انجمن کامپیوتر ایران

كاربران اينترنتي از طريق دستگاه‌هاي الکترونيکي مانند لپتاپ، گوشي‌هاي هوشمند و غيره، در طي گشت و گذار در وب، رفتارهاي مشخصي از خود به جا مي‌گذارند. هرچند پژوهش‌هاي بسياري در حوزه‌ی تحليل و نظارت بر ترافيک شبکه با اهداف فوق انجام شده است، اما در اين ميان توجه كمتري به شناسايي كاربر شده است. با این حال برخی از پژوهش‌ها نشان داده‌اند این رفتارها اینترنتی کاربران، اثرانگشت منحصر به فردی برای هر کاربر ایجاد می‌کنند که به واسطه آن تنها با داشتن دنباله فعالیت‌های اینترنتی وی می‌توان هویت وی را پیش‌بینی کرد. در این پژوهش با استفاده از رویکرد یادگیری عمیق، مدلی بر پایه LSTM برای شناسایی اثر انگشت کاربر ارائه شده است. با توجه به رمز شدن اکثر ارتباطات کاربر، این مدل تنها به سرآیند بسته‌های اینترنتی برای شناسایی اثر انگشت کاربر نیاز دارد که می‌توان آن را با استفاده از پروتکل‌هایی مانند Netflow در اختیار داشت. مدل پیشنهادی با استفاده از یک داده جمع‌آوری شده در محیط دانشگاهی بررسی شد و نتایج نشان دهنده دقت بیش از ۹۰% مدل پیشنهادی است.

شبکه‌های نرم‌افزار محور (SDN) با جداسازی صفحه کنترل از صفحه داده و متمرکز کردن آن در یک کنترل‌کننده مرکزی، معماری جدیدی در شبکه‌های کامپیوتری ایجاد کرده و امکان ایجاد یک دید کلی از شبکه را فراهم می‌سازد. برهمین اساس، کشف توپولوژی شبکه برای کنترل‌کننده‌های SDN جهت ایجاد یک دید متمرکز از شبکه، ضروری است. با این وجود، در زمان فرآیند شناسایی توپولوژی شبکه، کنترل‌کننده‌های SDN به دلیل عدم تائید هویت میزبان و سوئیچ از حملات مسمومیت توپولوژی و حمله سرقت میزبان رنج می‌برند. راه‌کار‌های موجود به دلیل وجود ضعف در آن‌ها و همچنین ارائه راه‌کار پیچیده و سنگین وزن، نتوانسته‌اند این ضعف را به طور مناسب رفع نمایند. در این مقاله تلاش گردیده تا با ارائه راه‌کاری امن، ساده و سبک، یک ساختار تائید هویت مکانی و جابجایی میزبان با استفاده از مکانیزم تابع درهم‌سازی فراهم گردد. راه‌کار ارائه شده با استفاده از نرم‌افزار شبیه‌سازی Mininet و همچنین کنترل‌کننده Pox پیاده‌سازی شده است. نتایج آزمایشات در یک محیط شبکه‌ای مجازیMininet نشان می‌دهد، راهکار ارائه شده در عین سادگی، تائید هویتی امن و سبک وزن را جهت شناسایی مکان و جابجایی میزبان‌ها فراهم می‌کند.

اصلاح روشنایی در پردازش تصاویر پزشکی و تشخیص بیماری‌های مختلف حائز اهمیت است. ارتقاء کیفیت تصویر تأثیر مستقیمی بر پردازش‌های بعدی تصاویر پزشکی دارد. اکثر تصاویر در آسیب شناسی دیجیتال برای بهینه سازی روشنایی به تنظیمات پس از اخذ تصوير نیاز دارند. علی رغم این واقعیت، تلاش زیادی برای توسعه تکنیک‌های اصلاح کنتراست در يك زمينه خاص صورت نگرفته است. در این مقاله از روش اصلاح گاما جهت بهبود کنتراست استفاده مي‌شود. الگوریتم بهینه‌ساز تکاملی ملخ جهت يافتن پارامتر گاما بهينه در جهت بهبود کنتراست تصویر بكار مي‌رود. این الگوریتم برای یافتن پارامتر اصلاح گاما بهینه از فاکتورهاي آنتروپی و محتوای لبه (تعداد پيكسل‌هاي لبه نسبت به كل پيكسل‌ها) استفاده می‌کند. بهبود کنتراست از طریق اصلاح گاما منجر به دستیابی به اطلاعات و جزئیات بیشتری در تصاویر پزشكي می‌گردد. در اين مقاله تمركز بر روی تصاوير پاتولوژی می‌باشد. الگوریتم پیشنهادی بهینه‌ساز ملخ از نظر معیارهایی چون CEF، CII، EME، CNR، Gradient و PIQE از متدهای MMHE و AGCgw و از نظر معیارهایی مثل آنتروپی، Colorfulness، WPSNR و AMBE نسبت به متدهای AGCHE و EEBHE کارائی و بهبود موثرتری را دارد.

نظرات هرز به نظراتی گفته می‌شود که به قصد تبلیغ و یا تخریب یک محصول و یا برند نوشته می‌شوند. این نظرات باعث گمراهی افراد در خرید می‌شوند و تصمیم‌گیری آگاهانه را دشوار می‌سازند. تحقیقات زیادی برای تشخیص این نوع نظرات در زبان فارسی صورت نگرفته و تحقیقات موجود نیز از روش‌های یادگیری ماشین کلاسیک استفاده کرده‌اند. در این تحقیق مدلی ترکیبی با استفاده از 4 شبکه حافظه طولانی کوتاه مدت دو طرفه (BiLSTM) ارائه شده است که با استفاده از ویژگی‌های متن نظر و قطبیت نظرات آموزش می بیند. با توجه به عدم وجود قطبیت نظرات در برخی مجموعه داده‌ها، از یک مدل تحلیل احساسات برای استخراج قطبیت نظرات از روی متن آن‌ها، استفاده شده است. با توجه به اینکه مدل ارائه شده، برای یادگیری تنها به متن نظر نیاز دارد و از فراداده ها استفاده نمی کند، نظرات هرز تکی (نظراتی که نویسنده‌ی آن‌ها تنها یک نظر نوشته است) نیز با استفاده از این مدل قابل تشخیص هستند. عملکرد مدل ارائه شده در مقایسه با روش‌های موجود افزایش چشمگیری داشته است؛ به گونه‌ای که بر روی مجموعه داده Digikala که پرکاربردترین مجموعه داده‌ی زبان فارسی در این حوزه است، دقت 87.7 به دست آمد.

شبکه روی تراشه معماری نسبتاً جدیدی است که به علت ناکارآمدی معماری گذرگاه مشترک در سیستم بر روی تراشه اخیراً بسیار موردتوجه محققین قرار گرفته است. مصرف برق شبکه روی تراشه شامل توان مصرفی پیوندهای ارتباطی و مسیریاب‌ها است. مسیریاب‌ها، بخش بزرگی از کل میزان برق شبکه روی تراشه را به خود اختصاص می‌دهند. الگوریتم مسیریابی شبکه روی تراشه، وظیفه تحویل بسته‌ها از مبدأ به مقصد در داخل شبکه را دارد. الگوریتم مسیریابی، مسیری را انتخاب می‌کند که یک بسته برای رسیدن به مقصد طی می‌کند. شبکه روی تراشه، فناوری رو به رشدی است که به‌موجب آن، الگوهای اتصال حالت چندپردازنده شکل می‌گیرد. در این مقاله، یک الگوریتم مسیریابی با استفاده از الگوریتم رقابت استعماری ارائه گردید. در محاسبه تابع هزینه هر کدام از مسیرها پارامترهایی مانند، اندازه بافرهای اشغال شده مسیریاب واقع شده در گره همسایه، متوسط تأخیر بسته‌های ارسال شده قبلی و دمای مسیریاب‌های همسایه در نظر گرفته شد. نتایج ارزیابی و مقایسه الگوریتم پیشنهادی با الگوریتم کلونی مورچگان نشان‌دهنده عملکرد الگوریتم پیشنهادی از نظر کاهش متوسط تأخیر بسته‌ها و افزایش گذردهی شبکه در هر دو الگوی ترافیکی یکنواخت و انتقالی بود. همچنین نتایج نشان‌دهنده عملکرد بهتر الگوریتم پیشنهادی از نظر توزیع یکنواخت‌تر اطلاعات بر روی شبکه نیز می‌باشد.

مسیریابی مبتنی بر اعتماد در شبکه‌های بین خودرویی با تکیه بر ارزیابی گره‌ها از یکدیگر، روشی مناسب و غیرپیچیده برای کاهش حملات در این شبکه‌ها محسوب می‌شود. تحرک بالای گره‌ها در این شبکه‌ها مانع از ایجاد شناخت کافی بین گره‌ها و ثبات مقادیر برآورد شده در کل شبکه می‌شود. در این مقاله، یک پروتکل مسیریابی پیشنهاد شده است که از زنجیره بلوک‌ها برای مدیریت اعتماد بکار رفته در انتخاب گره‌های بعدی استفاده می‌کند. در پروتکل پیشنهادی، اعتماد مستقیم توسط هر وسیله نقلیه و بر اساس مشاهدات همان وسیله نقلیه محاسبه مي‌شود. اعتماد غیر‌مستقیم نیز توسط واحدهای کنار جاده‌ای محاسبه شده و در زنجیره بلوک‌ها نگهداری می‌شود. واحدهای کنار جاده‌ای این محاسبات را بر اساس مشاهدات دریافتی از وسایل نقلیه در طول زمان‌ انجام داده و با سایر گره‌ها به اشتراک می‌گذارند. نتایج شبیه‌سازی در سناریوی شهری با OMNet++ نشان می‌دهد که زمانی که گره‌های مخرب در شبکه افزایش پیدا می‌کند استفاده از پارامتر اعتماد در پروتکل پیشنهادی منجر به کاهش بسیار کمتر نرخ تحویل بسته‌ها نسبت به پروتکل GPSR می‌شود. تأخیر انتها به انتهای پروتکل پیشنهادی نیز نسبت به پروتکل GPSR با افزایش بیشتری روبرو می‌شود که دلیل اصلی آن تحویل بسته‌های با طول مسیر بالاتر در پروتکل پیشنهادی است.

در بازيابي اطلاعات XMLاي که دادهها شماي ناهمگون، پيچيده و نامعلومي دارند، اغلب کاربران از پرسوجوهاي مبتني بر محتوا استفاده ميکنند. بيشتر اين پرسوجوها از اطلاعات مهمي که در ساختار XML نهفته است بهره نميبرند و نياز کاربر را نيز به طور کامل بيان نميکنند. از اين رو و به منظور بالا بردن کيفيت بازيابيها، مي توان پرس وجوها را گسترش داد. براي گسترش پرسوجوها ميتوان از بازخورد رابطه کور استفاده کرد که اخيراً در بازيابي اطلاعات XML مورد توجه قرار گرفته است. در روش پيشنهادي اين مقاله ابتدا بستر کلمات قابل افزودن به پرسوجو با استفاده از بازخورد کور شناسايي ميشوند. سپس اين بسترها براي يافتن کلمات مناسب مورد کاوش قرار ميگيرند. بيشتر موتورهاي بازخورد موجود، تنها از محتويات بازخورد کور بهره ميبرند در حاليکه روش ارائه شده در اين رهاورد از اطلاعات ساختاري اين بازخوردها نيز استفاده ميکند. همچنين براي افزايش دقت بازيابي ها و کاهش ابهام پرسوجوها از معناي پرسوجو استفاده شده است. ارزيابي صورت گرفته، افزايش دقت بازيابيها را با استفاده از روش پيشنهادي نشان ميدهد.

- شبكه IMS بر اساس استانداردهاي موسسه 3GPP در شبكه‌هاي سلولي مي‌تواند به عنوان هسته شبكه‌هاي نسل آينده مد نظر قرار گيرد. اين شبكه سيگنالينگ SIP را براي كنترل ارتباطات كاربر تا شبكه، ارتباط بين گره‌هاي سرويس‌دهنده شبكه و سرورها و پروكسي‌ها در نظر گرفته است. در اين شبكه با توجه به الزامي بودن ثبت‌نام كاربران و اضافه شدن برخي سرآیندها به اين سيگنالينگ، حملاتی متفاوت از VOIP رخ مي‌دهد که برخي از اين حملات ممكن است منجر به ايجاد آسيب‌پذيري‌هايي در پروکسی شوند. مدل‌سازي پروکسی به مشخص شدن آسيب‌پذيري‌هاي آن كمك می‌نماید. تحلیل این آسیب‌پذیری‌ها مي‌تواند روش مناسبي را در طراحی و پیاده‌سازی به همراه ارتقای امنیتی پروکسی و کاهش هزینه‌ها به دنبال داشته باشد. در این مقاله مدل‌سازي سيگنالينگ و سرورها توسط مدل امنیتی TVRA انجام شده است. موسسه ETSI اين روش را به منظور مدل‌سازي سيستم‌هاي نسل آينده و شبكه‌هاي ارتباطي تعيين نموده است. آسیب‌پذيري‌هاي پروکسی SIP در شبكه IMS بر مبناي اين روش به دست آمده و مي‌تواند نشان‌دهنده نقاط ضعف و تاثير تهديدهايي نظير حملات طوفان‌زا در كاهش دسترس‌پذيري پروکسی‌ها و تهديد اهداف امنيتي آنها باشد.

اغلب كارهاي انجام شده در زمينه رفع اعوجاجات هندسي تصاوير متن مربوط به اسناد و متوني است كه به زبانهاي لاتين مي باشند. در اين مقاله الگوريتمي براي رفع اعوجاج در تصاوير شامل متن هاي فارسي، كه با يك دوربين ديجيتال گرفته شده اند، پيشنهاد شده است. روش پيشنهادي روي تصاوير سطح خاكستري اعمال مي¬شود. در اين روش ابتدا پيش پردازشهاي لازم شامل باينري سازي تصوير ورودي، آشکارسازي خطوط متن و نوار زمينه انجام شده، سپس اعوجاج هندسي ناشي از نوع تصويربرداري رفع مي¬گردد. مزيت اين الگوريتم، قابليت استفاده آن در متون فارسي ولاتين و نيز براي اندازه هاي مختلف متن مي باشد. نتايج روش پيشنهادي حاكي از كارايي بالاي اين روش روي تصاوير متن حاصل از دوربين هاي ديجيتال است.

در امتیازبندی اعتباری هدف کلی پیش¬بینی هر چه دقیقتر میزان شایستگی مشتریان است و تاکنون طیف وسیعی از انواع روش¬های آماری و هوش¬مصنوعی برای دستیابی به این هدف بکار گرفته شده است. اما در بیشتر روش¬های مورد بحث نمی¬توان از روی داده¬های دو کلاسی بصورت چند کلاسی اقدام به دسته¬بندی نمود، در حالیکه در عمل همیشه یک مشتری با درجه¬ای از خوب یا بد سنجیده می¬شود. انجام این کار با مدل¬های آماری نیز نیازمند وجود مفروضات خاصی است که اغلب محقق نمی¬شود. از اینرو در این مقاله سعی شده تا پس از رفع مشکلات موجود در داده¬ها با استفاده از خوشه¬بندی برای هر کدام از نمونه¬ها یک برچسب ثانویه ایجاد شود. سپس با استفاده از یک مدل SVM چند کلاسی اقدام به دسته¬بندی داده¬های جدید می¬شود. بدین منظور با اعمال دو رویکرد متفاوت یکی بر مبنای انتخاب ویژگی و تنظیم پارامترها بصورت جداگانه (جستجوی مستقیم و انتخاب ویژگی آزمون t) و دیگری بصورت همزمان ( الگوریتم ژنتیک) اقدام به مقایسه نتایج با مدل لاجیت شده است. نتایج پیاده¬سازی نشان می¬دهد که مدل پیشنهادی علاوه بر افزایش دقت در شناسایی درست کلاس¬ها، توزیع بهتری از نتایج را بخصوص در رویکرد دوم بدست می¬دهد.

طبقه¬بند بیز ساده یکی از کاراترین الگوریتم¬های طبقه¬بندی است. سادگی و دقت این روش زمانیکه پیش فرض عدم وابستگی مشخصه¬ها نقض ¬شود افت پیدا می¬کند. در این مقاله روشی مبتنی بر درخت تصمیم¬گیری برای رفع مشکل بیز ساده در مجموعه-هایی با مشخصه¬های وابسته ارائه می¬شود. در روش ارائه شده (Information Gain - Naïve Bayes) مشخصه¬هایی که در سطح اول درخت تصمیم¬گیری دارای کمترین قدرت تفکیک باشند با توجه به تعداد کل مشخصه¬ها حذف شده و مشخصه¬های باقیمانده به بیز ساده داده می¬شود. انجام فرایند پیش پردازش مشخصه¬ها براساس روش IG-NB منجر به بهبود عملکرد الگوریتم بیز ساده در دامنه¬هایی با مشخصه¬های وابسته به هم می¬شود. علاوه براین روش IG-NB در این پژوهش، به دلیل حذف مشخصه های کم اهمیت، سرعت محاسبه الگوریتم را برای مشخصه¬های باقی مانده افزایش می¬دهد. روش IG-NB روی شش مجموعه از مجموعه داده¬های UCI تست شده و نتایج بدست آمده نشانگر کارایی قابل قبول روش می ¬باشد.

توليد چند¬ضلعی ساده تصادفی از جمله مسائل مطرح در هندسه محاسباتی می¬باشد. این مساله در بررسی صحت عملکرد الگوریتم¬ها و نیز در زمینه¬های مختلف گرافيک کامپيوتری نظیر خلق تصاویر پدیده¬های طبیعی تصادفی (مانند پدیده ابر¬ و سطح زمین)، به¬طور گسترده¬ای مورد استفاده قرار می¬گیرد. در این مقاله یک الگوریتم جدید برای تولید چندضلعی ساده تصادفی از یک مجموعه¬ نقاط تصادفی واقع بر صفحه ارائه شده است. در این الگوریتم ابتدا لایه¬های محدب نقاط تولید می¬شوند و سپس با¬¬ استفاده از این لایه¬ها و برخی خواص موجود در آن¬ها، یک چند¬ضلعی از نقاط تولید می¬گردد. پیچیدگی زمانی این الگوريتم از مرتبه Ο(nlogn) می¬باشد که نشان می¬دهد این الگوریتم از نظر زمانی در وضعیت بهینه قرار دارد. از آنجا که زمان اجرا در برخی از کاربرد¬های بلادرنگ نظیر بازی¬های رایانه¬ای از اهمیت بالایی برخوردار است، این الگوریتم می¬تواند در این¬گونه موارد بسیار مفید واقع شود.

مديريت ريسک در تمام دوره حيات نرم‏افزار نقش پررنگي در موفقيت پروژه¬ها ايفا مي¬کند. يکي از ضعف¬هايي که در مديريت ريسک¬ها سبب کاهش توجه مهندسين نرم¬افزار و متعاقباً کاهش نظارت بر ريسک¬ها مي‏شود، عدم وجود معيارهاي قابل اندازه-گيري است. ريسک¬هاي نرم‏افزاري نيز مانند هر عرصه ديگري که نيازمند ارزيابي هستند، بايد بر اساس کميت¬هاي عددي بيان شوند. در اين مقاله با مروري کلي بر مديريت ريسک¬ها و مطالعه طبقه‏بندي¬هاي موجود، همچنين با در نظر گرفتن متريک¬هايي که در کارهاي مشابه مطرح شده، متريک‏هايي ارائه مي¬شود. اين متريک¬ها با توجه به شناسايي معماري و روش¬هاي توسعه نرم¬افزار و هم چنين مشاهدات و تجارب بدست آمده از چند شرکت نرم¬افزاري در ايران ارائه مي¬شوند. جهت سهولت امر مديريت و همچين بکار بستن اين متريک¬ها در دنياي واقعي، يک طبقه¬بندي منطقي و ويژه بر روي آنها انجام مي¬شود. به کمک طبقه بندي ارائه شده، ¬مي¬توان مسئولين نظارت و کنترل متريک‏ها را در هر مرحله شناسايي کرده و در زمان صحيح مديريت ريسک را به درستي بکار بست.

کاهش دو معیاره مجموعه آزمون‌ با تحلیل خوشه‌ای الگوهای اجرایی

رشد علم و رشد علم و فناوري در زمينه‌هاي مختلف، تعريف تحقيقات و پروژه‌هاي مبتني بر محاسبات پيچيده را به دنبال داشته است و يافتن راه‌حل‌هائي براي کاهش هزينه‌هاي محاسباتي و زماني در حوزه چنين مسائلي در سالهاي اخير مورد توجه قرار گرفته‌اند. روشهاي محاسبات توزيع شده در انواع گوناگون خود هريک به دنبال کاهش هزينه‌ها از طريق اجراي موازي برنامه‌هاي محاسباتي بر روي گره‌هاي محاسبه‌گر غير متمرکز هستند که در اين ميان رايانش مشبک با بهره‌گيري از منابع بلااستفاده موجود کاهش هزينه‌هاي توسعه شبکه‌هاي محاسباتي را به ارمغان آورده است. جامعه علمي ايران نيز همگام با ديگر کشورهاي پيشرفته دنيا سعي در قدم نهادن در استفاده از چنين روشهائي را براي کاهش هزينه‌هاي زماني و منابع، از طريق انجام تحقيقات و تعريف پروژه‌هائي براي ارائه رايانش مشبک سرويس گراجهت استفاده در دانشگاه‌ها و پژوهشکده‌هاي کشور را دارد که از مهمترين اين اقدامات مي‌توان به طراحي و معرفي مشبک پژوهشگاه دانش‌هاي بنيادي اشاره نمود که سعي در تجميع دانشگاه‌ها و پژوهشکده‌ها در قالب يک مشبک ملي دارد و تا کنون برخي از سرويس‌هاي مرکزی مشبک را نيز در اختيار گذاشته است. در اين مقاله مدلي براي استفاده دانشگاه‌ها و پژوهشکده‌ها از رايانش مشبک ارائه مي‌شود که در دانشگاه تربيت مدرس بصورت آزمايشي به اجرا درآمده است.