شبکه های حسگر بی سیم به دلیل کاربردهای متنوعی که دارند همواره مورد توجه قرارگرفته اند. در تقسیم بندی شبکه های حسگر بی سیم، شبکه های حسگر بی سیم بدن به دلیل کاربردهای حساس پزشکی از اهمیت ویژه ای برخوردارند. هرگونه حمله به شبکه های حسگر بی سیم بدن می تواند خسارت های جانی جبران ناپذیری برای بیمار به همراه داشته باشد. یکی از روش های تأمین امنیت استفاده از سیستم های تشخیص نفوذ به عنوان یک دفاع خط دوم می باشد. در این مقاله یک سیستم تشخیص نفوذ مبتنی بر ناهنجاری با استفاده از روش های ترکیبی ارائه شده است. در سیستم تشخیص نفوذ پیشنهادی ابتدا با استفاده از الگوریتم ژنتیک ویژگی هایی از داده های جمع آوری شده انتخاب می شوند که موجب به دست آمدن بالاترین نرخ تشخیص شوند. سپس با استفاده از روش های ماشین بردار پشتیبان و k نزدیک ترین همسایه طبقه بندی داده ها به منظور کشف ترافیک ناهنجار از ترافیک داده های نرمال انجام می شود. نتایج شبیه سازی برای حمله جلوگیری از سرویس نشان می دهد که استفاده از سیستم پیشنهادی با استفاده از روش طبقه بندی k نزدیک ترین همسایه می تواند بازده ای معادل 90% داشته باشد.

در پژوهش حاضر، یک شیوه برای پایش رانش زمین در سطوح شیب دار واقع در کوهپایه یا دامنه کوه با استفاده از شبکه های حس گر بی سیم معرفی، تحلیل و شبیه سازی شده است. اساس این روش در قراردادن آرایه یی از گره های حس گر بی سیم فرستنده در نواحی ویژه در سطح شیب دار مورد نظر و دریافت و آنالیز سیگنال های ارسالی از آرایه مذکور از طریق دو گره گیرنده بی سیم سنکرون استوار است. در واقع سیستم پیشنهادی برای پایش پدیده ی رانش زمین، تغییرات اختلاف فاز بین دو گره گیرنده ی بی سیم سنکرون را در قبل و بعد از وقوع رانش زمین اندازه می گیرد و قابلیت اطمینان و دقت قابل قبولی را برای پایش سطوح شیب دار کوهپایه یی محدود، اما با شرایط ویژه یا بحرانی از خود نشان می دهد. در این مورد آزمایش میدانی انجام نشده است، اما شبیه سازی جامع و کاملی با استفاده از آرایه یی از 6 فرستنده و 2 گیرنده صورت گرفته و نتایج و دقت آن به تفصیل بررسی و ارزیابی شده است.

در این مقاله یک الگوریتم رمزنگاری قالبی به نام MMF2 مناسب برای کاربردهای مجتمع به همراه یک روش جدید برای بیان امنیت خطی و تفاضلی پیشنهاد می گردد. الگوریتم پیشنهادی دارای طول قالب ورودی 64 بیت و طول کلید 80 بیت شامل 9 دور تکرار می باشد. ساختار کلی این الگوریتم از نوع فیستلی ساده بوده که در تابع دور آن از ساختار فیستلی تعمیم یافته نوع دوم استفاده شده است. طراحی این الگوریتم به گونه ای است که دارای امنیت قابل اثبات خطی و تفاضلی به ترتیب با مشخصه های 2-111.6 و 2-94.98 می باشد. هم چنین در طراحی لایه غیرخطی از روش SDS استفاده شده است که علاوه بر سادگی پیاده سازی، دارای امنیت قابل قبول برای 9 دور می باشد. با توجه به ویژگی های امنیتی جعبه جانشانی با درجه جبری 6 و درجه غیرخطی 96 و سادگی پیاده سازی، این الگوریتم برای ماژول محرمانگی شبکه های حس گر بی سیم مناسب می باشد.

در شبکه های حس گر بی سیم با توجه به آرایش متراکم حس گرها و مساله افزونگی اطلاعات، نیازی به فعال بودن تمام حس گرها در هر لحظه نیست. در این مقاله، به دنبال انتخاب مجموعه ای از حس گرهای فعال هستیم که اولا انرژی مصرفی در شبکه کنترل گردد و ثانیا خطای رهگیری یک هدف متحرک از حداکثر مقدار مجازی تجاوز ننماید. بدین منظور تابع هزینه ای بر مبنای همبستگی مکانی تعریف شده، از الگوریتم  Spatial-Splitبر مبنای ویژگی های دو پارامتر موثر در همبستگی مکانی جهت انتخاب حس گرها و از روش تخمین نامتمرکز بر مبنای فیلتر اطلاعات توسعه یافته برای رهگیری هدف استفاده می شود. در ادامه اثر سرعت هدف در انتخاب حس گرهای فعال و رهگیری هدف بررسی شده و سپس راه حلی برای کاهش خطای رهگیری بر مبنای افزایش میزان همپوشانی ناحیه سنجش واقعی و ناحیه سنجش تخمینی پیشنهاد می گردد. نتایج شبیه سازی نشان می دهد که دقت رهگیری نه تنها قابل مقایسه با روش های تخمین بهینه است، بلکه از سایر الگوریتم های انتخاب حس گر خطای رهگیری کمتری دارد. در عین این که با انتخاب تعداد محدودی از حس گرها انرژی مصرفی شبکه نیز کاهش می یابد.

سیستم عامل TinyOS به عنوان پرکاربردترین سیستم عامل گره حس گر بی سیم، دارای مدل برنامه نویسی مبتنی بر رویداد است. برنامه نویسی مبتنی بر رویداد مستلزم استفاده از ماشین حالات است که برنامه نویس را ملزم به مدیریت دستی پشته برنامه می کند. به همین دلیل پیاده سازی پردازش های طولانی در سیستم های مبتنی بر رویداد مانند TinyOS دشوار می باشد. در این مقاله سعی کرده ایم با ایجاد تغییراتی در زمان بند TinyOS، انتزاع برنامه نویسی جدیدی برای این سیستم عامل ارایه کنیم که پیاده سازی پردازش های طولانی را در آن ساده تر می کند و به توسعه دهنده برنامه کاربردی امکان کدنویسی رویه ای و چندریسه ای را می دهد. تغییرات در زمان بند TinyOS به نحوی انجام شده که با برنامه های کاربردی قبلی نیز سازگاری داشته باشد. نتایج ارزیابی در یک کاربرد نمونه نشان می دهد که از نظر توان مصرفی مدل پیشنهادی تفاوت چندانی با مدل قبلی ندارد، هرچند سربار حافظه مصرفی و سربار پردازشی آن نسبت به مدل قبلی بیشتر است.

در این مقاله، مدلسازی دستگاه تولید لینک خودکار یا ALE با استفاده از شبکه های عصبی یا هوش مصنوعی معرفی شده است. به طور کلی می توان عملکرد یک دستگاه ALE را مدلسازی کرد. هدف از مدلسازی، طراحی همین دستگاه با استفاده از روش های جدید و پیاده سازی با استفاده از ابزارهای موجود و در نتیجه بومی سازی آن است. در همین راستا، در این مقاله با استفاده از شبکه های عصبی و الگوریتم MLP تلاش شده است که عملکرد کلی دستگاه ALE مدلسازی و پیاده سازی شود. در ابتدا، پس از بررسی کانال های مخابراتی و اثرات غیرخطی و نویز بر انتقال داده، یک مدل برای انتقال داده در کانال های مخابراتی معرفی و در محیط نرم افزار متلب کد نویسی شده است. سپس به معرفی انواع شبکه های عصبی و کاربردهای آن پرداخته شده است و بهترین الگوریتم برای مدلسازی دستگاه ALE انتخاب شده است. در ادامه چندین مدل با استفاده از tools نرم افزار متلب و کد نویسی الگوریتم MLP انجام گرفته است و مقایسه شده است. در نهایت مدل پیشنهادی که مبتنی بر الگوریتم MLP است با کمترین خطا، به ازای خروجی جدید می تواند کانال مناسب را پیش بینی کند. مدل های پیشنهادی پس از بهینه سازی قابل پیاده سازی بر روی FPGA هستند و راهی برای ساخت این دستگاه در داخل کشور فراهم می آورد.