داده كاوي

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

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

داده‌کاوی در بسیاری از شاخه ها همچون بازاریابی، امور مالی، بانکداری، تولید، پزشکی، مدیریت ارتباط با مشتری، ردیابی، پیش‌بینی خرابی ها و آموزش سازمانی کاربرد دارد. بعضی از کاربردهای کلیدی داده‌کاوی به‌طور

تعدادی از متخصصین داده‌کاوی از شرکت های مختلف گرد هم آمده و یک فرایند استاندارد برای داده‌کاوی ارائه نموده اند که CRISP-DM نام دارد. این متدولوژی فرایند داده‌کاوی را در شش فاز

به‌طور کلی گام های اجرای داد‏ه‌کاوی د‏ر تمام منابع یکسان نیستند ولی آنچه که تقریباً د‏ر بین همه آنها به صورت مشترک وجود دارد‏، کشف دانش را د‏ارای مراحل تکراری زیر می

برای ارزیابی سیستم از نظیرکردن یک به یک گوینده های مرجع به گوینده هایی که سیستم آنها را تشخیص داده است، استفاده می شود. این موضوع را در نظیر کردن مورد توجه

ماشين­هاي بردار پشتيبان يك تكنيك دسته­بندي و رگرسيون است كه توسط وپنیک[1] و گروهش در آزمايشگاه AT&T Bell پيشنهاد شده است و در حال حاضر در بسياري از زمينه­ها مثل تشخيص چهره،

در این سیستم ها هدف از خوشه بندی گوینده، شناسایی و دسته بندی سگمنت های گفتاری مربوط به یک گوینده و اختصاص یک برچسب واحد به آنهاست و در نهایت نتیجه فرآیند

روبوکاپ عنوان مسابقاتی درزمینه دانش روباتیک وهوش مصنوعی است که بصورت سالیانه توسط فدراسیون بین‌المللی روبوکاپ[1] برگزار می شود. روبوکاپ بزرگترین اقدام بشر در جهت عملیاتی شدن تحقیقات در حوزه هوش مصنوعی

سیستم های شناسایی نفوذ مبتنی بر شبکه از دو رویکرد کلی جهت شناسایی ترافیک مشکوک استفاده می کنند. هر بسته داده عبوری در شبکه دارای دو بخش عنوان و محتوا می باشد.

برای این که درک بهتری از روند الگوریتم های شناسایی نفوذ داشته باشیم، در این بخش مروری کلی بر انواع حملات موجود خواهیم داشت. دسته بندی های متفاوتی از حملات در حوزه