خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : سیستم تشخیص نفوذ توزیع شده برای محیط های ابری بر اساس تکنیک های داده کاوی
.
English Article Title: Distributed Intrusion Detection System for Cloud Environments based on Data Mining techniques
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.01.095
Keywords:
#Intrusion_Detection_Systems
#Data_Mining_techniques
#Cloud_Computing
#Machine_Leaning
#Hadoop
#MapReduce
#سیستم_تشخیص_نفوذ
#داده_کاوی
#نفوذ
#محاسبات_ابری
#یادگیری_ماشین
#هادوپ
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
تقریبا دو دهه بعد از ظهور آنها؛ محاسبات ابری همچنان در میان سازمان ها و کاربران فردی در حال افزایش است. بسیاری از مسائل امنیتی همراه انتقال برای این الگوی محاسباتی شامل تشخیص نفوذ به وجود می اید. ابزارهای حمله و نفوذ با شکستن سیستم های تشخیص نفوذ سنتی (IDS) با مقدار زیادی از اطلاعات ترافیک شبکه و رفتارهای پویا پیچیده تر شده است. IDSs ابری موجود از کمبود دقت تشخیص؛ نرخ مثبت کاذب بالا و زمان اجرای بالا رنج می برد. در این مقاله ما یک یادگیری توزیع ماشینی بر مبنی سیستم تشخیص نفوذ برای محیط های ابری را ارائه می دهیم. سیستم پیشنهاد شده برای مندرجات در سمت ابری به وسیله اندازه همراه اجزای شبکه لبه از ابرهای ارائه شده است. اینها به ترافیک رهگیری شبکه های ورودی به لبه شبکه routers از از لایه فیزیکی اجازه می دهد. یک الگوریتم پنجره کشویی (sliding window) مبتنی بر زمان برای پیش پردازش شبکه گرفتار ترافیک در هر router ابری استفاده می شود و سپس در نمونه تشخیص ناهنجاری دسته بندی Naive Bayes استفاده می شود. یک مجموعه از گره های سرور کالا بر مبنی یک Hadoop و MapReduce برای هر نمونه تشخیص ناهنجاری از زمانی که تراکم شبکه افزایش می یابد؛ در دسترس است. برای هر پنجره زمانی؛ داده ترافیک ناهنجاری شبکه در هر طرف router برای یک سرور ذخیره سازی مرکزی هماهنگ شده است. بعد؛ یک طبقه بندی یادگیری گروهی بر مبنی یک Forest تصادفی برای اجرای یک مرحله دسته بندی چند کلاسه نهایی به منظور تشخیص انواعی از هر حمله استفاده می شود.
لغات کلیدی: سیستم های تشخیص نفوذ | محاسبات ابری | یادگیری ماشین | هادوپ | MapReduce
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/36nA3kR
.
عنوان فارسی مقاله : سیستم تشخیص نفوذ توزیع شده برای محیط های ابری بر اساس تکنیک های داده کاوی
.
English Article Title: Distributed Intrusion Detection System for Cloud Environments based on Data Mining techniques
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2018.01.095
Keywords:
#Intrusion_Detection_Systems
#Data_Mining_techniques
#Cloud_Computing
#Machine_Leaning
#Hadoop
#MapReduce
#سیستم_تشخیص_نفوذ
#داده_کاوی
#نفوذ
#محاسبات_ابری
#یادگیری_ماشین
#هادوپ
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
چکیده مقاله:
تقریبا دو دهه بعد از ظهور آنها؛ محاسبات ابری همچنان در میان سازمان ها و کاربران فردی در حال افزایش است. بسیاری از مسائل امنیتی همراه انتقال برای این الگوی محاسباتی شامل تشخیص نفوذ به وجود می اید. ابزارهای حمله و نفوذ با شکستن سیستم های تشخیص نفوذ سنتی (IDS) با مقدار زیادی از اطلاعات ترافیک شبکه و رفتارهای پویا پیچیده تر شده است. IDSs ابری موجود از کمبود دقت تشخیص؛ نرخ مثبت کاذب بالا و زمان اجرای بالا رنج می برد. در این مقاله ما یک یادگیری توزیع ماشینی بر مبنی سیستم تشخیص نفوذ برای محیط های ابری را ارائه می دهیم. سیستم پیشنهاد شده برای مندرجات در سمت ابری به وسیله اندازه همراه اجزای شبکه لبه از ابرهای ارائه شده است. اینها به ترافیک رهگیری شبکه های ورودی به لبه شبکه routers از از لایه فیزیکی اجازه می دهد. یک الگوریتم پنجره کشویی (sliding window) مبتنی بر زمان برای پیش پردازش شبکه گرفتار ترافیک در هر router ابری استفاده می شود و سپس در نمونه تشخیص ناهنجاری دسته بندی Naive Bayes استفاده می شود. یک مجموعه از گره های سرور کالا بر مبنی یک Hadoop و MapReduce برای هر نمونه تشخیص ناهنجاری از زمانی که تراکم شبکه افزایش می یابد؛ در دسترس است. برای هر پنجره زمانی؛ داده ترافیک ناهنجاری شبکه در هر طرف router برای یک سرور ذخیره سازی مرکزی هماهنگ شده است. بعد؛ یک طبقه بندی یادگیری گروهی بر مبنی یک Forest تصادفی برای اجرای یک مرحله دسته بندی چند کلاسه نهایی به منظور تشخیص انواعی از هر حمله استفاده می شود.
لغات کلیدی: سیستم های تشخیص نفوذ | محاسبات ابری | یادگیری ماشین | هادوپ | MapReduce
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/36nA3kR
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : پردازش- جمع آوری و تحلیل داده های بزرگ حسگر مبتنی بر اینترنت اشیا کارامد در ساختمان های هوشمند
.
English Article Title: Efficient IoT-based sensor BIG Data collection–processing and analysis in smart buildings
Year: 2018
Publisher: ELSEVIER
Journal: Future Generation Computer Systems
DOI: https://doi.org/10.1016/j.future.2017.09.082
Keywords:
#Internet_of_Things (#IoT)
#Cloud_Computing
#Big_Data
#Smart_Building
#Sensor_management
#Energy_efficiency
#Data_collection
#Sensor_management
#Contiki_OS
#حسگر
#اینترنت_اشیا
#محاسبات_ابری
#داده‌های_بزرگ
#ساختمانهای_هوشمند
#مدیریت_حسگر
#بهره‌وری_انرژی
#جمع‌آوری_داده‌ها
#سیستم_Contiki
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
چکیده مقاله:
اینترنت اشیا IOT برای هر نوع خدمات جدید به منظور بهبود زندگی روزمره فراهم شده است. از طریق تکنولوژی جدید؛ دیگر تکنولوژی های اخیر توسعه یافته مانند داده های بزرگ؛ محاسبات ابری؛ و نظارت ها می تواند در کارها شرکت کند. در این مقاله؛ چهار تکنولوژی فوق الذکر را برای پیدا کردن عملیات مشترک مرور می کنیم؛ و عملکرد انها را؛ به منظور داشتن طرح سودمند از کاربردهای مورد استفاده از انها ترکیب می کنیم. با وجود مفهوم سرپرستی از یک شهر هوشمند؛ سعی خواهیم کرد سیستم های جدیدی را برای جمع آوری و مدیریت اطلاعات حسگر ها در یک ساختمان هوشمند که در محیط IoT عمل می کند، بررسی کنیم. به عنوان یک تکنولوژی پایه برای سیستم مدیریت حسگر پیشنهادی، یک سرور ابری است؛ که برای جمع آوری داده ها که از هر سنسور در ساختمان هوشمند تولید می شود؛ استفاده می شود. این داده ها به راحتی مدیریت می شود و قابل کنترل از راه دور؛ توسط یک دستگاه از راه دور (تلفن همراه) در شبکه ای است که در تکنولوژی IoT راه اندازی شده است. در نتیجه، راه حل های پیشنهادی برای جمع آوری و مدیریت داده های حسگر ها در یک ساختمان هوشمند می تواند ما را در ساخت یک ساختمان هوشمند با انرژی یاری نماید؛ و به این ترتیب دارای یک ساختمان هوشمند سبز خواهیم بود.
لغات کلیدی: اینترنت اشیا | محاسبات ابری | داده های بزرگ | ساختمان های هوشمند | مدیریت حسگر | بهره وری انرژی | جمع آوری داده ها | سیستم Contiki
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2MVPKYQ
.
عنوان فارسی مقاله : پردازش- جمع آوری و تحلیل داده های بزرگ حسگر مبتنی بر اینترنت اشیا کارامد در ساختمان های هوشمند
.
English Article Title: Efficient IoT-based sensor BIG Data collection–processing and analysis in smart buildings
Year: 2018
Publisher: ELSEVIER
Journal: Future Generation Computer Systems
DOI: https://doi.org/10.1016/j.future.2017.09.082
Keywords:
#Internet_of_Things (#IoT)
#Cloud_Computing
#Big_Data
#Smart_Building
#Sensor_management
#Energy_efficiency
#Data_collection
#Sensor_management
#Contiki_OS
#حسگر
#اینترنت_اشیا
#محاسبات_ابری
#داده‌های_بزرگ
#ساختمانهای_هوشمند
#مدیریت_حسگر
#بهره‌وری_انرژی
#جمع‌آوری_داده‌ها
#سیستم_Contiki
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_انرژی (#Energy)
چکیده مقاله:
اینترنت اشیا IOT برای هر نوع خدمات جدید به منظور بهبود زندگی روزمره فراهم شده است. از طریق تکنولوژی جدید؛ دیگر تکنولوژی های اخیر توسعه یافته مانند داده های بزرگ؛ محاسبات ابری؛ و نظارت ها می تواند در کارها شرکت کند. در این مقاله؛ چهار تکنولوژی فوق الذکر را برای پیدا کردن عملیات مشترک مرور می کنیم؛ و عملکرد انها را؛ به منظور داشتن طرح سودمند از کاربردهای مورد استفاده از انها ترکیب می کنیم. با وجود مفهوم سرپرستی از یک شهر هوشمند؛ سعی خواهیم کرد سیستم های جدیدی را برای جمع آوری و مدیریت اطلاعات حسگر ها در یک ساختمان هوشمند که در محیط IoT عمل می کند، بررسی کنیم. به عنوان یک تکنولوژی پایه برای سیستم مدیریت حسگر پیشنهادی، یک سرور ابری است؛ که برای جمع آوری داده ها که از هر سنسور در ساختمان هوشمند تولید می شود؛ استفاده می شود. این داده ها به راحتی مدیریت می شود و قابل کنترل از راه دور؛ توسط یک دستگاه از راه دور (تلفن همراه) در شبکه ای است که در تکنولوژی IoT راه اندازی شده است. در نتیجه، راه حل های پیشنهادی برای جمع آوری و مدیریت داده های حسگر ها در یک ساختمان هوشمند می تواند ما را در ساخت یک ساختمان هوشمند با انرژی یاری نماید؛ و به این ترتیب دارای یک ساختمان هوشمند سبز خواهیم بود.
لغات کلیدی: اینترنت اشیا | محاسبات ابری | داده های بزرگ | ساختمان های هوشمند | مدیریت حسگر | بهره وری انرژی | جمع آوری داده ها | سیستم Contiki
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2MVPKYQ
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : یک پروژه گردآوری شده و کد منبع باز برای تولید شبیه سازهای مدلسازی مبتنی بر وب جنگل
.
English Article Title: A compiled project and open-source code to generate web-based forest modelling simulators
Year: 2018
Publisher: ELSEVIER
Journal: Computers and Electronics in Agriculture
DOI: https://doi.org/10.1016/j.compag.2018.02.010
Keywords:
#open_source_code
#Forest_simulator
#ASP_Net
#Cloud_computing
#Software_as_a_service
#Knowledge_transfer
#simulator
#وب_جنگل
#تولید_شبیه‌ساز
#شبیه‌ساز
#کد_منبع_باز
#شبیه‌ساز_جنگل
#محاسبات_ابری
#نرم‌افزار_به_عنوان_یک_خدمات
#انتقال_دانش
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_کشاورزی
#مقاله_علوم_زیستی (#Agricultural_and_Biological_Sciences)
چکیده مقاله:
مدیریت پایدار جنگل نیازمند سیستم های پشتیبانی از تصمیم جهت بررسی طرح های امکانپذیر و پیش بینی پیامدهای این تصمیمات می باشد. مدلسازهای جنگل نوعا" سیستم های پیچیده ای از معادلات را برای پیش بینی رفتار جنگل ها تولید می کنند که استفاده از مدلهای جنگل را برای کاربران نهایی به صورت کلی دشوار می کنند و بر انتقال دانش و فناوری اثر می گذارند. برای غلبه بر این دشواری ها و تسهیل استفاده عملی از آنها، مدلها می توانند به صورت نرم افزار جهت تولید شبیه سازهای جنگلی سازگار با کاربران یکپارچه سازی شوند. در این مقاله ما ForestMTIS را معرفی و توصیف می کنیم، یک پروژه محاسبه ابری تالیف شده و منبع – باز قابل ویرایش برای تولید شبیه سازهای جنگل که برای مدلهای آماری، غیرفضایی، جبری، غیرمتراکم، تک گونه و برجسته برای رشد و بهره تولید شده است. ما استفاده از ForestMTIS را برمبنای توسعه FlorNExT®، اولین برنامه کاربردی آن، برمبنای یک دیدگاه مشارکتی برای ساخت مدل رشد و بهره و مدیریت پایدار جنگل و قابل دسترسی برای تعداد زیادی از کاربران در شمال پرتغال نشان می دهیم.
کلیدواژه ها: شبیه ساز جنگل | ASP.Net | محاسبات ابری | نرم افزار به عنوان یک خدمات | انتقال دانش
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/35riTBE
.
عنوان فارسی مقاله : یک پروژه گردآوری شده و کد منبع باز برای تولید شبیه سازهای مدلسازی مبتنی بر وب جنگل
.
English Article Title: A compiled project and open-source code to generate web-based forest modelling simulators
Year: 2018
Publisher: ELSEVIER
Journal: Computers and Electronics in Agriculture
DOI: https://doi.org/10.1016/j.compag.2018.02.010
Keywords:
#open_source_code
#Forest_simulator
#ASP_Net
#Cloud_computing
#Software_as_a_service
#Knowledge_transfer
#simulator
#وب_جنگل
#تولید_شبیه‌ساز
#شبیه‌ساز
#کد_منبع_باز
#شبیه‌ساز_جنگل
#محاسبات_ابری
#نرم‌افزار_به_عنوان_یک_خدمات
#انتقال_دانش
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_کشاورزی
#مقاله_علوم_زیستی (#Agricultural_and_Biological_Sciences)
چکیده مقاله:
مدیریت پایدار جنگل نیازمند سیستم های پشتیبانی از تصمیم جهت بررسی طرح های امکانپذیر و پیش بینی پیامدهای این تصمیمات می باشد. مدلسازهای جنگل نوعا" سیستم های پیچیده ای از معادلات را برای پیش بینی رفتار جنگل ها تولید می کنند که استفاده از مدلهای جنگل را برای کاربران نهایی به صورت کلی دشوار می کنند و بر انتقال دانش و فناوری اثر می گذارند. برای غلبه بر این دشواری ها و تسهیل استفاده عملی از آنها، مدلها می توانند به صورت نرم افزار جهت تولید شبیه سازهای جنگلی سازگار با کاربران یکپارچه سازی شوند. در این مقاله ما ForestMTIS را معرفی و توصیف می کنیم، یک پروژه محاسبه ابری تالیف شده و منبع – باز قابل ویرایش برای تولید شبیه سازهای جنگل که برای مدلهای آماری، غیرفضایی، جبری، غیرمتراکم، تک گونه و برجسته برای رشد و بهره تولید شده است. ما استفاده از ForestMTIS را برمبنای توسعه FlorNExT®، اولین برنامه کاربردی آن، برمبنای یک دیدگاه مشارکتی برای ساخت مدل رشد و بهره و مدیریت پایدار جنگل و قابل دسترسی برای تعداد زیادی از کاربران در شمال پرتغال نشان می دهیم.
کلیدواژه ها: شبیه ساز جنگل | ASP.Net | محاسبات ابری | نرم افزار به عنوان یک خدمات | انتقال دانش
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/35riTBE
Forwarded from ترجمه انگلیسی به فارسی
عنوان فارسی مقاله : لبه-ابر مه: ابر توزیع شده برای محاسبات اینترنت اشیا
.
English Article Title: Edge-Fog Cloud: A Distributed Cloud for Internet of Things Computations
Year: 2017
Publisher: IEEE
Journal: 2016 Cloudification of the Internet of Things (CIoT)
DOI: https://doi.org/10.1109/CIOT.2016.7872914
Keywords:
#Cloud_Computing
#Fog_Computing
#Edge_Computing
#Internet_of_Things (#IoT)
#Task_Assignment
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#محاسبات_ابری
#محاسبات_مه
#محاسبات_لبه
#اینترنت_اشیا
#واگذاری_وظیفه
چکیده مقاله:
اینترنت اشیا معمولا شامل شمار قابل توجهی از سنسورهای هوشمند است که اطلاعات را از محیط محاسبه می کنند و آن را به یک سرویس ابر برای پردازش می دهد. انتزاعی های مختلف معماری، مانند محاسبات مه و لبه، پیشنهاد شده است تا برخی از پردازش را در نزدیکی حسگر ها و دور از سرورهای ابر ایجاد کنند. در این مقاله، ما پیشنهاد لبه-ابر مه که وظیفه توزیع پردازش را بر روی منابع ابر شبکه شرکت در شبکه توزیع می کند. ما ابتدا روش حداقل هزینه پردازش (lpcf) را برای اختصاص دادن وظایف پردازشی به گره هایی که زمان پردازش بهینه و هزینه های شبکه بهینه را ارائه می دهند، توسعه می دهیم. ما lpcf را در سناریوهای مختلف ارزیابی می کنیم و اثربخشی آن را دریافتن وظایف پردازش نشان می دهیم.
کلیدواژه: محاسبات ابری ، محاسبات مه، محاسبات لبه، اینترنت اشیا، واگذاری وظیفه.
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2zt3vdU
.
English Article Title: Edge-Fog Cloud: A Distributed Cloud for Internet of Things Computations
Year: 2017
Publisher: IEEE
Journal: 2016 Cloudification of the Internet of Things (CIoT)
DOI: https://doi.org/10.1109/CIOT.2016.7872914
Keywords:
#Cloud_Computing
#Fog_Computing
#Edge_Computing
#Internet_of_Things (#IoT)
#Task_Assignment
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#مقاله_مهندسی (#Engineering)
#محاسبات_ابری
#محاسبات_مه
#محاسبات_لبه
#اینترنت_اشیا
#واگذاری_وظیفه
چکیده مقاله:
اینترنت اشیا معمولا شامل شمار قابل توجهی از سنسورهای هوشمند است که اطلاعات را از محیط محاسبه می کنند و آن را به یک سرویس ابر برای پردازش می دهد. انتزاعی های مختلف معماری، مانند محاسبات مه و لبه، پیشنهاد شده است تا برخی از پردازش را در نزدیکی حسگر ها و دور از سرورهای ابر ایجاد کنند. در این مقاله، ما پیشنهاد لبه-ابر مه که وظیفه توزیع پردازش را بر روی منابع ابر شبکه شرکت در شبکه توزیع می کند. ما ابتدا روش حداقل هزینه پردازش (lpcf) را برای اختصاص دادن وظایف پردازشی به گره هایی که زمان پردازش بهینه و هزینه های شبکه بهینه را ارائه می دهند، توسعه می دهیم. ما lpcf را در سناریوهای مختلف ارزیابی می کنیم و اثربخشی آن را دریافتن وظایف پردازش نشان می دهیم.
کلیدواژه: محاسبات ابری ، محاسبات مه، محاسبات لبه، اینترنت اشیا، واگذاری وظیفه.
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2zt3vdU