آموزش

این معیارهای شباهت تنها از اطلاعات هر میزبان استفاده می کند و نیازی به اطلاعات مرتبط یا همسایگی گره ندارد. این معیارها به سادگی از گراف دوسویه شبکه استخراج می شوند. به

معیارهای شباهت مبتنی بر گراف، معیارهایی هستند که از اطلاعات ارتباط همبندی گراف در محاسبات خود استفاده می کنند. به عبارتی به اطلاعاتی فراتر از اطلاعات یک تک گره نیاز دارند. در

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.

همان طور که گفته شد، یک سیستم شناسایی نفوذ با نظارت بر فعالیت های کامپیوتری موجود در محیط و تحلیل آن، قادر به شناسایی فعالیت­های خبیثانه و آگاه کردن مدیر سیستم و

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

در دهه اخیر با توجه به بالا رفتن سرعت شبکه های کامپیوتری، روش های نظارت و شناسایی مبتنی به جریان شبکه بسیار مورد توجه قرار گرفته اند. به طوری که تولید کنندگان

دیوار آتش، از اجزای لاینفک شبکه‌های کامپیوتری می باشد که از دستیابی غیر مجاز به شبکه‌ جلوگیری می‌کنند. این سیستم امنیتی معمولاً ترکیبی از سخت‌افزار و نرم‌افزار است و با توجه به

این سیستم‌های که با عنوان سیستم های شناسایی و جلوگیری از نفوذ هم شناخته می‌شوند، ابزاری برای امنیت سیستم ها هستند که فعالیت‌های موجود در شبکه و یا سیستم را برای تشخیص

این سیستم ها وظیفه شناسایی و تشخیص هر گونه استفاده غیرمجاز به سیستم، سوء استفاده و یا آسیب رسانی توسط کاربران داخلی و یا خارجی را بر عهده دارند. تشخیص و جلوگیری

1-1- رديابي چهره و اجزاي آن تقريبا در تمام سيستم‏هاي نظارت چهره راننده، پس از آشکارسازي چهره رديابي آن انجام مي‏گيرد. رديابي چهره به جاي آشکارسازي آن در فريم‏هاي متوالي باعث کاهش

در سيستم‏هاي نظارت چهره راننده کمتر از ويژگي‏هاي ساير اجزاي چهره مانند بيني و لب‏ها استفاده شده، اما در اين بخش مروري کوتاه بر روش‏هاي آشکارسازي بيني و لب خواهد شد. معمولا

در روش‏هاي کنوني براي استخراج ويژگي‏هاي خستگي و عدم تمرکز حواس راننده از تصوير چهره، ابتدا بايد اجزاي چهره آشکارسازي شود. تقريبا در تمام سيستم‏هاي نظارت چهره راننده از ويژگي‏هاي ناحيه چشم

معمولا اولين بخش از نرم‏افزار هوشمند در سيستم‏هاي نظارت چهره راننده، مربوط به آشکارسازي چهره است. در سيستم‏هايي که خستگي و عدم تمرکز حواس را از پردازش ناحيه چهره مشخص مي‏کنند، آشکارسازي

يک سيستم نظارت چهره راننده از سه بخش عمده شامل بخش تصويربرداري، بخش سخت‏افزار و پردازنده و بخش نرم‏افزار هوشمند تشکيل شده است. هر يک از بخش‏هاي اين سيستم، نقش سازنده و

مهمترين روش‏هاي استفاده شده براي تشخيص خستگي راننده عبارتند از: روش‏هاي مبتني بر سيگنال‏هاي بيوالکتريکي و عصبي، روش‏هاي مبتني بر نحوه رانندگي و کنترل خودرو، روش‏هاي مبتني بر نظارت چهره راننده و

3-3-1- استفاده از الگوریتم های تکاملی در ساختار IDSS از جمله سیستم های تصمیم همیار هوشمندی که در ساختار خود از الگوریتم های تکاملی استفاده نموده، سیستمی است که به منظور حل

روند سلسله مراتبی تحلیلی ، یک تکنیک اخذ تصمیم چند معیاری است که بطور گسترده ای برای چارچوب بندی و حل مسائل تصمیم گیری، بکار برده می شود، این روش، با استفاده

این مدل [7]، یک روش ساده ولی منعطف است که برای بررسی ناسازگاری­ هایی که در آنها دو و یا تعداد بیشتری تصمیم گیرنده در رابطه با یک موضوع، اختلاف دارند، طراحی

در این مدل، عامل­های موجود در محیط با یکدیگر رقابت و راه­حل­هایی را برای مقادیر متغیرهای تصمیم برای عامل رفع ناسازگاری فراهم می­کنند و این عامل یک راه­حل را از میان آنها

در این مدل، تابع هدف به صورت یک تابع خطی از متغیر­های تصمیم در نظر گرفته می­شود که این متغیرها به وسیله­ی عامل­های مختلف موجود در مسئله فراهم می­گردد. صورت کلی این