
جمع آوری کلان داده مقیاس پذیر با حفظ حریم خصوصی در شبکه WSN
در این بخش پروژه شبیه سازی مکانیزم جمع آوری کلان داده مقیاس پذیر با حفظ حریم خصوصی در شبکه حسگر بی سیم (WSN) با نرم افزار MATLAB به همراه کامنت گذاری کدها آماده کرده ایم که بر اساس مقاله معتبر و ISI با عنوان Scalable privacy-preserving big data aggregation mechanism انجام شده است. در ادامه توضیحاتی از چکیده مقاله و پروژه ارائه شده و فیلم و تصاویر خروجی پروژه در محیط متلب به همراه لینک دانلود رایگان مقاله پایه قرار داده شده است.
معرفی مقاله
از آنجا که داده های عظیم تولید شده توسط شبکه های حسگر بی سیم (WSN) مقیاس بزرگ اخیرا به بخشی ضروری از موضوع کلان داده ها (Big Data) تبدیل شده، بحث جمع آوری، ذخیره، انتقال و تجزیه و تحلیل داده های بزرگ سنس شده از محیط، توجه محققان بسیاری را به خود جلب کرده است. در این مقاله با در نظر گرفتن الزامات حفظ حریم خصوصی در شبکه های حسگر بی سیم مقیاس بزرگ و تمرکز بر روی جمع آوری داده های عظیم با انرژی کارآمد از حسگرها، یک روش جمع آوری داده های بزرگ مقیاس پذیر با حفظ حریم خصوصی (Sca-PBDA) در شبکه حسگر بی سیم (Wireless Sensor Networks) ارائه شده است.

شکل جمع آوری داده ها با حفظ حریم خصوصی بین خوشه ای
معرفی پروژه و نتایج شبیه سازی
در مرحله اول از سناریو پروژه، با توجه به ساختار گرادینت توپولوژی از پیش تعیین شده، گره های حسگر در یک شبکه خوشه بندی شده تقسیم می شوند. در مرحله بعد، داده های سنس شده توسط هر گره با توجه به پیام پیکربندی حفظ حریم خصوصی دریافت شده از سینک اصلاح می شوند. سپس داده های جمع آوری شده درون خوشه ای در طول فاز گزارش داده به سنسور بزرگ به کار گرفته می شود تا از این طریق مصرف انرژی کاهش یابد. در نهایت، نتایج جمع آوری شده توسط سینک برای تکمیل جمع آوری داده های بزرگ و حفظ حریم خصوصی بازیابی می شوند.

شکل بازیابی نتایج جمع آوری شده
نتایج شبیه سازی در نرم افزار MATLAB اثربخشی و مقیاس پذیری روش Sca-PBDA را تأیید می کند و نشان می دهد که داده های بزرگ سنس شده و تولید شده توسط شبکه حسگر بی سیم در مقیاس بزرگ، به طور مؤثری برای کاهش مصرف منابع شبکه جمع آوری می شوند و حریم خصوصی داده های سنس شده از محیط بطور مؤثر محافظت می شود تا نیازهای رو به رشد اپلیکیشن حفظ گردد.













































هیچ نظری ثبت نشده است