آموزش

پايگاه داده OSVDB

به طور کلی پايگاه داده­های آسيب پذيری­ها را می­توان به دو دسته تقسيم کرد. اول پايگاه داده­های عمومی مانند [1]CVEو [2]OSVDBدوم پايگاه داده­های سازندگان نرم افزارها مانند [3]MFSA. در پايگاه داده­های عمومی اطلاعات آسيب پذيری­ها از نرم افزارهای مختلف و متنوعی موجود است و اين گزارش­ها عموماً مربوط به محصولاتی با کاربری زياد است. اطلاعات […]

پايگاه داده OSVDB بیشتر بخوانید »

دسته بندی آسيب پذيری ها

محققان و سازمان­های مختلف، تاکنون دسته بندی­های متفاوتی را برای آسيب پذيری­ها ارائه کرده­اند. در اين بخش به معرفی برخی از کارهای انجام شده برای دسته بندی آسيب پذيری­ها پرداخته می­شود. بيشاپ[1] (در سال 1995) (30) و کرسل[2] (در سال 1998) (31) از پيشگامان کلاس بندی آسيب پذيری­های نرم افزارها هستند. بيشاپ (30) يک طبقه

دسته بندی آسيب پذيری ها بیشتر بخوانید »

روش های ارزيابی و رده بندی آسيب پذيری ها

تعدادی سيستم­های نمره دهی آسيب پذيری­ها که توسط سازمان­های تجاری و غير تجاری مديريت می­شوند، وجود دارند. هريک از اين سازمان­ها متريک­های خاص خود را دارند و در آنچه اندازه­گيری می­کنند با يکديگر متفاوت هستند. برخی از مهمترين اين سيستم­ها عبارتند از CERT/CC، تحليل آسيب پذيری SANS، سيستم نمره دهی رده بندی مايکروسافت، و [1]CVSS؛

روش های ارزيابی و رده بندی آسيب پذيری ها بیشتر بخوانید »

انتخاب ويژگی Feature Selection

انتخاب ويژگی، تکنيک انتخاب زيرمجموعه­ای از ويژگی­های مرتبط است، که هدف آن ساختن يک مدل يادگيری قوی­تر می­باشد. در يادگيری ماشين و آمار از عناوينی مثل انتخاب متغيير، کاهش ويژگی­ها، انتخاب صفت يا انتخاب زيرمجموعه­ای از متغييرها به جای انتخاب ويژگی نيز استفاده می­شود (12). انتخاب ويژگی با حذف ويژگی­های بی­ربط و کاهش ابعاد ويژگی­های

انتخاب ويژگی Feature Selection بیشتر بخوانید »

خوشه بندی clustering

يكي ديگر از اهداف داده‌کاوی پديده‌ی خوشه‌بندي مي‌باشد، كه به فرآيند تقسيم مجموعه‌اي از داده‌ها (يا اشياء) به زير كلاس‌هايي با مفهوم خوشه‌ اشاره دارد. يك خوشه‌، يك‌ سري داده‌هاي مشابه مي‌باشد كه همانند يك گروه واحد رفتار مي‌كنند. لازم به ذكر است، خوشه‌بندي تاحدودیمشابه کلاس‌بندی است، با اين تفاوت كه كلاس‌ها از پيش‌تعريف‌شده و

خوشه بندی clustering بیشتر بخوانید »

کلاس بندی و پيش بينی

کلاس بندی فرآيند پيدا کردن يک مدل توصيف کننده و تميز دهنده برای کلاس های داده ها است. اين مدل بايد به شکلی باشد که بتوان از آن برای پيش بينی کلاس داده هايی که برچسب آن ها نامشخص است، استفاده کرد. کلاس بندی کننده، بوسيله يک مجموعه داده آموزش که برای آن ها برچسب

کلاس بندی و پيش بينی بیشتر بخوانید »

متن کاوی

مشکلی که دنيای امروز با آن رو به رو است، كمبود يا نبود اطلاعات نيست بلکه کمبود دانشي است که از اين اطلاعات ميتوان حاصل کرد. ميليون ها صفحه ي وب، ميليون ها کلمه در کتابخانه هاي ديجيتال و هزاران صفحه اطلاعات در هر شرکت، تنها بخشی از اين منابع اطلاعاتي هستند. اما نمي توان

متن کاوی بیشتر بخوانید »

آسيب پذيری Vulnerability

در مباحث امنيت کامپيوتر، يک آسيب پذيری، ضعفی است که برای مهاجم امکان سوء استفاده از اطلاعات يک سيستم را فراهم می­کند. سالانه هزاران آسيب پذيری کشف و گزارش می­شوند و ميليون­ها دلار در سرتاسر دنيا صرف مقابله با آسيب پذيری­ها می­گردد. برای بهره کشی از آسيب پذيری يک سيستم عموماً به سه عامل نياز

آسيب پذيری Vulnerability بیشتر بخوانید »

گام‌های نصب افزونه SQL Server 2008 Data Mining Add-in

گام نخست: پنجره راهنمای گام به گام نصب افزونه گام دوم: پنجره پذیرش توافقنامه افزونه گام سوم: تعیین نام کاربری و عنوان سازمانی گام چهارم: تعیین مولفه‌های انتخابی جهت نصب گام پنجم: آغاز فرآیند نصب افزونه گام ششم: انتقال فایل‌های نصب گام هفتم: اتمام فرآیند نصب افزونه

گام‌های نصب افزونه SQL Server 2008 Data Mining Add-in بیشتر بخوانید »

مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه

عمده‌ترین مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه عبارتند از (Ranjan & Bhatnagar, 2008): افزایش دسترسی‌پذیری به مشتریان با تحلیل‌های بهتر: قابلیت تحرک و جابجایی‌پذیری امکان دسترسی به مشتریان توسط مدیران اجرایی سازمان‌ها را افزایش می‌دهد. این امر فرآیندهای تحلیل را نیز به‌علت دسترسی به داده‌های بیشتر بهبود و ارتقاء

مزایای بکارگیری داده‌کاوی در مدیریت ارتباط با مشتریان مبتنی بر تلفن همراه بیشتر بخوانید »