سرویس ابری (مقاله رایگان pdf)

چکیده

           سرویس های ابری پیچیده برای مواجهه با حجم کارها و تغییرات مورد نیاز پویا بر فرآیندهای کنترل مختلف کشش متکی هستند. با این حال، اجرای فرآیند کنترل کشش در یک سرویس ابری به دلیل پیچیدگی ساختار سرویس، راهبردهای استقرار، و پویایی اصولی زیرساخت، از نظر کیفیت یا هزینه همیشه منجر به بهره وری بهینه نمی شود. بنابراین توانایی پیشین در برآورد و ارزیابی رابطه بین رفتار کشش سرویس ابری و فرآیندهای کنترل کشش برای انتخاب زمان اجرای فرآیند های مناسب کنترل کشش حیاتی است. در این مقاله، ADVISE را با چارچوبی برای ارزیابی و برآورد رفتار کشش سرویس ابری ارائه می کنیم. ADVISE ، ساختار سرویس، استقرار، زمان اجرای سرویس، فرآیندهای کنترل و اطلاعات زیرساخت ابری را جمع آوری می کند. بر اساس این اطلاعات، ADVISE  از تکنیک های دسته بندی استفاده می کند تا رفتار کشش ابری که با کنترل کشش ایجاد شده را شناسایی کند. آزمایش های ما نشان می دهد که ADVISE  می تواند رفتار کشش مورد انتظار بموقع را برای سرویس های مختلف ابری برآورد کند در نتیجه ابزار مفیدی برای کنترل کننده های کشش در بهبود کیفیت تصمیمات زمان اجرای کنترل کشش می شود.

چالش های داده های بزرگ (مقاله رایگان pdf)

چکیده

         در دوران انقلاب صنعتی چهارم (صنعت 4.0)، داده‌های بزرگ تأثیر زیادی بر کسب‌وکارها دارند؛ چراکه انقلاب شبکه‌ها، سیستم‌عامل‌ها، مردم و فناوری‌های دیجیتال، عوامل تعیین‌کننده نوآوری و رقابت شرکت‌ها را تغییر داده است. تحریم‌های شدید برای داده‌های بزرگ از دانشگاهیان و متخصصان به‌دست‌آمده است، زیرا تجزیه‌وتحلیل داده‌های بزرگ به دانش ارزشمند و پیشبرد فعالیت‌های نوآورانه شرکت‌ها و سازمان‌ها، تغییر اقتصاد در سطح محلی، ملی و بین‌المللی منجر می‌شود. در این زمینه، علم داده‌ها به‌عنوان مجموعه‌ای از اصول اساسی تعریف‌شده است که اطلاعات و دانش را از داده‌ها به دست می‌آورند. تکنیک‌ها و برنامه‌های کاربردی که مورداستفاده قرار می‌گیرند، به تجزیه‌وتحلیل داده‌های حیاتی برای پشتیبانی از سازمان‌ها در فهم محیط و در تصمیم‌گیری‌های بهتر در طی زمان کمک می‌کنند. امروزه افزایش چشمگیر داده‌ها از طریق اینترنت اشیا (افزایش مداوم دستگاه‌های متصل، سنسورها و گوشی‌های هوشمند) موجب افزایش دوران "داده‌ها" شده است که تجزیه‌وتحلیل داده‌ها در هر بخش (کشاورزی، سلامت ، انرژی و زیرساخت‌ها، اقتصاد و بیمه، ورزش، غذا و حمل‌ونقل) و هر اقتصاد جهانی. گسترش روزافزون داده‌های موجود یک روند شناخته‌شده در سراسر جهان است، درحالی‌که دانش ارزشمند برخاسته از اطلاعات حاصل فرایندهای تجزیه‌وتحلیل داده‌ها است. در این زمینه، بخش عمده سازمان‌ها به جمع‌آوری، ذخیره و تجزیه‌وتحلیل داده‌ها برای تصمیم‌گیری‌های کسب‌وکار استراتژیک می‌پردازند که به دانش ارزشمند می‌انجامد. توانایی مدیریت، تجزیه‌وتحلیل و عمل بر روی داده‌ها ("سیستم‌های تصمیم‌گیری مبتنی بر داده‌ها") برای سازمان‌ها بسیار مهم است و به‌ عنوان یک دارایی مهم شناخته می‌شود. چشم‌انداز تجزیه‌وتحلیل داده‌های بزرگ اهمیت دارد و منافع سازمان‌های هدایت داده تعیین‌کننده‌های مهمی برای رقابت و عملکرد نوآوری هستند. بااین‌وجود موانع قابل‌توجهی برای اتخاذ رویکرد مبتنی بر داده‌ها وجود دارد و از طریق داده‌های بزرگ دانش ارزشمندی دریافت می‌کنند.

فناوری های کلان داده (مقاله رایگان pdf)

چکیده

            دوران داده‌های بزرگ منجر به توسعه و کاربرد فناوری‌ها و روش‌هایی شد که به طور مؤثر با استفاده از حجم وسیع داده‌ها به پشتیبانی تصمیم‌گیری و فعالیت‌های کشف دانش کمک می‌کنند. در این مقاله، پنج V داده بزرگ، حجم، سرعت، تنوع، صحت و ارزش، و همچنین فناوری‌های جدید شامل پایگاه داده NoSQL که مطابق با نیازهای ابتکاری داده‌های بزرگ ارائه شده، بررسی می‌شوند. سپس نقش مدل‌سازی مفهومی برای داده‌های بزرگ بررسی شده و پیشنهاداتی درباره تلاش‌های مدل‌سازی مفهومی مؤثر با توجه به داده‌های بزرگ ارائه می‌شود.

طراحی پایگاه داده (مقاله رایگان pdf)

چکیده

         استدلال بر این است که مدل های ارتباطی نهاد روشن از نقطه نظر هستی شناسی در مقایسه با مدل های نامشخص هستی شناسی دامنه های جهان واقعی را دقیق تر مدلسازی می کند. با اینحال، تحول این مدل ها به مدل ارتباطی در سطح منطقی تا بدین جا به اندازه ای مطالعه نشده است تا قوانین تحول جدید را تدوین کند. این مقاله مجموعه ای از قوانین تحول را ارائه می کند تا مدل های هستی شناسی مفهومی روشن را به مدل های منطقی تبدیل کند. در نهایت، مقایسه ای از دو مدل منطقی را انجام می دهیم که از مدل های مشخص و نامشخص هستی شناسی با استفاده از یک معیار کیفیت ترکیبی از منابع موجود توسعه می یابد. نتایج اولیه از این تحقیق در حال انجام حاکی از آن است که کیفیت مدل منطقی توسعه یافته از مدل مفهومی مشخص هستی شناسی نسبت به همتای نامشخص هستی شناسی خودش برتری دارد.

شبکه های حسگر بی سیم ناهمگن (مقاله رایگان pdf)

چکیده

          در این مقاله، یک نسخه بهبود یافته از پروتکل خوشه‌بندی نابرابر توزیع‌شده‌ی انرژی آگاه (EADUC) ارائه شده است. پروتکل EADUC معمولا برای حل مشکل فقدان انرژی در شبکه‌های حسگر بی‌سیم چند هاپی استفاده می‌شود. در EADUC، به محل ایستگاه پایه و انرژی باقی‌مانده به‌عنوان پارامترهای خوشه‌بندی اهمیت داده می‌شود. براساس این پارامترها، شعاع رقابت مختلفی به گره اختصاص داده می‌شود. در اینجا، یک رویکرد جدید به‌منظور بهبود کار EADUC، با انتخاب سخوشه با توجه به تعداد گره همسایگی علاوه بر دو پارامتر بالا مطرح شده است. گنجایش اطلاعات همسایگی برای محاسبه شعاع رقابت، تعادل انرژی بهتری در مقایسه با روش‌های موجود فراهم می‌کند. علاوه بر این، برای انتخاب گره هاپ بعدی، متریک به‌طورمستقیم از نظر هزینه انرژی به‌جای اطلاعات از راه دور مورد استفاده در EADUC و فاز انتقال داده در هر دور با گسترش تعداد جمع‌آوری داده‌ها از طریق استفاده از اسلات‌های بزرگ و کوچک تعریف می‌شود. روش مورد استفاده، جهت حفظ خوشه یکسان برای چند دور و درنتیجه کاهش سربار خوشه موثر است. عملکرد پروتکل ارائه شده تحت سه سناریو مختلف مورد ارزیابی قرار گرفته و از طریق شبیه‌سازی با پروتکل‌های موجود مقایسه شده است. نتایج نشان می‌دهد که این طرح پیشنهادی از نظر طول عمر شبکه در تمام حالات بهتر از پروتکل‌های موجود است. 

شبکه های حسگر بی سیم زیرآب (مقاله رایگان pdf)

چکیده

           در شبکه‌های حسگر بی‌سیم زیرآب (UWSNs) گره‌ها با محدودیت در انرژی باتری روبه‌رو هستند و جایگزینی باتری با توجه به محیط زیرآب بسیار پرهزینه است. بنابراین، روش EBECRP، پروتکل مسیریابی مبتنی بر خوشه‌بندی انرژی کارآمد و مصرف متعادل انرژی برای UWSNs را پیشنهاد می‌کنیم. در پروتکل مسیریابی مبتنی بر عمق، گره‌های نزدیک (گره‌های کم عمق) در هیچ زمانی به دلیل بار بالا از بین نمی‌روند. ما از مسیریابی مبتنی بر عمق در طرح پیشنهادی جلوگیری می‌کنیم و از sink برای تعادل بار بر روی تمام گره‌ها استفاده می‌کنیم. همچنین از مفهوم خوشه به‌منظور کاهش در نتایج مصرف انرژی استفاده می‌کنیم. سرخوشه‌ی انتخاب شده (CHS) اطلاعات را از گره همسایه برای کاهش ارتباطات جهانی در ارتباطات فشرده محلی جمع‌آوری می‌کند. نتایج شبیه‌سازی نشان می‌دهد که EBECRP به حداکثر ثبات و طول عمر شبکه در طول حیات دست می‌یابد. 

پرداخت الکترونیکی (مقاله رایگان pdf)

چکیده

          بانکداری آنلاین و سیستم‌های پرداخت الکترونیکی در اینترنت به‌طور فزاینده‌ای پیشرفت می‌کنند. در سطح ماشین، تراکنش‌های بین مشتری و سرور میزبان از طریق یک کانال امن محافظت شده با SSL / TLS انجام می‌شود. احراز هویت کاربر معمولا براساس دو یا چند عامل است. با این وجود، توسعه malwares مختلف و حمله‌های مهندسی اجتماعی کاربران کامپیوتر را به یک وسیله مورد اعتماد تبدیل می‌کند در نتیجه احراز هویت کاربر آسیب‌پذیر است. این مقاله به بررسی نحوه احراز هویت کاربر با بیومتریک در بانکداری آنلاین با استفاده از یک وسیله خاص به نام OffPAD می‌پردازد. این مقاله نیاز دارد تا تأیید اعتبار نه تنها توسط کاربر (یا دستگاه شخصی) بلکه توسط بانک برخلاف استاندارد سیستم‌های بانکداری انجام شود. بنا به بیانی دقیق‌تر، یک پروتکل جدید برای تولید رمز عبور یک‌بار مصرف از داده‌های بیومتریک ارائه شده است، تا اطمینان حاصل شود امنیت و حریم خصوصی حفظ شده است. نتایج نشان می‌دهد با توجه به مثبت کاذب بودن نتایج عملکرد عالی بوده است. تجزیه و تحلیل امنیتی پروتکل نیز مزایای مربوط به تقویت امنیت را نشان می‌دهد. 

ساختار جامعه (مقاله رایگان pdf)

چکیده

        ساختارهای اجتماعی در شبکه‌ای وجود دارد که دارای پیچیدگی‌های زیستی، اجتماعی، تکنولوژیکی و حاوی اطلاعات مهم باشد. ساختارهای شبکه و جامعه در سیستم‌های کامپیوتری به ترتیب توسط نمودارها و زیرگراف‌ها نمایش داده می‌شود. مسئله تشخیص ساختار جامعه یک مسئله‌‌ی NP سخت است، به ویژه نتایج نهایی بهترین ساختارهای اجتماعی برای شبکه‌های بزرگ پیچیده ناشناخته هستند. در این مقاله، برای حل مسئله تشخیص ساختار جامعه یک الگوریتم مبتنی بر الگوریتم ژنتیک، AGA-net که یکی از تکنیک‌های تکاملی است پیشنهاد شده است. این الگوریتم دارای ویژگی همگرایی سریعی به مقدار بهینه بدون اینکه در بهینه محلی به دام بیافتد است بنابراین توسط پارامترهای جدید پشتیبانی شده است. شبکه دنیای واقعی که اغلب در کارهای گذشته استفاده می‌شود به‌عنوان داده‌های آزمایشی مورد استفاده قرار گرفته و نتایج به دست آمده با10 الگوریتم متفاوت مقایسه شده است. پس از تجزیه‌وتحلیل نتایج آزمون مشاهده شده است که الگوریتم پیشنهادی نتایج خوبی در مورد شبکه‌های پیچیده ارائه می‌دهد.  

طبقه‌ بندی عمیق تصویر (مقاله رایگان pdf)

چکیده

          در این مقاله که یک شبکه عصبی کانولوشن عمیق جدید (CNN) که عمیق‌تر و گسترده‎‌تر از شبکه‌های عمیق موجود برای طبقه‌بندی تصویر Hyperspectral است ارائه شده است. برخلاف روش‌های فعلی پیشرفته در طبقه‌بندی تصویر Hyperspectral مبتنی بر CNN، شبکه پیشنهاد شده به نام CNN عمیق متنی، می‌تواند به‌طور مطلوب تعاملات متقابل محتوا را با بهره‌برداری از روابط فضایی-طیفی محلی از بردارهای پیکسل همسایه، بررسی کند. بهره‌برداری مشترک اطلاعات spatio-spectral توسط فیلترکانولوشن چند مقیاسی که به عنوان جزء اولیه خط لوله پیشنهادی CNN مورد استفاده قرار می‌گیرد، به دست می‌آید. ویژگی‌های اولیه فضایی و طیفی نگاشت‌های حاصل از فیلترکانولوشن چند مقیاسی را با هم ترکیب می کنند تا یک ویژگی مشترک فضایی طیفی ایجاد کنند. ویژگی مشترک نشان‌دهنده ویژگی‌های طیفی و فضایی غنی از تصویر Hyperspectral است و سپس از طریق یک شبکه کاملا متقارن تغذیه می‌شود که در نهایت برچسب مربوطه هر pixelvector را پیش‌بینی می‌کند. مجموعه داده‌های استفاده شده در روش پیشنهادی: مجموعه داده‌های Pines هند، مجموعه داده‌های Salinas و مجموعه داده‌های دانشگاه Pavia. مقایسۀ‌ی عملکرد نشان می‌دهد که عملکرد سازگاری پیشرفته در رویکرد پیشنهادی بر روی وضعیت فعلی در سه مجموعه داده نشان داده شده است.

فناوری های سنتی (مقاله رایگان pdf)

 محاسبات ابری یک موضوع بسیار مهم و محبوب در صنعت IT (فن‌آوری اطلاعات) است، اما خطرات مرتبط با این فن‌آوری هنوز هم به‌طور کامل حل نشده است. در این مقاله، یک رویکرد خوب برای تامین امنیت ناشی از خطرات محاسبات ابری ارائه شده است. تمرکز این رویکرد بر شناسایی خطرات موثر بر رایانش ابری و ایجاد یک چارچوب است که می‌توانند در انطباق پردازش و استراتژی کاهش خطرات به مدیران IT کمک کند. فشارهای اقتصادی ناشی از کسب‌و‌کار، نیاز به مدلی برای تحویل انعطاف‌پذیر، کاهش چشمگیر سرمایه‌گذاری و کاهش هزینه عملیاتی را افزایش می‌دهد. محاسبات ابری برای بهره بردن از این فشارهای اقتصادی با هزینه اقتصادی کم و مدل انعطاف‌پذیر و با رعایت امنیت و حریم خصوصی به کار برده می‌شود. چارچوب ارائه شده توسط این مقاله به متخصصان کمک می‌کند تا درک روشن‌تری از خطرات مبادلات مرتبط با محیط‌ های محاسبات ابری به‌دست آورند.