انجمن کامپیوتر ایران

پروتکل‌های دسترسی تصادفی از جمله IRSA روش‌های مناسبی برای مدیریت دسترسی کاربران در ارتباطات ماشین به ماشین هستند. پروتکل IRSA با به کارگیری تکرار بسته‌ها در فرستنده و فرآیند حذف متوالی تداخل در گیرنده باعث بهبود گذردهی پروتکل سنتی Slotted ALOHA می‌شود. تعداد تکرارها بر اساس یک توزیع درجه تعیین می‌شود. در مطالعات انجام شده تاکنون، توزیع درجهی بهینه با فرض ایدهال بودن حذف تداخل استخراج شده است. اما این احتمال وجود دارد که حذف تداخل به طور ایدهال اجرا نشود؛ یعنی پس از کدگشایی یک بسته، اثر آن و همچنین کپی‌های مربوطه به طور کامل از فریم حذف نشود. این موضوع باعث کاهش گذردهی شبکه می‌شود. در این مقاله بیشینه‌سازی گذردهی پروتکل IRSA با فرض غیرایدهال بودن حذف تداخل انجام می‌شود. در این راستا ابتدا رابطه‌ی تحلیلی احتمال از بین رفتن یک بسته را استخراج می‌کنیم. سپس با استفاده از آن، توزیع درجه‌های بهینه‌ی تعداد کپی‌های ارسالی کاربران را بدست می‌آوریم. نتایج نشان می‌دهد توزیع‌های بدست آمده در این مقاله از نظر گذردهی به‌طور متوسط به میزان 47.4% دارای عملکرد بهتری نسبت به توزیع‌های دیگر هستند؛ از جمله توزیع‌های بهینه‌های که با فرض ایدهال بودن حذف تداخل بدست آمده‌اند.

در این مقاله هدف شناسایی فعالیت‌های روزمره انسان به طور خودکار می‌باشد و برای شناسایی اعمال انسان از سنسورهای عمق استفاده می‌کند. که می‌تواند در سیستم‌های جاسازی شده استفاده شود. روش پیشنهادی در این مقاله با استفاده از استخراج دو دسته از ویژگی‌ها از اطلاعات مفاصل کار خود را پیش می‌برد. اولین دسته ویژگی تصاویر تاریخچه حرکت از اسکلت دودویی و دیگری که پیشنهاد ما می‌باشد، فاصله نسبی مفاصل از پنج مفصل مرجع از اسکلت انسان در نظر گرفته شده است. سپس شناسایی اعمال با استفاده از شبکه 3D-DCNN فراهم می‌شود. با در نظر گرفتن مفصل ناحیه سر به عنوان مفصل مرجع پنجم توانستیم موفقیت بیشتری در اعمالی که توسط دست و در ناحیه سر انجام می‌شود مانند آب خوردن و مسواک زدن و اعمالی که مفاصل ناحیه دست نسبت به مفصل ناحیه سر در موقعیت‌های متفاوت‌تری قرار می‌گیرد مانند پرتاب کردن و هل دادن یا برداشتن کسب نماییم. تمامی آموزش‌ها و آزمایشات با استفاده از مجموعه داده‌های UTKinect و CAD60 انجام شده است که منجر به نرخ صحت بالاتری نسیت به دیگر همتایان خود شد. دیتاست CAD60 شامل اعمالی است که در ناحیه سر انجام می‌شود و مفاصل دست در آن نقش بیشتری دارند نرخ صحت ۲٪ افزایش یافت.

انتخاب ویژگی به عنوان یک مرحله‌ی پیش‌پردازش مهم برای شناسایی الگو، یادگیری ‌ماشین و داده‌کاوی شناخته‌ شده است. مفاهیم مختلفی برای ارزیابی زیرمجموعه‌های ویژگی وجود دارد که آنتروپی و همسایگی از پرکاربردترین آن‌ها هستند. معیار شاخص تمایز همسایگی معیاری مبتنی بر آنتروپی و همسایگی است که برای تعیین توانایی تمایز زیرمجموعه‌های ویژگی در فرآیند انتخاب ویژگی استفاده می‌شود. در این معیار برای ایجاد روابط همسایگی از مفهوم شعاع همسایگی (ε) استفاده شده که تعیین مقدار آن به مجموعه‌ داده‌ها وابسته است. در این مقاله روش جدیدی برای ایجاد روابط همسایگی براساس نقاط هدف ارائه شده است. برای مشخص کردن نقاط هدف ابتدا با استفاده از مفهوم چگالی که بیانگر تراکم نقاط داده‌ در اطراف یک نقطه است، نقاط داده رتبه‌بندی شده و نقاط با رتبه‌ی بالا به عنوان نقاط هدف انتخاب می‎‌شوند. سپس دایره‌هایی حول نقاط هدف ترسیم شده و نقاط درون و روی دایره‌های یکسان به عنوان همسایه در نظر گرفته می‌شوند. با به کارگیری روش ارائه شده در معیار شاخص تمایز همسایگی یک معیار اهمیت ویژگی پیشنهاد می‌شود. سرانجام یک الگوریتم بر اساس این معیار به انتخاب ویژگی می‌پردازد. نتایج به ‌دست آمده از ارزیابی‌ها نشان می‌دهد که روش ارائه ‌شده عملکرد بهتری نسبت به روش‌های قبلی دارد.

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.

الگوریتم ترکیبی یادگیری افزایشی مبتنی بر جمعیت و بهینه سازی حدی (PBIL-EO , PBIL-GEO)

ناهنجاریهای صوتی بطور مستقیم به شکل فیزیکی تارهای صوتی بستگی داشته، و برای شناسایی اختلال در شکل فیزیکی تارهای صوتی، قطعه¬بندی فضای دهانه حنجره امری ضروری می¬باشد. یکی از مشکلات اصلی در روشهای ارائه شده، پایین بودن دقت آنها می‏باشد. برای حل این مشکل در این مقاله، یک روش خودکار مبتنی بر لبه¬یاب کنی و تبدیل هاف برای استخراج فضای دهانه حنجره از تصاویر ویدئویی استروبوسکپی ارائه شده است. روش ما با روشهای بافت نگار و مرزهای فعال مقایسه شده و نتایج نشان می¬دهد که روش پیشنهادی جواب بهتری را ارائه می¬دهد.

با افزایش گسترده تصاویر ‏ماهواره‏ای, نیاز به سیستمی برای مدیریت , بازیابی و حاشیه‏نویسی این حجم از تصاویر وجود دارد. در این مقاله برای حاشیه‏نویسی معنایی تصاویر از تکنیک خوشه‏بندی نیمه‏نظارت شده استفاده می‏شود. یکی از قسمت‏های اصلی الگوریتم خوشه‏بندی تعیین شباهت بین تصاویر است. برای تعیین دقیق شباهت بین تصاویر دو معیار شباهت جدید CM مبتنی بر وزن¬دهی و نرمال¬سازی ویژگی¬ها بطور همزمان و KMRBF مبتنی بر نگاشت غیر خطی الگوها به فضای بالاتر پیشنهاد می¬شود. بدلیل اینکه الگوریتم خوشه‏بندی روی ویژگی‏های استخراج شده فضاهای رنگ متفاوت و معیار شباهت متفاوت نتایج متفاوتی را تولید می‏کنند, ما با ترکیب این نتایج بصورت Co-clustering سعی در بالابردن دقت حاشیه‏نویسی داریم. آزمایشات روی 2400 تصویر ماهواره‏ای گرفته شده از سطح شهر تهران حاکی از کارایی بسیار مناسب سیستم پیشنهادی برای حاشیه‏نویسی تصاویر است و به دقت حاشیه‏نویسی 87.3% دست‏یافتیم.

يکي از مشکلاتي که در مورد برخي بيماران چشمي وجود دارد، رويه تشخيص است. براي تشخيص بيماريهاي چشم از تصوير¬برداري سونوگرافي استفاده مي¬شود. اما در برخي موارد به دليل کيفيت پايين تصاوير سونوگرافي و همچنين نويزهاي وارده، برخي از جزئيات تصوير محو شده و شباهتهايي در ويژگي هاي تشخيصي برخي از بيماريها بوجود مي آيد. از اين ميان، تشخيص جداشدگي شبکيه (که نياز به عمل جراحي در اسرع وقت دارد)، اهميت بسزايي براي چشم پزشکان دارد و يافتن راهي که بتواند امکان تشخيص آن را از ساير بيماريها فراهم کند مي¬تواند نقش مفيدي در تشخيص بهنگام اين بيماري داشته باشد. در اين بررسي ابتدا تصوير سونوگرافي ديجيتال، مورد پيش پردازش قرار مي گيرد تا نويز موجود در آن تا حدودي کاهش يابد. سپس با استفاده از روش آناليز اجزاي ويژه (PCA)، ويژگي هاي تصوير استخراج مي¬شود و در نهايت از شبکه هاي عصبي براي تشخيص بيماري استفاده مي¬کنيم. در اينجا عملکرد دو نوع شبکه عصبي پرسپترون چند لايه (MLP) و شبکه با توابع پايه شعاعي (RBF) را مورد ارزيابي قرار مي¬دهيم. نتايج حاصل از اين بررسي نشان مي دهد که استفاده از شبکه عصبي RBF براي تشخيص بيماري نسبت به شبکه پرسپترون چند لايه داراي عملکرد بسيار موفق¬تري بوده است و توانسته است به ۹۰ درصد تشخيص درست دست يابد، که اين امر از نظر تشخيص پزشکي مي¬تواند داراي اهميت زيادي باشد.

در دهه¬های اخیر توانایی فنی بشر برای تولید و جمع آوری داده به سرعت افزایش یافته¬است. این رشد انفجاری در داده¬های ذخیره¬ شده، نیاز مبرم ابزارهای خودکارسازی را ایجاد کرده¬است، تا به صورت هوشمند به انسان یاری رساند تا این حجم عظیم داده را به دانش مفید و مورد نیاز خود تبدیل کند. به این فرآیند داده¬کاوی اطلاق می شود. یکی از زمینه¬هایی که می توان از این دانش به نحو مؤثری بهره¬گرفت، داده¬های پزشکی است. در این مقاله بر آن هستیم تا به کشف عوامل مؤثر در بروز انواع سرطان و تعیین نحوه¬ی درمان سرطان بپردازیم. بدین¬منظور از پایگاه داده سرطان بیمارستان نمازی شیراز در سال¬های 86-82 استفاده¬نمودیم. با اعمال الگوریتم¬های خوشه¬بندی و کشف قوانین وابستگی بر روی مجموعه داده¬ها به نتایج مفید و جالبی دست یافتیم.

IUI_B : واسط کاربری هوشمند مبتنی بر عامل برای نابینایان

مسأله‌ي بيدارسازي مجموعه‌اي از ربات‌هاي خواب توسط يک ربات بيدار اوليه، Freeze-Tag Problem (FTP) نام دارد. در FTP هدف، بيدارسازي کليه ربات‌ها در کمترين زمان ممکن است. اين مسأله در حالت کلي NP-Hard و در حالت اقليدسي از جمله مسائل باز (Open) به شمار مي‌رود. در اين مقاله الگوريتم‌هاي تقريبي براي FTP در محيط اقليدسي مد نظر قرار مي‌گيرند. ابتدا يک الگوريتم تقريبي با فاکتور تقريب O(1) و زمان اجراي O(n log⁡n) که توسط آرکين و همکارانش ارائه شده‌است، معرفي مي‌گردد و سپس يک الگوريتم با فاکتور تقريب بهتر و زمان اجراي خطي براي مسأله ارائه مي‌شود.

در اين مقاله، يك طرح جديد مديريت کليد در شبکه¬هاي سيار اقتضايي ارايه مي¬شود. اين طرح مبتني بر گروه¬بندي گره¬هاي سيار است. در اين طرح با بهره¬گيري از ايده¬هاي تسهيم راز و رمزنگاري آستانه¬اي، يک پروتکل تشکيل کليد مشترک ميان مجموعه¬اي از گره¬هاي مجاز ارايه مي¬شود، که به راحتي قابل تعميم به شبکه¬هاي بزرگتر نيز هست. اين طرح به دليل امتياز آستانه¬اي بودن نسبت به نمونه¬هاي قبلي در مقابل حملات شناخته شده مقاوم¬تر مي¬باشد. هم¬چنين نوع ساختار گروه¬بندي که ميان گره¬ها در نظر گرفته شده¬است، مشکلات ناشي از پويايي شبکه را کاهش مي¬دهد