همسایه ها حیاتی است. روشهای توزیع کلید دستی کنونی که به منظور امن کردن پیام های کنترلی روتر ها استفاده میشوند مستعد خطا هستند، مقیاس پذیر نیستند و در نتیجه استفاده از آنها کلید ها به ندرت تعویض میشوند (یا اصلا عوض نمیشوند) چرا که ممکن است پرسنل مجاز برای این کار در دسترس نباشند. ما یک سیستم مدیریت کلید اتوماتیک پیشنهاد میکنیم که میتواند به صورت اتوماتیک کلیدها را برای مجموعه ای از "گروه های کلیدی" تولید، توزیع و به روز رسانی کند، که هر کدام از این گروه ها زیرمجموعه ای از روترهاست که از کلید یکسانی استفاده میکنند. پروتکل پیشنهادی مدیریت کلید، امنیت را در قالب های احراز اصالت، یکپارچگی، محرمانگی، محافظت در برابر حملات تکرار و پایداری در برابر شروع های مجدد تضمین میکند. این پروتکل برای مدیریت انواع گسترده ای از گروه های کلیدی طراحی شده است. افزون بر این، مدیریت همسایگی نیز در این پروتکل فراهم شده است. در این مقاله، ما مدل تهدید و نیازمندیهای امنیتی برای سیستم های مدیریت کلید را توضیح میدهیم. در ادامه، ما یک اعتبارسنجی رسمی را که به منظور راستی آزمایی امنیت سیستم انجام داده ایم، با جزئیات توضیح میدهیم. از این رو، به صورت واضح نشان میدهیم که چگونه طراحی ما نیازمندیهای مشخص شده را برآورده میکند.
Abstract:
To build secure network-based systems, it is important to ensure the authenticity and integrity of the inter-router control message exchanges. Authenticating neighbors and ensuring the legitimacy of the neighbor relationships is essential. Current manual keying methods used to secure router control messages are error prone, not scalable, and result in keys being changed infrequently (or not at all) due to lack of authorized personnel. We propose an automated key management system to automatically generate, distribute and update keys for a collection of ‘keying groups’, each of which is the subset of routers sharing the same key. The proposed protocol for key management ensures security in the form of authentication, integrity, confidentiality, protection against replay attacks, and robustness across reboots. It has been designed to handle a wide variety of keying groups. In addition, it makes provision for adjacency management. In this paper, we describe the threat model and security requirements for the key management system. Further, we explain in detail a formal validation that we have carried out in order to verify the security of the system. Thereby we clearly show how our design meets the requirements specified.
کلمات کلیدی:
مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر، شبکه های کامپیوتری، امنیت شبکه، مقاله شبکه، مقاله امنیت شبکه، امنیت روترها، امنیت مسیریاب، امنیت سوییچ، امنیت سوئیچ، تایید هویت، تایید اعتبار، یکپارچگی، استفاده مجدد، مسیریابی، روتینگ، روتر، مدیریت شبکه، مدیریت کلیدها، توزیع کلیدها، مدیریت همسایه ها، Router Security, Switch Security, Authentication, Integrity, Routing, Key Exchange, Key Management, Replay, Confidentiality,Adjacency Management , Network Management, Computer Networks Security،
(قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: حدود 35 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
برای خرید ترجمه این مقاله با بهترین کیفیت و به صورت کاملا تخصصی به آدرس زیر مراجعه کنید و در قسمت پایین صفحه، پس آز ورود آدرس ایمیل و شماره تلفن و پرداخت مبلغ، لینک دانلود را دریافت کنید:
تولید داده های حجیم با سرعت بالا، حجم زیاد و تنوع فراوان توسط شبکه های اجتماعی، موبایل ها و ایمیل های کاربران منحر به ایجاد یک جهت گیری جدید در رشته کامپیوتر به نام داده های بزرگ یا کلان داده ها (Big Data) شده است که در چند سال گذشته توجه زیادی را به خود جلب کرده است. میتوان با جستجو درون این داده های بزرگ و حجیم، الگوهایی را کشف کرد و از آنها استفاده کرد. همچنین قابلیت یادگیری از این داده ها و دیتاست ها نیز وجود دارد. روشهای مدیریت حافظه و ذخیره سازی داده های موجود نمیتوانند پاسخگوی حجم زیاد این داده ها باشند و این در حالی است که حجم این داده ها لحظه به لحظه بیشتر میشود. اگر بخواهیم برای بازیابی و جستجوی اطلاعات در این دیتاست های بزرگ از روشهای ایندکس گذاری کنونی استفاده کنیم به دلیل افزایش حجم فایل شاخص و زمان جستجو این کار بسیار غیر بهینه خواهد بود.
در این مقاله که صورت کاملی به بررسی روشهای ایندکس کردن داده های Big Data پرداخته شده است، 48 روش مختلف شاخص بندی یا ایندکس کردن داده ها معرفی، بررسی و مقایسه شده اند. کارایی این الگوریتم ها با توجه به ویژگی ها و نیازمندیهای Big Data اندازه گیری شده است.
مطالعه این مقاله به کسانی توصیه میشود که تصمیم دارند پایان نامه خود را در زمینه شاخص بندی و یا جستجو در داده های بزرگ (Big Data) انجام دهند یا قصد نوشتن مقاله ای در این زمینه را دارند.
چکیده فارسی:
بررسی روشهای ایندکس گذاری (شاخص گذاری) داده های بزرگ: طبقه بندی و ارزیابی عملکرد
رشد انفجاری در حجم، سرعت، و تنوع داده های تولید شده توسط دستگاه های همراه و برنامه های کاربردی ابری در ازدیاد "داده های بزرگ" نقش داشته است. راه حل های موجود برای ذخیره سازی کارآمد داده ها و مدیریت آنها نمی توانند نیازهای چنین داده های ناهمگنی که مقدار داده ها به طور مداوم در حال افزایش هستند را برآورد سازند. با توجه به سرعت در حال رشد اندازه شاخص ها و زمان جستجو، راه حل های موجود برای مدیریت و بازیابی موثر داده ها ناکارآمد میشوند بنابراین یک طرح شاخص گذاری بهینه شده برای داده های بزرگ مورد نیاز است. با نگاهی به برنامه های کاربردی جهان واقعی در می یابیم که موضوع ایندکس گذاری با داده های بزرگ در محاسبات ابری در مسائل پزشکی، سازمانی، آزمایشات علمی و شبکه های اجتماعی بصورت گسترده مطرح می شود. تا به امروز، محاسبات نرم متعدد، یادگیری ماشینی و دیگر روشهای هوش مصنوعی برای برآورده کردن نیازمندیهای شاخص گذاری استفاده می شده اند، در عین حال از آنجایی که روشهای ایندکس گذاری وارد محاسبات ابری شده اند، در مقالات، مطالعه جدیدی در مورد بررسی عملکرد و نتایج روشهای حل مسائل ایندکس گذاری برای داده های بزرگ وجود ندارد. هدف این مقاله بررسی و آزمایش روشهای ایندکس گذاری موجود برای داده های بزرگ است. در این تحقیق طبقه بندی روشهای ایندکس گذاری توسعه یافته است تا به محققان برای درک و انتخاب یک روش پایه بمنظور طراحی یک روش ایندکس گذاری که کاهش زمان و فضای مصرفی کمتررا برای BD-MCC فراهم میکند، کمک کند. در این تحقیق، 48 روش ایندکس گذاری بر اساس 60 مقاله با موضوع مرتبط مورد مطالعه و مقایسه قرارگرفته اند. عملکرد روشهای ایندکس گذاری بر اساس ویژگی آن ها و نیازمندیهای ایندکس گذاری داده های بزرگ نیز مورد تجزیه و تحلیل قرار گرفت. نقش اصلی این تحقیق طبقه بندی روشهای ایندکس گذاری دسته بندی شده بر اساس متد آنهاست. دسته بندی ها متدهای شاخص گذاری غیر هوش مصنوعی ( non-artificial intelligence)، هوش مصنوعی (artificial intelligence) و هوش مصنوعی مشارکتی (collaborative artificial intelligence)هستند. بعلاوه در کنار محدودیت های هر روش، اهمیت پروسیجر ها(procedure) و عملکردهای مختلف نیز مورد تجزیه و تحلیل قرار گرفت. در بخش نتیجه گیری، چندین موضوع تحقیق کلیدی برای آینده با پتانسیل افزایش سرعت پردازش و استقرار روشهای ایندکس گذاری هوش مصنوعی مشارکتی در BD-MCC به دقت شرح داده شده است.
چکیده انگلیسی:
Abstract The explosive growth in volume, velocity, and diversity of data produced by mobile devices and cloud applications has contributed to the abundance of data or ‘big data.’Available solutions for efficient data storage and management cannot fulfill the needs of such heterogeneous data where the amount of data is continuously increasing. For efficient retrieval and management, existing indexing solutions become inefficient with the rapidly growing index size and seek time and an optimized index scheme is required for big data. Regarding real-world applications, the indexing issue with big data in cloud computing is widespread in healthcare, enterprises, scientific experiments, and social networks. To date, diverse soft computing, machine learning, and other techniques in terms of artificial intelligence have been utilized to satisfy the indexing requirements, yet in the literature, there is no reported stateof- the-art survey investigating the performance and consequences of techniques for solving indexing in big data issues as they enter cloud computing. The objective of this paper is to investigate and examine the existing indexing techniques for big data. Taxonomy of indexing techniques is developed to provide insight to enable researchers understand and select a technique as a basis to design an indexing mechanism with reduced time and space consumption for BD-MCC. In this study, 48 indexing techniques have been studied and compared based on 60 articles related to the topic. The indexing techniques’ performance is analyzed based on their characteristics and big data indexing requirements. The main contribution of this study is taxonomy of categorized indexing techniques based on their method. The categories are non-artificial intelligence, artificial intelligence, and collaborative artificial intelligence indexing methods. In addition, the significance of different procedures and performance is analyzed, besides limitations of each technique. In conclusion, several key future research topics with potential to accelerate the progress and deployment of artificial intelligence-based cooperative indexing in BD-MCC are elaborated on.
Keywords Indexing ・ Big data ・ Cloud computing ・ Artificial intelligence ・ Collaborative artificial intelligence
کلمات کلیدی: ایندکس گذاری، داده های بزرگ، محاسبات ابری، هوش مصنوعی، هوش مصنوعی گروهی
این مقاله در سال 2015 در ژورنال سیستم های اطلاعاتی و دانش (Knowledge and Information Systems) منتشر شده است که یکی از ژورنالهای معروف در زمینه سیستم های مبتنی بر دانش و مسائل مربوط به آنها می باشد. مقالات این ژورنال آس اس آی (ISI) هستند و در توسط انتشارات تامسون رویترز (Thomson-reuters) و اسکوپوس (Scopus)، اشپرینگر (Springer) و بسیاری سایت های دیگر ایندکس میشوند.
تعداد صفحات: 44
کلمات کلیدی:
مقاله کامپیوتر، مقاله 2015 کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله ISI کامپیوتر، داده های بزرگ، مقاله Big data، داده های حجیم، ابرداده ها، رایانش ابری، محاسبات ابری، هوش مصنوعی ، کلان داده ها، شاخص بندی، شاخص گذاری، ایندکس کردن، سیستم هدوپ، نگاشت - کاهش، Big data, mapreduce, hadooop, Indexing, cloud computing,
(قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: 40 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.