افزایش تعداد گره ها در شبکه های کامپیوتری موجب افزایش تعاملات و در نتیجه افزایش پیچیدگی در سیستم های کنونی می شود. از اینرو در سیستم های متمرکز سربار محاسباتی و امنیتی گره مرکزی افزایش یافته که با گسترش شبکه های کامپیوتری این امر موجب کاهش کارایی و امنیت سیستم شده است. از اینرو این سیستم ها با تجمیع مدیریت امنیت سیستم و استفاده از سرویس های متعدد نظیر تعیین هویت، سطح دسترسی و اعتماد، سعی در ایجاد محیطی امن برای تعاملات و ورود و خروج کاربران دارند. ولی ثبت ورود و خروج ها در تمامی موارد نمی تواند امنیت ارتباطات را تضمین نماید؛ زیرا باید سیستم دیگری تمامی ورود و خروج ها را در تمامی دامنه ها کنترل کند. استفاده از روش های نوین مانند محاسبات خودمختار می تواند رویکردهای مناسبی جهت مواجهه با چالش های موجود ارائه دهد. محاسبات خودمختار با الهام از عملکرد اجزای بدن انسان رویکردی جهت غلبه بر پیچیدگی در محیط های شبکه ای ارائه می کند. سیستم ایمنی زیستی یک سیستم خودمختار است که در آن تمامی عملیات کنترل و برقراری امنیت، بدون دخالت سیستم مرکزی مغز صورت می پذیرد. از این رو مطالعه و بررسی عملکرد سیستم ایمنی می تواند رویکرهای نوینی جهت غلبه بر مشکلات سیستم های کنونی ارائه نماید. از اینرو در این تحقیق سعی شده است تا مدلی بر اساس عملکرد خودمختار عناصر سیستم ایمنی که لنفوسیت نام دارند ارائه شود. در مدل پیشنهادی، با مدل سازی سیستم ایمنی توسط یک سیستم چندعاملی که عناصر خودمختار آن دارای امکان تعامل و یادگیری می باشند، یک سیستم تشخیص نفوذ دوسطحی مبتنی بر ناهنجاری-امضاء ارائه شد که تطبیق پذیری آن با شرایط سیستمی سبب کاهش نرخ مثبت کاذب و همگرایی شبکه به یک وضعیت پایدار گردید.

پیشرفت تکنولوژی در حوزه ی ارتباطات و افزایش ضریب نفوذ اینترنت میان کاربران باعث ایجاد بستری عظیم از اطلاعات شده است که زندگی روزمره ی انسانها را توصیف می کند. یکی از بسترهای ارتباطی فعال برای تحقق این توصیفات، بلاگستان است که در آن کاربران به واسطه منتشر کردن مطالب خود با دیگران به تبادل نظر می پردازند و در مدتی نه چندان طولانی اجتماعی را تشکیل می دهند که در پی رخدادهای واقعی از خود عکس العمل نشان داده و باعث تشدید احساسات این مجموعه از کاربران می شود. این رفتار در صورت تحلیل می تواند نشانگر مسیر گرایش جامعه بوده و با کمّی کردن پارامترهایی که این جامعه و رفتار را توصیف می کنند می توان به پیش بینی رفتار آتی آن نیز پرداخت. الگوریتم pso مبتنی بر رفتارهای موجودات در طبیعت، اساس مناسبی برای مدل کردن یک جامعه با این مشخصات است. با استفاده از این الگوریتم می توان گام های حرکت یک اجتماع از کاربران را دنبال کرده و با مدل کردن فرآیند حرکت، به پیش بینی جهت حرکت پرداخت. این پژوهش با ارائه ی مدلی برای پردازش داده های این اجتماع از کاربران، مبتنی بر الگوریتم pso، راه حلی برای پردازش این داده ها در دنیای واقعی ارائه می دهد که بتواند با افزایش حجم داده مقیاس پذیری لازم را داشته باشد و در عین حال کارایی و دقت مورد نیاز را نیز ارائه دهد. دقت و کارایی این مدل با آزمون استاندارد کای دو سنجیده شده و نشانگر بهبود کارایی نسبت به این آزمون آماری بوده است. این مدل با کشف کردن گرایش عمومی بلاگستان در زمان قابل قبول و دقت مناسب، شرایط را برای پیش بینی گرایش آتی بلاگستان فراهم می کند به نحوی که با الگوریتم های متداول یادگیری ماشین بتوان پیش بینی های مورد نیاز را انجام داد. دقت این پیش بینی ها از سناریو های واقعی مانند سیستم پیشنهاد دهنده ی netflix نتایج بهتری را کسب کرده است.

از آنجا که لینک ها نشان دهنده یک ارتباط یکتا میان نود ها می باشند، خوشه بندی بر اساس لینک، گروهی از لینک ها را که دارای مشخصات یکسانی هستند کشف می کند. در این تحقیق برای اولین بار از الگوریتم ژنتیک و استراتژی تکامل بصورت همزمان برای خوشه بندی بر روی لینک ها استفاده می شود. آزمایشات روی شبکه های مختلف، کارایی، پیچیدگی زمان و فضای الگوریتم را ارزیابی می کنند.