مقاله انگلیسی شناسایی نزدیکی انعطاف پذیر و حفظ حریم خصوصی در شبکه اجتماعی سیار (2018 الزویر)

نمایندگان سایت های شبکه اجتماعی مانند فیس بوک [2] و توییتر [3،4] به سرعت در حال رشد سریع اینترنت و شبکه های اجتماعی هستند. و تعداد کاربران در حال افزایش است در معرض خطر. امروزه، کاربران بیشتر و بیشتر از سرویس تشخیص مجاورت مانند “مردم در مجاورت”، “رستوران های مجاور” استفاده می کنند، که تشخیص مجاورت شبکه اجتماعی تلفن همراه یک سرویس اساسی می شود. روش های تشخیص سنتی نزدیکی نیاز به ارسال اطلاعات مکان خود را به سرور موقعیت مکانی برای پیدا کردن همسایگان خود. این رویکرد زمانی ناامن است که سرور موقعیت مکانی غیرقابل اعتماد است. به عنوان مثال، اگر سرور موقعیت مکانی آسیب پذیری امنیتی و یا اطلاعات مکانی کاربر در مورد سوءاستفاده های فردی باشد، حریم خصوصی مکان های کاربران افشا خواهد شد. به منظور حل مشکلات روش های تشخیص نزدیکی سنتی، ما روش جدیدی را برای تشخیص مجدد حفظ حریم خصوصی جدید ارائه می دهیم. به طور خاص، به جای استفاده از مکان های کاربران برای پیدا کردن همسایگان خود، روش پیشنهادی سیگنال های بلوتوث را به عنوان مرجع کشف همسایگی دریافت می کند. به طور خاص، کاربران می توانند همسایگان خود را با تعیین اینکه آیا فهرست کاربران مرزی در نزدیکی یک مورد رایج است پیدا می کند. علاوه بر این، ما همچنین دو مکانیزم توزیع کننده – مکانیزم چرخش نوک بیکن و مکانیسم مسابقه بیکن – برای تعیین روش ارسال سیگنال های نوک های نوک انگشتی ارائه می دهیم. به طور خاص، در مکانیزم های ارائه شده، هر کاربر ارتقاء و سرویس های تلفن همراه به عنوان یک گره Beacon. برای تسهیل استفاده از دیگر کاربران برای پیدا کردن همسایگان خود، این گره های Beacon به طور دوره ای سیگنال های چراغ را ارسال می کنند (به عنوان مثال، مراجع).

توجه؛ (این ترجمه توسط نرم افزار انجام شده و ویرایش نشده است و احتمال وجود اشتباه در آن وجود دارد. در صورت ثبت سفارش، ترجمه توسط مترجمین مجرب انجام خواهد شد. برای مشاهده نمونه ترجمه های تخصصی و اخیر مترجمین جهت اطمینان از کیفیت ترجمه، اینجا کلیک نمایید.)

1.Introduction

Driven by the rapid development of mobile Internet and social networks [1], the representatives of the social network sites like Facebook [2] and Twitter [3,4] grow fast. And the number of users is growing at an alarming rate. Nowadays, more and more users use the proximity detection service such as ‘‘people in the vicinity’’, ‘‘nearby restaurants’’, which make the proximity detection becomes a basic service in mobile social network. The traditional proximity detection methods require users to submit their location information to the location server in order to find their neighbors. This approach is unsafe when the location server is an untrusted one. For instance, if the location server has security vulnerability or the insider abuses users’ location information, the location privacy of users will be disclosed. In order to solve the problems of traditional proximity detection methods, we propose a novel privacy-preserving proximity detection method. Specifically, instead of using users’ locations to find their neighbors, the proposed method takes beacon signals as a reference of neighbor discovery. More specifically, users can find their neighbors by determining whether users’ nearby reference lists have a common item. In addition, we also present two distributed mechanisms – Beacon Node Rotating Mechanism and Beacon Node Competition Mechanism – to determine the ways of transmitting signals of beacon nodes. Specifically, in the presented mechanisms, each mobile user upgrades and services as a beacon node. For facilitating other users to find their neighbors, these beacon nodes send beacon signals (i.e., the references) periodically.