حفظ حریم خصوصی مبتنی بر یادگیری عمیق و تجزیه و تحلیل داده ها برای مراقبت های بهداشتی فعال اینترنت اشیا

دانلود پروپوزال آماده

عنوان فارسی پروپوزال حفظ حریم خصوصی مبتنی بر یادگیری عمیق و تجزیه و تحلیل داده ها برای مراقبت های بهداشتی فعال اینترنت اشیا
عنوان انگلیسی پروپوزال Deep Learning-based Privacy Preservation and Data Analytics for IoT Enabled Healthcare
سال نگارش ۲۰۲۲
رشته مهندسی کامپیوتر – IT
قالب فایل Word
مقاله بیس دارد
لینک  مقاله بیس کلیک جهت مشاهده لینک

فهرست مطالب پروپوزال حفظ حریم خصوصی مبتنی بر یادگیری عمیق و تجزیه و تحلیل داده ها برای مراقبت های بهداشتی فعال اینترنت اشیا

جهت دانلود کلیک کنید

  1. بیان مساله اساسی تحقیق  مدیریت ریسک در پروژه   مدیریت ریسک در پروژه
  2. مرور ادبیات و سوابق مربوطه
  3. اهمیت و ضرورت انجام تحقیق
  4. اهداف مشخص تحقیق
  5. سؤالات تحقیق
  6. فرضیه ‏های تحقیق
  7. روش شناسی تحقیق
  8. متغیرهای مورد بررسی در قالب یک مدل مفهومی
  9. جنبه جدید بودن و نوآوری در تحقیق
  10. شرح کامل روش (میدانی، کتابخانه‏ای) و ابزار
  11. جامعه آماری، روش نمونه‏ گیری و حجم نمونه
  12. مراجع

 

بخشی از بیان مساله  

با توسعه اینترنت صنعتی اشیا (IIoT)، هدف مراقبت های بهداشتی هوشمند ایجاد بستری برای نظارت بر اطلاعات مربوط به سلامت کاربران بر اساس دستگاه های پوشیدنی از راه دور است. تکامل فناوری بلاک چین و هوش مصنوعی نیز پیشرفت مراقبت های بهداشتی هوشمند ایمن را ارتقا می دهد. با این حال، از آنجایی که داده ها در سرور ابری ذخیره می شوند، همچنان با خطر حمله و نشت حریم خصوصی روبرو هستند.[۱-۲] صنعت مراقبت های بهداشتی توسط اینترنت اشیا (IoT) در حال دگرگونی است، زیرا اتصال گسترده ای را بین پزشکان، دستگاه های پزشکی، کارکنان بالینی و پرستاری و بیماران فراهم می کند تا کار نظارت در زمان واقعی را ساده کند.
از آنجایی که شبکه گسترده و ناهمگون است، فرصت ها و چالش هایی در جمع آوری و به اشتراک گذاری اطلاعات ارائه می شود. با تمرکز بر اطلاعات بیمار مانند وضعیت سلامت، تجهیزات پزشکی مورد استفاده توسط چنین بیمارانی باید برای اطمینان از ایمنی و حریم خصوصی محافظت شوند. اطلاعات مراقبت های بهداشتی به طور محرمانه بین کارشناسان برای تجزیه و تحلیل مراقبت های بهداشتی و ارائه درمان به موقع برای بیماران به اشتراک گذاشته می شود. با توسعه اینترنت صنعتی اشیا (IIoT)، هدف مراقبت های بهداشتی هوشمند ایجاد بستری برای نظارت بر اطلاعات مربوط به سلامت کاربران بر اساس دستگاه های پوشیدنی از راه دور است.

حریم خصوصی مبتنی بر یادگیری

جهت دانلود کلیک کنید

تکامل فناوری بلاک چین و هوش مصنوعی نیز پیشرفت مراقبت های بهداشتی هوشمند ایمن را ارتقا می دهد. با این حال، از آنجایی که داده ها در سرور ابری ذخیره می شوند، همچنان با خطر حمله و نشت حریم خصوصی روبرو هستند. توجه داشته باشید که توجه کمی به موضوع امنیتی اطلاعات حریم خصوصی ترکیب شده در داده‌های خام جمع‌آوری‌شده از تعداد زیادی دستگاه‌های بهداشتی پوشیدنی توزیع‌شده و ناهمگن شده است.[۳-۴] برای حل این مشکل، نیاز به ارائه ی راه کاری مفید می باشد که در این پژوهش یک سیستم حفظ حریم خصوصی و تجزیه و تحلیل داده مبتنی بر یادگیری عمیق را برای مراقبت های بهداشتی مجهز به اینترنت اشیا طراحی می کنیم.
در پایان کاربر، داده‌های خام را جمع‌آوری می‌کنیم و اطلاعات حریم خصوصی کاربران را در منطقه جداسازی حریم خصوصی جدا می‌کنیم. در انتهای ابر، ما داده‌های مرتبط با سلامت را بدون اطلاعات حریم خصوصی کاربران تجزیه و تحلیل می‌کنیم و یک ماژول امنیتی ظریف بر اساس شبکه عصبی کانولوشنال (CNN) می‌سازیم. ما همچنین سیستم نمونه اولیه را مستقر کرده و ارزیابی می کنیم، جایی که آزمایش های گسترده اثربخشی و استحکام آن را ثابت می کند.

حریم خصوصی مبتنی بر یادگیری

  

برخی از مراجع

  • Singh, Saurabh, et al. “A framework for privacy-preservation of IoT healthcare data using Federated Learning and blockchain technology.” Future Generation Computer Systems ۱۲۹ (۲۰۲۲): ۳۸۰-۳۸۸٫
  • Kathamuthu, Nirmala Devi, et al. “Deep Q-Learning-Based Neural Network with Privacy Preservation Method for Secure Data Transmission in Internet of Things (IoT) Healthcare Application.” Electronics ۱۱٫۱ (۲۰۲۲): ۱۵۷٫
  • Deebak, B. D., et al. “AI-enabled privacy-preservation phrase with multi-keyword ranked searching for sustainable edge-cloud networks in the era of industrial IoT.” Ad Hoc Networks ۱۲۵ (۲۰۲۲): ۱۰۲۷۴۰٫
  • Sarrab, Mohamed, and Fatma Alshohoumi. “Assisted Fog Computing Approach for Data Privacy Preservation in IoT-Based Healthcare.” Security and Privacy Preserving for IoT and 5G Networks. Springer, Cham, 2022. 191-201.
      

دیدگاه‌ خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *