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

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

الگوریتم-طبقه-بندی-k-نزدیک-ترین-همسایه-فازی-داده-برای-محرمانگی-در-محاسبات-ابرینوع فایل:word (قابل ویرایش)تعداد صفحات :110 صفحه حجم :2547کیلوبایتچکیده:پردازش ابری و محیط ابر و پایگاه داده های ابری محل ذخیره سازی اطلاعاتروی وب می باشد و برای بالا بردن امنیت در آن ها باید بهترین راه حل رااستفاده کرد. مساله ما در اینجا طبقه بندی داده های محرمانه و فوق محرمانه وسپس رمزگذاری آن ها برای ذخیره در ابر می باشد برای این کار سرعت و دقتبسیار مهم می باشد. در این پژوهش یک الگوریتم طبقه بندی داده فازی، در محیطابری استفاده شده است که در نهایت با زبان جاوا و در شبیه ساز کلودسیمشبیه سازی شد و توانست طبقه¬بندی موثری برای داده¬ها در محیط ابر ایجادکند. الگوریتم طبقه بند ارایه شده، الگوریتم k-نزدیک ترین همسایه فازیاست. با توجه به خصوصیات خوبی که الگوریتم k-نزدیک¬ترین همسایه فازی داردتوانست با سرعت و دقت بیشتر داده های محرمانه، فوق محرمانه و عمومی را طبقهبندی کند و برای رمزگذاری مناسب برای ذخیره سازی در ابر آماده کند وکارایی طبقه بندی داده برای ذخیره سازی در ابر را بهبود بخشد. روش کاربدین صورت می باشد که داده های یک پایگاه داده ۱۵۰۰۰ رکوردی ابتدا توسطالگوریتم k-نزدیک ترین همسایه عادی طبقه بندی می شود و داده ها به مرحلهرمزگذاری فرستاده می¬شوند و در نهایت در ابر ذخیره می شوند و در مقابل آنهمان پایگاه داده توسط الگوریتم k-نزدیک ترین همسایه فازی طبقه-بندی می شودو به سه کلاس فوق محرمانه، محرمانه و عمومی به مرحله بعدی که رمزگذاری وذخیره در ابر می باشد فرستاده می شود. در پیاده سازی این روش از زبان جاوا وشبیه ساز کلودسیم استفاده شده است و نتایج حاصل به خوبی بیانگر کاراییبهتر الگوریتم k-نزدیک ترین همسایه فازی می باشد که موجب تولید نتایج بهترنسبت 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 فازیفهرست 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

دانلود فایل

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

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