پروپوزال حفظ حریم خصوصی داده های مراقبت های بهداشتی اینترنت اشیا در شهر هوشمند با استفاده از یادگیری ماشین و بلاک چین

این پروپوزال دارای مقاله بیس میباشد که قابل مشاهده و دانلود می باشد

فهرست مطالب پروپوزال حفظ حریم خصوصی داده های مراقبت های بهداشتی اینترنت اشیا در شهر هوشمند با استفاده از یادگیری ماشین و بلاک چین

1. بیان مساله اساسی تحقیق
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

تحقق امنیت و حریم خصوصی شهرهای هوشمند مجهز به اینترنت اشیا مستلزم انجام تلاش های هماهنگ است که چالش های فنی، اجتماعی و قانونی را برطرف می کند. مفهوم شهر هوشمند در سطح جهان توجه زیادی را به خود جلب کرده است. علاوه بر برنامه ی جهانی شهرهای هوشمند متحد و طرح ابتکاری مشارکت نوآوری اروپا در شهرها و جوامع هوشمند در سطح اتحادیه ی اروپا، تلاش های دیگری اخیراً انجام شده اند که عبارتند از: مشارکت در تحول دیجیتال دستورالعمل شهری برای اتحادیه ی اروپا و طرح ابتکاری شهرهای دیجیتال که اخیراً در برنامه ی ۱۰۰ چالش شهر دیجیتال مطرح شده اند[۱].
با گسترش چشمگیر اینترنت اشیا و ارتباطات، داده ها همیشه اولویت اصلی برای دستیابی به مراقبت های بهداشتی هوشمند در یک شهر هوشمند بوده است. برای محیط مدرن، دارایی های ارزشمند، داده های اینترنت اشیا کاربر است. سیاست حفظ حریم خصوصی حتی بزرگترین نیاز برای ایمن سازی داده های کاربر در یک زیرساخت اساسی ریشه دار شبکه و برنامه های کاربردی پیشرفته، از جمله مراقبت های بهداشتی هوشمند است.

یکی از مشکلاتی که در حوزه ی سلامت و افزایش خدمات رسانی به بیمار به وجود آمده است شکاف ارتباطی و حفظ حریم خصوصی در شهر هوشمند می باشد[۲-۳].

همچنین مشکلات بهداشتی عمدتا در کشورهای پرجمعیت افزایش می یابد زیرا جمعیت روز به روز افزایش می یابد و نیاز به کمک به بیماران روز به روز افزایش می یابد. تقاضا برای مراقبت با کیفیت بالا نیز توسط مردم افزایش می یابد، در حالی که نیاز به کاهش هزینه های درمان می باشد.
اینترنت اشیاء (IoT) توسط فناوری‌های ناهمگن مشخص می‌شود، که با توجه به خدمات نوآورانه در حوزه‌های نرم افزاری مختلف روی می‌دهد. در این سناریو، رضایتمندی از الزامات امنیت وحریم خصوصی نقش مهمی را ایفا می‌کند.

چنین الزاماتی شامل محرمانه بودن اطلاعات و نحوه ی مدیریت داده ها و ذخیره سازی اطلاعات و احراز هویت، کنترل بر دسترسی در شبکه IoT، حریم خصوصی و اعتماد در میان کاربران و اشیاء، و تقویت سیاست‌های امنیتی و خصوصی می‌باشد. اقدامات متقابل امنیتی مرسوم به سبب استانداردهای مختلف و حجم‌های ارتباطات موجود، نمی‌توانند بطور مستقیم در فناوری‌های IoTاعمال شود[۴-۵].
علاوه براین، تعداد بالای دستگاه‌های متصل مسئله مقیاس پذیری را بودجود می‌آورد؛ بنابراین، یک زیر ساخت انعطاف پذیر لازم است که باید برای مقابله با تهدیدات امنیتی در چنین محیط داخلی توانا باشد. اخیراً ، فناوری blockchain در جهت افزایش امنیت ، حفظ حریم خصوصی و قابلیت اطمینان داده ها ، مورد توجه پژوهشگران و محققان صنعت قرار گرفته است.
Blockchain لیست های توزیع شده و غیرقابل تغییر برای ارتباطات IoT فراهم می آورد. همچنین پشتیبانی داخلی رمزنگاری شده برای معاملات بین دستگاه ها و اشخاص دیگر ، و قراردادهای هوشمند برای اجرای برنامه های خودکار در صورت برآورده شدن شرایط خاص ارائه می دهد (Dedeoglu و همکاران، ۲۰۲۰). یادگیری فدرال به عنوان یک تکنیک ویژه یادگیری ماشین برای حفظ حریم خصوصی عمل می کند و ارائه می دهد تا داده ها را در یک شهر هوشمند

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 (2024): 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 (2023): 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 (2023): 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.