فیلم اجرا و خروجی پروژه رمزگذاری متقارن در شبکه حسگر بی سیم برای خانه هوشمند (Smart Home) با OPNET


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/3dR1U0y

🆔 @NetSimulate

تشخیص حملات کرم چاله در شبکه MANET بر اساس بسته تله با نرم افزار NS2

❇️ معرفی پروژه

✳️ در این پروژه تشخیص حملات کرم چاله در شبکه MANET ، با استفاده از یک الگوریتم محاسباتی جدید و استخراج جدول همکاری های پر تکرار میان گره های یک شبکه بی سیم و با فرض وجود دو گره مخاصم همکار در شبکه آنهم در قالب یک ارتباط مبتنی بر حمله کرم چاله (Worm hole) در جهت تخریب بسته های ارسالی شبکه به گونه ای که تنها آن دو گره از وجود یکدیگر و محل قرار گرفتن خود نسبت به مبدا و مقصد مطلع هستند و همچنین ارسال بسته های تله جهت آنالیز همکاری های پر تکرار استخراج شده، یک روش کارا و امن برای تشخیص حملات کرم چاله (Worm hole) در شبکه های متحرک موردی پیشنهاد می گردد. این روش سعی می کند تا حملات کرم چاله را با کمترین هزینه سربار و بالاترین دقت تشخیص دهد.


⏬ اطلاعات بیشتر در لینک زیر: 👇

🔗 https://bit.ly/2N0LlDu

🆔 @NoavaranGermi

مقاله معماری ارتباطات و پروتکل های مسیریابی در شبکه ادهاک پروازی (FANET)


⏬ اطلاعات بیشتر و دانلود رایگان از لینک زیر: 👇

🔗 https://bit.ly/3dpzbyW

🆔 @NetSimulate

کتاب آموزش سیسکو CCNA به صورت PDF فارسی


⏬ اطلاعات بیشتر و دانلود رایگان از لینک زیر: 👇

🔗 https://bit.ly/2YArjq2

🆔 @NetSimulate

مقایسه عملکرد پروتکل EAMMH و LEACH در شبکه حسگر بی سیم (WSN) با نرم افزار متلب


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/38h4dYS

🆔 @NetSimulate

ارزیابی عملکرد تجمیع حامل آپلینک (Uplink CA) با انرژی کارآمد در شبکه LTE با نرم افزار NS2 براساس مقاله معتبر و ISI


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/3iBtiCA

🆔 @NetSimulate

فیلم اجرا و خروجی پروژه در پست بعدی 👇👇

فیلم اجرا و خروجی پروژه ارزیابی عملکرد تجمیع حامل آپلینک (Uplink CA) با انرژی کارآمد در شبکه LTE با NS2


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/3iBtiCA

🆔 @NetSimulate

کتاب شبکه های حسگر بی سیم (ارتباطات و شبکه بندی) نوشته یان فواد اکیلدیز

⏬ اطلاعات بیشتر و مشاهده فهرست مطالب کتاب در لینک زیر: 👇

🔗 https://bit.ly/2BaP4wd

🆔 @NetSimulate

خوشه بندی در شبکه حسگر بی سیم ناهمگن با الگوریتم K-means در نرم افزار متلب

❇️ الگوریتم خوشه بندی K-means در شبکه WSN

✳️ روش خوشه بندی K-means بر اساس کمترین فاصله های هر گره از مرکز یک خوشه (میانگین)، خوشه بندی را انجام می دهد. الگوریتم K-means دارای یک پارامتر k است که نماینده تعداد خوشه های مدنظر می باشد. در این پروژه الگوریتم K-means برای خوشه بندی در شبکه حسگر بی سیم ناهمگن (Heterogeneous WSN) مورد استفاده قرار گرفته است.

✳️ الگوریتم خوشه بندی کی مینز یا K میانگین دارای روند تکراری است که برای تعداد ثابتی از خوشه ها سعی در تخمین موارد زیر دارند: ۱- بدست آوردن نقاطی به عنوان مراکز خوشه ها، این نقاط در واقع همان میانگین نقاط متعلق به هر خوشه است. ۲- نسبت دادن هر گره به یک خوشه که آن گره کمترین فاصله تا مرکز آن خوشه را دارا باشد.

⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/39sMfmQ

🆔 @NetSimulate

مسیریابی کیفیت سرویس در شبکه WMN با الگوریتم ژنتیک چند هدفه (MNSGA-II) در NS2

❇️ هدف مقاله

✳️ اهداف مورد نظر ما در این مقاله، به حداقل رساندن تعداد انتقال و تاخیر انتقال است که بر روی پروتکل مسیریابی OLSR انجام می شود. به منظور حفظ تنوع در راه حل نامغلوب، از فاصله ازدحامی پویا (DCD) در الگوریتم NSGA-II بهره می بریم.

❇️ شبیه سازی با نرم افزار NS2

✳️ شبیه سازی مقاله با نرم افزار NS2 انجام می شود و مقایسه با معیارهای تعداد انتقال و تاخیر انتقال در گره های متحرک مختلف و با افزایش تعداد گره ها انجام خواهد شد. مشاهده شده که الگوریتم MNSGA-II به بهبود توان و کاهش تاخیر انتقال برای تعداد مختلفی از گره ها و در سناریویی با تحرک بالاتر را نیز در بر می گیرد.

✳️ نتایج شبیه سازی نشان می دهد که الگوریتم ژنتیک چند هدفه بهبود یافته (MNSGA-II) قطعا روشی مناسب برای حل مشکلات مسیریابی چند هدفه است. این راه حل که مجموعه ای از راه حل های پارتو نامیده شده، از طریق MNSGA-II انجام پذیر است.


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/34sWRBC

🆔 @NetSimulate

فیلم اجرا و خروجی پروژه در پست بعدی 👇

فیلم اجرا و خروجی پروژه مسیریابی کیفیت سرویس در شبکه WMN با الگوریتم ژنتیک چند هدفه (MNSGA-II) در نرم افزار NS2


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/34sWRBC

🆔 @NetSimulate

شبیه سازی شبکه فوق مکعب یا ابر مکعب (توپولوژی Hypercube) با نرم افزار NS2

❇️ معرفی شبکه ابر مکعب و پروژه

✳️ شبکه های Hypercube نوعی توپولوژی شبکه هستند که در شبکه های روی تراشه (Networks on Chip – NOC) کاربرد دارد. این پروژه از دو سناریو تشکیل شده است. در سناریو اول گلوگاه داریم که در آن اکثر داده های ارسالی به علت پر شدن فضای بافر گره گیرنده دراپ (Packet Drop) می شوند که در اصطلاح فارسی به آن بسته‌ های گم شده گفته می شود. این سناریو با hypercube1 نامگذاری شده است.

✳️ همچنین سناریو دوم حالت ابر مکعب یا فوق مکعب می باشد که به علت خاصیت اَﺑَﺮ مکعب (Hypercube) و ارسال داده ها از جریان های مختلف، اکثر بسته های ارسالی توسط گیرنده دریافت می شوند و تعدد بسته های کمتری دراپ (Packet Drop) می شوند. این سناریو که حالت بهبود یافته سناریو قبل است، در پروژه با hypercubeIMPVD نامگذاری شده است.


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/2QiuzBs

🆔 @NetSimulate

فیلم اجرا و خروجی پروژه در پست بعدی 👇

فیلم اجرا و خروجی پروژه شبیه سازی شبکه فوق مکعب یا ابر مکعب (توپولوژی Hypercube) با نرم افزار NS2

⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/2QiuzBs

🆔 @NetSimulate

ارزیابی کدک های ویدیویی با الگوریتم های صف بندی در ویدئو استریمینگ با OPNET

❇️ معرفی پروژه
در این پروژه به انتقال ویدئو رمزگذاری شده با سه استاندارد رمزگذاری ویدیویی H.26 و MPEG-2 و MPEG-4 از طریق شبکه بی سیم محلی (WLAN) با نرم افزار شبیه ساز OPNET می پردازیم که شامل ۹ سناریو می باشد که در آنها از الگوریتم های صف بندی FIFO ، PQ ، WFQ و DWRR استفاده شده است.

⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/352bj29

🆔 @NetSimulate

فیلم اجرا و خروجی پروژه در پست بعدی 👇

فیلم اجرا و خروجی پروژه ارزیابی کدک های ویدیویی با الگوریتم های صف بندی در ویدئو استریمینگ با نرم افزار OPNET


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 https://bit.ly/352bj29

🆔 @NetSimulate

سورس شبیه سازی شبکه حسگر بیسیم به زبان سی شارپ

❇️ توضیحات پروژه

✳️ در این پروژه شبکه بر روی یک نقشه به عنوان یک سری از دایره های قرمز رنگ که توسط محافل خاکستری احاطه شده اند نمایش داده می شوند. دایره های قرمز نشان دهنده سنسور یا گره، و منطقه خاکستری رنگ، گره محدوده تشخیص سنسور است.

✳️ زمانی که دایره های کوچک و سبز رنگ، وارد منطقه گره ها، یعنی قسمت های خاکستری شوند، سنسور آغاز به فعالیت می کند و در این هنگام مناطق خاکستری، تبدیل به یک رنگ مایل به آبی می شوند و هر کدام به تدریج پس از خارج شدن دایره های سبز رنگ از محدوده آنها، دوباره به رنگ خاکستری تبدیل می شودند، سرعت بازگشت این رنگ ها به حالت اولیه، بستگی به مدت تاخیر سنسور دارد.

✳️ گره ها توسط خطوط سیاه و سفید، که نشان دهنده لینک های ارتباطی می باشند، متصل شده اند. هنگامی که بسته در این ارتباط رد و بدل شود لینک ارتباطی قرمز رنگ خواهد بود. در قسمت پایین و سمت چپ برنامه رادار نیر قرار دارد که نتایج انتقال داده ها را نشان می دهد. اگر یک بسته با موفقیت به یک گره برسد، در رادار نمایش داده می شود.


اطلاعات بیشتر: 👇

🔗 https://bit.ly/2T0TMC0

🆔 @SourceSara

پیشنهاد زمینه کاری برای موضوع پایان نامه شبکه و مخابرات


⏬ برای دسترسی به موضوعات به لینک زیر مراجعه نمائید: 👇

🔗 https://bit.ly/31bxFNJ

🆔 @NetSimulate
🌐 NetSimulate.net

ترجمه مقاله پروتکل سلسله مراتبی خوشه بندی موثر انرژی مقیاس پذیر در شبکه WSN


⏬ اطلاعات بیشتر و دانلود رایگان از لینک زیر: 👇

🔗 اینجا کلیک کنید

🆔 @NetSimulate

تحلیل عملکرد ترافیک چند رسانه ‌ای در شبکه MPLS با مهندسی ترافیک توسط OPNET

این پروژه مهندسی ترافیک با آپنت به همراه فیلم آموزشی فارسی و مرحله به مرحله می باشد که براساس مقاله Performance Analysis of Multimedia Traffic over MPLS Communication Networks with Traffic Engineering شبیه سازی شده است.


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 اینجا کلید کنید

🆔 @NetSimulate

بخشی از فیلم آموزشی و خروجی پروژه در پست بعدی 👇

فیلم اجرا و خروجی پروژه تحلیل عملکرد ترافیک چند رسانه ‌ای در شبکه MPLS با مهندسی ترافیک توسط OPNET


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 اینجا کلید کنید

🆔 @NetSimulate

ارزیابی عملکرد کنترل کننده در شبکه های مبتنی بر نرم افزار (SDN) با متلب


⏬ اطلاعات بیشتر و مشاهده خروجی پروژه در لینک زیر: 👇

🔗 اینجا کلید کنید

🆔 @NetSimulate