انجمن کامپیوتر ایران

امروزه سیستمهای نهفته به میزان زیادی در کاربردهای قابل حمل استفاده میشود. کاهشتوان در این گونه از سیستمها بسیار مورد توجه است. در این مقاله سعی شده است با بررسی روشهای کاهش توان در سیستمهای نهفته اثرات آنها را بر کاهش تغییرات سیگنال و در نتیجه کاهش توان پویا مورد ارزیابی قرار دهیم. تغییرات سیگنال بر روی نودهای خارجی و بخصوص گذرگاهها نقش مهمی در توان مصرفی در یک تراشه خواهد داشت لذا بررسی تکنیکهایی که این تغییرات را کاهش دهند در حوزهی کاری ما قرار دارد. تکنیکهای مختلف توسط سیمولاتور simplescalar مورد ارزیابی قرار گرفتهاند. در این آزمایش این تکنیکها بر روی دو معماری Alpha و Arm پیاده سازی شده اند. همچنین از برنامه های Spec2000 به عنوان ورودی تست استفاده شده است.

در سال¬های اخیر، حاشیه نویسی خودکار تصاویربه دليل تأثیر آن روی بازیابی و جستجوی تصاویر مورد توجه بسياري از پژوهشگران بوده است. حاشیه نویسی تصاویر اگر چه برای انسان کار پيچيده‌اي نمي‌باشد اما براي ماشين مسئله ا¬ی سخت و چالشی محسوب می‌شود. هرچنداز روش¬های طبقه‌بندي مختلفي می¬توان برایيادگيري حاشیه نویسی استفاده کرد،در این مقاله از الگوریتم kNN وزن دار به عنوان طبقه بند پایه استفاده شده است. در چارچوب پیشنهادی با تغييرات در تعداد و تنوع تصاوير آموزشي و واژه‌ها، نيازي به يادگيري مجدد طبقه بند نمي‌باشد.در این مقاله جهت کاهش شکاف معنايي از تلفيق ویژگی¬های محلی و سراسری استفاده شده است. آزمایش¬ها روی مجموعه داده¬ی Corel 5k عملکرد مطلوب روش ارائه شده را در مقايسه با روش‌هاي موجود نشان می‌دهد.

در مقاله حاضر، ما از روش يادگيري پیشنهادی به نام يادگيري TAQ به منظور استفاده¬ي عامل¬ها در يک پروسه چانه¬زني تک رويکرده بهره جسته¬ايم. الگوريتم يادگيري TAQ نسخه¬ي بهبود يافته الگوريتم Q مي¬باشد که ازالگوریتم پذیرش آستانه بهره مي گيرد. هدف از اين الگوريتم، غلبه يافتن بر چالش تعادل بين اکتشاف و بهره¬برداري از تجربيات در يادگيري Q مي¬باشد. استقبال چشمگيري از رويکرد¬هاي هوش مصنوعي براي حل مسئله چانه¬زني صورت گرفته است، زيرا نظريه¬ي بازي¬ها نياز به يک سري فرضيات غير واقعي براي حل مسئله چانه¬زني دارد. بنابراين ما بوسيله طراحي عامل¬هاي مبتنی بر يادگيري پیشنهادی TAQ، که با يکديگر بر روي مسئله قيمت، به چانه¬زني مي¬پردازند، به کارايي بالاتري دست يافته¬ايم. اين کارايي از نقطه نظر معيارهاي نرخ توافق، ميانگين منفعت و همچنين زمان مورد نياز براي رسيدن به سياست بهينه، مورد ارزيابي قرار گرفته است. در نهايت مي¬توان گفت اين روش پیشنهادی يادگيري مي¬تواند بعنوان يک الگوريتم يادگيري مناسب براي چانه¬زني خودکار آنلاين عامل¬ها در تجارت الکترونيک مورد استفاده قرار گيرد.

با توجه به پیوستگی حروف در زبان فارسی، استفاده از روش‏های توصیف مبتنی بر شکل کلی کلمات در بهبود عملکرد سیستم‏های بازشناسی موثر است. با توجه به اینکه مجموعه زیر-کلمات فارسی از نظر ساختار و پیچیدگی شکل، بسیار متنوع است، روش‏های مبتنی بر ویژگی‏های سراسری توصیف مناسبی از جزئیات شکل زیر-کلمات ارائه نمی‏کنند. از سوی دیگر، ویژگی‏های محلی نسبت به تغییرات درون-کلاسی حساسند و علاوه بر این ویژگی‏های ساختاری کل شکل را نیز در نظر نمی‏گیرند. برای بهره‏مندی همزمان از خصوصیات توصیفگرهای سراسری و محلی شکل، روش‏های مبتنی بر پیکربندی هندسی ویژگی‏های محلی ارائه شده‏اند. در این روش‏ها، هر شکل به صورت مجموعه‏ای از بخش‏های محلی و ارتباط ساختاری آن‏ها نمایش داده می‏شود. روشی که برای توصیف شکل زیر-کلمات در این مقاله به کار می‏گیریم، بر انتخاب بخش‏های مهم شکل زیر-کلمه و تعیین ارتباط مکانی این بخش‏ها استوار است. بخش‏هایی از شکل که بین نمونه‏های یک کلاس بیشتربن شباهت را دارند و در عین حال بیشترین تفاوت را با نمونه‏های سایر کلاس‏ها ایجاد می‏کنند، به عنوان بخش‏های مهم‏تر شکل انتخاب می‏شوند. ارتباط مکانی بخش‏های مهم شکل، با استفاده از گراف نسبی ویژگی‏دار نمایش داده خواهد شد. در یک آزمایش،برای بازیابی هر شکل ورودی، گراف‏های به دست آمده مقایسه شده و نتایج بررسی می‏شود.

به دلیل ویژگی‌های بازارهای پویا و رقابتی،هزینه‌یابی بر مبنای فعالیت تبدیل به ابزاری برای تعیین هزینه‌های واقعی فروش،فعالیت‌های بازاریابی و مشتریان شده و می‌تواند اطلاعات دقیق هزینه را جهت تصمیم‌گیری بهتر به سازمان‌ها ارائه دهد. اطلاعات به دست آمده توسط هزینه‌یابی بر مبنای فعالیت بینش روشنی از سود واقعی هر یک از گروه¬های مشتریان را برای مدیریت فراهم می‌نمايد،که این اطلاعات نقش مهمی در تجزیه و تحلیل سودآوری ناشی از مشتریان و در نتیجه موفقیت مدیریت ارتباط با مشتری خواهد داشت. مدل ارائه شده در این مقاله به مدیران جهت درک هزینه‌های واقعی محصولات و خدمات، و محرک‌های پدید آورنده این هزینه‌ها، یاری رسانده و از طرف دیگر مسائلی همچون رضایتمندی مشتریان را نیز تحت نظر قرار می‌دهد. رویکرد پیشنهادی امکان یکپارچه‌سازی تمامی فرآیند‌های کسب و کار حول نیازمندی‌های مشتریان سودآور مشخص را فراهم می‌نماید، واقعیتی که راهکارهای قبلی فناوری اطلاعات قادر به انجام آن نبوده‌اند.نتایج حاصل از این پژوهش، نشان دهنده بهبود گسترده در جنبه‌های مختلف مدیریت ارتباط با مشتری، از جمله بهبود در هزینه و زمان جذب مشتری، کاهش هزینه‌های حفظ مشتری، بهبود سودآوری کلی و همچنین سرمایه‌گذاری‌های معقول‌تر سازمان می‌باشد.

در اين مقاله زمان¬بندي همه¬پخشي براي حالتي كه سرور تعدادي فايل را بر اساس درخواست كاربران بين آن¬ها توزيع مي¬كند، مطالعه شده است. به منظور اين¬كه بتوان مسأله را در عمل پياده¬سازي نمود، نياز است كه فايل¬ها به تعدادي قطعه شكسته شده و در شبكه ارسال گردند. رويكرد پيشنهادي با در نظر گرفتن هدف مينيمم كردن كل زمان پاسخ كاربران، رابطه¬اي تقريبي به شكل فرم بسته ارائه مي¬كند كه بر اساس آن تقريبي از تعداد قطعات بر حسب پارامترهاي مختلف شبكه و نوع درخواست¬ها بيان مي-نمايد. تقريب انجام شده با نتايج شبيه¬سازي ارزيابي شده كه نتايج حاكي از دقت مناسب رويكرد پيشنهادي است. همچنين تاثير پارامترهايي مانند اندازه سرآيندهاي لايه¬هاي مختلف پشته پروتكل شبكه نيز در كارآيي روش پيشنهادي مورد مطالعه قرار گرفته است.

امروزه دو گروه برجسته از سرويس¬هاي وب وجود دارد که يکي بر پايه¬ي معماري SOAP و ديگري بر پايه¬ي معماري REST مي-باشد. اين دو گروه از سرويس¬هاي وب، زبان توصيف خاص خود را دارند كه به زبان توصيف سرويس¬هاي وب مبتني بر SOAP، WSDL و به زبان توصيف سرويس¬هاي وب مبتني بر REST، WADL گفته مي¬شود. از طرف ديگر روش¬هاي صوري، روش¬هايي مبتني بر رياضيات هستند. مهمترين مشخصه¬ي يک روش صوري، اتکا به يک زبان توصيف صوري است که يکي از معروف¬ترين آن¬ها زبان توصيف Z نام دارد. در منابع قبلی ترجمه¬ی WSDL 2.0 به Z ارائه شده است. در این مقاله هدف ما ارائه¬ی ترجمه¬ای از WADL به Z می¬باشد. با داشتن اين دو ترجمه مي¬توان به دستاوردهايي از قبيل: بررسی ترکیب¬پذیری سرویس¬هاي وب به شکل صوری، اعتبارسنجيسرويس¬هاي وب به شکل صوری (با ابزاري مانند JAZA يا ابزاري مشابه)، بررسی صوری تطابق بین سرويس¬هاي وب یا ترکیب آن¬ها با فرآیندهای حرفه و ایجاد زمینه¬ای برای تولید صوری سرويس¬هاي وب رسيد. از طرف ديگر مي¬توان انواع ناهماهنگی¬ها در سطح عناصر، قبل از ترکیب سرویس¬ها را به شکل صوری بررسی نمود.

بسیاری از مسائل در دنیای واقعی می¬توانند بصورت مجموعه¬ای از نقاط مدل شوند. کاوش مجموعه نقاط مکرر بسته و مجموعه نقاط مکرر وزن¬دار، دو مطالعه مهمی هستند که برای کاهش زمان جستجوی الگوهای مکرر می¬توان از آن¬ها استفاده کرده و با ترکیب آنها، الگوهای جالب¬تر و پراهمیت¬تری را استخراج نمود. در اين مقاله الگوریتم کاوش CWPFP-Miner را براساس رشد الگو، بهبود می¬دهیم. سپس نشان می¬دهیم که چگونه می¬توان بدون ازدست¬دادن اطلاعات، کاوش الگوهای بسته را با کاوش الگوهای وزن¬دار یکی کرد. همچنین راه¬حلی پیشنهاد می¬د¬هیم که بتوان مشکل پادیکنوایی را در حالتی که وزن بکار می¬رود، حل کرد. تاکنون در پایگاه¬داده¬های مجموعه¬نقطه، هیچ الگوریتم کاوشی پیشنهاد نشده که هر دو محدودیت بسته بودن و وزن-دارکردن نقطه¬ها را با هم بکار ببرد. بررسی عملکرد الگوریتم CWPFP-Miner و مقایسه آن با الگوریتم¬های AcGM و gfsg نشان می¬دهد که این الگوریتم بهتر از دو الگوریتم دیگر عمل کرده و زمان اجرای بهتری دارد.

با توجه به افزایش تعداد سرویس¬هائی که عملکرد یکسانی را ارائه می¬کنند، انتخاب وب¬سرویس مناسب برای یک هدف خاص کار دشواری شده است. هنگامی که قرار است عمل ترکیب وب¬سرویس¬ها برای بدست آوردن یک هدف انجام شود، با محدودیت¬هائی مواجه خواهیم شد. در این مقاله، برای سادگی، از عبارت "محدودیت" هم به عنوان محدودیت و هم به عنوان ترجیحات استفاده می¬شود. برخی از این محدودیت¬های ترکیب از نوع عملکردی و برخی از نوع کیفی می¬باشد. تعدادی نیز در هیچ¬کدام از این دو دسته قرار ندارند. تاکنون این محدودیت¬ها به صورت پراکنده و بدون ساختار بوده و هر ترکیب¬کننده¬ی سرویس بنابر سلیقه خود آن¬ها را در نظر گرفته و ارضا نموده است. به این ترتیب به برخی از محدودیت¬ها پرداخته شده و به بسیاری از آن¬ها توجهی نشده است. در این مقاله یک طبقه¬بندی از کلیه محدودیت¬های شناخته شده تا جای ممکن برای عمل ترکیب ارائه می¬شود. این طبقه¬بندی یک ساختار خوش تعریف از کلیه محدودیت¬های ترکیب وب¬سرویس می¬باشد. در واقع نقش این مقاله، یک گام قبل از فاز انتخاب عمل ترکیب می¬باشد. ساختار این طبقه¬بندی به صورت درختی بوده و هر کدام از محدودیت¬ها قابل الویت¬دهی می¬باشد. برگ¬های درخت حاوی متریک¬های موجود برای ارضای محدودیت پدر می¬باشد. ساختار درختی این طبقه¬بندی، ارائه آن در قالب XML به عمل ترکیب را تسهیل می¬نماید. ارزیابی طبقه¬بندی ارائه شده با مقایسه نقشه¬های ترکیب که هدف یکسانی را دنبال می¬کنند، انجام می¬گیرد. این نقشه¬ها از لحاظ ارضای محدودیت¬ها و ویژگی¬ها مقایسه شده و به کمک درخت طبقه¬بندی و نظر متقاضی وب¬سرویس مرکب، وزن¬دهی می¬گردد. وزن نهائی هر نقشه، میزان موفقیت در ارضای محدودیت¬ها را نشان می¬دهد. به این ترتیب، این خروجی به عمل انتخاب کمک می¬نماید. از طرف دیگر با انجام مقایسه¬ای بین کار انجام شده و دیگر کارها جامعیت نسبی این طبقه¬بندی نشان داده می¬شود.

تکنولوژی رادیوی شناختی راه حلی کلیدی برای بهبود کارایی طیف فرکانسی است. در این تکنیک به کاربران بدون مجوز (کاربران ثانویه) اجازه داده می¬شود به شیوه¬ای فرصت¬طلبانه از طیف بهره ببرند. در این راستا مسئله انتخاب کانال برای کابران ثانویه یک موضوع مهم در این نوع شبکه¬ها است، که روی بسیاری از پارامترهای کیفیت سرویس مانند سطح تداخل با PU ها و SU های همسایه، تأخیر، تعداد سوییچینگ¬های کانال، زمان سرویس¬دهی و تعداد برخوردهای SU ها و PU ها تأثیر می¬گذارد. یکی از چالش¬های پیش روی مسئله انتخاب طیف این است که باندهای فرکانسی زیادی ممکن است برای یک کاربر ثانویه موجود باشند. بنابراین الگوریتم انتخاب کانال باید بر اساس ویژگی¬های طیف موجود و الزامات QOS کاربر ثانویه، بهترین کانال در دسترس را انتخاب کند. در این مقاله ما با استفاده از اتاماتای یادگیر به شکل توزیع شده به رادیوی شناختی این قابلیت را می¬دهیم که با توجه به رفتاری که یک کانال در گذشته انجام داده، میزان سودمندی آن برای کاربر ثانویه را اندازه بگیرد و بر این اساس یک کانال را از بین مجموعه¬ای از کانال¬های موجود انتخاب کند.

هم¬ترازسازی زنجیره¬های بیولوژیکی به بیولوژیست¬ها در تحلیل و شناسایی نواحی مشابهت بین این زنجیره¬ها یاری خواهد رساند. این مشابهت¬های یافت¬شده نقاط مشترک بین زنجیره¬ها در روند تکامل تدریجی و همچنین جهش¬های بیولوژیکی را نشان می¬دهند. روش¬های هم¬ترازسازی مختلفی وجود دارند. الگوریتم اسمیت¬واترمن که مبتنی بر برنامه¬نویسی پویا می¬باشد یکی از دقیق¬ترین روشها برای هم¬ترازسازی زنجیره است،با این وجود این الگوریتم دارای میزان بسیار زیادی از محاسبات ماتریسی زمان¬بر است و ازاینرو می¬توان به¬منظور افزایش سرعت پردازش این الگوریتم، آن را از طریق شتاب¬دهنده¬های سخت¬افزاری موازی¬سازی و تسریع کرد. در این مقاله روش¬هایی ارائه می¬شود که منجر به تسریع این الگوریتم بر روی شبکه پردازش موازی GPU بر مبنای چارچوب CUDA خواهد شد. بهبود¬های ارائه¬شده در طی یک فرایند سه مرحله ای اعمال خواهند شد. در ابتدا ساختار بانک اطلاعاتی حاوی زنجیره¬های بیولوژیکی، تبدیل به ساختاری متناظر با مدل پردازش موازی GPU خواهد شد. سپس در مرحله بعد دسترسی¬ها به حافظه سراسری GPUجهت استفاده حداکثری از پهنای باند ادغام خواهند شد. در نهایت نیز روشی به¬منظور جلوگیری از برخورد پیمانه های حافظه مشترک GPU در نتیجه دسترسی¬های همزمان پرهزینه به پیمانه های آن ارائه خواهد شد. بررسی¬های انجام¬گرفته نشان می¬دهند که روش پیشنهادی دارای تسریع 82/1 تا 87/1 برابری، نسبت به CUDASW++ به عنوان یکی از سریع¬ترین پیاده¬سازی¬های انجام¬شده بر رویGPU، می¬باشد. همچنین این روش دارای تسریع 23/18 برابری نسبت به یک راه¬حل مبتنی بر CPU می¬باشد.

یادگیری مبتنی بر مورد و سیستم‎های چند عامله دو مبحث متفاوت در حوزه هوش مصنوعی هستند. یادگیری مبتنی بر مورد یکی از الگوریتم‎های یادگیری ماشین است که برای حل مسأله جدید، از تجربه‎های گذشته و روش‎های حلی که مشابه با مسأله جاری باشد، استفاده می‎کند. اما در سیستم‎های چند عامله، تعدادی عامل با دو نوع رفتار رقابتی یا همکاری در یک محیط قرار می‎گیرند و این عامل‎ها در اثر تعامل با محیط و پاداش یا جریمه دریافتی، به مرور زمان یاد می‎گیرند که چگونه با هم رقابت یا همکاری کنند بطوریکه بیشترین سود را دریافت کنند. از آنجائیکه خود‎مختاری در عامل‎ها، یکی از شرایط سیستم‎های چند عامله است، استفاده از یادگیری مبتنی بر مورد می‎تواند نقش موثری در یادگیری و خود‎‎مختاری عامل‎ها داشته باشد.در این مقاله سعی شده است با اعمال تغییراتی در اتوماتاهای یادگیر از آنها برای آموزش عامل‎ها استفاده شود؛ همچنین عامل‎ها از پایگاه مورد مشترک استفاده می‎کنند.

در اين مقاله يک روش مديريت کليد کارا مبتني بر پيش توزيع کليد با استفاده از ساختار خوشه¬بندي ناهمگن در شبکه¬هاي موردی با مقياس بالا ارائه مي¬دهيم. در روش ارائه شده از دانش گسترش گره¬ها در شبکه (آگاهي از اين که هر گره در چه خوشه-اي قرار مي¬گيرد) استفاده شده¬است. با اين فرض و استفاده از مزاياي ساختار خوشه¬بندي ناهمگن، وابستگي گره¬ها به منابع تا حد زيادي کاهش مي¬يابد.طرح مذکور در مقايسه با طرح¬هاي پيش توزيع موجود، برهم کنش بهتري بين سربار محاسباتي، سربار ارتباطي، اتصال شبکه و وابستگی به منابع شبکه فراهم می¬کند. در اين طرح حداکثر اتصالِ مورد انتظار براي شبکه¬هاي خوشه-بندي فراهم شده¬است و امکان اضافه شدن پوياي گره¬ها بعد از گسترش اوليه¬ي آنها در شبکه وجود دارد.

با توجه به روند رشد مدارات مجتمع، و افزایش روز افزون تعداد ترانزیستور های موجود در یک تراشه، میزان انرژی مصرفی در یک مدار، و به طبع آن، میزان گرمای تولیدی، رو به افزایش می باشد. افزایش دما، باعث بوجود آمدن مشکلات بسیاری از جمله کاهش طول عمر قطعات، کاهش قابلیت اطمینان، و افزایش هزینه خنک سازی می شود. روش های مدیریت دمایی، تلاش در کاهش دما بوسیله ابزارهای سخت افزاری و نرم افزاری موجود، می نمایند.از جمله روش های نرم افزاری برای پردازنده های چند هسته‌ای، روش مهاجرت وظایف می باشد که برای پائین نگهداشتن دما، وظیفه در حال اجرا بر روی هسته داغ را به هسته سرد منتقل می‌کنند. برخی از این روش ها برای تصمیم گیری برای انتخاب هسته مقصد، از پیشگو ها برای پیشگویی دما برای بهبود کارایی الگوریتم های مهاجرت استفاده می نمایند. با توجه به مشاهدات ما، مشخصات فیزیکی، در دمای هسته ای که وظیفه بر روی آن در حال اجرا می باشد، موثر است. به این معنی که اجرای یک برنامه بر روی هسته های مختلف، نتایج دمایی مختلف را از خود نشان می‌دهد. هدف این مقاله، ارائه پیشگویی است که این مشخصات را درنظر بگیرد. در تحلیل آزمایشات صورت گرفته در این مقاله، پیشگوی ارائه شده، بطور میانگین،دقت پیش گویی را به میزان 10% نسبت به روش های جدید و معروف پیش بینی ارائه شده، بهبود داده است.

در این مقاله بازدیدکنندگان وب سایت‌ها به چهار گروه انسان، روبات وب با رفتار خوب، روبات وب با رفتار مخرب و بازدیدکنندگان ناشناخته تقیسم‌بندی شده است. روبات‌های وب یا خزنده‌های وب برنامه‌های نرم‌افزاری هستند که دائما به صورت خودکار ساختار لینک‌های وب سایت‌ها را مورد پیمایش قرار می‌دهند. هدف روبات‌های وب کشف و بازیابی محتوا و دانش از وب می‌باشد. این روبات‌ها هم به منظور اعمال مفیدی مانند کشفلینک‌های خراب و هم اعمال مخربی مانند حمله توزیع شده مختل‌کننده سرویس طراحی شده‌اند. تشخیص روبات‌های وبی که تلاش در تقلید رفتار انسان دارند به عنوان مهم‌ترین چالش دسته‌بندی است. در این مقاله با استفاده از شبکه باور بیزی، به عنوان رهیافت کاربردی جدید به منظور تشخیص بازدیدکنندگان وب سایت‌ها پرداخته شده است. روش پیشنهادی با روش‌های شبکه عصبی، ماشین بردار پشتیبان و C4.5 استیوانوویچ و بیزین ساده استسپولو مقایسه شده است، که استفاده از روش پیشنهادی و استخراج سه ویژگی جدید باعث گردیده است که دقت روش پیشنهادی نتایج بهتری نسبت به سایر روش‌ها در تشخیص روبات‌های وب داشته باشد: و همچنین نشان داده شده است هر چه تعداد مجموعه داده آموزش بیشتر باشد دقت دسته‌بندی بالاتر خواهد بود.

همان¬طور که می¬دانیم فرآیند رمزنگاری یکی از اصلی¬ترین روش¬های حفاظت از اطلاعات گران¬بها است. نتیجه¬ی اجرای پویا فرآیند رمزنگاری، افزایش سطح امنیت و نیاز به تکنیک¬های پیشرفته¬تر برای رمزشکنی است. به طور جرأت می¬توان گفت که جداول جانشینی اصلی¬ترین جزء رمزهای بلوکی به حساب می¬آیند زیرا آن ها خاصیت غیرخطی بودن را برای سیستم به ارمغان می¬آورند. در این مقاله نیز الگویی جدید برای تولید جداول جانشینی mxnبه صورت پویا(وابسته به کلید)پیشنهاد شده است. این الگوی جدیدDBGS نام دارد که مخففDynamic s-box Based on Galois multiplication inverse with Straight transformation استو پیچیدگی روش¬های رمزنگاری را چندین برابر می¬کند. تولید جداول جانشینی قدرتمند (با مقدار تفاضلی 2 و یا حداکثر 4)، پشتیبانی از پیاده¬سازی مستقیم (پیاده سازی بهینه)، توصیف صریح ریاضی و میزان فروپاشی بهمنی بسیار بالادر عین وابسته بودن به کلید از مزایای اصلی این الگوی جدید است. تست¬های SAC, BIC, DP, LP, Nonlinearityنیز بر روی این الگوی جدید پیاده¬سازی شده¬اند که حاکی از ایمن بودن این الگوهستند. با استفاده از این الگو می¬توان رمزهای بلوکی پیشین را بهبود بخشید و یا رمزهای بلوکی ایمن¬تری تولید کرد.