انجمن کامپیوتر ایران

Hill Cipher (HC) is a polygraph symmetric data encryption method which is based on matrices. In 2011, Desoky et al.proposed the Bitwise Hill Crypto System (BHC) which is based on bit arithmetic. In this paper,weanalyze BHC and show that it is insecure. Then, we propose a new modification using chaotic map which provides better security

دسته بندی‌کننده بیزساده یکی از روش‌های دسته‌بندی متداول مبتنی برنظریه بیزین می‌باشد که در حوزه داده‌کاوی و یادگیری ماشین بطورکارآمد مورد استفاده قرارگرفته است. با این وجود، فرض پایه این دسته بندی‌کننده که استقلال مشروط بر دسته ویژگی‌ها می‌باشد، اغلب در مسائل کاربردی مطرح در دنیای واقعی نقض و منجر به کاهش کارایی دسته بندی‌کننده می‌شود. دراین مقاله یک روش جدید انتخاب ویژگی مبتنی بر الگوریتم جستجوی هارمونی باینری که از روش‌های فرا اکتشافی نوظهور می باشد برای غلبه بر این مشکل و بهبود عملکرد این دسته بندی کننده پیشنهاد شده است. نتایج پیاده‌سازی‌ها در خصوص سه مساله دسته بندی «مجموعه داده بیماری دیابت»، «مجموعه داده یونسفر» و «مجموعه داده سونار» به عنوان مسائل متداول تشخیص الگو با ابعاد ویژگی کم، متوسط و بالا نشان می‌دهد که دقت دسته‌بندی‌کننده بیز پیشنهادی از دسته‌بندی‌کننده بیز ساده و دسته بندی کننده‌های بیز وزن‌دار مبتنی بر گسسته سازی ویژگی‌ها بهتر می‌باشد. همچنین نتایج آزمایشات از غلبه روش پیشنهادی بردسته بندی‌کننده بیز مبتنی بر الگوریتم ژنتیک از نظر زمان لازم برای آموزش مدل و دقت دسته بندی در مسائل با ابعاد متوسط و بالا حکایت می‌نماید.

در اين تحقیق، روشی ترکیبی برای استخراج ویژگی در نهان‌کاوی تصاویر JPEG پیشنهاد شده است. بردار ویژگی پیشنهادی، ویژگی‌های آماری ماتریس همرخدادی زنجیرة مارکوف می‌باشند که ازتصاویر زیرباند تبدیل کانتورلت به دست آمده‌اند. به منظور ارزیابی روش فوق از طبقه‌بند ترکیبی استفاده شده است. طبقه‌بندهای ترکیبی، در واقع آزادی بیشتری به تحلیل‌گر می‌دهند که بتواند ویژگی‌ها را بدون محدودیت در ابعاد ویژگی و تعداد دسته‌های مورد یادگیری طراحی کند و آشکارسازهایی با سرعت بالاتر بسازد. نتایج تجربی دقت مناسب این ویژگی‌های ترکیبی را نشان می‌دهد.

در اين مقاله یک سيستم پرسش‌ و ‌پاسخ به زبان فارسی برای دامنه محدود کيوسک اطلاعات دانشکده مهندسی برق و کامپیوتر معرفی می‌شود. محدوده سؤالات ورودی در این سیستم شامل انواع سؤالاتی است که معمولاً در دانشکده از اطلاعات یا آموزش پرسیده می‌شود. سیستم قابلیت پاسخگویی به سؤالات مکانی، زمانی، اشخاص، دروس و ویژگی‌های این موجودیت‌ها را خواهد داشت. رویکرد پیشنهادی در این سیستم یک رویکرد معنایی مبتنی بر استفاده از هستان شناسی و بازنمایی پرسش به صورت سه‌تایی‌های RDF است. در اين سيستم پرسش کاربر با استفاده از هستان شناسی سیستم به مجموعه اي از سه‌تایی‌های RDF (فاعل، فعل، مفعول) تبديل می‌گردد. کليد استخراج پاسخ، نگاشت مناسب بين سه‌تايي‌هاي پرسش و روابط موجود در هستان‌شناسي است. به‌کارگیری رویکردهای معنایی و مبتنی بر دانش منجر به تولید سیستم پرسش- پاسخی با دقت پاسخگویی %91.34 و فراخوان %87.92 گردیده است.

چشم انداز برنامه‏نویسی سیستم‏های مولکولی برای اجرای عملیات، محققان را به سوی طراحی مدارهای بیوشیمیایی ترکیبی جذب کرده است. در اين مقاله، الگوریتم جدیدی برای طراحی و ساخت گیت‏های منطقی مولکولی تشريح مي‌شود. این الگوریتم مطابق با جدول صحت هر گیت عمل می‏کند. از این رو قابلیت توسعه به ساخت تمام گیت‏های منطقی و در پی آن ساخت مدارهای ترکیبی مقیاس بزرگ را دارد. این گیت‏ها با یک عملیات ذوب ساده پس از اتمام کار، قابل بازیابی و استفاده مجدد می‏باشند. دستاورد این الگوریتم می‏تواند منجر به فراهم آمدن ساخت یک واحد محاسباتی-منطقی به صورت مولکولی شود. نتایج حاصل از شبیه‏سازی این الگوریتم برای گیت‏های منطقی آزمایش شده در این مقاله، گویای عملکرد صحیح این الگوریتم می‌‏باشد.

امروزه برنامه‌های کاربردی وب به عنوان واسطی برای بسیاری از سیستم‌های تحت وب، مورد استفاده قرار می‌گیرند. به دلیل رشد استفاده از این برنامه‌ها و قابلیت دسترس‌پذیری بالای آن‌ها، و هم چنین سر و کار داشتن آن‌ها با اطلاعات شخصی و حساس کاربران، لزوم برقراری امنیت در این دسته از برنامه‌ها احساس می‌شود. بنابراین تشخیص آسیب‌پذیری‌های برنامه‌های کاربردی تحت وب، می‌تواند به میزان زیادی از سوءاستفاده توسط نفوذگران جلوگیری کند. در این مقاله روشی ارائه می‌گردد که درآن با استفاده از تحلیل ایستای کد متن برنامه کاربردی تحت وب، نقاط آسیب‌پذیر برنامه شناسایی می‌شود و برای این منظور از گراف احتمال آسیب‌پذیری استفاده می‌کند. گراف احتمال آسیب‌پذیری برای پوشش هرچه بیشتر نقاطی از برنامه با احتمال آسیب‌پذیری بالا، طراحی شده است.

در اين مقاله يک ساختار دومنظوره جهت تعيين مسير خودروهاي درحال حرکت و ارسال اطلاعات ترافيکي خودروها ارائه شده است. به منظور کمينه نمودن زمان سفر، مکانيزم ارائه شده خودروها را به مسيرهاي داراي چگالي خودرويي پايين‌تر هدایت مي‌نمايد. اما با توجه به چگالي پايين اين مسيرها، چنانچه بسته‌هاي اطلاعات ترافيکي از اين مسيرها ارسال گردند، با توجه به احتمال بالا در گسستگي شبکه خودرويي، نرخ ارسال موفق اطلاعات ترافيکي پايين مي‌آيد. از اينرو راهکار ارائه شده به گونه اي طراحي شده است تا بتواند همزمان با تعيين بهترين مسير حرکت خودروها، به طور مداوم پيوستگي راديويي مسيرها را نيز تخمين زده و از مسيرهاي با بيشترين احتمال پيوستگي راديويي در شبکه بيسيم بين خودرويي براي انتقال اطلاعات ترافيکي استفاده نمايد. اساس کار راهکار ارائه شده بر ايجاد يک لايه همتا به همتا بر روي شبکه بيسيم بين خودرويي بنا نهاده شده است. از ويژگيهاي مهم اين سامانه، سرعت بالا و سادگي محاسبات و سربار کم براي تشکيل لايه همتا به همتا، استفاده بهينه از پهناي باند محدود شبکه هاي بيسيم بين خودرويي، عملکرد مناسب سامانه در ضريب نفوذهاي پايين و کارکرد مناسب در کاهش زمان سفرهاي شهري، به ويژه در شرايط ازدحام شديد مي باشد.

برقراری امنیت در شبکه‌های حسگر از نیازهای جدی در این شبکه‌هاست. از مسائل مهم در امنیت مقابله با حملات شبکه است.حمله سایبیل یکی از حمله های مهم در شبکه‌های حسگرمی‌باشد که در آن یک گره بدخواه با انتشار چندین شناسه جعلی از خود اقدام به مختل کردن عملیات‌های شبکه از جمله پروتکل‌های مسیریابی،رای‌گیری وتجمیع داده می‌کند.در شبکه‌های متحرک بدلیل ثابت نبودن گره‌ها و به دنبال آن متغییر بودن توپولوژی شبکه، شناسایی این حمله دشوارتر است.در این مقاله، یک الگوریتم با استفاده از گره‌های نگهبان و اطلاعات مدل همسایگی گره‌ها جهت شناسایی گره‌های سایبیل در شبکه‌های حسگر متحرک ارائه شده است.شبیه‌سازی این الگوریتم نشان می‌دهد که با افزایش تعداد گره های نگهبان در شبکه این الگوریتم قادر به شناسایی 100% گره های سایبیل است و این نرخ با افزایش تعداد شناسه‌های سایبیل و یا گره‌های بدخواه کاهش نمی‌یابد. همچنین با انتخاب مناسب تعداد گره‌های نگهبان، میانگین نرخ خطا نیز کمتر از 2% می‌شود.

شبکه GSM یکی از پرکاربردترین شبکه‌های مخابراتی سیار است. دو اپراتور عمده ارائه کننده سرویس‌های مخابرات سیار در ایران نیز از این تکنولوژی استفاده می‌نمایند. وجود رخنه‌های امنیتی متعدد در این شبکه، اثبات شده است. متعاقبا راهکارهایی برای حل معضلات امنیتی شبکه ارائه شده است که عموما بر مبنای ایجاد تغییر در ساختار شبکه بوده که در بسیاری موارد غیرقابل دسترس هستند. از موثرترین روش‌های موجود برای حل معضلات امنیتی شبکه، ایجاد امنیت انتها به انتها به صورت سخت‌افزاری و نرم‌افزاری همانند استفاده از VoIP امن است. در این مقاله مدلی برای امن‌سازی VoIP طراحی نموده و نرم‌افزاری با نامSSPhone برای گوشی‌های موبایل با سیستم عامل اندروید پیاده‌سازی نمودیم. برای اطمینان از کارایی این نرم‌افزار در محیط هدف، پارامتر‌های کیفیت خدمات شامل تاخیر، جیتر و میزان گم شدن بسته‌ها را بر بستر EDGE شبکه مورد بحث مورد بررسی قرار داده‌ایم. نتایج نشان می‌دهند که پارامترهای جیتر و میزان گم شدن بسته‌ها در سطح مطلوب یا عالی قرار دارند و تنها تاخیر در سطح نامطلوب قرار داشته که تا اندازه‌ای قابل اغماض است. بنابراین می‌توانیم از SSPhone به منظور امن‌سازی ارتباط مشترکین شبکه GSM استفاده نماییم.

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.

بازشناسی انسان عبارت است از شناسایی مجدد یک فرد، در مکان های متنوع در مجموعه دید دوربین های مختلف، که تنها براساس ویژگی‌های ظاهری آن فرد انجام می‌شود. این عمل کاری ارزشمند در نظارت ویدیویی است. در این مقاله یک مدل مبتنی بر هیستوگرام برای ظاهر فرد ارائه می‌شود که در آن اطلاعات قاب‌های متوالی به شکل یک هیستوگرام توسعه یافته نمایش داده می‌شوند. در مدل هیستوگرام توسعه یافته هر ستون از هیستوگرام به جای اختیار نمودن مقداری ثابت، معرف تابع توزیع احتمال یک متغیر تصادفی است که این متغیر تصادفی تغییرات ستون در قاب‌های متوالی را نشان می‌دهد. در اینجا توزیع احتمال هر ستون، مخلوطی از چند گاوسی در نظر گرفته می‌شود که پارامترهای آن با استفاده از روش بیشینه سازی امید، به صورت افزایشی یاد گرفته می‌شود. در ادامه برای مقایسه دوهیستوگرام توسعه یافته، روشی مبتنی بر وزن‌دهی ستون‌های هیستوگرام پیشنهاد شده است. در این روش ستون‌های مختلف هیستوگرام با توجه به عدم قطعیت خود در تولید نتیجه مشارکت داده می‌شوند. بدین صورت که به ستون‌هایی با قطعیت بیشتر، وزن بیشتری انتساب داده می‌شود. نتایج تجربی بر روی پایگاه های داده مختلف، نشان می‌دهد که مدل هیستوگرام توسعه یافته پیشنهادی می‌تواند کارایی مناسبی را در بازشناسی انسان فراهم آورد.