توضیحات

• اصل مقاله انگلیسی را می توانید پس از خرید به همراه فایل های ترجمه دانلود کنید (لینک به اصل مقاله در این پست قرار داده شده است).
• متن کامل ترجمه پس از خرید قابل دانلود است، همچنین فایل ترجمه پس از اتمام خرید به صورت خودکار از سمت سرور به ایمیل شما نیز ارسال می شود، از آنجایی که ایمیل از سمت سرور و با نام سایت ارسال می شود، به همین دلیل ممکن است به عنوان ایمیل تبلیغاتی در نظر گرفته شده و در قسمت Spam (هرزنامه) ایمیل شما قرار گیرد، پس لطفا قسمت Spam (هرزنامه) ایمیل خود را نیز چک کنید.
• توجه: چنانچه پس از خرید طی دو ساعت ترجمه به ایمیل شما ارسال نشد، با ایمیل پشتیبانی تماس بگیرید تا ما در اسرع وقت به موضوع رسیدگی کنیم.

———————————————————————

مشخصات مقاله انگلیسی:

ترجمه عنوان مقاله: یک چارچوب تضعیف حمله‌ DDoS برای شبکه‌های اینترنت اشیاء با استفاده از رایانش مه

عنوان انگلیسی مقاله: A DDoS Attack Mitigation Framework for IoT Networks using Fog Computing

نام ژورنال: Procedia Computer Science

نام ناشر: Elsevier

سال انتشار: ۲۰۲۱

تعداد صفحات مقاله انگلیسی: ۸ صفحه

لینک مقاله انگلیسی

تعداد صفحات مقاله ترجمه شده: ۱۷ صفحه (در قالب فایل word و pdf)

ترجمه چکیده مقاله:

ظهور ۵G که تلاش می‌کند دستگاه‌های بیشتری را با سرعت بالا و تاخیر کم متصل نماید، به رشد شبکه اینترنت اشیاء کمک نموده است. علیرغم مزایای اینترنت اشیاء، کاربردهای آن در جنبه‌های مختلف زندگی ما مانند سلامت هوشمند، خانه‌های هوشمند، شهرهای هوشمند و غیره باعث ایجاد نگرانی‌های امنیتی متعددی مانند حمله‌های توزیع شده‌ی انکار سرویس (DDoS) شده است. ما در این مقاله، یک چارچوب تضعیف DDoS برای اینترنت اشیاء با استفاده از رایانش مه ارائه می‌دهیم تا تشخیص سریع و دقیق این حمله‌ها را تضمین کند. مه منابعی را برای استقرار موثر چارچوب تضعیفی فراهم می‌کند، این امر مشکل کمبود منابع در دستگاه‌های با منابع محدود اینترنت اشیاء را حل می‌کند. چارچوب تضعیف از یک روش تشخیص نفوذ مبتنی بر ناهنجاری و یک پایگاه‌داده استفاده می‌کند. پایگاه‌داده امضاهای حملات شناسایی شده قبلی را ذخیره می‌کند در حالی که روش تشخیص مبتنی بر ناهنجاری از الگوریتم دسته‌بندی k-NN برای شناسایی حمله‌های DDoS استفاده می‌کند. با استفاده از یک پایگاه‌داده شامل امضاهای حمله‌ها، هنگامی که همان نوع حمله دوباره اجرا می‌شود، می‌توان حمله‌ها را سریعتر شناسایی نمود. ارزیابی‌ها با استفاده از یک مجموعه‌داده‌ی مبتنی بر DDoS نشان می‌دهد که الگوریتم دسته‌بندی k-NN پیشنهادی برای چارچوب ما به دقت رضایت‌بخشی در تشخیص حمله‌های DDoS دست یافته است.    

کلمات کلیدی: اینترنت اشیاء (IoT)؛ کاهش ناهنجاری؛ DDoS؛ رایانش مه؛ الگوریتم دسته‌بندی.

برای مشاهده مقالات رایگان می توانید به این صفحه مراجعه کنید.