نظارت بر زیرساخت مرکز داده

Data Centre Infrastructure Monitoring

چکیده
مقدمه
1- نتایج بررسی از PRACE
2- حالت پیشرفته
3- تبادل اطلاعات
4- یکپارچه سازی زیرساخت و سیستم های مدیریت منابع HPC
5- توصیه ها
6- نتیجه گیری
منابع

چکیده
هر مرکز داده، مخصوصا یک مرکز HPC، به یک زیرساخت پیشرفته احتیاج دارد که از کار موثر محاسبه و منابع داده پشتیبانی کند. معمولا، محیط پشتیبانی به همان پیچیدگی بخش های دیگر مرکز داده HPC می باشد. محیط پشتیبانی شامل چیلرها، خنک کننده ها، پمپ ها، شیرها، پمپ های حرارتی، سیستم های توزیع برق، UPSها، سیستم-های ولتاژ بالا و پایین، خشک کننده ها و سیستم های تهویه هوا می باشد. تنوع تجهیزات پشتیبانی بسیار زیاد است، حتی زیادتر از زیرساخت IT. این لزوم به جمع آوری، یکپارچه سازی و پایش ابزارها را دیکته می کند. علاوه بر پایش، سیستم های کنترل موجودی باید بخشی از هر مرکز داده باشند. این گزارش خلاصه ای از یک بررسی DCIM جمع-آوری شده از مهمترین مراکز HPC در اروپا، با تحلیل کنترل و پایش پلتفرم های نرم افزاری موجود در بازار با یک ارزیابی از مهمترین کارایی های مدنظر کاربران را فراهم می کند. تحلیل نیازمندی ها و عملکرد بالقوه موجود بوسیله یک مجموعه از توصیه ها خلاصه سازی شد. موضوع حیاتی دیگر سیاست و تعریف رویکردهایی که باید بوسیله مالک و فراهم کننده سرویس مرکز داده برای حفظ توافق نامه سطح خدمات (SLA) اجرا شوند می باشد. قسمت هایی از SLA باید در مدیریت زیرساخت مرکز داده منعکس شوند. جدا از قابلیت اطمینان و دسترس پذیری بالایی که شما برای در نظر گرفتن کمینه سازی هزینه های نگهداری و عملیات احتیاج دارید، سیستم های DCI نیز برای این منظور بسیار مفید هستند. بهترین اطلاعات اقداماتی در هفتیمن کارگاه اروپایی در زمینه زیرساخت های مرکز HPC در گارچینگ آلمان در آپریل 2016 ارائه شد. فهرست توصیه ها و فصل های نتیجه گیری چیزی که باید از سیستم DCIM به خوبی طراحی شذه انتظار داشت را توصیف می کنند.

1- نتایج بررسی از PRACE
پیشرفته ترین فناوری های HPC و نگهداری DC فعلی توسط شرکای PRACE در اروپا ارائه می شوند. این در نتایج جمع آوری شده از یک بررسی پراکنده در سه ماه ابتدایی سال 2016 منعکس شد. نتایج بررسی در هفتمین کارگاه اروپایی در زیرساخت مرکز HPC]1[ در آپریل 2016 ارائه شدند. فناوری مرکز داده استفاده شده در موسسات آکادمیک حداقل در زمینه های اندازه منابع محاسباتی، استفاده انرژی و چگالی و بسیار پیشرفته است. اما اندازه مراکز داده و ظرفیت منابع به نرم افزار پایش اضافی احتیاج دارند.

این بخش شامل اطلاعاتی براساس گزارشات دریافت شده از مراکز داده بزرگ (شرکای میزبان PRACE) و زیرساخت های بزرگ شرکای عمومی PRACE می باشد، که خلاصه خوبی از عملکرد مراکز داده را ارائه می کند. هدف این پرسشنامه جمع آوری اطلاعاتی درباره وضعیت فعلی سیستم های پایش زیرساخت پشتیبانی کننده از کار روزانه در مراکز داده PRACE بود.

در حال حاضر، در مراکز داده HPC، پلتفرم های زیادی وجود دارند که می توانند انتخاب شوند از جمله:
• سیستم تریدیوم JACE- نیاگارا
• سیمنس دسیگو
• گرافیت/گرافانا
• پرونیکس POC (مرکز عملیات قدرت)
• مسداس
• UGM 2040
• دسیگو اینساید
• جانسون کنترولز متاسیس
• سیمنس WinCC
• اسکادا پانوراما
• ویکتور وب IT
• نسخه مرکز داده پایش قدرت خبره استراکشروار

اما، چنین انتخاب سیستم های مدیریت زیادی به این معنی نیست که هر سیستم مدیریت تمام خدمات را فراهم می کند. هر پلتفرم غالبا تنها مسئول قسمتی از زیرساخت های مراکز داده نظارت شده و عملکردهای آن است، برای مثال، ابزارهای مجزایی برای تاسیسات برق و خنک کننده استفاده می شوند. واحدهای سخت افزاری مجزا غالبا توسط زیرساخت های پایش جداگانه ای نظارت می شوند. رایج ترین راه حل سه یا چهار پلتفرم نرم افزاری مستقل استفاده شده برای انواع مختلف تجهیزات می باشد. برای مثال، یک پلتفرم مسئول مبادله گرهای حرارتی (HxB)، تهویه هوا (چیلرها و CRAHها) و ژنراتورها است؛ دیگری مسئول وبکم ها، تلویزیون، حفاظت دربرابر آتش سوزی، کدهای دسترسی در و دیگر امکات امنیتی نصب شده در ساختمان می باشد؛ و پلتفرم سوم مسئول وضعیت حاضر، گزارشات رویدادها، فعالسازی هشدارها و تولید تیکت های مشکل می باشد.

تاب خوردگی زمانی پویا عمیق کننده تکراری برای سری های زمانی

Iterative Deepening Dynamic Time Warping for Time Series

1. مقدمه
2. پس‌زمینه
3. روش جدید: انحراف زمانی پویای عمیق تکراری
3-1. کاهش ابعاد
4. ارزیابی تجربی
5. کارهای مربوطه
6. نتایج و کار آتی
منابع

1. مقدمه
سری‌های زمانی، شکل فراگیری از داده‌ها هستند که تقریباً در هر رشته علمی و کاربردهای تجاری اتفاق می‌افتد. اخیراً کارهای بسیاری در زمینه سازگاری الگوریتم‌های داده‌کاوی با پایگاه داده‌های سری زمانی انجام شده است. به عنوان مثال، داس و همکاران برای نشان دادن چگونگی آموختن قوانین ترکیبی سری زمانی تلاش کردند [7]. دبرگاس و هبریل در [8]، تکنیکی برای مقیاس‌گذاری الگوریتم‌های خوشه‌بندی سری زمانی در مجموعه داده‌های گسترده ارائه کردند. کغ و پازانی الگوریتم طبقه‌بندی سری زمانی جدید مقیاس‌پذیر را معرفی کردند [16]. تقریباً همه الگوریتم‌هایی که بر روی داده‌های سری زمانی کار می‌کنند، باید شباهت بین آنها را محاسبه کنند. فاصله اقلیدسی یا برخی از پسوندها یا اصلاحات آن به طور معمول مورد استفاده قرار می‌گیرد. با این وجود، همان‌طور که در بخش 2-1 نشان خواهیم داد، فاصله اقلیدسی ممکن است در اندازه‌گیری فاصله بسیار ناپایدار باشد.

دلیل اینکه فاصله اقلیدسی ممکن است نتواند ارزیابی بصری صحیحی از شباهت بین دو بخش ایجاد کند، این است که به انحرافات کوچک در محور زمان بسیار حساس است. شکل 1-A را در نظر بگیرید، دو دنباله تقریباً شکل کلی یکسانی دارند اما اشکال در محور زمان تراز نیستند. تراز غیرخطی نشان داده شده در شکل 1-B باعث میشود که اندازه فاصله بصری بیشتری محاسبه شود.

روشی که این امکان را برای تغییر الاستیک محور X فراهم می‌کند به منظور تشخیص اشکال مشابه با فازهای مختلف می‌باشد. چنین روشی مدتهاست که در جامعه پردازش گفتار شناخته‌شده است [26 و 29]. روش انحراف زمان پویا (DTW) توسط برند و کلیفورد به جامعه داده‌کاوی معرفی شد [4]. اگرچه آنها کاربرد این روش را نشان دادند اما اذعان کردند که پیچیدگی زمانی الگوریتم یک مشکل است و «… ممکن است عملکرد آن در بانک‌های اطلاعاتی بسیار بزرگ محدودیت باشد». با وجود ایراد روش انحراف زمان پویا، هنوز هم در زمینه‌های مختلف مورد استفاده گسترده قرار می‌گیرد. در بیوانفورماتیک، آچ و چورچ با موفقیت از روش انحراف زمان پویا در بیان داده‌های RNA استفاده کردند [1]. در مهندسی شیمی از آن برای هماهنگ‌سازی و نظارت بر فرآیندهای دسته‌ای در پلیمریزاسیون استفاده شد [14]. از روش انحراف زمان پویا با موفقیت برای تراز کردن داده‌های بیومتریک، مانند راه رفتن، امضاها و حتی اثر انگشت استفاده شد [11، 14، 22، 19]. محققان متعددی از جمله وولینگز و همکاران [30] و کیانی و همکاران [5]، استفاده از روش انحراف زمان پویا را برای تطبیق الگوی ECG نشان دادند. سرانجام در رباتیک، اوتس و همکاران نشان دادند كه روش انحراف زمان پویا را می‌توان براي خوشه‌بندي خروجي‌هاي حسي عامل مورد استفاده قرار داد [23].

2. پس‌زمینه
در این بخش با سه تجربه داده‌کاوی اصلی بر کاربرد انحراف زمان پویا متمرکز می‌شویم. برای تکمیل، الگوریتم انحراف زمان پویا کلاسیک را مرور می‌کنیم.

2-1. انحراف زمان پویا با فاصله اقلیدسی
اگرچه کاربرد انحراف زمان پویا به طور گسترده در بسیاری از حوزه‌ها نشان داده شده است [1، 5، 11، 14، 22، 23، 29 و 30]، برای تکمیل مثال‌های جالب مختصری در اینجا ارائه می‌دهیم. به طور خاص، متداول‌ترین سه وظیفه داده‌کاوی، دسته‌بندی، خوشه‌بندی و کشف قواعد متناظر، را در نظر می‌گیریم. در هر مثال، انحراف زمان پویا را با فاصله اقلیدسی که معمولاً بیشتر برای مقایسه اندازه فاصله برای سری‌های زمانی استفاده می‌شود، مقایسه می‌کنیم [2، 7، 8، 10 و 15].

2-1-1. دسته‌بندی
کارهای زیادی درباره دسته‌بندی سری‌های زمانی وجود دارد. چارچوب متداول پایگاه داده، سیلندر- بل- فونل است، این پایگاه داده ترکیبی در [28] معرفی و در [21، 13 و 9] و غیره مورد استفاده قرار گرفت. پایگاه داده شامل 3 دسته مسأله است، با دسته‌هایی که با استفاده از معادلات زیر تولید می‌شوند

خانواده مدل Oracle Database Appliance X7-2: مدیریت پایگاه داده ORACLE با یک سیستم ساخته شده برای هدف

Oracle Database Appliance X7-2 Model Family: MANAGING ORACLE DATABASE WITH A PURPOSE BUILT SYSTEM

مقدمه
تجهیزات پایگاه داده اوراکل – تاریخچه‌ای از موفقیت‌های اثبات شده
خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل- سیستم‌های مهندسی شده اوراکل در دسترس برای هر سازمانی است
سهولت در پیاده‌سازی، مدیریت و پشتیبانی
سهولت در پیاده‌سازی
سهولت در مدیریت و پشتیبانی
یک راه‌حل پایگاه داده مهندسی شده، بهینه‌سازی شده
سرور
شبکه‌سازی
دخیره‌سازی یا انباره
نرم افزار
نرم‌افزار مدیر تجهیزات و سیستم عامل اوراکل
مجوز‌دهی نرم‌افزار پایگاه داده اوراکل
مجازی‌سازی
یکی از مزایای استفاده از تجهیزات پایگاه داده اوراکل مقرون به صرفه بودن آن است
صرفه‌جویی در هزینه های عملیاتی
موارد استفاده رایج
سیستم پایگاه داده ساده، بهینه‌سازی شده و مقرون به صرفه
پلت‌فرم پایگاه‌داده برای محیط‌های رو به رشد
تقویت پلت‌فرم برای پایگاه داده و برنامه‌های کاربردی
استقرار شعب دفتری از راه دور
تدارک سریع محیط‌های آزمایش و توسعه
ادغام با ابر اوراکل
نتیجه‌گیری

مقدمه:
تجهیزات پایگاه داده اوراکل در سال 2011 معرفی شد که در حقیقت یک سیستم مهندسی شده از سوی اوراکل است که ساده‌سازی و بهینه‌سازی شده است و همچنین مقرون به صرفه است. از آغاز تا انتهای پنج نسل از تجهیزات پایگاه داده اوراکل، استقرار پایگاه داده اوراکل در انواع مختلف سناریوها برای مشتریان بسیار محبوب بوده است.

آخرین نسل از مجموعه تجهیزات پایگاه داده اوراکل با X7-2S و X7-2M و X7-2-HA به‌روزرسانی شده است. خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل پایین‌ترین قیمت سخت‌افزاری برای یک سیستم مهندسی شده اوراکل را پیشنهاد می‌دهد و X7-2S دارای قیمتی در حدود یک چهارم قیمت X7-2-HA است. در ترکیب با مجوزدهی نرم‌افزاری پایگاه داده اوراکل انعطاف‌پذیر، خانواده مدل X7-S از تجهیزات پایگاه داده اوراکل سیستم‌های مهندسی شده اوراکل را در هر سازمانی در دسترس قرار می‌دهد.

تجهیزات پایگاه داده اوراکل با اسامی X7-2S و X7-2M و X7-2-HA سبب گسترش دسترسی به تجهیزات پایگاه داده برای پشتیبانی از سناریوهای استقرار و نسخه‌های پایگاه داده‌های مختلف شده است. آنها برای مشتریانی طراحی شده‌اند که نیاز به پایگاه داده‌های تک نمونه‌ای دارند. در حالیکه X7-2-HA به منظور اجرای پایگاه داده‌های خوشه‌ای با خوشه‌های کاربردی حقیقی اوراکل بهینه‌سازی شده است که در آن دسترس‌پذیری بالا مورد نیاز است.

خانواده مدل X7-2 از تجهیزات پایگاه داده اوراکل برای مشتریانی ایده‌آل است که به دنبال اجتناب از پیچیدگی، تنظیم نیازمندی‌ها و هزینه‌های بالاتر از راه‌حل‌های پایگاه داده «خودتان بسازید» هستند. مشتریان هم اکنون می‌توانند از مزایای سیستم‌های مهندسی شده اوراکل استفاده کنند تا بدین شکل هم بودجه مد نظر خود را رعایت کنند و هم نیازمندی‌های خود را برطرف سازند و در عین حال نیز از مزایای یک راه‌حل بهینه‌سازی پایگاه داده با بهترین شیوه‌ها نیز بهره‌مند شوند و از خرده‌فروشان نیز حمایت کنند.

سهولت در پیاده‌سازی، مدیریت و پشتیبانی
سهولت در پیاده‌سازی
مشخصه اصلی تجهیزات پایگاه داده اوراکل سادگی آن است. هر کدام از تجهیزات سیستمی کامل با درنظرگیری نرم‌افزار و سخت‌افزاری هستند که ادغام شده‌اند تا بدین شکل با یکدیگر برای حفظ زمان و بودجه مشتریان کار کنند. برای راه اندازی و استفاده از تجهیزات پایگاه داده اوراکل به سادگی آن را باز کنید، سیم‌های برق را وصل کنید، کابل‌های شبکه را وصل کنید، و به اجرای نصب مدیر تجهیزات اوراکل (Oracle Appliance Manage) بپردازید تا بدین شکل سیستم پایگاه داده کاملا بهینه‌ای داشته باشید. تجهیزات پایگاه داده اوراکل سبب سرعت‌بخشی به زمان به ارزش به عنوان یک مدیر پایگاه داده تکی (DBA) می‌شود و می‌تواند یک پایگاه داده اوراکل به شدت بهینه‌سازی شده را در کمتر از 1 ساعت مستقر سازد.

سهولت در مدیریت و پشتیبانی
تعمیر و نگهداری سیستم‌ها‌ و حفظ به‌روزرسانی تمامی المان‌های نرم‌افزاری مرتبط با آخرین پچ‌ها اغلب یکی از وظایف زمان‌بر و مستعد خطا است که اغلب مدیران با آن مواجه می‌شوند. تجهیزات پایگاه‌داده اوراکل و پچ‌ سازی ساده نرم‌افزار مهندسی شده برای تمامی عناصر فرم‌ویر ، سیستم عامل، مدیریت فضای ذخیره‌سازی و نرم‌افزار پایگاه‌داده از طریق بسته‌های پچ برنامه‌های کاربردی صورت می‌گیرد. این مهم سبب جذف کار حدسی ترکیب و تطابق پچ‌ها برای عناصر مختلف پشته‌های نرم‌افزاری و سخت‌افزاری می‌شود. این مهم خطاهای انسانی را کاهش می‌دهد و در نهایت منجر به مدت از کار افتادگی برنامه ریزی شده کمتر و قابلیت اطمینان بیشتر سیستم می‌شود، علت آن نیز بسته پچ کاملا تست شده‌ای است که می‌تواند به سرعت و با خیالی راحت اعمال شود.

یادگیری عمیق در تجزیه و تحلیل کسب و کار: برخورد انتظارات و واقعیت

Deep learning in business analytics: A clash of expectations and reality

چکیده

1- مقدمه

2- مواد و روش ها

3- نتایج عددی

4- DL در واکاوش کسب و کار: یک بررسی واقع بینانه

5- نتیجه گیری

منابع

چکیده

اقتصاد دیجیتال پرسرعت ما که به واسطه ی رقابت جهانی شکل گرفته مستلزم افزایش تصمیم گیری داده محور براساس هوش مصنوعی (AI) و یادگیری ماشین (ML) می باشد. مزایای یادگیری ژرف (DL) بسیار زیاد و فراوان می باشند، اما با محدودیت هایی نیز همراه است که تا کنون با پذیرش و اتخاذ گسترده ی صنعت تداخل داشته اند. این مقاله به توضیح این مسئله می پردازد که چرا یادگیری ژرف (DL) – علی رغم شهرت و آوازه اش – در سرعت بخشیدن به پذیرش و اتخاذش در واکاوش کسب و کار با دشواری هایی مواجه است. نشان داده شده است که پذیرش یادگیری ژرف نه تنها تحت تأثیر پیچیدگی محاسباتی قرار می گیرد، درحالیکه فاقد معماری کلان داده، فاقد شفافیت (جعبه سیاه)، کمبود مهارت، و تعهد رهبری می باشد، بلکه تحت تأثیر این واقعیت نیز قرار می گیرد که DL در مورد مجموعه داده های ساختاریافته با بردارهای ویژگی با طول ثابت بهتر از مدل های ML (یادگیری ماشین) عمل نمی کند. یادگیری ژرف را باید به صورت یک گزینه ی اضافی قدرتمند برای پیکره ی موجود مدل های ML به جای یک راه حل همه کاره و مناسب درنظر گرفت. نتایج به شدت نشان می دهند که تقویت گرادیان (گرادیان بوستینگ) را می توان به صورت مدل برو به برای پیش بینی هایی در مورد مجموعه داده های ساختاریافته در واکاوش کسب و کار دید. علاوه بر مطالعه ی تجربی براساس سه مورد و نمونه ی کاربردی صنعت، این مقاله بحثی جامع از آن نتایج، کاربردهای عملی، و دستورکاری برای تحقیقات آتی را ارائه می کند. 

2- مواد و روش ها
2-1 یادگیری ماشین
این بخش از مقاله مروری بر واکاوش پیش نگر و مدل های ML استفاده شده در آزمایش را ارائه می کند. مدل های ML استفاده و مقایسه شده در این آزمایش رگرسیون لجستیک (LR)، جنگل تصادفی (FR)، ماشین تقویت گرادیان (GBM)، و یادگیری ژرف (DL) می باشند. برای رسیدگی جامع به نظریه ی اساسی و بحث درمورد آن، به تحقیقات (هستی، تبشیرانی، و فرایدمن، 2017) و (مورفی، 2012) برای ML و (گودفلو و همکاران، 2016) برای DL اشاره شده است.

2-1-1 رگرسیون لجستیک
رگرسیون لجستیک (LR) به خانواده ی بزرگی از مدل های خطی تعمیم یافته (GLMs) تعلق دارد. GLMs اینگونه مشخص می شوند که به صورت ورودی، ترکیبی خطی از ویژگی ها و ربط دادن آن ها به خروجی با کمک تابعی که در آن خروجی از یک تابع توزیع نمایی اساسی مثل توزیع نرمال یا توزیع دو جمله ای برخوردار است (مورفی، 2012). رگرسیون لجستیک (LR) روش استانداردی برای طبقه بندی دودویی (باینری) می باشد و به شکل گسترده ای در دانشگاه و صنعت مورد استفاده قرار می گیرد. ترکیبی خطی از ورودی ها و وزن ها محاسبه می شود و از طریق وارد کردن wTx به تابع سیگموئید یا تابع منطقی اعمال می شود که از طریق فرمول (1) نشان داده می شود

2-1-2 جنگل تصادفی
الگوریتم های افراز بازگشتی جنگل تصادفی (RF) بخشی از خانواده ی روش های گروهی می باشد و خیلی شبیه به درخت های تصمیم با بگینگ (دسته بندی) عمل می کند. بگینگ (برایمن، 1996) زیرمجموعه های M متفاوت را به صورت تصادفی از داده های آموزشی با جایگزین انتخاب می کند و این تخمین ها را میانگین گیری می کند. جنگل تصادفی درخت های تصمیم متفاوتی را ایجاد می کند و نتایج را در انتها میانگین گیری می کند تا واریانس و اختلاف مدل پیش بینی را کاهش دهد (مورفی، 2012). این یکی از قوی ترین و مؤثرترین الگوریتم های ML برای وظایف طبقه بندی و رگرسیون نامتعارف می باشد.

کافی بودن داده های کم برای تشخیص داده های پرت بر اساس فاصله

Little data is often enough for distance-based outlier detection

چکیده

1 مقدمه

2 روش شناسی

3 نتایج

4 نتیجه گیری

منابع

چکیده

     تعداد زیادی از مطالعات موردی از آموزش سریع و دفعات پیش بینی سود می برند، و بیشتر تحقیقات به بررسی تسریع روش های تشخیص داده های پرت مبتنی بر فاصله برای میلیون ها نقطه داده می پردازند. یافته های ما برخلاف عقیده عموم نشان می دهند که داده های اندک اغلب برای مدلهای تشخیص داده های پرت مبتنی بر فاصله کافی هستند. ما نشان می دهیم که از بخش کوچکی از داده ها برای آموزش مدلهای تشخیص داده های پرت مبتنی بر فاصله استفاده می شود که اغلب منجر به کاهش غیرمعنی داری در عملکرد پیش بینانه و واریانس تشخیص در محدوده گسترده ای از مجموعه داده های جدولی می شود. علاوه بر این، ما کاهش داده را براساس زیرنمونه گیری تصادفی و نمونه های اولیه مبتنی بر خوشه بندی مقایسه می کنیم و نشان می دهیم که هر دو رویکرد منجر به نتایج تشخیص داده های پرت مشابهی می شوند. بنابراین، زیرنمونه گیری تصادفی ساده ثابت می کند که یک معیار مفید و مبنایی برای تحقیقات آینده در تسریع تشخیص داده های پرت مبتنی بر فاصله است.

روش شناسی
     هدف ما بررسی نحوه تاثیرگذاری الگوریتم های تشخیص داده های پرت مبتنی بر فاصله بر کاهش داده های آموزشی یا از طریق زیرنمونه گیری تصادفی یا از طریق نمونه های اولیه مبتنی بر خوشه بندی است. به ویژه، بررسی ما با سه سوال تحقیقاتی (RQ) زیر مرتبط می شود.
RQ1: چگونه زیرنمونه گیری داده های تصادفی بر عملکرد تشخیص داده های پرت مبتنی بر فاصله تاثیر می گذارند؟
RQ2: چگونه زیرنمونه گیری داده های مبتنی بر نمونه اولیه بر عملکرد تشخیص داده های پرت مبتنی بر فاصله تاثیر می گذارند؟
RQ3: آیا زیرنمونه گیری مبتنی بر نمونه اولیه منجر به نتایج تشخیص داده های پرت بهتر نسبت به زیرنمونه گیری تصادفی می شود؟
ما در بخش های زیر مجموعه داده های مختلف مورد استفاده برای ارزیابی (2.1)، زیرنمونه گیری تصادفی خودمان و روش شناسی نمونه اولیه (2.2)، الگوریتم های مورد استفاده در تحقیق خودمان (2.3)، و روش ارزیابی مورد استفاده برای پاسخ به سوالات تحقیقاتی مطرح شده را توصیف می کنیم (2.4).

مجموعه داده ها
     مجموعه داده های مورد استفاده در تحقیق ما اغلب از بررسی کامپوس و همکاران در ارزیابی تشخیص داده های پرت بدون نظارت نشات می گیرند و شامل محدوده ای از مجموعه داده های جدولی هستند. این مجموعه ها قبلا در ادبیات تحقیق آشکار شدند یا در اصل با هدف طبقه بندی آشکار شدند، که یک یا چند کلاس تفسیر مفهومی به صورت داده های پرت دارند. تمام مجموعه داده های معنی دار مفهومی به شکاف های داده های پرت مختلف نمونه گذاری می شوند. شکافهای نمونه گیری داده های پرت {0.02,0.05,0.1,0.2} هستند. برای کاهش اثر تصادفی سازی هنگام کاهش میزان نمونه ها، این روش ده مرتبه برای هر مجموعه داده تکرار می شود که منجر به 10 متغیر مختلف برای این مجموعه داده ها می شود. چهار مجموعه داده ارائه شده در [8] شامل کمتر از 200 نمونه هستند که ما آن را از ارزیابی خودمان حذف می کنیم.
پیش پردازش شامل حذف تکرارها، تبدیل ویژگی های طبقه بندی شده و عادی سازی ویژگی خطی با محدوده [0,1] است. اطلاعات دقیق درباره مجموعه داده های فردی و پیش پردازش مربوطه را می توان در [8] یافت. علاوه بر این، ما نتایج خودمان را بر روی دوازده مجموعه داده اختصاصی متشکل از داده های حسگر تولید با ابعاد بالا ارزیابی می کنیم. در مجموع، 31 مجموعه داده در نظر گرفته می شود، و بررسی تمام مجموعه داده ها و خصوصیات آنها را می توان در جدول 1 پیدا کرد.

بلاک چین پزشکی: به اشتراک گذاری داده ها و حفظ حریم خصوصی EHR بر اساس قرارداد هوشمند

Medical blockchain: Data sharing and privacy preserving of EHR based on smart contract

چکیده

1 مقدمه

2 مقدمات

3 طرح پیشنهادی

4 تحلیل عملکرد

5 نتیجه گیری

منابع

چکیده

     بی تردید، اشتراک داده های پزشکی اهمیت زیادی دارد، اما در پی بردن به تشخیص بین بیمارستانی و بهبود تحقیقات توسعه ای نیز حائز اهمیت است. در مکانیسمهای سنّتی، همیشه یک رابطه پایاپای بین صحت و درستی اطلاعات پزشکی و حریم خصوصی بیمار وجود دارد. ما می خواهیم که در این مقاله، مفهوم بلاک چین و قرارداد هوشمند را برای ایجاد مکانیسم اشتراک پرونده پزشکی الکترونیکی، یعنی بلاک چین، بیان کنیم. به خصوص، اشتراک پرونده پزشکی را از طریق طراحی رمزنگاری اطلاعات انجام می دهیم. شبیه سازیها نشان داده اند که با استفاده از بلاک چین می توان از صحت داده های پزشکی و حفظ حریم خصوصی بیمار اطمینان حاصل کرد، و در عین حال صداقت و راستی یک بیمار خاص را به واسطه کنترل قرارداد هوشمند تحقق بخشید. علاوه بر این، مدل پیشنهادی بلاک چین پزشکی می‌تواند مانع از حملات اینترنتی بالقوه ای شود که با درستی یابی رسمی شبیه سازی شده اند. بدین ترتیب، هویت بیمار به هیچ وجه افشا نمی شود و با توجه به نتایج شبیه سازی می توان این رابطه پایاپای را به خوبی و بدون اصلاح و تغییر تجهیزات پزشکی کنونی حذف کرد.

مقدمات
     قبل از اینکه به شرح جزئیات مکانیسم جدید بپردازیم، ابتدا در بخش 2.1 مقررات مطابق با HIPAA را بیان می کنیم. سپس، مفاهیم اصلی قرارداد هوشمند و بلاک چین را به اختصار در بخشهای 2.2 و 2.3 توصیف می کنیم.

قوانین انتقال و پاسخگویی الکترونیک بیمه سلامت
     قوانین و مقررات HIPAA برای تلفیق داده های پزشکی تعریف شده اند و کلیه موسسات پزشکی، مراکز مبادله داده ها و پرسنل ملزم به رعایت آن هستند. در بین این مقررات، قوانین امنیتی و حفظ حریم خصوصی بر محیط بلاک چین پزشکی تمرکز کرده اند به این دلیل که با مدیریت و کنترل سلامت فردی مرتبط هستند. علاوه بر این، NIST برای بهبود زیرساختهای حیاتی، اقدام به انتشار چارچوب امنیت سایبری کرده است (31) که یک زبان مشترک برای ارتباطات سازمانی محسوب می شود. بدین ترتیب، دفتر حقوق مدنی (OCR) یک سند کراس واک را برای تشخیص نگاشتهای بین قانون امنیتی HIPAA و چارچوب امنیت سایبری ارائه کرده است (31). لازم به ذکر است که موسسات تحت نظارت HIPAA ملزم به رعایت قانون امنیتی HIPAA در فضای بهداشت و درمان هستند.

قاعده حریم خصوصی
     این قاعده اذعان می کند که یک بیمار حق دارد از نحوه افشا و استفاده از اطلاعات پزشکی شخصی خود آگاهی پیدا کند (4، 5). به عبارت دیگر، بیمار باید بداند که چگونه از داده های درمانی شخصی وی استفاده می شود و خودش آن را تعیین کند. در صورتی که یک موسسه بخواهد پرونده بیمار را بدون حق کمیسیون منتشر کند، قاعده حریم خصوصی را نقض کرده است. بخصوص اینکه، استاندارد شناسه زدایی نیز به این قاعده افزوده شده است (6، 7). حتی اگر یک بیمار برای انتشار EHR های مربوطه در یک مورد خاص موافقت کرده باشد، اما هیچ کس این اجازه را ندارد که داده ها و اطلاعات آن را به مالک اصلی پیوند دهد (8، 9).

به سوی ارتقای کیفیت نرم افزار توسط مدیریت دانش مشتری در کمپانی های نرم افزاری

Toward software quality enhancement by Customer Knowledge Management in software companies

چکیده
1- مقدمه
2- مرور ادبیات پژوهش
3- روش پژوهش
4- تنظیم فرضیه‌های پژوهش
5- تحلیل داده‌ها و بحث و گفتگو
6- مفاهیم و محدودیت‌ها
7- نتیجه‌گیری
منابع

چکیده

مدیریت دانش مشتری (CKM) نقش مهمی در تولید محصولات نرم‌افزاری باکیفیت بالا ایفا می‌کند. ازآنجاکه CKM در توسعه نرم‌افزاری شرکتی (ES) هنوز خام و بی‌تجربه است، پرسش‌هایی را ایجاد می کند در مورد اینکه چگونه می‌توان از توانمند سازهای CKM استفاده کرد تا به شرکت‌های توسعه ES کمک کند کیفیت نرم‌افزار خود را بهبود بخشند. در این پژوهش، توانمند سازهای CKM سازمانی و تکنولوژیکی از ادبیات پژوهش شناسایی شدند. ارزش این فاکتورها توسط کارشناسان شرکت‌های توسعه ES شناخته شد. یک مدل نظری بر اساس مهم‌ترین فاکتورها ایجاد شد. این مدل پیشنهادی با توزیع یک پرسشنامه نظرسنجی بین تصمیم‌گیرندگان در شرکت‌های توسعه ES ارزیابی شد. نتایج این نظرسنجی نشان داد که «مداخله مشتری» به همراه «اعتماد»، و بعدازآن «زیرساخت فناوری CRM» و «همکاری عملکردی متقابل» تأثیرگذارترین عوامل هستند. بعلاوه، «آموزش سازمانی»، «طرح دانش مشتری» و «توسعه استراتژی CKM» هیچ تأثیری نداشتند. همچنین نتایج نشان دادند که تأثیر CKM بر کیفیت نرم‌افزار قابل‌توجه است. مدل پیشنهادی در این پژوهش را می‌توان به‌عنوان دستورالعملی برای کاربرد موفق CKM در شرکت‌های توسعه ES جهت بهبود کیفیت نرم‌افزاری بکار برد.

2- مرور ادبیات پژوهش

2-1 مدیریت دانش مشتری

طبق تحقیقات کمپبل (2003)، CK به اطلاعات مرتب‌شده و ساختاریافته مربوط به مشتری اشاره دارد که با پردازش روشمند اجرا می‌شود. جبرت و همکارانش (2002) تعریفی از دانش مشتری عرضه کرد که عموماً مورد تأیید است: «ترکیب قوی ارزش، تجربه، و اطلاعات حساس که طی فرآیند تراکنش و تبادل بین سازمان و مشتری‌ها لازم، تولید و جذب می‌شود». جبرت و همکاران (2002) CK را به سه دسته اصلی طبقه‌بندی کردند. نخستین نوع CK که «دانش برای مشتری» نامیده می‌شود به آگاهی در مورد محصولات، بازارها و کالاهایی اشاره می‌کند که برای برآوردن نیازهای مشتریان به دانش و آگاهی به‌کاررفته‌اند. نوع دوم «دانش در مورد مشتری‌ها» نامیده می‌شود که بر اساس تجزیه‌وتحلیل داده‌ها و اطلاعات تاریخی مشتری‌ها ایجاد می‌شود. نوع سوم، که به‌عنوان«دانش به‌دست‌آمده از مشتری» شناخته می‌شود، به بازخوردهای رسیده از سوی مشتری‌ها اشاره دارد. نوع دیگری از CK که توسط اسمیت و مک‌کین (2005) بیان‌شده است، دانشی است که به‌طور مشترک تولیدشده است. می‌توان این دانش را طی همکاری بین یک سازمان و مشتری‌هایش به دست آورد. همان‌طور که سوفیانتی و همکارانش (2010) بیان کردند، CKM شیوه استراتژیک است که بر مبنای آن سازمان‌هایی که نگاه به آینده دارند مشتریان خود را از این قیدوبند آزاد می‌کنند که فروتنانه کالاها و خدمات را برای مجوز به‌عنوان شرکای دانش و آگاهی دریافت کنند. CKM به کسب، اشتراک‌گذاری، و استفاده از دانش در میان مشتریان برای منافع آن مشتریان و همچنین سازمان مربوط می‌شود و به‌عنوان شیوه‌ای مداوم از خلق، توزیع و کاربرد CK درون یک نهاد تجاری و بین یک نهاد کسب‌وکار و مشتریانش نام‌گذاری می‌شود.

2-2 چارچوب کلی CKM

طبق دیدگاه مبتنی بر دانش و آگاهی (KBV)، دانش منبعی توزیعی است و عملکرد سازمانی بر این تکیه دارد که اعضای سازمان چقدر می‌توانند پایگاه دانش سازمان را به‌طور کامل بهبود بخشند، حوزه‌های مختلف دانش را یکسان‌سازی کنند، و دانش را برای توسعه محصولاتی که کیفیت بالایی دارند و پیشگام هستند توسعه دهند. لین (2007) چارچوبی کلی از فرآیندهای مدیریت دانش (KM) پیشنهاد کرد که موردحمایت KBV است (شکل 1 را ببینید). این چارچوب سه بعد اصلی را در برمی‌گیرد: توانمند سازها، فرآیندها و دستاوردها. لین (2007) توانمند سازها را در سه دسته مرتب کرد که عبارت‌اند از: فاکتورهای انسانی، سازمانی و فناوری. در این چارچوب، توانمند سازها مکانیسمی برای توسعه توانمندی‌های فردی، سازمانی و تکنولوژیکی هستند تا مدیریت دانش را در سازمان آسان سازند. فرآیندها به فرآیند جمع‌آوری، به اشتراک‌گذاری و کاربرد تجربه، تخصص و آگاهی از نحوه کار و اطلاعات زمینه‌ای در سازمان اشاره دارند. دستاوردها پیامدهای میزان مدیریت دانش را آشکار می‌سازد که به‌طور مؤثر در عملکرد یک سازمان، قابلیت نوآوری و کیفیت محصول و خدمات به‌دست‌آمده‌اند. سالوجاروی و همکاران (2013) از این چارچوب کلی برای طرح مدل برای CKM تبعیت می‌کند. سایر پژوهشگران وجود تأثیرات مختلف بر فعالیت‌های CKM همچون فاکتورهای انسانی، سازمانی و تکنولوژیکی را شناسایی می‌کنند.

TakeLab در SemEval-2018 Task 7: ترکیب ویژگی های پراکنده و متراکم برای طبقه بندی روابط در متون علمی

TakeLab at SemEval-2018 Task 7: Combining Sparse and Dense Features for Relation Classification in Scientific Texts

چکیده
1 مقدمه
2 مجموعه داده
3 شرح سیستم
4 ارزیابی و نتایج
5 نتیجه‌گیری
منابع

چکیده
ما دو سیستم برای طبقه‌بندی رابطه‌ معنایی  را توصیف می‌کنیم که با آن‌ها در SemEval-2018 Task7 ، زیروظیفه 1  برای طبقه‌بندی رابطه معنایی شرکت کردیم که یکی مدل ماشین بردار پشتیبانی (SVM) و دیگری مدل شبکه عصبی پیچشی (CNN) بوده است. هر دوی مدل‌ها ویژگی‌های word2vec از پیش آموزش دیده متراکم و ویژگی‌های تنک دست‌ساز را ترکیب می‌کنند. برای آموزش مدل‌ها، ما دو مجوعه‌داده‌  را با زیروظایف ترکیب می‌کنیم تا بدین شکل به تعادل تحت کلاس‌های ارائه شده برسیم. مدل SVM نسبت به مدل CNN عملکردی بهتر دارد و به نمره کلان F1 ای به میزان 98 .69% بر روی زیروظیفه 1 .1 و به به امتیاز 69 .75% بر روی زیروظیفه 1. 2 دست پیدا کرده است. رتبه این سیستم در بین 28 سیستم ارسالی بر روی زیروظیفه 1 .1، 7 ام بوده است و بر روی 20 سیستم ارسالی بر روی زیروظیفه 2 .1 نیز رتبه 7 ام را کسب کرده است.

2 مجموعه داده
سازماندهندگان مجموعه داده‌های مختلف آموزشی را برای سناریوهای 1. 1 و 1. 2 از زیروظیفه 1 فراهم کردند که هر کدام شامل 350 خلاصه مقاله علمی از حوزه پردازش زبان طبیعی (NLP) بوده است (گابور 2018) که برای آموزش مدل‌ها مورد استفاده قرار گرفتند. تمامی نهادهایی که مفاهیم دامنه‌ای (مثلا ابهام‌زدایی کلمات و ترجمه کلمات) را بیان می‌کنند که در حال حاضر با توجه به یکی از روابطی که بین آنها وجود دارد، به ترتیب حاوی حاشیه نویسی و فهرست‌بندی شده‌اند. به عنوان مثال، در جمله «ترجمه‌ای با کیفیت بالا از طریق ابهام‌زدایی کلمات و از طریق تولید کلماتی دقیق از زبان مقصد صورت می‌گیرد» ابهام‌زدایی معنای واژه برای ترجمه صورت می‌گیرد، از این رو به عنوان نمونه ای از نوع ارتباط USAGE (کاربرد) تعریف شده است. شش نوع رابطه متفاوت وجود دارد که عبارتند از: USAGE (کاربرد)، TOPIC(مبحث)، COMPARE (مقایسه)، MODEL-FEATURE (ویژگی‌مدل)، RESULT(نتیجه)، PARTWHOLE (بخشی از کل). به جز COMPARE، تمامی روابط نامتقارن هستند و این بدان معنی است که جهت رابطه آنها مهم است. به همین علت، هر نمونه رابطه نامتقارن علاوه بر این با جهت رابطه‌ای با استفاده از پرچم «معکوس» مشخص شده است که نشان می‌دهد منظور نهادها باید وارون نیز شود.

تعداد کل نمونه های آموزشی 1228 و 1248 برای مجموعه‌داده‌های زیروظیفه به ترتیب 1. 1 و 2. 1 است. هر نمونه حاوی دقیقا دو نهاد است و هر دو در همان عبارت ظاهر می شوند. مجموعه‌داده زیروظیفه 1. 2 از طرح حاشیه‌نویسی یکسانی مانند زیروظیفه 1 استفاده می‌کند ولی نهادها به جای حاشیه‌نویسی دستی به شکل خودکار استخراج می‌شوند و بنابراین نویز ایجاد می‌شود.

جدول 1 تجزیه و تحلیل انواع روابط را برای دو مجموعه داده نشان می‌دهد. به طور کلی، توزیع کلاس نسبتا دارای عدم تعادل است، به ویژه رابطه TOPIC که به شدت در مجموعه‌داده‌ای برای زیروظیفه 1. 1 تحت نمایش قرار گرفته است.

امنیت موبایل اندروید با شناسایی و طبقه بندی بدافزار بر اساس مجوزها با استفاده از الگوریتم های یادگیری ماشینی

Android mobile security by detecting and classification of malware based on permissions using machine learning algorithms

چکیده

1- مقدمه

2- کارهای مربوطه

3- مجموعه داده ها

4- برنامه های اندروید و رویکرد مجوز آن

5- نتایج تجربی

6- نتیجه گیری و مسیر پژوهشی آینده

منابع

چکیده

     اندروید، سهم عمده‌ای در بازار برنامه‌های تلفن همراه دارد. تلفن‌های همراه اندروید تبدیل به هدف آسانی برای مهاجمین شده‌اند. دلیل اصلی آن، بی‌توجهی کاربر در فرایند نصب و استفاده از برنامه‌ها است. بدافزارهای اندروید را می‌توان بر اساس مجوزهایی که از کاربر درخواست می‌کند شناسایی کرد. الگوریتم‌های یادگیری ماشین متعددی در تشخیص بدافزارهای اندروید بر اساس فهرست مجوزهای فعال شده برای هر برنامه مورد استفاده قرار می‌گیرند. این مقاله به مطالعه عملکرد برخی از الگوریتم‌های یادگیری ماشین مانند نایوبیز، J48، جنگل تصادفی، رد‌ه‌بندی چند-کلاسی، و پرسپترون چند-لایه‌ای می‌پردازد. داده‌های برنامه ۲۰۱۵ و ۲۰۱۶ گوگل پلی استور برای برنامه‌های نرمال استفاده می‌شوند و مجموعه‌های داده بدافزاری استاندارد در ارزیابی به کار می‌روند. مشاهده شده است که رد‌ه‌بندی کننده چند-سطحی دارای عملکرد بهتری نسبت به سایر الگوریتم‌ها در زمینه درستی رد‌ه‌بندی است. رد‌ه‌بندی نایوبیز تا جایی که به زمان مصرف مدل مربوط می‌شود عملکرد بهتری دارد.

2- کارهای مربوطه
     شالتز و همکاران [۷]، اولین کسانی بودند که مفهوم تشخیص بدافزار در داده‌کاوی را با استفاده از الگوریتم‌ یادگیری ماشین نایو بیز ارائه دادند. آن‌ها نتیجه ۱۱/۹۷ درصد را گزارش داده‌اند. یکی از اولین کارها در زمینه تشخیص بدافزار اندروید با استفاده از برنامه، [۸، ۹] هستند که الگوریتم‌های یادگیری ماشین برای رد‌ه‌بندی برنامه‌های اندروید به منظور تشخیص بدافزارها را اجرا کرده‌اند. فرداوسی و همکاران [۱۰] از الگوریتم یادگیری ماشین درخت تصمیم‌گیری J48 برای شناسایی بدافزارها استفاده کردند. آن‌ها نتیجه ۹۷ درصد را گزارش دادند. سباستین و همکاران [۱۱] با استفاده از ویژگی‌های مختلف به عنوان مقاصد، ۰۲/۹۶ درصد را با الگوریتم یادگیری ماشین جنگل تصادفی گزارش دادند. دیوار آتش و IDS نیز نقش مهمی در امنیت دارند. وارما و همکاران [۱۲] از بهینه‌سازی متسعمره مورچه (ACO) برای شناسایی ناهنجاری‌های در پیکربندی قانون آتش استفاده کردند. وارما و همکاران [۱۳] از مینیمم‌سازی ویژگی فازی-ناهموار و جستجوی ACO در بهینه‌سازی انتخاب ویژگی برای سیستم تشخیص نفوذ (IDS) زمان-واقعی استفاده کردند. ثابت شده است که درختان تصمیم در مسائل رده‌‌بندی امنیت شبکه بسیار کارامد هستند [۱۳]. سیدیکوی و همکاران [۱۴] از الگوریتم یادگیری ماشین جنگل تصادفی برای شناسایی بدافزار استفاده کردند. آن‌ها نتیجه ۶/۹۶ درصد را گزارش دادند. اندرسون و همکاران [۱۵] از ماشین بردار پشتیبانی (SVM) برای تشخیص بدافزار استفاده کردند. آن‌ها نتیجه ۰۷/۹۸ را گزارش دادند. برای شناسایی بدافزارها در داده‌های برنامه اندروید نیاز به شناسایی کارامدترین تکنیک است. این مطالعه، چند الگوریتم یادگیری ماشین را مقایسه کرده و بهترین الگوریم را شناسایی می‌کند.

3- مجموعه داده‌ها
     مجموعا ۳۲۵۸ برنامه اندروید جمع‌آوری شدند که در میان آن‌ها ۲۹۹۹ مورد برنامه نرمال و ۱۹۹۹ برنامه بدافزار بودند. داده‌های برنامه گوگل پلی استور ۲۰۱۵ و ۲۰۱۶ برای جمع‌آوری برنامه‌های نرمال [۱۶] و مجموعه داده‌های بدافزار استاندارد [۱۷] برای ارزیابی مورد استفاده قرار گرفتند.

A. بدافزارها
     هر نرم‌افزار یا برنامه با رفتار بد، بدون مجوز و غیر قانونی، بدافزار نامیده می‌شود. یک کاربر تلفن همراه به سختی می‌تواند مقاصد برنامه را بر اساس مجوزهای آن شناسایی کند. کاربران اغلب برنامه‌هایی را از منابع غیر مجاز نصب کرده و با مشکل مواجه می‌شوند. برنامه‌های بدافزار معمولا توسط مهاجمین به منظور سرقت اطلاعات اعتباری معاملات مالی، ایمیل‌ها، اطلاعات شبکه اجتماعی، اطلاعات کلیدی، تصاویر دوربین، اطلاعات سیستم فایل محلی، و غیره برنامه‌نویسی می‌شوند [۱۸]. بنابراین، نیاز به یک برنامه امنیتی تلفن همراه است که بتواند برنامه‌های بدخیم را توسط مجوزهای درخواستی آن‌ها شناسایی کند.

آشکارسازهای نفوذ مبتنی بر داده کاوی

Data mining-based intrusion detectors

چکیده
1 مقدمه
2 مرور پیشینه
3 ساختار سیستم
4 تحلیل و ارزیابی
5 نتیجه گیری و پیشنهادات
منابع

چکیده
با گسترش و افزایش محبوبیت اینترنت، موارد حملات اینترنتی رو به افزایش است، و روش های حمله هر روز متفاوت تر هستند، بنابراین مساله ی امنیت اطلاعات به یک مساله ی مهم در جهان تبدیل شده است. امروزه، تشخیص، شناسایی و متوقف کردن موثر این گونه حملات یک نیاز ضروری است. پژوهش حاضر کارآیی روش های یادگیری ماشینی در سیستم تشخیص نفوذ، از جمله درخت دسته بندی و ماشین بردار تامین، را مقایسه می کند، و امید دارد که مرجعی برای ساخت سیستم های تشخیص نفوذ در آینده فراهم کند. 
در مقایسه با دیگر مطالعات مرتبط با ردیاب های (آشکارسازهای) نفوذ مبتنی بر داده کاوی، محاسبه ی مقدار میانگین را از طریق نمونه برداری نسبت های مختلف داده های نرمال برای هر اندازه گیری ارائه کرده ایم، که باعث به دست آمدن نرخ دقت بالاتری برای داده های مشاهده ای در دنیای واقعی می شود. دقت، نرخ تشخیص، نرخ هشدار اشتباه را برای چهار نوع حمله مقایسه کرده ایم. بعلاوه، به ویژه برای حملات نوع U2R و نوع R2L، کارآیی بهتری نسبت به روش برنده (winner) KDD نشان می دهد.