Abstract
As cloud computing is being widely adopted for big data processing, data security is becoming one of the major concerns of data owners. Data integrity is an important factor in almost any data and computation related context. It is not only one of the qualities of service, but also an important part of data security and privacy. With the proliferation of cloud computing and the increasing needs in analytics for big data such as data generated by the Internet of Things, verification of data integrity becomes increasingly important, especially on outsourced data. Therefore, research topics on external data integrity verification have attracted tremendous research interest in recent years. Among all the metrics, efficiency and security are two of the most concerned measurements. In this paper, we will bring forth a big picture through providing an analysis on authenticator-based data integrity verification techniques on cloud and Internet of Things data. We will analyze multiple aspects of the research problem. First, we illustrate the research problem by summarizing research motivations and methodologies. Second, we summarize and compare current achievements of several of the representative approaches. Finally, we introduce our view for possible future developments
چکیده
هرچه محاسبات ابری به طور گسترده تری برای پردازش داده های بزرگ تطابق می یابد، امنیت داده ها یکی از نگرانیهای بزرگ برای داده ها می شود. یکپارچگی داده ها عامل مهمی در اغلب داده ها و محاسبات محتوای مرتبط با هم است.آن تنها یکی از خصوصیات خدمات نیست، بلکه بخش مهمی از امنیت و حریم خصوصی است. با توسعه محاسبات ابری و افزایش نیاز به تحلیل داده های بزرگ همانند داده های تولید شده توسط اینترنت اشیاء، تصدیق یکپارچگی داده ها به طور فزاینده ای اهمیت یافت، به خصوص در داده های با منبع خارجی. بنابراین، موضوع پژوهش روی تصدیق یکپارچگی داده های خارجی، علایق پژوهشی زیادی را در سال های اخیر جلب کرده است. در میان همه ی شاخص ها، بهرو وری و امنیت دو تا از اندازه گیری های حائز اهمیت هستند. در این مقاله، ما تصویر بزرگی را از طریق تحلیل روی تکنیکهای تصدیق یکپارچگی داده های مبتنی بر اعتبار سنج در داده های ابری و اینترنت اشیاء را پیش خواهیم آورد. ما ابعاد مختلفی از موضوع پژوهش را تحلیل خواهیم کرد. اول، مسئله پژوهش با خلاصه سازی انگیژه پژوهش و اسلوب شناسی را نمایش می دهیم. دوم، دستاوردهای فعلی چندین رویکرد نمایشی را خلاصه سازی و مقایسه کردیم. نهایتا، ما دیدگاه خود برای توسعه های ممکن آینده را معرفی می کنیم.
1-مقدمه
داده های بزرگاز سوی گروه های حرفه ای تقریبا از همه ی صنایج مورد توجه قرار می گیرند. به عنوان مثال تحقیقات علمی کاوش نفت و گاز (زیست شناسی، شیمی، فیزیک)، شبکه های اجتماعی آنلاین (توئیتر، فیس بوک) داده های چند رسانه ای، تراکنش های تجاری) نمونه هایی از آن هستند. با توده ای از داده های جمع آوری شده از دستگاه های جمع آوری داده های بسیارکارآمد و نیز ذخیره شده در سخت افزارهای ذخیره سازی سریع، مردم مشتاق به یافتن روش هایی برای ذخیره و پردازش کارآمد تر داده ها و بررسی توده های داده ای بیشتری در همان زمان هستند، هنگام رجوع به مسائل |پژوهشی داده های بزرگ، افراد اغلب 4 بعد – حجم، سرعت، تنوع و مقدار را می آورند. این نام های تجاری متنوع ذکر شده دانشمندان کامپوتر امروزی را به چالش دعوت می کنند...