انجمن کامپیوتر ایران

سیستم رمزنگاری NTRUEncrypt را می‌توان یکی از کارآمدترین طرح‌های رمزنگاری کلید عمومی پساکوانتومی دانست که ‌بر روی ساختارهای مشبکه بنا نهاده شده است. از آنجاییکه از جنبه‌ی تهدیدات امنیتی، حملات خانواده‌ی MITM موثرترین نتایج را بر روی این طرح در برداشتند و در سال‌های اخیر نیز با تطبیق حملات مختلف در محاسبات کوانتومی، این حملات مدعی کاهش مرتبه‌ی اجرای خود و تشدید تهدیدات گردیدند لذا در این مقاله سعی شده است که مبتنی‌بر استراتژی مقاوم‌سازی پارامترها در سیستم‌های رمزنگاری جهت مقابله با حملات کوانتومی، به ارائه‌ی یک طرح تولید کلید جهت مقاوم-سازی NTRUEncrypt در مقابل حملات خانواده‌ی MITM مبادرت گردد. به‌ازای یک سطح امنیتی مشخص، ملاحظات صحتی نشان دهنده‌ی افزایش قابل‌ تحمل احتمال شکست در طرح پیشنهادی ما می‌باشد، همچنین بجز در اُفت کارایی بوجود آمده در فرایند تولید کلید (که یک فرایند Passive محسوب می‌شود)، کلیه‌ی تدابیر کارایی در عملیات رمزگذاری/رمزگشایی قابل حفظ است. همچنین به‌ازای یک مجموعه پارامتر خاص، امنیت NTRUEncrypt در طرح پیشنهادی ما، از جنبه‌ی حملات BruteForce به کلید خصوصی به‌طور چشمگیر و از جنبه‌ی حملات کاهش مشبکه به‌ میزان محسوسی افزایش می‌یابد و این در حالی است که با جلوگیری از اجرای موثر فاز جستجو/تست در حملات خانواده MITM، امکان اِعمال این حملات بسیار ناکارآمد می‌گردد.

امروزه تلفن‌هاي همراه، از طريق ارائه سرويس‌هاي خاص قابليت‌هاي زيادي در راستاي رفاه کاربران فراهم ساخته‌اند. به‌کارگيري تکنولوژي موبايل در سيستم‌هاي مديريت فرآيند، يکي از راه‌هاي برقراري تعامل مستقيم بين مشتريان و سازمان‌ها در سطح فرآيندهاي کسب‌و‌کار است. در اين مقاله با تمرکز بر جايگاه تعامل‌پذيري در فرآيندهاي کسب‌و‌کار مبتني بر موبايل، با بررسي چالش هاي اين حوزه، از جمله بار سنگين ناشي از فراخواني هاي مکرر و لزوم پشتيباني از سرويس‌هاي کاري متنوع و پويا در تعاملات، به معرفي راهکاري مبتني‌ بر معماري ريزسرويس‌ها درجهت رفع اين چالش‌ها و افزايش بهره‌مندي از تاثيرات مثبت ناشي از سيستم‌هاي موبايل در مديريت فرآيندهاي کسب‌و‌کار و همچنين بهبود تعامل‌پذيري ميان سرويس‌هاي سازمان‌هاي مختلف مي‌پردازيم. براي ارزيابي رويکرد ارائه شده، يک سناريواز فرآيندهاي مبتني بر موبايل را شبيه سازي کرده و ويژگي‌هاي کيفي مرتبط با تعامل پذيري را اندازه گيري کرديم.

انتخاب ويژگي يکي از مهم‌ترين مراحل يادگيري ماشين است که با حذف ويژگي‌هاي افزونه و غير مرتبط منجر به کاهش زمان محاسبات و افزايش دقت مدل ياد گرفته شده مي‌شود. در اين مقاله، يک روش جديد براي انتخاب ويژگي غير نظارتي پيشنهاد شده است که در آن مساله به يک گراف وزن‌دار کامل متقارن مدل‌سازي مي‌شود که راس‌هاي اين گراف نمايانگر ويژگي‌هاي مجموعه داده‌ها و وزن يال‌هاي آن نمايانگر ميزان شباهت بين ويژگي‌ها است. الگوريتم پيشنهادي شامل سه گام است: ابتدا با استفاده از يک مقدار آستانه تطبيقي، برخي از يال‌هاي گراف که وزن بالايي دارند، حذف شده و گراف کامل به يک گراف خلوت تبديل مي‌شود و انتظار مي‌رود بين ويژگي‌هاي افزونه يالي وجود نداشته باشد. سپس، با استفاده از الگوريتم مشهور پيج‌رنک گوگل به هر راس از گراف يک امتياز داده مي‌شود و راسي که افزونگي کمتري با ساير راس‌ها داشته باشد، اتصالات بيشتري دارد و امتياز بالاتري مي‌گيرد. در نهايت، با استفاده از يک الگوريتم حريصانه، زير مجموعه‌اي از ويژگي‌ها که همپوشاني کمي با يکديگر دارند انتخاب شده و به عنوان ويژگي‌هاي انتخاب شده نهايي گزارش مي‌شوند. نتايج پياده‌سازي روش پيشنهادي و مقايسه آن با نتايج ساير الگوريتم‌هاي انتخاب ويژگي غيرنظارتي نمايانگر کارايي مناسب الگوريتم پيشنهادي است.

به منظور کاهش آلودگی هوا و بهبود بهره‌وری انرژی، بسیاری از کشورها و شهرها وسایل نقلیه الکتریکی را به عنوان جایگزینی مناسب برای خودروهای بنزینی، در سیستم ترافیک فعلی معرفی کرده‌اند. یکی از زیرساخت‌های مهم در جهت توسعه شبکه خودروهای الکتریکی، ایستگاه‌های شارژ این خودروها می‌باشد. با توجه به هزینه بالای نصب و نگه-داری این ایستگاه‌ها، انتخاب محل‌هایی جهت ایجاد آن‌ها به صورت مناسب و بهینه از اهمیت زیادی برخوردار است. در این مقاله راهکاری برای انتخاب مناسب‌ترین محل جهت احداث ایستگاه شارژ از بین نقاط کاندید با در نظر گرفتن محدودیت‌های شهری و ترافیکی ارائه گردیده‌است. هدف، قرار گرفتن جایگاه‌های شارژ در مناطقی است که هزینه‌ها در آن کمینه شده و پارامترهایی چون چگالی خودرویی (تعداد خودروها در ناحیه‌ای مشخص)، جریان ترافیک و محدودیت-های محیطی با هدف رسیدن به کارآیی بالای شبکه در چیدمان لحاظ شده باشند. انتظار می‌رود با در نظر گرفتن پارامترهای بالا در چیدمان و مسیردهی مناسب خودروها به سمت ایستگاه شارژ متناسب با مقصد، از میزان زمان سفر، اتلاف انرژی و زمان انتظار و هزینه نصب و نگه داری ایستگاه‌های اضافی کاسته شود.

امروزه طيف گسترده‌اي از روش‌ها براي دسته‌بندي متون به کلاس‌هاي از پيش تعريف‌شده بکار گرفته مي‌شوند. روش‌هاي يادگيري ماشين و ازجمله مدل‌هاي يادگيري عميق ازجمله اين روش‌ها به شمار مي‌روند. بسياري از مسائل در حوزه پردازش زبان طبيعي را مي‌توان به يک مسئله دسته‌بندي متون تقليل داد. تشخيص نوع، سبک، ژانر و بسياري ويژگي‌هاي ديگر کاربستي متون مانند طنز، شوخي، توهين و... از اين جمله هستند. تشخيص اين ويژگي‌ها نقش مهمي در عملکرد سيستم‌هايي چون دستيار هوشمند، سيستم هاي محاوره و گپ، سيستم‌هاي تحليل احساسات و مانند آن دارند. ما در اين مقاله با بکارگيري برخي از روش‌هاي يادگيري ماشين مانند شبکه‌هاي عصبي پيچشي و دسته‌بندهاي بيز ساده و ماشين بردار پشتيبان خطي، به دسته‌بندي و جداسازي پيام‌هاي فارسي طنزآميز از پيام‌هاي غير طنز در کانال‌هاي تلگرام پرداخته‌ايم. آزمايش‌ها نشان مي‌دهند که در تشخيص طنز، شبکه عصبي پيچشي از مدل‌هاي بيز و ماشين بردار پشتيبان خطي بهتر عمل مي‌کند.

اختلال اتيسم يکي از اختلالات مغزي است که در سال‌هاي اخير بين کودکان رايج شده است. مطالعات بسياري به تفاوت‌هاي عملکردي شبکه مغز اتيستيک و سالم پرداخته‌اند. با اين وجود فرايند خودکار و مؤثري براي تشخيص اين اختلال با استفاده از تصاوير عملکردي مغز وجود ندارد. در اين پژوهش، با استفاده از مدل‌سازي داده‌هاي تصاوير تشديد مغناطيس عملکردي شبکه پيچيده مغز و استخراج ويژگي‌هاي اين شبکه، به بررسي تفاوت‌هاي مغز سالم و اتيستيک پرداخته‌ايم و روشي جهت رده‌بندي اين دو گروه ارائه کرده‌ايم. در اين روش، با استفاده از مفهوم گرافلت به عنوان زيرگراف‌هاي غير‌ يک‌ريخت از پيش تعريف شده، يک بردار ويژگي جهت رده‌بندي داده‌ها استخراج شد و با استفاده از يک رده‌بند ترکيبي، رده‌بندي داده‌ها به دو گروه سالم و اتيستيک انجام شد. نتايج به دست آمده با بهبود 5/6 درصدي نسبت به بهترين مقاله مبنا، به دقت 81/69 % براي رده‌بندي رسيده است.

در سال‌هاي اخير، پردازنده‌هاي گرافيکي جايگاه ويژه‌اي در مراکز داده‌ ابري يافته‌اند. اين امر به دليل توان پردازشي بالاي پردازنده‌هاي گرافيکي در انجام کارهاي موازي است. بااين‌وجود، استفاده از پردازنده‌هاي گرافيکي با چالش‌هايي ازجمله توان مصرفي بالا و بهره‌وري پايين همراه است. يک راه‌حل براي بهبود بهره‌وري، مجازي‌سازي پردازنده گرافيکي است. در اين روش، پردازنده گرافيکي با استفاده از روش‌هاي مجازي‌سازي بين چند ماشين‌ مجازي به اشتراک گذاشته مي‌شود. براي استفاده بهينه از منابع پردازشي گرافيکي و جلوگيري از هدررفت منابع، الگوريتم‌هاي تخصيص منابع توسعه داده‌شده‌اند. بااين‌حال، کارايي اين الگوريتم‌ها تاکنون در بسترهاي ابري ناهمگن مطالعه و بررسي نشده است. هدف اين مقاله، بررسي رفتار الگوريتم‌هاي متداول تخصيص منابع در بسترهاي ابري ناهمگن مبتني بر پردازنده گرافيکي است. بدين منظور، مرکز داده‌اي با دو نوع کارت گرافيکي مختلف شبيه‌سازي شده و کارايي الگوريتم‌هاي تخصيص منابع مختلف بررسي و مقايسه شده‌ است. همچنين الگوريتمي براي بهبود زمان اجراي بار کاري در اين‌گونه بسترها ارائه شده و نتايج به‌دست‌آمده با نتايج الگوريتم‌هاي مشابه مقايسه شده است. نتايج شبيه‌سازي نشان مي‌دهد استفاده از روش پيشنهادي در بستر‌هاي ناهمگن مي‌تواند نسبت به روش‌هاي پيشين تا 11% زمان اجراي بار کاري و انرژي مصرفي مرکز داده را کاهش دهد.

در اين مقاله براي اولين بار يک الگوريتم توزيع شده براي يافتن کوتاه‌ترين مسيرهاي تک مبدأ تصادفي ارائه شده است. اين الگوريتم که مبتني بر آتاماتاي يادگير است مي‌تواند کوتاه‌ترين مسيرها از يک مبدأ به ساير گره‌ها را در يک گراف تصادفي بيابد. گراف تصادفي، گرافي است که در آن هزينه منتسب به لينک‌ها، متغيرهاي تصادفي با توزيع از پيش ناشناخته مي‌باشد. کوتاه‌ترين مسير بين دو گره مسيري با کمترين طول مورد انتظار تعريف مي‌شود. در الگوريتم پيشنهادي ابتدا هر گره مجهز به يک آتاماتون يادگير مي‌شود و سپس يک الگوريتم محلي در هر گره به صورت تکراري در فواصل ثابت زماني تا همگرا شدن آتاماتون يادگير اجرا مي‌شود. در هر تکرار الگوريتم محلي، آتاماتون يادگير فعال شده و لينکي که بايد از آن نمونه‌گيري شود را مشخص مي‌کند. اين روش نمونه‌گيري منجر به کاهش نمونه‌گيري‌هاي زائد و در نتيجه موجب سرعت اجراي الگوريتم مي‌شود. نتايج آزمايشي حاکي از برتري الگوريتم پيشنهادي از نظر سرعت و دقت نسبت به الگوريتم‌هاي ارائه شده قبلي (که غير توزيع شده‌اند) مي‌باشد. به دليل توزيع شدگي الگوريتم، قابليت پياده سازي آن در شبکه‌هاي واقعي امکان پذير است.

در ساختار شبکه‌هاي روي تراشه سه‌بعدي، چندين لايه از اجزاء، روي هم قرار مي‌گيرند. ارتباط بين اين لايه‌ها از طريق اتصالات عمودي بين‌لايه‌اي برقرار مي‌شود. يکي از مهم‌ترين چالش‌هايي که قابليت اطمينان يک سيستم مبتني بر شبکه‌هاي روي تراشه‌ سه‌بعدي را با مخاطره مواجه مي‌سازد، اشکال همشنوايي است. در اين مقاله جهت حل اين مشکل، روش پيشنهادي با نام کدينگ شناور براي کاهش اشکال همشنوايي بر اساس پيدا کردن بهترين جانمايي بين حالت‌هاي همشنوايي موجود مي‌پردازد، طوري که دامنه‌ي از کاربردها را پوشش خواهد داد. اين روش پيشنهادي از سربار مساحت بسيار کم در برابر کارهاي پيشين بهره مي‌برند. براي ارزيابي روش‌هاي پيشنهادي، از شبيه‌ساز کامل gem5 به منظور استخراج کاربرد واقعي از بسته‌هاي محک SPEC استفاده شده است. همچنين براي سنتز واحدهاي سخت‌افزاري مختلف از ابزار Design Compiler استفاده شده است.

در دهه‏‌هاي ‏اخير شاهد افزايش چشمگير دستگاه‌‏ها ‏و تجهيزات هوشمند و بکارگيري آن‏ها ‏در فعاليت‌‏هاي ‏مختلف هستيم. همچنين با تمايل افراد به استفاده از اينترنت و دستگاه‏‌هاي ‏هوشمند، مفاهيم جديدي چون اينترنت اشيا شکل گرفته اند. از اين رو ساختار شبکه‏‌هاي ‏جديد از شبکه‏‌هاي ‏با توپولوژي‏‌هاي ‏شناخته شده و ساده به سمت شبکه‏‌هاي ‏با پيچيده گي بيشتر حرکت کرده و شبکه‌‏هاي ‏به نام شبکه‏‌هاي ‏جهان کوچک را پديد مي‏آورند. در اين شبکه‏‌ها ‏که تعداد نودها زياد و نحوه‏ي ‏ارتباطات نودها داراي پيچيدگي خاصي مي‏باشند ارزيابي دسترس پذيري نودها کار پيچيده‏اي ‏است و ديگر روش‏‌هاي ‏قديمي پاسخ گو نيستند. از سوي ديگر باتوجه به شرايط رقابتي موجود در ارائه‏‌ي ‏خدمات بلادرنگ و امن به کاربران در حوزه‌‏ي ‏فناوري اطلاعات از شرايط موفقيت کسب‏وکارها مي‏توان به ارائه خدمات فناوري اطلاعات به موقع و با قابليت اطمينان و دسترس‌پذيري بالا اشاره کرد. ازاين رو براي سازمان‌ها به خصوص سازمان‏‌هاي ‏با ماموريت‌‏هاي ‏حساس ايجاد زيرساخت‌هاي فني و ارائه خدمات با دسترس‌پذيري بالا اهميت بسزايي دارد که مستلزم آن است که بتوان با مدل‌هاي دقيق کمّي، ميزان دسترس‌پذيري و در نتيجه قابليت اطمينان خدمات و زيرساخت‌هاي حساس و بحراني را محاسبه نمود. تاکنون در اين زمينه تلاش‌هاي زيادي صورت گرفته است که اغلب آن‌ها دسترس‌پذيري را صرفاً براي تجهيزات زيرساختي و يا حداکثر با لحاظ ارتباطات اين تجهيزات با يکديگر يعني در لايه شبکه يا زيرساخت محاسبه نموده‌اند يا روش‏‌ها ‏به صورت کيفي و براساس نظر خبرگان بوده است. در اين پژوهش سعي بر آن است که با تبعيت از يک ديدگاه مبتني بر معماري سازماني، تمامي لايه‌هاي سه‌گانه يک خدمت فن‌آوري اطلاعات شامل لايه کسب و کار، نرم‌افزار و زيرساخت را در يک چارچوب يکپارچه و به‌هم پيوسته با هم مرتبط کرده و سپس دسترس‌پذيري کلي يک فرايند در لايه کسب‌‏وکار را با توجه به ارتباطات مدل‌سازي‌شده بين هر سه لايه، به صورت دقيق محاسبه و در اختيار ارائه دهندگان خدمت قرار داد. مزيت اين رويکرد فهم دقيق ارائه دهنده‏‌ي ‏خدمت از ميزان دسترس‌پذيري فرايندهاي کاري حساس سازمان خود مي‏‌باشد. نتايج شبيه‌سازي نشان داد که چگونه از دست رفتن يک جزء داراي اهميت بالاتر تاثيرات به مراتب منفي‌تري نسبت به يک جزء کم اهميت بر روي دسترس‌پذيري کلي فرآيند کاري کاربران دارد.

عارضه کمردرد از جمله شايع ترين بيماري هاست که نزديک به 42 درصد از جمعيت جهان از آن رنج مي برند. اين عارضه مي تواند ناشي از عواملي مانند لغزش مهره کمر، فتق ديسک، تنگي کانال نخايي، تغيير شکل مهره ها و انحراف ستون فقرات باشد. شبکه هاي عصبي کانولوشن در تشخيص عارضه انحطاط ديسک کمر در تصاوير ام آر آي دقت قابل قبولي را از خود نشان داده اند اما در شرايطي که تصاوير ورودي تحت تاثير نويز قرار گرفته شده باشند، شبکه هاي مذکور کارايي خوبي ندارند. در اين مقاله، يک يادگيرنده تجمعي عميق دو لايه اي ارايه شده است که شبکه هاي عميق کانولوشن را نسبت به دو نويز گاوسي و نمک و فلفل مقاوم مي سازد. در لايه اول چهار طبقه بند ماشين بردار پشتيبان، k نزديک ترين همسايه، درخت تصميم گيري و جنگل تصادفي و در لايه دوم، يک شبکه دروازه در نظر گرفته شده است که به هر کدام از طبقه بندها بر اساس دقت فاز آموزش وزني مشخص را تخصيص مي دهد. نتايج آزمايشات نشان مي دهد که روش پيشنهادي دقتي برابر با 98 درصد براي تصاوير با نويز گاوسي و 96 درصد براي تصاوير با نويز نمک و فلفل دارد.

امروزه تحلیل اطلاعات در اینترنت با توجه به حجم گسترده توسط انسان کار دشواری است. لذا برای حل این مشکل از برنامه‌های خودکار به نام ربات‌های وب استفاده می‌شود. ربات‌های وب با توجه به اهدافی که برای آن طراحی شده‌اند، انواع متفاوتی دارند. این اهداف به طور کلی مفید و کاربردی هستند ولی ربات‌هایی با اهداف مخرب هم وجود دارند. همین موضوع باعث شده تا موضوع تشخیص ربات‌های وب از اهمیت بالایی برخوردار باشد. ربات‌های مخرب بر خلاف ربات‌های مفید، نه تنها از قوانین خاصی پیروی نمی‌کنند بلکه سعی دارند با تقلید دسترسی‌های انسانی مورد شناسایی قرار نگیرند. این امر باعث شده شناسایی آنها یکی از مهم‌ترین مسائل حوزه وب‌کاوی باشد. در این مقاله برای حل مسئله از روش ماشین‌های بردار پشتیبان تک کلاسی بهره گرفته شده که برای افزایش دقت و کاهش تاثیر داده‌های نویزی از قواعد فازی پیروی می‌کند. حل این مساله با استفاده روش پیشنهادی باعث بهبود تشخیص ربات‌های با الگو‌های رفتاری جدید می‌شود. از طرف دیگر، فازی‌سازی این روش باعث کاهش تاثیر داده های نویزی و پرت بر روی نتیجه می‌شود. نتایج بدست آمده با اعمال بر روی داده‌های یکی از دانشگاه‌های داخلی و همچنین دانشگاه Minnesota نشان از دقت بالای روش پیشنهادی دارد.

با توجه به رشد چشم گير ترافيک مراکز داده در سال‌هاي اخير و تقاضا براي پهناي باند بيشتر، نياز به طراحي‌هاي سفارشي‌شده با کارايي بيشتر به شدت احساس مي‌شود. همچنين، توجه به مديريت اين تقاضاها در کنار درنظرگرفتن توان مصرفي و هزينه‌هاي پياده‌سازي، باعث افزايش پيچيدگي مسئله مي‌گردد. از طرف ديگر، به علت رشد توليد بسته‌هاي چندپخشي1در برنامه‌هاي اين مراکز و تأثير آنها بر ترافيک شبکه، توجه به مديريت اين بسته‌ها و طراحي معماري‌هايي براي کمک به ارسال آنها، از اولويت بيشتري نسبت به قبل برخوردار هستند. امروزه، شبکه‌هاي نوري به عنوان راه‌حل کمکي و حتي جايگزين براي شبکه‌هاي الکتريکي کنوني مطرح هستند. از اين رو، ما با بهره‌گيري از سوده‌هاي نوري غيرفعال2، سعي نموده‌ايم تا مسيرياب‌هاي الکتريکي در مراکز داده را حذف نماييم. ما به کمک ترکيب سوده‌هاي موجود با سوده‌هايي با پيکربندي ارائه‌شده‌ي جديد، گره‌هاي شبکه را به يکديگر متصل کرديم؛ بطوري که زمينه براي هر دو نوع ارسال تک‌پخشي و چندپخشي بهبود يابد. نتايج بدست آمده، نشانگر عملکرد مناسب اين معماري نسبت به شبکه‌هاي الکتريکي رايج و شبکه‌هاي نوري مشابه است.

با توجه به مزايايي که براي شبکه‌هاي نوري ميان‌ارتباطي مراکز داده نسبت به ساختارهاي سنتي الکتريکي برشمرده مي‌شود، اين شبکه‌ها از جذابيت بيش‌تري برخوردار هستند؛ بااين‌حال در ساختارهاي اوليه‌اي که براي آن‌ها ارائه شده‌است، مسائلي مانند محدوديت مقياس‌پذيري و وجود يک نقطه‌ي خرابي مطرح است. در اين مقاله، به ارائه‌ي راه‌کارهايي براي مقاوم ساختن شبکه‌ي مقياس‌پذير توري مدور در برابر خرابي پرداخته مي‌شود. راهکار مطرح‌شده در اين مقاله، از قابليت شبکه‌ي حلقه‌ي سه‌بعدي در ارائه‌ي مسيرهاي بدون استفاده بين گره‌ها، براي ارائه ي پروتکل انتقال داده در هنگام بروز خرابي در مسير انتقال، استفاده مي‌کند. نتايج شبيه‌سازي حاکي از بهبودي در حدود 50% در ارسال موفق بسته‌هاي داده است.

امروزه استفاده از شبکه‌هاي ارتباطي بي‌سيم در محيط‌هاي مختلف فراگير شده است. يکي از چالش‌هاي مهم اين شبکه‌ها، آسيب‌پذيري در برابر حملات شنودگر است. يکي از راهکارهاي مطرح شده براي کاهش اين آسيب‌پذيري، برقراري امنيت در لايه فيزيکي با استفاده از روش ارتباط مشارکتي است. در اين مقاله، امنيت و محرمانگي لايه فيزيکي شبکه مشارکتي با رله‌ي تقويت -و- ارسال بر روي کانال‌هاي با محوشدگي رايلي در حضور چندين شنودگر مورد بررسي قرار مي‌گيرد. بدين منظور روابط رياضي براي ارزيابي محرمانگي شبکه‌هاي مخابراتي بدست مي‌آوريم. اين روابط رياضي شامل رابطه‌ي ظرفيت محرمانگي غير صفر، رابطه‌ي احتمال قطع محرمانگي و رابطه‌ي ميانگين ظرفيت محرمانگي مي‌باشند. در ادامه با استفاده از نتايج عددي حاصل از روابط بدست آمده به ارزيابي کارايي امنيت ارسال و دريافت اطلاعات در شبکه مشارکتي پرداخته مي‌شود. همچنين صحت روابط بدست آمده با استفاده از شبيه‌سازي مونت-کارلو مورد راستي‌آزمايي قرار مي‌گيرد. در انتها، احتمال قطع محرمانگي در شبکه مشارکتي با احتمال قطع محرمانگي در شبکه ارسال بدون مشارکتي مقايسه مي‌شود. نتايج نشان مي‌دهد که شبکه مشارکتي با رله‌ي تقويت -و- ارسال، امنيت لايه فيزيکي بهتري را نسبت به شبکه ارسال مستقيم و بدون مشارکتي ايجاد مي‌کند.

شناسایی حالت چهره یکی از مسائل جالب و چالش‌برانگیز در یادگیری ماشین است. تاکنون تحقیقات بسیاری در این زمینه انجام شده‌ است، اما دقت شناسایی حالت چهره به‌خصوص در تصاویر کنترل‌ نشده به بهبود زیادی نیاز دارد. در این مقاله یک شبکه عصبی کانولوشنی جدید برای شناسایی حالت چهره ارائه می‌شود که برای وزن‌دهی اولیه لایه‌های کانولوشنی، از تکنیک انتقال یادگیری از شبکه‌های بزرگ استفاده می‌شود. شبکه پیشنهادی، از یک لایه محاسبه هیستوگرام مشتق‌پذیر برای ارائه توصیف آماری نگاشت ویژگی‌ها در خروجی لایه‌های کانولوشنی به لایه تمام متصل شده بهره می‌برد. همچنین یک تابع اتلاف سه‌گانه جدید بر مبنای فاصله مربع کای اصلاح‌ شده، که متناسب با فضای هیستوگرامی است، برای آموزش شبکه عصبی پیشنهاد شده‌ است. دقت شناسایی هفت حالت چهره با استفاده از شبکه پیشنهادی بر روی چهار پایگاه‌ داده شناخته‌ شده CK+،MMI،SFEW و RAF به‌ترتیب برابر 47/98، 41/83، 01/61 و 24/89 درصد بوده‌ است که نشان‌دهنده دقت بسیار بالای این روش در مقایسه با روش‌های موجود است.

برای بیشینه‌سازی سود ناشی از ارتباطات دستگاه به دستگاه دارای حافظه پنهان، فرآیند ذخیره‌سازی و تحویل محتوا باید به طور مشترک طراحی شده باشد. در این مقاله، سیاست‌های ذخیره‌سازی و زمانبندی برای به حداکثر رساندن احتمال واگذاری موفقیت آمیز، به عنوان احتمال این که یک کاربر می‌تواند فایل مورد نظر را در حافظه محلی، حافظه کمک‌کننده (نودهایی که فقط ظرفیت حافظه‌ای بالایی دارند) یا از طریق لینک ارتباطات دستگاه به دستگاه با نرخ داده بزرگ‌تر از یک آستانه مشخص دریافت کند، ارائه می‌شود. برای جلوگیری و کنترل تداخل در ارتباطات دستگاه به دستگاه در روش توزیع شده، از سیاست زمانبندی استفاده می‌شود. نتایج نشان می‌دهد که در مقایسه با کارهای مرتبط، رویکرد پیشنهادی ما منجر به بهبود در احتمال واگذاری موفقیت‌آمیز می‌شود.

تشخیص زنده یا جعلی بودن تصویر چهره یک شخص در بازشناسایی افراد در سیستم‌های نظارتی یکی از چالش‌های بزرگ در این زمینه است زیرا با در دست داشتن یک تصویر یا فیلم از شخص مورد نظر، براحتی می‌توان به این سیستم‌ها نفوذ کرد. در این مقاله یک شبکه عصبی عمیق بر پایه معماری VGG16 و با استفاده از روش یادگیری انتقالی برای تشخیص جعل چهره ارئه شده است. با توجه به تغییرات انجام شده در معماری پیشنهادی نسبت به معماری VGG16، تعداد وزن‌های شبکه به چهره قابل چشم‌گیری کاهش داشته و بنابراین زمان آموزش شبکه بهبود مناسبی داشته است همچنین در این مدل از جدیدترین دادگان موجود در این زمینه (CASIA-SURF) که دارای تعداد تصاویر زیادتری نسبت به دادگان گذشته است، برای آموزش استفاده شده است. در این روش، عملکرد شبکه پیشنهادی بر روی تصویر RGB به عنوان ورودی شبکه بررسی شده است. در مقایسه با بهترین نتایج به دست آمده در پژوهش‌های اخیر، در شبکه پیشنهادی، دقت نسبت به بهترین روش‌‌های قبلی قابل مقایسه بود و نرخ میانگین خطا نیز بهبود داشته است.

کوچک شدن ابعاد ترانزیستورها در فناوری های ساخت تراشه باعث افزایش نرخ سالمندی، به عنوان مهمترین عامل تهدید کننده‌ی قابلیت اطمینان در پردازنده‌های امروزی شده است. از مهم‌ترین عوامل وقوع سالمندی، ناپایداری حاصل از بایاس و دما و تزریق حامل داغ هستند. این دو پدیده در بخش‌های ترکیبی مدار باعث نقض دوره‌ی پالس ساعت و در بخش‌های ترتیبی باعث کاهش مقاومت در برابر تغییر ناخواسته‌ی داده می‌شوند. با توجه به این که واحد حساب و منطق یکی از فعال‌ترین واحدهای تراشه است و عموماً در تراشه تبدیل به یک نقطه داغ می‌شود، این واحد به شدت در معرض سالمندی قرار دارد. در این مقاله، با توجه به اینکه دستورالعمل‌های مختلف باعث سالمندی در بخش‌های متفاوتی از واحد حساب و منطق می‌شوند، با استفاده از زمان‌بندی دستورات و متعادل کردن بارکاری واحدهای اجرایی در طول زمان، سعی در کاهش سالمندی واحد حساب و منطق، با سربار کارایی کمتر نسبت به روش‌های پیشین را داریم. روش پیشنهادی با ثابت نگه داشتن میانگین زمان اجرا، درصد استفاده از هسته‌ها و همچنین دمای هر هسته، افزایش ولتاژ آستانه در اثر سالمندی را به میزان 37% کاهش می‌دهد.

احساسات، نقش مهمی را در ارتباطات انسان‌ها ایفا می‌کنند. از اين رو نياز به بازشناسي خودکار آن براي بهبود ارتباط انسان و رايانه افزايش يافته است. در سال‌های اخیر تشخیص احساسات دروني افراد بسيار مورد توجه قرار گرفته است. مطالعه‌ احساس از طریق پردازش سیگنال‌های بیولوژیکی، علاوه بر تشخیص و درمان به موقع ناهنجاری‌های روانی، در علوم مبتنی بر تعاملات انسان و رایانه نیز نقش مهمی بازی می‌کند و باعث پیشرفت‌های زیادی در این زمینه می‌گردد. اما با توجه به این‌که معمولا تعداد کانال‌ها و تعداد ویژگی‌های استخراج شده از سیگنال مغز زیاد است، رسیدن به زیر فضایی کاهش یافته‌ای که تشکیل شده از ویژگی‌های موثر و مشترک بین افراد باشد بسیار با اهمیت است. از طرفی این زیر فضا بایستی به نحوی باشند که در مواجهه با افراد جدید کارایی مناسبی داشته باشد. به همین منظور در این مقاله برای بدست آوردن زیرفضای کاهش یافته مرتبط با احساسات و مشترک بین افراد، رویکرد چند وظیفه‌ای ارائه شده است. برای نشان دادن کارایی روش پیشنهادی از دادگان SEED و DEAP استفاده شد. نتایج آزمایشات نشان می‌دهند که روش پیشنهادی نسبت به روش‌های مطرح در این حوزه کارایی بهتری دارد.