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

این پایان نامه در قالب فرمت word قابل ویرایش ، آماده پرینت و ارائه به عنوان پروژه پایانی میباشد.

فهرست مطالب

عنوان                                                                                                     صفحه
چکیده:   1
فصل اول: مقدمه   2
1-1 مقدمه   2
1-2 تعریف مساله و بیان سوال¬های اصلی تحقیق   3
1-3 سابقه وضرورت انجام تحقیق   4
1-4 هدف¬ها   8
1-5 جنبه نوآوری تحقیق:   9
1-6 مراحل انجام تحقیق   9
1-7 ساختار پایان¬نامه   9
فصل دوم: مباحث عمومی پردازش ابری، امنیت و شبیه¬سازی   10
2-1 مقدمه   10
2-2 تاریخچه¬ی مختصری از رایانش ابری   11
2-3 وضعیت کنونی رایانش ابری   12
2-4 خصوصیات رایانش ابری   13
2-4-1 ویژگی کلیدی رایانش ابری   17
2-4-2 مزایای اصلی رایانش ابری   18
2-4-3 کارهای امکان¬پذیر در رایانش ابری.   18
2-5 معماری رایانش ابری   19
2-6 امنیت و چالشهای رایانش ابری   21
2-7 امنیت در رایانش ابری   22
2-8 نقاط ضعف رایانش ابری   22
2-8-1 نیاز به اتصال دائمی اینترنت   22
2-8-2 کار نکردن با اینترنت کم سرعت   23
2-8-3 حفظ حریم خصوصی   23
2-9 معایب امنیتی در محیط¬های ابری   23
2-9-1 موقعیت داده   24
2-9-2 تفکیک داده¬ها   24
2-10 تامین امنیت داده¬ها   24
2-10-1 کنترل و دسترسی   25
2-10-2 رمزگذاری   25
2-11 مقدمه¬ای بر شبیه¬سازی   26
2-12 برخی نرم¬افزارهای شبیه¬سازی شبکه¬های محاسباتی   28
2-13 آشنایی با ابزار کلودسیم   29
2-13-1معماری کلودسیم   30
2-14 مدل¬های تخصیص ماشینهای مجازی   31
2-15 کلاس¬های موجود در کلودسیم   32
2-16 جمع¬بندی   35
فصل سوم: مروری بر کارهای گذشته والگوریتم¬های رمزنگاری   37
3-1 مقدمه   37
3-2 معرفی روش   38
3-3 سوابق کاری گذشته   39
3-4 اهداف روش   41
3-5 طبقه¬بندی داده¬ها   42
3-5-1 یادگیری ماشین   42
3-6 تعریف داده حساس و غیرحساس   46
3-7 طبقه¬بند-Kنزدیک¬ترین همسایه   48
3-8 رمزنگاری با روشRSA   49
3-9 رمز و رمزنگاری   49
3-9-1 الگوریتم¬های رمزنگاری   50
3-10 آراس¬ای   52
3-10-1 مراحل الگوریتم RSA   51
3-11 استاندارد رمزنگاری پیشرفته   54
3-11-1 شرح رمزنگاری   55
3-12جمع¬بندی   56
فصل چهارم: معرفی روش پیشنهادی   57
4-1 مقدمه   57
4-2 معرفی روش جدید -Kنزدیک¬ترین همسایه فازی برای طبقه-بندی داده در محاسبات ابری   58
1-4-2 نظریه مجموعه¬های فازی   58
4-3 تفاوت در نتایج حاصله از الگوریتم¬های طبقه¬بندی   58
4-4 چهارچوب مورد استفاده   59
4-5 روش پیشنهادی   59
4-5-1 داده آموزشی و داده تست   61
4-5-2 ذخیره در ابر   62
4-5-3 روش کار الگوریتمKNN   62
4-5-4 روش کار الگوریتمF-KNN   64
6-4 جمع¬بندی   66
فصل پنجم:آزمایش¬ها و ارزیابی نتایج   67
5-1 مقدمه   67
5-2 جایگاه داده آزمایش ومحیط پیاده سازی واجرا   68
5-3 مقایسه نتایج بدست آمده از الگوریتم -K نزدیک¬ترین همسایه عادی و فازی    72
5-4 خصوصیات لایه نرم افزار به عنوان سرویس   76
5-5 خصوصیات لایه پلتفرم به عنوان سرویس برای مدیریت مجازی   77
5-6 خصوصیات لایه زیرساخت به عنوان سرویس در شبیه¬سازی ابر   78
5-7 نرخ شناسایی   79
5-8 نتایج شبیه¬سازی   80
5-9 زمان شبیه¬سازی مراحل کار   81
5-10 جمع¬بندی   83
فصل ششم:نتیجه¬گیری و پیشنهادها   84
6-1 مقدمه   84
6-2 نتایج حاصل از تحقیق   84
6-3 پیشنهادها   85
مراجع:   86
واژه¬نامه انگلیسی   89
چکیده انگلیسی ................................................................................................................................93

فهرست جدول

عنوان                                                                                                     صفحه
جدول2-1 مقایسه محاسبات ابری و محاسبات توری   13
جدول 2-2کلاس¬های پهنای¬باند   30
جدول 2-3 کلاس¬های تکه¬ابر   31
جدول5-1 کلاس های برنامه   69
جدول 5-1 تعداد آیتم های تکه ابر الگوریتم KNN و F-KNN   73
جدول 5-2 خصوصیات لایه نرم افزار به عنوان سرویس الگوریتم KNN   76
جدول 5-3 خصوصیات لایه نرم افزار به عنوان سرویس الگوریتم F-KNN   76
جدول 5-4 خصوصیات لایه پلتفرم به عنوان سرویس الگوریتمKNN   77
جدول 5-5 خصوصیات لایه پلتفرم به عنوان سرویس الگوریتم F-KNN   77
جدول 5-6خصوصیات لایه زیرساخت به عنوان سرویس الگوریتم KNN   78
جدول 5-7 خصوصیات لایه زیرساخت به عنوان سرویس الگوریتم F-KNN   78
جدول 5-8 اطلاعات طبقه بندی داده در الگوریتم KNN   79
جدول 5-9 اطلاعات طبقه بندی داده در الگوریتم F-KNN   79
جدول 5-10 نتایج زمانی شبیه سازی طبقه¬بندی داده¬ها با الگوریتم KNN   80
جدول 5-11 نتایج زمانی شبیه سازی طبقه¬بندی داده¬ها با الگوریتم F-KNN   80
جدول 5-12 زمان شبیه سازی مراحل کار الگوریتم KNN   81
جدول 5-13 زمان شبیه سازی مراحل کار الگوریتم F-KNN   81

فهرست اشکال

عنوان                                                                                                     صفحه
شکل 2-1 سرویس¬های رایانش ابری   14
شکل 2-2 پشتیبانی از بستر ناهمگن    16
شکل 2-3 معماری محاسبات ابری.   19
شکل 3-1 فلوچارت یادگیری ماشین   43
شکل 3-2 رمزنگاری به شیوه پیچیدن تکه کاغذی دور استوانه   46
شکل3-3 تقسیم بندی الگوریتم¬ها رمزنگاری   47
شکل3-4 رمزنگاری با کلید متقارن   47
شکل3-5 رمزنگاری با کلید نا متقارن   47
شکل3-6 ابداع کنندگان رمزنگاری RSA   49
شکل3-7 پروتکل تبادل رمز دیفی ـ هلمن   50
شکل 4-1 فلوچارت کلی روش   60
شکل4-2 نمودار توصیفی الگوریتم¬های فازی   64
شکل 4-3 شبه¬کد الگوریتم F-KNN ................................................................................................65
شکل 5-1 فلوچارت الگوریتم های طبقه بندی   72
شکل 5-2 محیط شبیه¬سازی با الگوریتم KNN و F-KNN   74

فهرست علائم اختصاری
واحد پردازشگر مرکزی   CPU (Central processing untiy)
اتحادیه امنیت پردازش ابری    CSA (Cloud Security Alliance)
حفاظت به عنوان یک سرویس    DPaasS (Data Protection as a Service)
آژانس امنیت شبکه و اطلاعات اروپا   ENISA (European Union Agency for Network and Information Security)
الگوریتم k نزدیکترین همسایه فازی    FKNN (Fuzzy Nearest Neighbor Algorithm)
زیرساخت به عنوان سرویس   IaaS (Infrastructure as a Service)
انجمن نظارت و کنترل سیستم های اطلاعاتی   ISACA (Information System Audit and Control Association)
الگوریتم k نزدیکترین همسایه   KNN (K-Nearest Neighbor Algorithm)
یادگیری ماشین   ML (Machine Learning)
سکو به عنوان سرویس    PaaS (Platform as a Service)
نرم افزار به عنوان سرویس    SaaS (Software as a Service)
سرویس و زیرساخت   SLAS (Service Level Agreement)
ماشین مجازی    VM (Virtual Machine)

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 15000 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

فصل اول
مقدمه

1-1 مقدمه
رایانش ابری به عنوان یکی از مشهورترین و داغ¬ترین موضوعات در زمینه فناوری اطلاعات پدیدار گردید. امروزه کاربران اینترنت به وسیله ابزارهای الکترونیکی بسیار سبکی به سرویس¬های آن دسترسی دارند، در چنین حالتی کاربران نیازهای خود را که ممکن است نیازمند پردازش سنگینی باشد برحسب تقاضا درخواست می¬کنند و بدون توجه به حمل سرویس و چگونگی ارائه آن، به مشاهده نتایج بازگردانده شده می¬پردازند. رایانش ابری برپایه TCP/IP و برپایه اینترنت بوده و شامل پردازنده¬ها با حافظه¬های عظیم، شبکه انتقال داده سریع و معماری سیستم¬های قابل اعتماد می¬باشد و بدون پروتکل¬های استاندارد حاکم بر شبکه نمی¬توان موجودیتی به این فناوری بخشید (گونگ، لیو، رانگ، چن، گونگ ، 2010). سرویس¬های این تکنولوژی به 3 دسته عمده تقسیم می شود: زیرساخت به عنوان سرویس ، سکو به عنوان سرویس و نرم¬افزار به عنوان سرویس می¬باشند. رایانش ابری به 5 لایه، مشتری، کاربردی، سکو، زیرساخت و سرورها تقسیم می شوند. تحمل خطای فوق العاده این فناوری، وفق پذیری آن با زیرساخت شبکه افزایش می¬دهد. ویژگی کاربرد آسان آن، تمام پیچیدگی سرویس¬ها را مخفی کرده و کاربران را با رابطی ساده به مرکز داده متصل می¬کند. مجازی¬سازی و امنیت بالا نیز از خصوصیات دیگر این تکنولوژی می¬باشد (ریکیاکس، پالیز، کاتاسرس، مهرا، وکالی ، 2009).
با توجه به اهمیت زیاد فرایند پردازش¬های ابری و مبحث امنیت آن، در این تحقیق سعی بر این است تا طبقه¬بندی داده-های محرمانه با استفاده از الگوریتم طبقه¬بندی نزدیک¬ترین همسایه فازی به این مهم دست یابیم. در این بخش به تعریف مساله و معرفی ایده خود خواهیم پرداخت.

1-2 تعریف مساله و بیان سوال¬های اصلی تحقیق
طبق تعریف موسسه ملی استاندارد و فناوری (NIST) رایانش ابری مدلی است برای فراهم کردن دسترسی آسان براساس تقاضا کاربر، از طریق شبکه به مجموعه¬ای از منابع رایانش قابل تغییر و پیکربندی (مثل سرورها، شبکه¬ها، فضاهای ذخیره¬سازی، برنامه¬های کاربردی و سرویس¬ها) که این دسترسی بتواند با کمترین نیاز به مدیریت منابع و یا نیاز به دخالت مستقیم فراهم کننده سرویس به سرعت فراهم شده یا آزاد گردد (کچین، هس ، 2010).
محاسبات ابری ساختاری است که به ما امکان می¬دهد تا به برنامه¬های کاربردی دسترسی داشته باشیم که در مکانی غیر از کامپیوترها یا در دیگر ماشین¬های متصل به اینترنت قرار دارند. اکثر مواقع این مکان یک مرکز داده از راه دور می-باشد. محاسبات ابری حذف¬های عملیاتی و سرمایه¬ایی را نوید می¬دهد و مهم¬تر اینکه به بخش¬های IT امکان می¬دهد تا به¬جای حفظ اجرای مرکز داده¬ها، بر روی پروژه¬های استراتژیک متمرکز گردند. هزینه مدیریت منابع بسیار بیشتر از هزینه واقعی خود منابع است پس بهتر است منابع را از طریق ابر از صاحب منبع اجاره کرد.

قیمت: 105,000 تومان پرداخت و دانلود

#نسخه_الکترونیکی_کمک_در_کاهش_تولید_کاغذ_است. #اگر_مالک_یا_ناشر_فایل_هستید، با ثبت نام در سایت محصول را به سبدکاربری خود منتقل و درآمدفروش آن را دریافت نمایید.