دانلود مقاله مکانیسم جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی متعادل
تعداد کلمات فایل انگلیسی:5551 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:20 صفحه word فونت 14 B Nazanin
مکانیسم جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی متعادل
واژه های کلیدی
سنسور بزرگ داده، روش ذخیره سازی خصوصی، جمع آوری داده، روش خوشه ای مبتنی بر گرادیانت
چکیده
همانطور که سنسور دادۀ مجهولِ تولید شده ازشبکه های سنسور بی سیم با مقیاس گسترده اخیرآ به بخش غیر لاینفکِ “دادۀ بزرگ” تبدیل شده است، مجموعه، ذخیره سازی، انتقال و تحلیل سنسور بزرگ داده مورد توجه بیشتر محققان بوده است. در این فصل هدفِ نیازهای خصوصیِ این شبکه های مقیاس گسترده و تمرکز بر مجموعۀ انرژی سنسور بزرگ داده، و روش جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی پیشنهاد شده است. ابتدا براساس گرادیانت از پیش ایجاد شده برای ساختار چندگانه، گرههای سنسور در شبکه به خوشه ها تقسیم شده اند. دوم، دادۀ سنسور توسط هر گره براساس پیغام ساختاری ذخیره سازی خصوصیِ دریافت شده از سینک تغییر یافته است. سپس جمع آوری دادۀ فرا خوشه ای و درون خوشه ای درطول مراحل گزارش سنسور بزرگ داده بمنظور کاهش مصرف انرژی بکار رفته است. درنهایت نتایج جمع آوری شده توسط سینک بطرف جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی ارائه شده اند.نتایج شبیه سازی شده در توان و راندمانPBDA معتبر هستند و نشان میدهند که سنسور بزرگ دادۀِ جمع آوری شده توسط شبکه های مقیاس گسترده بطور اثربخشی جهت کاهش مصرف منابع جمع آوری شده است و سنسور دادۀ خصوصی نیز بطور اثربخشی بمنظور رویارویی با نیازهای روبه رشد اپلیکیشن حفظ شده است.
Scalable privacy-preserving big data aggregation mechanism
ABSTRACT
As the massive sensor data generated by large-scale Wireless Sensor Networks (WSNs) recently become an indispensable part of ‘Big Data’, the collection, storage, transmission and analysis of the big sensor data attract considerable attention from researchers. Targeting the privacy requirements of large-scale WSNs and focusing on the energy-efficient collection of big sensor data, a Scalable Privacy-preserving Big Data Aggregation (Sca-PBDA) method is proposed in this paper. Firstly, according to the pre-established gradient topology structure, sensor nodes in the network are divided into clusters. Secondly, sensor data is modified by each node according to the privacy-preserving configuration message received from the sink. Subsequently, intra- and inter-cluster data aggregation is employed during the big sensor data reporting phase to reduce energy consumption. Lastly, aggregated results are recovered by the sink to complete the privacy-preserving big data aggregation. Simulation results validate the efficacy and scalability of Sca-PBDA and show that the big sensor data generated by large-scale WSNs is efficiently aggregated to reduce network resource consumption and the sensor data privacy is effectively protected to meet the ever-growing application requirements
Keywords: Big sensor data Privacy-preserving method Data aggregation Gradient-based clustering
کد:10848
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله مکانیسم جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی متعادل
تعداد کلمات فایل انگلیسی:5551 کلمه 8 صفحه pdf
تعداد صفحات فایل ترجمه:20 صفحه word فونت 14 B Nazanin
مکانیسم جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی متعادل
واژه های کلیدی
سنسور بزرگ داده، روش ذخیره سازی خصوصی، جمع آوری داده، روش خوشه ای مبتنی بر گرادیانت
چکیده
همانطور که سنسور دادۀ مجهولِ تولید شده ازشبکه های سنسور بی سیم با مقیاس گسترده اخیرآ به بخش غیر لاینفکِ “دادۀ بزرگ” تبدیل شده است، مجموعه، ذخیره سازی، انتقال و تحلیل سنسور بزرگ داده مورد توجه بیشتر محققان بوده است. در این فصل هدفِ نیازهای خصوصیِ این شبکه های مقیاس گسترده و تمرکز بر مجموعۀ انرژی سنسور بزرگ داده، و روش جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی پیشنهاد شده است. ابتدا براساس گرادیانت از پیش ایجاد شده برای ساختار چندگانه، گرههای سنسور در شبکه به خوشه ها تقسیم شده اند. دوم، دادۀ سنسور توسط هر گره براساس پیغام ساختاری ذخیره سازی خصوصیِ دریافت شده از سینک تغییر یافته است. سپس جمع آوری دادۀ فرا خوشه ای و درون خوشه ای درطول مراحل گزارش سنسور بزرگ داده بمنظور کاهش مصرف انرژی بکار رفته است. درنهایت نتایج جمع آوری شده توسط سینک بطرف جمع آوری دادۀ بزرگِ ذخیره سازی خصوصی ارائه شده اند.نتایج شبیه سازی شده در توان و راندمانPBDA معتبر هستند و نشان میدهند که سنسور بزرگ دادۀِ جمع آوری شده توسط شبکه های مقیاس گسترده بطور اثربخشی جهت کاهش مصرف منابع جمع آوری شده است و سنسور دادۀ خصوصی نیز بطور اثربخشی بمنظور رویارویی با نیازهای روبه رشد اپلیکیشن حفظ شده است.
Scalable privacy-preserving big data aggregation mechanism
ABSTRACT
As the massive sensor data generated by large-scale Wireless Sensor Networks (WSNs) recently become an indispensable part of ‘Big Data’, the collection, storage, transmission and analysis of the big sensor data attract considerable attention from researchers. Targeting the privacy requirements of large-scale WSNs and focusing on the energy-efficient collection of big sensor data, a Scalable Privacy-preserving Big Data Aggregation (Sca-PBDA) method is proposed in this paper. Firstly, according to the pre-established gradient topology structure, sensor nodes in the network are divided into clusters. Secondly, sensor data is modified by each node according to the privacy-preserving configuration message received from the sink. Subsequently, intra- and inter-cluster data aggregation is employed during the big sensor data reporting phase to reduce energy consumption. Lastly, aggregated results are recovered by the sink to complete the privacy-preserving big data aggregation. Simulation results validate the efficacy and scalability of Sca-PBDA and show that the big sensor data generated by large-scale WSNs is efficiently aggregated to reduce network resource consumption and the sensor data privacy is effectively protected to meet the ever-growing application requirements
Keywords: Big sensor data Privacy-preserving method Data aggregation Gradient-based clustering
کد:10848
دانلود رایگان فایل انگلیسی:
رمز فایل:www.downloadmaghaleh.com