انجمن کامپیوتر ایران

در اين مقاله تشخیص توده‌ای اشیاء از تصویر عمق و بدون استفاده از تصویر رنگی سنسور کینکت ارائه شده است. تصاویر عمق از سنسور کینکت دریافت شده و پس از کالیبراسیون دوربین و پروژکتور عمق، محدوده اجسام موجود در صحنه تشخیص داده می‌شوند. در روش پیشنهادی از الگوریتم‌های یادگیری استفاده نشده است و الگوریتم هیچ آگاهی از محیط ندارد. عدم استفاده از تصاویر رنگی موجب افزایش دامنه کاربرد الگوریتم در شرایط دشوار نوری می‌شود. در روش کانتور فعال با آستانه‌گیری چند هدفه از تصویر طیف خاکستری عمق، آن ناحیه رشد داده شده تا محدوده شیء تعیین شود. در این مقاله با استفاده از پیوستگی نواحی، تفکیک میان اشیاء واقع در یک عمق بررسی شده است. روش پیشنهادی در مسیریابی و تهیه نقشه‌های سه بعدی بلادرنگ که توسط ربات‌های خودکار در محیط‌های ناشناخته تهیه می‌شوند، می‌تواند مورد استفاده قرار گیرد. نتایج حاصل از شبیه‌سازی حاکی از عملکرد مناسب روش پیشنهادی در مقایسه با روش‌های متداول آن می‌باشد. نتایج تجربی از تصاویر واقعی گرفته شده سنسور کینکت به دست آمده و این روش قادر است با سرعت بالا و دقت مناسبی اشیاء محیطی را تشخیص داده و عوارض محیط را شناسایی نماید.

در دنیای امروز، مجموعه حجیمی از داده¬ها در سرتاسر دنیا در حال تولید شدن است. به این حجم عظیم داده که تولید می¬شود، کلان داده گفته می¬شود. تجزیه و تحلیل کلان داده می¬تواند بینش عمیقی به سازمان¬ها جهت تصمیم¬گیری در امور مختلف بدهد. استفاده از تجزیه و تحلیل کلان داده در نظام سلامت نه تنها چالش حجم زیاد داده¬ها را تسهیل می¬کند بلکه چالش تنوع داده¬ها شامل انواع مختلف داده¬های تولید شده و سرعت تولید آن را نیز حل می¬کند. با استفاده از تکنولوژی¬های کلان داده، اطلاعات می¬توانند از حجم وسیعی از داده¬های در دسترس استخراج شود. در حوزه سلامت، با بهره¬برداری درست و بهینه از اطلاعات خروجی، می¬توان بهترین سیستم تصمیم¬گیری را فراهم کرده تا بتواند موجب حفظ جان انسان¬ها گردد. در این مقاله سعی بر آن است که به کاربرد کلان داده در نظام سلامت شهری پرداخته شده، پزشکی کنش¬گرای P4 که پیش¬گویی کننده، پیش¬گیری کننده، فردگرایانه و مشارکت¬جویانه است، مطرح و پیوند کلان داده و پزشکی P4 تببین شود و فرصت¬ها و چالش¬هایی که وجود دارد، مورد بررسی قرار گیرند. اگرچه چالش¬هایی وجود دارند، اما می¬توان پیشرفت چشمگیری هم در حوزه سلامت و هم برای ابزار¬ها و زیرساخت¬های تجزیه و تحلیل¬های مرتبط با این حوزه متصور شد.

دستگاه‌های حسگر پوشیدنی برای بسیاری از برنامه‌های کاربردی در بهداشت و درمان استفاده می‌شود. ویژگی‌های آماری استخراج شده از سیگنال‌های فیزیولوژیکی توسط افراد، ممکن است منجر به تخلیه باتری شود که در این صورت باید ویژگی‌های بهینه انتخاب شوند. در این مقاله مفهوم انتخاب ویژگی با هدف به حداقل رساندن مصرف انرژی برنامه های کاربردی طبقه بندی شده معرفی می‌شود. مسئله با استفاده از الگوریتم ژنتیک برای انتخاب ویژگی به شیوه‌ای توان کارآمد و استفاده از دو معیار ارتباط و افزونگی به عنوان معیار ارزش‌گذاری ویژگی‌ها ارائه شده است. نتایج آزمایشی بر روی سی کانال داده فعالیت جمع‌آوری شده از افراد واقعی نشان می‌دهد که روش پیشنهادی به طور قابل توجهی می‌تواند باعث کاهش مصرف انرژی سنسورها گردد، در نتیجه باعث ذخیره بیش از 30% انرژی شود در حالی که دقت طبقه‌بندی به 95% می‌رسد.

شناسایی حالت چهره یکی از مسائل جالب و چالش‌برانگیز در بینایی ماشین است. استخراج ویژگی نقش بسیار مهمی در دقت الگوریتم‌های شناسایی حالت چهره ایفا می‌کند. یکی از روش‌های استخراج ویژگی در بینایی ماشین، استفاده از فیلتر گابور است، که عملکرد آن شباهت زیادی به سلول‌های پیچیده در سیستم بینایی انسان دارد. نقطه ضعف فیلتر گابور، هزینه محاسباتی و طول بردار ویژگی زیاد آن است. در این مقاله، با الهام از سیستم بینایی انسان، ماتریس‌های حاصل از کانولوشن فیلترهای گابور با تصویر، به نحو مناسبی براساس بیشترین و کمترین پاسخ، کدگذاری می‌شوند. در ادامه، با محاسبه هیستوگرام این کدها در تصویر، بردار ویژگی بدست می‌آید. طول این هیستوگرام به ازای 16 و 8 فیلتر گابور به ترتیب برابر با 240 و 56 بوده که بسیار کمتر از حفظ تمام ضرایب گابور است. روش پیشنهادی که از سیستم بینایی انسان الهام گرفته شده است، بر روی سه پایگاه داده شناسایی حالت چهره CK+، SFEW و MMI (به‌صورت مستقل از شخص) ارزیابی شده است. نتایج بدست آمده از این آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با سایر روش‌های مشابه موجود از دقت بالاتری در شناسایی حالت چهره در تصاویر کنترل شده و همچنین کنترل نشده برخوردار است.

مشکل تنگنای ابعاد در مجموعه داده‌های با ابعاد بالا از مسائل مهم در حیطه خوشه‌بندی داده‌ها است. در سال‌های اخیر برای حل این مشکل، روش‌های خوشه‌بندی زیر‌فضا مورد توجه بسیاری از محققان قرار گرفته است. هدف اصلی خوشه‌بندی زیر¬فضایی، یافتن تمام خوشه‌ها در تمام زیرفضاهای ممکن است. مشکل اصلی روش‌های پیشین خوشه‌بندی زیر‌فضایی، ایجاد تعداد بسیار زیادی زیرفضا است. این مشکل منجر به کاهش کارایی و افزایش زمان اجرای الگوریتم‌ها شده است. در این مقاله روشی کارا مبتنی بر چگالی برای ایجاد بهینه زیرفضاها ارائه شده است. این الگوریتم به صورت پایین به بالا عمل کرده و با استفاده از معیارهای مختلف شباهت، زیرفضاهای مشابه را با تکرار چندین باره الگوریتم پیدا و ترکیب می¬نماید. برای این منظور الگوریتم پیشنهادی در هر تکرار، پس از ترکیب و تشکیل زیرفضاهایی با ابعاد بالاتر، داده‌های موجود در این زیرفضاها را دوباره خوشه‌بندی می¬کند. این خوشه‌بندی به منظور، بدست آوردن ساختار جدید خوشه‌ها انجام می¬شود. در نهایت الگوریتم پیشنهادی، تمام زیرفضاهای ممکن در داده‌ها را تشخیص داده و همه‌ی خوشه‌های ممکن را می¬یابد. برای ارزیابی روش پیشنهادی از مجموعه داده‌های مصنوعی و واقعی مختلفی استفاده شده است. روش پیشنهادی در مقایسه با روش های پیشین از دقت و سرعت بهتری برخوردار است. روش پیشنهادی 34 درصد نسبت به الگوریتم CLIQUE و 6 درصد نسبت به DiSH دقت بالاتری دارد. همچنین روش پیشنهادی، برخلاف روش‌هاش پیشین، توانایی یافتن زیرفضاها در ابعاد مختلف را دارد.

شبکه‌های توری بی‌سیم یک تکنولوژی جدید به منظور ایجاد سرویس‌های ارتباطی پهن باند و با قابلیت توسعه را فراهم می‌سازند. با توجه به این موضوع، مدیریت دسترسی به منابع با هدف بهبود گذردهی، بعنوان یکی از مهمترین چالش‌های پیش رو در این شبکه‌ها مطرح می‌شود. در اين مقاله، ابتدا مسئله‌ی مدیریت دسترسی به منابع شامل: مدیریت کنترل توان، مدیریت تطبیق نرخ، مدیریت زمان‌بندی، مدیریت مسیریابی و مدیریت تخصیص کانال در گره‌های این شبکه فرمول‌بندی می‌شود. مسئله‌ی مطرح شده NP_hard می‌باشد و با افزایش تعداد گره‌های شبکه و تعداد تقاضاهای ترافیکی، مدت زمان پاسخگویی به صورت نمایی افزایش می‌یابد. برای حل این مشکل یک الگوریتم ترکیبی ابتکاری-فراابتکاری به منظور مدیریت دسترسی به منابع، ارائه می‌گردد. نتایج شبیه‌سازی عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با رویکرد فرمول‌بندی شده بهینه نشان می‌دهد.

حمله منع سرویس تلاش برای خارج کردن ماشین و یا منابع شبکه از دسترس کاربران مجازش است. اگرچه منظور از حمله DOS و انگیزه انجام آن ممکن است متفاوت باشد، اما به طور کلی شامل تلاش برای قطع موقت یا دائمی و یا تعلیق خدمات یک میزبان متصل به اینترنت است. این حملات ممکن است با کمک سواستفاده از آسیب¬پذیری¬های مقصد یا تجهیزات بین راه اتفاق بیفتند و یا کاملا از مسیری که کاربران مجاز نیز از آن استفاده می¬کنند حمله کنند. روش ارائه شده در این مقاله، روشی مستقل از پروتکل و در لایه شبکه است که قادر به تشخیص رفتار حمله بدون نیاز به دانستن رفتار شبکه در حالات عادی است. ما از تجزیه و تحلیل دوبعدی موجک برای مدل کردن همزمان رفتار فرستنده و گیرنده برای تشخیص خارج از کنترل بودن/نبودن ترافیک استفاده کرده ایم.

With the expansion of embedded systems and the new applications of these computing systems in Internet of Things, smart homes and sensors, such systems are faced with a large amount of data. Therefore, designing an embedded system for Massive sensor data analysis for detecting a situation and making a decision is becoming more complex. Machine learning algorithms are a promising method for designing such systems. Neural networks are very popular learning systems to be used in data analysis. However, huge computations of the neural networks make them unsuitable for embedded systems which have strict limitations on energy consumption and execution time as the main design concerns. In this paper we propose an optimization for multi-layer perceptron neural networks based on neuron saturation states. Experimental results show that in average 89% of neurons are in saturated state for benchmark applications. Since in a saturated neuron, exact numerical value is not required, predicting the saturation state helps to perform the computation with less effort. The goal of the saturation prediction is to keep accuracy while minimizing the computations.

تشخيص جامعه در شبکه‌هاي اجتماعي از نظر محاسباتي کاري چالش برانگيز است و توجه محققان زيادي را در دهه اخير به خود جلب کرده است. بيشتر مقالات در اين حوزه بر مدل‌سازي ويژگي‌هاي ساختاري تمرکز کرده‌اند. در اکثر اين مقالات، روش‌ها جوامع را يکي پس از ديگري و به صورت سري يا نوبتي تشخيص مي‌دهند. با هدف افزايش سرعت محاسبات، الگوريتم‌هاي تشخيص جامعه موازي‌سازي شدند. الگوريتم انتشار برچسب (LPA) به دليل بازدهي زماني، روش مؤثري براي موازي‌سازي است. در اين مقاله، اين الگوريتم به صورتي بازنويسي شده است که جوامع همپوشان را تشخيص دهد؛ در جوامع همپوشان يک فرد/گره مي‌تواند همزمان به بيش از يک جامعه متعلق باشد. همچنين، مبتني بر مدل نگاشت - کاهش الگوريتم جديد پياده‌سازي شده است. آزمايش‌هاي طراحي شده نشان مي‌دهد که الگوريتم پياده‌سازي شده از الگوريتم‌هاي مشابه تشخيص جوامع همپوشان مانند LPA، SLPA و COPRA براساس معيار ماژولاريتي کارکرد بهتري دارد.

تجزيه و تحليل نظرات کاربران، يک حوزه فعال در پردازش زبان طبيعي مي‌باشد که هدف آن، شناسايي، استخراج و سازماندهي نظرات متون توليد شده توسط کاربر مي‌باشد. در طول دو دهه گذشته، بسياري از مطالعات در اين حوزه، از روش‌هاي يادگيري ماشين براي حل وظايف تجزيه و تحليل نظرات ديدگاه‌هاي مختلف بهره برده‌اند. از آنجايي که امروزه روش‌هاي يادگيري عميق به عنوان مدل‌هاي محاسباتي قدرتمند، قادر به تفسير و درک معنايي متن و داده‌ها مي‌باشند، در اين مقاله روشي براي تعيين سنجمان کلمات و عبارات فارسي با استفاده از يادگيري عميق و ميدان‌هاي تصادفي شرطي (CRF) پيشنهاد شده است. در واقع به اين علت که کلمات و عبارات مي‌توانند در متن‌ها و بافتارهاي مختلف داراي سنجمان‌هايي متفاوتي باشند، هدف اين مقاله دادن بار معنايي به آن‌ها بوده و سيستم قادر به تشخيص سنجمان‌هاي مختلف آن‌ها مي‌باشد. به دليل اينکه سنجمان کلمات و عبارات مجاور بر روي يکديگر اثر مي‌گذارد، نتيجه CRF در روش پيشنهادي بهتر از softmax مي‌باشد.

تخمين ژست بدن انسان در تصوير که در آن محل قرارگيري اجزاء اصلي بدن انسان در يک تصوير دوبعدي مشخص مي‌شود، استفاده‌هاي فراواني در کاربردهاي مختلف بينائي ماشين دارد. در تخمين ژست در ويديو، علاوه بر اطلاعات ظاهري موجود در هر فريم مي‌توان از اطلاعات زماني بين فريم‌ها يا ويژگي‌هاي حرکتي نيز استفاده کرد. اطلاعات زماني بين فريم‌ها را مي‌توان با استفاده از حافظه‌هاي کوتاه مدت طولاني کانولوشني مدل‌سازي کرد. با تحليل حرکت انسان در يک دنباله از فريم‌ها مي توان ژست احتمالي انسان در فريم‌هاي بعدي را پيش‌بيني کرد. در برخي موارد نظير حالتي که يکي از اندام‌هاي بدن از يک حالت انسداد خارج و شروع به حرکت مي‌کند به دليل عدم وجود اطلاعات عضو مربوطه در فريم‌هاي قبلي، اطلاعات حرکتي براي تخمين ژست آن عضو در فريم‌هاي بعدي موجود نيست. برعکس، در اين گونه موارد، اطلاعات فريم‌هاي بعدي مي‌توانند در مورد محل آن عضو در فريم فعلي اطلاعاتي را ارائه نمايند. از اين رو با تحليل رو به عقب فريم‌ها مي‌توان به مجموعه جديدي از اطلاعات حرکتي دست يافت. در اين مقاله با تخمين ژست با استفاده از دو مدل مجزاي رو به جلو و رو به عقب، دو خروجي متمايز به ازاي هر فريم توليد مي‌شود. نقشه‌هاي اطمينان حاصل از اين دو مدل با استفاده از يک شبکه‌ي کانولوشني با يکديگر ترکيب شده و خروجي نهايي توليد مي‌شود. نتايج به دست آمده از اعمال روش پيشنهادي بر روي مجموعه داده‌هاي Penn Action‌ و Sub-JHMDB نشان‌دهنده برتري اين روش بر روش‌هاي پيشين و استخراج اطلاعات مورد نظر است.

پيدا کردن مسير ساده از مجموعه نقاط داده شده درون چندضلعي اولين بار توسط چنگ و همکارانش مطرح شد. اين مسئله مي‌تواند در مسيريابي حرکت ربات‌ها، توليد چندضلعي‌هاي تصادفي، طراحي مدارهاي VLSI و غيره کاربرد داشته باشد. در اين مقاله اثبات مي‌کنيم که رسم m زنجيره ساده با طول‌هاي متفاوت داده شده از يک مجموعه نقطه درون يک چندضلعي ساده به‌طوري‌که تمام نقاط را پوشش دهند و زنجيره‌هاي رسم شده باهم تقاطع نداشته باشند ان پي-کامل است. براي اثبات ان پي-کامل بودن اين مسئله، از مسئله «3-پارتيشن» که خود يک مسئله ان پي-کامل است استفاده مي‌کنيم و آن را به مسئله مطرح‌شده کاهش مي‌دهيم. در پايان نيز اثبات مي‌کنيم که رسم يک دورهميلتوني از نقاط درون چندضلعي ساده که لزوماً ساده نيست ان پي- کامل مي‌باشد.

دسته‌بندي بسته‌ها يکي از وظايف اصلي پردازنده‌هاي شبکه‌اي مي‌باشد. مهمترين مسئله در اين زمينه، استفاده از الگوريتمي است که بتواند بسته‌ها را با سرعت بالا و مصرف حافظه پايين، دسته‌بندي نمايد. الگوريتم‌هاي دسته‌بندي به دو رده‌ي کلي نرم‌افزاري و سخت‌افزاري تقسيم مي‌شوند. الگوريتم‌هاي مبتني بر درخت تصميم يک گروه از روش‌هاي نرم‌افزاري دسته‌بندي بسته‌ها هستند که با به کارگيري روش‌هاي مختلف براي انجام برش در مدل هندسي معادل نمايش قانون‌هاي دسته‌بند، درخت تصميم بهينه را مي‌سازند. الگوريتم‌هاي موجود در اين دسته، در دسته‌بندي مجموعه قوانين بزرگ عملکرد مطلوبي از خود نشان نمي‌دهند. آنها براي کاهش حافظه مصرفي، تعداد دفعات دسترسي به حافظه را که بيانگر سرعت جستجو مي‌باشد را تا حد چشمگيري افزايش مي‌دهند و يا بالعکس، براي افزايش سرعت جستجو با افزايش قابل توجهي در حافظه مصرفي مواجه مي‌شوند. الگوريتم BitCuts که اخيرا براي افزايش سرعت جستجو در الگوريتم‌هاي درختي ارائه شده است نيز از اين مشکل مستثني نشده است. ما در اين مقاله روش جديدي ارائه داده‌ايم که با تغيير نحوه انتخاب بيت در هر گره از درخت، حافظه مورد نياز و تعداد دسترسي به حافظه را در الگوريتم مذکور کاهش مي‌دهد. نتايج ارزيابي مويد آن است که متوسط تعداد دسترسي ها به حافظه جهت دسته بندي بسته‌ها و ميزان حافظه مصرفي در روش پيشنهادي، به ترتيب برابر %61 و %13 روش پايه Bitcuts است.

با ملاحظه‌ي مقبوليت عمومي و روبه‌گسترش استفاده از روش‌ها و الگوريتم‌هاي مبتني‌بر گراف در زيست‌شناسي سامانه‌ها و زيست‌شناسي مصنوعي، و همچنين، گستردگي تنوع گراف‌هاي بکارگرفته‌شده توسط اين الگوريتم‌ها، توليد و توسعه‌ي يک محصول جامع کتابخانه‌اي که با اتکاي بر آن بتوان نمايشي کامل و بي‌نقص از انواع سامانه‌هاي زيستي را ارائه داد، ضروري به نظر مي‌رسد. فقدان محصولات کتابخانه‌اي با غناي آنچه که براي طراحي، بررسي و تحليل شبکه‌هاي مختلف زيستي موردنياز است، از ديگر انگيزه‌هاي ما براي حرکت در راستاي نيل به اين مقصود بود. در کنار اين موارد، استفاده از معماري سه لايه در طراحي محصول مزايايي را بهمراه دارد که نتيجه‌اش توليد محصولي کارآمد است؛ مزيت‌هايي مانند: 1) توسعه‌ي يک معماري ماژولار ساختارمند براي ملاحظه‌ي انواع داده‌گراف‏ها ‏و کاهش پيچيدگي‌هاي وابسته، 2) حفظ دقت و صحت داده-گراف‌ها بدون دخالتِ کاربر نهايي در نحوه‌ي ذخيره‌سازي‌شان در کامپيوتر و 3) افراز محصول کتابخانه‌اي به زيربخش‌هاي مختلف بنابر آنچه که گفته شد و نقصان‌هاي موجود، اين مقاله به معرفي ساختار يک محصول کتابخانه‌اي توسعه‌پذير براي پوشش تمامي انواع داده‌گراف‌ها و نحوه‌ي توليد آن که مبتني‌بر معماري سه لايه است، مي‌پردازد. محصول مذکور با بهره-گيري از زبان برنامه‌نويسي جاوا و پايگاه داده‌اي MySQL پياده‌سازي شده و درحال بسط و گسترش است.

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.

در اين مقاله، به ارزیابی و تحلیل امنیت لایۀ فیزیکی در شبکه‌های بی‌سیم مخابراتی رلۀ مشارکتی تقویت-و-ارسال با انتخاب بهترین رله به روش بهینه در کانال‌های مخابراتی بی‌سیم با مدل محوشدگی رایلی پرداخته می‌شود. از روش انتخاب بهترین رلۀ در سیستم مشارکتی تقویت-و-ارسال برای بهبود امنیت لایۀ فیزیکی در جهت مقابله با شنود و استراق سمع توسط کاربران غیرمجاز استفاده می‌شود. در واقع به دلیل ماهیت ارسال در شبکه‌های بی‌سیم، علاوه بر گیرندۀ اصلی مربوط به کاربران مجاز، گیرنده‌های مربوط به کاربران غیرمجاز و شنودگر نیز قادر به دریافت اطلاعات ارسالی از طرف فرستنده می‌باشند. در سیستم مورد بررسی در این مقاله، برای ارزیابی و تحلیل امنیت لایۀ فیزیکی، رابطۀ ریاضی برای ظرفیت محرمانگی لایۀ فیزیکی را تعیین نموده و با استفاده از آن، نتایج عددی عملکرد امنیت لایۀ فیزیکی در حالات مختلف مورد بررسی قرار می‌گیرد. به علاوه، شبیه-سازی‌های مونت-کارلو برای ارزیابی صحت و دقت رابطۀ به دست آمده، آورده شده است. نتایج عددی ارائه شده نشانگر این است که سیستم مخابراتی مشارکتی رله‌ای با انتخاب بهترین رله به روش بهینه، امنیت لایۀ فیزیکی سیستم‌های مخابراتی مشارکتی رله‌ای را به میزان قابل توجهی افزایش و بهبود می‌دهد.

با توجه به تعداد روز افزون اشیائی که به اینترنت متصل می‌شوند، وسایل نقلیه نیز با استفاده از فناوری‌های روز و با ابزارهای اینترنت اشیا به صورت بی‌سیم به اینترنت متصل می‌شوند و به دلیل اهمیت و کاربرد روز افزون آن در خودروهای هوشمند، نوعی خاص از اینترنت اشیاء موسوم به اینترنت وسایل نقلیه به وجود آمده است. اتصال هر وسیله‌ای به اینترنت بدون در نظر گرفتن تمهیدات امنیتی خطرناک و حادثه ساز است و حالا که جان انسان‌ها نیز در این امر دخیل است این اهمیت دو چندان می‌شود. هم‌چنین به‌کارگیری سازوکار‌های امنیتی از ملزومات اصلی در حفظ حریم‌خصوصی برای کاربرد‌های گوناگون است و اینترنت خودرویی یا همان IoV نیز از این قاعده مستثنی نیست. بازنگری در برخی از سازوکار‌ها و طراحی مدل‌های جدید که با وسایل نقلیه و نحوه‌ی ارتباطات آن‌ها با زیر ساخت‌ها که اغلب به صورت بی‌سیم است، نیز سازگار باشند دارای اهمیت بالایی است. چرا که سامانه‌های IoV غالبا به خاطر حرکت وسایل نقلیه با سرعت بالا نیازمند پروتکل‌هایی ویژه هستند تا ضمن ایجاد امنیت و حفظ حریم‌خصوصی، کارایی نیز کاهش نیابد. لذا در استفاده از الگوریتم‌های رمزنگاری باید توجه ویژه‌ای به بحث کارایی داشت تا از تحمیل سربار محاسباتی بیش از اندازه به دستگاه جلوگیری کرد تا سرعت تبادل اطلاعات بین زیر ساخت‌ها و وسایل نقلیه پایین نیاید. از این رو طرح‌های زیادی برای تامین امنیت شبکه‌ اینترنت خودرویی پیشنهاد شده است که طرح Vasudev و Debasis یکی از آن‌ها است که در این مقاله نشان داده می‌شود که طرح آنها در برابرحمله نقض یکپارچگی پیام با احتمال موفقیت 1 آسیب پذیر است. هم‌چنین در این مقاله طرح آن‌ها به گونه ای بهبود داده می‌شود که در مقابل حمله ارائه شده در این مقاله و نیز دیگر حملات فعال و غیر فعال امن باشد. امنیت پروتکل بهبودیافته در این مقاله با استفاده از ابزار Scyther اثبات می‌گردد.

رواج روزافزون سیستم‌های کسب‌وکار بر بسترهای فناوری اطلاعات نیازمند مدل‌سازی‌های قابل فهم برای تعامل انسان و ماشین است. در این راستا توصیف و مدل‌سازی دامنه‌های معماری سازمانی جهت درک بهتر معماری مطرح شده برای انسان و ماشین مورد توجه جدی است. مدل‌سازی یکی از روش‌هایی است که همواره میزان درک پذیری تحلیل‌ها را بالا برده، اما درصورتی‌که مدل‌سازی به‌صورت کامل انجام نشده باشد و مدل‌سازی‌های قابل فهم برای انسان و ماشین مجزا از یکدیگر باشد، می‌تواند منشاء چالش‌هایی از جمله پیچیدگی مدل‌ها، زمان‌گیر بودن استحصال آن‌ها علیرغم عدم بلوغ و غیره باشد. با اضافه کردن معنا به مدل‌های متداول می‌توان بسیاری از این چالش‌ها را مهار نموده و یا پشت سر گذاشت. هدف اساسی در این مقاله استفاده از قواعد معنایی در توصیف معماری سازمانی و بیان زمان استفاده از این قواعد است تا دامنه‌های معماری سازمانی را جهت درک بهتر معماری مطرح شده به‌صورت معنایی توصیف نماید. با تمرکز بر اینکه معماری کسب‌و‌کار یکی از پراهمیت‌ترین دامنه‌های معماری سازمانی است و تأثیرات زیادی بر دامنه‌های دیگر معماری سازمانی دارد و درصورتی‌که بتوان توصیف معنایی و نحوی دقیقی از آن ارائه نمود، آنگاه این عمل مولد ارزش زیادی خواهد شد. برای اضافه کردن معنا به توصیف‌های نحوی موجود از هستان‌شناسی و حاشیه‌نویسی استفاده می‌کنیم. همچنین با توجه به اینکه یکی از مهم‌ترین بخش‌های هر معماری سازمانی دامنه کسب‌وکار آن است، WSMO و مفهوم Goal Specification برای توصیف فرآیندهای کسب‌وکار به خدمت گرفته شده است. نتایج حاصله بیانگر تولید مدل‌های بالغ مبتنی بر معنا علیرغم پرهیز از پیچیدگی زیاد و زمان تولید کوتاه است.

فراهم کردن زمینه باز کردن و انتشار داده‌های بخش عمومی از بستر دولت الکترونیک، در قالب مجموعه‌‌های داده‌ باز امری است که طی چند سال اخیر توسط دولت‌ها در سراسر جهان دنبال می‌شود. این مجموعه‌های‌ داده باز، در صورت برخورداری از تعامل‌پذیری داده‌ای مطلوب، قابلیتی را خواهند داشت که با سایر منابع داده‌ای تلفیق شده و جهت ایجاد ارزش جدید مورد استفاده قرار گیرند. با این‌حال در وضعیت کنونی، اکثر دولت‌ها به صورت محدود برخی مجموعه داده‌ها را در سطح پایینی از کیفیت و تعامل‌پذیری داده‌ای منتشر می‌کنند. در این مقاله، با استفاده از یک رویکرد مبتنی بر هستان‌شناسی، روشی پیشنهاد شده است که به سازمان‌های دولتی کمک می‌کند تا بتوانند طی گام‌های مشخص، داده‌های غیرحساس و قابل عمومی‌سازی را شناسایی و در شکل سرویس‌های داده‌ای خوش تعریف منتشر کنند. در این راستا یک بستر داده دولتی باز شامل یک درگاه (www.iranopendata.ir) جهت انتشار سرویس‌های داده‌ای و یک سامانه مدیریت داده (www.ogdms.iranopendata.ir) به منظور تسهیل و مدیریت فعالیت‌های مرتبط توسعه داده شده است. در نهایت طی یک مطالعه موردی بر روی شهرداری تهران، روش پیشنهادی به طور کامل پیاده‌سازی شده است. نتایج به دست آمده نشان می‌دهد که به کارگیری روش پیشنهادی منجر به ایجاد مجموعه داده‌های با کیفیت و با سطح قابل قبولی از تعامل‌پذیری می‌گردد. بهره‌گیری از یک رویه مبتنی بر هستان‌شناسی و پیاده‌سازی آن بر روی یک بستر داده‌دولتی باز از جمله نقاط قوت روش پیشنهادی نسبت به روش‌های پیشین است که منجر به انسجام در استخراج، توصیف و انتشار سرویس‌های داده‌ای می‌شود.

شبکه‌های‌ نرم‌افزار‌ محور به دلیل ماهیت متمرکز، دچار محدودیت‌های زیادی در قابلیت عملکرد خود در شبکه‌های‌ گسترده می‌شوند و در نتیجه مقیاس‌پذیری این نوع شبکه‌ها با نوعی چالش مواجه است. طراحی و پیاده‌سازی شبکه‌های‌ نرم‌افزار‌ محور با استفاده از چند کنترلر، یک راه‌حل مقیاس‌پذیر ارائه می‌دهد که می‌تواند برای بهبود مدیریت ترافیک و عملکرد در شبکه‌های‌ گسترده مورد استفاده قرار گیرد. در این مقاله یک شبکه‌ نرم‌افزار محور چندکنترلر بر اساس مدل افقی پیشنهاد ‌شده است که با توجه به قابلیت توسعه تدریجی و قابلیت سازگاری رو به عقب و با استفاده از پروتکل BGP برای ارتباط بین دامنه‌ای، بهبود مقیاس‌پذیری شبکه و بهبود قابلیت نصب و پیکربندی سریع دامنه‌ها در شبکه را موجب می‌شود. با این‌ حال این روش با چالش محدودیت مدیریت و نظارت سرتاسری و یکپارچه بر دامنه‌ها مواجه است. بنابراین جهت مدیریت و نظارت بر طرح چند کنترلری در شبکه‌های گسترده، روشی بر اساس مدل سلسله مراتبی نیز ارائه ‌شده است. در این روش ارتباط کنترلر‌های هر دامنه با رابط کاربری مدیریتی از طریق REST در واسط شمالی هر کنترلر انجام می‌گیرد. همچنین برای افزایش بهره‌وری در هر دامنه‌ شبکه‌های‌ نرم‌افزار‌ محور از روش‌ مهندسی ترافیک استفاده می شود که بر اساس پهنای باند هر لینک بهترین مسیر را انتخاب می‌کند. نتایج پیاده‌سازی بیان‌گر تضمین ارتباط بین دامنه‌ای از طریق BGP، اثربخش بودن روش مهندسی ترافیک و کارآمدی مدیریت و نظارت بر چندکنترلری در شبکه‌های‌ گسترده از طریق رابط‌ کاربری پیشنهادی می‌باشد.