فناوری اطلاعات و ارتباطات انتظامی
سال:1400 | دوره:2 | شماره:3 |تعداد مقالات:10

در این مقاله یک الگوریتم نهان نگاری تصویر مبتنی بر فشرده سازی پیام مخفی متنی ارائه شده است. در این روش پیشنهادی، به طور همزمان میزان امنیت و ظرفیت در نهان نگاری تصاویر رنگی افزایش داده شده است. ساختار روش پیشنهادی شامل دو بخش فرستنده (نهان نگار) و گیرنده (نهان گشا) است. در نهان نگار، ابتدا با تبدیل پیام متن به اطلاعات باینری و استفاده از کدینگ مناسب تعداد بیت های پیام، کاهش داده شده و تا حد ممکن فشرده می گردد تا میزان ظرفیت اطلاعات، برای جاسازی نمودن در تصویر میزبان افزایش یابد. به منظور بهبود ظرفیت درج پیام مخفی، در سیگنال میزبان از الگوریتم جستجوی درختی باینری برای فشرده سازی و گسترده سازی پیام متنی قبل از درج و بعد از استخراج درون تصویر استفاده شده است و به طور هم زمان نیز کلیدهای رمزنگاری تولید می گردند. به منظور ارزیابی عملکرد طرح پیشنهادی، از معیارهایی مانند نسبت بیشینه سیگنال به نویز (PSNR)، نسبت نهان نگاری (HR)، نرخ خطای بیت (BER)، سطح شباهت پیام مخفی و استخراج شده (SIM) و همچنین سرعت اجرای الگوریتم، استفاده شده است. با مقایسه عملکرد الگوریتم پیشنهاد شده با سایر الگوریتم های ارائه شده عملکرد مطلوب طرح پیشنهاد شده را نشان می دهد.

بدون شک مسئله افزایش امنیت در مکان های عمومی همواره موردتوجه محققان و مسئولین مربوطه بوده است. برای افزایش امنیت در مکان هایی مانند مترو، فرودگاه و مکان های زیارتی اقدامات قابل توجه ای ازجمله سامانه های بازرسی، نصب دوربین های نظارتی و قرار دادن مأمور در محل صورت گرفته است. اما تمام موارد گفته شده توسط نیروی انسانی صورت می گیرد که عواملی مانند خستگی، حواس پرتی و بسیاری از عوامل دیگر روی کیفیت نظارت تأثیر می گذارند. یکی از اقدامات نقض امنیت، حمل سلاح و کشیدن اسلحه است، راهکار ارائه شده در این مقاله استفاده از الگوریتم های یادگیری عمیق در قالب تشخیص اسلحه در دوربین های نظارتی است سیستم پیشنهادی علاوه بر نظارت بر اماکن عمومی می تواند به امنیت هرچه بیشتر بانک ها، طلافروشی ها، فروشگاه های زنجیره ای و موارد مشابه کمک کند ازآنجایی که سارقان مسلح مانع اطلاع دادن کارکنان به پلیس می شوند، سیستم تشخیص سلاح به صورت خودکار در صورت تشخیص سلاح، به سرعت با مأمورین امنیتی تماس می گیرد و اطلاع رسانی را انجام می دهد. در این تحقیق برای تشخیص سلاح کمری از دو نسخه ی بزرگ و کوچک شبکه عصبی عمیق YOLO_v5 استفاده شده است و با توجه به اینکه این شبکه ها قبلاً بر روی مجموعه داده COCO آموزش دیده اند تعداد لایه های متفاوتی از آن ها در طی آزمایش ها، آموزش داده شد و عملکرد این شبکه ها با یکدیگر مقایسه شد. درنهایت سیستم پیشنهادی تشخیص خودکار اسلحه کمری پس از آموزش به وسیله مجموعه داده Pishtaw عملیات تشخیص سلاح کمری را با دقت 99.01% انجام می دهد.

حجم انبوه تصاویر تولیدی در سال های اخیر، بازیابی تصویر را به یکی از موضوعات پژوهش درحوزه بینایی ماشین و پردازش تصویر تبدیل کرده است. چالش اصلی سیستم های بازیابی تصویر مبتنی بر محتوا، استخراج بردار ویژگی مناسب برای توصیف تصاویر است تا امکان بازیابی تصویر را به نحو موثری فراهم سازد. در این پژوهش یک چارچوب بازیابی تصویر مبتنی بر محتوا معرفی شده است، بردار ویژگی معرفی شده ترکیبی از ویژگی های سطح پایین و ویژگی های سطح میانی تصویر می باشد. استخراج ویژگی های سطح پایین تصویر شامل رنگ، شکل و بافت با استفاده از همبستگی نگار خودکار، تبدیل موجک گسسته و تحلیل بعد فرکتال در چند سطح انجام شده است. ویژگی های سطح میانی نیز با استفاده از ماشین بولتزمن عمیق و با یادگیری ویژگی های سطح پایین تصویر استخراج شده است. بردار ویژگی حاصل با تصاویر پایگاه داده کُرل 1K تنطیم و کارایی چارچوب پیشنهادی بر روی پایگاه داده کُرل 5K و 10K نیز سنجیده شده است. بهترین نتایج ارزیابی بر روی پایگاه داده های ذکر شده به ترتیب برابر 99.5%، 99.2% و 99.6% گزارش می شود.

هم زمان با رشد دانش فناوری اطلاعات و وسعت یافتن کاربردهای آن، توسعۀ مدلهای جدید امنیتی و تحلیل و طراحی روشهای مناسب برای تشخیص نفوذ در شبکه ها و سیستم ها، اهمیت ویژه ای پیدا کرده است. در این پژوهش، یک مدل برای تشخیص نفوذ با عنوانID2F مبتنی بر انتخاب ویژگی با استفاده از الگوریتم سنجاقک و دسته بندی جنگل تصادفی بررسی و پیشنهاد شده است. روش پیشنهادی، یک روش چند کلاسه می باشد بعبارت دیگر علاوه بر تشخیص نفوذ، نوع حمله را نیز مشخص می نماید. در این پژوهش از دو مجموعه داده کاملا متفاوت CICIDS-2017 وKDD-CUP99 جهت تحلیل استفاده شده تا صحت عملکرد روش با مجموعه داده های متمایز بررسی گردد. مساله با الگوریتم های مختلف اجرا شده و بهترین الگوریتم بعنوان روش پیشنهادی انتخاب شده است. مقدار صحت در روش پیشنهادی بر روی مجموعه داده CICIDS2017 برابر با 99.83 و برای مجموعه داده KDD-CUP99 مقدار 99.85 بدست آمده است. در ضمن نتایج پژوهش با چندین روش دیگر که توسط محققان قبلی پیشنهاد شده مورد مقایسه قرار گرفته است و این مقایسه نشان می دهد که روش پیشنهادی نسبت به اکثر روش های یادگیری ماشین دارای معیارهای ارزیابی بالاتری بوده و زمان اجرای آن نیز بهتر می باشد.

امروزه به علت تمایل به یکپارچه سازی بخش های مختلف سامانه های بی درنگ با بحرانیت های متفاوت در صنعت، سامانه های بحرانی-مختلط مورد توجه قرار گرفته اند. از جمله کاربردهای این سامانه ها می توان به پهپادها و ابزار های پلیس هوشمند اشاره کرد که در آن ها، وظایف مختلف با میزان اهمیت متفاوت در یک پلتفرم مشترک جمع آوری شده اند. به منظور فراهم کردن توان پردازشی مورد نیاز سامانه های بحرانی-مختلط، معماری های چندهسته ای گزینه مناسبی به شمار می آیند. یکی از چالش های اصلی در معماری های چند هسته ای، زمان بندی وظایف است. بسیاری از پژوهش های انجام شده در حوزه زمان بندی وظایف در سامانه های بحرانی-مختلط چندهسته ای به زمان بندی وظایف مستقل پرداخته اند. ولی در واقعیت با بسیاری از وظایف روبرو هستیم که وابستگی داده ای بین آن ها وجود دارد و تا زمانی که اجرای یک وظیفه به اتمام نرسد امکان شروع وظیفه وابسته به آن وجود ندارد. جنبه دیگر از زمان بندی وظایف در سامانه های بحرانی-مختلط که کمتر به آن پرداخته شده کاهش تعداد قبضه های وظایف است که موجب کاهش سربار زمانی در حین اجرای وظایف می شود. در این پژوهش به زمان بندی وظایف وابسته و متناوب در سامانه های بحرانی-مختلط چندهسته ای خواهیم پرداخت به گونه ای که اولا زمان بندی ارائه شده محدودیت های سامانه را ارضا کند و ثانیا باعث کاهش تعداد قبضه ها در هنگام تخصیص وظایف باشد. در پایان، الگوریتم زمان بندی ارائه شده روی یک پهباد نمونه و هم چنین سامانه هایی با وظایف تصادفی آزمایش می گردد و نرخ زمان بندپذیری و تعداد قبضه ها مقایسه می گردند. نتایج بدست آمده نشان می دهد که الگوریتم ارائه شده بدون آن که تغییر قابل توجهی در کاهش نرخ زمان بندپذیری داشته باشد تعداد قبضه ها را تا حدود 96 درصد کاهش می دهد.

تجاری سازی فناوری، فرآیندی پیچیده است که از ایده فناورانه شروع شده و به محصول جدید قابل ارائه در بازار ختم می شود. مرور پیشینه نشان می دهد، بررسی نحوه مشارکت و هم افزایی بین ذی نفعان فناوری در فرآیند تجاری سازی در ادبیات دانشگاهی مغفول مانده است. لذا مقاله حاضر، چارچوبی برای عوامل تشکیل دهنده تجاری سازی فناوری های پیچیده مبتنی بر مشارکت را تبیین می کند. در این تحقیق از روش فراترکیب ومرور نظام مند، با انتخاب 41 مقاله استفاده شد. مفاهیم تجاری سازی و مشارکت فناوری، استخراج و دسته بندی شد. سپس محرک های اصلی انگیزه ی ذی نفعان برای اقدام هماهنگ، قابلیت های پویا، به عنوان الزامات دستیابی به بهترین عملکرد و مکانیسم های اجرایی برای توسعه ی فناوری و تسریع روند انتشار فناوری تعیین شدند. در ادامه با تحلیل محتوای استقرائی، مدل مفهومی جدیدی پیشنهاد شد. این مدل روابط بین عوامل مشارکت، هم افزایی مشارکت، منابع و عملکرد تجاری را ترسیم نمود. در انتها از آن برای بررسی مراحل تجاری سازی مبتنی بر مشارکت در جویشگر بومی استفاده شده و نتایج به طور اجمالی تشریح شد. نتایج این تحقیق می تواند در همکارهای بین سازمانی برای تولید یا بکارگیری فناوریها در هوشمند سازی پلیس موثر باشد. این امر نقش پلیس در تنظیم رویه های امنیتی مناسب در توسعه سیستم عامل بومی و خدمت رسانی به مردم را برجسته می سازد.

یکی از اصلی ترین چالش ها در برقراری ارتباط با سامانه های متحرک ارتباطی بی سیم در مناطق صعب العبور و مکانهای دورافتاده، استفاده از منبع انرژی مناسب برای برقراری ارتباط می باشد و این امر در ماموریت های طولانی مدت، دارای اهمیت خاصی است. در این پژوهش استفاده از سلول های خورشیدی مبتنی بر لایه های پروسکایتی بر بهبود عملکرد و بازده سلول خورشیدی در شارژر خورشیدی سامانه های ارتباطی متحرک بی سیم برای مناطق دورافتاده مورد بررسی قرار می گیرد. در این پژوهش ملاحظه گردید که خواص اپتیکی حاکی از ضریب جذب بالای این نمونه ها از مرتبه 1-cm 104 می باشد و مقادیر انرژی گاف نواری نمونه‏ها، با افزایش ضخامت لایه پروسکایتی، روند کاهشی نشان می دهد. مشخصه یابی I-V برای سلول‏های خورشیدی مورد مطالعه، نشان داد که با افزایش ضخامت لایه های پروسکایتی، بازده سلول ها افزایش می یابد. سلول های ساخته شده از پایداری بالایی نیز برخوردار بودند و می توان از آنها در نقاط دورافتاده و مناطق کوهستانی برای شارژ مناسب سامانه‏های ارتباطی متحرک بی سیم بهره برد.

در این مقاله الگوریتم تشخیص ویژگی AKAZE برای بر روی یک پردازنده ARM نسل هفتم پیاده سازی می شود و سعی می شود سرعت اجرای آن افزایش یابد. در این راستا ابتدا بخش هایی از الگوریتم AKAZE که زمان زیادی صرف اجرای آن ها می شود و به نوعی گلوگاه های الگوریتم به حساب می آیند، شناسایی شده و با استفاده از زبان برنامه نویسی C++ بازنویسی می شوند تا سرعت اجرای الگوریتم افزایش یابد در ادامه استفاده از واحد NEON در پردازنده ARM جهت بهبود سرعت اجرای الگوریتم مورد بررسی قرار خواهد گرفت و بخش هایی از برنامه که امکان اجرای همزمان را دارند با استفاده از دستورات اختصاصی این واحد پیاده سازی خواهند شد. بررسی انجام شده نشان می دهد که بازنویسی بخش هایی که گلوگاه سرعت هستند تاثیر چشمگیری در افزایش سرعت اجرای الگوریتم خواهند داشت و زمان اجرای الگوریتم با روش پیشنهادی تا 60 برابر نسبت به کدهای موجود کاهش می یابد. همچنین استفاده از واحد NEON و برداری سازی در برخی از بخش های الگوریتم، باعث بهبود سرعت اجرای آن بخش ها می شود. این افزایش سرعت در کاربردهایی که نیاز به پردازش تصاویر ویدئویی بصورت بلادرنگ دارند بسیار حائز اهمیت است.

فرستنده های دیجیتال تلویزیونی زمینی (DVB-T/T2) قادر به ایجاد پوشش تلویزیونی در سراسر باند UHF (470-860 مگاهرتز) می باشند. در خروجی مدولاتور فرستنده DVB-T/T2))، توان خروجی کوچک بوده و در حد 0 dBm است و برای این منظور در فرستنده ها برای ارسال سیگنال به نقاط دور، از تقویت کننده توان استفاده می شود. در این مقاله، به منظور استفاده در این نوع فرستنده ها و سیستم بی سیم نظامی، تقویت کننده توان Out-phasing (OPA) با بهره بیشتر از 42dB، مقدار اعوجاج مدولاسیون داخلی (IMD) -29 تا -52.2dBc و مقدار بازده توان افزوده شده (PAE) 32 تا66 %در محدوده فرکانس 400-900 مگاهرتز طراحی و پیاده سازی شده است. استفاده از ترانزیستور نیمه هادی اکسید فلزی نفوذ دوگانه افقی (LDMOS) به منظور طراحی تقویت کننده توان در فرستنده های دیجیتال چند فرکانسی (MFN)، باعث بهبود خطی بودن، بهره، راندمان و پهنای باند می شود. در این مقاله، به منظور بهینه سازی شبکه های تطبیق ورودی و خروجی از الگوریتم ژنتیک چند هدفه مبتنی بر جبهه پارتو (MOPGA) استفاده شده است. در ادامه نتایج شبیه سازی با نتایج اندازه گیری شده از تقویت کننده ساخته شده، مقایسه می شود.

در جهت افزایش بازه کد خوانی و کنترل از فاصله دورتر، می بایست بلوک های موجود بر روی تراشه تگ RFID مصرف توان کمی داشته باشند. در این مقاله یک مدار مرجع ولتاژ با ولتاژ تغذیه 1V به عنوان یکی از بلوک های مهم در تگ RFID برای کاربردهای پلیس هوشمند ارائه شده است. در ساختار مرجع ولتاژ پیشنهادی ترانزیستورهای ماسفت در ناحیه زیرآستانه هدایت شده اند. برای تولید ولتاژ معکوس با دمای مطلق (CTAT)، از ولتاژ یک اتصال pn (PN junction) که توسط یک ترانزیستور PMOS ایجاد شده و بخشی از مدار بایاس می باشد، استفاده شده است. جهت دستیابی به ولتاژ مرجع خروجی در حدود 753mV، دو طبقه ولتاژ متناسب با دمای مطلق(PTAT) تفاضلی به ولتاژ CTAT اضافه شده و یک ولتاژ مرجع با حداقل وابستگی به دما را ایجاد می کنند. مرجع ولتاژ پیشنهادی در فرآیند 0.18 میکرومتر CMOSشبیه سازی و مساحت جانمایی آن 0.0064 میلی متر مربع محاسبه شده است. نتایج شبیه سازی پساجانمایی نشان می دهد که در بازه دمایی 0 تا 110 درجه سانتیگراد ضریب دمایی (TC)، ℃/19.7 ppm حاصل می شود. تنظیم خط (LR) در محدوده ولتاژ تغذیه 0.8V تا 1.2V برابر با 0.058 درصد بر ولت است. همچنین جریان مصرفی مرجع ولتاژ 13.2nA بدست آمده است.