0

امروزه بسیاری از خدمات در بخش خصوصی و دولتی به صورت الکترونیکی ارائه می شوند. اطلاعات ایجادشده به وسیله این خدمات به طورمعمول شامل رکوردهایی با اطلاعات حساس و خصوصی افرادی است که از این خدمات استفاده می کنند. سازمان های ارائه دهنده خدمات، موظف اند با ارائه خدمات امن و مورد اعتماد از نقض حریم خصوصی افراد جلوگیری کنند؛ از سوی دیگر اطلاعات ذخیره شده با حجم بالا منبع مناسبی برای کشف دانش به شمار می روند و با انتشار و اشتراک اطلاعات می توان به این مهم دست یافت که ممکن است به ایجاد چالش امنیتی و نقض حریم خصوصی منجر شود. راه کارهای ارائه شده در انتشار با حفظ محرمانگی داده های توزیع شده بیشتر با استفاده از روش های شخص سوم مورد اعتماد و محاسبات امن چندگانه همراه اند. این روش ها شامل مشکلات و چالش های متعدد امنیتی از قبیل ارتباط، هماهنگی و تبانی شرکت کنندگان در اشتراک داده، نبود شخص سوم قابل اعتماد، چالش های امنیتی پروتکل های محاسبات امن چندگانه و همچنین حملات درون سازمانی مشارکت کنندگان است. در این مقاله علاوه بر مرور روش های حفظ محرمانگی و حریم خصوصی در داده های توزیع شده و بررسی نقاط ضعف و قدرت آن ها، طرح جدیدی بر پایه مدل احتمالاتی برای حفظ حریم خصوصی در حوزه توزیع شده ارائه می شود. نتایج به دست آمده از ارزیابی امنیتی نشان می دهد روش پیشنهادی، بدون نیاز به شخص سوم مورد اعتماد و یا استفاده از محاسبات امن چندگانه، علاوه بر مقاومت در برابر حملات خارجی، در مقابل حملات داخلی که توسط مشارکت کنندگان پی ریزی می شود نیز مقاومت مناسبی دارد؛ به نحوی که در تمام حالات کمتر از یک درصد از رکوردهای منتشرشده نقض می شوند؛ همچنین نتایج حاصل از دقت  طبقه بندی نشان می دهد، در این روش با توجه به اشتراک داده، دقت داده ها نسبت به حالتی که تنها یک فراهم کننده قصد انتشار داده را دارد افزایش می یابد؛ اما از سوی دیگر استفاده از روش پیشنهادی افزایش سربار پردازشی را به دنبال دارد؛ به طوری که این روش در تمامی حالات نسبت به روش پایه کندتر عمل می کند.

چکیده مبسوط مقدمه و هدف: زنبورهای عسل نقش مهمی در گرده افشانی گیاهان دارند. Fabricius Apis florea در طول دو قرن گذشته توصیف شده‎است. A. florea  در ویتنام، جنوب شرقی چین، هند، نپال، جنوب تایلند، سریلانکا، سودان، جنوب ایران، پاکستان، عربستان سعودی و عمان پراکنده شده‎است. آب و هوای مناطق پراکنش A. florea از جنگل های بارانی استوایی در شرق تا ساوانا در غرب تغییر می کند. همچنین به‎ سمت غرب، آب و هوای مناطق پراکنش این گونه از گرمسیری به نیمه گرمسیری استپی تا نیمه بیابانی تغییر می کند. علاوه‎بر داده های مولکولی، از داده های مرفومتریک نیز برای مطالعه زنبورهای عسل استفاده شده ‎است. تحلیل های مرفومتریک ابزارهای انعطاف پذیری هستند که توسط محققان در مناطق مختلف جهان استفاده می شوند. روش مرفومتریک هندسی از لندمارک هایی استفاده می کند که می توانند دقیقاً روی محل اتصال رگبال ها قرار گیرند. برای مقایسه جمعیت های A. florea از روش مرفومتریک هندسی استفاده شده است. همچنین، روش مرفومتریک سنتی یا استاندارد برای بررسی جمعیت های A. florea در مناطق مختلف جهان به‎کار رفته ‎است. مختصات لندمارک ها اثرات موقعیت، جهت و اندازه شکل ها را حذف می کنند. داده های مربوط به شکل ها با استفاده از روش مرفومتریک هندسی به مختصات پروکراست تبدیل می شوند. تجزیه و تحلیل رگرسیون بین اندازه مرکزی و مختصات پروکراست داده های جدیدی را به‎نام داده های باقی‎مانده ایجاد می کند که می تواند در تجزیه و تحلیل های دیگر مورد استفاده قرار گیرد. تاکنون هیچ تحقیقی از مختصات باقی‎مانده (داده های باقی‎مانده) برای مقایسه جمعیت هایA. florea  استفاده نکرده ‎است. بنابراین، هدف پژوهش حاضر مقایسه کارایی عملکرد مختصات باقی‎مانده و پروکراست در تمایز و روابط بین جمعیت هایA. florea  در مناطق مختلف جهان بوده است. مواد و روش ها: نمونه های گونه زنبور عسل A. florea از مناطق پراکنش آن‎ها تهیه شدند. بال های جلویی واقع در سمت راست زنبورهای عسل برای بررسی روابط بین جمعیت های مختلف مورد استفاده قرار گرفتند. از هر منطقه 80 نمونه انتخاب شد. 20 لندمارک در محل اتصال رگبال ها قرار گرفت. داده های خام به‎دست آمده از لندمارک ها وارد نرم افزارMorphoJ V. 1. 06d  شدند و در تجزیه و تحلیل های آینده به مختصات پروکراست تبدیل شدند. سپس، فواصل ماهالانوبیس به‎دست آمد. رگرسیون بین داده های پروکراست و اندازه های مرکزی محاسبه شد و آزمون آلومتری انجام شد. مختصات باقی‎مانده (داده های باقی‎مانده) پس از حذف اثر اندازه (تصحیح اندازه) از متغیرهای شکلی محاسبه شدند. داده های باقی مانده و پروکراست در نرم افزار PAST v. 3. 19 وارد شدند و جمعیت های A. florea با استفاده از تجزیه و تحلیل متغیر کانونی (CVA) مقایسه شدند. همچنین، تجزیه و تحلیل کلاستر داده های باقیمانده و پروکراست با استفاده از نرم‎افزار SAS v. 8 انجام شد. یافته ها: آنالیز چندمتغیره و جفتی داده های پروکراست و باقی‎مانده مورد آزمون قرارگرفت. آنالیز چندمتغیره داده های پروکراست و باقی‎مانده تفاوت معنی داری را بین جمعیت ها نشان داد (p < 0. 001). همچنین، با استفاده از داده های پروکراست و باقی‎مانده، مقایسه های جفتی بین تمام جمعیت ها مورد آزمون قرارگرفت و بین تمام جمعیت ها تفاوت معنی داری وجود داشت (p < 0. 001). مختصات لندمارک های بال های جلو روی هم قرار گرفتند و تغییرات بین جمعیت ها به‎دست آمدند. بیشترین تغییرات در محل اتصال رگبال های R و Rs، لندمارک 19 (0/0000622 (S2 = مشاهده شد. همچنین، کمترین تغییرات در محل اتصال رگبال های Cu و 1m-cu، لندمارک 8 مشاهده شد (0/0000109S2 =). در CVA داده های پروکراست، مؤلفه های اول و دوم 75/94 درصد از کل تغییرات را به‎خود اختصاص دادند (28/74 =CV1  و 47/20 =CV2 ). همچنین در CVA داده های باقی مانده، مؤلفه های اول و دوم 83/06 درصد از کل تغییرات را به‎خود اختصاص دادند (31/46 = CV1 و 51/60 = CV2). نتایج CVA داده های پروکراست نشان دادند که نمونه های پاکستان با نمونه های ایران (به‎ جز جمعیت کرمان) همپوشانی داشتند. نمونه های سودان با نمونه های ایرانی بوشهر، شیراز و سیستان و بلوچستان همپوشانی داشتند. علاوه بر این، نمونه های عمان هم پوشانی نسبی با نمونه های جنوب هند و کرمان (ایران) نشان دادند. نتایج CVA داده های باقی مانده نشان دادند که نمونه های پاکستان به جز جمعیت کرمان با نمونه های ایرانی همپوشانی داشتند. نمونه های سودان از نمونه های ایران متمایز شدند. علاوه ‎بر این، نمونه های عمان هم پوشانی نسبی با نمونه های جنوب هند داشتند. داده های پروکراست و داده های باقیمانده، جمعیت های تایلند و ویتنام را از سایر جمعیت ها متمایز کردند. تجزیه و تحلیل کلاستر برای مقایسه جمعیت های A. florea در مناطق مختلف انجام شد. کلاستر به‎دست آمده از داده های پروکراست نشان داد که سریلانکا به جمعیت های ایران (به ‎جز نمونه های کرمان) نزدیک تر بود. همچنین، جمعیت های سودان و پاکستان در یک گروه طبقه بندی شدند. پاکستان در همسایگی ایران قرار دارد و کلاستر به‎دست آمده از داده های باقی‎مانده نشان داد که جمعیت پاکستان ارتباط نزدیک تری را با اکثر جمعیت های ایران داشت. همچنین، سریلانکا جزیره ای در اقیانوس هند است که در جنوب شبه قاره هند واقع شده ‎است. کلاستر به‎دست آمده از داده های باقی‎مانده نشان داد که جمعیت سریلانکا رابطه نزدیک تری با جمعیت A. florea در جنوب هند داشت و جمعیت سودان از سایر جمعیت ها متمایز شد. نتیجه گیری کلی: نتایج این آزمایش نشان دادند که داده های باقی مانده کارایی بیشتری را نسبت به داده های پروکراست در تمایز و روابط بین جمعیت های Apis florea داشتند؛ به‎طوری ‎که نتایج کلاستر منتج از داده های باقی‎مانده، ارتباط نزدیک تر جمعیت های A. florea پاکستان و سریلانکا را به‎ترتیب با جمعیت های ایران و جنوب هند نشان دادند.

مقدمه: ارائه خدمات مراقبتی و بهداشتی افراد مبتلا به بیماری دیابت اطلاعات مفیدی ایجاد می کند که از این اطلاعات می توان برای شناسایی، درمان، مراقبت های بعدی و حتی پیشگیری از بیماری دیابت استفاده نمود. از طرفی کاوش و بررسی حجم زیادی از این اطلاعات، نیازمند استفاده از روش های موثر و کارآمدی برای یافتن الگوهای مربوط در این اطلاعات می باشد که استفاده از تکنیک های مختلف داده کاوی به خصوص دسته بندی و الگوهای تکرار شونده می تواند کمک شایانی در این زمینه باشد.روش ها: پایگاه های اطلاعاتی Scholar، Science Direct Google Scopus، Pubmed، با هدف یافتن مقالات، جستجو و مقالات انگلیسی منتشر شده در سال های 2005 تا 2015 مورد بررسی قرار گرفتند. مقالات به دست آمده از نظر جمعیت مورد مطالعه، مجموعه داده های مورد استفاده و روش های داده کاوی ارزیابی شدند.یافته ها: از میان 2144 مقاله به دست آمده در جستجوی اولیه، تعداد 38 مقاله مرتبط با موضوع مطالعه، انتخاب و مورد بررسی قرار گرفت. نتایج این بررسی نشان می دهد که الگوریتم های خوشه بندی، قوانین انجمنی و هوش مصنوعی از پرکاربردترین تکنیک های داده کاوی می باشند که برای تشخیص و پیش بینی احتمال ابتلا به بیماری دیابت با موفقیت مورد استفاده قرار گرفته اند.نتیجه گیری: پیاده سازی روشی که بتواند امکان ابتلا یا عدم ابتلای افراد به دیابت را مشخص کند، گام مهمی در کنترل بیماری دیابت خواهد بود. با توجه به مطالعات انجام شده، داده کاوی می تواند به عنوان روشی موثر در پیشگیری، درمان و کشف ارتباط بین بیماری دیابت و عوامل خطر آن، موجب پیشرفت های قابل توجه در حوزه تحقیقات دیابت و ارائه مراقبت های بهداشتی بهتر برای این گروه از بیماران باشد.

ابهامات محیطی ناشی از مدل های نوین کسب و کار سبب تشدید پیچیدگی در تصمیم گیری، به ویژه در حوزه کسب و کار شده است. به طوری که بسیاری از متغیرهای تاثیرگذار ناشناخته بوده و روابط میان آن ها نیز غیرخطی و پیچیده است. در چنین شرایطی دیگر نمی توان داده ها را با ابزارهای سنتی تحلیل نموده و از آن ها دانش استخراج کرد. از این روی مقاله حاضر به تشریح تکنولوژی داده کاوی در حوزه هوش محاسباتی و متدولوژی استاندارد CRISP Data Mining پرداخته و یک طبقه بندی از کاربردهای این تکنولوژی در حوزه تصمیم گیری های کسب و کار ارایه داده است. در ادامه یک مطالعه موردی بر روی پایگاه داده مشتریان یکی از بانک ها با استفاده از داده کاوی ارایه می گردد.