محاسبات ابری، اخیراً بعنوان یکی از مهمترین موضوعات در زمینه تکنولوژی اطلاعات معرفی شده است و مزایای فرآوانی از جمله کاهش هزینه و سهولت در استفاده دارد اما، به دلیل اینکه در فضای مجازی اینترنت ارائه می شود و اینترنت مکانی نیست که بتوان کنترل کاملی بر روی آن داشت با مسائل بحرانی بسیاری روبرو است که مهمترین آنها امنیت می باشد. نگرانی در مورد امنیت داده ها، اصلی ترین عامل محدودیت توسعه محاسبات ابری می باشد. امنیت داده ها عمل محافظت داده ها از انحراف و دستیابی غیرمجاز است. برقراری امنیت داده ها در سطح قابل قبول، نیازمند توجه به اصول امنیت داده ها می باشد. مهمترین این اصول محرمانگی و تمامیت است. محرمانگی حفاظت از افشای اطلاعات به سیستم ها و اشخاص غیرمجاز و تمامیت تضمین اعتبار و درستی اطلاعات است. مسائل امنیت داده ها، بطور بالقوه در تمامی انواع سرویس های محاسبات ابری، نگران کننده است و نیازمند بکارگیری اصول امنیت و مکانیزیم های تکنیکی امنیت برای برطرف کردن نگرانی های کاربران می باشد. تاکنون روش های مختلفی برای کنترل امنیت محاسبات ابری ارائه شده است اما همچنان امنیت داده ها گلوگاه محاسبات ابری محسوب می شود. روشی ،dicp و بررسی تمامیت داده ها apcc در این تحقیق، با ترکیب تکنیک های احراز هویت برای بهبود امنیت داده ها در محاسبات ابری ارائه شده است. مهمترین ویژگی های روش پیشنهادی، حفظ اصول امنیت داده ها، قابلیت حسابرسی عمومی و پشتیبانی از عملیات پویایی داده ها پیاده سازی شده است. آنالیز مقادیر cloudsim می باشند. روش پیشنهادی با استفاده از شبیه ساز شاخص های ارزیابی استخراج شده از نتایج آزمایشات شبیه سازی به خوبی نشان می دهد که از هزینه ،ssl یک طرف، فرآیند احراز هویت در روش پیشنهادی در مقایسه با پروتکل تصدیق ارتباطی و محاسباتی کمتری به خصوص در سمت سرویس گیرنده دارد و از طرف دیگر، فرآیند بررسی تمامیت با داشتن کمترین هزینه ارتباطات در مقایسه با سایر طرح ها، مصرف پهنای باند شبکه را به حداقل می رساند.

شبکه جهانی وب منبع عظیمی از اطلاعات می باشد که به دلیل در دسترس بودن اطلاعات مفید و اطلاعاتی که به طور پویا در حال تغییر هستند، امروزه به طور گسترده مورد استفاه قرار می گیرد. کاربران اغلب به واسطه ی مقدار زیاد صفحات وب سردرگم می گردند و جستجوی اطلاعات مناسب مرتبط با علاقمندی های آنها دشوار می باشد. با توجه با این مشکل، نیاز به سیستمی که بتواند کاربران را به گزینه ها و سرویس های مورد نظرشان راهنمایی کند، ضروری می باشد. سیستم های توصیه گر از بین یک مجموعه ی بزرگ از علاقمندی های کاربر، گزینه هایی را که ممکن است کاربر بیشتر به آنها علاقمند باشد را پیشنهاد می دهند. کاوش استفاده از وب برای عمل کردن بر روی ثبت های سرور که شامل گردش کاربر می باشد، طراحی شده است، بنابراین سیستم های توصیه گر از کاوش استفاده از وب برای پیش بینی الگوی گردشی کاربر و پیشنهاد دادن آنها در قالب لیست پیشنهاد استفاده می کنند. در این پایان نامه، ما یک سیستم توصیه گر مبتنی بر کاوش استفاده از وب در دو فاز برخط و برون خط پیشنهاد نموده ایم. در فاز برون خط، ابتدا ثبت های دسترسی کاربر برای شناسایی نشست های کاربر تجزیه و تحلیل می شوند. سپس، نمایه های کاربران با استفاده از اطلاعات بدست آمده از ثبت های سرور و بر مبنای معیارهای فرکانس دسترسی به صفحات، زمان سپری شده توسط کاربر در صفحات و همچنین تاریخ بازدید از صفحات ساخته شده است. تاریخ این گونه اهمیت خود را نشان می دهد که احتمال درخواست صفحات جدید نسبت به صفحات قدیمی برای کاربران بیشتر است و صفحات قدیمی احتمال بازدید کمتری دارند زیرا کاربران به دنبال اطلاعات جدید هستند. پس از ساخت نمایه های کاربران، با استفاده از الگوریتم خوشه بندی fuzzy c-means و معیار مشابهت s(c) کاربران با علاقمندی های مشابه در خوشه های یکسان دسته بندی شده اند. در فاز برخط، یک شبکه عصبی برای کشف مدل پیشنهاد ارائه شده و پیشنهادات برخط برای کاربر فعال با استفاده از ماژول پیشنهاد تولید شده است. لیست پیشنهاد بر اساس میزان علاقمند بودن کاربر به صفحات و رتبه صفحات در موتورهای جستجو ارزیابی شده صفحات مناسب کاربر فعال پیشنهاد می شود. آزمایشات انجام شده نشان می دهد روش پیشنهادی در پیش بینی درخواست های آتی کاربر نسبت به روش های مورد مقایسه از دقت و پوشش مناسبی برخوردار است.

کلمه سرویس یک مفهوم گسترده است که می تواند منابع ارائه شده در اینترنت را شامل شود. سرویس مفهوم پایه در نسل جدید اینترنت است که در برخی متون به اینترنت سرویس ها یاد می شود. مصداق این پدیده محاسبات ابری است که در آن داده، نرم افزار و ابر ساختار در قالب سرویس ارائه می-شود. تکنولوژی وب سرویس یکی از رهیافت های کنونی اینترنت سرویس ها است. مولفه پایه ای در تکنولوژی وب سرویس دایرکتوری سرویس بوده که امور ثبت سرویس ها و کشف سرویس در آن اتفاق می افتد. چالش مهمی که در ارتباط با استفاده از وب سرویس ها مطرح می باشد کشف وب سرویس مناسب برای نیازهای متفاوت است. با ظهور وب معنایی و به دنبال آن ظهور وب سرویس معنایی کشف وب سرویس ها دارای اهمیتی خاص شده است. آنتولوژی هسته وب معنایی است و می تواند برای تسهیل فرآیند کشف وب سرویس ها استفاده شود. هدف از کشف وب سرویس، جستجو و یافتن وب سرویس هایی می باشد که می توانند نیاز کاربر را برآورده سازند. فرآیند کشف وب سرویس در صورتی که یک سرویس به تنهایی نتواند نیازهای کاربر را برآورده نماید ممکن است ترکیب وب سرویس ها را در خود داشته باشد. کشف وب سرویس تاکنون بسیار مورد توجه محافل تحقیقاتی بوده است. راهکارهای بسیاری در این زمینه ارائه شده است که به طور خلاصه می توان آن ها را در نحوی و معنایی خلاصه نمود. در بیشتر روش های ارائه شده برای کشف سرویس معنایی فقط ورودی (ها) و خروجی( ها) در نظر گرفته شده است، این امر باعث شده است که دقت کشف سرویس پایین بیاید و سرویس کشف شده مطابق با درخواست کاربر نباشد. الگوریتم ارائه شده در این پایان نامه علاوه بر در نظر گرفتن ورودی (ها) و خروجی( ها)ی سرویس، پیش شرط و اثر آن را در نظر می-گیرد که این مزیت بزرگی نسبت به دیگر الگوریتم های کشف سرویس است. کارایی و میزان دقت الگوریتم ارائه شده به-وسیله نسخه سوم مجموعه داده owls-tc ارزیابی و با سه الگوریتم کشف سرویس مقایسه شده است، که دارای دقت بالایی می باشد. الگوریتم ارائه شده در این پایان نامه توانسته است با ترکیب مقایسه میان مفاهیم و ویژگی های آن ها و همچنین امتیازدهی به سرویس ها و رتبه بندی آن ها در مجموعه-های درجات تطبیق، گامی در راستای افزایش میزان دقت در کشف سرویس ها و همچنین با ارائه درجه تطبیق جدیدی با نام جایگزین گامی در راستای بهبود فرآیند کشف برداشته باشد.

معماری نرم¬افزار، به عنوان اولین محصول، نقش مهم و مستقیمی در توسعه سیستم¬های نرم¬افزاری پیچیده ایفا می¬کند و با کمک آن می¬توان رفتار قابل ارزیابی سیستم، یعنی صفات کیفیتی همچون امنیت، قابلیت اطمینان، قابلیت استفاده، قابلیت تغییر و کارایی را مورد سنجش قرار داد. با ارزیابی معماری می¬توان اطمینان حاصل کرد که آیا معماری این اهداف کیفیتی را برآورده می¬کند یا خیر. یک روش برای ارزیابی معماری نرم¬افزار، ایجاد مدلی قابل اجرا از معماری است. یک مدل قابل اجرا از معماری، توصیفی رسمی از معماری محسوب می¬شود که با آن می¬توان قبل از پیاده¬سازی معماری، رفتار سیستم نهایی را مشاهده و بررسی نمود و ایرادهای احتمالی در معماری را ردیابی نمود. در این تحقیق سعی بر آن است که بتوان با استفاده از سبک¬های معماری نرم¬افزار و نمودارهای uml به یک مدل واقعی جهت توصیف معماری نرم افزار پرداخت تا به یک مدل اجرایی مبتنی¬بر شبکه پتری رنگی تبدیل و در¬نهایت ارزیابی شوند. با تبدیل مدل واقعی به مدل اجرایی امکان ارزیابی کارایی معماری نرم افزار روی مدل اجرایی فراهم می شود. انتظار می رود با استفاده از منطق فازی و تحلیل بازخورد قبل از مرحله پیاده سازی بتوان کارایی را بهبود بخشید. مقایسه¬ها نشان می¬دهد که استفاده از رویکرد فازی بهبود قابل¬توجهی در راستای ارزیابی پارامترهای غیروظیفه¬مندی سیستم نرم افزاری درپی دارد و به بهبود این پارامترها کمک می¬کند.

امروزه اغلب سازمان¬ها، شرکت¬ها و حتی کسب وکارهای کوچک، دارای پایگاه¬داده¬هاییبرای نگهداری اطلاعات خود هستند. آنها با استفاده از اطلاعات موجود در این پایگاه¬داده¬ها به کسب وکار خود رونق می-بخشند. بر روی پایگاه¬داده¬ها عملیات¬ مختلفیمی¬توان انجام داد، برای دستیابی به اطلاعات موجود در پایگاه داده¬ها، باید از پرس¬و¬جوهااستفاده کرد.تاکنون برای کاهش زمان اجرای پرس¬و¬جوها تکنیک¬ها و مکانیزم¬های متعددی در قالب بهینه سازی پرس¬و¬جوها مطرح شده است از قبیل الگوریتم اینگرس،الگوریتم سیستم r*.این پایان¬نامه به بررسی پرس¬و¬جوها و کاهش زمان اجرای آنها می¬پردازد، این کار براساس ثبت سابقه¬ی اجرای هر پرس¬وجو و با توجه به پارامترهایی مانند: مدت زمان اجرای پرس¬وجوها، تعداد دفعات اجرا، محلی بودن یا راه دور بودن آن پرس¬وجو صورت می¬پذیرد. سپسبا استفاده از نرم افزار این اطلاعات را تحلیل وپرس-و¬جوها ارزش¬گذاری می¬شوند،تاپرس¬و¬جوها براساس این ارزش¬گذاریخوشه¬بندی ¬شوند. با استفاده از الگوریتم خوشه بندی k-means به توصیف و تحلیل اطلاعات پرداخته شده است. رکوردهایی که توسط پرس¬وجوهای هر خوشه مورد دستیابی قرار می¬گیرند را در یک جدول نگهداری می¬کنند تا از این به بعد هر وقت یکی از این پرسوجوها اجرا شد بجای مراجعه به جدول اصلی به جدول ثانویه¬ی مربوط به خوشه خود مراجعه کرده و نتایج را برای کاربر نمایش دهد، با این کار مدت زمان پاسخ یک پرس¬وجو کاهش خواهد یافت. ملاک¬ ارزشیابی در این پایان¬نامه مقایسه کمترین، متوسط و بیشترین زمان اجرای پرس¬وجوها قبل و بعد از داده¬کاوی است. با اتخاذ این تکنیک بهبود زمان اجرای پرس¬وجوها در کمترین حالت 17.23درصد، متوسط حالت19.05درصد و دربیشترین حالت 51.31 درصد بدست آمده است.

در امر آموزش ویژگی های مختلفی در یادگیری دانشجویان دخالت دارند. شناسایی این ویژگی ها در آموزش های مبتنی بر وب جهت شناسایی مشکلات و ارائه مشاوره به دانشجویان بدلیل تعامل غیرمستقیم استاد و دانشجو از اهمیت ویژه ای برخوردار است. در این تحقیق با انجام مطالعات و با استفاده از دانش افراد خبره ویژگی های تاثیرگذار بر یادگیری دانشجویان شناسایی گردیده و با استفاده از روش انتخاب ویژگی، ویژگی های تاثیرگذار بر یادگیری و عملکرد افراد انتخاب شده و سپس خوشه بندی فازی بر روی ویژگی های انتخاب شده انجام پذیرفت تا اهمیت و درجه ارتباط آنها نسبت به هم مشخص گردد. همچنین در جهت پیش بینی عملکرد، افزایش کارایی و موفقیت یادگیری دانشجویان، تکنیک های خوشه بندی، کشف قوانین همبستگی، کلاس بندی و تشخیص ناهمگونی بر روی نمرات دانشکده کامپیوتر و فناوری اطلاعات دانشگاه امیرکبیر اعمال گردید. فیلدهایی که در این تحقیق به عنوان متغیر در نظر گرفته شده، نمره میان ترم، پایان ترم و نمره نهایی دروس اخذ شده در یک ترم توسط دانشجویان ورودی 1385 تا 1391 این دانشگاه است. نتایج بدست آمده در این تحقیق نشان دهنده بالاترین دقت در استفاده از روش خوشه بندی و پایین ترین دقت در استفاده از روش کشف قوانین همبستگی می باشد. بر مبنای این نتایج می توان هر دانشجو را از ابتدای ترم راهنمایی و با توجه به نمراتی که در طول ترم کسب می کند، او را از محدوده نمره نهایی خود آگاه کرد و بر طبق توانایی هایش برنامه ریزی مناسب تحصیلی نمود. این الگوها می توانند برای کارآمدتر ساختن فرآیند یادگیری موثر باشند.