کنفرانس بین المللی فناوری اطلاعات، مهندسی کامپیوتر و مخابرات
سال:1396 | دوره:3 |تعداد مقالات:18

فناوری بیومتریک، از مشخصه های فیزیولوژیکی و رفتاری افراد برای تایید هویت استفاده می کند. بیومتریک به تکنیکهایی گفته می شود که با استفاده از خصوصیات منحصربه فرد، پایدار و قابل اندازه گیری فیزیولوژیکی یا رفتاری افراد مثل اثرانگشت، چهره، عنبیه، صوت، الگوی تایپ کردن، امضا کردن و... هویت آنها را تایید یا تعیین می نماید. یکی از تکنیک های امید بخش بیومتریک، تشخیص عنبیه می باشد زیرا بافت غنی عنبیه، معیارهای بیومتریکی قوی را برای تشخیص هویت افراد فراهم می کند. در این مقاله ابتدا به بررسی روشهای استخراج ویژگی پرداختیم و در انتها به جمع بندی در مورد الگوریتمهای جدید برای استخراج ویژگی عنبیه با استفاده از تبدیل فوریه در دامنه فرکانس ارائه شد.

روش های نوین مدیریت بازاریابی و رویکرد های آن در کسب و کار امروز یک امر ضروری است و در موقعیت سازمانها نقش اساسی ایفا می کند. استفاده از بازاریابی ویروسی یکی از روش های نوین مدیریت بازاریابی است که در بستر شبکه های اجتماعی شکل گرفته و نسبت به تبلیغات گسترده و حجمی بنگاه ها کارایی بیشتری دارد. در این نوع بازاریابی، سازمان می تواند شبکه تبلیغ و فروش خود را از طریق ارتباطات شخصی و حرفه ایی ایجاد کرده و توسط افراد با نفوذ شبکه به طور تصاعدی رشد دهد. در این پژوهش با استفاده از داده ی ارتباطات مشتریان بانک به شناسایی مشتریان بانفوذ بانک از نظر میزان ارتباطات موثر پرداخته شده است. با توجه به اینکه مرکزیت دسترسی نسبت به دیگر مرکزیت ها کارایی بیشتری در شناسایی رئوس کلیدی گراف دارد، مشتریان بانفوذ بانک با توجه به مرکزیت دسترسی شناسایی شده اند. همچنین اجتماعات موجود در مشتریان، شناسایی شده و گروه های موثر و مهم از نظر گردش مالی شناسایی شده اند. طبق نتایج، افرادیکه از نظر مرکزیت دسترسی افراد کلیدی بودند، در گروه های مهم از نظر مالی نیز دیده شده اند که بیانگر اهمیت گروه های تشکیل شده توسط این افراد بوده است. در نهایت نتایج حاصل با نتایج احتمالی بازاریابی سنتی مقایسه شده و راهبردهای کاربردی جهت تصمیمات مدیریت بازاریابی ارائه شده است.

در این مقاله مساله مقیاس پذیری پروتکل AODV در شبکه های حسگر بی سیم بررسی می شود. در ابتدا، مسائل طراحی مقیاس پذیری با کار مرتبط در زمینه شبکه های حسگر بی سیم (WSN) بحث شده است. در ادامه، مدل شبکه حسگر بی سیم طراحی شده نشان داده و در نهایت، اهمیت مقیاس پذیری بر روی رفتار لایه های کاربردی، MAC، انتقال و عملکرد لایه فیزیکی شرح داده شده است.

به فرآیندی که طی آن ناحیه مشخصی از یک تصویر بازسازی یا ترمیم می شود ترمیم تصویر گفته می شود. چالش اصلی در مساله ترمیم تصویر، پر کردن ناحیه حذفی به شیوه ای که به لحاظ بصری قابل باور باشد. در مساله ترمیم تصویر از آنجایی که بخش قابل توجهی از پیکسل های وصله هدف مجهول هستند، امکان بروز خطا در انتخاب منطبق ترین وصله وجود دارد. برای جلوگیری از وقوع چنین مواردی در این مقاله ایده پیشنهاد شده که می توان در هر تکرار الگوریتم، ناحیه جستجو را به سمتی هدایت کرد که وصله های موجود در ناحیه معلوم بیشترین انطباق را با وصله هدف داشته باشند. با این استراتژی با وجود تعداد محاسبات بسیار کمتر نسبت به روش جستجوی کلاسیک می توان به کیفیت ترمیم مطلوبی دست یافت. این الگوریتم را با سه روش ارزیابی کیفی، تعداد کل عملیات SSD و تعداد کل عملیات محاسباتی ارزیابی کرده و نتایج مطلوبی نسبت به الگوریتم های دیگر حاصل شد.

طیف سنجی مهمترین بخش از عملکرد یک شبکه رادیوشناختی است و افزایش دقت آن باعث استفاده موثر از طیف رادیویی می گردد. در عمل مسائلی مثل محوشدگی چندمسیری، اثر سایه و مساله پایانه مخفی عملکرد طیف سنجی را تحت تاثیر قرار می دهند، لذا جهت غلبه بر این مشکلات، اخذ گزارشات طیف سنجی از سایر کاربران رادیوشناختی یا همان طیف سنجی مشارکتی الزامی است. در این مقاله برای کاهش سربار ارتباطی، روش آزمون نسبت احتمال متوالی بررسی شده و نشان داده می شود که علیرغم کارآمد بودن این آزمون در کاهش سربار، در محیط های با سیگنال به نویز پایین در مواقعی از زمان های طیف سنجی، این آزمون قادر به تصمیم گیری در خصوص وضعیت طیف نمی باشد. این فرایند عدم تصمیم گیری را در مقاله تعلیق نامیده و احتمال وقوع آن را با روابط ریاضی بررسی می کنیم. سپس جهت انتخاب تصمیم مناسب در وضعیت های تعلیق و افزایش دقت طیف سنجی، الگوریتم نیمن-پیرسون با مقدار آستانه بهینه پیشنهاد شده و تواما دقت طیف سنجی مشارکتی را افزایش و سربار ارتباطی را کاهش می دهیم. در این مقاله روش پیشنهادی خود را آزمون نسبت احتمال متوالی بهبودیافته نامیده ایم. شبیه سازیها و نتایج بدست آمده نشان از موثر بودن روش پیشنهادی در مقایسه با آزمون نسبت احتمال متوالی رایج است.

شبکه های اجتماعی مجموعه ای از افراد و گروه هایی هستند که با یک الگوی خاص با هم در ارتباط اند و نقش مهمی را در انتشار اطلاعات و (IMP) حداکثرسازی نفوذ روی کاربران ایجاد می کند. مساله حداکثرسازی نفوذ به معنای استخراج زیر مجموعه ای از گره ها در یک شبکه اجتماعی است که بتوانند انتشار در شبکه را با توجه به مدل انتشار بیشینه کنند. با افزایش حجم داده ها، مدل های سنتی از داده کاوی و یا تجزیه تحلیل داده اگرچه بسیار موثر است اما فاقد سرعت لازم برای پردازش این نوع داده ها در محدوده میلیون نمونه است بنابراین نیاز به طراحی الگوریتم کارآمدتر و سریع تر برای انواع جدیدی از مشکلات است. تاکنون الگوریتم های متنوعی برای کشف گره های تاثیر گذاربه منظور حداکثرسازی نفوذ در شبکه های اجتماعی ارائه شده از جمله این روش ها الگوریتم حریصانه می باشد. واضح است که این الگوریتم به تنهایی نمی تواند تمام نیازمندی ها را بر طرف کند.از این رو از ترکیب الگوریتم حریصانه و ژنتیک استفاده کردند. ما در این مقاله این ترکیب و مزایا و معایب آن را مورد بحث قرار می دهیم ودر آخر راهکارهایی پیشنهاد می دهیم.

فناوری بیومتریک، از مشخصه های فیزیولوژیکی و رفتاری افراد برای تایید هویت استفاده می کند. بیومتریک به تکنیکهایی گفته می شود که با استفاده از خصوصیات منحصربه فرد، پایدار و قابل اندازه گیری فیزیولوژیکی یا رفتاری افراد مثل اثرانگشت، چهره، عنبیه، صوت، الگوی تایپ کردن، امضا کردن و... هویت آنها را تایید یا تعیین می نماید. یکی از تکنیک های امید بخش بیومتریک، تشخیص عنبیه می باشد زیرا بافت غنی عنبیه، معیارهای بیومتریکی قوی را برای تشخیص هویت افراد فراهم می کند. در این مقاله با استفاده از الگوریتم های موجود مرزهای عنبیه و همچنین پلک ها تشخیص داده می شود.

مستندسازی، متنی توصیفی است که معمولا عملکرد نرم افزار و چگونگی استفاده از آن را شرح می دهد که ممکن است برای افراد مختلف در نقش های گوناگون، معانی متفاوتی داشته باشد. مستندسازی معماری، نمایش دهنده نحوه تعامل نرم افزار با محیط و ساختار و اجزای نرم افزار، به همراه چگونگی روابط میان این اجزاست. متدولوژی Agile مجموعه روشهایی است که باعث می شود تا نرم افزار تولید شده کاملا با نیازهای مشتریان مطابقت داشته باشد. در این روش محصول به صورت فاز بندی به مشتری تحویل داده می شود، در واقع مشتری با تیم پروژه کاملا در ارتباط است. در این مقاله، به بررسی مستندسازی به روش چابک پرداخته و تفاوت آن را با مستندسازی به روش سنتی، بیان می کنیم.

در دنیایی زندگی می کنیم که وجود دوربین های خانگی و قدرت رسانه باعث شده تا با حجم خیره کننده ای از داده های ویدیویی سر و کار داشته باشیم. این امر بر اهمیت نحوه دسترسی و پردازش این نوع داده ها می افزاید. با خلاصه سازی ویدیویی، فیلم به یکسری فریم یا کلیپ کوتاه ولی با معنی خلاصه می گردد که اهداف فرد را نیز برآورده می سازد. در این پژوهش سعی شده در ابتدا داده با کمک الگوریتم (K-Medoids) خوشه بندی شود سپس با تشخیص قسمت های صوتی مهم در ویدیو و جدا کردن آن از نویز ها و بخش های کم اهمیت، اطلاعات انطباقی میان صوت و تصویر در رویدادهای مهم به دست آید و میزان تکرار آن ها نیز مشخص گردد. این راهکار را بر روی 50 ویدیو از پایگاه داده Open CV تکرار شده است و بطور میانگین 88% نرخ صحت در خلاصه سازی و 31% میزان خطا به دست آمده که به نسبت سایر روش ها جزء بالاترین نرخ صحت می باشد.

کنترل دسترسی در سیستم های توزیع شده به دلیل مشارکت تعداد زیاد دستگاه ها و افراد از اهمیت زیادی برخوردار است و حفظ همخوانی و یکپارچگی داده ها و سطح مناسب دسترسی افراد به داده ها یک اصل مهم به شمار می آید. در این مقاله سیاست های کنترل دسترسی بر مبنای نوع سطح دسترسی کاربران و مجوز آن ها از بخش های مختلف، تعریف شده است که از روش های مختلفی در هر فاز استفاده می کند.

اکثر الگوریتم های کلاس بندی موجود با هدف کلاس بندی متون بلند ایجاد شده اند و تلاش کمی برای بررسی میزان موفقیت آن ها در کلاس بندی متون کوتاه شده است. در این تحقیق با هدف بررسی توانایی الگوریتم های کلاس بندی بر روی متون کوتاه فارسی، عملکرد چهار الگوریتم کلاس بندی اصلی بررسی و با یکدیگر مقایسه شده است. این چهار الگوریتم عبارتند از Naïve Bayes، K Nearest Neighbors، Decision Trees و SVM. ابتدا هر کدام از این چهار روش به طور خلاصه توضیح داده شده و سپس در محیط شبیه سازی یکسان اجرا شده اند. بر اساس نتایج اجرا، الگوریتم Naïve Bayes با 74 درصد صحت نتایج در رتبه اول و الگوریتم KNN با 46 درصد در مکان آخر قرار گرفت.

شبکه های نرم افزار محور (SDN) برخلاف شبکه های سنتی که در آن سطوح کنترل و داده در ابزارهای زیرساخت شبکه همچون سوئیچ ها، مسیریاب ها و غیره درون همان ابزار قرار دارند، این دو سطح را از هم جدا کرده و تمامی تصمیم های کلیدی در خصوص هدایت بسته ها در کنترلر شبکه گرفته شده و ابزارهای سطح داده بسته ها را بر مبنای این تصمیم ها پیش می رانند. هرچند SDN مزیت های فراوانی در خصوص برنامه نویسی، کنترل شبکه و اعمال سیاست ها به ارمغان آورده، اما با مسائل و مشکلات امنیتی متفاوتی نسبت به شبکه های سنتی روبه رو است. در این مقاله چالش های خاص SDN به هفت دسته کلی دسترسی غیرمجاز، نشت داده ها، تغییر داده ها، برنامه های بدخواه، منع سرویس، مسائل پیکربندی و امنیت سطح سیستم SDN تقسیم شده و هرکدام جداگانه موردبررسی قرار گرفته است. سپس برای هرکدام از این دسته بندی ها، راه حل های امنیتی که تاکنون ارائه شده به اختصار معرفی و در انتها نتیجه گیری می گردد.

عوارض افزایش استفاده از اینترنت، میزان زیادی داده را در پایگاه داده هایی بزرگ که انبارداده هستند ذخیره می کند. عمدتا در انبارداده های محرمانه داده های مربوط به حوزه تجاری و مالی ذخیره می شود. بنابراین مشکل امنیت یک نگرانی اصلی است. یک مدل امنیتی یک توضیح عمیق تر از انواع مختلف حقوق دسترسی با شیوه های مختلف را فراهم می کند. مفاهیم امنیتی باید در فاز طراحی انبار داده برای مقایسه بهتر نیازمندیهای امنیتی طراحی و توصیف شوند و از اصول بنیادی بعدی و همخوانی هایی با هزینه متراکم جلوگیری به عمل آید. این مدل امنیتی مبتنی بر متادیتا برای تحقیقات فنی در نظر گرفته شده است نه برای استفاده در سیاست های امنیتی مختلف.

گسترش و محبوبیت شبکه های اجتماعی در بین افراد، در چند سال اخیر، این جوامع مجازی را به منبعی ارزشمند از اطلاعات گوناگون تجاری و اجتماعی تبدیل نموده است. تحلیل این حجم از اطلاعات متنی غیر ساخت یافته کاربران نیازمند روش های نوین و بهینه متن کاوی و پردازش زبان طبیعی است. هدف نظرکاوی این است که حجم انبوهی از نظرات پیرامون یک موجودیت توسط ماشین مورد بررسی قرار گیرد و گزارش خلاصه شده ای از احساس بیان شده در آن به کاربر ارائه گردد. برای دستیابی به این هدف تکنیک های آماری، داده کاوی و پردازش زبان طبیعی مورد استفاده قرار می گیرند. در این پژوهش روش جدیدی بر اساس ترکیب روش های ماشین بردار پشتیبان و مبتنی بر لغت نامه ارائه شده است تا بتوان در زمان کمتر و دقتی بالاتر میزان مثبت و منفی بودن نظرات کاربران را در رابطه با موضوع مورد نظر به دست آورد. این روش قابلیت اعمال بر روی زبان های گوناگون را داشته و سعی بر بالابردن دقت و سرعت الگوریتم های پیشین دارد. نتایج بدست آمده از روش پیشنهادی، طرح ترکیبی را معرفی می کند که دارای دقتی بیشینه در بازه زمانی کمتر برای آنالیز احساسات در متن می باشد.

سیستم های تشخیص صوت سیستم های الکترونیکی هستند که به دستگاه های الکترونیکی اجازه می دهند تا در برابر صدا از خود واکنش نشان دهند. این سیستم ها بسیار کاربردی هستند و اهداف زیادی را دنبال می کنند ولی تا به امروز به همه اهدافشان نرسیده اند و از تمامی پتانسیل هایشان استفاده نشده است. سیستم های تشخیص صوت کلمات گفتار و صداهای موجود را به سیگنال هایی ترجمه می کنند که قابلیت پردازش دارند و می توان آن ها را به وظیفه ای مشخص تبدیل نمود. مباحث مطرح در پردازش گفتار و تشخیص صوت عبارتند از بازشناسی گفتار، تبدیل متن به گفتار، بازشناسی گوینده، رمزگذاری گفتار، بهسازی گفتار، بازشناسی زبان، نمایه گذاری اسناد صوتی.

تجریه و تحلیل احساسات حوزه ای از پژوهش پردازش زبان طبیعی است که در مورد حالت یا فکر و المان های گوینده یک متن است. این پژوهش بر روی روش های مختلف استفاده شده برای طبقه بندی یک تکه متن زبان طبیعی است که برروی نظر یا ایده بیان شده تمرکز می کند. به عنوان مثال آیا نگرش مثبت است یا منفی. همچنین ما روش دو مرحله ای (طبقه بندی که در آن تقارت اعمال شده است) از طبق یک نظر سنجی مورد بحث قرار می دهیم.

کاربردهای زیادی برای شبکه های حسگر که امروزه یک نقش اساسی در زندگی بشر ایفا می کنند، در حال افزایش است. بخش اعظم این کاربردها در مکان هایی است که ارتباطات افراد در محیط با یکدیگر، غیر ممکن است. بنابراین میزان انرژی در دسترس چنین سنسورهایی، تهدیدی برای طول عمر کل شبکه می باشد. از آنجا که فرآیند های ارتباطی به انرژی زیادی نیاز دارد، راهبرد مسیریابی انرژی آگاه برای کاهش مصرف انرژی می تواند موثر واقع شود. در این مقاله به بررسی یک سری تکنیک ها که در mobile sink برای راحتی در برخی فرآیند ها به منظور کاهش انرژی استفاده می شود، پرداخته شده است. یک ساختار جدید مسیریابی با mobile sink و static sink پیشنهاد شده است و مقایسه آن ها بر اساس متریک طول عمر و میانگین انرژی گره ها با الگوریتم کوتاه ترین مسیر موجود (SH) می باشد. در پایان الگوریتم پیشنهادی کارایی بهتری را نسبت به الگوریتم موجود ارائه می دهد.

مهندسی اجتماعی، از ضعیف ترین اتصال در خطوط دفاعی امنیت اطلاعات هر سازمان، یعنی نیروی انسانی بهره گیری می نماید. به زبان ساده، مهندسی اجتماعی به معنای «هک کردن»افراد بوده و با سوء استفاده از طبیعت اعتماد متقابل بین انسان ها، به اطلاعاتی جهت کسب منافع شخصی، دستیابی حاصل می گردد. در نظر گرفتن امنیت بسیار پایین باعث می شود که سازمان و شرکت شما در مقابل تهدیدها کاملا آسیب پذیر باشد. همچنین تاکید بیش از حد بر امنیت، از مشارکت در امور تجاری جلوگیری کرده و از رشد و شکوفایی شرکت پیشگیری می کند. چالش پیش روی سازمان ها این است که بین امنیت و بهره وری به تعادل برسند. درک شیوه ها و تاکتیک های مهندسین اجتماعی به شما کمک خواهد کرد تا کنترل های منطقی را برای حراست از دارایی های اطلاعاتی خود، بدون تضعیف و از بین بردن بهره وری سازمانتان به کار گیرید.