دانلود فایل ورد word پروژه الگوریتم طبقه بندی k نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری

۰۴ اسفند ۱۳۹۹ 0 By
    • نوع فایل word (قابل ویرایش) تعداد صفحات ۱۱۰ صفحه حجم ۲۵۴۷ کیلوبایت چکیده پردازش ابری و محیط ابر و پایگاه داده های ابری محل ذخیره سازی اطلاعات روی وب می باشد و برای بالا بردن امنیت در آن ها باید بهترین راه حل را استفاده کرد مساله ما در اینجا طبقه بندی داده های محرمانه و فوق محرمانه و سپس رمزگذاری آن ها برای ذخیره در ابر می باشد برای این کار س
    • نوع فایل: word (قابل ویرایش)
      تعداد صفحات : ۱۱۰ صفحه
      حجم : ۲۵۴۷ کیلوبایت
      چکیده:
      پردازش ابری و محیط ابر و پایگاه داده های ابری محل ذخیره سازی اطلاعات روی وب می باشد و برای بالا بردن امنیت در آن ها باید بهترین راه حل را استفاده کرد. مساله ما در اینجا طبقه بندی داده های محرمانه و فوق محرمانه و سپس رمزگذاری آن ها برای ذخیره در ابر می باشد برای این کار سرعت و دقت بسیار مهم می باشد. در این پژوهش یک الگوریتم طبقه بندی داده فازی، در محیط ابری استفاده شده است که در نهایت با زبان جاوا و در شبیه ساز کلودسیم شبیه سازی شد و توانست طبقه¬بندی موثری برای داده¬ها در محیط ابر ایجاد کند.
      الگوریتم طبقه بند ارایه شده، الگوریتم k-نزدیک ترین همسایه فازی است. با توجه به خصوصیات خوبی که الگوریتم k-نزدیک¬ترین همسایه فازی دارد توانست با سرعت و دقت بیشتر داده های محرمانه، فوق محرمانه و عمومی را طبقه بندی کند و برای رمزگذاری مناسب برای ذخیره سازی در ابر آماده کند و کارایی طبقه بندی داده برای ذخیره سازی در ابر را بهبود بخشد.
      روش کار بدین صورت می باشد که داده های یک پایگاه داده ۱۵۰۰۰ رکوردی ابتدا توسط الگوریتم k-نزدیک ترین همسایه عادی طبقه بندی می شود و داده ها به مرحله رمزگذاری فرستاده می¬شوند و در نهایت در ابر ذخیره می شوند و در مقابل آن همان پایگاه داده توسط الگوریتم k-نزدیک ترین همسایه فازی طبقه-بندی می شود و به سه کلاس فوق محرمانه، محرمانه و عمومی به مرحله بعدی که رمزگذاری و ذخیره در ابر می باشد فرستاده می شود. در پیاده سازی این روش از زبان جاوا و شبیه ساز کلودسیم استفاده شده است و نتایج حاصل به خوبی بیانگر کارایی بهتر الگوریتم k-نزدیک ترین همسایه فازی می باشد که موجب تولید نتایج بهتر نسبت به الگوریتم k-نزدیک ترین همسایه عادی می¬شود .
      واژه های کلیدی:
      پردازش ابری، امنیت، طبقه بندی k-نزدیک ترین همسایه، طبقه بندی k-نزدیک ترین همسایه فازی
      فهرست مطالب

      چکیده: ۱
      فصل اول: مقدمه ۲
      ۱-۱ مقدمه ۲
      ۱-۲ تعریف مساله و بیان سوال¬های اصلی تحقیق ۳
      ۱-۳ سابقه وضرورت انجام تحقیق ۴
      ۱-۴ هدف¬ها ۸
      ۱-۵ جنبه نوآوری تحقیق ۹
      ۱-۶ مراحل انجام تحقیق ۹
      ۱-۷ ساختار تحقیق ۹
      فصل دوم: مباحث عمومی پردازش ابری، امنیت و شبیه سازی ۱۰
      ۲-۱ مقدمه ۱۰
      ۲-۲ تاریخچه ی مختصری از رایانش ابری ۱۱
      ۲-۳ وضعیت کنونی رایانش ابری ۱۲
      ۲-۴ خصوصیات رایانش ابری ۱۳
      ۲-۴-۱ ویژگی کلیدی رایانش ابری ۱۷
      ۲-۴-۲ مزایای اصلی رایانش ابری ۱۸
      ۲-۴-۳ کارهای امکان پذیر در رایانش ابری. ۱۸
      ۲-۵ معماری رایانش ابری ۱۹
      ۲-۶ امنیت و چالشهای رایانش ابری ۲۱
      ۲-۷ امنیت در رایانش ابری ۲۲
      ۲-۸ نقاط ضعف رایانش ابری ۲۲
      ۲-۸-۱ نیاز به اتصال دائمی اینترنت ۲۲
      ۲-۸-۲ کار نکردن با اینترنت کم سرعت ۲۳
      ۲-۸-۳ حفظ حریم خصوصی ۲۳
      ۲-۹ معایب امنیتی در محیط های ابری ۲۳
      ۲-۹-۱ موقعیت داده ۲۴
      ۲-۹-۲ تفکیک داده ها ۲۴
      ۲-۱۰ تامین امنیت داده ها ۲۴
      ۲-۱۰-۱ کنترل و دسترسی ۲۵
      ۲-۱۰-۲ رمزگذاری ۲۵
      ۲-۱۱ مقدمه ای بر شبیه سازی ۲۶
      ۲-۱۲ برخی نرم افزارهای شبیه سازی شبکه های محاسباتی ۲۸
      ۲-۱۳ آشنایی با ابزار کلودسیم ۲۹
      ۲-۱۳-۱معماری کلودسیم ۳۰
      ۲-۱۴ مدل های تخصیص ماشینهای مجازی ۳۱
      ۲-۱۵ کلاس های موجود در کلودسیم ۳۲
      ۲-۱۶ جمع بندی ۳۵
      فصل سوم: مروری بر کارهای گذشته والگوریتم های رمزنگاری ۳۷
      ۳-۱ مقدمه ۳۷
      ۳-۲ معرفی روش ۳۸
      ۳-۳ سوابق کاری گذشته ۳۹
      ۳-۴ اهداف روش ۴۱
      ۳-۵ طبقه بندی داده ها ۴۲
      ۳-۵-۱ یادگیری ماشین ۴۲
      ۳-۶ تعریف داده حساس و غیرحساس ۴۶
      ۳-۷ طبقه بند-Kنزدیک ترین همسایه ۴۸
      ۳-۸ رمزنگاری با روشRSA 49
      ۳-۹ رمز و رمزنگاری ۴۹
      ۳-۹-۱ الگوریتم های رمزنگاری ۵۰
      ۳-۱۰ آراس ای ۵۲
      ۳-۱۰-۱ مراحل الگوریتم RSA 51
      ۳-۱۱ استاندارد رمزنگاری پیشرفته ۵۴
      ۳-۱۱-۱ شرح رمزنگاری ۵۵
      ۳-۱۲جمع بندی ۵۶
      فصل چهارم: معرفی روش پیشنهادی ۵۷
      ۴-۱ مقدمه ۵۷
      ۴-۲ معرفی روش جدید -Kنزدیک ترین همسایه فازی برای طبقه بندی داده در محاسبات ابری ۵۸
      ۱-۴-۲ نظریه مجموعه¬های فازی ۵۸
      ۴-۳ تفاوت در نتایج حاصله از الگوریتم¬های طبقه¬بندی ۵۸
      ۴-۴ چهارچوب مورد استفاده ۵۹
      ۴-۵ روش پیشنهادی ۵۹
      ۴-۵-۱ داده آموزشی و داده تست ۶۱
      ۴-۵-۲ ذخیره در ابر ۶۲
      ۴-۵-۳ روش کار الگوریتمKNN 62
      ۴-۵-۴ روش کار الگوریتمF-KNN 64
      ۶-۴ جمع¬بندی ۶۶
      فصل پنجم:آزمایش ها و ارزیابی نتایج ۶۷
      ۵-۱ مقدمه ۶۷
      ۵-۲ جایگاه داده آزمایش ومحیط پیاده سازی واجرا ۶۸
      ۵-۳ مقایسه نتایج بدست آمده از الگوریتم -K نزدیک ترین همسایه عادی و فازی ۷۲
      ۵-۴ خصوصیات لایه نرم افزار به عنوان سرویس ۷۶
      ۵-۵ خصوصیات لایه پلتفرم به عنوان سرویس برای مدیریت مجازی ۷۷
      ۵-۶ خصوصیات لایه زیرساخت به عنوان سرویس در شبیه¬سازی ابر ۷۸
      ۵-۷ نرخ شناسایی ۷۹
      ۵-۸ نتایج شبیه سازی ۸۰
      ۵-۹ زمان شبیه سازی مراحل کار ۸۱
      ۵-۱۰ جمع¬بندی ۸۳
      فصل ششم:نتیجه گیری و پیشنهادها ۸۴
      ۶-۱ مقدمه ۸۴
      ۶-۲ نتایج حاصل از تحقیق ۸۴
      ۶-۳ پیشنهادها ۸۵
      مراجع: ۸۶
      واژه نامه انگلیسی ۸۹
      چکیده انگلیسی

    • سایز : ۱.۵۷۹ مگا بایت
    • فرمت : doc
    • تعداد صفحات : ۱۱۰
  • برای مشاهده تصویر این فایل اینجا کلیک کنید.

FileHub ID : SID20590

لینک کوتاه این مطلب: https://filehub.ir/w9JVw
<<ادامه  پورت-موازي-و-استفاده-از-آن-در-پروژه‌ها-15-ص