تشخیص اعداد از روی تصاویر با استفاده از شبکه عصبی با کمک تکنیک های پردازش تصویر

اختصاصی از نیک فایل تشخیص اعداد از روی تصاویر با استفاده از شبکه عصبی با کمک تکنیک های پردازش تصویر دانلود با لینک مستقیم و پر سرعت .

تشخیص اعداد از روی تصاویر با استفاده از شبکه عصبی با کمک تکنیک های پردازش تصویر 

دانلودمقاله ناتوانی های یادگیری و مشکلات در تشخیص و درک بینائی

اختصاصی از نیک فایل دانلودمقاله ناتوانی های یادگیری و مشکلات در تشخیص و درک بینائی دانلود با لینک مستقیم و پر سرعت .

 بینایی
اگرچه نوزادان از همان بدو تولد قدرت بینایی دارند ولی بسیار نزدیک بین هستند. تیزی حس بینایی نوزادان در بدو تولد بین 200/20 تا 400/20 است که نشان می دهد تقریباً تا 6 متری خودشان را می بینند. این در حالی است که بچه های بزرگسال تر با قوه بینایی عادی می توانند تقریباً 61 متری 121 متری خودشان را ببینند.
نوزادان در کانونی کردن نیز مشکل دارند (کلمن و بنکس 1998). وقتی به صندلی در 5/1 متری خودتان نگاه می کنید و سپس به تخته سیاهی که در 6 متری شما قرار دارد نگاهی کنید درجه انحنای عدسی چشمتان طوری تغییر می کند تا تصویر را در کانون نگه دارد. این در حالی است که قدرت تطابق بینایی نوزادان یک سوم قدرت تطابق بزرگسالان است. (برنر.1965). بهترین فاصله کانونی برای نوزادان 19 سانتی متر است. نوزادان نمی توانند چشم خود را به خوبی روی اشیای دور متمرکز کنند یا به اشیا نزدیک شوند. اما همین تیزی ضعیف بینایی نوزادان نیز به آنان کمک می کند. وقتی مادر نوزاد می تواند در هنگام شیر خوردن صورت مادرش را ببیند. اما توانایی های بصری نوزادان خیلی سریع بهبود می یابند. توانایی کانونی کردن آن ها تقریباً در 2 ماهگی نزدیک به توانایی کانونی کردن بزرگسالان می شود و ظرف یک سال تیزی حس بینایی اطفال به تیزی حس بینایی بزرگسالان می رسد. اطفال انگیزه عجیبی برای تعقیب محرکهای بصری دارند و حتی در محیطهای تاریک نیز با چشمان خود محرکها را دنبال می کنند.
فرم و ترجیح
نوزادان برخی محرک های بصری را بیشتر ترجیح می دهند و آن ها خطوط خمیده را به خطوط راست ترجیح می هند و سطوح منقوش را بیش از سطوح صاف دوست دارند. همچنین لبه ها و زاویه های دارای کنتراست زیاد را بیشتر ترجیح می دهند. نگاه های نوزادان نیز تصادفی نیست. نگاه های نوزادان تابع قواعدی است و همین قواعدند که باعث می شوند نوزادان روی کل تصویر متمرکز شوند تا جزئیاتش. الگوهای نگاه کردن اطفال تا 8 هفتگی یا کمی بیشتر شبیه الگوی نگاه کردن بزرگسالان می شود و علاوه بر خطوط اصلی تصاویر به درون آن ها نیز توجه و دقت می کنند.
ترجیح دادن صورت ها.
برخی از بررسی ها نشان می دهند که نوزادان صورت های عادی را بیش از صورت های مغشوش تا توخالی دنبال می کنند. اما نتایج بررسی هایی که از روش های آزمایشی دیگری استفاده کرده اند نشان داد که تا 2 تا 3 ماهگی خبری از ترجیح چهره ها نیست. برای مثال فانتر (1961) دریافت اطفال 2 تا 3 ماهه چشمان خود را روی صورت ها بیشتر تثبیت می کنند تا روی خال هدف- روزنامه یا صفحه های قرمز- سفید یا زرد.
اطفال در 2 تا 4 ماهگی نقاشی صورت را به هر نقاشی دیگری ترجیح می دهند.
آیا اطفال می توانند صورت های متفاوت را تشخیص دهند؟
اطفال از همان روزهای نخست می توانند برخی صورت ها را تشخیص دهند. برخی از محققان مدعی هستند که نوزادان به صورت مادرشان بیش از صورت غریبه ها نگاه می کنند. عده ای می گویند اطفال 2 ماهه صورت مادرشان را از صورت زنان غریبه تشخیص می دهند. اما این تشخیص و بازشناسی در 3 ماهگی حالت دوام به خود می گیرد. اختلاف در نتایج تحقیقات می تواند معلول روش های متفاوت آزمایش اطفال خردسال باشد. همچنین اطفال برخی از صورت ها را به صورت های دیگر ترجیح می دهند. اطفال 2 ماهه و 12 ماهه به صورت های جذاب بیش از صورت های غیر جذاب خیره می شوند.
رنگ بینی
نوزادان با این که برخی از رنگها را می بینند ولی قوه رنگ بینی آنها بسیار محدود است. دلیل به دست آمدن نتایج متفاوت در آزمایش ها نیز استفاده از روش های متفاوت است. نوزادان یک روزه می توانند فرق محرک سفید و سایه های زرد-سبز را بفهمند. اطفال چهار روزه فرق قرمز و سبز را می فهمند و اطفال سه روزه محرک های رنگی را به محرک های غیررنگی ترجیح می دهند. اندازه محرک نیز مهم است چون در شرایط آزمایشی نوزادان تفاوت رنگ مستطیل 2 سانتی متری را می فهمند ولی تفاوت رنگ مستطیلهای کوچکتر را درک نمی کنند. نوزادان در برخی نواحی طیف رنگها واکنشی در برابر رنگ نشان نمی دهند. اما تا 2 ماهگی قوه تمیز رنگ اطفال بسیار بهبود می یابد. البته معلوم نیست آیا نوزادان رنگ ها را با همان کیفیت بزرگسالان می بینند یا خیر. ولی اطفال 4 ماهه همان رنگ هایی را ترجیح می دهند که بزرگسالان ترجیح می دهند و به آبی و قرمز بیش از زرد خیره می شوند.
ادراک فضا و عمق
آیا دنیای بچه های خردسال دوبعدی است یا سه بعدی؟
گیبسون و واک برای آزمودن ادراک عمق اطفال آزمایش استادانه ای ترتیب دادند. آنها سکویی درست کردند که تقریبا یک متروبیست سانتی متر ارتفاع داشت و اطفال را روی آن می گذاشتند. سکوی مزبور دو بخش شیشه ای داشت. بخش اول شطرنجی بود و بخش دیگر یک سره شیشه ای. در زیر بخش کاملاً شیشه ای یک بخش شطرنجی دیگر وجود داشت که باعث می شد آن قسمت شبیه پرتگاه شود. این آزمایش که در آن به اصطلاح از پرتگاه دیداری استفاده شده بود نشان می داد که اطفال 6 ماهه یا بزرگتر حتی وقتی مادرشان از آنها می خواهد نیز از بخش امن به بخش پرتگاه نمی روند.
اما کودکان خردسال تر چطور؟
آزمایش اطفال کم سن و سال تر با این دستگاه دشوار است چون نمی توانند چهار دست و پا بروند. با این حال وقتی نوزادان دو ماهه را روی بخش پرتگاه مانند و عمیق این دستگاه می گذاریم ضربان قلب آنها آرام است که نشانگر علاقه مندی آن ها می باشد نه ترسشان. اگرچه اطفال خردسال خیلی زود می توانند عمق را درک کنند ولی ترس از پرتگاه در شش ماهگی یا بعد از آن در آنها ایجاد می شود. این در حالی است که این ترس در سگ ها – بزها و گربه ها خیلی زودتر ایجاد می شود.
ردیابی بصری
نوزدان می توانند اشیاء متحرک را به کندی ردیابی کنند. وقتی نوزادان 1 تا 4 روزه در برابر یک نور ثابت نوری که به شکل مستطیل حرکت می کرد قرار می گرفتند در برابر نور متحرک از میزان مک زدن های خود کم می کردند. نوزادان سه روزه با وجود مهارت ناکافی خود مسیر هدف متحرک را دنبال می کردند. حتی در دو ماهگی می توانستند مقصد محرک های بصری را پیش بینی کنند. اگر اطفال را در برابر رایانه ای قرار دهیم که بطور ثابت تصاویری را در سمت چپ و راست صفحه نشان می دهد با نگاه کردن به جایی که تصور می کنند تصویر بعدی نمایش داده خواهد شد محل آن را پیش بینی می کنند.
روانشناسی رشد،کاپلان. 1381
کودکان LD و مشکلات در تشخیص و درک بینایی
متخصصان بسیاری از پژوهش های خود دریافته اند که کودکان LD اگرچه از دید کافی یا قدرت بینایی لازم برخوردارند اما مشکلاتی در تشخیص و درک بینایی دارند.
شناسایی و تصحیح این مشکلات به علت ارتباط مستقیمی که با موفقیت در توانایی خواندن از روش (نگاه کردن) دارد مورد توجه بسیاری از متخصصان کودکان استثنایی بوده است. وقتی مشکلات تشخیص و درک بینایی شدت پیدا کند (آگنوزی بینایی) نامیده می شود.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله  15  صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

دانلود پایان نامه آماده درباره تشخیص بن بست در سیستم‌های توزیع شده‎ با فرمت word-ورد 89 صفحه

اختصاصی از نیک فایل دانلود پایان نامه آماده درباره تشخیص بن بست در سیستم‌های توزیع شده‎ با فرمت word-ورد 89 صفحه دانلود با لینک مستقیم و پر سرعت .

امروزه کمتر سیستمی را می توان یافت که روی یک کامپیوتر متمرکز باشد. رشد روزافزون استفاده از سیستمهای توزیع شده، اهمیت تحقیق و پژوهش در راستای حل موانع و مشکلات موجود در این سیستمها را بیشتر آشکار می نماید. از جمله سیستمهای توزیع شده می توان به بانکهای اطلاعاتی توزیع شده، سیستم عاملهای توزیع شده، و سیستمهای کارگزار موبایل اشاره نمود. سیستم توزیع شده از مجموعه ای از فرآیندهایی که از طریق ارسال پیام با یکدیگر در ارتباط اند،تشکیل شده است.یکی از مسائل مهم در سیستمهای توزیع شده در راستای مدیریت منابع، تشخیص بن بست توزیع شده است. مدیریت منابع زمانی که فرایندهای درخواست کننده در سطح شبکه در مکانهای مختلف توزیع شده اند،فرایند تشخیص را نسبت به سیستمهای متمرکز، دشوارتر می نماید. طی دهه اخیر الگوریتم های زیادی برای تشخیص بن بست در سیستم های توزیع شده ارائه شده است که تعداد زیادی از آنها موفق به تشخیص بن بست نمی شوند و یا بن بست هایی را گزارش می کنند که در واقع وجود ندارند و یا اینکه اثبات شده است که نادرست اند. هدف از این تحقیق مطالعه و بررسی روشهای مختلف تشخیص بن بست در سیستمهای توزیع شده، شناسایی مشکلات، محدودیت های آنها و ارائه راه حل عملی مبتنی بر واقعیات موجود در سیستمهای توزیع شده در خصوص مشکلات شناسایی شده است.

فهرست :

مقدمه

فصل اول: تشخیص بن بست در سیستمهای توزیع شده

مفاهیم پایه

انواع مدلهای بن‌بست بر اساس سیستم تبادل پیام

انواع مدلهای بن‌بست بر اساس نوع درخواست

شرایط وجود بن‌بست

طبقه‌بندی الگوریتم‌های تشخیص بن‌بست

فصل دوم: مروری بر الگوریتم‌های تشخیص بن‌بست

مقدمه

نمونه‌ای از الگوریتم متمرکز جهت تشخیص بن‌بست در سیستمهای توزیع‌شده

الگوریتم هو رامامورتی

نمونه‌ای از الگوریتم‌های تشخیص بن‌بست سلسله‌مراتبی

الگوریتم منساس – مانتر

الگوریتم هو – رامامورثی

نمونه‌هایی از الگوریتم‌های توزیع‌شده

الگوریتم تشخیص بن‌بست چندی – مسیرا – هاس

الگوریتم محاسبه پخش کردن چندی – مسیرا – هاس

الگوریتم براچا – توگ

الگوریتم منساس و مانتز الگوریتم ابرمارک

الگوریتم ابرمارک

الگوریتم بدالض

فصل سوم: مروری بر الگوریتم‌های تشخیص بن‌بست توزیع شده تعقیب یال

مقدمه

بررسی الگوریتم‌های تشخیص بن‌بست تعقیب یال

الگوریتم میچل و مریت

الگوریتم سینها و ناتارجان

الگوریتم چودهاری – کوهلر – استنکویچ و توسلی

الگوریتم سینقال و شمکالیانی

تشخیص بن‌بست توزیع شده و حل آن بر اساس ساعتهای سخت‌افزاری

ارائه روشی برای حذف بن‌بست نادرست در الگوریتم‌های تشخیص بن‌بست

نتیجه‌گیری

فصل چهارم: الگوریتم‌های تشخیص بن‌بست توزیع شده تحمل خطاپذیر

مقدمه

مروری بر الگوریتم‌های تحمل‌پذیر خطا جهت تشخیص بن‌بست

معرفی مدل سیستم تشخیص خرابی بر اساس شاخص زمان اتصال

یک الگوریتم تشخیص بن‌بست توزیع شده تحمل‌پذیر خطا

اثبات درستی الگوریتم

نتیجه‌گیری

فصل پنجم: تشخیص و حل بن‌بست در سیستمهای نماینده موبایل

مقدمه

معرفی سیستمهای نماینده موبایل(نسل آینده سیستمهای توزیع شده)

تشخیص بن‌بست توزیع‌شده در سیستمهای نماینده موبایل

معایب الگوریتم اصلی و مشکلات کارایی الگوریتم

الگوریتم تشخیص بن‌بست توزیع شده مبتنی بر اولویت بهبودیافته

آنالیز کارایی الگوریتم بهبودیافته

اثبات درستی الگوریتم

نتیجه‌گیری

نتیجه‌گیری

فهرست منابع

پیوست‌ها

دانلود مقاله تکنیکهای اشتراکی برای تشخیص حمله در شبکه های mobils ad-hoc

اختصاصی از نیک فایل دانلود مقاله تکنیکهای اشتراکی برای تشخیص حمله در شبکه های mobils ad-hoc دانلود با لینک مستقیم و پر سرعت .

در این مقاله در تکنیک تشخیص حمله برای شبکه های and-hoc که از همکاری گره ها در یک همسایگی برای کشف یک گره مهاجم (بداندیش) در آن همسایگی استفاده می کند. اولین روش برای تشخیص گره های مهاجم در یک همسایگی که هر دو جفت گره در یک محدودة رادیویی می باشند. این قبیل گره های همسایه به عنوان دسته (گروه یا clique) شناخته می شوند. روش دوم برای تشخیص گره های مهاجم در یک همسایگی که ممکن است دو گره در یک محدودة رادیویی نباشند اما یک گره میانی مابین آنها وجود دارد که سایر گره‌ها در یک همسایگی one-hop از آن قرار دارند. این همسایگی به عنوان کلاستر شناخته می شود. یک گره که monitor نامیده می شود فرایند تشخیص حمله را آغاز می کند. هر دو روش از روش message-passing بین گره ها استفاده می کنند. بر اساس پیام هایی که در خلال فرایند تشخیص دریافت می شود هر گره از گره های مظنون را تعیین می کند و نظر خود را به گره مانیتور می فرستد. گره مانیتور به محض بازرسی آرای گره های مهاجم را از میان گره های مظنون تعیین می‌کند. این سیستم تشخیص حمله از هر پروتکل مسیریابی مستقل می‌باشد. اثبات درستی روش اول در این جا می آید و نشان می دهد که روش هنگامی که هیچ از دست رفتن پیام نداشته باشیم به درستی کار می کند. همچنین با شبیه سازی نشان داده می شود که هر دو الگوریتم راندمان خوبی حتی وقتی که از بین رفتن پیام در کانالهای نامطمئن داشته باشیم.
1- مقدمه
ازیاد وسایل موبایل مانند لپ تاپ، PDA و تلفنهای همراه، برنامه‌های کاربردی مهیجی نظیر کلاسهای مجازی، کنفرانسهای مجازی و... را باعث شده است . شبکه ael-hoc موبایل یک تکنولوژی است که تمامی برنامه های مذکور را در هر مکانی مقدمه می سازد. همه چیزی که مورد نیاز می باشد این است که یک گروه از گروه های متحرک قابلیت خود سازماندهی و شکل دهی یک شبکه بدون نیاز به ساختار پایه ای ثابت و یک کنترل مرکزی داشته باشند. در این شبکه یک گره موبایل به عنوان یک میزبان و یک روتر در یک زمان عمل می‌کند. این شبکه یک گره موبایل را به صورت واقعی موبایل می سازد در مقایسه با شبکه های موبایل ساختارگرا که یک گره مقید به فعالیت در یک شعاع مشخص توسط زیر ساختار می باشد . همچنین یک شبکه adhoc موبایل (Monet) می تواند در زمانی که امکان یک ارتباط در یک ناحیه توسط یک ساختار ثابت قول به صرفه نباشد و یا از لحاظ جغرافیایی غیرممکن باشد، سودمند باشد. اما نقطه منفی این شبکه سختی تضمین یک ارتباط مطمئن در آن شبکه می باشد. فراهم کردن امنیت در شبکه های adhoc به خاطر احتیاج به یک ارتباط محافظت شده و مطمئن بین گره های متحرک در محیط داشتن موضوع اصلی و مهم این شبکه‌ها می‌باشد. برخلاف شبکه های بی سیم ساختارگرا ویژگی واحد Manet ها مانند ساختار باز شبکه، رسانه بی سیم مشترک، محدودیت منابع و توپولوژی های پویای شبکه چالش های امنیتی جدیدی را مطرح کرده است.
یکی از روش های امن کردن شبکه adhoc موبایل در لایه شبکه، امن کردن پروتکلهای مسیریابی است به طوری که از همه حملات ممکن جلوگیری شود. به هر حال هیچ پروتکل مسیریابی وجود ندارد که همة انواع حملات را پوشش دهد و بالفرض هم اگر وجود داشته باشد هیچ کس در مورد حملاتی که در آینده اتفاق می افتد و ممکن است از ضعف‌های طراحی و یا ایرادات برنامه نویسی استفاده کند خبر ندارد.
بنابراین این پروتکلها نیز نیازمند اصلاح جهت جلوگیری از حملات جدید می باشند. به عبارت دیگر هیچ کس نمی تواند ادعا کند که یک مکانیزم جلوگیری از حمله بدون نقص است.
در اینجاست که به یک لایه دفاعی ثانویه به نام سیستم تشخیص حمله نیاز داریم. ایده اینست که اگر یک حمله و یا سرکشی ناخواسته صورت گرفت، اگر یک سیستم برای تشخیص آن باشد باید در این لحظه ممکنه آن را تشخیص دهد و سیستم را قبل از بروز یک خسارت شدید امن کند. تحقیقات انجام شده در راستای توسعه یک سیستم تشخیص حمله (IDS) تعیین گره های مزاحم و ایزوله کردن آنها از بقیه شبکه می باشد بعلاوه وجود یک سیستم تشخیص حمله گره های فراهم را در تلاش برای نفوذ در آینده به سیستم دلسرد می کند.
در این مقاله به بررسی دو الگوریتم برای تشخیص گره های مهاجم می پردازیم. اولی که ADCII نامیده می شود برای تشخیص گره های مهاجم در یک گروه (Clique) و دومی که ASDCLU نام دارد برای تشخیص گره های مهاجم در یک کلاستر می باشد. در هر دو الگوریتم از مکانیزم تبادل پیام استفاده می شود که هر کدام از گره ها را قادر می سازد که گره های فطتون به نفوذ را تعیین کنند. در پایان یک رأی گیری برای تشخیص گره های مهاجم از بین این گره های مظنون صورت می‌گیرد. از دست رفتن بسته به خاطر ارتباط غیرمطمئن نیز شبیه سازی شده است و از طریق شبیه سازی نیز کارایی الگوریتم دوم نیز بررسی می شود.
- کارهای مربوطه
در زیر تعدادی از تکنیکهای پیشنهاد شده برای تشخیص حمله در MANET آمده است .
Watchday: یک روش ID می باشد که در هر گره در شبکه adhoc موبایل اجرا می شود. در این روش فرض می شود که گره ها در یک حالت بیقاعده عمل می کنند. که گره ها را وادار به گوش داده به انتقالات در همسایه های مجاور (یک پرشه) می کند . بنابراین با گوش دادن به همسایه‌هایش می تواند تشخیص دهد که بسته هایی را که به همسایه‌اش فرستاده است توسط آن منتقل شده است یا نه. اگر گره همسایه به عنوان یک نفوذی تشخیص داده شود به آن گره و رفتارش را به عنوان نفوذی به path-rater گزارش می دهد. مثالهایی از رفتارهای نفوذی از بین بردن یک بسته و یا تغییر محتوای آن قبل از فوروارد کردن آن می باشد . Path-rater یک مولفه است که در گره ها اجرا می شود و نحوه عملکرد رفتار هر گره را نگهداری می کند. این نحوه عملکرد به عنوان یک معیار جهت انتخاب مسیر برای انتقال داده استفاده می شود. این روش معایب آشکاری دارد. به عنوان نمونه یک گره می تواند توسط دو گره دیگر که با هم تبانی کرده اند . فریب داده شود.
Ling , Manik opaulas یک معماری برای امنیت شبکه موبایل adhoc ارائه کرده اند که در آن یک IDS بر روی تمامی گره ها اجرا می شود. این IDS داده های محلی را از گره میزبان و همسایگانش در یک محدوده ارتباطی جمع آوری کرده و به داده های خام را پردازش می کند و به صورت دوره ای دسته بندی از رفتارهای نرم و غیر نرمال بر اساس داده های پردازش شده اند. گره میزبان و گره های همسایه را پخش می کند.
یک طرح دیگر که بر اساس طرح اصل کشف سوء استفاده می باشد که به درستی اثرات حملات شناخته شده در آن را تطبیق می کند. طرح دیگر بر اساس رفتار غیر عادی گره های همسایه می باشد. هر گره فعالیت های رفت و آمدی مشخصی را در حوزه رادیویی خود مانیتور می کند. تمام نفوذهای کشف شده محلی دریک udit log نگهداری می‌شود. این داده های جمع آوری شده توسط الگوریتم های خاص پردازش می شوند و حملات را تشخیص می دهند.

الگوریتم ها:
در این بخش دو الگوریتم برای تشخیص گره های بدخواه در یک MANET پیشنهاد می شود یک گره بدخواه، گره ای است که مطابق رفتار مورد نظر عمل نمی کند و ممکن است از انواع مختلف روشهای حمله که در بخش قبل گفته شد استفاده کند. بیشتر این حملات با تغییر محتوای پیام قبل از فوروارد کردن آن و یا فوروارد نکردن پیامی که باید منتقل شود صورت می گیرد. در زمان توسعه این دو الگوریتم فرض شده است که گره های بدخواه این دو ویژگی را در طول دوره حیاتشان بروز خواهند داد. سعی می شود که این رفتارهای ناخواسته کشف و در نهایت گره های بدخواه که این ویژگیها را نمایان می سازند به دام افتاده شوند.
الگوریتم هیا ADCLU, ADCLI می تواند در گروه ها یا کلاسترهای مختلف اجرا شوند. هر گروه (کلاستر) با یک سری اطلاعات در مورد گره های بدخواه مطرح می شوند (اگر این اطلاعات وجود داشته باشد) . از این اطلاعات جهت ایزوله کردن گره های بدخواه می تواند استفاده شود. علاوه بر این این اطلاعات ممکن است به گره هیا دیگر در دیگر گروه ها (کلاسترها) فرستاده شود به طوریکه آنها نیز بتواند این گره را از خود ایزوله کنند.
به بیان دیگر اطلاعات در مورد گره های مزاحم ممکن است در تصمیم گیری های مسیریابی استفاده شود. هر گره ای که الگوریتم (ADCLU) ADCLI را آغاز می کند مانیتور نامیده می شود. الگوریتم های مختلفی برای دسته بندی گره ها در یک MANET به کلاسترها وجود دارد که الگوریتم های خوشه بندی نامیده می شوند.
این الگوریتم ها یک گره در کلاستر را به عنوان Cluster head در نظر می گیرند. خوشه بندی (کلاسترینگ) عموماً برای مسیریابی های سلسله مراتبی انجام می شود . در یک MANET که در آن برای اهداف مسیریابی کلاسترینگ صورت گرفته است، این الگوریتم می‌تواند در کلاستر موجود انجام شوند و cluster head به عنوان مانیتور در نظر گرفته شود. به خاطر سربار زیاد گره مانیتور باطری آن سریعتر از سایر گره های کلاستر خالی می شود این مسئله با بکارگیری الگوریتم کلاسترینگی که در یک دوره زمانی وابسته به مصرف منبع تغذیه اعضا به طوریکه یک توازن بین سطوح انرژی گره ها در یک کلاستر وجود داشته باشد. الگوریتم ها گره های بدخواه در یک گروه یا کلاستر را در یک نمونه زمانی مشخص کشف می کند بهرحال اعمال مجازات برای یک گره بر اساس رفتار آن در یک لحظه از زمان جالب نیست با توجه به اینکه شبکه ممکن است دارای از دست رفتن packel و یا ازدحام باشد. بنابراین این الگوریتم می تواند در یک دوره زمانی به صورت تصادفی اجرا شود و رفتار گره ها در دوره های گذشته مشاهده شود قبل از اعمال هر گونه تنبیه. این روش به گره هایی که قبلاً رفتار بداندیشانه داشته اندجهت اصلاح و پذیرش دوباره در شبکه کمک می کند. گذشته از این ها، در حالتیکه شبکه دارای ازدحام است ممکن است بسته ای drop شود الگوریتم به درستی عمل نمی کند و ممکن است که مکانیزمی که برای کنترل ازدحام وجود دارد abort شود.

الگوریتم ADCLI
این الگوریتم برای کشف گره های فراهم درحالتیکه تمامی گره ها در یک محدوده رادیویی هستند استفاده می شود (شکل 1) این مجموعه از گره ها گروه (clique) نامیده می شوددو گره در یک محدوده رادیویی ممکن است توسط یک لبه بین آنها نمایش داده شوند (شکل 2)
در این الگوریتم فرضیات زیر در نظر گرفته شده است: وقتی که پیام توسط یک گره مزاحم دریافت شد آن را به حداقل نصف گره ها بصورت پیام اشتباه ارسال می کند . بدون از بین رفتن کلیت مسئله، فرض شده است که گره آغاز ین این الگوریتم (گره مانیتور) یک گره مزاحم نیست و زمانی که این گره کار کشف گره های مزاحم را با فرستادن پیام به آنها شروع می کند، گره های مزاحم هیچ راهی را برای تشخیص اینکه الگوریتم در حال اجراست ندارند. این مسئله از آن جهت مورد نیاز است که اگر گره مزاحم این مسئله را بفهمد ممکن است رفتار خود را تغییر دهد و یا بخواهد الگوریتم را از کار بیندازد.
حال الگوریتم تشخیص حمله ای که حدکثر k گره مزاحم را از میان n گره که در یک محدوده رادیویی هستند و n>flect می باشد ارائه می‌شود.
گام اول: در گام اول گره مانیتور (m) یک پیام درست را به n-1 گره دیگر می فرستد و از آنها می خواهد آن را به n-2 گره دیگر منتقل کنند.
گام 2 – به محض دریافت گره پیام، گره I (برای هر I که مانیتور نباشد)‌آن را به سایر گره ها ارسال می کند. (در این حالت گره مزاحم ممکن است که آن را ارسال نکند و یا به صورت اشتباه نیست به پیام درست اولیه ارسال کند).
گام 3- در این گام گره مانیتور یک پیام درخواست رای گیری برای گره مزاحم را به سایر گره ها می فرستد.
گام 4- به هنگام دریافت این پیام توسط از گره مانیتور، n-1 گره دیگر به صورت زیر عمل می کنند: برای هر گره و پیامی است که توسط گره I از گره j در گام 2 دریافت شده است. (اگر گره I پیامی از گره j دریافت نکند و یا به صورت اشتباه دریافت کند مقدار برابر wrong قرار می گیرد).
گام 5: بعد از دریافت آراء در گام 4 گره مانیتور به صورت زیر عمل می کند:
1- دریافت حداکثر
2- تعیین گره های (D1,D0,…Dm) که حداقل k+1 رای به عنوان گره مزاحم دارند. M تعداد گره های مزاحم است.
3- اگر تعداد گره های کشف شده به عنوان گره مزاحم بیشتر از k باشد فرایند کشف قطع می شود . (وقتی فرایند کشف قطع شد به معنی اینست که تعداد گره های مزاحم بیشتر از k است)
در گام اول پیامی برای کشف گره های مزاحم توسط گره مانیتور به سایر گره ها فرستاده می شود در گام دوم اگر یک گره مزاحم نباشد آن را به درتی منتقل می کند و اگر گره مزاحم باشد دو حالت زیر اتفاق می افتد.
الف – پیام را به هم و یا بعضی از گره ها ارسال نکند.
ب – پیام را به درستی به همه یا بعضی از گره ها ارسال نکند.
در گام 3، بعد از انتظار برای گام 2 که کامل شود به گره مانیتور پیام رای گیری را به سایر گره ها می فرستد فرض اینست که تا وقتیکه یک گره پیام رای گیری را دریافت نکند از اجرای الگوریتم بی خبر است . به محض دریافت این پیام ، گره مزاحم رفتار خود را نشان داده است و گریزی از اجرای الگوریتم نیست. این یک فرض معتبر است و با استفاده از یک مکانیزم که پیام های مانیتور را طی یک قاعده خاص به طور کلید مورد خلق قرار نگیرد تضمین می شود . به هر حال این بسته نباید شامل اطلاعات مهم باشد. در این گام یک گره فریب خورده و فکر می کند که گره مانیتور یک گره معمولی است و از آن خواسته است که این پیام را منتقل کند.
در گام 4، n-1 گره اطلاعات خود را در مورد گره های مظنون به گره مانیتور می فرستد گره های مظنون آنهایی هستند که رفتار بدخواهانه داشته‌اند. در این گام این قبیل گره ها را مظنون می خوانیم نه مزاحم. زیرا بعضی از گره های مظنون ممکن است که مزاحم نباشند . این حالت زمانی پیش می آید که یک گره مزاحم در مورد سایر گره به دروغ نظر دهد و این گره ها را به عنوان مظنون به مانیتور معرفی کند.
(توجه شود که گره مزاحم در هیچ گامی قابل اعتماد نیست که به درستی عمل کند)
در گام 5 گره مانیتور رای ها را شماره می کند تا گره های مزاحم را پیدا کند.
مثال: برای درک بهتر الگوریتم حالتی را که در آن 5 گره وجود دارد و یک گره مزاحم در آن است را شرح می دهیم . شکل 3 پیام های رد و بدل شده بین گره ها در دو گام اول نمایش می دهد . گره صفر یک گره مزاحم و گره یک گره مانیتور است. در گام اول، گره یک پیام Right (که با برچسب R مشخص است) به سایر گره ها (0 و 2 و 3 و 4) می‌فرستد. در گام 2 هر کدام از این چهار گره پیام را به گره های دیگر رله می‌کنند. گره های 2 و 3 و 4 مزاحم نیستند و پیام را به درستی رله می‌کنند. ولی گره صفر که یک گره مزاحم است پیام wrong را به گره های 2 و3 و پیام Right را به گره 4 رله می کند. شکل 4 پیام های دریافت شده توسط n-1 گره در طول گام های یک دو دو الگوریتم و آراء برگردانده شده توسط آنها در گام 3 را نشان می دهد . یک سطر بیانگر پیام های دریافت شده توسط یک گره است . به عنوان مثال ردیف اول ماتریس نشان می دهد که گره صفر پیام (R,R,R,R) را از گره های 1و2و3و4 دریافت کرده است . در گام3 به این پیام گره های 2و 3 یک رای برای گره صفر بر می گرداند. گره مزاحم صفر ممکن است یک رای دروغین را به گره مانیتور بفرستد در اینجا دو حالت مورد توجه است:
حالت اول: گره مزاحم صفر هیچ رایی را به گره مانیتور ارسال نکند. در این حالت گره مانیتور رای (0,0) را دریافت خواهد کرد. در اینجا تشخیص می دهد که گره صفر که حداقل k+1 رای را کسب کرده است گره مزاحم است.
حالت دوم: گره صفر در یک رفتار بدخواهانه حداکثر k رای را برای گره های غیرمزاحم دیگر به گره مانیتور بفرستد.
در این حالت (شکل 4) یک رای برای گره غیرمزاحم 4 توسط گره صفر فرستاده شده است گره مانیتور در گام5 آراء (4و0و0) را دریافت می کند و گره صفر را که حداقلk+1 رای کسب کرده است به عنوان گره مزاحم کشف می کند.
مثال بالا نشان می دهد که الگوریتم در حالتیکه تنها یک گره منفرد مزاحم وجود دارد کار می کند در حالتیکه بیش از یک گره با همدیگر تبانی کرده باشند توسط مثال زیر شرح داده می شود.
اشکال 5 و6 چگونگی کار الگوریتم را برای حالتیکه که n=9 و k=2 است شرح می دهد . گره یک گره مانیتور و گره های صفر و گره مزاحم هستند. در گام اول گره یک پیام R را سایر گره ها می فرستد . در گام دو هر کدام از 8 گره نیز پیام را به گره های دیگر به غیر از گره مانیتور رله می کنند. گره صفر پیام w را به گره های 2و6و7و8 (حداقل نصف هفت گره باقیمانده) رله می کند و پیام R را به گره های 3و4و5 ارسال می کند . به طور مشابه گره 2 نیز پیام w را به گره های 0و3و4و5 رله می کند.
شکل 6 . پیام های دریافت شده توسط گره ها در گام های 1 و2 و آراء دریافتی در گام 3 را نشان می دهد . فرض کنید که گره های صفر و 2 با هم تبانی کرده اند که گزارش یکدیگر را ندهند. به علاوه به توافق رسیده اند که راهی به مظنون بودن گره های 3 و4 بدهند. ماکزیمم رایی که توسط گره مانیتور پذیرفته خواهد شد مطابق فرض الگوریتم k تا خواهد بود. حتی اگر بخواهند بیش از k را بفرستند تنها k رای متفاوت پذیرفته خواهد شد. در نهایت گره های صفر و دو به عنوان گره مزاحم نشاخته می شوند زیرا حداقل 3 رای برای آنها کسب شده است.

3-2- الگوریتم ADCLU
این الگوریتم برای کشف گره های مزاحم در حالتیکه یک مجموعه از گره ها به شکل کلاستر وجود دارد که به صورت یک همسایگی از گره ها که در آن یک گره به صورت 1-hop با بقیه گره ها در ارتباط است (شکل 7) برخلاف clique ممکن است دو گره در یک محدوده رادیویی نباشند . برای ارائه الگوریتم فرضیات زیر را در نظرمی گیریم: ارتباط بی سیم بین گره به صورت دوطرفه می باشد و در زمان شروع الگوریتم توسط گره مانیتور راهی برای فهمیدن اینکه الگوریتم کشف در حال فعالیت است وجود ندارد . حال گام های الگوریتم را شرح می دهیم:
گام اول: ارسال پیام Right به صورت پراکنی به سایر گره های همسایه و درخواست از آنها جهت ارسال آن به گره های همسایه .
گام 2: به محض دریافت پیام R هر همسایه B از M پیام را به همسایه هایش می فرستد (B پیام R را انتقال می دهد اگر مزاحم نباشد و در غیر اینصورت w را منتقل می کند) .
گام 3: گره مانیتور درخواست رای گیری می کند (پیام رای گیری را پخش می کند).
گام 4: به محض دریافت پیام رای گیری توسط گره های همسایه M ، هر همسایه (B) اعمال زیر را انجام می دهد.
- PA پیامی است که توسط گره B از گره A دریافت شده است (اگر گره B پیامی از گره A دریافت نکند و یا اشتباه دریافت کند در اینصورت مقدار PA برابر wrong است).
- اگر باشد، گره B یک رای برای گره A به مانیتور می‌فرستد .
گام پنج: در هنگام دریافت آراء توسط مانیتور ، گره مانیتور کارهائی زیر را انجام می دهد.
1-گره مانیتور فقط یک رای از هر گره در مورد گره های مظنون می‌پذیرد.
2- NA تعداد آراء دریافت شده برای گره A است. اگر باشد. گره A به عنوان مزاحم شناخته می شود.
تفاوت اساسی مابین دو الگوریتم در اینست که ADCLI از unicast برای تبادل پیام استفاده می کند در حالیکه ADCLU از Brod cast استفاده می‌کند.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله  29  صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

تشخیص و نمایش نرم افزار مخرب در سیستم

اختصاصی از نیک فایل تشخیص و نمایش نرم افزار مخرب در سیستم دانلود با لینک مستقیم و پر سرعت .

این برنامه قابلیت جستجو و نمایش همه ی فایل ها و فلدرها و نرم افزارهای موجود در کامپیوتر را دارد.همچنین فایل هایی که مخفی می باشند باوجود هرگونه سطح امنتیتی قابل رویت می شوند.فایل هایی با فرمت exe و dll که احتمال دارند برای سیستم خطرناک باشند را نمایش می دهد و شما به راحتی می توانید آن ها را از سیستم خود پاک کنید.مناسب برای پروژه های دانشگاهی