با توجه به رشد سریع داده ها در سال های اخیر به تکنیکی برای مدیریت این داده ها نیاز داریم. بنابراین شرکت های مختلف چارچوب هایی را برای این منظور پشنهاد داده اند. چارچوب های mapreduceو apache spark از این دست هستند. این چارجوب ها پیچیدگی های برنامه نویسی موازی همانند توزیع داده ها و زمانبندی را رفع می کنند. در این میان پرس و جو این حجم از داده ها نیز اهمیت بسیاری دارد. بنابراین در این پژوهش روشی برای بهبود کارایی و سرعت پرس وجو در داده های عظیم پیشنهاد دادیم.

سیستم های ذخیره سازی مقیاس پذیر که قادر اند به صورت خطی رشد کنند و کارایی بالایی را برای محیط های محاسباتی بزرگ فراهم کنند، می توانند پاسخ مناسبی به چالش های مربوط به انواع بارهای کاری که در ارتباط با داده های عظیم هستند، بدهند. در هنگام بررسی سیستم های ذخیره سازی ابتدا باید نوع بار کاری را تشخیص دهیم و تحلیل کنیم و متناسب با آن، انواع تکنیک های مرتبط با قابلیت اطمینان، بازیابی اطلاعات، خاصیت تحمل خطا، امنیت و مقیاس پذیری را بکار گیریم. در این پژوهش چالش های اساسی و امنیتی فایل سیستم های خوشه ای در ارتباط با مسائل و نیاز های زیر ساخت های ابری و داده ای عظیم، بررسی شده است، سپس در جهت پاسخ گویی به این چالش ها معماری امنی ارائه شده که قادر به حفظ محرمانگی و جامعیت داده های ذخیره شده در ابر است

شبکه های حسگر بی سیم از گره های ثابت با منابع محدود از لحاظ قدرت باتری، سرعت پردازنده، حافظه و برد رادیویی تشکیل شده است. ایجاد یک شبکه حسگر امن به دلیل رسانه ی بی سیم و این واقعیت که شبکه حسگر بی سیم به صورت فیزیکی محافظت نمی شود، آن را با چالش هایی روبه رو کرده است. ازاین رو، روش های تشخیص نفوذ جهت تشخیص برخی از خطرناک ترین حملات باید طراحی شود. علاوه بر این، این روش ها با توجه به ماهیت محدودیت منابع شبکه حسگر بی سیم باید بسیار سبک باشد.ما بر روی پیشنهاد یک سیستم تشخیص نفوذ سبک و وفقی مبتنی بر همسایه برای تشخیص دو حمله سلام سیل آسا و ارسال انتخابی تمرکز کرده ایم. در سیستم تشخیص نفوذ پیشنهادی فرض کرده ایم که یک عامل ids بر روی هر گره اجرا می شود و تشخیص نفوذ به صورت محلی انجام می شود. در این معماری به منظور صرفه جویی در مصرف انرژی هیچ گونه همکاری بین عامل های ids وجود ندارد. گره های حسگر داده های ممیزی در مورد همسایه ها را جمع آوری کرده و تجزیه وتحلیل لازم را بر روی آن ها انجام می دهند. روش پیشنهادی با استفاده از فیلترینگ الفا-بتا خود را با تغییرات پویای شبکه وفق می دهد و قادر به تشخیص حمله تبانی در سلام سیل آسا و ارسال انتخابی است. در تشخیص حمله سلام سیل آسا برای افزایش دقت تشخیص و کاهش نرخ مثبت کاذب از دو روش تشخیص استفاده شده است. به منظور تصمیم گیری نهایی در مورد نرمال یا مخرب بودن گره ها به هر روش ضریب اعتمادی داده و با هم ترکیب می شوند.