انجمن کامپیوتر ایران

نهان¬کاوی فراگیر تصاویر، کشف پیام مخفی در تصویر، مستقل از روش تزریق پیام مخفی است. محتوی تصویر به کار گرفته شده می¬تواند نقش مهمی در موفقیت نهان¬کاوی داشته باشد که تاکنون در تحقیقات انجام شده توجه چندانی به آن نشده است. اساسی¬ترین ویژگی هر تصویر بافت¬نگار آن است. اگر برای هر تصویر، یک تصویر معادل با تعداد رنگ کاهش یافته m ایجاد شود، بافت¬نگار آن بافت¬نگار کوانتیزه شده به m رنگ نامیده می¬شود. مقایسه بافت¬نگارهای کوانتیزه شده به تعداد رنگ مختلف می-تواند تغییرات جزئی حاصل از تزریق پیام به تصویر را آشکار سازد. در این مقاله اثر اختلاف واریانس جفت بافت¬نگارهای کوانتیزه بر نهان¬کاوی فراگیر بررسی شده است. نتایج نشان می¬دهد که در تصاویری که اختلاف واریانس بافت¬نگارهای اصلی و کوانتیزه آنها بیشتر است، احتمال شکست نهان¬کاوی فراگیر افزایش می¬یابد. این شکست در تصاویر حامل پیام مخفی مشهودتر است. با افزایش این اختلاف واریانس، مقادیر معیارهای ارزیابی نهان¬کاوی نسبت به یکدیگر واگراتر خواهد شد. این بدین معنی است که تأثیر عوامل دیگر مستقل از اختلاف واریانس در تصاویری که اختلاف واریانس زیاد است، بیشتر است. این تحقیق روی تصاویر خاکستری JPEG صورت گرفته است.

در این مقاله الگوریتمی جدید جهت آموزش شبکه عصبي برپایه روش نیوتن ارائه شده است. الگوریتم پیشنهادی با وجوداینکه در دسته الگوریتم¬های آموزش نیوتنی قرار می گیرد ولی نیازی به محاسبه مستقیم معکوس ماتریس هسین ندارد که علاوه بر کاهش هزینه محاسباتی، روش مذکور در صورتی که ماتریس بدست آمده منفرد باشد کارآ است.از مزایای آن این است که بر خلاف الگوریتم¬های رایج در آموزش شبکه های عصبي پیشرو مانند الگوریتم انتشار رو به عقب که بسیار وابسته به مقادیر اولیه پارامترهای آموزشی خود می باشند وابسته به مقادیر اولیه پارامترهای خود نبوده و می توان الگوریتم را به صورتی تنظیم کرد که از یک شیوه خود تطبیقی جهت تنظیم پارامترهایش استفاده کند.از روش پیشنهادی برای تقریب تابع و مقایسه آن با الگوریتم انتشار رو به عقب و بعضی از انواع آنو الگوریتم لونبرگ مارکوارت استفاده شده است.

شبکهی عصبی تابع پایهی شعاعی (RBF) به دلیل سادگی تخمین پارامتر‌های شبکه و ویژگی تعمیم‌‌پذیری آن به طور گسترده در مسائل دسته‌بندی و درونیابی به کار گرفته می‌شود. در این مقاله استفاده از الگوریتم بهینه‌سازی گروه ذرّات (PSO) در آموزش سه مرحله‌ای شبکه‌ی تابع پایهی شعاعی ارائه شده است. در روش ارائه شده از روشی جدید بر مبنای الگوریتم بهینه‌سازی گروه ذرّات برای تعیین مراکز واحدهای لایه میانی شبکه، از روش نزدیکترین k همسایه (kNN) برای تعیین پهنای آنها و از تندترین کاهش بهینه(OSD) برای تعیین اوزان شبکه در کنار تعیین نرخ بهینهی یادگیری (OLR) در آموزش آن استفاده شده است. روش مذکور برای دسته‌بندی پنج مسأله‌ی نمونه از پایگاه دادهی پروبن1 به کار برده شد و نتایج حاصل با روش آموزش سه مرحله‌ای دیگری مقایسه شده است. نتایج بدست آمده دقت بالاتر و انحراف کمتری را در پاسخ‌ها نشان می‌دهند.

وسایل¬نقلیه برای شناخت محیط اطراف خود، نیازمند تبادل پیام هستند و به¬همین منظور از شبکه¬های اقتضایی حمل¬ونقل استفاده می¬کنند. این گونه پیام¬ها در تصمیم¬گیری¬هایی مؤثرند که می¬توانند باعث مرگ وزندگی شوند. بنابراین وجود سطوحی از اعتماد میان فرستنده و گیرنده¬ی پیام¬، عاملی اجتناب ناپذیر تلقی می¬گردد. در این مقاله مدلی برای اعتماد معرفی می¬شود که با مدل¬های مدیریت اعتماد موجود تفاوت دارد و اعتماد را به عنوان یک مشخصه¬ی مشترک در گروه مورد مطالعه قرار می¬دهد. مدل پیشنهادی برای مدل¬سازی اعتماد از منطق ذهنی نیز بهره¬ می¬برد.در این مدل، برای تعیین درجه¬ی عضویت هر وسیله¬نقلیه در گروه، میزان توانایی آن در شناسایی صحیح رویدادها به عنوان فاکتوری مهم معرفی و مدنظر قرار می¬گیرد.برای ارزیابی راهکار پیشنهادی، الگوی رانندگی در یک شهر کوچک شبیه¬سازی شده است. نتایج اعمال این مدل بر روی محیط شبیه¬سازی شدهنشان می¬دهد که تشخیص رفتار وسیله¬نقلیه¬ی مهاجم زمانی که از مدل اعتماد پیشنهادی برای محاسبه¬ی مقدار اعتماد استفاده می¬شود سریع¬تر از حالتی است که سایر مدل¬های اعتماد مورد بهره¬برداری قرار می¬گیرند. راهکار پیشنهادی می¬تواند مبحث اعتماد در میان گروه¬های موجود در محیط را آن¬طور که شایسته است، مدیریت نماید.‌

سامانه¬های توصیه¬گر در زمینه¬های مختلف، براساس نوع داده¬ها و روش¬هایی که برای پالایش اطلاعات استفاده می¬کنند، پیشنهادهایی با کیفیت¬های متفاوت تولید می¬کنند. مدل ارائه شده در این کار یک مدل انعطاف¬پذیر است که می¬تواند انواع متفاوتی از داده¬ها را به عنوان ورودی دریافت کرده و دیدگاه¬¬های پیشنهاددهی مختلف را پشتیبانی کند. در روش پیشنهادی، داده¬ها به شکل یک گراف دو لایه مدل میشوند، در یک لایه گردشگران و در یک لایه تورهای مسافرتی در نظر گرفته می¬شوند. سه نوع ارتباط بین گرهها وجود دارد که از طریق دریافت همبستگی تورها، همبستگی گردشگران و همبستگی گردشگران و تورها تشکیل می¬شود. اگر فقط اتصالات بین تورها استفاده شود، دیدگاه مبتنی بر محتوی حاصل می¬شود؛ اگر سایر اتصالات استفاده شود، دیدگاه مبتنی بر همکاری گروهی به دست می¬آید و اگر تمام اتصالات برای ارائه پیشنهادها استفاده شود دیدگاه ترکیبی حاصل می¬شود. با انتخاب هر یک از دیدگاه¬های پیشنهاددهی در گراف دو لایه، الگوریتم انتشار فعال¬سازی B&B برای استخراج روابط تراگذری گردشگر هدف با تورها استفاده می¬شود. نتایج حاصل از ارزیابی¬ها توسط معیار F-measure نشان می-دهد که کیفیت پیشنهادها به طور قابل توجهی نسبت به روش¬های پیشنهاددهی استاندارد یعنی روش مبتنی بر همکاری گروهی و مبتنی بر محتوی بالاتر است.

طراحی و پیاده‌سازی سیستم‌های کنترل حمل و نقل به واسطه‌ی نقشی که در رفع ازدحام ترافیک شهرها ایفا می‌کرده‌اند از دیرباز از اهمیت خاصی برخوردار بوده است. در این راستا، پروژه‌های عملی زیادی تعریف و سیستم‌های متعددی توسعه داده شده‌اند. با این حال، با توجه به پیچیدگی ذاتی طراحی برخی از این سیستم‌ها از یک طرف و حساسیت موضوع از طرف دیگر، وارسی صحت طراحی و پیاده‌سازی این سیستم‌ها از اهمیت زیادی برخوردار است.بررسی مدل، روشی خودکار برای وارسی سیستم‌های همروند حالت متناهی است و مزایایی نسبت به رهیافت‌های دیگر، مانند شبیه‌سازی، آزمون و استدلال استنتاجی دارد.این روش در عمل به صورت موفق برای وارسی طراحی مدارهای ترتیبی پیچیده و پروتکل‌های ارتباطی استفاده شده است. با توجه به ویژگی خودکار بودنفرایند بررسی مدل، این روش می‌تواند در کنار ابزارهای آن، برای مدل‌سازی و وارسی سیستم‌های کنترل حمل و نقل که ویژگی‌های ایمنی و عاقبت به خیری در آنها ضرورت دارند، به صورت کارآمد استفاده شود. در این مقاله، کنترل‌کننده‌‌یترافیک یک تقاطع را به عنوان یک کاربرد عملی، مدل‌سازی کرده،سپس خواص مورد انتظار این سیستم را با ارائه‌ی فرمول‌های منطق زمانی CTLبا استفاده از ابزار بررسی مدل نمادین NuSMVوارسی می‌کنیم. نتایج حاصل از پیاد‌ه‌سازی و وارسی مدل کنترل ترافیک (به عنوان یک کاربرد نمونه)، اهمیت استفاده از روش بررسی مدل در کاربردهایی مشابه و اقتضائات آنها را نشان می‌دهد.

براساس ایده اولیه در وب معنایی، قابل فهم ساختن دانش موجود برای ماشین می¬تواند موجب تسهیل اشتراک گذاری داده¬ها و یکپارچه سازی دانش شود. بدین منظور از انتولوژی برای در دسترس ساختن دانش قلمروها استفاده می¬شود. برای یکپارچگی و ارتباط بین اجزای وب معنایی، انتولوژی¬های موجود از طریق سازوکاری هم تراز¬سازی تطبیق داده می¬شوند. اخیراً تلاش زیادی برای توسعه ابزارها و روش¬های هم¬ترازسازی صورت گرفته است؛ غالب این روش¬ها تنها انطباق های یک به یک را درنظر می-گیرند. درحالتی که انطباق یک به یک برای یک مفهوم یافت نشود؛ ممکن است بتوان با ترکیب چند مفهوم درانتولوژی دوم، معادلی برای مفهوم اول یافت. به این فرآیند، هم ترازسازی پیچیده گویند. دراین مقاله یک روش جدید برای هم ترازسازی پیچیده با استفاده از دانش موجود در نام مفاهیمی که به صورت مضاف-مضاف الیه می¬باشند، ارائه گردیده است. در الگوریتم پیشنهادی، نخست روابط میان اجزای مضاف-مضاف الیه به کمک یک کلاسه کننده¬ی معنایی تشخیص داده می¬شود. در ادامه با کمک از یک بانک الگوی انطباق پیچیده پیشنهادی، هم ترازی پیچیده، تولید و سپس با یک پالایشگر مبتنی بر استدلال در منطق توصیفی، انطباق¬های نامطلوب حذف می¬گردند. کارایی الگوریتم با هم ترازسازی دو انتولوژی شناخته شده SUMO و UMBEL نشان داده شده است.

امروزه از بات‌نت‌ها برای انجام فعالیت‌های بدخواهانه‌ای از قبیل انجام حملات جلوگیری از سرویس توزیع شده، ارسال هرزنامه، افشای اطلاعات شخصی و کلاه‌برداری در تعداد کلیک‌های تبلیغاتی استفاده می‌شود. اغلب روش‌های موجود برای تشخیص بات‌نت‌ها وابسته به ساختار و پروتکل فرمان و کنترل خاصیبودهو نمی‌توانند بات‌نت‌ها را در مراحل آغازین از چرخه حیات آن‌ها تشخیصدهند. در این مقاله، یک سیستم تشخیص بات‌نت مبتنی بر شهرت با نام بات‌یابارائه می‌شود که بات‌نت‌ها را با توجه به سابقه فعالیت‌های گروهی هماهنگ میزبان‌های شبکه تشخیص می‌دهد. در این سیستم، ابتدا میزبان‌های مشکوکبه انجام فعالیت گروهی هماهنگ شناسایی شده و میزان شهرت هر یک از این میزبان‌ها بر اساس سابقه مشارکت آن‌ها در این نوع فعالیت‌ها محاسبه می‌شود. سپس میزبان‌هایی که میزان شهرت آن‌ها از یک آستانه شهرت بیش‌تر شود، به عنوان میزبان‌های آلوده به بات شناسایی می‌شوند. سیستم بات‌یاب قادر است بات‌نت‌ها را در مراحل آغازین از چرخه حیاتآن‌ها تشخیص دهد، حتی اگر میزبان‌های آلوده به بات هنوز هیچ فعالیت بدخواهانه‌ای انجام نداده باشند. نتایج آزمایش‌هایانجام شده برایارزیابی کارآییسیستم بات‌یاب برای تشخیص بات‌نت‌های مبتنی بر HTTP، IRC و P2Pنشان می‌دهند که این سیستم قادر است بات‌نت‌های مختلف را با نرخ تشخیص بالا و نرخ هشدار نادرست پایین تشخیص دهد.

در این مقاله مساله¬ی تشخیص حرکت دست به صورت بصری برای زبان اشاره برزیلی مورد بررسی قرار گرفته است. برای این منظور سه روش مختلف معرفی و مورد تحلیل قرار گرفته اند. از آنجا که حرکات دست ممکن است دارای چرخش باشند و یا اندازه دست¬ها با هم متفاوت باشند، هدف ما یافتن تکنیک است که مستقا از مقیاس و چرخش باشد. روش اولی که پیاده¬سازی کردیم روشFFT نام دارد. پس از آن روش chaincode و در نهایت ترکیبی از آنها بررسی گردیدند. آزمایشاتی بر روی هر یک از روش¬ها با استفاده از پایگاه داده¬ی Libras انجام شد و نتایج هر یک تحلیل گردید. آزمایشات نشان دادکه از بین این سه روش که پیاده سازی شدند، روش chaincodeو پس از آن روش ترکیبی بیشترین دقت را دارند.

در محیط¬های الکترونیکی، به خصوص وبگاه¬ها، محتوا از اهمیّت خاصی برخوردار است. بدین معنی که امروزه محتوای وب بهترین بستر برای ایجاد ارتباط با مشتریان بالقوه است. افزایش اهمیت محتوا از دو جنبه قابل بررسی است: اولاً از دیدگاه موتورهای جستجو و ثانیاً از منظر کاربران. در حین جستجو، موتور¬ها در یافتن محتوای با کیفیت از کلمات کلیدی داده شده استفاده می‌کنند و این مهم¬ترین عامل برای امتیازبندی آن¬ها است. کاربران نیز در سراسر دنیا به دنبال اطلاعات با کیفیت و به بیان دیگر در پی محتوای جامع‌تری هستند. اضافه کردن کلمات کلیدی اثربخش روشی است که توسط خبرگان بازاریابی اینترنتی استفاده می¬شود. در این پژوهش ما با بررسی برچسب¬های الصاق شده توسط کاربران، محتوا را ارزیابی می¬کنیم. هر چه یک محتوا کامل¬تر باشد، تشخیص مفاهیم کلیدی آن توسط کاربران و موتور های جستجو دقیق‌تر است. در این مقاله برای هدف مذکور یک معماری و یک الگوریتم ارزیابی پیشنهاد شده است که پیاده‌سازی و آزمون آن در سیستم آموزش الکترونیکی صورت گرفته و نتایج بدست آمده برای بررسی صحت کار به صورت نمودار و جدول در این مقاله ارائه شده است. راهبرد رفع ابهام مفهوم کلمات مبتنی بر پایگاه داده لغوی WordNet، برای تشخیص میزان صحت برچسب‏های کاربر در مقایسه با موارد تعیین شده توسط خبره در نظر گرفته شده است. در پایان حاصل ارزیابی بانظر فرد خبره مقایسه شد و نتائج حاصل نشانه از صحتو دقّت راهکار پیشنهادی دارد.

معماری سرویس¬گرا روشی جدید و در حال تکامل است که امکان ساخت برنامه¬های توزیع شده را در قالب سرویس¬هایی قابل اکتشاف در سطح شبکه، با اتصال سست و استقلال بالا فراهم می¬کند. به¬دلیل افزایش تعداد سرویس¬ها و وجود چندین سرویس با عملکرد یکسان برای هر درخواست، مسئله¬ی انتخاب بهینه¬ترین سرویس در این معماری تبدیل به یک مسئله¬ی پیچیده و چالش برانگیز شده است. اولین گام در فرآیند انتخاب سرویس¬، تعیین معیارهای انتخاب است. در این مقاله از اعتماد و شهرت به¬عنوان معیاری برای انتخاب بهترین سرویس استفاده شده و مدل اعتماد جدیدی برای فاز انتخاب پیشنهاد می¬شود. مدل اعتماد پیشنهادی، اعتماد را از تمام جوانب مورد بررسی قرار داده و روابط اجتماعی میان مصرف¬کنندگان را برای مدل¬سازی اعتماد در نظر گرفته است. سپس، چگونگی محاسبه¬ی درجه اعتماد سرویس مرکب در این مدل، بررسی خواهد شد و در نهایت چارچوبی برای فاز انتخاب طراحی می¬شود، که در آن از مدل پیشنهادی استفاده شده است. چارچوب پیشنهادی، سرویس مرکبی را به کاربر ارائه می¬دهد که از تمام ابعاد مورد اعتمادترین سرویس است و چند بعدی بودن مدل اعتماد موجب می¬شود هیچ فرد یا گروهی خاص نتواند با نرخ¬دهی غلط خود الگوریتم انتخاب را به اشتباه بیندازد.

افزایش نیازمندی به منابع رایانشی سریع، در دسترس و با قابلیت اطمینان بالا،افزایش حجم اطلاعات، کمبود فضای دردسترس، صرفه جویی در هزینه¬ها و افزایش پویایی، موجب گسترش مفهومی به نام رایانش ابری و در پی آن مراکز داده ابری شده است. افزایش درخواست برای محاسبات و ارتباطات بیشتر باعث ایجاد مراکز داده بزرگتر شده که نتیجه آن افزایش توان مصرفی و همچنین افزایش انتشار گازهای مضر مانند دی¬اکسیدکربناست. در اين مقاله، تلاش شده که مصرف توان در مراکز داده ابری کاهش داده شود که این امر به وسیله تغییر روش در شناسایی منابع دارای اضافه بار محقق گردید. رهیافت جدید با استفاده از شبیه ساز CloudSim پیاده سازی شد و به وسیله مقایسه نتایج این رهیافتبا نتایج روش¬های کنونی، ارزیابی گردید.

شبکه¬های متحرک موردی (Mobile Ad hoc Networks) يا MANET ها، گونه¬ای از شبکه¬های بی سیم هستند که زیرساخت ثابتی ندارند و گره¬های شبكه آزادانه جابه¬جا می¬شوند. از کاربردهای MANET ها می¬توان به عملیات¬های امداد و نجات، میدان¬های نبرد، نمایشگاه¬ها و کنفرانس¬ها اشاره کرد. محدود بودن منبع انرژی گره¬ها و پهنای باند کم از محدودیت¬های مهم یک محیط بی¬سیم است. بعلاوه، جابه¬جایی گره¬ها در MANET ها باعث بوجود آمدن تغییرهای پياپي در توپولوژي شبکه می شود. سربار کنترلی بالا یکی از عامل¬های اصلی کاهش نرخ تحویل در مسیریابی چندپخشی درون MANETها است. قرارداد مسیریابی چندپخشی ODMRP (On-Demand Multicast Routing Protocol) به دلیل سادگی، نرخ تحویل مناسب و مقاوم بودن در برابر جابه¬جایی گره¬ها مورد توجه پژوهش¬گران بسیاری قرار گرفته است. نقطه ضعف اصلی این قرارداد، سربار بالای آن در شمار زیاد گره¬های فرستنده است که باعث کاهش نرخ تحویل می¬شود. در این مقاله، روشی برای کاهش سربار کنترلی این قرارداد در شمار زیاد گره¬های فرستنده پیشنهاد کرده¬ایم. در این روش، با سطح¬بندی کردن گره¬های شبکه، سیل شدن بسته¬های کنترلی درون شبکه را محدود می¬کنیم. عملکرد قرارداد پیشنهادی با شبیه¬ساز GloMoSim بررسی شده که بیانگر بهبود نرخ تحویل و کاهش سربار کنترلی است.