آمار
| تعداد نشریات | 36 |
| تعداد شماره‌ها | 1,192 |
| تعداد مقالات | 8,579 |
| تعداد مشاهده مقاله | 6,988,697 |
| تعداد دریافت فایل اصل مقاله | 4,032,538 |
ارائه‌ی مدلی جهت بررسی امکان استفاده از شبکه‌ی اجتماعی اینترنت اشیاء با استفاده از زیرساخت‌های موجود شبکه‌های اجتماعی عمومی | ||
| پدافند الکترونیکی و سایبری | ||
| مقاله 6، دوره 10، شماره 1 - شماره پیاپی 37، خرداد 1401، صفحه 73-84 اصل مقاله (963.98 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| مقداد آینه بند* 1؛ مهدی حسین زاده2؛ هومن ضرابی3؛ سعید گرگین4 | ||
| 1استادیار، واحد ماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران | ||
| 2استادیار، دانشگاه علوم پزشکی ایران، تهران، ایران | ||
| 3استادیار، مرکز تحقیقات مخابرات ایران، تهران، ایران | ||
| 4دانشیار، سازمان پژوهش‌های علمی و صنعتی ایران، تهران، ایران | ||
| تاریخ دریافت: 25 اردیبهشت 1400، تاریخ بازنگری: 06 آبان 1400، تاریخ پذیرش: 22 آذر 1400 | ||
| چکیده | ||
| به‌کارگیری از زیرساخت شبکه‌ی اجتماعی جهت کاهش هزینه‌های پروژه‌های اینترنت اشیاء، دارای چالش‌هایی نیز به همراه مزایای این طراحی نوین است. این پژوهش، یک سامانه‌ی تشخیص/پیش‌بینی رویدادها بر پایهی الگویی پیشنهادی است که نسبت به پژوهش پیشین نگاه ریزبین‌تری به این روش داشته است و چگونگی به‌کارگیری از این سامانه را در سناریوهای گوناگون با دقت بیشتری بررسی نموده است. شرایطی همچون اندازه‌ی شبکه، مدت زمان میان دو نمونه‌برداری از شرایط و ارسال آن به سرور ذخیره‌سازی داده‌ها و محدودیت دریافت داده از طریق شبکه‌های اجتماعی معمول از شرایطی است که این پژوهش به آن پرداخته است. شرایط به‌کارگیری شبکه‌های اجتماعی به‌عنوان محل ذخیره و بازیابی اطلاعات ارسال‌شده، جهت کاهش هزینه مورد کاوش قرارگرفته است. نتایج پژوهش نشان می‌دهد با استفاده از روش‌هایی همچون افزایش چندین حساب کاربری و کاهش تعداد ارسال نمونه در ثانیه می‌توان از زیرساخت شبکه‌های اجتماعی موجود به‌عنوان زیرساخت پروژه‌های کلان اینترنت اشیاء بهره برد. | ||
| کلیدواژه‌ها | ||
| اینترنت اشیا؛ شبکه اجتماعی؛ تشخیص وقایع؛ پیش بینی وقایع | ||
| عنوان مقاله [English] | ||
| Presentation of a model for feasibility assessment of implementing the IoT social network projects using the existing public social networks as the infrastructure | ||
| نویسندگان [English] | ||
| Meghdad Aynehband1؛ Mehdi Hosseinzadeh2؛ Houman Zarrabi3؛ Saeid Gorgin4 | ||
| 1Instructor, Mahshahr Branch, Islamic Azad University, Mahshahr, Iran | ||
| 2Assistant Professor, Iran University of Medical Sciences, Tehran, Iran | ||
| 3Assistant Professor, Iran Telecommunication Research Center, Tehran, Iran | ||
| 4Associate Professor, Scientific and Industrial Research Organization of Iran, Tehran, Iran | ||
| چکیده [English] | ||
| The novel approach of using social networks as the infrastructure to reduce the cost of IoT projects has challenges as well as benefits. This research provides a method for designing an event detection / prediction system based on the proposed model, which in comparison to the previous researches, takes a closer look at this system and, examines the conditions of using this system in various scenarios more carefully. The network size, the time measurement between two samplings of conditions and its transmission to the data storage server, and the limitation of receiving data by common social networks’ APIs are some of the conditions that this research has addressed. For the purpose of cost reduction, we have investigated using social networks as the means of storage and retrieval of the generated data by the IoT projects. Obviously, the use of this infrastructure will have undesirable side effects. This study has examined these side effects and presented a compromise between the cost reduction and the undesirable side effects. The results show that by using methods such as increasing multiple accounts and reducing the number of samples sent per second, the existing social network infrastructure can be used as the infrastructure of large IoT projects. | ||
| کلیدواژه‌ها [English] | ||
| Internet of Things, Social Networks, Cost Reduction, Event Detection, Event prediction | ||
| مراجع | ||
|
[1] J. Pashaei Barbin, S. Yousefi, and B. Masoumi, “Navigation in the social internet-of-things (SIoT) for discovering the influential service-providers using distributed learning automata,” J. Supercomput., pp. 1–28, Mar. 2021. [2] M. Aynehband, M. Hosseinzadeh, H. Zarrabi, and S. Gorgin, “Accuracy and availability modeling of social networks for Internet of Things event detection applications,” Wirel. Networks, vol. 25, no. 7, 2019. [3] L. Atzori, A. Iera, G. Morabito, and M. Nitti, “The social internet of things (SIoT) - When social networks meet the internet of things: Concept, architecture and network characterization,” Comput. Networks, vol. 56, no. 16, pp. 3594–3608, 2012. [4] L. Atzori, A. Iera, and G. Morabito, “SIoT: Giving a Social Structure to the Internet of Things,” IEEE Commun. Lett., vol. 15, no. 11, pp. 1193–1195, Nov. 2011. [5] and G. M. L. Atzori, A. Iera, “Making things socialize in the Internet—Does it help our lives?,” Proc. ITU Kaleidosc. Fully Networked Human?—Innovations Futur. Networks Serv., pp. 1–8, 2011. [6] A. M. Ortiz, D. Hussein, S. Park, S. N. Han, and N. Crespi, “The Cluster Between Internet of Things and Social Networks: Review and Research Challenges,” IEEE Internet Things J., vol. 1, no. 3, pp. 206–215, Jun. 2014. [7] A. Pintus, D. Carboni, and A. Piras, “PARAIMPU: A platform for a social web of things,” in Proceedings of the 21st international conference companion on World Wide Web - WWW ’12 Companion, 2012, p. 401. [8] D. Guinard, M. Fischer, and V. Trifa, “Sharing using social networks in a composable Web of Things,” in 2010 8th IEEE International Conference on Pervasive Computing and Communications Workshops (PERCOM Workshops), 2010, pp. 702–707. [9] I. Lequerica, M. Longaron, and P. Ruiz, “Drive and share: efficient provisioning of social networks in vehicular scenarios,” IEEE Commun. Mag., vol. 48, no. 11, pp. 90–97, Nov. 2010. [10] N. Mäkitalo et al., “Social devices: collaborative co-located interactions in a mobile cloud,” in Proceedings of the 11th International Conference on Mobile and Ubiquitous Multimedia - MUM ’12, 2012, p. 1. [11] H. Saberi, M. R. Kangavari, and M. R. H. Ahangar, “Providing an Agent-Based Architecture for Semantic Mining From Large-Scale Data in Distributed Environments,” J. Electron. Cyber Def., vol. 8, no. 3, pp. 83–99, 2020. (in persian) [12] M. Hasan, M. A. Orgun, and R. Schwitter, “A survey on real-time event detection from the Twitter data stream,” J. Inf. Sci., no. November 2015, p. 016555151769856, 2017. [13] M. Shahossein and Aminoallah Mahabadi, “Concurrent Detection of Condense Anomalous Subgraphs in Large Social Networks,” Electron. Cyber Def., vol. 9, no. 2, pp. 179–194, 2021.(in persian) [14] L. Atzori, D. Carboni, and A. Iera, “Smart things in the social loop: Paradigms, technologies, and potentials,” Ad Hoc Networks, vol. 18, pp. 121–132, Jul. 2014. [15] C. Zhang, C. Cheng, and Y. Ji, “Architecture design for social web of things,” in Proceedings of the 1st International Workshop on Context Discovery and Data Mining - ContextDD ’12, 2012, p. 1. [16] A. Ciortea, O. Boissier, A. Zimmermann, and A. M. Florea, “Reconsidering the social web of things,” in Proceedings of the 2013 ACM conference on Pervasive and ubiquitous computing adjunct publication - UbiComp ’13 Adjunct, 2013, pp. 1535–1544. [17] M. Mohammadrezaei, “Detecting Fake Accounts on Social networks using Principal Components Analysis and Algorithm Kernel Density Estimation (A case study on the Twitter social network),” Electron. Cyber Def., 2021. (in persian) [18] C. L. Henley, “Statics of a ‘self-organized’ percolation model,” Phys. Rev. Lett., vol. 71, no. 17, pp. 2741–2744, Oct. 1993. [19] J. Chaharlang, M. Mosleh, and S. R. Heikalabad, “Proposing a New and Comprehensive Method for Quantum Representation of Digital Audio Signals,” J. Electron. Cyber Def., vol. 8, no. 4, pp. 139–152, 2021. | ||
|
آمار تعداد مشاهده مقاله: 516 تعداد دریافت فایل اصل مقاله: 201 |
||