ارائه روشی برای شناسایی کاربران خرابکار در سیستم های محاسبات داوطلبانه

سیستم های محاسبات داوطلبانه منابع توزیع شده بزرگی را از سراسر اینترنت به هم مجتمع کرده و محیط مناسبی را برای اجرای پروژه های علمی پیچیده فراهم می کنند. در بیشتر موارد این تکنولوژی با به کارگیری منابع محاسباتی آزاد از سازمان ها یا افراد کسب می شود که به خواست خود به سیستم متصل می شوند تا به تحقیقات علمی کمک کنند. ازآنجاکه کاربران به صورت داوطلبانه در انجام محاسبات شرکت می کنند امکان ارسال نتایج نادرست از طرف آن ها وجود دارد که به این کاربران، کاربران خرابکار گفته می شود. درواقع این داوطلبان به طور مستقل کدهای برنامه ها و پروژه ها را به هم ریخته و توانایی تولید داده های اشتباه با ظاهر درست رادارند. هنگامی که کاربران طرح ها و نقشه هایی را جهت ارتباط و برهمکنش با یکدیگر تعبیه کرده تا بتوانند با همکاری یکدیگر کدهای برنامه ها و پروژه ها را به هم ریخته و داده های اشتباه با ظاهر درست تولید کنند، کاربران گروهی خرابکار نامیده می شوند. این گروه از داوطلبان در قبال کارهاومسئولیتهایی که به آنان داده می شود به صورت گروهی نتایج غلطی را برمی گردانند. یکی از چالش های موجود در سیستم های محاسبات داوطلبانه تشخیص کاربران گروهی خرابکار می باشد. به کار بستن تکنیک های داده کاوی در عملکرد کاربران سیستم های محاسبات داوطلبانه یک راه حل قابل انتظار را ارائه می دهد که به توسعه بهتر سیستم های محافظ در مقابل خرابکاری کاربران کمک می کند. در سیستم های محاسبات داوطلبانه یک پروژه با محاسبات سنگین به چندین کار محاسباتی کوچک تر شکسته می شود، سپس هر کار محاسباتی بین 3 یا تعداد بیشتری نود به اشتراک گذاشته می شود. هر نود کار محاسباتی را انجام و نتیجه را برمی گردانند. درصورتی که نودهای منتسب به یک کار محاسباتی نتایج برخلاف هم را برگردانند یک گراف را تشکیل داده که در آن بین هر دو نود مخالف یک یال وجود خواهد داشت. از این گراف برای تشخیص کاربران گروهی خرابکار استفاده می شود. در این پایان نامه به پیشنهاد مدلی برای تشخیص کاربران گروهی خرابکار بر اساس روش های مبتنی بر گراف خواهیم پرداخت. پیدا کردن زیر گراف حداکثر متراکم از روش های مبتنی بر گراف است که برای تشخیص کاربران گروهی خرابکار به کاربرده شده است. الگوریتم زیر گراف حداکثر متراکم، نوعی از الگوریتم های پیمایش گراف است که نودهای با تراکم بالا را شناسایی کرده و به عنوان خروجی برمی گرداند. ازآنجاکه با استفاده از این الگوریتم، زیر گرافی را که تعداد یال های آن به بیشینه تعداد یال ممکن نزدیک باشد را شناسایی می کنیم درواقع آن دسته از نودهایی که بیشترین رأی مخالف رادارند و درواقع خرابکارند شناسایی می شوند.