A Privacy Preserving Analytics for Internet of Things Data Using Generative Adversarial Networks "GANS"
| المؤلف الرئيسي: | Shariah, Majd Ahmad (Author) |
|---|---|
| مؤلفين آخرين: | Malkawi, Rami (Advisor), AlEroud, Ahmed (Advisor) |
| التاريخ الميلادي: |
2020
|
| موقع: | إربد |
| الصفحات: | 1 - 79 |
| رقم MD: | 1189826 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
28
| المستخلص: |
يعد إنترنت الأشياء (IoT) في الوقت الحاضر واحد من المجالات الواسعة الانتشار التي تسمح بجمع البيانات ومشاركتها، وهي تدخل بسرعة في العديد من جوانب حياتنا اليومية. حيث يتزايد عدد الأجهزة المتصلة ببيئة إنترنت الأشياء. تبدأ أجهزة إنترنت الأشياء في تسجيل كل حركة في حياتنا اليومية، وفي الوقت نفسه، تصبح مشكلات انتهاكات الخصوصية ذات الصلة واقعية. هذا يعني أن هناك خطرا كبيرا يتطور في إنشاء البيانات وتخزينها ونقلها عبر كائنات إنترنت الأشياء. لذلك، اقترحت الدراسات عدة طرق للحفاظ على الخصوصية تهدف إلى توفير مستوى متقدم من الدقة. ومع ذلك، فإن بيانات إنترنت الأشياء تنمو بشكل كبير مما يؤدي إلى انخفاض كفاءة أداء مثل هذه الأساليب الحالية. إلى هذه النقطة، اقترحت هذه الدراسة نموذجا توليدي يعتمد على شبكة الخصومة التوليدية (GAN) جنبا إلى جنب مع أداء تعلم آلي مختلف خاضع للإشراف مثل Random Forest (RF) وSupport Vector Machine (SVM) وK-Nearest Neighbor (KNN). تم قياس أداء النموذج المقترح من خلال عدة معايير مثل دقة التصنيف والدقة والاسترجاع والمنطقة الواقعة تحت المنحنى (AUC) وF-score نتيجة لذلك، أظهر النموذج المقترح أداء رائعا من حيث الدقة. حيث كانت أعلى درجات الدقة التي حصلت عليها KNN %100 و99%، وSVM كانت 100% و98%، وRF كانت 100% و99%، لمجموعات البيانات الأصلية والمولدة على التوالي. علاوة على ذلك، تم توفير نتائج الخصوصية لـ 152 مجموعة بيانات مختلفة، وكانت أفضل نتيجة خصوصية تم الحصول عليها 1.13 في 80 حقبة. من ناحية أخرى، يمكن استخدام النموذج المقترح لأغراض خصوصية إنترنت الأشياء. |
|---|
عناصر مشابهة
-
Generating Arabic Letters Using Generative Adversarial Networks (GANs)
بواسطة: Chebouat, Abderrahmane منشور: (2019) -
Ransomware Attacks Detection Using Auxiliary Classifier Generative Adversarial Network
بواسطة: الهاشمي، عبدالله حمد سعيد منشور: (2022) -
Privacy Preserving Network Trace Analytics using Anti-Injection Anonymization Approaches
بواسطة: الحسين، نور خميس منشور: (2017) -
Evasion of Phishing Detection Techniques Using Generative Adversarial Deep Learning Networks
بواسطة: القرشي، راية محمد منشور: (2021) -
Secure Internet of Things Framework
بواسطة: المومني، حسام مفضي منشور: (2019)
