با رشد علم کامپیوتر در ابعاد مختلف و افزایش استفاده مخرب از آن،بحث امنیت و رمزگذاریمطرح می گردد.گاهیتجزیه و تحلیل رمز، علاوه بر شکستن امنیت یک سیستم رمزنگاری، به منظور ارزیابی یک پروتکل یا الگوریتم رمزنگاریو برای کشف ضعف ها و آسیب پذیری های احتمالی آن صورت می پذیرد. برهمین منظور سعی بر آن است که در ابتدا مروری هرچند مختصر بررمزنگاری،روش های رمزنگاری مبتنی بر کلیدو انواع حملات داشته باشیم. یکی از شاخه های رمزنگاری، رمزنگاری عصبی است که از الگوریتم های شبکه عصبی در رمزنگاری و رمز شکنیاستفاده می کند.به دلیل توانایی تولید هر تابعی توسط شبکه عصبی و نیز قدرت آن به عنوان ابزاری جهت پیدا نمودن معکوس هر الگوریتم رمزنگاری، شبکه های عصبی را به عنوان یک روش جدید برای حمله به الگوریتم های رمزنگاری پیشنهاد داده اند. اما از طرف دیگر ممکن است در مواردی، برای حل مسئله تحلیل رمز دچار محدودیت هایی هم باشند. با کمک گرفتن از محاسن شبکه عصبی مصنوعی،رمز جانشینی caesar مورد حمله ای از نوع متن انتخاب شده قرار داده شد.و این نتیجه حاصل گشت که اگر شبکه عصبیبا 27 کلید آموزش داده شده باشد رمز سزار 100% قابل شکست می باشد. اما شبکه ای که با تعداد کلید کمتری آموزش دیده باشد نیز می تواند، رمز سزار را بشکند. کمترین تعداد کلیدی که برای آموزش می توان استفاده نمود 8 کلید می باشد. به این ترتیب توانستیم با شبکه عصبی و حمله متن انتخاب شدهدر رمز سزار پی به کلید رمزنگاری شده ببریم.علاوه بر الگوریتم رمز سزار تستی دیگر، بر یک نوع از الگوریتم های رمزکننده جایگشتی همچون railfence انجام شد. و تاثیر عواملی چون افزایش داده های آموزشی، افزایش تعداد لایه های میانی و تعداد نرون های متفاوت در هر لایه میانی، بررسی گردید. و در انتها در رمزrailfenceاین نتیجه حاصل گشت که به کمک حمله متن انتخاب شده، قادر به بازیابی کلید، با ماکزیمم درستی 44.4% می باشیم. در ادامه با حمله ای دیگر به شکستن رمز به کمک شبکه های عصبی پرداختیم. در این آنالیز فقط متن رمزشده وجود دارد. برهمین اساس رمزگشایی براساس توزیع احتمالات، مشخصات متن رمزشده موجود و به همراه دانش عمومی است. هدف از این حمله پیدا کردن متن واضح متناظر با متن رمزشده و درصورت امکان کلید می باشد. برای رسیدن به این هدف از دو شبکه عصبی مصنوعی استفاده گردیده است. شبکه عصبی مصنوعی1 از روی متن رمز شده متن اصلی متناظر آن را بدست می آورد. و شبکه عصبی مصنوعی2با گرفتن متن رمز شده و متن اصلی، کلیدرمزنگاری استفاده شده را شناسایی می کند. این روش بر روی برخی از الگوریتم های رمزکننده جانشینی از قبیل caesarوaffinetransformation با احتمال 100% و بر روی vigenereوbeaufortبا درصد درستی 83.3% قادر به بازیابی کلید و شکستن الگوریتم رمزنگاری استفاده شده می باشد. اما یک اشکال اساسی وجود دارد که باعث رد نمودن این روش می گردد.

مسئل? حفاظت از اقشار آسیب پذیر جامعه در مقابل موارد ناهنجار در صفحات وب، موجب احساس نیاز به پالایش صفحات وب شده است. یکی از جنبه های پالایش صفحات وب که امروزه بیش از پیش مورد توجه قرار گرفته است، طبقه بندی صفحات بر اساس میزان خشونت آمیز بودن آن ها است. طبقه بندی در واقع نسبت دادن یک صفحه به یک یا چند موضوع از پیش تعیین شده با استفاده از الگوهای آموزش داده شده می باشد. سیستم با استفاده از یک سری صفحات آموزشی که موضوع آن ها از قبل تعیین شده است، آموزش داده می شود تا بتواند اسناد جدید را به صورت صحیح طبقه بندی نماید. روش های مختلفی برای این کار وجود دارد که اغلب روش های آماری یا هوش مصنوعی می باشند. در این پایان نامه رویکرد همنشینی کلمات برای طبقه بندی صفحات وب فارسی پیشنهاد شده است. در واقع با استخراج میزان همنشینی کلمات خشونت آمیز با هم و با کلمات تعدیل کنند? خشونت ، متون فارسی به دو دسته خشونت آمیز و غیرخشونت آمیز طبقه بندی می شوند. به دلیل عدم وجود مجموع? داده استاندارد، صفحات وب به صورت دستی جمع آوری شده است. در روش ارائه شده، در فاز آموزش از 70 داد? آموزشی برچسب دار استفاده شده است. در این فاز با استفاده از داده ها، میزان همنشینی کلمات خشونت آمیز با هم و با کلمات تعدیل کنند? خشونت محاسبه شده و ماشین آماد? طبقه بندی صفحات جدید می شود. برای سنجش کیفیت کار نیز از 120 صفح? وب استفاده شده است و در نهایت الگوریتم طبقه بندی کننده توانسته است به دقت 175/97% دست پیدا کند.

qsar یا بررسی رابطه¬های کمی ساختمان و فعالیت ترکیب ها روشی است که مدلهای ریاضی یا کامپیوتری را به منظور یافتن رابطه معنی دار آماری بین فعالیت و ساختار بکار میگیرد. یکی از مهمترین مرحله های انجام qsar انتخاب ویژگی است. انتخاب ویژگی عبارت است از انتخاب یک زیر مجموعه از ویژگیهای مجموعه داده بطوریکه این ویژگیها اطلاعات مفیدی در اختیار ما بگذارند. فایدههای انتخاب ویژگی عبارت است از کاهش زمان محاسبه، حافظه مورد نیاز، کاهش زمان یادگیری، بهبود کارائی پیشگویی و حذف دادههای مخدوش است. ما انواع روشهای انتخاب ویژگی که شامل روشهای خطی و غیرخطی است را بکار بردیم. برای انجام انتخاب ویژگی از جعبه ابزارهای مختلفی استفاده کردهایم. برای مدلسازی از دو روش استفاده شده است: رگرسیون مرحلهای که یک روش خطی است و شبکه عصبی که روش غیرخطی محسوب می گردد. به منظور انجام سریع و یکپارچه محاسبات 2d-qsar، جعبه ابزاری را در متلب ایجاد کرده ایم. نام این جعبه ابزار fqsar است. از مزیت های این جعبه ابزار افزایش سرعت و دقت در انجام محاسبه ها است. به راحتی می توان انواع روشهای انتخاب ویژگی و مدلها را به آن اضافه نمود. برای ارزیابی جعبه ابزار و روشهای انتخاب ویژگی، نتیجه ی محاسبه ها بر روی سه تا مجموعه داده با استفاده از این جعبه ابزار مورد بررسی قرار گرفته است.

پیش بینی آینده دانشی است که در دهه های پایانی قرن حاضر ، پدید آمده است و برخلاف شیوه های سنتی ، تاحدود زیادی بر اصول علمی تکیه دارد. استفاده از روشهایی برای پیش بینی وضعیت آینده، همواره دغدغه اصلی اندیشمندان علوم مختلف بوده است. در این راه بطور طبیعی، روشهایی، قابلیت ماندگاری و کاربردی مناسب دارند که دارای کمترین خطای ممکن در پیش بینی باشند .با توجه به اهمیت بالای آموزش عالی، چالش¬های موجود در این زمینه باعث شده که دست¬اندر کاران آموزش به دنبال روش¬هایی جهت شناسایی زودهنگام دانشجویان در معرض خطر و بهبود نرخ فارغ التحصیلی دانشجویان باشند. دراین پایان¬نامه به منظور بررسی عوامل موثر بر فارغ-التحصیلی دانشجویان از چهار مدل داده¬کاوی (شامل رگرسیون لجستیکی، درخت تصمیم، شبکه ی عصبی و مدل های جنگل تصادفی) استفاده شده است. سپس با بررسی کارکرد مدلها، در حوزه داد¬ه¬های مرتبط با پیش بینی فارغ¬التحصیلی، به انداز¬هگیری خطاهای پیش بینی این چهار روش پرداخته شده است. در حالت کلی مقایسه ها در دو حالت انجام شده است، در حالت اول هرکدام از روش ها بدون استفاده از نمونه برداری پیاده سازی شده و در حالت دوم با استفاده از نمونه برداری عمل شده است. با توجه به نتایج به دست آمده و علم به اینکه پارامتر دقت کلی مدل، مهمترین پارامتر برای ارزیابی این روش ها است، روش رگرسیون لجستیک در هر دو حالت دارای بالاترین دقت بود و گزینه مناسب برای پیش بینی فارغ التحصیلی دانشجویان می باشد. مدل رگرسیون لجستیک در رابطه با مجموعه داده ی دانشگاه نشان داد که gpa (معدل نمرات) ترم اول و دیپلم مهم ترین متغیرها هستند. بر اساس یافته های این مطالعه، موسسات می¬توانند از اطلاعات تحصیلی بخصوص داده¬های نیمسال اول در ایجاد مدل¬های داده¬کاوی استفاده کنند تا متغییرهای معنی داری را برای پیش¬بینی فارغ¬التحصیلی دانشجویان بیابند. نتایج برگرفته از تحلیل¬های داده¬کاوی در توسعه¬ی برنامه¬های مداخله¬ای برای کمک به موفقیت دانشجویان در دانشگاه¬ها قابل استفاده هستند. روش تحقیق بکار گرفته شده در این مقاله شیوه مقایسه بوده است.

این پایان نامه پروژه ای در زمینه ارتباط بین نرم افزار هایarcengine و arcsde با محیط برنامه نویسی c# و بانک اطلاعاتی sqlserver برای ایجاد نرم افزاری برای انطباق کد پستی ده رقمی برروی نقشه پارسل مکانهای شهری تبریز می باشد.

مساله ی رنگ آمیزی گراف یکی از مسائل بهینه سازی است که الگوریتم های زیادی درباره ی آن ارائه شده است. این مساله چه از لحاظ تئوری و چه از لحاظ الگوریتمی بسیار مورد بررسی قرار گرفته است. از انواع مختلف الگوریتم ها برای رنگ آمیزی گراف می توان به الگوریتم های دقیق، یافتاری، متایافتاری و ... اشاره نمود. در حقیقت می توان گفت با ارائه ی هر رده از الگوریتم ها، رنگ آمیزی گراف به نوعی توسط آن مورد بررسی قرار گرفته و نتایج متفاوتی نیز ارائه گردیده شده، هوش گروهی یکی از رده های الگوریتم های متایافتاری می باشد که اساس آن الهام گرفته شده از زندگی جمعی جانداران مانند مورچه ها، زنبورها، پرندگان و ... می باشد. این رده از الگوریتم ها را می توان جزء جدیدترین الگوریتم های ارائه شده برای مسائل بهینه سازی عنوان کرد که به صورت گسترده در زمینه ی رنگ آمیزی گراف نیز مورد استفاده قرار گرفته اند.

با توسعه ی سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان ها مبدل گشته است. بنابراین روش و تکنیک هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز است. در سال های اخیر فناوری داده کاوی به یکی از مهمترین روش های استخراج مفاهیم از مجموعه ی داده ها تبدیل شده است. زیرا فناوری داده کاوی یک هوش علمی و تجاری با ارزش و تا حدودی پنهان را برای حجم زیادی از داده ها فراهم ساخته است. در این پژوهش با استفاده از نرم افزار آنالیز سرویس، تراکنش های یک ساله ی مربوط به 20000 شماره حساب یکی از موسسات مالی داخل کشور مورد بررسی قرار گرفت. در روش پیشنهادی مشتریان بر اساس نوع مشتری خوشه بندی شده و برای هر خوشه ای قوانینی متناسب با رفتار اعضای گروه مشخص می شود که در صورت انحراف از رفتار مشخص شده جزء موارد مشکوک شناخته خواهد شد. این قوانین در الگوریتم درخت تصمیم نوع c5.0 اعمال شده است. مدل ایجاد شده توانسته است تا حدود خیلی زیادی قوانین مرتبط با رفتار مشتریان را استخراج نماید. در نمودار مدل ساخته شده با انتخاب هر گره در جدول مربوطه، درصد احتمال موارد مشکوک مشخص شده است.

شبکه های اجتماعی، بویژه شبکه های اجتماعی آنلاین (osns) محبوبیت بزرگی در سال های اخیر کسب کرده-اند و در طی این سالها یکی از مهم ترین پدیده های علوم اجتماعی و کامپیوتر به شمار می روند. دراین پایان نامه به منظور بررسی عوامل موثر داده کاوی در شبکه های اجتماعی از چهار مدل داده کاوی (شامل رگرسیون لجستیکی، درخت تصمیم، شبکه ی عصبی و مدل های جنگل تصادفی)

سرویس های پویای وب در برابر گروه زیادی از تهدیدات آسیب پذیر هستند؛ از این رو امنیت این سرویس ها یکی از مهم ترین دغدغه ها در دنیای وب است. برای حفظ امنیت این سرویس ها می توان از سیستم های تشخیص نفوذ استفاده کرد. این پایان نامه به بیان راهکار پیشنهادی ما در تشخیص خودکار تهدیدات سایبری با استفاده از روش های کاربرد کاوی وب در لایه ی کاربرد می پردازد. به همین منظور ما به ارائه ی یک سیستم تشخیص نفوذ در حالت آفلاین می پردازیم که دارای بخش های مختلفی جهت شناسایی حملات است و شناسایی انواع حملات دارای پراکندگی های مختلف در داده را مقدور می سازد. در این تحقیق فایل های ثبت وقایع بدست آمده از سرویس دهنده ی وب به عنوان ورودی سیستم مورد استفاده قرار می گیرند و پس از انجام پیش پردازش های مورد نیاز روی آن ها، اسکنرها و حملات شناخته شده و دارای امضا شناسایی می گردند و سپس ویژگی ها از فایل های ثبت وقایع و پارامتر های ارسالی توسط http با استفاده از ? روش مختلف استخراج می شوند و با استفاده از دو الگوریتم خوشه بندی بر مبنای means-k، رفتار های غیر عادی موجود در داده ها تفکیک می شوند. به-منظور بررسی عملکرد سیستم پیشنهادی با موارد مشابه، پیاده سازی برخی روش های موفق پیشین در این سیستم ها را در کنار روش های پیشنهادی انجام داده ایم تا بتوان معیارهای ارزیابی را برای هر دو حالت محاسبه و مقایسه کرد. روش های پیشنهادی که در این پایان نامه ارائه شده برای استخراج بردارهای ویژگی و خوشه بندی، باعث ارائه ی سیستمی می گردد که نسبت به سیستم های مشابه خود، دارای دقت تشخیص بیش تر و نیز نرخ هشدارهای اشتباه کمتری می گردد؛ بعلاوه به دلیل استفاده از بخش های مختلف تشخیص نفوذ بصورت ترکیبی، دامنه ی تشخیص حملات تحت پوشش توسط این سیستم گسترش قابل توجهی داشته است.

داده کاوی روشی جهت کشف قوانین و دانش ناشناخته است که به عنوان یک روش مفید به منظور کار روی پایگاه داده های بزرگ شناخته شده است. رقابتی شدن بازارهای جهانی و منطقه ای، موسسات را ملزم به ایجاد مزیت های رقابتی در تولید، ارایه خدمات و افزایش رضایت مندی و جذب بیشتر مشتریان نموده است. با رقابتی شدن خدمات مخابراتی مدیریت ارتباط با مشتری در این بخش اهمیت زیادی یافته است. بکارگیری تکنیک های داده کاوی روی داده های مخابراتی باعث کشف دانش پنهان در مورد رفتار مشترکین می گردد. بر همین اساس بسیاری از شرکت ها، موسسات و سازمان ها به این باور رسیده اند که گردآوری، سازماندهی و یکپارجه سازی داده ها در یک مخزن داده برای مدیریت بهینه و گرفتن تصمیمات کلان یک ضرورت می باشد. جامعه آماری این پژوهش شامل 2000 مشترک تلفن همراه شرکت ارتباطات سیار ایران اعم از دایمی و اعتباری می باشد. داده های مورد مطالعه در این پژوهش به صورت جزییات تماس مشترکین در دو دوره پیوسته می باشد که در مجموع 4000 رکورد برای 2000 مشترک وجود دارد. پژوهش از سه مرحله تشکیل شده است. در مرحله اول از قوانین انجمنی برای شناسایی ارتباط بین ویژگی های مشترک مورد استفاده شده است. در مرحله دوم با استفاده از تکنیک های خوشه بندی مشترکین را به چهار دسته تقسیم می شود. در مرحله سوم از درخت تصمیم cart که بیشترین دقت را در بین دیگر تکنیک های پیشگویی دارد استفاده می شود. قوانین تولید شده علت ترک مشترکین را توصیف خواهد نمود.

شبکه های اجتماعی آنلاین سرویس آنلاین است که تعاملات اجتماعی و روابط زندگی واقعی را شبیه سازی می کند. و ا جازه می دهد تا کاربران در شبکه های اجتماعی با کاربران دیگر ارتباط برقرار کنند و آنها را به لیست دوستان خود اضافه کنند.

مزایده ی ترکیبی، مزایده ای است که در آن برگزار کننده مزایده تعداد زیادی از کالاها را در معرض فروش قرار می دهد و شرکت کنندگان به تعدادی از این کالاها پیشنهاد می دهند. در این نوع مزایده ها هدف پیدا کردن پیشنهادهای برنده است به طوری که سود حاصل برای برگزار کننده مزایده بیشینه گردد و با این محدودیت که هر یک از کالا ها فقط به یک پیشنهاد دهنده اختصاص داده می شود. این نوع مسائل، مسائل پیچیده‏ای هستند که ارائه راه حلی با پاسخ و زمان مناسب برای آن‏ها مشکل است و تا کنون الگوریتم شناخته شده ای در زمان چند جمله ای ارائه نشده است. ازاین رو هدف این پایان نامه ارائه یک روش جدید مبتنی بر نظریه بازی ها برای حل مسئله ی تعیین برنده است

در دوره اخیر فراگیری استفاده از فناوری اینترنت باعث بروز حملات متعددی شده که هدف عمده این حملات، به خطر انداختن یکپارچگی، قابلیت اطمینان سیستم و دسترسی غیرمجاز به منابع خاص هست. ینابراین یک سیستم ترکیبی دو مرحله ای برای تشخیص نفوذ ایجاد شده است.