डिवाइस व्यवहार फिंगरप्रिंटिंग पर एक सर्वेक्षण: डेटा स्रोत, तकनीकें, आवेदन परिदृश्य और डेटासेट

वर्तमान नेटवर्क-आधारित कंप्यूटिंग की दुनिया में, जहां इंटरकनेक्टेड डिवाइस की संख्या तेजी से बढ़ रही है, उनकी विविधता, बग, और साइबर सुरक्षा खतरों की वृद्धि समान दर पर हो रही है। स्मार्ट शहरों, उद्योग 4.0, या क्राउडसेंसिंग जैसे नए वातावरणों के सही संचालन और प्रदर्शन को सुनिश्चित करने के लिए, उनके उपकरणों (जैसे, सेंसर, सक्रियकर्ता) की क्षमताओं की पहचान करना और संभावित गलत व्यवहार का पता लगाना महत्वपूर्ण है जो साइबर हमलों, प्रणालीFaults, या गलत कॉन्फ़िगरेशन के कारण उत्पन्न हो सकता है। इस लक्ष्य के साथ, एक आशाजनक अनुसंधान क्षेत्र उभरा जो डिवाइस क्रियाओं और इसके घटकों के व्यवहार को मॉडल करने वाले फिंगरप्रिंट बनाने और प्रबंधित करने पर ध्यान केंद्रित करता है। यह लेख उपकरण व्यवहार फिंगरप्रिंटिंग क्षेत्र की हाल की वृद्धि का अध्ययन करता है, जिसमें आवेदन परिदृश्य, व्यवहारिक स्रोत और प्रसंस्करण और मूल्यांकन तकनीकें शामिल हैं। सबसे पहले, यह उपकरण प्रकारों, व्यवहारात्मक डेटा, और प्रसंस्करण और मूल्यांकन तकनीकों की एक व्यापक समीक्षा करता है जो दो प्रमुख परिदृश्यों: उपकरण पहचान और उपकरण गलत व्यवहार का पता लगाने से निपटने वाले सबसे हालिया और प्रतिनिधि अनुसंधान कार्यों द्वारा उपयोग की जाती हैं। इसके बाद, प्रत्येक कार्य का गहराई से विश्लेषण और तुलना की जाती है, इसके गुण, लाभ और सीमाओं पर जोर दिया जाता है। यह लेख शोधकर्ताओं को मौजूदा डेटासेट के सबसे प्रासंगिक गुणों की समीक्षा भी प्रदान करता है क्योंकि अधिकांश नए प्रसंस्करण तकनीकें मशीन लर्निंग और डीप लर्निंग पर आधारित हैं। अंत में, यह इन दो परिदृश्यों के विकास का अध्ययन करता है, सीखें, वर्तमान रुझान, और भविष्य के शोध चुनौतियों को प्रदान करता है ताकि इस क्षेत्र में नए समाधानों को मार्गदर्शन किया जा सके।