انجمن کامپیوتر ایران

با گسترش محیط‌های صنعتی و تعداد اجزای داخلی آنها، به ناچار روش‌های کنترل سنتی در محیط‌های مذکور برچیده شده و روش‌های کنترل مدرن جایگزین آنها خواهند شد. روش های کنترل مدرن در محیط‌های صنعتی در مقابل حملات فیزیکی و الکترونیکی آسیب پذیرند. در چند سال اخیر و در پی حوادث متعددی که در محیط های صنعتی به سبب آسیب پذیری شبکه‌های کنترل رخ داده است، فعالیت های گسترده‌ای در نقاط مختلف دنیا در زمینه ی امنیت شبکه‌های کنترل صنعتی انجام گردیده است.بسیار از محیط‌های صنعتی مانند شبکه‌های نفت وگاز، تولید و توزیع انرژی الکترونیکی وحمل و نقل جزو زیر ساخت‌های ملی کشور بوده، تأمین امنیت و تضمین کارایی آنها از اهمیت بسیار بالایی برخوردار است. ایجاد امنیت در محیط‌های صنعتی در سطوح و بخش‌های مختلف می‌بایست انجام گردد، که به تفضیل در [1]،[2] و[3] ارائه گردیده است. در این مقاله تمرکز بر روی پروتکل‌های استاندارد تبادل اطلاعات در شبکه‌های صنعتی و نقاط ضعف آنها از نقطه نظر امنیتی خواهد بود. پروتکل‌های متداول در شبکه‌های صنعتی برای به کارگیری در کاربرد‌هایی که امنیت در آنها اهمیت دارد مناسب نبوده ولی امکان افزودی ابزار‌های امنیتی در ساختار بعضی از آنها وجود دارد. ابزارهای امنیتی بشکلی که در شبکه کنترل صنعتی قادر بکارگیری نبوده و نسخه‌ای مناسب از آنها با توجه به فرایند تحت کنترل و سیاست های شبکه می‌بایست طراحی گردد. در این مقاله پس از اشاره به لزوم و اهمیت امنیت در شبکه‌های کنترل صنعتی به معرفی ساختار شبکه‌های کنترل در محیط‌های صنعتی و بررسی پروتکل‌های متداول جهت تبادل اطلاعات در شبکه‌های مذکور پرداخته شده و یکی از پروتکل‌های متداول در شبکه‌های کنترل صنعتی جهت بکارگیری در یک کاربرد امن ارتقاء خواهد یافت. همچنین نظر به تأثیر ماهیت فرایند تحت کنترل در تعریف سیاست‌های امنیتی شبکه ، به عنوان نمونه و در تعریف جزئیات، شبکه تولید، انتقال و توزیع انرژی الکتریکی مد نظر قرار خواهد گرفت.

مساله تطبیق و زمان‌بندی ایستای کارها در سیستم‌های توزیع شده محاسباتی ناهمگن به دلایل استفاده بهینه از ماشین‌های محاسباتی موجود و همچنین صرف زمان کمتر برای اجرای الگوریتم زمان بندی، از اهمیت ویژه‌ای برخوردار است. حل این مساله بااستفاده ا ز الگوریتم‌های کلاسیک چون برنامه نویسی پویا و برگشت به عقب نیاز به زمان محاسبه زیادی دارد، به همین دلیل تلاش‌های بسیاری برای حل آن با استفاده از روش‌های ابتکاری صورت پذیرفته است؛ یکی از این روش‌های ابتکاری، الگوریتم ژنتیک است. در این مقاله الگوریتم ژنتیک جدیدی بنامTDGASA ارائه می‌شود که زمان محاسبه آن وابسته به تعداد کارهای موجود در هر مساله زمان‌بندی است و برای کاهش زمان محاسبه الگوریتم از شبیه‌سازی گداختگی استفاده می‌نماید. با انجام شبیه‌سازی‌ها مشاهده می‌شود که الگوریتم پیشنهادی، زمان محاسبه برای زمان بندی ایستای کارها را به نحو محسوسی کاهش می‌بخشد در حالی که زمان پاسخ یا زمان اتمام آخرین کار در سیستم نیز کاهش اندکی می‌یابد.

با توجه به کاربرد روزافزون بانک‌های اطلاعاتی حجیم و انباره‌های بزرگ تراکنش، اخیرا توجه بسیاری از محققان به سمت تولید روش‌های کارآمد جهت استخراج قوانین انجمنی معطوف گشته است. اغلب روش‌های موجود در مرحله اول کار خود کلیه اقلام پرتکرار (ساده و ترکیبی) را از بین تمام اقلام موجود در داده‌ها جستجو می‌کنند که این امر نیازمند به خواندن مکرر کل داده‌ها از دیسک است. اکثر روش‌هایی هم که جدیدا پیشنهاد شده‌اند سعی بر این دارند تا لااقل میزان رخداد و درجه پشتیبانی 3 بعضی از اقلام را بتوان مستقیما و بدون پیمایش داده‌ها محاسبه کرد. اما به این مسأله کمتر توجه شده که چگونه به روش بهینه‌ای برای شمارش دفعات رخداد اقلام در مواقعی که راهی جز شمارش وجود ندارد دست یابیم. در این مقاله راه حلی کارا برای این مسأله ارائه شده است. در روش پیشنهادی ما، داده‌ها تنها یک بار از دیسک خوانده می‌شوند و بعد از آن به یک ساختار رمز شده و خلاصه تبدیل می‌گردند، بطوریکه اولا قابل نگهداری در حافظه می‌باشند و ثانیا با توجه به ساختار خاصی که دارند، عملیات شمارش به سریع‌ترین نحو ممکن انجام می‌گردد و زمان شمارش دفعات تکرار اقلام در هر مرحله کمتر از مرحله قبل می‌شود. پس از ارائه الگوریتم، کارایی آن را با استفاده از دو مجموعه از داده‌های ساختگی و واقعی ارزیابی کرده و با چند روش کارا که تاکنون ارائه شده‌اند، مقایسه می‌کنیم.

در اکثر روش‌های خوشه‌بندی فرض می‌شود که تعداد دقیق خوشه‌ها در آغاز مشخص است، که البته این فرض در بیشتر مواقع صحت ندارد. در ردیابی و خوشه‌بندی گفتار مبتنی بر گوینده عمدتاً ما اطلاعی از تعداد دقیق گوینده‌ها در قطعه گفتاری نداریم. در این مقاله روشی مبتنی بر الگوریتم خوشه‌بندی کلونی مورچه‌ها به منظور تعیین تعداد گویندگان در یک فایل گفتاری و خوشه‌بندی قطعات مربوط با هر یک از گویندگان پیشنهاد شده است. الگوریتم کلونی مورچه‌ها یک الگوریتم شبه تصادفی است که قادر به تخمین تعداد خوشه‌های مناسب برای یک مجموعه از داده‌های ورودی می‌باشد. در روشی که در این مقاله پیشنهاد می‌گردد، در ابتدا به کمک الگوریتم مورچه‌ها یک خوشه‌بندی اولیه از قطعات گفتاری ایجاد می‌شود و تعداد گویندگان موجود در گفتار تخمین زده می‌شود. سپس با استفاده از روش‌های خوشه‌بندی متداول، خوشه‌بندی قطعات گفتاری انجام می‌گردد. همچنین در این مقاله روشی پیشنهاد می‌شود که با کمک آنها بتوان تعداد تخمین زده شده از گویندگان را به مقدار صحیح نزدیک‌تر نمود.