انجمن کامپیوتر ایران

افزایش چشمگیر تقاضای ترافیک کاربران موبایل موجب بروز ازدحام و کاهش کیفیت در شبکه های سلولی شده است. در سال های اخیر برون سپاری ترافیک از شبکه سلولی بر روی شبکه های مکمل به‌عنوان یک راه حل منطقی و مقرون‌ به‌صرفه در مقابله با ازدحام، مطرح ‌شده است که البته اپراتور سلولی را با چالش هایی در مدیریت هزینه و اجرای مؤثر این راه حل مواجه می کند. اجرای فرآیند برون سپاری ترافیک از شبکه سلولی باید با کارآیی بیشتر و هزینه های پیاده سازی و عملیاتی کمتری صورت گیرد. در این مقاله، یک مدل بهینه سازی با هدف کمینه کردن هزینه برون سپاری ترافیک اپراتور سلولی به شبکه مکمل ارائه‌ شده است. این مدلبا بهره گیری از پیش بینی ترافیک قابل برون سپاری کاربران در هر بازه زمانی، روی استقرار مناسب آنتن های شبکه مکمل و تخصیص بهینه پهنای باند به آن ها تصمیم گیری کرده و به این ترتیب هزینه های پیاده سازی و عملیاتی فرآیند برون سپاری را برای اپراتور های شبکه سلولی کاهش می دهد. به‌منظور حل این مدل یک الگوریتم ابتکاری با پیچیدگی زمانی چندجمله‌ای پیشنهاد شده و درنهایت مدل و الگوریتم پیشنهادی، مورد ارزیابی قرار گرفته اند. نتایج بیانگر این است پیاده سازی و استقرار شبکه مکمل با استفاده از مدل پیشنهادی در این مقاله می تواند میانگین هزینه های اجرایی برون سپاری را به میزان قابل ملاحظه ای کاهش دهد.

با توجه به حجم رو به رشد اطلاعات ثبت شده در سازمان‌ها، هر روز نیاز به پژوهش آنها بیشتر احساس می‌شود. در این راستا زمینه تحقیقاتی فرآیندکاوی به استخراج اطلاعات ارزشمند از فایل وقایع می‌پردازد. یکی از حوزه‌های فرآیند‌کاوی تعیین شباهت فرآیندهای استخراج شده از فایل وقایع است. بیشتر پژوهش‌های انجام گرفته در این حوزه فرض می‌کنند مدل فرآیندی از فایل وقایع استخراج شده و روش‌هایی برای شباهت مدل‌ها ارائه نموده‌اند. اگر چه پیشرفت‌های خوبی در این روش‌ها مشاهده شده و حتی برخی از آنها شباهت معنایی را محاسبه می‌کنند اما چالش اصلی آنها این است که رویدادهای واقعی موجود در فایل وقایع را نادیده می‌گیرند. این در حالی است که مدل فرآیندها در بسیاری از موراد روال واقعی را نشان نمی‌دهند. از سوی دیگر روش‌هایی هستند که شباهت را با استفاده از فایل وقایع محاسبه می‌کنند اما هیچ‌ کدام از آنها معنا را در نظر نمی‌گیرند. به نظر می‌رسد افزودن معنا به این‌گونه روش‌ها منجر به کارایی و دقت بیشتر نتایج گردد. ایده پیشنهادی ابتدا با استفاده از فایل وقایع برای هر یک از دو فرآیند مورد مقایسه یک هستان‌نگار ایجاد کرده و سپس با نگاشت هستان‌نگار‌ها شباهت فرآیندهای متناظر آنها را محاسبه می‌کند. در نهایت از مجموعه فایل‌های وقایع بیمارستان آکادمیک هلند برای ارزیابی استفاده شده است.

نگهداری نرم‌افزار یکی از اصلی‌ترین فازهای تولید نرم‌افزار است و نیازمند تخصص، و صرف هزینه و زمان نسبتاً زیادی است. این فاز به دلیل مشکلاتی چون زیاد بودن حجم کد، نقص مستندات یا عدم به‌روز بودن آن‌ها عموماً پیچیده و ناکارآمد است. یکی از فعالیت‌های چالش‌برانگیز فاز نگهداری نرم‌افزار، یافتن چگونگی پیاده‌سازی مفاهیم مختلف در متن برنامه آن سیستم نرم‌افزاری است. واژه‌ی مفهوم در اینجا به معنی یک کارکرد خاص از سیستم است که مورد نیاز کاربر و برنامه‌ساز است. به عنوان مثال، چگونه دسترسی به اطلاعات GPS را در یک برنامه اندروید پیاده‌سازی نماییم. از آنجا که کدی که یک مفهوم خاص را پیاده‌سازی می‌کند، در طول برنامه پخش می‌باشد و با کدهایی که دیگر مفاهیم را پیاده‌سازی می‌کنند، در هم تنیده می‌باشد، پیداکردن کد مورد نظر در برنامه‌های بزرگ اغلب کار بسیار مشکلی می‌باشد. بدین جهت، روش های گوناگونی در مهندسی نرم‌افزار برای این منظور مطرح شده است. در این مقاله، ابتدا به طور خلاصه به بررسی روش‌های موجود برای یافتن چگونگی پیاده‌سازی مفاهیم نرم‌افزاری می‌پردازیم. در ادامه، محدودیت‌ها و ویژگی‌های نرم‌افزارهای اندروید و تأثیر آن‌ها در یافتن مفاهیم نرم‌افزاری را مورد بررسی قرار می‌دهیم. سپس، با استفاده از این ویژگی‌ها، روشی ایستا را برای یافتن مفاهیم نرم‌افزارهای سیستم عامل اندروید که توسط توسعه‌ی دهنده‌ی این سیستم عامل عرضه شده است را ارائه می‌دهیم. در این روش، بر روی مشخصات معماری نرم‌افزارهای اندروید و کتابخانه‌های استاندارد آن تمرکز شده است تا روشی اختصاصی، با دقت قابل قبول و بهبود یافته ارائه گردد. در انتها، برای ارزیابی بهتر روش ارائه‌شده، کارایی آن بر روی چند نرم‌افزار متن باز اندروید مورد بررسی قرار می‌گیرد.

در دنیای امروز که عصر سرعت می‌باشد، نیاز به طراحی پایگاه داده تحلیلی خودکار به چشم می‌خورد. این طراحی خودکار موجب سرعت بخشیدن به تحلیل داده‌های حجیم شرکت‌ها و سازمان‌ها می‌گردد. همچنین تصمیم‌گیری‌ها نیز مبتنی بر این تحلیل اتخاذ می‌گردند. به‌منظور طراحی خودکار پایگاه داده تحلیلی، لازم است تا جداول حقیقت و ابعاد، با توجه به پایگاه داده پیدا شوند. برای یافتن خودکار جداول حقیقت و ابعاد، روش‌های اکتشافی گوناگونی مطرح‌ شده‌اند. در این مقاله روشی مرکب برای یافتن جداول حقیقت و ابعاد در مدل مفهومی پیشنهاد می‌گردد. روش مرکب، روشی است که هم نیاز کاربر را در برمی‌گیرد و هم با توجه به منابع داده‌ای به دنبال حقیقت و ابعاد می‌گردد. روش ارائه‌ شده در این مقاله با استفاده از نیازهای کاربر که در قالب پرس‌وجو ارائه‌ شده است، به همراه پرس‌و‌جو‌هایی که پیش ‌از این به منابع داده‌ای اعمال‌ شده‌اند، جداول حقیقت و ابعاد را در مدل مفهومی شناسایی می‌کند. به این منظور در ابتدا با استفاده از هریک از روش‌ها به‌صورت جداگانه، شناسایی جداول حقیقت و ابعاد صورت می‌گیرد، سپس با یک روش وزن‌دار حقیقت و ابعاد نهایی مشخص می‌گردند. با توجه به اعمال مطالعه موردی بر روی روش پیشنهادی و نتایج به دست‌ آمده از آن، سرعت این روش در مشخص کردن جداول حقایق و ابعاد نسبت به روش‌های دیگر بیشتر می‌باشد. همچنین صحت جداول مشخص شده با روش دستی مقایسه گردیده‌ است و مورد تایید می‌باشد.

از وظايف اصلی پردازنده‌های شبکه‌ای دسته‌بندي بسته‌ها می‌باشد. اين فرآيند خودکار، جريان هاي ترافيکي شبکه را براساس پارامترهاي متعدد از جمله آدرس فرستنده و گيرنده دسته بندي مي‏نمايد. هر چند، تسريع الگوريتم هاي دسته‌بندي بسته‏ ها از طريق پياده‌سازي سخت‌افزاري آنها ممکن است، اين راه‌حل‌ هزينه بالا و توسعه‌پذيري محدودي دارد. در مقابل، روش‌هاي نرم‌افزاري که اين مشکلات را برطرف مي‌کنند، سرعت پائيني دارند. يک ايده کليدي براي رفع اين مشکل، موازي‏ سازي دسته بندي بسته‏ ها مي‏ باشد. در اين پژوهش، الگوريتم‏ هاي جستجوي فضاي چندتايي و فضاي هرس ‏شده به چهار روش Thread ،PPL،OpenMP و TBB بر روی پردازنده های چندهسته ای موازي‏ سازی شده ‏اند. پیاده سازی نسخه های موازی شده الگوریتم های انتخابی روی بسترهای چهارگانه مذکور و ارزیابی آن ها به کمک مجموعه قوانین و بسته های آزمون، نشان دهنده بهبود کارایی آنها در هر چهار روش است. همچنین، نتایج نشان می دهد بیشترین تسریع دسته بندی بسته ها در نسخه موازی شده با TBB و حدود 91/7 می باشد.

مدل ترکيبي فرآيند ديريکله روشي قدرتمند براي خوشه‌بندي داده و تخمين تعداد خوشه‌ها بصورت همزمان است. اين مدل يک ترکيب سلسله مراتبي از فرآيندهاي ديريکله محسوب مي‌شود. فرآيند ديريکله توسط دو مولفه تعريف مي‌شود: 1) پارامتر تمرکز و 2) يک توزيع پايه پيوسته. اگر از فرآيند ديريکله نمونه‌برداري شود، هر نمونه خود يک توزيع است. در مدل ترکيبي فرآيند ديريکله بايد يک توزيع پارامتري براي نمونه داده‌ها تعريف کرده و مقدار اين پارامتر را با نمونه‌برداري از فرآيند ديريکله بدست آورد. مقدار پارامتر تمرکز فرآيند ديريکله تعيين کننده ميزان نزديکي نمونه‌ها به توزيع پايه مي‌باشد. بنابراين تعيين مقدار مناسب براي پارامتر تمرکز نقش مهمي در عملکرد مناسب مدل ترکيبي دارد. در اين مقاله پيشنهاد مي‌شود که پارامتر تمرکز فرآيند ديريکله در مدل ترکيبي با يک تابع توزيع احتمال جايگزين شود. بر اين اساس مدلي جديد براي خوشه بندي و تعيين تعداد خوشه ها به طور همزمان ارائه شده و کارايي آن بر روي چندين مجموعه داده استاندارد مورد ارزيابي قرار گرفته است. نتايج حاصل از اين مدل در مقايسه با تعداد زيادي از روش هاي شناخته شده خوشه‌بندي بيانگر کارايي بالاتر روش پيشنهادي مي‌باشد.

فضای جستجو در روش‌های مبتنی بر جستجوی تولید داده آزمون حتی برای برنامه‌های کوچک هم بسیار بزرگ است. در جهت پوشش این مساله، تاکنون تنها یک راهکار، که حذف متغیرهای نامرتبط از فضای جستجو است، ارائه شده است. هدف این مقاله، ارائه روشی به‌منظور دسته‌بندی و کاهش فضای جستجو است تا در نتیجه آن کارایی روش‌های تولیدِ پویای داده آزمون، بهبود یابد. به منظور دسته‌بندی و کاهش فضای جستجو، قصد بر آن است که ارتباطی بین ساختار ایستای برنامه و فضای جستجو برقرار شود. برای دستیابی به این هدف، با استفاده از اطلاعاتی که در مسندهای برنامه وجود دارد، فضای جستجو دسته‌بندی میشود و الگوریتم کلونی مورچگان برای تولید داده آزمون در این فضا اعمال می‌گردد. جهت بکارگیری این الگوریتم با هدف تولید داده آزمون بر مبنای جستجو در فضای مذکور، لازم است که یک نسخه سفارشی شده از الگوریتم کلونی مورچگان ارائه شود که این موضوع نیز در در این مقاله پوشش داده شده است. ارزیابی روش پیشنهادی در مقایسه با تنها کار مرتبط موجود، از جنبه کارایی فرآیند تولید داده آزمون و کارآمدی داده‌های آزمون تولید شده، بر روی چند برنامه نمونه با اندازه قابل قبول، انجام شده است. معیارِ مورد نظر برای ارزیابی این دو جنبه، به ترتیب، میانگینِ زمان تولید مجموعه آزمون و میانگینِ پوششِ انشعاب توسط مجموعه آزمون تولید شده است. نتایج، بهبود قابل توجهی در میانگین پوشش مجموعه آزمون تولید شده و میانگین زمان تولید داده آزمون نسبت به راهکار قبلی را نشان می‌دهد.

دسته‌بندی نیمه نظارتی مبتنی بر منیفلد در سال‌های اخیر مورد توجه بسیاری از پژوهشگران واقع شده است. رویکرد های موجود از فاصله اقلیدسی به صورت محلی برای تقریب فاصله روی منیفلدها و اعمال فرض هموار بودن روی منیفلد استفاده می‌کنند. در فضایی که چند منیفلد با یکدیگر اشتراک دارند این تقریب در نواحی اشتراک صحیح نبوده و باعث انتشار اشتباه برچسب‌ها می‌شود. در این مقاله الگوریتمی برمبنای تفکیک نقاط داخلی منیفلد از سایر نقاط جهت دسته‌بندی نیمه نظارتی روی منیفلدهای متقاطع جهت یادگیری دسته‌بند مبتنی بر اتصالات مطمئن‌تر در گراف ارائه کننده‌ی داده پیشنهاد شده است. تفکیک نقاط داخلی از سایر نقاط بر مبنای رفتار متمایز لاپلاسین تابع هموار روی هر منیفلد در نقاط داخلی نسبت به سایر نقاط صورت می‌گیرد. الگوریتم پیشنهادی وزن یال‌های گراف ارائه کننده‌ی منیفلد را جهت انتشار برچسب اصلاح می‌کند. در مقایسه با رویکردهای دسته‌بندی نیمه نظارتی روی چند منیفلد، رویکرد پیشنهادی فرض مشخص بودن ابعاد ذاتی منیفلدها را نداشته، نیاز به تعداد خیلی زیاد داده‌های بدون برچسب ندارد، همچنین خصوصیات همسایگی مشابه به تمام همسایگی‌ها نسبت نمی‌دهد. آزمایش‌ها روی مجموعه داده‌های مصنوعی و واقعی نشان دهنده‌ی دقت خوب روش پیشنهادی نسبت به روش‌های مشابه است.

محیط ابر این امکان را به فراهم کنندگان سرویس میدهد تا انواع برنامه‌های کاربردی خود را با استفاده از منابعی که به صورت مجازی و اشتراکی در اختیار دارند، در هنگام درخواست کاربران به آنها ارائه دهند. یکی از مهمترین مسائلی که در محیط ابر مطرح میباشد، مسئله زمانبندی برنامه‌های کاربردی، بر روی منابع موجود می باشد؛ به طوری که از یک سو بتواند نیازمندیهای کاربران همانند حداقل شدن زمان اجرا یا هزینه را تامین کرده و از سوی دیگر با استفاده مناسب از منابع، بتواند منافع فراهم کنندگان سرویس را نیز در پی داشته باشد. در این مقاله ما یک روش زمان‌بندی چند هدفه با استفاده از الگوریتم اکتشافی سیاهچاله برای زمان‌بندی جریان کاری در محیط ابر ارائه کرده‌ایم که هم بتواند نیازمندیهای کاربران و هم منافع فراهم‌کنندگان سرویس را در نظر بگیرد. ما روش پیشنهادی خود را با الگوریتمهای SPEA2 و NSGA2 بر اساس پارمترهای زمان تکمیل کار و هزینه و بهره‌وری منابع با استفاده از جریانکاری متعادل و نامتعادل مقایسه کرده‌ایم. نتایج شبیهسازی میدهد که روش ما به میزان 8.5 درصد در فاکتور زمان تکمیل کار و 2.5 درصد در فاکتور هزینه به نسبت الگوریتم SPEA2 و به میزان 2.5 درصد در فاکتور زمان تکمیل کار و 6 درصد در فاکتور هزینه از الگوریتم NSGA2 بهتر می‌باشد.

امروزه موتورهای جستجو با حجم عظیم اطلاعات موجود در بستر وب و همین‌طور تعداد زیاد درخواست‌های دریافتی مواجه هستند. از آنجا که بخش قابل‌توجهی از پرس‌و‌جوهای کاربران در موتورهای جستجو تکراری است، می‌توان برای بهبود کارایی این سامانه‌ها از حافظه نهان به منظور کاشه سازی نتایج استفاده نمود. یکی از چالش‌های اصلی در این زمینه، تلاش برای افزایش نرخ برخورد مابین پرس‌و‌جوهای ورودی و نتایج موجود در حافظه نهان است. در این مقاله، روش ترکیبی جدیدی برای کاشه‌سازی نتایج در موتورهای جستجو ارائه می‌شود که در آن، لیست آماده مربوط به جزءهای تشکیل دهنده پرس‌وجو (به جای نتایج کل پرس‌وجو) ذخیره می‌شود تا احتمال برخورد در پرس‌وجوهای آینده بالاتر رود. اضافه بر این، حافظه نهان به دو بخش مجزای ایستا و پویا (به ترتیب برای نگهداری اجزاء پرتکرار روز گذشته و روز کنونی) تقسیم‌بندی می‌شود. نتایج ارزیابی در یک محیط واقعی نشان می‌دهد که روش پیشنهادی در قیاس با روش‌های مشابه نرخ برخورد بالاتری ارائه می‌نماید.

خوشه‌بندی به عنوان یک فرآیند یادگیری بدون ناظر، می‌تواند دانش موجود در داده‌های بدون برچسب را کشف و مورد تحلیل و بررسی قرار دهد. اساس کار الگوریتم‌های خوشه‌بندی، گروه‌بندی داده‌ها به بخش‌هایی به ‌نام خوشه است. این عملیات بر مبنای شباهت‌هایی که در ساختار داده‌ها وجود دارد انجام می‌شود. هدف الگوریتم‌های خوشه‌بندی انجام درست و صحیح این گروه‌بندی‌ها به ‌منظور استخراج دانش دقیق‌تر از داده‌هاست. خوشه‌بندی مبتنی بر تراکم، یک دسته از انواع روش‌های موجود در خوشه‌بندی است. در این نوع خوشه‌بندی،‌ خوشه‌ها براساس ناحیه‌های متراکم داده‌ها تشکیل می‌شوند. تعریف معیار فاصله و تراکم در این دسته از خوشه‌بندی‌ها تاثیر به‌سزایی در عملکرد خوشه‌بندی دارد. در این مقاله یک رویکرد جدید با کمک قوانین اگر-آنگاه فازی برای معیار تراکم و فاصله ارائه شده است. از این قوانین برای بهبود عملکرد الگوریتم‌ خوشه‌بندی DBSCAN استفاده شده است. نتایج ارزیابی‌ها بیانگر کاهش خطا و افزایش دقت در خوشه‌بندی داده‌ها توسط روش پیشنهادی نسبت به سایر روش‌های دیگر خوشه‌بندی مشابه فازی می‌باشد.

پیشرفت‌ها در رایانش و شبکه، قابلیت‌های جدیدی را به سیستم‌های فیزیکی فراهم کرده است که پیش از آن، این قابلیت‌ها به طور عملی قابل افزودن نبودند. این امر منجر به ظهور سیستم‌های مهندسی به نام سیستم‌های سایبر- فیزیکی شد. این سیستم‌ها، دامنه‌های سایبری (شامل مؤلفه‌های شبکه و سرورها) و فیزیکی (شامل حسگرها و محرک‌ها) را با هم تلفیق می‌کند. در این سیستم‌ها، روش‌های صوری کشف نفوذ، هر نمونه داده را به صورت مستقل مورد تحلیل قرار می‌دهند و از مهمترین خصوصیت این نمونه‌های داده‌ (ترتیبی بودن) صرف نظر می‌کنند. اغلب ناهنجاری‌ها را تنها با تحلیل دنباله‌ای از نمونه‌های داده می‌توان کشف کرد. ماهیت سری‌های زمانی وابسته بودن مشاهدات آن‌ها است. بنابراین تحلیل سری‌های زمانی به منظور کشف ناهنجاری در دنباله‌ای از داده‌ها، راه‌حل مناسبی است. روش ارائه شده در این مقاله به این صورت است که ابتدا داده‌ها را از طریق حسگرها جمع‌آوری کرده، سپس مجموعه داده‌های آموزش را مدل کرده و رفتار آینده سیستم را پیش‌بینی می‌کنیم. در نهایت با مدل کردن مجموعه داده‌های آزمون و با مقایسه این مجموعه داده با رفتار پیش‌بینی شده می‌توان ناهنجاری‌ها را شناسایی کرد. نتایج نشان می‌دهد که این روش داری نرخ تشخیص درست بالا و نرخ تشخیص نادرست بسیار پایین است.

ترویج فرهنگ استفاده از وسایل حمل و نقل عمومی و افزایش تقاضای سفر در شهرهای بزرگ منجر به گسترش و توسعه روزانه شبکه حمل ونقل عمومی، و بالطبع بررسی ابعاد مختلف این موضوع از سوی مدیران شهری گردیده.راه آهن شهری( مترو) ، به عنوان یکی از ارکان اصلی و مهم در این حوزه است تاجایی که یکی از شاخص های توسعه یافتگی شهر‌ها نیز محسوب می شود. خطوط مترو نقش به سزایی را در تعیین رفتار شهروندان در سفرهای درون شهری ایفا می¬کند. مطالعه¬¬¬ی رفتار سفرهای درون شهری جهت توسعه ایستگاه¬های جدید مترو، قبل و بعد از راه اندازی ایستگاه از اهمیت به سزایی برخوردار است. در این پژوهش تعداد مسافران مترو در گذر زمان، متناسب با حجم سفرها در ایستگاه¬های قبلی و با درنظر گرفتن افزایش ایستگا¬ه¬های جدید مورد مطالعه قرار گرفته است. این مهم به کمک تحلیل اطلاعات حاصل از تراکنش¬های تولید شده کارت بلیت الکترونیک انجام شده است. هر تراکنش به منزله یک سرویس ارائه شده برای جابه¬جایی در این شبکه حمل ونقل است. نتایج بررسی این تراکنش-ها نشان¬دهنده رفتار تقاضای سفر درون شهری با شبکه حمل¬ونقل ریلی (مترو) است که در بازه زمانی 4 سال(1391 تا 1395) و تاثیر قابل توجه تعداد مسافران جدید(جذب مسافران) در اثر افتتاح و بهره¬برداری از ایستگاه¬های: میدان منیریه، میدان راه آهن، جوادیه، زمزم و آزادگان می‌باشد.

گردشگری به عنوان یکی از صنایع مهم در هر کشوری به شمار می رود که بستر ساز موقعیتهای فراوان مانند افزایش نرخ اشتغال و رشد اقتصادی است. البته دستیابی به این غایت نیازمند تدوین استراتژیهای مهمی است، یکی از مواردی که در دستیابی به این هدف بسیار مهم و تاًثیرگذارست افزایش کیفیت سرویس ‌دهی گردشگری است که نقش مهمی در پویایی این صنعت خواهد داشت. امروزه استفاده از GIS فراگستر به عنوان یکی از نسلهای GIS منجر به افزایش کیفیت سرویسهای گردشگری شده است. GIS فراگستر امکان ارائه سرویس به گردشگران را بر اساس مفهومی به نام محیط آگاهی فراهم می سازد. محیط آگاهی بیانگر هرنوع اطلاعاتی مربوط به گردشگران و محیط پیرامون آنهاست. در این طرح توسعه یک سیستم گردشگری در طرح ریزی سفر بر اساس GIS فراگستر مورد توجه قرار می‌گیرد.در سیستم پیشنهادی ابتدا اطلاعات محیط آگاهی مربوط به طرح ریزی سفر جمع‌آوری شده و سپس با روشهای ترکیب اطلاعات مانند سلسله مراتبی و تاپسیس است ترکیب می‌شود تا منجر به انتخاب بهترین مقصد برای گردشگران شود. با ایجاد سیستم پیشنهادی امکان طرح‌ریزی سفر بر اساس ترجیح کاربران فراهم می‌شود که این مسئله منجر به افزایش رضایت گردشگران در استفاده از سیستم مذکور می‌گردد.

امروزه یکی از روش‌های مطرح جهت تولید سیستم‌های پیچیده، مهندسی مدل‌رانده است. در این روش، تبدیل مدل یکی از ارکان مهم است که مدل را به‌صورت خودکار به کد تبدیل می‌کند. اما با پیچیده‌شدن سیستم‌های نرم‌افزاری، تبدیل مدل‌ها نیز بزرگ و پیچیده شده‌اند. در نتیجه کیفیت تبدیل‎‌ها و فهم آن‌ها با مشکل روبه‌رو شده است. یک روش برای بهبود کیفیت‌ تبدیل‌ها و غلبه بر این پیچیدگی‌ها، استفاده به‌جا و مناسب از الگوهای تبدیل است، ولی استفاده از الگوها برای افراد مبتدی آسان نیست. هدف از این تحقیق، ارائه راهکاری جهت تسهیل و بهبود به‌کارگیری الگوهای تبدیل به‌منظور افزایش کیفیت تبدیل‌های نوشته شده است. به‌همین منظور از یک فرایند جهت اعمال الگوهای مهم در تبدیل مدل استفاده می‌شود. به‌منظور ارزیابی روش پیشنهادی، کد تبدیل قبل از اعمال الگو و بعد از اعمال الگو بر اساس پارامترهای کیفی مانند کارایی، پیچیدگی و میزان خاصیت پیمانه‌ایی سنجیده می‌شود. نتایج نشان می‌دهد که استفاده از الگوها باعث افزایش خاصیت پیمانهایی، کیفیت، کارایی، چسبندگی و سادگی کد تبدیل خواهد شد. همچنین سودمندی استفاده از الگوهای تبدیل بر روی تبدیل‌های واقعی به‌صورت کمی ارزیابی می‌شود.

شبکه‌های روی تراشه به‌عنوان رهیافت جدید طراحی مدارات دودویی امروزی، همواره با چالش‌های زیادی چه در مرحله‌ی طراحی و چه در مرحله‌ٰی پیاده‌سازی روبه‌رو هستند. از جمله‌ی این چالش‌ها برقراری تعادل بین مشخصه‌های مختلف سامانه از قبیل قابلیت اطمینان و توان مصرفی است. استفاده از فناوری‌های در مقیاس نانو در ساخت سامانه‌ی روی تراشه، آسیب‌پذیری اجزای این سامانه‌ها را به منابع اشکال بیشتر کرده تا جایی که به جرأت می‌توان گفت که ساخت تراشه‌ها بدون درنظرگرفتن چالش‌های قابلیت اطمینان درآن امری غیرممکن است. اشکال همشنوایی به‌عنوان مهم‌ترین منبع تهدید‌کننده‌ی قابلیت اطمینان سامانه‌های روی تراشه است. باتوجه به اهمیت اشکال همشنوایی در شبکه‌های روی تراشه، اجتناب از همشنوایی در سطوح مختلف فیزیکی، ترانزیستوری و انتقال ثبات می‌تواند انجام شود. با این وجود همه روش‌ها تنها اثر تزویج خازنی را در نظر گرفته‌اند و از اثر تزویج سلف چشم پوشیدند. در این مقاله، یک روش کدگذاری مبتنی بر سیستم عددی، به نام کدگذاری بازتابی برای جلوگیری از اشکال‌های همشنوایی ارائه شده است. این روش الگوی بیتی ’11111‘ و ’00000 ‘که منبع اصلی اشکال همشنوایی با درنظر گرفتن اثر سلفی است را حذف می‌کند. شبیه سازی‌هایی برای اندازه گیری سربار توان مصرفی، مساحت اشغالی و تأخیر مسیر بحرانی کدک برای این روش انجام شده است. نتایج نشان داده است که این روش در مقایسه با روش کدینگ مبتنی بر فیبوناچی به طور میانگین 27.4 درصد انرژی مصرفی و 19.1 درصد مساحت اشغال شده کدک را بهبود می‌دهد.

امروزه موضوعات مرتبط با سلامت و اثراتی که در تمامی ابعاد زندگی فردی و اجتماعی دارد، اهمیت فراوانی یافته‌اند. داروها گاهی عوارضی ناخوشایند در بدن فرد به همراه خواهند داشت. برای کشف این تاثیرات می‌بایست آزمایشاتی پرهزینه و زمان‌بر روی جمعیتی مشخص انجام شود تا بتوان بیان کرد که بعد از مصرف این دارو چه تاثیراتی ممکن است بروز کنند. در همین راستا، روش‌های یادگیری ماشین، مبتنی بر همسایگی و یا ترکیبی برای پیش¬بینی عوارض ناشی از مصرف داروها به‌کارگرفته شده¬اند که همگی سعی در بهبود این پیش¬بینی¬ها داشته¬اند. در این مقاله یک روش جدید برای پیش¬بینی یکسری از عوارض‌جانبی با داشتن سایر عوارض در دسترس ارائه شده است. در مدل پیشنهادی با استفاده از این عوارض‌جانبی، یک ماتریس همبستگی ساخته و به صورت یک گراف وزن‌دار درنظرگرفته می¬شود. پس از آن با به¬کارگیری الگوریتم¬های تشخیص زیرگراف، مدل‌سازی به ازای گروه-های کمتری از عوارض انجام می¬گیرد. با کمک ماشین بولتزمن محدودشده ماتریس نهایی احتمالات رخداد عوارض‌جانبی برای داروها تعیین می¬گردد. در نهایت با کمک قوانین وابستگی فازی نتایج به¬گونه¬ای قابل فهم برای فرد خبره ارائه می‌شود. بررسی نتایج حاصل شده از روش پیشنهادی با کمک نمودار AUPR حاکی از دقت بالاتر مدل پیشنهادی نسبت به روش سیستم توصیه‌گر مشابه است.

حمله منع سرویس توزیع شده به روش‌های مختلفی انجام می‌پذیرد که از منظر میزان ترافیک ارسالی برای وقوع حمله، به دو دسته حمله با نرخ بالا و حمله با نرخ پایین تقسیم می‌شود. در حمله با نرخ بالا، حمله‌کننده با ارسال فراوان بسته به سمت شبکه یا کارگزار قربانی، قصد خارج از سرویس کردن آن‌ها را دارد. برخلاف حمله با نرخ بالا، در حمله منع سرویس با نرخ پایین میانگین نرخ ترافیک ارسالی توسط حمله‌کننده پایین خواهد بود بدین ترتیب سیستم‌های تشخیص حمله، نمی‌توانند عملکرد مناسبی داشته باشند. در حمله منع سرویس با نرخ پایین علیه پروتکل تی.سی.پی، حمله‌کننده با سوء استفاده از رفتار پروتکل تی.سی.پی حمله خود را انجام می‌دهد. در این مقاله با بررسی نقاط قوت و ضعف روش‌های دفاعی ارائه شده، روشی نوین برای مقابله با حمله منع سرویس توزیع شده با نرخ پایین علیه پروتکل تی.سی.پی ارائه شده است. در الگوریتم پیشنهادی با استفاده از تکنیک‌های داده‌کاوی، فارغ از الگوی ترافیکی حمله کننده و نوع جریان‌های موجود در حمله، گره‌های متخاصم و جریان‌های مرتبط با حمله شناسایی می‌شوند. همچنین نتایج بدست آمده از طراحی و پیاده‌سازی نشان می‌دهد روش پیشنهادی به طور موثر و کارا می‌تواند جریانات حمله را شناسایی نماید.

برنامه‌نویس‌ها اغلب به قابلیت اجرای موازی برنامه‌ کاربردی توجه نمی‌کنند و برنامه‌کاربردی را به عنوان موجودیت ترتیبی در نظر می‌گیرند. این موضوع موجب می‌شود تعاملات پیش‌بینی نشده‌ای به‌وجود‌آید که برنامه عملکرد مورد انتظارش را انجام ندهد. چنین تعاملاتی حالت مسابقه نامیده‌می‌شود. شناسایی حالت مسابقه در برنامه کاربردی بسیار وابسته به منطق و کسب و کار برنامه‌کاربردی است. تاکنون راهکار آگاه از منطق برای شناسایی حالت مسابقه در برنامه‌‌های کاربردی ارائه نشده‌است. در این تحقیق راهکار جعبه سیاه برای آزمون امنیتی پویا به منظور شناسایی آسیب‌پذیری لایه کسب و کار برنامه کاربردی در مقابل حملات حالت مسابقه را با نام BLTOCTTOU پیشنهاد می‌دهیم. BLTOCTTOUدر پنج مرحله به شناسایی حالت مسابقه می‌پردازد: 1- استخراج گراف مسیر حرکت برنامه‌کاربردی 2-شناسایی فرایندهای کسب و کار برنامه‌کاربردی 3-شناسایی متغیرهای بحرانی در هر فرایند کسب و کار 4-شناسایی زوج فرایندهای بحرانی مستعد بروز حالت مسابقه 5-اعمال زوج فرایند‌های بحرانی و بررسی خروجی برنامه‌کاربردی. آزمایش‌ها بر روی چهار برنامه‌کاربردی پرکاربرد نشان داد، BLTOCTTOU قادر است آسیب‌پذیری‌های لایه کسب و کار این برنامه‌‌ها را در مقابل حالت مسابقه شناسایی کند.

Software defined networking and network virtualization are widely considered promising techniques for reducing the complexity of network management in many contexts that require high Quality of Service (QoS) and the support for heterogeneous architectures. In this paper we address a network architecture, here called a virtualized SDN network that combines the benefits of SDN and virtualization. To cope with the demand for efficiently sharing a platform among several services, here a resource management mechanism to reserve and control network resources among various services in the virtualized SDN networks is proposed. The mechanism is implemented on an SDN controller and a set of experiments show the effectiveness of the proposed approach.