انجمن کامپیوتر ایران

از حافظه های نهان روی تراشه برای کاهش اختلاف سرعت پردازنده و حافظه اصلی و دسترسی هر چه سریعتر به عناصر حافظه استفاده می شود. در پردازنده ‏های امروزی، حافظه نهان بخش زیادی از مساحت کل تراشه را اشغال می کند و همچنین درصد قابل توجهی از توان مصرفی کلی تراشه را به خود اختصاص می دهد. به همین دلیل کم کردن توان مصرفی این واحد تاثیر قابل توجهی در توان مصرفی کل تراشه خواهد داشت. در این مقاله با ارائه معماری برچسب فشرده ‏شده سعی در کاهش توان مصرفی ناشی از ذخیره سازی و بازیابی برچسب را داریم. در این روش، با استفاده از یک بافر محلی و یک تکنیک ذخیره سازی، مکانیزم جدیدی از نگاشت برچسب در حافظه ی نهان معرفی شده است. ایده اصلی این طرح فشرده کردن بخش برچسب داده‏ هایی است که برچسب یکسانی دارند. در این مقاله نشان داده خواهد شد که وجود محلیت مکانی احتمال شباهت برچسب‏ ها در حافظه نهان را بالا می برد که می توان با سربار ناچیز سخت افزاری آنها را فشرده کرده و بهبودی حدود 30% در مصرف توان الکتریکی حافظه های نهان روی تراشه را بدست آورد.

در این مقاله، روشی مبتنی بر اطلاعات متقابل، برای تثبیت دو تصویر ارایه شده است. عموم روش های مبتنی بر اطلاعات متقابل، از یک سو از همبستگی بین پیکسل های تصویر چشم می پوشند و از این رو در برابر نویز تصویر حساس هستند و از سویی دیگر، اندازه ناحیه همپوشانیِ بین دو تصویر، بر صحت تثبیت تاثیر گذار است. در این مقاله، دو دیدگاه بلوکی و متناوب انگاری تصویر، به ترتیب برای در نظر گرفتن همبستگی های موجود بین پیکسل های همسایه و کاهش وابستگی الگوریتم به اندازه ناحیه هم پوشانی، مد نظر قرار گرفته اند. نتیجه شبیه سازی ها، نشان دهنده بهبود چشم گیری، به ویژه در عملکرد روش های مبتنی بر الگوریتم های تکاملی است.

در عصر کلان‏ داده، روز به روز بر محبوبیت سیستم‌های توصیه‏‌گر افزوده می‏شود. سیستم‏های توصیه‌گر برنامه‌هایی هستند که روش‌های کشف دانش را برای ایجاد توصیه های شخصی‌سازی شده، به کار می‌برند. سیستم‌های توصیه‌گر آگاه از اعتماد، از داده‌های شخصی کاربران و اطلاعات مربوط به اعتماد میان آن‌ها برای غلبه بر مشکلات روش‌های مبتنی بر پالایش گروهی استفاده می‌کنند. با این حال خیلی از سیستم‌های توصیه‌گر مقیاس‌پذیری لازم برای پردازش حجم عظیمی از داده‌ها را ندارند. بنابراین ما در این مقاله با انتخاب یکی از سیستم‌های توصیه‌گر مبتنی بر اجتماع و آگاه از اعتماد، یک سیستم توصیه‌گر مقیاس‌پذیر با استفاده از چارچوب پردازش موازی اسپارک ارائه می‌کنیم. در این سیستم دوستان بالقوه در شبکه بر اساس ترکیبی از مقادیر شباهت و اعتمادشان، به کاربر هدف پیشنهاد می‌شوند. آزمایش‌های انجام‌شده روی مجموعه‌ی داده‌ای Flixter نشان می‏دهد که الگوریتم ارائه شده دارای مقیاس‌پذیری بالایی است.

تشخيص نويسنده بر اساس متون دست‌نویس از زمینه‌هایی است که از قدیم متداول بوده و امروزه با توجه به گسترش هوش مصنوعی و پردازش تصویر، محققان سعی در ارتقا الگوریتم‌های اتوماتیک این کار دارند. با توجه به پیچیدگی‌های ساختاری زبان فارسی نسبت به سایر زبان‌ها از نظر فرم و تحریرهای موجود در دست نوشته، تشخیص هویت نویسنده بر اساس فرم دست خط در فارسی مطمئنا می‌تواند کارایی مناسب‌تر و در عین حال ویژگی‌های پیچیده‌تری داشته باشد. با توجه به کارهای اندک انجام شده در زمینه تشخیص نویسنده بر اساس دست نوشته در زبان فارسی، در این مقاله سعی شده بر اساس ویژگی های عمومی مبتنی بر گرادیان، یک مدل احتمالاتی برای هر نویسنده در هر گرافم برآورد شده و سپس کارایی مدل بدست آمده در تشخیص نویسنده بررسی شود. نتایج پیاده‌سازی روش پیشنهادی بر روی یک پایگاه داده نسبتا جامع فارسی، انطباق بسیار بالای مدل احتمالاتی پیشنهادی و دقت بسیار مناسب و سرعت بالای آن را در تشخیص نویسنده نشان می‌دهد.

بسیاری از کاربردهای پردازش زبان طبیعی مانند سیستم‌های پرسش و پاسخ، استخراج اطلاعات و خلاصه سازی متن با پدیده بیان معنای یکسان در قالب جملات متفاوت و بیان غیرمستقیم معنا در متون روبرو هستند. حوزه پژوهشی استلزامات متنی به شناسایی، استخراج یا تولید جملات قابل نتیجه گیری از متن اختصاص دارد. در این مقاله یک روش جدید برای شناسایی استلزامات متنی ( RTE) معرفی می‌گردد. در این روش رابطه استلزام متنی به صورت مسئله دسته بندی دوکلاسه در نظر گرفته شده و یک سیستم یادگیری ماشین با استفاده از ویژگی‌های معنایی برای حل آن آموزش داده شده است. این ویژگی‌ها به صورت عمده از بازنمایی معنایی زوج متن و فرضیه استخراج شده اند. نتایج ارزیابی نمایانگر عملکرد قابل قبول سیستم معنایی ارائه شده است که در آن مقدار 62 برای معیار f بر روی مجموعه ای ترکیبی از دادگان رقابت‌های RTE بدست آمده است. صرف نظر از این موضوع که سیستم پیشنهادی نسبت به سیستم‌های شرکت کننده در رقابت‌های RTE سال‌های مختلف عملکرد خوب و قابل قبولی ارائه نموده است، در مقایسه با سیستم پایه پیاده سازی شده که بر اساس یک معیار ترکیبی شباهت سنجی طراحی شده است، کارایی بهتری داشته است.

با توجه به گسترش روزافزون شبکه‌های کامپیوتری، نیاز به استفاده از روش‌های گوناگون و کارا برای مدیریت یکپارچه و متمرکز شبکه‌ها نیز افزایش می‌یابد. درواقع راه‌کاری که بتواند با هزینه معقول و مناسب و بر اساس شرایط مختلف، شبکه را مدیریت و کنترل نماید، مدنظر می‌باشد. شبکه‌های مبتنی بر نرم‌افزار یکی از راهکارهای ارائه شده براساس این نیاز می‌باشند که پیاده‌سازی این نوع شبکه‌ها بر اساس سخت افزارهای کمتر و افزایش روش‌های نرم‌افزاری میباشد. در این شبکه‌ها قسمت کنترل از قسمت ارسال یا انتقال داده مجزا شده و به صورت نرم‌افزاری طراحی و پیاده سازی می شوند. یکی از مسائل و چالش‌های اصلی در این نوع شبکه‌ها، کنترلرها و عملکرد آن‌ها برای کنترل سخت‌افزارها و مدیریت یکپارچه و بهینه شبکه میباشد. در این مقاله چالش مهم « پیچیدگی عملکرد کنترلرها» مورد بحث و بررسی قرارگرفته و با ارائه الگوریتمی جدید درصدد بهینه‌سازی عملکرد کنترلرها برآمده است. چالش پیچیدگی بر اساس نحوه برخورد کنترلر با جریانهای عبوری و مدیریت آن‌ها در نظر گرفته میشود. این جریانها به دو دسته عظیم و کوچک تقسیم میشوند که کنترلر وظیفه مدیریت این جریانها را بر اساس پهنای‌باند مورد نیاز هر جریان بر عهده دارد. در این مقاله الگوریتم ارائه‌شده اقدام به تشخیص نوع جریانها، تفکیک جریان‌ها در شبکه و مدیریت کارای آن‌ها برای مسیریابی مینماید. این الگوریتم در شبیهساز NS3 بر اساس توپولوژی مشخصی پیادهسازی شده و نتایج آن با نتایج کنترلرهای اصلی و بدون تغییر در این شبکه‌ها مقایسه شده است. نتایج نهایی حاصل از این مقایسه حاکی از بهبود عملکرد کنترلر با استفاده از روش ارائه‌شده نسبت به الگوریتم اصلی کنترلرها در شبکه‌های مبتنی بر نرم‌افزار میباشد. این بهبود شامل «بهبود گذردهی» روش ارائه شده بین 5 تا 8 درصد و «بهبود استفاده از مسیر» بین 6 تا 8 درصد نسبت به الگوریتم اصلی کنترلرها میباشد. علت این بازه بهبود به دلیل مقدار درصد خطای لحاظ شده در شبیهسازی و محاسبه میانگین مقادیر و نتایج به‌دست‌آمده در شبیهسازیهای متعدد میباشد.

با افزایش روزافزون حجم داده‌های موجود در اینترنت، پیدا کردن مطلب موردنظر دشوارتر می¬شود. اغلب کاربران دنبال روشی هستند که بتوانند با سرعت بالایی مطالب دلخواه خود را مشاهده کنند. با گسترش استفاده از شبکه‌های اجتماعی و به اشتراک گذاشتن مطالب در آن‌ها پیدا کردن مطالب موردعلاقه از بین سیل عظیم اطلاعات دشوار به نظر می¬رسد. وظیفه¬ی سیستم‌های توصیه¬گر، توصیه¬ی مطالب یا کالاهایی به کاربر است که احتمال می¬دهد مورد دلخواه او باشد. در این مقاله سعی می‎کنیم تا با استفاده از دانش پردازش زبان طبیعی، اطلاعات معناداری را از کامنت‎های کاربران در شبکه‎های اجتماعی ویدئویی استخراج کنیم و از این اطلاعات برای بهبود سیستم‎های توصیه‎گر این شبکه‎های اجتماعی استفاده کنیم. این اطلاعات را با استفاده از معیارهای شباهت و از شباهت بین کامنت‎های ویدئوها به‎دست می‎آوریم. نتایج به‎دست آمده نشان دهنده تاثیر مثبت استفاده از این روش در سیستم توصیه‎گر و وجود ارتباط مناسب بین محتوای کامنت‎های کاربران با محتوای ویدئوها است.

صرع شایع‌ترین اختلال عصبی است که افراد زیادی در سراسر جهان به آن مبتلا هستند. تشنج‌های مکرر و ناگهانی ناشی از صرع خطرناک هستند و ممکن است زندگی فرد را تهدید کنند، به همین دلیل پیاده‌سازی سیستم‌هایی که بتوانند وقوع تشنج را قبل از روی دادن آن پیش‌بینی کنند به بیماران صرعی کمک شایانی خواهد کرد. جهت تشخیص تشنج صرع، تجزیه و تحلیل الگوهای سیگنال EEG (Electroencephalogram) رویکردی بدون مداخله است. برای این تجزیه و تحلیل به منظور استخراج یک سری ویژگی از سیگنال EEG و بکارگیری در سیستم‌های خودکار پیش‌بینی تشنج، روش‌های مختلفی وجود دارد. در این مقاله تمرکز آزمایش‌ها بر روی آن است که آیا مجموعه ویژگی‌های انتروپی طیفی، بعد فراکتال هایوچی، مدل رگرسیو خودکار، و قدرت باند که در تشخیص بیماری اسکیزوفرنی صحت خوبی داشته‌اند (در کنار ویژگی‌های ساده‌ای مثل واریانس و ضریب همبستگی) در پیش بینی وقوع تشنج صرع هم خوب عمل می‌کنند؟ در این تحقیق به جای استفاده از مجموعه داده‌های مرسوم دانشگاه‌های بُن و فرایبورگ، از مجموعه جدیدتر در سایت کگل استفاده شده است. آزمایش‌ها نشان دادند که این ویژگی‌ها در شناسایی حمله صرع موثر بوده و بالاخص به صورت مجزا، ویژگی رگرسیو خودکار و در ترکیبات دوتایی، ترکیب رگرسیو خودکار با قدرت باند، و در ترکیبات سه تایی نیز ترکیب رگرسیو خودکار، قدرت باند و ضریب همبستگی بهترین نتایج را می‌دهند اما افزودن دیگر مجموعه ویژگی‌های فوق به این سه مجموعه سازگار نبوده و باعث کاهش صحت تشخیص می‌شوند.

تجهیزات الکتریکی و الکترونیکی بطور فزاینده‌ای به یک محصول اقتصادی و فردی از جامعه تبدیل شده‌اند. در نتیجه، حفاظت از سلامت انسان و محیط‌زیست از اثرات مضر مرتبط با حمل نامناسب و دفع چنین محصولات و تجهیزاتی، از چشم‌اندازهای چالش‌برانگیز در مدیریت شهری محسوب می‎‌گردد. مدیریت پایان عمر تجهیزات فناوری اطلاعات و ارتباطات به منظور حمایت از محیط‌زیست، حفظ تامین مواد اولیه و نیز لزوم توجه به پتانسیل اقتصادی فراوان چرخه بازیافت در اشتغال زایی و سودآوری، امری ضروریست که در کشورهای خاورمیانه نادیده گرفته شده است. در این تحقیق به بررسی روش‌های مختلف مدیریت هوشمند ضایعات الکترونیک در راستای توسعه استاندارها، بالا بردن سطح آگاهی و همکاری با صنعت فناوری اطلاعات و ارتباطات در جهت مقابله با مشکلات روبه رشد وابسته به ضایعات الکترونیکی پرداخته شده است. در همین راستا با معرفی و امکان سنجی پیاده سازی اینترنت اشیا گامی مهم در حل راهبردی چالش‌های مدیریتی ضایعات شهری برداشته شده است.

هدف پژوهش حاضر، بررسی تأثیر استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات بر کیفیت زندگی شهری در میان دانشجویان دانشگاه‌های شهر تهران است که با استفاده از شاخص‌های سنجش استفاده‌ی مؤثر از ابزارهای فناوری اطلاعات و نیز شاخص‌های کلیدی سنجش کیفیت زندگی شهری، به روش پیماشی و بر مبنای حجم نمونه‌ی استخراجی از فرمول کوکران، با جمع آوری 389 پرسشنامه به طور تصادفی از دانشجویان 22 دانشگاه شهر تهران بدست آمده است. همچنین برای سنجش همبستگی میان متغیرها از روش های تحلیل آماری پیرسون و اسپیرمن استفاده شده است. نتایج بدست آمده از تحقیق بیانگر عدم وجود رابطه معنادار میان استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات، و کیفیت زندگی شهری می‌ باشد. همچنین تحلیل های صورت گرفته روی داده‌ها، حکایت از همبستگی مثبت میان استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات، و احساس امنیت، رضایت و آسایش ناشی شده از استفاده‌ی آنها دارد. حسب یافته‌های پژوهش در خاتمه نیز پیشنهاداتی در مورد تغییر زاویه نگاه به مسئله‌ی استفاده‌ی روز افزون از ابزارهای نوظهور فناوری اطلاعات و ارتباطات مطرح شده است که می‌تواند به پیشبرد مطالعات آتی پیرامون این موضوع در ایران کمک نماید.

محدودیت انرژی و ازدحام بالای گره‌ها بر سر تصاحب کانال فرکانسی، دو مشکل عمده شبکه‌های حسگر بی‌سیم است. محدودیت طیف بدون مجوز باعث گردیده تا فناوری رادیوی شناختگر به منظور استفاده از طیف مجوزدار در شبکه‌های حسگر بی‌سیم مطرح شود. از سوی دیگر مسیریابی فرصت‌طلبانه در شبکه‌های حسگر بی‌سیم مورد توجه قرار گرفته است تا با استفاده از ذات همه‌پخشی رسانه‌های بی‌سیم، گذردهی بالاتر با مصرف انرژی کمتر را به ارمغان آورد. در این مقاله با ترکیب دو تکنولوژی مسیریابی فرصت‌طلبانه و رادیو شناختگر تلاش شده است تا یک پروتکل مسیریابی آگاه از انرژی با هدف بهبود نرخ تحویل و تعدیل مصرف انرژی در شبکه‌های حسگر بی‌سیم ارائه شود. عملکرد پروتکل پیشنهادی با یک پروتکل پیشین مقایسه شده و نتایج آن در محیط شبیه‌سازی شده، حاکی از کاهش متوسط و واریانس مصرف انرژی شبکه در عین بهبود نرخ هدایت بسته‌ها نسبت به راهکار پیشین است.

رادارهای سار (SAR ) یكی از ابزارهای تصویربرداری در شرایط مختلف آب‌ و هوایی در كاربردهای نقشه‌برداری، نظامی، منابع زمینی و عمرانی می‌باشند. در سال‌های اخیر یک رادار جدید، جهت ثبت ویدئو اشیا در حالت حركت با توسعه رادارهای سار به نام ویدئوسار یا به‌اختصار ویسار (ViSAR ) ارائه‌شده است. یكی از چالش‌های اساسی تصاویر سار، وجود نویز ضربه در این تصاویر است. بدون شك با توجه به وجود این نویز در ویدئو سار نیاز است تا رفع نویز در این داد‌ها نیز انجام گیرد. در این مقاله چهار فیلتر مختلف رفع نویز در تصویر برای اعمال روی داده‌های ویدئویی ویسار ارزیابی شده‌اند. برای این منظور سه رویكرد رفع نویز فریم به فریم، میانگین‌گیری در بعٌد زمان و استفاده از بلاك‌های سه‌بعدی جهت اعمال بر روی داده‌های ویدئویی پیشنهاد شده‌است. جهت ارزیابی نتایج، از داده‌های واقعی رادار ویسار استفاده ‌شده و از شاخص‌های متداول بررسی كارایی روش‌‌های رفع نویز جهت مقایسه روش‌ها بهره گرفته‌شده است. نتایج به‌دست‌آمده نشان می‌دهد كه رویكرد میانگین‌گیری کارایی مناسبی نداشته و رویکرد سه‌بعدی نیز کارایی نزدیک به رویکرد فریم به فریم داشته است.

تعیین شدت قطبیت نظرات کوتاه (نظرکاوی مبتنی بر جنبه)، یکی از حوزه‌های پژوهشی مهم در طول چند سال گذشته است. با توجه به تفاوت‌های ساختاری، نحوی و معنایی، چالش‌های زیادی در این زمینه وجود دارد. از جمله‌ی این چالش‌ها، وجود سه طبقه‌ی اصلی از تعدیل کننده‌ها یعنی نفی‌ها، تقویت کننده‌ها و تضعیف کننده‌ها، می‌باشد که می‌توانند قطبیت و شدت احساس متن‌های همجوار خود را تحت تاثیر قرار دهند. یکی دیگر از این چالش‌ها این است که عمدتاً به دلیل کلمات و همرخدادی بسیار محدود در متن، استفاده از دسته‌بندهای بانظارت (مبتنی بر فرکانس کلمه) برای این نوع متن با مشکل مواجه است و نمی‌تواند فضای بردار ویژگی و رابطه‌ی بین کلمات و اسناد را به خوبی نشان دهد. در این مقاله، یک مدل بانظارت نظرکاوی مبتنی بر جنبه‌ی 5 ستاره برای طبقه‌بندی معنایی نظرات به زیر کلاس‌های: بسیار ضعیف، ضعیف، متوسط، بسیار خوب و خوب، پیشنهاد می‌شود. بدین منظور، از دسته‌بند جنگل تصادفی استفاده شده است. روش پیشنهادی شامل چندین گام پیش¬پردازش و بهبود بردار ویژگی (همگون‌سازی کلمات نظر هم قطب و شرح قواعدی برای انتقال شدت احساس تعدیل کننده‌ها به همسایه‌ها) است و بنا به دانش نویسنده، این تحقیق در این زمینه، در زبان فارسی پیشگام می‌باشد. بررسی‌های انجام شده از مقایسه‌ی روش پیشنهادی با دسته‌بند پایه‌ی جنگل تصادفی و دسته‌بندها و روش‌های دیگر، نشان از بهبود نتایج و موثر بودن مدل پیشنهادی دارد.

در20 سال اخیر با پیشرفت تکنولوژی‌های تولید، ذخیره‌سازی و پردازش داده‌ها، شاهد انقلابی در رشد داده‌های ذخیره شده در جهان هستیم. این حجم عظیم داده‌ها دارای پتانسیل فراوانی برای کشف دانش می‌باشند، اما روش‌های کلاسیک آماری و یادگیری ماشین از نظر عملی برای این حجم زیاد داده‌ها پاسخگو نیستند. در راستای پردازش کلان‌داده چهارچوب‌ها و روش‌های مختلفی ارائه شده‌اند، اما به دلیل ساختار متفاوت داده‌ها و کاربردهای مختلف آنها، معمولا در هر کاربرد علاوه بر استفاده از روش‌های موجود، نیازمند ارائه‌ی روش‌های خاصی برای آن کاربرد نیز هستیم. در این مقاله مسئله انجام فرآیند پردازش کلان‌داده در عمل، برای دسته‌ای از داده‌های فضایی‌زمانی که توسط سنسورهای مکانی ثبت شده‌اند می‌باشد. خروجی این پردازش، میزان روابط افراد مختلف با توجه به تاریخچه‌ی حرکتی آنها می‌باشد که در آخرین مرحله از فرآیند، سیستم می‌تواند با دریافت شناسه‌ی هر فرد، لیستی از مرتبط‌ترین افراد به او را به صورت مرتب شده برگرداند. این فرآیند به دلیل پیچیدگی‌هایی که دارد به بخش‌های کوچکتری شکسته شده است. یکی از زمانبرترین بخش‌های این فرآیند مربوط به یافتن نقاط توقف است. هدف از این تحقیق پیاده‌سازی سامانه‌های کلان‌داده برای حل این مسئله می‌باشد. در این تحقیق الگوریتم پیدا کردن نقاط توقف با استفاده از چهارچوب Apache Spark و تغییر در روش محاسبه به گونه‌ای تغییر داده شده است که امکان اجرای آن به صورت توزیع شده یا بر روی یک کامپیوتر وجود دارد و در هر کدام از حالت‌های توزیع شده و غیر توزیع شده، الگوریتم این قابلیت را دارد که متناسب با تعداد هسته‌های اختصاص داده شده، سرعت پردازش را افزایش دهد. بر اثر این تغییر در الگوریتم پیدا کردن نقاط توقف، زمان اجرای الگوریتم با تحمل خطایی کمتر از ۰.۱ درصد حدود ۹۹.۹ درصد کاهش یافت. در این بهبود استفاده از حافظه‌ی داخلی و دیسک کاملا ثابت مانده است و تعداد هسته‌های پردازنده از ۱ هسته (روی رایانه با پردازنده‌ی ۴ هسته‌ای) به ۸ هسته افزایش یافته است.

در این مقاله، یک مدل جدید برای رده‌بندی چند برچسبی سلسله مراتبی ارائه شده است که نه تنها در مسایل با ساختار سلسله مراتبی درختی، بلکه در مسایل با ساختار سلسله مراتبی گرافی نیز می‌تواند مورد استفاده قرار گیرد. مدل ارایه شده، گسترش‌یافته مدل زنجیره رده‌بندها (CC) در رده‌بندی چندبرچسبی است که در آن، از سلسله مراتب داده‌شده در مساله رده‌بندی، که ارتباطات بین برچسب‌های مساله را نشان می‌دهد، در تعیین چیدمان رده‌بندها به شکل متناسب استفاده شده است. مدل ارائه شده، بر روی پنج مجموعه‌داده رایج در حوزه رده‌بندی چندبرچسبی سلسله مراتبی مورد ارزیابی قرار گرفته است. شواهد تجربی نشان می‌دهند مدل ارائه شده، بر اساس سه معیار ارزیابی رایج در این حوزه، بهتر از روش پایه CC و همچنین بهتر از روش BR عمل می‌کند.

Smart vehicles are one of the applications of the Internet of Things. Controller area network (CAN) is the standard mean for its communication. The security of CAN is important and may be prone to side channel attacks. DPA is one of such attacks, which is considered among the most serious threats against cryptographic devices. Various metrics have been proposed to evaluate the resistance of different implementations against these attacks. Some of these metrics need side-channel attacks to be conducted and depend on the considered power model. Due to the vast variety of proposed side-channel attacks and power models, comprehensively evaluating a design under these metrics is commonly considered to be a tedious task. To alleviate this situation, t-test has been proposed. The non-specific variation of t-test does not need to suppose a power model for leakage assessment. In this paper, we have evaluated three implementations of AES on an FPGA. In the first design, no side-channel countermeasure is implemented while the second and the third implementations make use of masking and shuffling, respectively. Evaluation results show that significant reduction occurs in terms of side-channel leakage when masking or shuffling is applied. Results imply that shuffling and masking are proper choices for area-restricted and time-restricted devices, respectively.

گزارش‌هاي خبري در رسانه‌هاي اجتماعي و خبري به وسيله تعداد زيادي سند ارائه مي‌شوند و شامل موضوعاتي هستند که جوامع و نظرات مختلف را در برمي‌گيرند. آگاهي از رابطه‌‌ ميان افراد در اسناد مي‌تواند به خوانندگان کمک کند تا يک دانش اوليه در‌خصوص موضوع و هدف در اسناد مختلف به‌دست آورند. در پژوهش حاضر، به بررسي مسئله‌ي تشخيص جوامعي پرداخته خواهد شد که هدف اصلي، خوشه‌بندي افرادي است که نام آن‌ها در مجموعه‌اي از اسناد خبري آورده شده است؛ اين افراد در جوامعي با مواضع مرتبط، خوشه‌بندي مي‌شوند. در اين پژوهش يک روش تشخيص جوامع موضع افراد بهبود يافته مبتني بر شبکه دوستي به نام SCIFNET ارائه شده است. روش پيشنهادي از ساختار الگوريتم ژنتيک جهت اين مهم استفاده نموده است. در آزمايش‌ها معيار صحت به منظور مقايسه استفاده شده است که براي رسيدن به اين مهم از شاخص Rand index (که يک شاخص مهم در ارزيابي کيفيت خوشه‌بندي است) استفاده شده است. نتايج حاصل از آزمايش‌ها که برمبناي پايگاه‌هاي داده‌ي واقعي (اسناد منتشر يافته در رسانه خبري گوگل نيوز در رابطه با يک موضوع خاص) به‌ دست‌ آمده‌اند، حاکي از کارآمدي و بهره‌وري مطلوب روش پيشنهادي است.

شبکه‌هاي حسگر بي‌سيم چندرسانه‌اي (WMSN) با چالش‌هاي خاص خود از جمله نياز به پهناي باند بالا، روشهاي فشرده‌سازي متنوع، تأمين کيفيت سرويس و محدوديت منابع در دسترس روبرو هستند. در اين شبکه‌ها، انتقال محتواي چندرسانه‌اي فشرده روي کانال‌هاي بي‌سيم مستعد خطا، احتمال بروز خطا را به شدت افزايش مي‌دهد. از سوي ديگر به دليل محدوديت پهناي باند کانال بي‌سيم و انرژي گره‌هاي حسگر، نمي‌توان به شکل دلخواه، حجم داده ارسالي را با داده‌هاي افزونه براي تشخيص و تصحيح خطا افزايش داد. از اين رو، کنترل خطا در WMSN از جمله مسائل چالش‌برانگيز و موضوع تحقيقات گسترده‌اي بوده است.مکانيزم‌هاي کنترل خطاي لايه‌اي به دليل محدوديت دسترسي به اطلاعات ساير لايه‌ها، عملکرد مناسبي در اين شبکه‌ها ندارند. در مقابل، مکانيزم‌هاي کنترل خطاي بين لايه‌اي موجود عليرغم بهبود کنترل خطا، محدوديت‌هاي ازدحام شبکه و مصرف انرژي را لحاظ نمي‌کنند. در اين مقاله يک روش کنترل خطاي بين لايه‌اي بهبوديافته پيشنهاد مي‌شود که با بهره‌گيري از اطلاعات بين لايه‌اي و در نظر گرفتن ترافيک و محدوديت‌هاي WMSN، به شکل پويا ميزان افزونگي در داده‌هاي کنترلي را تنظيم مي‌کند. نتايج شبيه‌سازي‌هاي انجام شده نشان مي‌دهد که روش پيشنهادي، انرژي مصرفي را کاهش داده و در عين حال کيفيت ويديوي دريافتي را در سطح قابل قبولي حفظ نموده است.

شبکه‌هاي توان پايين و پراتلاف دامنه وسيعي از برنامه‌ها، مانند اتوماسيون ساختمان، کنترل صنعتي، شهر هوشمند، بيمارستان و موارد ديگر را پوشش مي‌دهند. در شبکه‌هاي توان پايين و پراتلاف، برنامه‌ها نيازمند ارتباطات مطمئن و به صرفه هستند که بتوانند مسيريابي بسته‌ها را انجام دهند. يکي از مهم‌ترين نقش‌ها در معماري اينترنت اشيا پروتکل‌هاي مسيريابي است. IETF در سال 2012 پروتکل مسيريابي RPL را براي شبکه‌هاي توان پايين و پراتلاف استاندارد کرد. زماني‌که نود موبايل در شبکه باشد، پروتکل RPL نمي‌تواند حمايت خوبي انجام دهد و نرخ از دست رفتن بسته‌ها، تاخير و مصرف انرژي افزايش پيدا مي‌کند. امروزه برنامه‌هاي کاربردي نيازمند استفاده از پروتکل‌هايي هستند که بتوانند از نودهاي موبايل پشتيباني کنند و ارتباطات مطمئن را شکل دهند. در اين مقاله پروتکل RPL براي شبکه‌هاي با نود موبايل بهبود داده شده است تا ارتباط نود موبايل با والد خود پيوسته باشد. هم‌چنين پروتکل پيشنهادي با پروتکل RPL و mRPL بر روي پارامترهاي مصرف انرژي، تاخير دست‌دهي، نرخ تحويل بسته‌ها و سربار شبکه مقايسه شده است. نتايج بدست آمده از شبيه‌سازي با استفاده از CONTKI/COOJA، عملکرد بهتر پروتکل پيشنهادي را نشان مي‌دهد.

با گسترش شبکه‌هاي اجتماعي آنلاين و اثرات استفاده از آن در زندگي روزمره مردم، تبليغات از طريق اين رسانه‌هاي جديد در حال گسترش است. يکي از سوالات مطرح در تحليل شبکه‌هاي اجتماعي، مدل‌سازي گسترش اطلاعات و بررسي بيشينه‌سازي تاثير در ميان کاربران است. در اکثر مقالات پيشين انجام گرفته در زمينه بيشينه‌سازي تاثير در شبکه‌هاي اجتماعي، هزينه انتخاب يک کاربر به عنوان راس اوليه انتشار اثر (فارغ از ويژگي‌هاي ناهمگون کاربران همچون تعداد دوستان و يا دنبال‌کننده ) همواره يکسان تلقي شده است که اين فرض، در شبکه‌هاي اجتماعي که افراد قادر به تعيين هزينه و يا رد يک درخواست هستند، چندان منطقي نيست. در اين مقاله قصد داريم تا بيشينه‌سازي تاثير در مدل آبشاري مستقل (Independent Cascade) در شبکه‌هاي اجتماعي را در شرايطي که هزينه انتخاب راس‌هاي اوليه ناهمگون باشد، بررسي و مدل‌سازي کنيم. همچنين با انتخاب راس‌هاي اوليه با استفاده از پنج رويکرد مختلف، نحوه گسترش اثر را براي سه نوع شبکه مختلف (تصادفي، Small-World و Scale-free) نمايش داده و رويکرد صحيح انتخاب کاربران اوليه را براي بيشينه‌سازي اثرگذاري در اين شرايط روشن نماييم.