دانلود تحقیق امنیت در رایانش ابری

این تحقیق بصورت Word و با موضوع امنیت در رایانش ابری و برای رشته مهندسی کامپیوتر مناسب و در 26 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

1- مقدمه

امروزه با توجه به پیشرفت هایی که در زمینه فناوری اطلاعات بوجود آمده است نیاز به محاسبات سنگین و حجیم رو به افزایش است.از این رو افراد مایل هستند که محاسبات خود را به آسان ترین و ارزان ترین وجه یعنی با کمترین هزینه سخت افزاری و نرم افزاری انجام دهند.محاسبات ابری بر مبنای شبکه های بزرگ همچون اینترنت می باشد و امکان دسترسی به منابع را بصورت انعطاف پذیر و مقیاس پذیر بر مبنای تقاضا و بصورت بلادرنگ از طریق اینترنت ارایه می نماید.

با معرفی مفهوم رایانش ابری متخصصان امر در ابتدا ضعف عمده این فناوری را امنیت آن دانسته و حتی تعدادی از مدیران شرکت های بین المللی حاضر به سپردن اطلاعات مهم خود به شرکت های ارایه دهنده ابر نشدند و اظهار نمودند تا امنیت این فناوری به حد قابل قبول و تضمین شده ای ارتقا نیابد از خدمات این فناوری استفاده نخواهند کرد.

امنیت اطلاعات در محیط های مجازی و بخصوص در رایانش ابری به عنوان یک امر حیاتی مورد توجه قرار گرفته است.اما باید به این نکته توجه داشته باشیم امنیت مطلق در محیط مجازی امکان پذیر نیست چرا که همیشه نقایص تازه و راه های جدید نفوذ و فرصت های نو برای ایجاد مشکل که همه اینها خود ناشی از خطاهای انسانی است وجود خواهد داشت.

فهرست مطالب

1- مقدمه. 1

2- تعریف امنیت اطلاعات.. 1

3- دلایل اهمیت امنیت اطلاعات.. 2

1-3- ارزش سرمایه گذاری روی تجهیزات سخت افزاری و برنامه های نرم افزاری.. 2

2-3- ارزش های سازمانی.. 2

3-3- ارزش داده های فردی.. 2

4-3- تهدیدات مجرمانه سایبری.. 3

4- امنیت اطلاعات در رایانش ابری.. 3

5- مسایل کلیدی امنیت... 3

1-5- اعتماد 3

2-5- دسترسی خودی.. 3

3-5- ترکیب سرویس های ابر. 4

4-5- مدیریت ریسک... 4

5-5- مدیریت هویت... 5

6-5- اعتبار سنجی.. 5

7-5- کنترل دستی.. 6

8-5- حفاظت داده. 6

9-5- پایگاه داده پردازش ابری.. 6

10-5- Sanitization. 6

11-5- قابلیت دسترسی.. 6

12-5- انکار سرویس.... 7

13-5- موقعیت داده ها 7

6 – تهدیدات امنیتی رایانش ابری.. 7

7- تجسس یک حمله به ابر آمازون 10

8- سیستم تشخیص و پیشگیری از نفوذ IDPS11

9- چالشهای به کارگیریIDPSدر محیطهای رایانش ابری.. 13

10- مجازی سازی امن با استفاده از تکنولوژی مبتنی بر هایپروایزور. 16

11- ریسک های بالقوه امنیت ابر و گام های احتمالی کاهش این ریسک ها18

1-11- داده های شما کجا قرار گرفته اند؟. 18

2-11- آیا داده های شما جدا سازی می گردد؟. 18

3-11- آیا حق دسترسی کاربر قابل اعمال است؟. 19

4-11- آیا ارائه دهنده سرویس ابری از مقررات لازم پیروی می نماید؟. 19

5-11- گزینه های خروج از بحران.. 19

6-11- چگونه درباره فعالیت نامناسب یا غیرقانونی در ابر تحقیق کنیم؟. 19

7-11- انعطاف پذیری سرور. 19

8-11- مدت زمان از کار افتادن ارائه دهنده سرویس.... 20

9-11- قابلیت حیات در طولانی مدت.. 20

12- پیشنهادات.. 21

فهرست شکل ها

شکل 1: آسیب پذیری در ابر و اثرات جانبی آن. 8

شکل 2: تهدیدها ، تاثیرات ، سرویس های متاثر و راه حلها9

شکل 3: تهدیدها ، تاثیرات ، سرویس های متاثر و راه حلها9

شکل 4: اجاره یک ماشین مجازی در ابر آمازون. 10

شکل 5: افزایش ظرفیت قربانی به واسطه اجاره ماشین های مجازی جدید. 10

شکل 6: قربانی ماشین های مجازی جدید اجاره می کند مهاجم نیز ماشین های مجازی جدیدی را اجاره می کند .11

شکل 7: اجرای ماشین های مجازی و مشاهده نحوه بکارگیری منابع پردازشی.. 11

شکل 8: روشهای امنیتی در رایانش ابری 15

دانلود تحقیق بررسی چالشهای امنیتی در شبکه های موردی وسایل نقلیه

این تحقیق بصورت Word و با موضوع بررسی چالشهای امنیتی در شبکه های موردی وسایل نقلیه (Security Analysis of Vehicular Ad Hoc Networks) و برای رشته مهندسی کامپیوتر مناسب و در 19 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

چکیده

شبکه های موردی وسیله نقلیه(Vanet) در حال تبدیل شدن به محبوب ترین نیازمندی جهت دسترسی و به اشتراک گذاری داده ها در حالی است که جابجایی رو به رشد است.برنامه های کاربردی نظیر خدمات پرداخت آنلاین، شناسایی موقعیت جغرافیایی، و غیره در شبکه موردی وسایل نقلیه باعث بهبود رانندگی ایمن، راحتی سرنشینان، ارائه فرصت های تجاری بزرگ و جلب توجه بیشتر و بیشتر در زندگی روزانه ما شده است. شبکه موردی وسایل نقلیه، وسایل نقلیه را به یک شبکه بزرگ موردی متحرک برای به اشتراک گذاشتن اطلاعات در مقیاس بزرگتر متصل می نماید. با فعال کردن وسایل نقلیه جهت برقراری ارتباط با همسایگان و به اشتراک گذاری وضعیت رانندگی خود، شبکه های موردی وسیله نقلیه به طور بالقوه با ممانعت از ترمز اضطراری، تغییر ناگهانی خطوط و غیرو از حوادث جلوگیری می نماید. ویژگیی‌های شبکه موردی وسایل نقلیه هر دو چالش ها و فرصت ها را در دستیابی به اهداف امنیت در برخواهد داشت. حملات مختلف در شبکه های موردی وسیله نقلیه شامل حمله Sybil، حمله محرومیت از خدمات(DOS)، گره های بدرفتار و معیوب، حمله مخرب، جعل، حمله تحلیل ترافیک، حمله جعل موقعیت، حمله فریب و ... می باشد.تامین امنیت در شبکه موردی وسایل نقلیه از لحاظ مخفی بودن کاربر، احراز هویت، یکپارچگی و حفظ حریم خصوصی داده ها مهم است. در این مقاله، بررسی جامع بر روی تهدیدها و آسیب پذیری در شبکه های موردی وسیله نقلیه مورد کاوش قرار گرفته و با جزئیات مورد تجزیه و تحلیل قرار خواهد گرفت. مقاصد امنیت به خطر افتاده برای هر تهدید مورد شناسایی و بحث شده است.

کلمات کلیدی: امنیت، شبکه‌های موردی وسیله نقلیه، تهدید، حمله به شبکه، تجهیزات کنار جاده(RSU).

فهرست مطالب

چکیده. 1

مقدمه. 2

1- معماری شبکه موردی وسایل نقلیه. 4

2- کاربردهای شبکه موردی وسیله نقلیه(VANET APPLICATIONS)6

3- اهمیت تأمین امنیت در شبکه موردی وسایل نقلیه. 7

4- اهداف امنیت.. 7

5- انواع حملات در شبکه موردی وسایل نقلیه. 8

5-1- حمله نابخردانه بر روی کلید. 8

5-2- حمله آنالیز ترافیک... 9

5-3- حمله Sybil9

5-4- حمله ممانعت از خدمات(DOS)10

5-5- حمله سیاه چاله(فرو چاله)12

5-6- ارسال انتخابی.. 12

5-7- حمله فریب.. 12

5-8- نرم افزارهای مخرب(تروجان)13

5-9- پخش هرزنامه(Spamming)13

5-10- رانندگان حریص(Greedy)14

5-11- حمله های مخرب(Malicious Attacker)14

5-12- تغییر هویت(Masquerading)14

5-13- جعل سیستم موقعیت یاب جهانی(GPS Spoofing)15

5-14- افراد موذی(Pranksters)15

نتیجه گیری.. 15

فهرست منابع. 16

دانلود تحقیق مقدمه ای بر داده کاوی و اکتشاف دانش Data Mining

این تحقیق بصورت Word و با موضوع مقدمه ای بر داده کاوی و اکتشاف دانش Data Mining و برای رشته مهندسی کامپیوتر مناسب و در 19 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

مقدمه

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده را پردازش کردواطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد .

با استفاده ار پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانشبپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .

داده کاوی یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود . علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .

باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .

هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

فهرست مطالب

مقدمه. 1

1- مفاهیم پایه در داده کاوی. 2

1-1- تعریف داده کاوی. 2

2- تاریخچه داده کاوی. 2

3- مراحل فرایند کشف دانش از پایگاه داده ها4

4- عملیاتهای داده کاوی. 5

4-1- مدلسازی پیشگویی کننده6

4-2- تقطیع پایگاه داده ها6

4-3- تحلیل پیوند. 7

4-4- تشخیص انحراف.. 7

5- الگوریتمهای داده کاوی. 8

5-1- شبکه های عصبی. 8

5-2- درخت های انتخاب.. 9

5-3- استنتاج قانون. 10

5-4- الگوریتمهای ژنتیک.. 10

6- مدل فرآیند دو سویه. 11

6-1- تعریف مساله. 11

6-2- ساختن یک پایگاه داده داده کاوی. 11

6-3- جستجوی داده12

6-4- آماده سازی داده برای مدل سازی. 13

6-5- ساختن مدل داده کاوی. 13

6-6- ارزیابی و تفسیر14

6-7- ایجاد معماری مدل و نتایج. 14

نتیجه گیری. 15

منابع و مراجع. 16

دانلود تحقیق دانش داده کاوی

این تحقیق بصورت Word و با موضوع دانش داده کاوی و برای رشته مهندسی کامپیوتر مناسب و در 15 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

چکیده

نمونه‌ای از کاربرد دانش داده کاوی استفاده از داده کاوی در زمینه‌های مالی و بانکداری است که به شناخت مشتریان پر خطر و سودجو بر اساس معیار هایی از جمله سن، درآمد، وضعیت سکونت، تحصیلات، شغل و غیره می انجامد. دانش داده کاوی با با دانش آنالیز آماری تفاوت دارد. این دانش با استخراج اطلاعات از چندین پایگاه داده، یکپارچه سازی اطلاعات، جلوگیری از افزونگی ومدیریت بروزرسانی، با در اختیار داشتن نرم‌افزارهای مخصوص و با ارایه گزارش و گراف به مدیریت داده‌ها در شرکت‌ها کمک می‌کند.

1- مقدمه

دانش داده کاوی یکی از ده دانش در حال توسعه است. در این مقاله به صورت کامل دانش داده کاوی(data mining) یا کشف دانش در داده‌ها معرفی شده است.برای یادگیری دانش داده کاوی نیاز است با مفاهیمی آشنا شویم:

داده کاوی استخراج اطلاعات مفهومی، ناشناخته و به صورت بالقوه مفید از پایگاه داده می‌باشد. Source: W.Frawley and G. Piatetsky. Knowledge Discovery IDataBases.ISSN ۰۷۳۸-۴۶۰۲ داده کاوی علم استخراج اطلاعات مفید از پایگاه‌های داده یا مجموعه داده‌ای می‌باشد. Source: D. Hand,H. Mannila,P. Smyth(۲۰۰۱).Principlesof Data Mining.MIT Press,Cambridge داده کاوی استخراج نیمه اتوماتیک الگوها، تغییرات، وابستگی ها، نابهنجاری‌ها و دیگر ساختارهای معنی دار آماری از پایگاه‌های بزرگ داده می‌باشد.Source: R.Grossman

فهرست مطالب

چکیده1

1- مقدمه. 1

2- تعاریف داده کاوی.. 1

3- تاریخچه داده کاوی.. 2

4- دانش داده کاوی(data mining)2

4- مراحل کشف دانش داده‌ها2

5- مراحل داده کاوی پایگاه داده3

6- مراحل فرایند داده کاوی.. 4

7- مفاهیم اساسی در داده کاوی.. 5

8- رابطه داده کاوی با آنالیز آماری.. 6

8-1- نمونه‌ای از روش آنالیز آماری.. 7

8-2- نمونه‌ای از روش داده کاوی.. 7

9- مثال تفهیمی در مورد داده کاوی.. 7

10- مثالی کلاسیک از کاربرد داده کاوی.. 8

11- فواید و نقش داده کاوی در فعالیت شرکتها10

نتیجه گیری.. 10

منبع. 12

دانلود تحقیق مقدمه ای بر داده کاوی

این تحقیق بصورت Word و با موضوع مقدمه ای بر داده کاوی و برای رشته مهندسی کامپیوتر و مناسب و در 32 برگه کامل می باشد.

در ادامه فهرست مطالب تحقیق آمده است . این تحقیق را می توانید بصورت کامل و آماده تحویل از پایین همین صفحه دانلود نمایید.

بلافاصله بعد از پرداخت و خرید ، لینک دانلود نمایش داده می شود، علاوه بر آن لینک فایل مربوطه به ایمیل شما نیز ارسال می گردد.

1- مقدمه ای بر داده‌کاوی

در دو دهه قبل توانایی های فنی بشر در برای تولید و جمع آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب و کار، علوم، خدمات دولتی و پیشرفت در وسائل جمع آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره ای، در این تغییرات نقش مهمی دارند[‎1].

بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند: داده کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می کنند، که این دانش به صورت ضمنی در پایگاه داده های عظیم، انباره داده  و دیگر مخازن بزرگ اطلاعات، ذخیره شده است. داده کاوی بطور همزمان از چندین رشته علمی بهره می برد نظیر: تکنولوژی پایگاه داده، هوش مصنوعی، یادگیری ماشین، شبکه های عصبی، آمار، شناسایی الگو، سیستم های مبتنی بر دانش ، حصول دانش ، بازیابی اطلاعات ، محاسبات سرعت بالا و بازنمایی بصری داده . داده کاوی در اواخر دهه 1980 پدیدار گشته، در دهه 1990 گامهای بلندی در این شاخه از علم برداشته شده و انتظار می رود در این قرن به رشد و پیشرفت خود ادامه دهد [‎2].

واژه های «داده کاوی» و «کشف دانش در پایگاه داده» اغلب به صورت مترادف یکدیگر مورد استفاده قرار می گیرند. کشف دانش به عنوان یک فرآیند در شکل1 نشان داده شده است.

کشف دانش در پایگاه داده فرایند شناسایی درست، ساده، مفید، و نهایتا الگوها و مدلهای قابل فهم در داده ها می باشد. داده کاوی، مرحله ای از فرایند کشف دانش می باشد و شامل الگوریتمهای مخصوص داده کاوی است، بطوریکه، تحت محدودیتهای مؤثر محاسباتی قابل قبول، الگوها و یا مدلها را در داده کشف می کند [‎1]. به بیان ساده تر، داده کاوی به فرایند استخراج دانش ناشناخته، درست، و بالقوه مفید از داده اطلاق می شود. تعریف دیگر اینست که، داده کاوی گونه ای از تکنیکها برای شناسایی اطلاعات و یا دانش تصمیم گیری از قطعات داده می باشد، به نحوی که با استخراج آنها، در حوزه های تصمیم گیری، پیش بینی، پیشگویی، و تخمین مورد استفاده قرار گیرند. داده ها اغلب حجیم ، اما بدون ارزش می باشند، داده به تنهایی قابل استفاده نیست، بلکه دانش نهفته در داده ها قابل استفاده می باشد. به این دلیل اغلب به داده کاوی، تحلیل داده ای ثانویه گفته می شود.

فهرست مطالب

1- مقدمه ای بر داده‌کاوی.. 1

1-1 چه چیزی سبب پیدایش داده کاوی شده است؟. 2

1-2 مراحل کشف دانش.... 4

1-3 جایگاه داده کاوی در میان علوم مختلف... 9

1-4 داده کاوی چه کارهایی نمی تواند انجام دهد؟. 10

1-5 داده کاوی و انبار داده ها 11

1-6 داده کاوی و OLAP. 12

1-7 کاربرد یادگیری ماشین و آمار در داده کاوی.. 13

2- توصیف داده ها در داده کاوی.. 13

2-1 خلاصه سازی و به تصویر در آوردن داده ها13

2-2 خوشه بندی 14

2-3 تحلیل لینک.... 15

3- مدل های پیش بینی داده ها15

3-1 Classification. 15

3-2 Regression. 16

3-3 Time series. 16

4 - مدل ها و الگوریتم های داده کاوی.. 16

4-1 شبکه های عصبی 17

4-2 Decision trees. 20

4-3 Multivariate Adaptive Regression Splines(MARS)22

4-4 Rule induction. 23

4-5 K-nearest neibour and memory-based reansoning(MBR)23

4-6 رگرسیون منطقی.. 24

4-7 تحلیل تفکیکی 25

4-8 مدل افزودنی کلی (GAM)26

4-9 Boosting. 26

5 - سلسله مراتب انتخابها26

منابع. 29

فهرست شکل ها

شکل1: داده کاوی به عنوان یک مرحله از فرآیند کشف دانش... 3

شکل2: سیر تکاملی صنعت پایگاه داده6

شکل3: معماری یک نمونه سیستم داده کاوی. 7

شکل 4 . داده ها از انباره داه ها استخراج می گردند. 11

شکل 5 .داده ها از چند پایگاه داده استخراج شده اند. 12

شکل6: شبکه عصبی با یک لایه نهان. 17

شکل 7: Wx,y وزن یال بین X و Y است.18

شکل8: درخت تصمیم گیری. 20

شکل9: محدوده همسایگی (بیستر همسایه ها در دسته X قرار گرفته اند)23