ترجمه مقاله پروتکل اصلاح شده DSR جهت شناسایی و حذف حملات سیاه چاله انتخابی در Manet
| دسته بندی | امنیت |
| بازدید ها | 0 |
| فرمت فایل | doc |
| حجم فایل | 1913 کیلو بایت |
| تعداد صفحات فایل | 23 |
ترجمه مقاله الزیوریر به همراه اسلاید ارایه بسیار زیبا و منابع اصلی
پروتکل اصلاح شده DSR جهت شناسایی و حذف حملات سیاه چاله انتخابی در Manet
Modified DSR protocol for detection and removal of selective black hole attack in MANET
شبکه های موردی سیار
- مسیریابی در شبکه های موردی
پروتکل های مسیریابی ProactiveوReactive
پروتکل های مسیریابی الگوریتم DSRو AODV
- انواع حملات فعال qحملات سیاه چاله
بررسی مقاله
مقدمه
•روش پیشنهادی
•شرح پروتکل
•تجزیه و تحلیل و تنظیمات آزمایش
•نتیجه گیری
•ارائه یک پروتکل اصلاح شده مسیر یابی منبع پویا (MDSR ) جهت شناسایی و جلوگیری از حمله سیاه چاله انتخابی
• حمله سیاه چاله انتخابی (چاله خاکستری)یک نوع خاص از حملات سیاه چاله
•یک سیستم شناسایی نفوذ (IDS) پیشنهاد شده
•استفاده از Glomosimجهت ارزیابی موثر بودن سیستم شناسایی نفوذ پیشنهادی
•تشخیص حمله چاله خاکستری از سیاه چاله سخت تر است
حل تمرین کتاب امنیت:
مثال 8.3
ما با استفاده از رمزنگاری multiplicative، پیام "hello"با کلید 7رمز می کنیم . متن رمز "XCZZU"است.
|
Ciphertext: 23 àX |
Encryption: (07×07) mod 26 |
Plaintext: h à 07 |
|
Ciphertext: 02 àC |
Encryption: (04×07) mod 26 |
Plaintext: e à 04 |
|
Ciphertext: 25 àZ |
Encryption: (11×07) mod 26 |
Plaintext: l à 11 |
|
Ciphertext: 25 àZ |
Encryption: (11×07) mod 26 |
Plaintext: l à 11 |
|
Ciphertext: 20 àU |
Encryption: (14×07) mod 26 |
Plaintext: o à 14 |
Affine cipher
ما می توانیم رمز additive و multiplicative را برای به دست آوردن آنچه که رمز Affine نامیده میشود ترکیب کنیم. یک ترکیبی از هر دو رمز با یک جفت کلید است.کلید اول توسط رمز multiplicative استفاده میشود. کلید دوم با رمز additive استفاده می شود. شکل 3.11 نشان می دهد که Affine cipher در واقع 2 رمزنگاری است که یکی پس از دیگری اعمال می شود. ما می توانیم تنها یک عملیات پیچیده برای رمزگذاری و یا رمزگشایی مانند C=(p*ki+k2) mod 26 و p=((C-k2)*ki -1) mod 26 را نشان دهیم.
با این حال،ما از یک نتیجه موقتی (T) استفاده می کنیم و 2 عملیات جدا برای نمایش ترکیب رمزها استفاده می کنیم و ما باید مطمئن باشیم که هر کدام یک معکوس در سمت دیگر دارند و به صورت معکوس در رمزنگاری و رمزگشایی استفاده می شوند.
اگر جمع کردن آخرین عملیات در رمزنگاری باشد، بنابراین تفریق کردن نیز باید اولین عملیات در رمزگشایی باشد.
شکل 3.11
در Affine cipher، رابطه بین plaintext و ciphertext عبارت است:
|
C=(PÍk1+k2) mod 26 P=((C-k2)Ík1-1) mod 26
که در آن K1-1 معکوس ضرب K1 و -K2معکوس حاصل جمع K2 است. |
مثال 9.3
Affine cipherاز یک زوج کلید که در آن کلید اول Z26* و کلید دوم از z26 استفاده می کند. و اندازه دامنه کلید 26*12=312 است.
مثال 10.3
از یک Affine cipherبرای به رمز در آوردن پیام "hello" با جفت کلید (7,2) استفاده می کنیم.
راه حل :
ما از7 برای کلید ضرب و 2 برای کلید جمع استفاده می کنیم.و "ZEBBW" را بدست میآوریم.
مثال 11.3
از Affine cipherبرای رمزگشایی پیام "ZEBBW" با جفت کلید (7,2) در قدر مطلق 26 استفاده می کنیم.
راه حل:
اضافه کردن معکوس جمع - 2*24 (mod 26) برای بدست آوردن iphertext ، سپس نتیجه رو با معکوس ضرب7-1*15(mod 26) برای پیدا کردن متن اصلی ضرب می کنیم. چون 2 معکوس جمع در z26 و 7 دارای یک معکوس ضرب در z26 * دارد، متن دقیقا همان چیزی است که ما در مثال 3.10 استفاده کرده ایم.
مثال 3.12
additive cipher که در آن K1 = 1 باشد یک مورد خاص از Affine cipher است، رمز ضربی که در آن K2 = 0باشد یک مورد خاص از Affine cipher است.
پاورپوینت بررسی شناسایی درآمد
| دسته بندی | حسابداری |
| بازدید ها | 1 |
| فرمت فایل | pptx |
| حجم فایل | 553 کیلو بایت |
| تعداد صفحات فایل | 23 |
پاورپوینت بررسی شناسایی درآمد در 23 اسلاید زیبا و قابل ویرایش با فرمت pptx
فهرست مطالب
مقدمه
تعریف درآمد
تعریف درآمد بر اساس استاندارد حسابداری ایران
تعریف درآمد بر اساس استاندارد بین المللی
تعریف درآمد بر اساس FASB
مسایل نظری در خصوص زمان شناسایی درآمد
دیدگاه مراجع مختلف پیرامون زمان شناسایی درآمد
عمده ترین ملاک شناخت درآمد ، تعیین شده از سوی مراجع
الگوهای شناسایی درآمد نسبت به مقطع فروش
شناسایی در آمد در دوره فروش
شناسایی درآمد پیش از دوره فروش
شناسایی درآمد به هنگام اتمام تولید
شناسایی درآمد پس از دوره فروش
به تعویق انداختن شناسایی تا وقوع رویدادی در آینده
حالتهای ویژه شناسایی درآمد
نتیجه‌گیری
منابع
پاورپوینت تهیه شده بسیار کامل و قابل ویرایش بوده و به راحتی می توان قالب آن را به مورد دلخواه تغییر داد و در تهیه آن کلیه اصول نگارشی، املایی و چیدمان و جمله بندی رعایت گردیده است.
پاورپوینت بررسی شناسایی درآمد
| دسته بندی | حسابداری |
| بازدید ها | 1 |
| فرمت فایل | pptx |
| حجم فایل | 553 کیلو بایت |
| تعداد صفحات فایل | 23 |
پاورپوینت بررسی شناسایی درآمد در 23 اسلاید زیبا و قابل ویرایش با فرمت pptx
فهرست مطالب
مقدمه
تعریف درآمد
تعریف درآمد بر اساس استاندارد حسابداری ایران
تعریف درآمد بر اساس استاندارد بین المللی
تعریف درآمد بر اساس FASB
مسایل نظری در خصوص زمان شناسایی درآمد
دیدگاه مراجع مختلف پیرامون زمان شناسایی درآمد
عمده ترین ملاک شناخت درآمد ، تعیین شده از سوی مراجع
الگوهای شناسایی درآمد نسبت به مقطع فروش
شناسایی در آمد در دوره فروش
شناسایی درآمد پیش از دوره فروش
شناسایی درآمد به هنگام اتمام تولید
شناسایی درآمد پس از دوره فروش
به تعویق انداختن شناسایی تا وقوع رویدادی در آینده
حالتهای ویژه شناسایی درآمد
نتیجه‌گیری
منابع
پاورپوینت تهیه شده بسیار کامل و قابل ویرایش بوده و به راحتی می توان قالب آن را به مورد دلخواه تغییر داد و در تهیه آن کلیه اصول نگارشی، املایی و چیدمان و جمله بندی رعایت گردیده است.
ترجمه مقاله با عنوان شناسایی بدون نظارت افعال مرکب فارسی
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 18 |
| فرمت فایل | zip |
| حجم فایل | 635 کیلو بایت |
| تعداد صفحات فایل | 13 |
چکیده. یکی از امور مهم مربوط به عبارات چند جزئی (MWEs) شناسایی فعل مرکب است. آثار بسیاری در زمینه شناسایی بدون افعال چند جزئی در بسیاری از زبان ها وجود دارد، اما هیچ مطالعه‌ی برجسته ای در زبان فارسی دیده نشده است. افعال چند جزئی فارسی (که افعال مرکب نامیده می شوند)، نوعی ساختار فعل سبک یا همکرد (LVC) است که دارای انعطاف پذیری نحوی است مثلا بین بخش فعل سبک و عنصر غیر کلامی فاصله نامحدودی وجود دارد. علاوه بر این، این عنصر غیر فعلی را می توان صرف کرد. این ویژگی ها کار را در فارسی بسیار مشکل ساخته است. در این مقاله، دو روش بدون نظارت پیشنهاد شده است به طور خودکار به شناسایی افعال مرکب در زبان فارسی می پردازد. در روش اول، با گسترش مفهوم اندازه گیری نقطه به نقطه اطلاعات متقابل (PMI) ، روش بوت استرپ استفاده شده است. در روش دوم، الگوریتم خوشه بندی K-means مورد استفاده قرار گرفته است. آزمایش های ما نشان می دهد که روش های ارائه شده با توجه به استاندارد سازی، به نتایجی فراتر از آغاز مطالعه که از اندازه گیری PMI استفاده شده بود، دست یافته است.
واژگان کلیدی: اصطلاح چند جزئی، ساختار افعال سبک، شناسایی بدون نظارت، روش بوت استرپ، K-mean، فارسی.
Abstract. One of the main tasks related to multiword expressions (MWEs) is
compound verb identification. There have been so many works on unsupervised
identification of multiword verbs in many languages, but there has not been any
conspicuous work on Persian language yet. Persian multiword verbs (known as
compound verbs), are a kind of light verb construction (LVC) that have syntactic
flexibility such as unrestricted word distance between the light verb and the
nonverbal element. Furthermore, the nonverbal element can be inflected. These
characteristics have made the task in Persian very difficult. In this paper, two
different unsupervised methods have been proposed to automatically detect
compound verbs in Persian. In the first method, extending the concept of
pointwise mutual information (PMI) measure, a bootstrapping method has been
applied. In the second approach, K-means clustering algorithm is used. Our experiments
show that the proposed approaches have gained results superior to the
baseline which uses PMI measure as its association metric.
Keywords: multiword expression, light verb constructions, unsupervised identification,
bootstrapping, K-means, Persian.