انجمن کامپیوتر ایران

روش‌های محتوا محور و فیلترینگ اشتراکی از راهکارهای موفق در سیستم‌های پیشنهادگر می‌باشند. روش محتوا محور بر اساس ویژگی‌های اقلام تعریف می‌شود. این روش بررسی می‌کند که اقلام مورد علاقه کاربر دارای چه ویژگی‌هایی بوده‌اند، سپس اقلام دارای ویژگی‌های مشابه را به او پیشنهاد می‌کند. روش فیلترینگ اشتراکی بر اساس تعیین اقلام مشابه یا کاربران مشابه کار می‌کند که به ترتیب فیلترینگ اشتراکی مبتنی بر اقلام و مبتنی بر کاربران نامیده می‌شود. روش پایه فیلترینگ اشتراکی مبتنی بر کاربر، به منظور پیش‌بینی امتیاز قلم هدف، هیچ تمایزی بین اقلام قائل نمی‌شود. به عبارت دیگر امتیازهای تمامی اقلام به طور یکسان در انتخاب همسایگی (کاربران مشابه) و پیش‌بینی تاثیر می‌گذارند. در این مقاله یک سیستم پیشنهادگر فیلترینگ اشتراکی مبتنی بر کاربر، مجهز به مکانیزم تخصیص پویای وزن به اقلام، ارائه شده است. مبنای این مکانیزم، تخصیص وزن به اقلام بر اساس میزان شباهت آنها با قلم هدف می‌باشد. میزان شباهت اقلام توسط یک روش محتوا محور سنجیده می‌شود. از آنجا که پایگاه داده مورد استفاده در این مقاله مربوط به فیلم است، برای بالا بردن کارایی این روش علاوه بر استفاده از ویژگی ژانرها، از ویژگی‌های دیگری از جمله کارگردانان و بازیگران به عنوان داده‌های مکمل استفاده شده است. سیستم ارائه شده توسط معیار استاندارد میانگین خطای مطلق، روی پایگاه داده‌های MovieLensوEachMovie سنجیده شده است. نتایج به‌دست آمده، نشانگر عملکرد قابل ملاحظه روش پیشنهادی در مقایسه با سایر روش‌های ارائه شده می‌باشد.

با ایجاد هر تغییر در کد نرم‌افزار، آزمون رگرسیون نرم‌افزار بر روی آن صورت می‌گیرد تا اطمینان حاصل شود این تغییر باعث بروز خطاهای ناخواسته در دیگر بخش‌های نرم‌افزار نشده است. اولویت‌دهی به موارد آزمون ِمورد استفاده در آزمون رگرسیون، از جمله روش‌هایی است که به منظور کشف هرچه سریع‌تر این خطاها، مورد استفاده قرار می‌گیرد. الگوریتم‌های موجود برای اولویت‌بندی موارد آزمون، از اطلاعات پوشش موارد آزمون بر روی کد به صورت دودویی (پوشش یا عدم پوشش) استفاده می‌کنند، حال آنکه استفاده از اطلاعات تعداد دفعات پوشش واحدهای کد توسط موارد آزمون برای اولویت‌بندی آن‌ها، با توجه به در دسترس بودن اطلاعات فراوانی پوشش، می‌تواند بسیار سودمند باشد. در این مقاله ما با تمرکز بر تکنیک Additional به عنوان یکی از بهترین و پر کاربردترین تکنیک‌های موجود در زمینه اولویت‌بندی موارد آزمون، برای اولین‌بار شش روش مختلف را برای بسط این الگوریتم به منظور استفاده از اطلاعات فراوانی پوشش ارائه داده‌ایم. نتایج آزمایش های ما بر روی هفت برنامه استاندارد به زبان C (موسوم به برنامه‌های زیمنس) نشان می‌دهد که استفاده از اطلاعات فراوانی پوشش و روش‌های ارائه شده در این مقاله، توانسته‌اند کارایی این تکنیک معتبر را بهبود بخشند.

انتخاب ذره بهینه سراسری از جبهه پارتو به عنوان راهنما در الگوریتم MOPSO، یک مرحله اساسی در این الگوریتم بوده و روی همگرایی و گوناگونی جواب‌ها نقش به سزایی دارد؛ طوریکه یک زمینه تحقیقاتی را در حوزه مربوط به این الگوریتم گشوده است. این امر در حل مسائل بهینه‌سازی پیوسته توسط این الگوریتم به طور گسترده مورد بررسی قرارگرفته است و هر یک سعی در ارائه روشی بوده‌اند که تا حد ممکن توزیع جواب‌ها در جبهه پارتو یکنواخت گردد. اما تأثیر آن روی مسائل بهینه‌سازی گسسته، به ویژه طبقه‌بندی داده‌ها که توسط MOSPO حل شده است، مورد بررسی قرارنگرفته است. طبقه‌بندی داده‌ها توسط MOPSO با استفاده از قاعده‌های طبقه‌بندی استنتاج شده بوسیله این الگوریتم صورت می‌گیرد و مدل پیش‌بینی توسط قاعده‌های استنتاج شده حاصل می‌گردد. در طبقه‌بندی داده‌ها توسط MOPSO علاوه بر گوناگونی و همگرایی جواب‌ها، می‌بایست عملکرد مدل طبقه‌بندی ایجاد شده نیز مورد توجه قرارگیرد. در این مقاله با پیاده‌سازی MOPSO برای استنتاج قاعده‌های طبقه‌بندی از مجموعه داده‌های خطای ناسا برای پیش‌بینی پیمانه‌های مستعد خطای نرم‌افزار و استفـاده از سه روش انتخاب راهنمـا، تأثیر آن‌ها روی کیفیت قاعده‌های استنتاجی مورد بررسی قرارداده شد و این نتیجه حاصل گردید که انتخاب راهنما روی نرخ FP قاعده‌های طبقه‌بندی، تأثیر عمده‌ای دارد.

مدل‌سازی همواره نقش مهمی در مهندسی نرم‌افزار داشته، اما در روش‌های مدل‌رانده این نقش جنبه حیاتی پیدا کرده‌است. آنچه در مهندسی مدل‌رانده اهمیتی برابر یا حتی بیشتر از مدل دارد، تبدیل مدل است. با پیچیده شدن سیستم‌ها و زبان‌های مدل‌سازی، حجم تبدیل‌ها بزرگ‌تر شده و انجام آنها سخت‌تر می‌شود. بنابراین تبدیل‌ها نیز باید همانند هر محصول نرم‌افزاری با اصول دقیق و بیان مهندسی انجام شوند. هدف از این مقاله افزایش خودکارسازی مهندسی تبدیل مدل است که ضمن آن نیازمندی‌ها در سایر مراحل دیده شده و به طراح در توسعه تبدیل کمک می‌کند. این هدف با ایجاد پیوستگی بین همه مراحل کامل‌ترین چرخه حیات توسعه تبدیل موجود انجام می‌شود و چرخه توسعه تبدیل خودکاری شامل مراحل نیازمندی، تحلیل، معماری، طراحی، پیاده‌سازی و آزمون بدست می‌آید. پیوستگی و ارتباط کامل ایجاد شده بین همه مراحل این چرخه، سبب افزایش خودکارسازی و سهولت ایجاد تبدیل می‌شود و ردیابی نیازمندی‌ها در سایر مراحل را ممکن می‌سازد.

این روزها مکانیک کوآنتومی شگفتی رمزنگاری سنتی را برانگیخته و این امکان را برای محققین فراهم آورده تا بتوانند ارتباطات امنی در حضور شنودگر برقرار نمایند. در این مقاله یک طرح امضای کور نوین پیشنهاد می‌کنیم که امنیت آن به کمک اصول بنیادین فیزیک کوآنتومی تضمین می‌شود. برخلاف امضاءهای کور پیشین، امضای کور پیشنهادی تنها بر الگوریتم توزیع کلید کوآنتومی QKD تکیه می‌کند و از درهم تنیدگی کوآنتومی مستقل است. در ادامه این مقاله نشان می‌دهیم که امضای کور پیشنهادی در قابلیت اطمینان و امنیت نسبت به سایر امضاءهای کور پیشین برتری دارد. به علاوه نظر به اینکه این امضاء به وسیله فناوری نوین قابل پیاده سازی می‌باشد می‌توان در کاربردهایی نظیر پرداخت الکترونیکی، دولت الکترونیکی و ... از آن بهره برد.

IDS يك سيستم محافظتي است كه خرابكاري روي شبكه را شناسايي مي‌كند و عملکرد آن مبتني بر روش‌هاي مختلفي مي‌باشد. متدوال‌ترين روشِ کارکرد IDS براساس تطبيق الگوست. دراين مقاله با ايجاد يک طرح پيشنهادي سعي بر اين است که الگوريتمي بهبود يافته، از ترکيب دو الگوريتم مختلف HC و QWM و خوشه‌بندي پايگاه امضاء حملات با استفاده از درخت تصميم ارائه شود. مزاياي استفاده از اين روش اين است که، مي‌توان با خوشه‌بندي عمل تطبيق را طوري مديريت نمود که از جستجوهاي اضافي جلو‌گيري شده و با استفاده از سرعت بالاي تطبيق و کمترين تعداد مقايسه، بهترين نتيجه در هنگام تطبيق حملات شناخته شده با الگوهاي اصلي، حاصل شود.

ایده اصلی در روش های نهان نگاری تطبیقی، جاسازی داده در تصویر با توجه به ويژگي هاي سيستم بينايي انسان است. در این روش ها در نواحي لبه تصوير داده بیشتری نسبت به نواحی یکنواخت جاسازی می شود. روش هاي تطبيقي بسياري تا به حال معرفي شده است. اگرچه به ظاهر هر کدام از آنها الگوريتم هاي خاص متفاوتي براي جاسازي داده استفاده مي کنند، اما در این مقاله ساختار يکساني براي تمام این الگوریتم‌ها ارائه شده است. مزيت اصلي تعريف اين ساختار، امکان استفاده از آن براي طراحي يک روش تطبيقي جديد است. علاوه بر ارائه یک مدل کلی، پارامترهاي مؤثر در امنيت روش‌هاي تطبيقي نیز بررسی شده است و یک مدل کلي براي اندازه گيري سطح امنيت يک روش تطبيقي پيشنهاد شده است. از این مدل برای مقایسه امنیت تعدادی از روش‌های تطبیقی موجود استفاده شده است که با نتایج موجود مطابقت دارد.

یادگیری ویژگی یکی از مهمترین قسمت‌های مربوط به روشهای برتر بینایی ماشین می باشد. در حوزه شناسایی شیء و دسته بندی تصاویر، یادگیری ویژگی و به طور خاص کدگذاری ویژگی، نقش اساسی را ایفا می کنند. در این مقاله از میان روشهای یادگیری ویژگی بدون نظارت، دسته یادگیری ویژگی مبتنی بر بازسازی انتخاب شده و از میان این روشها، روش موفق کدگذاری خطی با قید محلی (LLC) را انتخاب نموده و سعی در بهبود این روش شده است. بدین منظور روش کدگذاری خطی با قید محلی را با مفهوم جدول درهمسازی ترکیب کرده و روش کدگذاری خطی با قید جدول درهم سازی محلی Locality Hash-table-constrained Linear Coding (LHLC) را پیشنهاد می دهیم. این روش علاوه بر سرعت بیشتر از روش LLC، امکان استفاده سریع از توابع کاهش بعد را نیز امکان پذیر می کند. این الگوریتم بر روی دو مجموعه داده متداول در پردازش تصویر (Pascal Vocabulary 2007 و 15 Scenes) آزمایش شد و نشان داده شد که الگوریتم ضمن حفظ دقت و کارایی، پیچیدگی محاسباتی روش LLC را کاهش می‌دهد.

در حال حاضر پژوهشگران بيشتر تلاش‌هاي خود را بر توسعه‌ي سامانه‌های خود تطبيق متمرکز کرده‌اند. اين در حالي است که براي موفقيت يک سامانه، نظارت مناسب امري بسیار بااهمیت است. در نظارت مطلوب، مي‌بايست سنجه‌هاي مناسب تعيين شده و بر اساس آن‌ها عملکرد سيستم سنجيده شود. از این‌رو رويکردهاي نظارتي متفاوتی براي سامانه‌های خودتطبيق ارائه ‌شده است اما سربار فرآیند نظارت بر عملکرد تطبیق مهم‌ترین ملاک انتخاب نظارت مناسب با دقت و کارايي بالا است. رویکرد پیشنهادی برای به حداقل رساندن سربار، نظارت را با سه سطح ارائه می‌دهد. نخست در شرايطي که سامانه در وضعيت عادی بسر مي‌برد و نظارت در سطح حداقلي انجام می‌شود. اگر سامانه در حالت غیرعادی باشد، سطح نظارت دقيق اعمال می‌شود و متعاقب آن نظارت رديابي اتفاق مي‌افتد که خطا در سامانه کشف‌شده، تأييد، اعتبارسنجي و تشخيص داده‌ می‌شود. بر اساس ارزیابی انجام‌شده در حالت‌های مختلف بار کاری روی سرویس‌دهنده‌ وب خبری، رویکرد نظارتی پیشنهادی، خطا را با دقتی بالا و سربار کم تشخیص می‌دهد.

پایگاه داده تحلیلی حجم زیادی از اطلاعات که در سیستم‌های تصمیم‌گیرنده و گزارش‌گیر مورد استفاده قرار می‌گیرد را ذخیره می‌کند. دراین سیستم‌ها سرعت پاسخگویی به پرس‌جوها به علت حجم زیاد داده‌های ذخیره شده، پایین است. از آنجایی‌که این سیستم‌ها عموما مورد استفاده مدیران ارشد در سازمانهای مختلف هستند، در نتیجه افزایش سرعت در این سیستم‌ها حائز اهمیت است. یکی از روش‌های افزایش سرعت، ذخیره دیدها جهت پاسخ‌گویی به پرس‌وجوها است. از طرفی ذخیره کلیه دیدها نیاز به حجم حافظه زیاد دارد و غیرممکن است. راهکارانتخاب یک مجموعه دید مناسب از بین همه دیدها می‌باشد. مسئله جستجو وانتخاب یک زیرمجموعه از یک فضای بزرگ یک مسئله NP hard است. تا کنون الگوریتم‌های زیادی برای یافتن این مجموعه معرفی شده‌اند، که در این بین الگوریتم‌های تکاملی بسیار مورد استفاده قرار گرفته‌اند. در این مقاله از الگوریتم جستجوی فاخته برای پیدا کردن N دید که بهترین نتیجه را داشته باشند استفاده می شود. آزمایشات نشان می‌‌دهد که این الگوریتم در مقایسه با الگوریتم انتخاب دید ژنتیک دارای سرعت بیشتری است.

به کار گیری فناوری محاسبات ابری از بدو ابداع تا به امروز رو به رشد بوده و این روند با شتاب ادامه دارد. در این میان کلیه سازمانهای تجاری و تحقیقاتی در ابعاد بزرگ، متوسط و یا حتی کوچک خواهان این هستند که خود را با این فناوری که در مرزهای علم قرار گرفته است تطبیق دهند. استفاده از ابر خصوصی برای اجرای جریانهای کاری، کاهش هزینه و محرمانگی بیشتر اطلاعات سازمان را به دنبال خواهد داشت؛ در حالی‌که نیاز به منابع پردازشی و ذخیره سازی بیشتر، سازمان را به سوی استفاده از ابر عمومی سوق می‌دهد. ابر عمومی سرویس‌های فناوری اطلاعات را به‌ صورت واحدهای کوچک و در مقیاس بالاتری نسبت به ابر خصوصی به کاربران اجاره می‌دهد که مخاطرات احتمالی در حفاظت از اطلاعات حساس سازمان را نیز به همراه دارد. ترکیب ابر خصوصی و ابر عمومی به عنوان ابر ترکیبی شناخته می‌شود که در آن اجرای وظایف جریان کاری می‌تواند بر روی ابر خصوصی و یا ابر عمومی انجام شود. هدف از این مقاله ارائه یک الگوریتم زمانبندی برنامه‌های جریان کاری برای افزایش محرمانگی اطلاعات در ابر ترکیبی می‌باشد، به صورتی که با تضمین اجرای وظایف حساس سازمان بر روی ابر خصوصی، برنامه جریان کاری را با حداقل هزینه و در مدت زمان تعیین شده توسط کاربر اجرا نماید.

در این مقاله روشی جدید برای بهبود کیفیت تصاویر آندوسکوپی به وسیلۀ تعدیل هیستوگرام فازی و توزیع ناهمسانگرد کنتراست ارائه می‌شود. تصاویر آندوسکوپی موجود در کشورمان از لحاظ نور و کیفیت وضعیت مناسبی ندارند و همین موضوع تبدیل به چالشی جهت تشخیص انواع بیماری‌های دستگاه گوارش شده است. برای غلبه بر این مشکلات و کمک به پزشکان برای تشخیص بهتر، در این مقاله یک روش وفقی با استفاده از تعدیل هیستوگرام فازی و توزیع کنتراست ارائه می‌شود. همچنین در روش پیشنهادی مفهوم جدیدی از توزیع کنتراست بر اساس آنالیز محلی تصاویر آندوسکوپی معرفی می‌شود. سپس به وسیلۀ انتخاب وفقی پارامتر هدایت که نقشی مهم در توزیع ایفا می‌کند، توزیع کنتراست به منظور بهبود کیفیت تصاویر آندسکوپی به تصویر اعمال می‌شود و در نهایت بعد از انتقال به سه فضای رنگ XYZ، YIQ و HSI به کمک روش تعدیل هیستوگرام فازی،تغییرات نامحسوس رنگ نمایان‌تر می‌شود. نتایج تجربی نشان می‌دهد که روش ارائه شده عملکرد قابل توجهی در افزایش قابلیت دیداری تصاویر آندوسکوپی از خود نشان می‌دهد.

از جمله رویکرد‌هایی که برای کشف آسیب پذیری برنامه‌ها استفاده می‌شود، تست فازینگ نام دارد. این تست با دادن ورودی‌های تصادفی به برنامه سعی در کشف آسیب پذیری‌های بالقوۀ برنامه را دارد. در اين مقاله، ما یک متدولوژی تست امنیتی به نام فازینگ توأمان ورودی و پیکربندی را ارائه می‌دهیم. در حقیقت در فازینگ توأمان ورودی و پیکربندی در حالی که ورودی برنامۀ در حال اجرا توسط ورودی‌های معتبر و نیمه معتبر مورد تست فازینگ قرار می‌گیرد، همزمان پیکربندی آن نیز با استفاده از یک الگوریتم آرایۀ پوششی تغییر داده می‌شود. بدین منظور ما بر اساس یک الگوریتم تکاملی ، رویکردی را برای تولید این ورودی‌ها به صورت پویا ارائه کردیم. در حقیقت این رویکرد بدون داشتن هیچ گونه دانشی در مورد قیود ورودی‌ها، ورودی‌هایی را تولید می‌کند که توانایی کشف آسیب پذیری‌ها را دارند. رویکرد فازینگ توأمان ورودی و پیکربندی توانایی کشف آسیب پذیری‌های انکار سرویس، عدم کنترل کافی مجوز، پیمایش غیرمجاز دایرکتوری و سرریز بافر را دارد. ما رویکرد پیشنهادی خود را توسط چند برنامه از یک مجموعه برنامۀ محک زنی ارزیابی کردیم و نتایج حاصل از آن را با نتایج حاصل از چند رویکرد فازینگ متداول مقایسه کردیم که نتایج به دست آمده نشان می‌دهد که رویکرد پیشنهادی ما در زمان کمتر و به طور کاراتری آسیب پذیری‌های موجود را کشف می‌کند.

در سال‌های اخیر مصرف انرژی در شبکه‌های بی‌سیم و به ویژه در شبکه‌های تلفن همراه، به دلیل افزایش قابل ملاحظه تعداد کاربران و افزایش چشمگیر تعداد دکل‌های مخابراتی، به شدت بالا رفته است به گونه‌ای که بهره‌وری انرژی به دلیل مسائل زیست محیطی و اقتصادی بعنوان یکی از اهداف عمده طراحی در شبکه‌های تلفن همراه بی‌سیم توجه تمام اپراتورهای شبکه و مراکز تحقیقاتی دانشگاهی و صنعتی را به این موضوع حیاتی جلب کرده است. در این مقاله ما حالت ارسال فروسوی یک شبکه سلولی با مدولاسیون OFDM (Orthogonal frequency-division multiplexing) را در نظر می‌گیریم. از لحاظ کاهش توان مصرفی شبکه، تعیین پویا و توأم حالت عملیاتی ایستگاه‌های پایه مخابراتی و تخصیص زیر حامل‌ها به کاربران، در حالی‌که کیفیت درخواستی خدمات برای تمام کاربران حفظ شود، بسیار مهم است. این مسأله بسیار پیچیده و از جمله مسائل غیر خطی است و برای حل نیاز به تکنیک‌های بهینه سازی بسیار قوی دارد. در این کار، یک راهکار نوآورانه با استفاده از تکنیک بهینه سازی مبتنی بر آموزش– یادگیری به منظور دستیابی به شبکه‌های مخابرات سلولی سبز ارائه شده و با راه حل‌های موجود مقایسه شده است. الگوریتم ارائه شده و شبیه سازی محیطی هر دو در نرم افزار Matlab اجرا شده است. نتایج ما نشان می‌دهد که تکنیک پیشنهادی به وسیله تعیین تعداد بهینه ایستگاه‌های پایه مخابراتی جهت خاموش شدن و اختصاص زیر حامل‌های بهینه به هر کاربر قادر به کاهش توان مصرفی کل شبکه است. همچنین نشان داده‌ایم که طرح پیشنهادی ما از نظر کاهش توان در شبکه، برتری قابل ملاحظه‌ای نسبت به طرح‌های مشابه موجود دارد.

در این مقاله، مسأله بازیابی تصاویر هواپیماهای جنگنده از یک پایگاه‌داده شامل 10 مدل مختلف بر اساس یک تصویر پرس‌وجو، مورد بررسی قرار گرفته است. هواپیماهای هم مدل با تصویر پرس‌وجو در درون پایگاه‌داده شناسایی و به کاربر ارائه می‌شوند. چالش اصلی در بازیابی، هم زاویه نبودن منظر دید دوربین در تصاویر موجود در پایگاه‌داده و تصویر پرس‌و‌جو است که برای حل آن استفاده از مدل سه‌بعدی هواپیماهای جنگنده و تهیه تصاویر مرجع از زوایای دید مختلف توسط نگاشت‌های هندسی سه‌بعدی (دوربین‌های مجازی) پیشنهاد شده است. دو روش مختلف برای استخراج ویژگی از تصاویر و اندازه گیری شباهت تصاویر پیشنهاد داده‌ایم. اولی بر مبنای اندازه‌گیری مساحت ناحیه ناهمپوشان و دیگری بر مبنای هیستوگرام زاویه گرادیان کار می‌کند. نتایج شبیه‌سازی برتری روش دوم هم به لحاظ دقت بازیابی و هم سرعت اجراء را نشان می‌دهد. علیرغم استفاده از چند کلاس شبیه هم در پایگاه‌داده، دقت بازیابی حدود 70 درصد بدست آمده، امیدبخش است.

يك شبكه حسگر بي‌سيم عبارتست از تعداد زيادي حسگر‌های كوچك با توان پايين در ارسال و دريافت كه می‌تواند ابزاري مؤثر براي گردآوري داده در محيط‌هاي گوناگون باشد. یکی از مشکلات اساسی در این شبکه‌ها، کوتاه بودن طول عمر گره‌‌ها به علت محدودیت انرژی منبع تغذیه آن‌ها است. ارائه الگوهای ساختاری مناسب و الگوریتم‌های مطلع از توان با هدف افزایش طول عمر شبکه حسگر از جمله مباحث مهم تحقیقاتی است. در این مقاله نیز به منظور کاهش میزان مصرف انرژی و افزایش طول عمر شبکه، سیستمی بر پایه منطق فازی مطرح شده است، این سیستم درجه کیفیتی برای هر مسیر با اعمال دو پارامتر ورودی، تعداد پرش های صورت گرفته و میزان انرژی نودهای تشکیل دهنده آن، نمایش می‌دهد. هم‌چنین با پیشنهاد دو روش، وزن‌دار نمودن قوانین فازی توسط فرد خبره و استفاده از الگوریتم کلونی مورچگان به منظور انتخاب قوانین فازی بهینه، عملکرد سیستم فازی را بهبود بخشیده‌ایم. نتایج شبیه‌سازی‌ها و مقایسات انجام شده با نرم‌افزار OPNET و MATLAB نشان می‌دهد که سیستم فازی بهبود یافته توسط الگوریتم کلونی مورچگان عملکرد بهتری داشته است و توانسته است 28 درصد طول عمر شبکه را در مقایسه با سیستم فازی پیشنهادی وزن‌دار شده بهبود ببخشد.

شبکه حسگر بی‌‌سیم شناختگر نسل جدیدی از شبکه‌‌های حسگر بی‌‌سیم است که با بهره‌‌گیری از سنجش طیف موجب بهبود کارایی، دسترس‌‌پذیری و کیفیت سرویس در این شبکه‌‌ها شده است. افزودن ویژگی رادیو شناختگری به گره‌‌های حسگر، شبکه‌های حسگر بی‌‌سیم را با چالش‌‌های امنیتی جدیدی مواجه می‌‌کند. این ویژگی بستری مناسب برای تشدید میزان تخریب حملاتی که با هدف اتلاف منابع گره‌‌ها و منع دسترسی به شبکه اجرا می‌‌شوند، فراهم کرده است. با توجه به حساسیت پیام‌‌های حاوی داده‌های سنجش طیف، حملاتی چون تزریق اطلاعات غلط، خون‌‌آشام، جعل سیگنال کاربر اولیه و نظایر آن‌‌ها می‌‌توانند کیفیت عملکرد شبکه‌های حسگر بی‌‌سيم شناختگر را به شدت تحت تاثیر قرار داده و شبکه را به سرعت از دسترس خارج کنند. در این مقاله روشی امن برای سنجش طيف در شبكه‌‌هاي حسگر بي‌‌سيم شناختگر با هدف کاهش تاثیر حمله خون‌‌آشام در عملکرد شبکه ارائه می‌‌کنیم. روش پیشنهادی ضمن سازگاری با منابع محدود گره‌‌های حسگر، در برابر حمله نیز مقاوم مي‌‌باشد. نتایج حاصل از شبیه‌سازی نشان مي‌‌دهد كه با حمله به شبکه و مرگ 71 درصد از گره‌ها، اختلال قابل ملاحظه‌‌ای در عملکرد سنجش طیف به وجود نیامده و این روش در حضور مهاجم با موفقيت به سنجش طيف ادامه خواهد داد.

Negative Bias Temperature Instability (NBTI) in CMOS devices is known as the major source of aging effect which is leading to performance and reliability degradation in modern processors. Instruction-cache (I-cache), which has a decisive role in performance and reliability of the processor, is one of the most prone modules to NBTI. Variations in duty cycle and long-time residency of data blocks in I-cache lines (stress condition) are the two major causes of NBTI acceleration. This paper proposes a novel I-cache management technique to minimize the aging effect in the I-cache SRAM cells. The proposed technique consists of a smart controller that monitors the cache lines behavior and distributes uniformly stress condition for each line. The simulation results show that the proposed technique reduces the NBTI effect in I-cache significantly as compared to normal operation. Moreover, the energy consumption and the performance overheads of the proposed technique are negligible.

با توجه به آلودگی های منتشر شده باجگیرافزارها از سال 2012 میلادی تا کنون این نوع تهدیدات جایگاه ویژه ای در حوزه امنیت اطلاعات پیدا نمودند. این چالش روزبه‌روز وخیم‌تر شد و بر اهمیت پژوهش در این حوزه افزوده گردید. در این مقاله چارچوب جدیدی به‌منظور تشخيص باجگير‌افزارهای دارای ویژگی بقاپذیر ارائه می شود که به علت پژوهش های کم در این زمینه می توان این چارچوب را جزء اولین چارچوب های ارائه‌ شده در این زمینه دانست. در این مقاله اقدام به تحلیل و موشکافی رفتاری باجگیرافزارها نمودیم و تلاش کردیم تا خصیصه های مطلوبی را بیابیم که به‌صورت خاص در شناسایی این‌گونه از بدافزارها مفید باشند و دقت تشخیص بالا و نرخ مثبت کاذب کمی ایجاد نمایند. حاصل این بخش از کار، استخراج 20 خصیصه مناسب بود که به‌ واسطه دو خصیصه بسیار کارآمد در این مجموعه که طبق بررسی های ما برای اولین بار در این حوزه شناسایی و بکار گرفته‌ شده‌اند توانستیم به مجموعه ای مطلوب به‌منظور تشخیص باجگیرافزارهای بقاپذیر برسیم. در مرحله نهایی بعد از ارائه معماری پیشنهادی مبتنی بر موتور تشخیص شبکه بیزی، ارزیابی نهایی خود را بر اساس شش سناریوی مختلف بر روی باجگیرافزارهای شناخته‌ شده و برخی موارد ناشناخته جدید انجام دادیم که حاصل این آزمایش‌ها و ارزیابی میزان دقت بالای تشخیص چارچوب پیشنهادی در مورد باجگیرافزارهای بقاپذیر است.

در این مقاله به معرفی یک سیستم تبدیل دوسویه میان جملات فارسی و بازنمایی معنایی آن‌ها پرداخته می‌شود. این سیستم دارای دو زیرسیستم تولید بازنمایی معنایی از روی جملات (درک زبان) و تولید جملات از روی بازنمایی معنایی (تولید زبان) می‌باشد. زیرسیستم درک به بازنمایی معنایی جملات بر اساس ارتباطات معنایی میان فعل و نقش‌های معنایی جمله می پردازد. به این منظور از تحلیلگر وابستگی نحوی در کنار یک الگوریتم پردازش معنایی بهره گرفته می‌شود. معماری زیرسیستم درک شامل دو بخش تشخیص گروه های نحوی و انتساب نقش‌های معنایی به آن‌ها است. درنهایت بازنمایی معنایی اجزای جمله در قالب ساختار آرگومانی بیان می گردد. زیرسیستم تولید زبان به تولید جملات فارسی بر اساس بازنمایی معنایی آن‌ها می‌پردازد. در این سیستم با توجه به آرگومان‎های معنایی افعال جمله و با استفاده از شبـکه واژگاني زبان فارسي فارس‎نت، با توجه به ساختار وابستگی نحوی زبان فارسی و بر اساس قواعد تعریف شده برای هر آرگومان، جمله متناظر با آن معنا تولید می‎گردد. آزمایش های صورت گرفته سیستم درک با فرض عدم وجود خطا در ابزارهای مورد استفاده با دقت 88% توانسته است بازنمایی‌ها را تولید کند. استفاده از زیرسیستم تولید هم منجر به تولید جملات با دقت 5/73% گردیده است.