دانلود یک رویکرد جدید مبتنی بر عامل برای کشف حملات SinkHole در شبکه های حسگر

عنوان سمینار: یک رویکرد جدید مبتنی بر عامل برای کشف حملات SinkHole در شبکه های حسگر شبکه های شبکه حسگر بی سیم دارای حسگرها کوچکی با منابع محاسباتی و پردازشی محدودی می باشند و در مقایسه با حسگرهای قدیمی ارزانتر هستند گره های حسگری می توانند احساس کنند، اندازه گیری کنند و بر اساس برخی فرآیند های تصمیم گیری محلی، اطلاعات را از محیط جمع آوری کنند و این اطلاعات دریافت شده را به کاربر انتقال دهند

دسته بندی	امنیت
فرمت فایل	doc
حجم فایل	14286 کیلو بایت
تعداد صفحات فایل	45

کاملترین سمینار به همراه منابع و ترجمه ها و اسلاید ارایه و روش اجرای AES  و سورس AES Algorithm متلب و...

بیش از 50 صفحه مطالب ترجمه شده و سلاید ارایه

عنوان سمینار درس امنیت:

یک رویکرد جدید مبتنی بر عامل برای کشف حملات SinkHole در شبکه های حسگر

بسط کلید در AES-128

AES Algorithm

صفحه ی 194 تا 204 از فصل هفتم

 شکل7.2- واحد داده استفاده شده در AES

On the Vital Areas of Intrusion Detection System

صفحه ی 215 تا 205 از فصل هشتم

شکل 7.13 تبدیل MixColumns

 الگوریتم

الگوریتم 7.3  کدی برای تبدیل MixColumns

الگوریتم 7.3 سودوکودبرای تبدیل

شبکه های حسگر بی سیم 

گره های حسگر هوشمند، دستگاه های با مصرف پایین (با توان کم) هستند که شامل یک یا چندین حسگر، یک پردازنده، حافظه، گونه ای از منبع انرژی، یک رادیو (فرستنده و گیرنده) و یک محرک می باشد. انواع مختلفی از حسگرها از جمله حسگرهای مکانیکی، گرمایی، زیست محیطی، شیمیایی، نوری و مغناطیسی ممکن است به یک گره حسگری اضافه شوند تا بتواند خصوصیات مورد نظر از محیط را اندازه گیری کنند. از آنجایی که گره های حسگری دارای حافظه محدودی هستند و معمولاً در محیط هایی گسترش یافته اند که دسترسی به آنها مشکل می باشد، امواج رادیویی جهت ارتباطات بی سیم برای انتقال اطلاعات و داده ها به ایستگاه اصلی در نظر گرفته شده است.

باتری، منبع انرژی اولیه و اصلی در یک گره حسگرمی باشد. منبع انرژی فرعی، انرژی را از محیط بدست می آورد که از میان آنها می توان به صفحه های خورشیدی اشاره کرد که ممکن است وابسته به محیطی که حسگردر آن مستقر شده است، به گره ها اضافه شود.

یک شبکه حسگر بی سیم شامل تعدادی از گره های حسگر (ده ها تا هزاران) است که با هم جهت نظارت بر یک منطقه برای کسب اطلاعاتی درباره آن کار می کنند. دو نوع شبکه حسگر بی سیم وجود دارد: ساخت یافته و غیر ساخت یافته.

یک شبکه حسگر بی سیم غیر ساخت یافته شامل یک مجموعه متراکم از گره های حسگری می باشد. گره های حسگر ممکن است به شیوه ad hoc در میدان گسترش یابند. در شیوه ad hoc، گره های حسگر به صورت تصادفی در محیط پخش می شوند. در این حالت، شبکه بدون مراقبت برای انجام اعمال نظارت و گزارش آنها رها می شود. در یک شبکه حسگر بی سیم غیر ساخت یافته، نگهداری شبکه از جمله مدیریت اتصالات و تشخیص خطا، با توجه به اینکه در آن تعداد بسیار زیادی گره وجود دارد بسیار سخت می باشد.

در یک شبکه حسگر بی سیم ساخت یافته، همۀ گره های حسگر یا برخی از آنها به روش از قبل برنامه ریزی شده گسترش می یابند. در روش گسترش با برنامه ریزی قبلی، گره های حسگر در محل های ثابت که از قبل درباره آنها تصمیم گرفته شده است قرار می گیرند. مزیت یک شبکه ساخت یافته این است که تعداد محدودی از گره ها می توانند با نگهداری شبکه و هزینه مدیریت پایین گسترش یابند. تعداد کمی از گره ها در حال حاضر می توانند پس از آنکه گره ها در محل های ویژه قرار گرفتند، برای فراهم کردن پوشش کامل گسترش یابند زیرا آرایش ad hoc می تواند دارای مناطق غیر پوشش یافته باشد.

شبکه حسگر بی سیم  ها دارای پتانسیل بسیار بالایی برای کاربرد های فراوانی در زمینه هایی از جمله ردیابی اهداف نظامی و دیدبانی، تشخیص بلایای طبیعی، نظارت سلامت پزشکی، کاوش محیط های پر خطر و پیش بینی زمین لرزه می باشند.

دانلود مقاله داده کاوی پویا با استفاده از عامل هوشمند

داده کاوی پویا با استفاده از عامل هوشمند در این مقاله روشی برای طبقه بندی جریان داده ها با استفاده از عامل ارائه گردیده است که در آن از خصوصیات عاملها استفاده شده است

دسته بندی	مهندسی نرم افزار
فرمت فایل	doc
حجم فایل	118 کیلو بایت
تعداد صفحات فایل	23

داده کاوی پویا با استفاده از عامل هوشمند

 

حسین مرشدلو  : احمد عبدالله زاده بارفروش 

 

 

چکیده

امروزه بدلیل حجم بسیار بالای داده ها و نیاز به پردازش و استخراج پویای دانش موجود در داده ها، داده کاوی جریان داده-ها اهمیت بسزایی یافته است. طبقه بندی جریان داده ها نیز یکی از مهمترین شاخه های داده کاوی است که تاکنون روشهای مختلفی برای آن ارائه گردیده است. اکثر این روشها واکنشی عمل کرده و پس از وقوع تغییر مفهوم در جریان داده ها، مدل داده خود را با مفهوم جدید وفق می دهند. از آنجائیکه در دنیای واقعی بسیاری از رخدادها تکرار می شوند بنظر می رسدکه بتوان با استفاده از روشهای یادگیری، تغییرات احتمالی در جریان داده-ها را پیش بینی کرد.

 

 البته بدلیل غیرقابل پیش بینی بودن برخی رخدادها لازم است که روش ارائه شده، قابلیت واکنشی نیز داشته باشد. بنابراین روشی که بتواند بطور هوشمندانه تناسب خوبی بین رفتارهای واکنشی و پیش فعال برقرار نماید، قادر خواهد بود قابلیت انطباق خوبی با محیط داشته و موفق عمل نماید. از طرفی با توجه به خصوصیات عاملها همچون خودمختاری، واکنشی، پیش  فعالی، یادگیری و قابلیت استدلال، بطور قطع مساله طبقه بندی جریان داده ها بستر مناسبی برای استفاده از قابلیت های عامل ها می باشد. در این مقاله روشی برای طبقه بندی جریان داده ها با استفاده از عامل ارائه گردیده است که در آن از خصوصیات عاملها استفاده شده است. 

 

در این روش عاملها قبل از وقوع تغییرات در جریان داده، بکمک استدلال و دانشی که از محیط بدست آورده اند، تغییرات را پیش بینی کرده و بر اساس آن برنامه ریزی می کنند. در صورتیکه رخدادهای پیش بینی شده اتفاق نیفتند، عامل متناسب با وضعیت فعلی از خود رفتار واکنشی نشان می دهد. این ویژگیها عامل را قادر می سازد که در محیط، یک رفتار هوشمند از خود نشان دهد. روش مورد نظر بر روی مجموعه داده های استاندارد که در اکثر کارهای انجام گرفته برای طبقه بندی جریان داده ها مورد استفاده قرار گرفته-اند، تست گردیده و نتایج حاصل از انجام آزمایشات نشان دهنده برتری استفاده از یک رفتار هوشمند پیش فعال نسبت به یک رفتار واکنشی می باشد.

 

 

کلمات کلیدی:

عامل

طبقه بندی

رفتار واکنشی

رفتار پیش فعال

داده کاوی جریان داده ها

 

 

مقدمه

امروزه بدلیل حجم گسترده و بسیار زیاد داده های موجود و همچنین عدم امکان ذخیره سازی آنها و نیاز به پردازش و استخراج پویای اطلاعات و دانش نهفته در داده ها، بحث داده کاوی جریان داده ها (Data Stream Mining) طی سالهای اخیر بسیار مورد توجه قرار گرفته است. از جمله کاربردهای داده کاوی جریان داده ها می توان به استفاده در بحث تشخیص تقلب در کارتهای اعتباری، بحث پردازش ترافیک شبکه و ... اشاره کرد. در این میان بحث طبقه بندی جریان داده ها از اهمیت بسزایی برخوردار است و کارهای متعددی در این زمینه انجام گرفته است که از آن جمله می توان به موارد ]4،7،10،11،12[ اشاره کرد.

 

 یکی از مهمترین مباحثی که در بحث طبقه بندی و داده کاوی جریان داده ها وجود دارد ، بحث مربوط به تغییر مفهوم (concept drift) می باشد که بمعنی تغییر مدل یا مفهوم نهفته در پس داده های یک جریان داده می باشد، به این معنی که مدلهایی که از یک جریان داده در یک زمان خاص ساخته می شوند ، با گذشت زمان دقت خود را از دست داده و قادر به طبقه بندی صحیح داده ها با دقت لازم نیستند. اکثر روشهایی که تاکنون برای مدیریت تغییر مفهوم در داده ها ارائه گردیده اند، بصورت واکنشی عمل کرده و سعی می کنند، همواره مدل داده خود را با مفهوم های جدید در داده ها وفق دهند. بررسی و مرور جامعی بر این روشها را می توان در [9] مشاهده کرد.

 

 از آنجایی که این روشها تنها از یک مدل داده استفاده می کنند، بحث دقیق نگه داشتن این مدل داده هنگامی که تغییر مفهوم در جریان داده وجود دارد، امری دشوار و مشکل می-باشد، لذا بنظر می رسد در صورت وجود تغییر مفهوم در داده استفاده از چند مدل داده مختلف متناسب با مفاهیم مختلف بر استفاده از یک مدل داده واحد برتری داشته باشد، اما مشکلی که وجود دارد تصمیم گیری درست در مورد استفاده از مدل داده مناسب در هر لحظه است. برخی روشها یا الگوریتمها همانند [7] که از چند مدل داده استفاده می کنند، برای بالا بردن دقت خود در طبقه بندی از روشهای Ensemble کردن چندین طبقه بند مختلف بهره می گیرند. برای مثال در ][7] طبقه بندهایی در بازه های زمانی مختلف بر روی داده هایی از جریان داده ایجاد می گردند.

 

الگوریتم این طبقه بندها را بر روی اخیرترین داده ها اعمال می-کند و بسته به دقت این طبقه بندها به هر کدام وزنی تخصیص می-یابد تا برای جریان داده های فعلی بکار گرفته شوند. در واقع اشکالی که روشهای Ensemble کردن دارند این است که نحوه انتخاب درست طبقه بندها برای Ensemble کردن نیز ساده تر از مشکل قبلی (انتخاب درست طبقه بند مناسب با مفهوم جاری موجود در جریان داده ) نمی باشد. رویکردهایی همانند رویکرد [7] اگر چه قادر به ارائه عملکرد قابل قبولی بر روی جریان داده هایی که در آنها تغییر تدریجی مفهوم وجود دارد می باشد، اما در مواردی که جریان داده دارای تغییر مفهوم ناگهانی (Concept shift) باشد، خطای این روشها زیاد می باشد.

 

 

 

فهرست مطالب

داده کاوی پویا با استفاده از عامل هوشمند 1

چکیده 1

کلمات کلیدی 2

ABSTRACT 3

1- مقدمه 4

2- مفاهیم پایه 6

شکل (1) پنجره نظاره بر روی جریان دادهها 7

2-2- عامل و ویژگیهای آن 8

3- رویکرد پیشنهادی 9

3-1-1- روش مقایسه طبقهبند ایجاد شده با طبقهبندهای موجود در حافظه 10

شکل (2) نسبت واریانس به حاصاضرب 50 متغیر دارای مجموع ثابت 11

شکل (3) وزندهی چند داده مختلف 12

3-2- رفتار پیشفعال 12

3-2-1- نحوه پیشبینی مفهوم آتی 14

3-3- ترکیب رفتارهای واکنشی و پیشفعال 15

شکل (5) شبه کد برای تعیین مقدار k 18

4- آزمایشات انجام شده 18

شکل (6) شبیه سازی تغییر مفهوم تدریجی در مجموعه داده استاندارد Hyperplane 19

4-2- نتایج 20

شکل (7) نتایج حاصل از انجام آزمایش بر روی Stagger 20

شکل (8) نتایج حاصل از انجام آزمایش بر روی Hyperplane با تغییر مفهوم تدریجی 21

5- جمع بندی 21

6- مراجع 22

 

 

 

 

 

 

 

سیستم عامل اندروید

مقدمه :

لیست بلند بالای تبلت های متعدد و رنگارنگ حاضر در بازار مطمئنا هر کاربر دیجیتالی را به خرید این ابزار جذاب ترغیب می نماید اما گذشته از موارد همیشگی که با یادآوری نام تبلت در ذهن متصور می شود براستی کارکردهای اصلی یک تبلت در چیست و ابعاد و سایز صفحه نمایش در تعیین نوع این کارکرد چه نقشی دارند. در ادامه ضمن پرداختن به کارکردهای اصلی تبلت ها به موارد کلیدی در هر قسمت و المان های تعیین کیفیت در هر بخش می پردازیم.