الگوریتم طبقه بندی k نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری

نوع فایل: word (قابل ویرایش) تعداد صفحات : 110 صفحه حجم : 2547 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.

دسته بندی: فنی و مهندسی » کامپیوتر و IT

تعداد مشاهده: 2948 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: doc

تعداد صفحات: 110

حجم فایل:1,579 کیلوبایت

  پرداخت و دانلود  قیمت: 25,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 0 گزارش
  • نوع فایل: word (قابل ویرایش)
    تعداد صفحات : 110 صفحه
    حجم : 2547 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: 1
    فصل اول: مقدمه 2
    ۱-۱ مقدمه 2
    ۱-۲ تعریف مساله و بیان سوال¬های اصلی تحقیق 3
    ۱-۳ سابقه وضرورت انجام تحقیق 4
    ۱-۴ هدف¬ها 8
    ۱-۵ جنبه نوآوری تحقیق 9
    ۱-۶ مراحل انجام تحقیق 9
    ۱-۷ ساختار پروژه 9
    فصل دوم: مباحث عمومی پردازش ابری، امنیت و شبیه سازی 10
    ۲-۱ مقدمه 10
    ۲-۲ تاریخچه ی مختصری از رایانش ابری 11
    ۲-۳ وضعیت کنونی رایانش ابری 12
    ۲-۴ خصوصیات رایانش ابری 13
    ۲-۴-۱ ویژگی کلیدی رایانش ابری 17
    ۲-۴-۲ مزایای اصلی رایانش ابری 18
    ۲-۴-۳ کارهای امکان پذیر در رایانش ابری. 18
    ۲-۵ معماری رایانش ابری 19
    ۲-۶ امنیت و چالشهای رایانش ابری 21
    ۲-۷ امنیت در رایانش ابری 22
    ۲-۸ نقاط ضعف رایانش ابری 22
    ۲-۸-۱ نیاز به اتصال دائمی اینترنت 22
    ۲-۸-۲ کار نکردن با اینترنت کم سرعت 23
    ۲-۸-۳ حفظ حریم خصوصی 23
    ۲-۹ معایب امنیتی در محیط های ابری 23
    ۲-۹-۱ موقعیت داده 24
    ۲-۹-۲ تفکیک داده ها 24
    ۲-۱۰ تامین امنیت داده ها 24
    ۲-۱۰-۱ کنترل و دسترسی 25
    ۲-۱۰-۲ رمزگذاری 25
    ۲-۱۱ مقدمه ای بر شبیه سازی 26
    ۲-۱۲ برخی نرم افزارهای شبیه سازی شبکه های محاسباتی 28
    ۲-۱۳ آشنایی با ابزار کلودسیم 29
    ۲-۱۳-۱معماری کلودسیم 30
    ۲-۱۴ مدل های تخصیص ماشینهای مجازی 31
    ۲-۱۵ کلاس های موجود در کلودسیم 32
    ۲-۱۶ جمع بندی 35
    فصل سوم: مروری بر کارهای گذشته والگوریتم های رمزنگاری 37
    ۳-۱ مقدمه 37
    ۳-۲ معرفی روش 38
    ۳-۳ سوابق کاری گذشته 39
    ۳-۴ اهداف روش 41
    ۳-۵ طبقه بندی داده ها 42
    ۳-۵-۱ یادگیری ماشین 42
    ۳-۶ تعریف داده حساس و غیرحساس 46
    ۳-۷ طبقه بند-Kنزدیک ترین همسایه 48
    ۳-۸ رمزنگاری با روشRSA 49
    ۳-۹ رمز و رمزنگاری 49
    ۳-۹-۱ الگوریتم های رمزنگاری 50
    ۳-۱۰ آراس ای 52
    ۳-۱۰-۱ مراحل الگوریتم RSA 51
    ۳-۱۱ استاندارد رمزنگاری پیشرفته 54
    ۳-۱۱-۱ شرح رمزنگاری 55
    ۳-۱۲جمع بندی 56
    فصل چهارم: معرفی روش پیشنهادی 57
    ۴-۱ مقدمه 57
    ۴-۲ معرفی روش جدید -Kنزدیک ترین همسایه فازی برای طبقه بندی داده در محاسبات ابری 58
    ۱-۴-۲ نظریه مجموعه¬های فازی 58
    ۴-۳ تفاوت در نتایج حاصله از الگوریتم¬های طبقه¬بندی 58
    ۴-۴ چهارچوب مورد استفاده 59
    ۴-۵ روش پیشنهادی 59
    ۴-۵-۱ داده آموزشی و داده تست 61
    ۴-۵-۲ ذخیره در ابر 62
    ۴-۵-۳ روش کار الگوریتمKNN 62
    ۴-۵-۴ روش کار الگوریتمF-KNN 64
    ۶-۴ جمع¬بندی 66
    فصل پنجم:آزمایش ها و ارزیابی نتایج 67
    ۵-۱ مقدمه 67
    ۵-۲ جایگاه داده آزمایش ومحیط پیاده سازی واجرا 68
    ۵-۳ مقایسه نتایج بدست آمده از الگوریتم -K نزدیک ترین همسایه عادی و فازی 72
    ۵-۴ خصوصیات لایه نرم افزار به عنوان سرویس 76
    ۵-۵ خصوصیات لایه پلتفرم به عنوان سرویس برای مدیریت مجازی 77
    ۵-۶ خصوصیات لایه زیرساخت به عنوان سرویس در شبیه¬سازی ابر 78
    ۵-۷ نرخ شناسایی 79
    ۵-۸ نتایج شبیه سازی 80
    ۵-۹ زمان شبیه سازی مراحل کار 81
    ۵-۱۰ جمع¬بندی 83
    فصل ششم:نتیجه گیری و پیشنهادها 84
    ۶-۱ مقدمه 84
    ۶-۲ نتایج حاصل از تحقیق 84
    ۶-۳ پیشنهادها 85
    مراجع: 86
    واژه نامه انگلیسی 89
    چکیده انگلیسی



    برچسب ها: پایان نامه الگوریتم طبقه بندی k نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری مهندسی نرم افزار پایان نامه مهندسی نرم افزار رایانش ابری پردازش ابری پایان نامه پردازش ابری محاسبات ابری محرمانگی محاسبات ابری مقالات پردازش ابری
  • zip
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد سازماندهی ثبت شده است.

درباره ما

در صــورت بروز هر گونه مشکل در خرید تماس ، پیامک پاسخگوی شما هستیم


09359579348
تمام حقوق سایت sabzfile.ir محفوظ می باشد و هرگونه کپی برداری پیگرد قانونی دارد. طراحی سایت