پایان نامه رایانش ابری doc

پایان نامه رایانش ابری با فرمت doc و با عنوان الگوریتم طبقه بندی k نزدیک ترین همسایه فازی داده برای محرمانگی در محاسبات ابری می باشد.با توجه به اهمیت جایگاه پردازش های ابری و الگوریتم های طبقه بندی، امنیت در پایگاه داده های ابری از اهمیت زیادی برخوردار است. به همین منظور الگوریتم های طبقه بندی گوناگونی را مورد بررسی قرار دادیم و به این نتیجه رسیدیم که الگوریتم طبقه بندی K  نزدیک ترین همسایه فازی بهترین عملکرد را در مساله انتخابی در این پایان نامه دارد.

در واقع در یک مساله طبقه بندی و رمزگذاری، بحث دقت طبقه بندی بسیار اهمیت دارد و این الگوریتم ها به صورت زنجیره وار کار یکدیگر را تکمیل می کنند و هرگونه نقصی در مراحل قبلی باعث نقص در مراحل بعدی و در نهایت زیر سوال رفتن امنیت ابر می شود. در این پژوهش با به کارگیری الگوریتم F Knn ، دقت طبقه بندی داده ها را بالا برده شد و با نرخ شناسایی 98% داده ها در طبقه صحیح خود قرار گرفت و پس از آن با الگوریتم مورد نیاز آن داده رمزگذاری شده و در ابر ذخیره شد. 

در این پژوهش با استفاده از معیاری به نام نرخ  شناسایی توانستیم ثابت کنیم الگوریتم  K نزدیک ترین همسایه فازی با دقتی برابر 98% داده ها را صحیح طبقه بندی میکند و در نتیجه آن با الگوریتم رمزنگاری درست کدگذاری می شود و به مرکز داده ابر فرستاده می شود پس امنیت را بهبود می بخشد. از طرفی سرعت انجام الگوریتم در همه مراحل بیشتر از روش –K  نزدیک ترین همسایه عادی بود در نتیجه سرعت و دقت بالاتر از نتایج عملکرد الگوریتم پیشنهادی بوده است.

فهرست مطالب
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
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
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