پایان نامه ، تحقیق و مقاله | دیجی لود

ادامه مطلب

DOC
الگوریتم طبقه بندی k-نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری : ارشد مهندسی کامپیوتر نرم افزار
doc
تعداد صفحات : 110
پایان نامه کارشناسی ارشد
مهندسی کامپیوتر - نرم افزار
همراه با جداول ، اشکال
79000 تومان


یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما  دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت دیجی لود در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه ” الگوریتم طبقه بندی k-نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری ”   با فرمت Word (قابل ویرایش) در 110 صفحه را معرفی مینماید.

 

چکیده پایان نامه الگوریتم طبقه بندی k-نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری :

پردازش ابری و محیط ابر و پایگاه داده ­های ابری محل ذخیره ­سازی اطلاعات روی وب می­باشد و برای بالا بردن امنیت در آن ها باید بهترین راه حل را استفاده کرد. مساله ما در اینجا طبقه ­بندی داده ­های محرمانه و فوق­ محرمانه و سپس رمزگذاری آن ها برای ذخیره در ابر می­باشد برای این کار سرعت و دقت بسیار مهم می­باشد. در این پژوهش یک الگوریتم طبقه ­بندی داده فازی، در محیط ابری استفاده شده است که در نهایت با زبان جاوا و در شبیه ­ساز کلودسیم شبیه ­سازی شد و توانست طبقه ­بندی موثری برای داده ­ها در محیط ابر ایجاد کند.

الگوریتم طبقه­ بند ارایه شده، الگوریتم k-نزدیک­ترین همسایه فازی است. با توجه به خصوصیات خوبی که الگوریتم k-نزدیک­ترین همسایه فازی دارد توانست با سرعت و دقت بیشتر داده ­های محرمانه،  فوق محرمانه و عمومی را طبقه ­بندی کند و برای رمزگذاری مناسب برای ذخیره سازی در ابر آماده کند و کارایی طبقه بندی داده برای ذخیره ­سازی در ابر را بهبود بخشد.

روش کار بدین صورت می باشد که داده­ های یک پایگاه داده 15000 رکوردی ابتدا توسط الگوریتم k-نزدیک­ترین همسایه عادی طبقه ­بندی می­شود و داده ­ها به مرحله رمزگذاری فرستاده می­شوند و در نهایت  در ابر ذخیره می­شوند و در مقابل آن همان پایگاه داده توسط الگوریتم k-نزدیک­ترین همسایه فازی طبقه ­بندی می­شود و به سه کلاس فوق محرمانه، محرمانه و عمومی به مرحله بعدی که رمزگذاری و ذخیره در ابر می­باشد فرستاده می­شود. در پیاده­ سازی این روش از زبان جاوا و شبیه ساز کلودسیم استفاده شده است و نتایج حاصل به خوبی بیانگر کارایی بهتر الگوریتم k-نزدیک­ترین همسایه فازی می­باشد که موجب تولید نتایج بهتر نسبت به الگوریتم k-نزدیک­ترین همسایه عادی می­شود .

 

واژه ­های کلیدی:

پردازش ابری، امنیت، طبقه ­بندی k-نزدیک­ترین همسایه، طبقه­ بندی k- نزدیک­ترین همسایه فازی

 

فهرست مطالب پایان نامه الگوریتم طبقه بندی k-نزدیک ترین همسایه فازی داده

 چکیده: 1

فصل اول: مقدمه. 2

1-1 مقدمه. 2

1-2 تعریف مساله و بیان سوال­های اصلی تحقیق.. 3

1-3 سابقه وضرورت انجام تحقیق.. 4

1-4 هدف­ها 8

1-5 جنبه نوآوری تحقیق: 9

1-6 مراحل انجام تحقیق.. 9

1-7 ساختار پایان­ نامه. 9

فصل دوم: مباحث عمومی پردازش ابری، امنیت و شبیه­ سازی.. 10

2-1 مقدمه. 10

2-2 تاریخچه­ ی مختصری از رایانش ابری.. 11

2-3 وضعیت کنونی رایانش ابری.. 12

2-4 خصوصیات رایانش ابری.. 13

2-4-1 ویژگی کلیدی رایانش ابری.. 17

2-4-2 مزایای اصلی رایانش ابری.. 18

2-4-3 کارهای امکان­ پذیر در رایانش ابری. 18

2-5 معماری رایانش ابری.. 19

2-6 امنیت و چالشهای رایانش ابری.. 21

2-7 امنیت در رایانش ابری.. 22

2-8 نقاط ضعف رایانش ابری.. 22

2-8-1 نیاز به اتصال دائمی اینترنت… 22

2-8-2 کار نکردن با اینترنت کم سرعت… 23

2-8-3 حفظ حریم خصوصی.. 23

2-9 معایب امنیتی در محیط ­های ابری.. 23

2-9-1 موقعیت داده 24

2-9-2 تفکیک داده ­ها 24

2-10 تامین امنیت داده ­ها 24

2-10-1 کنترل و دسترسی.. 25

2-10-2 رمزگذاری.. 25

2-11 مقدمه­ ای بر شبیه­ سازی.. 26

2-12 برخی نرم ­افزارهای شبیه ­سازی شبکه ­های محاسباتی.. 28

2-13 آشنایی با ابزار کلودسیم. 29

2-13-1معماری کلودسیم. 30

2-14 مدل­های تخصیص ماشینهای مجازی.. 31

2-15 کلاس­های موجود در کلودسیم. 32

2-16 جمع­بندی.. 35

فصل سوم: مروری بر کارهای گذشته والگوریتم­های رمزنگاری.. 37

3-1 مقدمه. 37

3-2 معرفی روش… 38

3-3 سوابق کاری گذشته. 39

3-4 اهداف روش… 41

3-5 طبقه­ بندی داده ­ها 42

3-5-1 یادگیری ماشین.. 42

3-6 تعریف داده حساس و غیرحساس… 46

3-7 طبقه­ بند-Kنزدیک­ترین همسایه. 48

3-8 رمزنگاری با روشRSA.. 49

3-9 رمز و رمزنگاری.. 49

3-9-1 الگوریتم­های رمزنگاری.. 50

3-10 آراس­ای.. 52

3-10-1 مراحل الگوریتم RSA.. 51

3-11 استاندارد رمزنگاری پیشرفته. 54

3-11-1 شرح رمزنگاری.. 55

3-12جمع­ بندی.. 56

فصل چهارم: معرفی روش پیشنهادی.. 57

4-1 مقدمه. 57

4-2 معرفی روش جدید -Kنزدیک­ترین همسایه فازی برای طبقه ­بندی داده در محاسبات ابری.. 58

1-4-2 نظریه مجموعه­ های فازی.. 58

4-3 تفاوت در نتایج حاصله از الگوریتم­های طبقه­ بندی.. 58

4-4 چهارچوب مورد استفاده 59

4-5 روش پیشنهادی.. 59

4-5-1 داده آموزشی و داده تست… 61

4-5-2 ذخیره در ابر. 62

4-5-3 روش کار الگوریتمKNN.. 62

4-5-4 روش کار الگوریتمF-KNN.. 64

6-4 جمع­بندی.. 66

فصل پنجم:آزمایش­ها و ارزیابی نتایج.. 67

5-1 مقدمه. 67

5-2 جایگاه داده آزمایش ومحیط پیاده سازی واجرا 68

5-3 مقایسه نتایج بدست آمده از الگوریتم -K نزدیک­ترین همسایه عادی و فازی 72

5-4 خصوصیات لایه نرم افزار به عنوان سرویس… 76

5-5 خصوصیات لایه پلتفرم به عنوان سرویس برای مدیریت مجازی.. 77

5-6 خصوصیات لایه زیرساخت به عنوان سرویس در شبیه­ سازی ابر. 78

5-7 نرخ شناسایی.. 79

5-8 نتایج شبیه­ سازی.. 80

5-9 زمان شبیه ­سازی مراحل کار. 81

5-10 جمع­بندی.. 83

فصل ششم:نتیجه ­گیری و پیشنهادها 84

6-1 مقدمه. 84

6-2 نتایج حاصل از تحقیق.. 84

6-3 پیشنهادها 85

مراجع: 86

واژه ­نامه انگلیسی.. 89

چکیده انگلیسی …………………………93

 

  

فهرست جدول

 جدول2-1 مقایسه محاسبات ابری و محاسبات توری………………………………………………………… 13

جدول 2-2کلاس­های پهنای­ باند…………………………………………………………………………………… 30

جدول 2-3 کلاس­های تکه ­ابر………………………………………………………………………………………. 31

جدول5-1 کلاس های برنامه………………………………………………………………………………………. 69

جدول 5-1  تعداد آیتم های تکه ابر الگوریتم KNN و F-KNN…………………………………………..

جدول 5-2  خصوصیات لایه نرم افزار به عنوان سرویس الگوریتم KNN……………………………….

جدول 5-3  خصوصیات لایه نرم افزار به عنوان سرویس الگوریتم F-KNN…………………………….

جدول 5-4  خصوصیات لایه پلتفرم به عنوان سرویس الگوریتمKNN……………………………………

جدول 5-5  خصوصیات لایه پلتفرم به عنوان سرویس  الگوریتم F-KNN………………………………

جدول 5-6خصوصیات لایه زیرساخت به عنوان سرویس الگوریتم KNN……………………………….

جدول 5-7  خصوصیات لایه زیرساخت به عنوان سرویس الگوریتم F-KNN………………………….

جدول 5-8 اطلاعات طبقه بندی داده  در الگوریتم KNN……………………………………………………

جدول 5-9 اطلاعات طبقه بندی داده در الگوریتم F-KNN………………………………………………….

جدول 5-10 نتایج زمانی شبیه سازی طبقه­ بندی داده ­ها با الگوریتم KNN………………………………..

جدول 5-11 نتایج زمانی شبیه سازی طبقه­ بندی داده­ ها با الگوریتم F-KNN……………………………..

جدول 5-12  زمان شبیه سازی مراحل کار الگوریتم KNN………………………………………………….

جدول 5-13 زمان شبیه سازی مراحل کار الگوریتم F-KNN……………………………………………….

 

 

فهرست اشکال

 شکل 2-1 سرویس­های رایانش ابری………………………………………………………………………. 14

شکل 2-2 پشتیبانی از بستر ناهمگن ………………………………………………………………………. 16

شکل 2-3 معماری محاسبات ابری…………………………………………………………………………. 19

شکل 3-1 فلوچارت یادگیری ماشین………………………………………………………………………. 43

شکل 3-2 رمزنگاری به شیوه پیچیدن تکه کاغذی دور استوانه……………………………………….. 46

شکل3-3 تقسیم بندی الگوریتم­ها رمزنگاری……………………………………………………………… 47

شکل3-4 رمزنگاری با کلید متقارن…………………………………………………………………………. 47

شکل3-5 رمزنگاری با کلید نا متقارن………………………………………………………………………. 47

شکل3-6 ابداع کنندگان رمزنگاری RSA…………………………………………………………………

شکل3-7 پروتکل تبادل رمز دیفی ـ هلمن……………………………………………………………….. 50

شکل 4-1 فلوچارت کلی روش…………………………………………………………………………….. 60

شکل4-2 نمودار توصیفی الگوریتم­های فازی…………………………………………………………….. 64

شکل 4-3 شبه ­کد الگوریتم F-KNN ……………………………………………………………………………………

شکل 5-1 فلوچارت الگوریتم های طبقه بندی…………………………………………………………… 72

شکل 5-2 محیط شبیه­ سازی با الگوریتم KNN و F-KNN…………………………………………….

 

 

 

راهنمای خرید و دانلود فایل

برای پرداخت، میتوانید از کلیه کارتهای عضو شتاب  استفاده نمائید.

بعد از پرداخت آنلاین لینک دانلود فعال و نمایش داده میشود ، همچنین یک نسخه از فایل همان لحظه به ایمیل شما ارسال میگردد.

در صورت بروز  هر مشکلی،میتوانید از طریق تماس با ما  پیغام بگذارید و یا در تلگرام با ما در تماس باشید، تا شکایت شما مورد بررسی قرار گیرد.

برای دانلود فایل روی دکمه خرید و دانلود  کلیک نمایید.



ads

مطالب مرتبط


ديدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

19 + 7 =

enemad-logo