چارچوب امنیتی مبتنی بر زنجیره بلوکی و یادگیری عمیق برای اینترنت اشیا هوشمند مجهز به مخابرات نسل پنجم

اخیرا، بسیاری از برنامه های کاربردی اینترنت اشیا، مانند حمل و نقل هوشمند، مراقبت های بهداشتی، و تجربیات واقعیت مجازی و افزوده، با فناوری نسل پنجم (۵G) برای افزایش کیفیت خدمات (QoS) و تجربه کاربر ظهور کرده اند. انقلاب اینترنت اشیا مجهز به ۵G از ویژگی های متمایز از جمله تاخیر کمتر، ظرفیت سیستم بالاتر، سرعت داده بالا و صرفه جویی در مصرف انرژی پشتیبانی می کند. با این حال، چنین انقلابی افزایش قابل توجهی را در تولید داده ایجاد می کند که بیشتر منجر به نیاز اصلی عملیات تحلیل داده هوشمند و موثر در سراسر شبکه می شود. علاوه بر این، رشد داده ها باعث نگرانی های امنیت داده ها و حفظ حریم خصوصی مانند نقض و از دست دادن داده های حساس می شود. روش های متداول تجزیه و تحلیل داده ها و روش های امنیتی، الزامات اینترنت اشیاء مجهز به ۵G از جمله ویژگی منحصر به فرد آن در تاخیر کم و توان عملیاتی بالا را برآورده نمی کنند. در این مقاله، ما یک چارچوب امنیتی مبتنی بر یادگیری عمیق (DL) و بلاک چین برای اینترنت اشیاء هوشمند مجهز به ۵G پیشنهاد می کنیم که از شایستگی DL برای عملیات تجزیه و تحلیل داده های هوشمند و بلاک چین برای امنیت داده ها استفاده می کند. معماری سلسله مراتبی چارچوب که در آن عملیات DL و بلاک چین در چهار لایه ابر، مه، لبه و کاربر ظاهر می شوند، ارائه می شود. این چارچوب شبیه سازی و تحلیل می شود و از معیارهای استاندارد مختلف تاخیر، دقت و امنیت برای نشان دادن اعتبار آن در کاربردهای عملی استفاده می کند.

کلیدواژه ها:

تشخیص حملات امنیتی ، محاسبات لبه ، محاسبات مه ، بلاک چین ، شبکه های نرم افزاری تعریف شده.