http://wiki.occc.ir/api.php?action=feedcontributions&feedformat=atom&user=Goodosuser 2026-05-27T23:47:53Z مشارکت‌های کاربر MediaWiki 1.38.4 http://wiki.occc.ir/index.php?title=%D8%AE%D8%AF%D9%85%D8%A7%D8%AA_%D9%85%D8%A8%D8%AA%D9%86%DB%8C_%D8%A8%D8%B1_%D9%85%D8%AD%D9%84&diff=14368 2016-05-10T01:07:41Z

<p>Goodosuser: خدمات مکان-مبنا یا LBS (مخفف Location Based Services) خدمات اطلاعاتی هستند که توسط ابزارهای موبایل در شبکه های بی‌سیم قابل دسترس بوده و بر مبنای استفاد</p> <hr /> <div>==معرفی==<br /> خدمات مکان-مبنا یا LBS (مخفف Location Based Services) خدمات اطلاعاتی هستند که توسط ابزارهای [[موبایل]] در شبکه های بی‌سیم قابل دسترس بوده و بر مبنای استفاده از موقعیت این ابزارهای موبایل استوارند. <br /> تعریف مشابهی توسط سازمان OGC (مخفف Open Geospatial Consortium) در سال ۲۰۰۵ ارائه شده است : خدمات مکان-مبنا خدماتی در شبکه های بیسیم هستند که از اطلاعات مکانی جهت ارائه خدمت به کاربر استفاده می کنند.<br /> <br /> این تعاریف LBS را به عنوان محل تقاطع سه فناوری توصیف می کنند. این فناوری‌ها، فناوری ارتباطی و اطلاعاتی جدید(NICTs: New Information and Communication Technologies) شامل سیستم های ارتباطات موبایل و ابزارهای موبایل، فناوری اینترنت و سیستم های اطلاعات مکانی(GIS) با پایگاه داده مکانی هستند.<br /> <br /> GIS و LBS دارای تشابهاتی هستند. این موارد شامل استفاده از داده های مکان مرجع و توابع تجزیه و تحلیل این داده ها هستند. در نتیجه GIS و LBS به طور مشترک قادر به پاسخگویی سوالاتی از قبیل زیر هستند:<br /> <br /> کاربر در چه موقعیتی قرار دارد؟<br /> چه چیزهایی در نزدیکی کاربر وجود دارد؟<br /> کاربر چطور می تواند به مقصد خاص برسد؟<br /> <br /> ولی این دو سیستم وجه تمایزاتی نیز دارند. GIS به مراتب دارای قدمت بیشتری بوده و به عنوان یک سیستم حرفه ای برای کاربران با تجربه با مجموعه متنوعی از ابزارهای تجزیه وتحلیل داده های مکانی تصور می شود.در نتیجه GIS به توان پردازشی و منابع محاسباتی قویتری نیاز دارد. در مقایسه، LBS تنها قادر به ارائه سرویس های محدودی به کاربران عموما غیرحرفه ای است. در این راستا این سیستم معمولا با مسائلی از جمله توان پردازشی پاین در ابزارهای موبایل و توجه به منابع انرژی محدود در این وسایل مواجه است.<br /> <br /> == طبقه بندی خدمات مبتنی بر مکان==<br /> خدمات مکان مبنا می توانند بر مبنای خصوصیات عملکردی شان به صورت زیر طبقه بندی شوند:‌<br /> <br /> تعیین موقعیت (Positioning): خدمات تعیین موقعیت به فراهم کردن دسترسی به اطلاعات و منابع بر مبنای آنکه کاربران در حال حاضر در کجا قراردارند، می پردازند. یک مثال ساده از خدمات تعیین موقعیت، ‌یک نقشه مکان محور است مانند نقشه خیابان ها یا نقشه آب و هوا که به صورت اتوماتیک خود را با موقعیت کنونی کاربر مرکزیت می دهد.<br /> <br /> ردیابی (Tracking): خدمات ردیابی تعمیمی از خدمات تعیین موقعیت هستند که به فراهم نمودن دسترسی به اطلاعات و منابع بر مبنای موقعیت فعلی و گذشته کاربر مربوط می شوند.<br /> <br /> تخصیص منابع همراه ‌(Mobile Resource Allocation) :‌خدمات تخصیص منابع همراه تعمیمی از خدمات ردیابی هستند که به فراهم نمودن دسترسی به اطلاعات و منابع بر مبنای موقعیت فعلی و گذشته و نیز طراحی اینکه کاربر نیاز دارد در آینده کجا باشد، مربوط می باشند. ناوبری مانند راهنمای موقعیت مبنای توریست مثالی از خدمات تخصیص منابع همراه می باشد.<br /> ==اجزای خدمات مکان-مبنا==<br /> <br /> LBS به طور ساختاری از اجزایی تشکیل شده است.<br /> <br /> ابزارهای موبایل: ابزاری است که کاربر اطلاعات مورد نیاز را توسط آن از سیستم درخواست می کند. نتیجه این درخواست می تواند به شکل صوتی، تصویری، متنی و… به کاربر عرضه شود. PDA (Pocket Digital Assistant)ها، گوشی های تلفن همراه و Laptop ها نمونه ای از این ابزارها هستند. درعین حال قسمت ناوبری یک وسیله نقلیه نیز می تواند یکی از این ابزارها باشد.<br /> <br /> شبکه ارتباطی: دومین جزء شبکه موبایل است که ارتباط بین کاربر را با ارائه کننده سیستم فراهم می آورد. بدین طریق که داده ها و تقاضاهای کاربر را به ارائه کننده سیستم تحویل داده و سپس نتایج آن را به کاربر برگشت می دهد.<br /> <br /> المان تعیین موقعیت: این سیستم برای ارائه خدمات معمولا به اطلاعات موقعیتی کاربر نیاز دارد. تعیین موقعیت کاربر می تواند توسط روش های تعیین موقیت در شبکه های بیسیم یا استفاده از GPS صورت گیرد. در صورتیکه این خدمات در محیط های درون ساختمانی (Indoor)ارائه می شود می توان از روش های تعیین موقعیت خاص این سیستم ها بهره جست. در صورت عدم وجود یکی از این روش ها کاربر می تواند موقعیت خود را به صورت دستی به سیستم وارد کند.<br /> <br /> ارائه کننده خدمات (Service Provider): ارائه کننده LBS معمولا خدمات مختلفی را به کاربر در نتیجه پردازش تقاضاهای وی عرضه می دارد. این خدمات مواردی مانند تعیین محل و آدرس کاربر، پیدا کردن مسیر تا نقطه مقصد، بازگرداندن اطلاعات مورد علاقه کاربر که در نزدیکی او قرار دارند و … را شامل می شود.<br /> <br /> فراهم کننده داده و محتویات (Data and Content Provider): ارائه کننده خدمات معمولا خود اقدام به ذخیره و نگهداری از اطلاعات مورد یاز کاربر نمی کند. بلکه داده های جغرافیایی و اطلاعات مکانی را از شرکت های ثالث جمع آوری کننده این داده ها گرفته و پس از پردازش به کاربر عرضه می کند. نمونه ای از آن فراهم کننده اطلاعات ترافیکی یا شرکت های نقشه برداری هستند.<br /> <br /> == منبع==<br /> [http://gistech.ir/gis_applications/%D8%AE%D8%AF%D9%85%D8%A7%D8%AA-%D9%85%DA%A9%D8%A7%D9%86-%D9%85%D8%A8%D9%86%D8%A7-location-based-services-%D9%85%D9%82%D8%AF%D9%85%D9%87 سایت تخصصی جی.آی.اس]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%DA%AF%D9%88%D9%86%D9%87_%D9%85%DB%8C%D8%AA%D9%88%D8%A7%D9%86_%D8%A2%D8%AF%D8%B1%D8%B3_MAC_%DB%8C%DA%A9_%DA%A9%D8%A7%D9%85%D9%BE%DB%8C%D9%88%D8%AA%D8%B1_%D8%B1%D8%A7_%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%DA%A9%D8%B1%D8%AF&diff=13065 2015-11-23T04:59:37Z

<p>Goodosuser: Goodosuser صفحهٔ چگونه میتوان آدرس MAC یک کامپیوتر را مشاهده کرد را به مشاهده نشانی MAC در رایانه منتقل کرد: جدانویسی و فارسی نویسی و کوتاه نویسی</p> <hr /> <div>#تغییر_مسیر [[مشاهده نشانی MAC در رایانه]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%D9%86%D8%B4%D8%A7%D9%86%DB%8C_MAC_%D8%AF%D8%B1_%D8%B1%D8%A7%DB%8C%D8%A7%D9%86%D9%87&diff=13064 2015-11-23T04:59:37Z

<p>Goodosuser: Goodosuser صفحهٔ چگونه میتوان آدرس MAC یک کامپیوتر را مشاهده کرد را به مشاهده نشانی MAC در رایانه منتقل کرد: جدانویسی و فارسی نویسی و کوتاه نویسی</p> <hr /> <div>'''چگونه می‌توان نشانی MAC یک کامپیوتر را مشاهده کرد؟'''<br /> چند روش برای انجام این کار وجود دارد:<br /> <br /> == روش اول ==<br /> به قسمت network and internet رفته و در این قسمت view network status and task را انتخاب می‌کنیم<br /> سپس روی local area connection کلیک می‌کنیم.<br /> در پنجره باز شده گزینه details را می‌زنیم که اطلاعاتی را برای ما نمایش می‌دهد.<br /> نشانی نوشته شده رو به روی physical address نشانی مورد نظر ماست.<br /> <br /> &lt;gallery&gt;<br /> پرونده:network2.png<br /> &lt;/gallery&gt;<br /> <br /> == روش دوم ==<br /> در [[cmd]] دستور getmac /v /fo list را می‌نویسیم. این بار هم physical address اطلاعات مورد نظر را به ما میدهد.<br /> <br /> == روش دوم ==<br /> روش دیگر در بدست آوردن MAC نشانی یک کامپیوتر متصل به شبکه استفاده از دستور nbtstat می‌باشد.</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%D9%86%D8%B4%D8%A7%D9%86%DB%8C_MAC_%D8%AF%D8%B1_%D8%B1%D8%A7%DB%8C%D8%A7%D9%86%D9%87&diff=13063 2015-11-23T04:58:52Z

<p>Goodosuser: ویرایش جزیی</p> <hr /> <div>'''چگونه می‌توان نشانی MAC یک کامپیوتر را مشاهده کرد؟'''<br /> چند روش برای انجام این کار وجود دارد:<br /> <br /> == روش اول ==<br /> به قسمت network and internet رفته و در این قسمت view network status and task را انتخاب می‌کنیم<br /> سپس روی local area connection کلیک می‌کنیم.<br /> در پنجره باز شده گزینه details را می‌زنیم که اطلاعاتی را برای ما نمایش می‌دهد.<br /> نشانی نوشته شده رو به روی physical address نشانی مورد نظر ماست.<br /> <br /> &lt;gallery&gt;<br /> پرونده:network2.png<br /> &lt;/gallery&gt;<br /> <br /> == روش دوم ==<br /> در [[cmd]] دستور getmac /v /fo list را می‌نویسیم. این بار هم physical address اطلاعات مورد نظر را به ما میدهد.<br /> <br /> == روش دوم ==<br /> روش دیگر در بدست آوردن MAC نشانی یک کامپیوتر متصل به شبکه استفاده از دستور nbtstat می‌باشد.</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%DA%AF%D9%88%D9%86%D9%87_%D9%85%DB%8C%E2%80%8C%D8%AA%D9%88%D8%A7%D9%86_%D9%86%D8%B4%D8%A7%D9%86%DB%8C_MAC_%DB%8C%DA%A9_IP_%D8%AE%D8%A7%D8%B5_%D8%B1%D8%A7_%D8%A7%D8%B2_%D8%B1%D8%A7%D9%87_%D8%AF%D9%88%D8%B1_%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%DA%A9%D8%B1%D8%AF&diff=13062 2015-11-23T04:37:55Z

<p>Goodosuser: ویرایش جزیی</p> <hr /> <div>در محیط [[ویندوز]]:<br /> <br /> برای این کار ابتدا باید محیط خط فرمان ویندوز را باز کنیم<br /> &lt;br/&gt;<br /> run-&gt;cmd<br /> &lt;br/&gt;<br /> بعد در این محیط این دستور را وارد می‌کنیم:<br /> &lt;br/&gt;<br /> arp -a<br /> &lt;br/&gt;<br /> http://8pic.ir/images/gqg8jzgjnbg0dlhpyzra.png<br /> &lt;br/&gt;<br /> قسمت زرد نشانی mac سیستم خودمان است و قسمت قرمز نشانی mac مربوط به ip متصل به شبکه ماست.<br /> &lt;br/&gt;<br /> برای مشاهده نشانی مک ip خاص مورد نظر(برای مثال 192.168.1.50) باید دستور زیر را وارد کرد:<br /> &lt;br/&gt;<br /> arp -a 192.168.1.50<br /> &lt;br/&gt;<br /> http://8pic.ir/images/s2ngwlv1mkqf9wiq7va8.png<br /> &lt;br/&gt;<br /> قسمت قرمز نشانی mac مربوط به ip مورد نظر ماست.<br /> &lt;br/&gt;<br /> &lt;br/&gt;<br /> Mohammad Hooshdar</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%DA%AF%D9%88%D9%86%D9%87_%D9%85%DB%8C%D8%AA%D9%88%D8%A7%D9%86_%D8%A2%D8%AF%D8%B1%D8%B3_MAC_%DB%8C%DA%A9_IP_%D8%AE%D8%A7%D8%B5_%D8%B1%D8%A7_%D8%A7%D8%B2_%D8%B1%D8%A7%D9%87_%D8%AF%D9%88%D8%B1_%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%DA%A9%D8%B1%D8%AF&diff=13061 2015-11-23T04:35:34Z

<p>Goodosuser: Goodosuser صفحهٔ چگونه میتوان آدرس MAC یک IP خاص را از راه دور مشاهده کرد را به چگونه می‌توان نشانی MAC یک IP خاص را از راه دور مشاهده کرد منتقل کر...</p> <hr /> <div>#تغییر_مسیر [[چگونه می‌توان نشانی MAC یک IP خاص را از راه دور مشاهده کرد]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%DA%AF%D9%88%D9%86%D9%87_%D9%85%DB%8C%E2%80%8C%D8%AA%D9%88%D8%A7%D9%86_%D9%86%D8%B4%D8%A7%D9%86%DB%8C_MAC_%DB%8C%DA%A9_IP_%D8%AE%D8%A7%D8%B5_%D8%B1%D8%A7_%D8%A7%D8%B2_%D8%B1%D8%A7%D9%87_%D8%AF%D9%88%D8%B1_%D9%85%D8%B4%D8%A7%D9%87%D8%AF%D9%87_%DA%A9%D8%B1%D8%AF&diff=13060 2015-11-23T04:35:33Z

<p>Goodosuser: Goodosuser صفحهٔ چگونه میتوان آدرس MAC یک IP خاص را از راه دور مشاهده کرد را به چگونه می‌توان نشانی MAC یک IP خاص را از راه دور مشاهده کرد منتقل کر...</p> <hr /> <div>در محیط ویندوز:<br /> <br /> برای انکار ابتدا باید محیط ترمینال ویندوز را باز کنیم<br /> &lt;br/&gt;<br /> run-&gt;cmd<br /> &lt;br/&gt;<br /> بعد در این محیط این دستور را وارد میکنیم:<br /> &lt;br/&gt;<br /> arp -a<br /> &lt;br/&gt;<br /> http://8pic.ir/images/gqg8jzgjnbg0dlhpyzra.png<br /> &lt;br/&gt;<br /> قسمت زرد ادرس mac سیستم خودمان است و قسمت قرمز ادرس mac ایپیی است که به شبکه ما متصل است.<br /> &lt;br/&gt;<br /> برای مشاهده ادرس مک ip خاص مورد نظر(برای مثال 192.168.1.50) باید دستور زیر را وارد کرد:<br /> &lt;br/&gt;<br /> arp -a 192.168.1.50<br /> &lt;br/&gt;<br /> http://8pic.ir/images/s2ngwlv1mkqf9wiq7va8.png<br /> &lt;br/&gt;<br /> قسمت قرمز ادرس mac ایپی مورد نظر ماست.<br /> &lt;br/&gt;<br /> &lt;br/&gt;<br /> Mohammad Hooshdar</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A2%D8%B1%D8%A7%D8%B3%E2%80%8C%D8%A7%DB%8C&diff=12959 2015-11-14T07:28:22Z

<p>Goodosuser: افزودن مثال</p> <hr /> <div>در بحث [[رمزنگاری]]، آراس‌اِی (RSA) شیوه‌ای برای [[رمزنگاری کلید عمومی|رمزنگاری به روش کلید عمومی]] (Public Key) است. این روش نخستین روش مورد اعتماد در بین روش‌های رمزنگاری دیگر است و یکی از بزرگ‌ترین پیشرفت‌ها در زمینهٔ رمزنگاری به حساب می‌آید. آراس‌ای همچنان به صورت وسیعی در تبادلات الکترونیکی استفاده می‌شود و در صورت استفاده درست با کلیدهای طولانی کاملاً امن به نظر می‌رسد.<br /> <br /> == تاریخچه ==<br /> این روش نخستین بار در سال ۱۹۷۷ توسط [[رونالد ریوست]]، [[آدی شامیر]] و [[لئونارد آدلمن]] در دانشگاه [[ام آی تی]] مطرح شد. اصطلاح آراس‌آ نیز از حروف ابتدای نام فامیل آنها گرفته شده است. دانشگاه ام‌آی‌تی [[حق اختراع]]&lt;ref&gt;(Patent)&lt;/ref&gt; این روش را به نام خود ثبت کرد. این حق اختراع در ۲۱ سپتامبر سال ۲۰۰۰ میلادی منقضی شد.<br /> <br /> == توضیحات کارکرد ==<br /> === کلیات ===<br /> آراس‌ای به طور کلی از دو '''کلید''' تشکیل می‌شود. کلید عمومی و کلید خصوصی. کلید عددی ثابت است که در محاسبات رمزنگاری استفاده می‌شود. '''کلید عمومی''' برای همه معلوم بوده و برای رمز کردن پیام استفاده می‌شود. این پیام فقط توسط کلید خصوصی باز می‌شود. به عبارتی دیگر همه می‌توانند یک پیام را رمز کنند اما فقط صاحب کلید خصوصی می‌تواند پیام را باز کند و بخواند.<br /> <br /> === تولید کلید ===<br /> مراحل زیر برای تولید کلید طی می‌شود:<br /> # دو عدد اول بزرگ p و q را به صورت تصادفی بیابید به طوری کهp ≠ q.<br /> # عدد n را محاسبه کنید به طوری که n = p*q.<br /> # [[تابع فی]] را محاسبه کنید به طوری که (φ(n) = (p-1)*(q-1<br /> # عدد e را انتخاب کنید به طوری که بین ۱ و (φ(n باشد و نسبت به (φ(n اول باشد<br /> #* عدد e به عنوان توان کلید عمومی منتشر می‌شود.<br /> # عدد d را طوری بیابید که باقی‌مانده ضرب دو عدد ''d'' و ''e'' نسبت به (φ(n برابر ۱ باشد، <br /> #* عدد d به عنوان توان کلید خصوصی محافظت می‌شود.<br /> * دو عدد اول می‌توانند توسط روش '''پیدا کردن اعداد اول احتمالی''' پیدا شوند.<br /> * معمولاً عدد عمومی (e) را در حدود ۲&lt;sup&gt;۱۶&lt;/sup&gt; انتخاب می‌کنند. البته بعضی از برنامه‌ها اعداد کوچکی را انتخاب می‌کنند که باعث سریعتر شدن و البته خطرات امنیتی در [[رمزنگاری]] می‌شود.<br /> * '''کلید عمومی''' تشکیل می‌شود از:<br /> ** عدد n (عدد مشترک)<br /> ** عدد e (عدد عمومی)<br /> * '''کلید خصوصی''' تشکیل می‌شود از:<br /> ** عدد n (عدد مشترک)<br /> ** عدد d (عدد خصوصی)<br /> <br /> * در تمام مراحل باید اجزای کلید خصوصی سری نگه داشته شود، دو عدد ''p'' و q اگر به عنوان صورتی از کلید خصوصی نگهداری نشود بهتر است به شیوه‌ای امن نابود شوند. زیرا با این دو عدد تمام اعداد n و d, e قابل محاسبه خواهند بود.<br /> <br /> === رمز کردن پیام ===<br /> فرض کنید می‌خواهید پیامی را رمزنگاری کرده و به فردی دیگر بفرستید. شما می‌بایست کلید عمومی آن فرد را از او دریافت کرده و پیام خود را در قالب یک عدد (m) در بیاورید به طوری که این فرایند برگشت‌پذیر بوده و عدد شما از n کوچک‌تر باشد. بدیهی است اگر پیام بزرگ‌تر از حد معمول باشد آن را در بسته‌های جداگانه می‌فرستیم.<br /> شما اکنون عدد C را محاسبه می‌کنید به طوری که c = m&lt;sup&gt;e&lt;/sup&gt; mod n<br /> حال اگر پیام رمزنگاری شدهٔ C را برای فرد مذکور بفرستید او می‌تواند توسط کلید خصوصی اش آن را رمز گشایی کند و بفهمد.<br /> <br /> === باز کردن پیام ===<br /> فرض کنید شما پیام رمز نگاری شدهٔ C را دریافت کرده‌اید و کلید خصوصی خود را در دسترس دارید. حال شما می‌توانید عدد m را که معادل پیام اصلی است از C،n،d بازیابی کنید.<br /> m = c&lt;sup&gt;d&lt;/sup&gt; mod n<br /> <br /> === مثال ===<br /> #انتخاب دو عدد اول مثلا p=3 , q=5<br /> # عدد n را محاسبه می‌کنیم ۱۵ = ۳*۵ = n = p*q.<br /> # [[تابع فی]] را محاسبه مي‌کنیم ۸ = ۲ * ۴ = (۱-۵)*(۱-۳)= (φ(n) = (p-1)*(q-1<br /> # عدد e را انتخاب کنید به طوری که بین ۱ و (φ(n یعنی ۸ باشد و نسبت به آن اول باشد. ۳و۵و۷ قابل انتخاب هستند که ۵ را در این مثال انتخاب می‌کنیم.<br /> # عدد d را طوری بیابید که باقی‌مانده ضرب دو عدد ''d'' و ''e'' یعنی ۷d نسبت به (φ(n یعنی ۸ برابر ۱ باشد، که ۷ کوچک ترین انتخاب برای d هست.<br /> #با توجه به c = m&lt;sup&gt;e&lt;/sup&gt; mod n رمزنگاری ما به این صورت انجام می‌شود: c = m&lt;sup&gt;۵&lt;/sup&gt; mod ۱۵<br /> #با توجه به m = c&lt;sup&gt;d&lt;/sup&gt; mod n رمزنگاری ما به این صورت انجام می‌شود: m = c&lt;sup&gt;۷&lt;/sup&gt; mod ۱۵<br /> == پانویس ==<br /> &lt;references/&gt;<br /> == منابع ==<br /> ویکیپدیای فارسی<br /> * R. Rivest، A. Shamir، L. Adleman. [http://theory.lcs.mit.edu/~rivest/rsapaper.pdf A Method for Obtaining Digital Signatures and Public-Key Cryptosystems]. Communications of the ACM، Vol. ۲۱ (۲)، pp.۱۲۰–۱۲۶. ۱۹۷۸. Previously released as an MIT &quot;Technical Memo&quot; in April ۱۹۷۷. انتشار اولیه روش رمز نگاری آر اس ای.<br /> * [[توماس اچ کورمن]]، [[Charles E. Leiserson]]، [[رونالد ریوست]]، and [[کلیفورد استین]]. ''[[مقدمه‌ای بر الگوریتم‌ها]]''، Second Edition. MIT Press and McGraw-Hill، ۲۰۰۱. ISBN ۰-۲۶۲-۰۳۲۹۳-۷. Section ۳۱٫۷: The RSA public-key cryptosystem، pp.۸۸۱–۸۸۷.<br /> <br /> [[رده:الگوریتم‌های رمزنگاری]]<br /> [[رده:تجارت الکترونیک]]<br /> [[رده:رمزنگاری با کلید نامتقارن]]<br /> [[رده:رمزنگاری کلید عمومی]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A2%D8%B1%D8%A7%D8%B3%E2%80%8C%D8%A7%DB%8C&diff=12958 2015-11-14T06:57:12Z

<p>Goodosuser: صفحه جدید-نیازمند تکمیل</p> <hr /> <div>در بحث [[رمزنگاری]]، آراس‌اِی (RSA) شیوه‌ای برای [[رمزنگاری کلید عمومی|رمزنگاری به روش کلید عمومی]] (Public Key) است. این روش نخستین روش مورد اعتماد در بین روش‌های رمزنگاری دیگر است و یکی از بزرگ‌ترین پیشرفت‌ها در زمینهٔ رمزنگاری به حساب می‌آید. آراس‌ای همچنان به صورت وسیعی در تبادلات الکترونیکی استفاده می‌شود و در صورت استفاده درست با کلیدهای طولانی کاملاً امن به نظر می‌رسد.<br /> <br /> == تاریخچه ==<br /> این روش نخستین بار در سال ۱۹۷۷ توسط [[رونالد ریوست]]، [[آدی شامیر]] و [[لئونارد آدلمن]] در دانشگاه [[ام آی تی]] مطرح شد. اصطلاح آراس‌آ نیز از حروف ابتدای نام فامیل آنها گرفته شده است. دانشگاه ام‌آی‌تی [[حق اختراع]]&lt;ref&gt;(Patent)&lt;/ref&gt; این روش را به نام خود ثبت کرد. این حق اختراع در ۲۱ سپتامبر سال ۲۰۰۰ میلادی منقضی شد.<br /> <br /> == توضیحات کارکرد ==<br /> === کلیات ===<br /> آراس‌ای به طور کلی از دو '''کلید''' تشکیل می‌شود. کلید عمومی و کلید خصوصی. کلید عددی ثابت است که در محاسبات رمزنگاری استفاده می‌شود. '''کلید عمومی''' برای همه معلوم بوده و برای رمز کردن پیام استفاده می‌شود. این پیام فقط توسط کلید خصوصی باز می‌شود. به عبارتی دیگر همه می‌توانند یک پیام را رمز کنند اما فقط صاحب کلید خصوصی می‌تواند پیام را باز کند و بخواند.<br /> <br /> === تولید کلید ===<br /> مراحل زیر برای تولید کلید طی می‌شود:<br /> # دو عدد اول بزرگ p و q را به صورت تصادفی بیابید به طوری کهp ≠ q.<br /> # عدد n را محاسبه کنید به طوری که n = p*q.<br /> # [[تابع فی]] را محاسبه کنید به طوری که (φ(n) = (p-1)*(q-1<br /> # عدد e را انتخاب کنید به طوری که بین ۱ و (φ(n باشد و نسبت به (φ(n اول باشد<br /> #* عدد e به عنوان توان کلید عمومی منتشر می‌شود.<br /> # عدد d را طوری بیابید که باقی‌مانده ضرب دو عدد ''d'' و ''e'' نسبت به (φ(n برابر ۱ باشد، <br /> #* عدد d به عنوان توان کلید خصوصی محافظت می‌شود.<br /> * دو عدد اول می‌توانند توسط روش '''پیدا کردن اعداد اول احتمالی''' پیدا شوند.<br /> * معمولاً عدد عمومی (e) را در حدود ۲&lt;sup&gt;۱۶&lt;/sup&gt; انتخاب می‌کنند. البته بعضی از برنامه‌ها اعداد کوچکی را انتخاب می‌کنند که باعث سریعتر شدن و البته خطرات امنیتی در [[رمزنگاری]] می‌شود.<br /> * '''کلید عمومی''' تشکیل می‌شود از:<br /> ** عدد n (عدد مشترک)<br /> ** عدد e (عدد عمومی)<br /> * '''کلید خصوصی''' تشکیل می‌شود از:<br /> ** عدد n (عدد مشترک)<br /> ** عدد d (عدد خصوصی)<br /> <br /> * در تمام مراحل باید اجزای کلید خصوصی سری نگه داشته شود، دو عدد ''p'' و q اگر به عنوان صورتی از کلید خصوصی نگهداری نشود بهتر است به شیوه‌ای امن نابود شوند. زیرا با این دو عدد تمام اعداد n و d, e قابل محاسبه خواهند بود.<br /> <br /> === رمز کردن پیام ===<br /> فرض کنید می‌خواهید پیامی را رمزنگاری کرده و به فردی دیگر بفرستید. شما می‌بایست کلید عمومی آن فرد را از او دریافت کرده و پیام خود را در قالب یک عدد (m) در بیاورید به طوری که این فرایند برگشت‌پذیر بوده و عدد شما از n کوچک‌تر باشد. بدیهی است اگر پیام بزرگ‌تر از حد معمول باشد آن را در بسته‌های جداگانه می‌فرستیم.<br /> شما اکنون عدد C را محاسبه می‌کنید به طوری که c = m&lt;sup&gt;e&lt;/sup&gt; mod n<br /> حال اگر پیام رمزنگاری شدهٔ C را برای فرد مذکور بفرستید او می‌تواند توسط کلید خصوصی اش آن را رمز گشایی کند و بفهمد.<br /> <br /> === باز کردن پیام ===<br /> فرض کنید شما پیام رمز نگاری شدهٔ C را دریافت کرده‌اید و کلید خصوصی خود را در دسترس دارید. حال شما می‌توانید عدد m را که معادل پیام اصلی است از C،n،d بازیابی کنید.<br /> c = c&lt;sup&gt;d&lt;/sup&gt; mod n<br /> <br /> == پانویس ==<br /> &lt;references/&gt;<br /> == منابع ==<br /> ویکیپدیای فارسی<br /> * R. Rivest، A. Shamir، L. Adleman. [http://theory.lcs.mit.edu/~rivest/rsapaper.pdf A Method for Obtaining Digital Signatures and Public-Key Cryptosystems]. Communications of the ACM، Vol. ۲۱ (۲)، pp.۱۲۰–۱۲۶. ۱۹۷۸. Previously released as an MIT &quot;Technical Memo&quot; in April ۱۹۷۷. انتشار اولیه روش رمز نگاری آر اس ای.<br /> * [[توماس اچ کورمن]]، [[Charles E. Leiserson]]، [[رونالد ریوست]]، and [[کلیفورد استین]]. ''[[مقدمه‌ای بر الگوریتم‌ها]]''، Second Edition. MIT Press and McGraw-Hill، ۲۰۰۱. ISBN ۰-۲۶۲-۰۳۲۹۳-۷. Section ۳۱٫۷: The RSA public-key cryptosystem، pp.۸۸۱–۸۸۷.<br /> <br /> [[رده:الگوریتم‌های رمزنگاری]]<br /> [[رده:تجارت الکترونیک]]<br /> [[رده:رمزنگاری با کلید نامتقارن]]<br /> [[رده:رمزنگاری کلید عمومی]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=Epaymentsecurity&diff=12955 2015-11-14T06:32:10Z

<p>Goodosuser: اصلاح پیوند</p> <hr /> <div>&lt;big&gt;'''امنیت پرداخت الکترونیک سیار'''&lt;/big&gt;<br /> <br /> تهیه کننده: آرش عسکری متین<br /> <br /> <br /> == چکیده ==<br /> <br /> سيستم هاي پرداخت الكترونيكي از اجزاي اصلي نظام مالي هر كشور هستند كه نقش موثري در انتقال سريع، كارآمد و ايمن در ميان بازار ها و فعالان مختلف نظام مالي و نيز، ارتقاي كارآيي نظام مالي كشور ايفا مي نمايند يكي ازضرورت هايي كه امروزه نقش مهمي دارد مفهوم امنیت تجارت الكترونيك است تجارت الكترونيك عليرغم نوپابودن پيشرفت هاي شگرفي داشته و به خصوص اخيرا درايران گرايش به آن زيادشده است باوجود تمام مزايايي كه تجارت الكترونيك بهمراه دارندانجام تراكنش ها وارتباط انلاين محملي بزرگتر براي سوء استفاده ازفناوري و حتي اعمال مجرمانه فراهم ميكند. با توجه به رشد و گسترش تجارت الكترونيك و افزايش حجم مبادلاتي كه در اين حوزه صورت مي گيرد يكي از موضوعات مهم، سيستم پرداخت و امنيت آن در شبكه جهاني اينترنت است در اين مقاله ما ابتدا به خواص و ملزومات امنيتي سيستمهاي پرداخت الكترونيكي اشاره خواهيم كرد. اين خواص در بخشهاي بعدي مبناي مقايسه بين اين سيستمها از نظر امنيتي قرار خواهند گرفت. سپس اين سيستمها را دسته بندي مي كنيم و از هر دسته، چند نمونه مشهور و پر كاربرد را مختصرا شرح مي دهيم. گامهاي لازم الزامات ضروري درجهت امنيت تجارت الكترونيكي رابررسي ميكنيم و دراخرفناوريهاي مناسب نظيرPGP ، PK براي ايجادسيستم امنيتي معرفي شده است<br /> <br /> <br /> == مقدمه ==<br /> <br /> تجارت الکترونیکی توصیف کننده فرایند خرید فروش همکاری با شرکای تجاری انجام تراکنش های الکترونیکی درون سازمانی انتقال یا تبادل محصولات خدمات و یا اطلاعات از طریق شبکه های کامپیوتری از جمله اینترنت می باشد. تجارت الکترونیکی در عین حالیکه دقت و سرعت پردازش را به طور قابل ملاحظه ای بالا برده است در معرض خطرات و تهدیدهایی نیز قرار دارد. بخ طور کلی تجارت الکترونیکی شامل مراحل متعددی است نظیر بررسی کاتالوگها و انتخاب کالا و فروشنده مورد نظر انجام سفارش و ارسال اطلاعات پرداخت و تحویل کالا که در هر یک از مراحل فوق پیامهای الکترونیکی بین خریدار و فروشنده تبادل گردد.چنین تبادلاتی نیازمند وجود بسترهای ایمن است.خطرات امنیتی زیادی از قبیل سرقت و یا تغییر محتوای پیامها هریک از مراحل فوق را تهدید می کند.<br /> گسترش تجارت الکترونیک مستلزم ایجاد اطمینان و اعتماد عمومی نسبت به این نوع تجارت است با توجه به اینکه خریداران و فروشندگان یکدیگر را نمی شناسند و حتی نمی توانند همدیگر را ببیند ( انها ممکن است در کشورهای متفاوتی باشند) این اطمینان باید از طریق تضمین امنیت و اعتبار تبادل داده الکترونیک داده ها صورت گیرد.<br /> یکی از مهمترین وجوه تمایز تجارت الکترونیک و مقایسه با انواع مشابه سنتی انها بحث اثبات صحت سند و امنیت است.اثبات هویت طرفین و صحت سند تامین امنیت و محرمانه نگه داشتن اطلاعات و اسناد و با روش های سنتی ساده و مطمئن صورت می گیرد محرمانه نگه داشتن روابط حقوقی مبتنی بر کاغذ از طریق مهر و موم کردن اسناد کاغذی و سایر روشهای فیزیکی امکان پذیر است.علاوه بر این امضای روی سند تا حد زیادی اصالت انها را تایید می کند. دستکاری یا جعل و مخدوش کردن اسناد کاغذی نیز روایت معمولا با رویت انها قابل تشخیص است در حالیکه با تغییر داده های الکترونیک علامت فیزیکی بر جا نمی ماند <br /> <br /> <br /> == بدنه تحقیق ==<br /> <br /> بانکداری موبايل از سال 1992 در اروپا مطرح و ارائه شد و در سال 1999 با ورود [[WAP]] مورد استفاده قرار گرفت. در گذشته بکارگيری بانکداری اينترنتی با بوجود آوردن امکان دسترسی به بانک در هر زمان، اثر زيادی در ارائه خدمات بانک به مشتريان داشته است. بطوريکه مشتريان قادر بودند وضعيت حساب بانکی خود را بررسی کرده و تبادلاتی چون واريز وجه به حساب ديگر و پرداخت صورتحساب ها را به آسانی و از خانه يا محل کار انجام دهند. محدوديت بزرگ اين مدل از بانکداری الکترونيکی در دسترسی به کامپيوتر و اينترنت است. به همين دليل بانکداری موبايل بعنوان يک مـدل ديگر از بانکـداری الکترونيک که نياز مشتری را تنها با داشتن گوشـی تلفن همـراه تامين می کند، مطرح گرديده است. از دلايل اساسی برتری اين روش در بانکداری نسبت به بانکداری اينترنتی عدم محدوديت مکانی ( در محدوده که دارای پوشش مخابراتی است ) و بکارگيری حداقل امکانات در استفاده از آن است و دليل ديگر هم به رشد فراوان استفاده از تلفن همراه ميان کاربران بوده است. بدين ترتيب زمينه رشد و توسعه بانکداری موبايل در سيستم بانکی مهيا گرديده است و امروزه بعنوان يک مدل در بانکداری الکترونيک مورد توجه قرار گرفته است.<br /> امروزه بستر بانکداری موبايل که امکان دسترسی تلفن همراه را به سيستم های بانکی فراهم می نمايد، بعنوان يک مدل در بانکداری الکترونيک يا سرويس پرداخت مطرح است. با بکارگيری پروتکل WAP و SMS، برای مشتريان بانک ها اين امکان فراهم می شود که بتوانند از طريق گوشی موبايل حساب های بانکی خود را مديريت کنند، گردش حساب های خود را بررسی کرده و به انتقال وجوه و پرداخت صورتحساب ها بپردازند.<br /> <br /> 3. روش های پياده سازی بانکداری موبايل<br /> <br /> بانکداری موبايل با استفاده از WIG از طريق دو کانال [[SMS]] يا اشتراک ديتا ( GSM و يا [[GPRS]] با استفاده از پروتکل (WAP فراهم می شود. يعنی اين روش ها بستری را برای ارتباط کاربران با بانک با استفاده از SMS و WAP فراهم می سازنند.WIG دسترسی ترمينال WAP و SAT را به application تحت WML که قابل اجرا بر موبايل است را فراهم می کند <br /> <br /> در روش اول از سرويس پيام کوتاه SMS و پشتيبانی شبکه GSM ( استاندارد و نسل 2 ارتباطات مخابراتی موبايل ) برای اجرای تبادلات بانکداری موبايل استفاده می شود. بستر اين شبکه به مرکز SMS متصل می شود تا پيام های کوتاه را از کاربران دريافت و بعد از تعيين محتوی پيام، درخواست را بر سيستم تبادلات بانک اجرا و نمايش داده می شود. بعد از پايان عمليات از طريق SMS به مشتری پاسخ داده می شود. در بانک با دسترسی به رابط های پشتيبان امکان مديريت بر عمليات، نمايش گزارشات و آمار و ارتباط با مشتری از طريق SMS مهيا می باشد. <br /> نظريه اول استفاده از SMS برای مشترکين جهت ارسال پيام های غير حساس بر شبکه GSM بوده است .در اين راهکار از WIG برای بانکـداری موبايل استفـاده می شود .WIG برای دسترسی ترمينـال SAT به application تحـت وب (در اين روش کاربـر با ارسـال PIN خود به سرور بانک)، يک USSD (Unstructure Supplementary Servies Data) ( تحت شبکه GSM مانند SMS عمل می کند، با اين تفاوت که مشکل تاخير در تبادل پيام ها را ندارد ) را به بانک می فرستد. سپس سرور يک پيامی را به کاربر می فرستد تا کاربر را از آمادگی سرور برای قبول پيام های SMS به بانک مطلع کند.<br /> بانکداری از طريق پيام کوتاه يا SMS banking اين قابليت را دارد که به محض دريافت پيام کوتاه از طريق تلفن همراه مشتری، خدمات بانکی مورد انتظار او را انجام دهد. خدمات بانکی که براساس سرويس پيام کوتاه تلفن همراه ارائه می شود شامل: دريافت و مشاهده موجودی، انواع حسابهای ارزی و ريالی در هر لحظه و به درخواست مشتری، پرداخت قبوض خدمات شهری، انتقال وجه و همچنين دريافت نرخ روزانه ارز می باشد.<br /> روش کار SMS banking در اين سرويس می تواند به صورت يکطرفه و دوطرفه باشد. &quot;پيام کوتاه يک طرفه&quot; بدين معناست که با فعال کردن اين سرويس از طريق سايت بانک مربوطه، اين امکان فراهم می شود که به محض هر واريز يا برداشتی – که اصطلاحا به آن تراکنش (Transaction) می گويند- می توان از وضعيت حساب بر روی گوشی تلفن همراه مطلع شد.[4]<br /> اما در نوع &quot;پيام کوتاه دو طرفه&quot; به درخواست مشتری و از طريق ارسال SMS، اطلاعات مورد نياز ارسال می شود. برای استفاده از خدمات بانکی از طريق پيام کوتاه لازم است پس از درج کد مخصوص، پيام را به شماره تلفنی که بانک در اختيار مشتری می گذارد ارسال شود. لحظاتی بعد از ارسال پيام، يک پيام کوتاه برای مشتری فرستاده می شود که حاوی اطلاعات مورد نظر او می باشد. <br /> روش دوم در پياده سازی بانکداری موبايل استفاده از اشتراك ديتا که دسترسي به شبكه اينترنت را فراهم می کند می باشد. در حال حاضر دو نوع دسترسي وجود دارد :<br /> 1- اين نوع اشتراك ديتاي تحـت شبکه GSM با تنظيم گوشی تلفن و استفـاده از کارت های اينترنتی و توسط پروتکل WAP مهيـا می شود و می توان به شبکه اينترنت بر گوشی موبايل دسترسی يافت. کاربران بايد براي مدتي اتصال به اينترنت هزينه پرداخت نمايند. <br /> 2- اين نوع اشتراك ديتاي تحت شبکه GPRSو توسط پروتکل WAP به گونه ای برای كاربران مهيا می شود که آنها مي توانند به طور دائم به اينترنت دسترسي داشته باشند و فقط در زمان دريافت و ارسال داده ها هزينه اي را پرداخت نمايند و در حالت معمول هيچ هزينه اي مربوط به اتصال به اينترنت از كاربران دريافت نمي شود. به اين روش بانکداری با WAP نيز اطلاق می شود. لازم بذکر است که به لحاظ کاربردی تر بودن، سرعت بالا و پايداری ارتباطات روش دوم بيشتر مورد بررسی قرار می گيرد. <br /> تبادلات بانکداری موبايل تحت شبکه GPRS ( نسل 5/2 موبايل تحت ارتباطات شبکه GSM دارای سرويس‌هايي چون اينترنت پرسرعت و MMS است( و با استفاده از پروتکل WAP صورت می گيرد. GPRS يک پروتـکل wireless است که دسترسی لحظـه ای به شبکه های داده ها را با سرعتkbps 115-43 فراهم می آورد و برای ارتباط موبايل با شبکه ها از جمله اينترنت مورد استفاده قرار می گيرد. دراين روش گوشی موبايل دارای سرويس GPRS، در ابتدا با ايستگاهGSM ارتباط برقرار می کند. داده های اين شبکه بوسيله مرکز سوئيچينگ موبايل به شبکه های voice انتقال مي يابد و بسته های GPRS از ايستگاه به SGSN ( نودی که داده ها را به ايستگاه موبايل ارسال و دريافت می کند ) ارسـال می شود. SGSN با GGSN (سيستمی که ارتبـاط با شبکه هايي چون اينترنت را پشتيبـانی می کند) ارتباط برقرار می کند. (شکل 2)[6]<br /> <br /> 1-3. پروتکل WAP <br /> <br /> بسته هايي که در پروتکل HTTP در اينترنت ساخته می شوند حجم زيادی دارند و نياز به فرستنده با حافظه بالايي دارد، به همين دليل نمی تواند برای تلفن های موبايل با حافظه بسيار محدود مورد استفاده قرار گيرد. <br /> WAP يک محيط application و متشکل از پروتکل های ارتباطی برای ابزارهای و شبکه های ارتباطی wireless است که امکان دسترسی به سيستم های اطلاعاتی تحت وب و اينترنت را برای دارنده ابزارهای موبايل و ارائه دهنده خدمات فراهم می سازد. در واقع WAP معادل wireless پروتکل TCP/IP اينترنت است .<br /> اين پروتکل در سال 1997 توسط شرکت Ericsson، Nokia، Motorola و Unwired Planet بعنوان application شبکه های ارتباطی wireless، ارائه شد .سپس توسط WAP Fourm با هدف ايجاد يک فرمت برای تبادلات اينترنت با تکتولوژی موبايل توسعه يافت. ارتباط گوشی موبايل با اينترنت از طريق درگاه WAP فراهم می شود.<br /> <br /> WAP برای کاربردهای تجاری چون بانکداری موبايل برای دسترسی مشتريان به بانک ها در انجام تبادلات مورد استفاده قرار می گيرد. در گذشته دسترسی اينترنت بصورت wireless تنها به شبکه های wireless محدود شده بود. استانداردهای اينتزنت از قبيل HTML ، HTTP ، TLS و TCP برای شبکه های موبايل که دارای قدرت محرمانگی بالا، پهنای باند کم و ناپايداری در برقراری ارتباط هستند نمی توانند مناسب باشند. چون اين استانداردها قابليت ارسال داده های متنی در حجم کم و نمايش محتوی را بر صفحه نمايش موبايل ندارند. اما از تبادلات باينری برای فشردگی داده ها استفاده می کند و پهنای باند مورد نياز را به حداقل می رساند. به همين دليل WAP برای مشخصه های شبکه های wireless از قبيل پهنای باند کم و قدرت محرمانگی بالا بهينه می باشد.<br /> برای برقراری ارتباط موبايل با اينترنت، تمام پروتکل هايي که در WAP استفاده می شود به پروتکل هايي که در اينترنت قابل استفاده هستند، تبديل می شود. اين درگاه محتوی را code و decode می کند و اندازه داده هايي که برای ارتباطات wireless ارسال می کند کاهش می دهد. پروتکل WTLS تنها برای برقراری امنيت ارتباط موبايل و درگاه WAP بکار می رود و برای امنيت ارتباط اين درگاه با اينترنت از /SSL TLS استفاده می شود. بنابراين WTLS درگاه WAP را encrypt و decrypt می کند. (شکل 4 )[5]<br /> <br /> عملکرد WAP با درخواست کاربر از طريق گوشی موبايل آغاز می شود. (شکل 5) اين درخواست به web gateway server ارسال می شود. اين درگاه قبل از فرستادن آن به web server بعنوان يک درخواست معمولی HTTP، فرمت درخواست را از WML به HTML تبديل می کند و درخواست را decode می کند. وقتی اطلاعات از سرور اينترنتی دريافت شد درگاه فرمت اطلاعات دريافتی را از HTML به WML تبديل می کند ( فشرده و code می کند ). WML (معادل HTML ) و WMLScript برای ارائه محتوی و نمايش متن اينترنت بتواند بر صفحه موبايلWAP مورد استفاده قرار می گيرد. WML براساس استاندارد های موجود اينترنت از قبيل XML ،UDP، IP، HTTP و TLS می باشد و به سـرور های اينترنت امکان ارائه خـدمات به ابــزارهای wireless را می دهد.WAP ارتباط با اينترنت را از طريق يک سرور فراهم می کند. کاربـر از طريق يک مرورگر کوچک بر گوشی موبايل، با WAP ارتباط برقرار می کند. بدين ترتيب محتویWAP برای تبادل به فرمت باينری فشرده تبديل می شود. نرم افزار مرورگر وب موبايل، با تفسير کدها و عمليات، تبادلات WAP را برای محتويي که انتقال می يابد نشان می دهد.[5]<br /> <br /> 2-3. امنيت پروتکل WAP <br /> <br /> مهم ترين مشکلی که WAP را تهديد می کند مشکل امنيت درگاه WAP است. اين مشکل به ضعف امنيتی پروتکل WTLS مربوط می شود.WAP امنيت end-to-end ارائه نمی دهد. همانطور که مطرح شد WTLS تنها بين موبايل و درگاه WAP بکلر می رود و SSL/TLS بين درگاه WAP و سرور وب بر اينترنت استفاده می شود. اين به اين معنی است که درگاه WAP در پريودهايي از زمان حاوی داده های encrypt نشده است. برای حل اين مشکل يکی از راهکارهای مناسب بکارگيری WTLS برای encrypt کردن رشته داده ها از موبايل تا سرور استفاده می شود. در اين صورت درگاه WAP دارای دو مد است. يک مد نرمال که در آن بعنوان درگاه عمل می کند. وقتی اين درگاه رشته WTLS را شناسايی می کند، درگاه WAP به مد ديگری که passthrough نام دارد تغيير می يابد و اجازه می دهد که رشته از سرور وب عبور کند . (شکل6 )[5]<br /> <br /> 4. امنيت تبادلات بانکداری موبايل<br /> <br /> از آنجائيکه بانکداری موبايل يک روش مناسب در بانکداری از راه دور می باشد و همواره کاربران زيادی تمايل به استفاده از خدمات آن دارند و پيش بينی می شود که تعداد اين کاربران نيز افزايش يابد، بنابراين بحث امنيت آن از اهميت زيادی برخوردار است. هدف از اين بررسی اطمينان از برقراری امنيت در ارسال اطلاعات بانکی مشتريان از طريق شبکه GSM و GPRS می باشد .<br /> GSM، سرويس های SMS و GPRS را تامين می کند .شبکه GPRS بخشی از شبکه GSM است که تحت اين شبکه با اضافه کردن نودهايي به Packet Switching بصورت لايه لايه قرار می گيرد. GPRS از برخی از عناصر شبکه GSM شامل BSS، MSC، AUC، HLR . شبـکه GPR نيز عنـاصر چـون GSN ، GTP، Access Point و PDP را به شبـکه GSM می افزايد. (شکل 7)<br /> <br /> 1-4. امنيت شبکه GSM <br /> <br /> GSM <br /> استفاده از روش هايي مانند Authentication و Encryption را بـرای داده هايي که بر شبکه تـبادل می شوند، فراهـم می آورد. مرکز Authentication شبکه GSM برای تاييد و اعتبار دادن به هر سيم کارتی که سعی می کند به شبکه GSM متصل شود، مورد استفاده قرار می گيرد. اين تاييد اعتبار زمانی که ايستگاه موبايل تلاش می کند به شبکه متصل شود انجام می پذيرد. اگر سيم کارت تاييد نشود، هيچ سرويسی از سوی شبکه ارائه نخواهد شد و در صورت تاييد آن HLR و Support Node (SGSN) Serving GPRS خدمات مرتبط با سيم کارت را مديريـت می کنند .<br /> احراز هويت سيم کارت به secret key (که Ki ناميده می شود ) که بين سيم کارت و AUC به اشتراک گذاشته می شود، بستگی دارد. اين secret key بر سيم کارت در حين توليد نصب می شود و در AUC تکرار می شود. برای اينکهAUC يک سيم کارت را تاييد کند، يکrandom number توليد می کند و آن را به مشترک می فرستد. سيم کارت و AUC هر دو Ki و ارزش عدد تصادفی را با A3/A8 ( الگوريتـم اختصاصی اپـراتور (COMP128)، A3 الگوريتم احراز هـويت و A8 الگوريتـم توليد key ) در می آميزد و عددی که Signed RESponse (SRES) ناميده می شود، را توليد می کنند. اگر SRES سيم کارت با SRES مربوط به AUC باهم مطابقت داشته باشد، احراز هويت با موفقيت انجام شده است.[3]<br /> AUC و سيم کارت می توانند يک secret key که Kc ناميده می شود را با پياده سازی Ki و همچنين ارزش عدد تصادفی در الگوريتم A5 برای encrypt و decrypt ارتباطات، فراهم آورند.<br /> بعد از احراز هويت، از سویSGSN يا HLR درخواست بررسی و شناسايي موبايل می شود تا اطمينان حاصل شود که ايستگاه موبايلی که کاربر استفاده می کند در فهرست سياه نباشد. موبايل ( IMEI (International Mobile Equipment Identity را بر می گرداند و اين شماره بهEquipment Identity Register ) EIR ( فرستاده می شود. اگر موبايل تاييد شود و SGSN شروع فعاليت HLR و PDP را اعلام می کند، آنگاه EIR مشترک را تاييد می کند و پاسخ را به سيم کارت برمی گرداند .<br /> <br /> 1-1-4. مشکلات امنيتي شبکه GSM<br /> <br /> الگوريتم A3 و A8 بعنوان الگوريتم هایEncryption مطرح نمی شوند و اين می تواند تهديدی جديد در امنيت اين شبکه محسوب شود. الگوريتم A5 هم برای جلوگيری از استراق سمع بين ايستگاه موبايل و BSS تحت ارتباطات encrypt شده، مورد استفاده قرار می گيرد. در واقع Kc يک secret key است که توسط الگوريتم A5 برای encryption ارتباطات بين ايستگاه موبايل مورد استفاده قرار می گيرد. اما با اين وجود ثابت شده است که الگوريتم A5 نمی تواند چندان در برابر استراق سمع بين ايستگاه موبايل و BSS موفق عمل نمايد و اين مشکل کماکان در شبکه وجود دارد و بدين ترتيب با اين سطح امنيت، GPRS تحت شبکه GSM برای بانکداری موبايل نمی تواند امنيت لازم را تامين کند .<br /> همچنين وقتی که AUC تلاش می کند که برای تاييد سيـم کارت، عدد تصـادفی را به سيم کارت ارسـال کند، اين عـدد می تواند توسط يک Intruder تغيير داده شود. <br /> <br /> 2-4. مشکلات امنيتی SMS <br /> <br /> در اين روش چون اطلاعات کاربر در يک متن ارسال می شود و کاربران شبکه، دسترسی کامل به جزييات ارسال شده توسط کاربر را دارند، امکان نفوذ intruder ها برای تغيير آدرس و پيام وجود دارد بنابراين اين روش چندان مناسب نمی باشد. Encryption در اين روش تنها بين ايستگاه موبايل و گيرنده فرستنده است و encryption، بصورت end-to-end وجود ندارد. همچنين الگوريتمی که مورد استفاده قرار می گيرد A5 است که خود آسيب پذير است. بنابراين نياز به ايمنی بيشتر و الگوريتم امن تری وجود دارد. <br /> <br /> 1-2-4. پروتکل پيشنهادی SMS<br /> <br /> راهکار برقراری امنيت در SMS يک پروتکل امنيتی است که با هدف غلبه بر ضعف های امنيتی موجود در ساختار GSM برای SMS مورد استفاده قرار می گيرد. اين پروتـکل با سيستم بانکداری موبايل يکپارچـه عمل می کند و امنيت آن را بهبـود می بخشد .برای بررسی امنيت پيام های SMS، ساختار هر پيام به چندين رشته دسته بندی می شود. هر رشته دارای مقدار حداقلی در تعداد بايـت می باشد و بسته به نياز می تواند اين تعداد افزايش يابد.[10]<br /> <br /> <br /> Version : سه بايت اول پيام و نشان دهنده نسخه application موبايل ( تطابق version پيام با version، application برای تاييد )<br /> AccID : هويت حساب بانکی کاربر <br /> Seq: رشته اعداد رمز کاربر <br /> Encrypted Text Length : شماره بايت پيام رمز شده <br /> Digest Length : شماره بايت digest پيام <br /> Digest : ارزش digest پيام ( برای بررسی يکپارچگی پيام برای سرور مورد استفاده قرار می گيرد )<br /> <br /> <br /> <br /> بررسی پروتکل SMS را می توان به دو مرحله تقسيم کرد : (شکل 9 ) <br /> مرحله اول : برقراری ارتباط با گوشی موبايل از طريق ارسال پيام و ارسال آن به سرور <br /> گوشی موبايل از اطلاعات دريافت شده از کاربر استفاده می کند و پيام های SMS با امنيـت بالايي را ايجاد می کند. نسخه Application موبايل به پيام اضافه می شود .<br /> الگوريتمی که برای encryption استفاده می شود يک الگوريتم Symmetric است و key آن برای encryption از رمز عبوری که تنها برای سرور و کاربر مشخص است و بوسيله آن کاربر وارد می شود بوجود می آيد. پس از تکميل اين عمليات، محتوی بدست آمده در پيام قرار می گيرند و پيام از طريق شبکه GSM به سرور ارسال می شود .<br /> مرحله دوم : دريافت پيام، decode و بررسی امنيت آن<br /> وقتی سـرور پـيام را از شبکه سلولار دريافت می کند، آن را مطابق با سـاختار پـيام می شکند در ابتدا سرور به بررسـی version پـيام می پردازد. اگر version آن با version مربوط به application مطابقت داشته باشد، پيام برای پروتکل مناسب است. سپس سرور به مشخصات و شماره سريال حساب موجود در پيام دست می يابد و آنها را با مشخصات و شماره سريال موجود در بانک اطلاعاتی تطبيق می دهد. پس از طی بررسی های امنيتی، سرور اقـدام به دست يابی به رمز از بـانک اطلاعاتی با استفاده از مشخصـات و شماره حسـاب می نمايد. سرور از رمز بازيابی شده بعنوان decryption key برای decode کردن محتوی encrypt شده استفاده می کند. اگر عمل باز کردن رمز با موفقيت انجام شود شمارشگر سرور افزايش می يابد. بعد از باز شدن رمز ها، سرور محتوی را که برای محاسبه digest پيام لازم است می خواند. digest پيام با همان الگوريتمی که بوسيله application موبايل استفاده می شود برآورد می شود، سرور به مقايسه دو digest پيام می پردازد. اگر ثابت شود که پيام تغيير نکرده است، سرور رمز دارنده حساب را از پيام استخراج و با رمز دارنده حساب در بانک اطلاعات مقايسه می کند. با موفق انجام شدن مراحل فوق، سرور درخواست انجام تبادلات می کند.[10] پروتکل SMS قابليت تامين نيازهای امنيتی را با ويژگی های ذيل دارا می باشد :<br /> <br /> <br /> محرمانگی <br /> ويژگی محرمانگی با encryption پيام بوسيله کلمه رمزی که فقط بين کاربر و سرور بانک به اشتراک گذاشته می شود، فراهم می شود. قدرت محرمانگی آن به امنيت الگوريتم توليد کلمه رمز و الگوريتم رمزنگاری بستگی دارد .<br /> يکپارچگی <br /> Digest پيام hash شده پيامی است که application سرور و موبايل آنرا ايجاد می کند. اگر محتوی پيام در حين انتقال تغيير داده شود، الگوريتم hash، digst متفاوتی را در طرف گيرنده توليد می کند و در صورت عدم تطابق digest ها باهم يکپارچگی پيام در انتقال حفظ نشده است. قدرت يکپارچگی پيام به قدرت الگوريتم توليد digest و قدرت الگوريتم encryption برای پنهان سازی داده های محرمانه، بستگی دارد .<br /> احراز هويت <br /> بمنظور تعيين هويت کاربر، کاربر بايد جزييات اطلاعات خود را به گيرنده ارسال کند. اين تصديق هويت بوسيله تاييد PIN پيام با PIN ذخيره شده نزد گيرنده در زمان ثبت کردن حساب صورت مي گيرد. قدرت اين تصديق هويت به استراتژی های بکار رفته در انتخاب password بستگی دارد .<br /> غير قابل انکار <br /> چون فقط دارنده حساب و بانک دارای Password می باشند و سرور بانک فقط يک بار آن را ايجاد می کند، هر password در بانک اطلاعات سرور منحصر بفرد است و تنها به يک کاربر اختصاص می يابد. بنابراين کاربری که دارای password و شماره سريال انحصاری برای encrypt کردن پيام است، نمی تواند ارسال پيام را انکار کند. اگر که سرور بانک بتواند از همان password برای decrypt کردن پيام استفاده کند، اين به معنای اين است که کاربر پيام را فرستاده است .<br /> دسترسی آسان <br /> دسترسی به اين پروتکل، به دسترسی به شبکه سلولار بستگی دارد .تعداد تبادلاتی که هر بار سرور می تواند مديريت کند به قابليت سخت افزاری سيستم بستگی دارد. بطوريکه اگر اجزای سخت افزاری سرور بتواند چندين پيام ورودی را مديريت کند، سرور می تواند برای پاسخ دادن به درخواست، چندين پردازش را انجام دهد. پروتکل هيچ محدوديتی بر نوع سخت افزار ندارد .<br /> <br /> 3-4. مشکلات امنيتی GPRS<br /> <br /> در اين راهـکار اجـازه دستــرسی دارندگان حساب به WAP و انجـام امــور بانــکی به روش بانکــداری موبايـل فراهــم می شود. همانطـوري که مطـرح شد WAP يکی از استـاندارد های بين المللی است که برای شبـکه های بي سيم مورد استفاده قــرار می گيرد. کاربرد اصلی آن امکان دسترسی گوشی موبايل و PDA به اينترنت است. گوش های موبايل می توانند به مرورگر WAP دسترسی داشته باشند. مرورگــر WAP به سايت های WAP دسترسی دارد. سايت های WAP بجای HTML، XML يا XHTML با WML نوشته می شوند. پروتکل WAP فقط از مشتری تا درگاه WAP مورد استفاده قرار می گيرد و امنيت ارتباط از درگاه WAP تا سرور بانک بوسيله SSL يا TLS تامين می شود . (شکل 10)<br /> <br /> <br /> WAP امنيـت ارتباطات را با استفاده از پروتکل WTLS و WIM تامين می کند. WTLS يک Public-key را براساس مکانيزم امنيتی مشابه TLS فراهم می کند و WIM، secret key را ذخيره می کند .بمنظور ارتباط و تعامل تجهيزات WAP و نرم افزار با تکنولوژي های مختلف، از رشته پروتکل WAP استفاده می شود .<br /> با اين که پياده سازی بانکداری موبايل با استفاده از GPRS دارای ايمنی مناسب و مورد انتظاری است، اما روزنه هايی از ارتباطات نا امن در آن ديده می شود که اين موارد عبارتند از : <br /> •در اين راهکار encryption بصورت end-to-end بين مشتری و سرور بانک وجود ندارد. (encryption بين مشتری و درگاه WAP و اين درگاه با سرور بانک بصورت end-to-end است ) برای حل اين مشکل بايد سرور بانک دارای يک APN (Access Point Name) در شبکهGPRS باشد که مانند درگاه WAP برای بانک عمل کند. بنابراين مشتری می تواند بدون وجود شخص سومی در اين ارتباط، مستقيما به بانک وصل شود .<br /> •با توجه به قدرت کم پردازش ابزارهاي دستی چون گوشی موبايلkey محدود می باشد، بنابراين اندازه Public-key سيستم که بوسيله استاندارد WTLS ارائه می شود، چندان قوی نيست که نيازهای امنيتی برنامه WAP را جوابگو باشد .<br /> •Key ناشناسی که بين رشته های WTLS تبادل می شود، امنيت لازم را ندارد .<br /> <br /> 1-3-4. راهکار پيشنهادی در امنيت GPRS<br /> <br /> بمنطور حل مشکلات امنيتی GPRS می توان دو راهکار را پيشنهاد داد .راهکار اول امکانات امنيتی پروتکل WAP را توسعه می دهد که در اينصورت می توان بر بکارگيری WTLS بر حوزه بيشتر تبادلات اشاره داشت (شکل 11) و راهکار دوم پروتکل امنيتی GPRS جديدی را ارائه می دهد. کنترل کامل بر پروتکل WTLS اين امکان را برای مشتريان بانک فراهم می کند که درگاه WAP خاصی را در اختيار داشته باشند که نيازهای امنيتی مورد نظر را در بر داشته باشد.<br /> <br /> <br /> <br /> 2-3-4. پروتکل پيشنهادی GPRS<br /> <br /> پروتکل جديد و امن GPRS يک رويه tunneling دارد و برای ايجاد و هدايت ارتباطات با امنيت بالا بين موبايل و سرورهای بانک بکار می رود. اين پروتکل شامل دو جزclient server handshake و data pocket( پروتکل SGP) است که تونل امنی را ايجاد و رمزی را تبادل می کند.[10]<br /> پيامی که با پروتکل SGP بين client و سرور تبادل می شود شامل سه جزء timestamp پيام، پيام و نوع پيام است که توسط هم client و هم سرور مورد استفاده قرار می گيرد. <br /> <br /> آغاز بکار پروتکل Client: وقتی کاربرapplication موبايل را اجرا کند، هر بار يک جفت کليد، 512 بيتی توليد می شود. در هر بار توليد کليد، client، public key خود را به سرور می فرستد. اين کليدها در پروتکل برای ايجاد digital certificate، client استفاده می شود. اين digital certificate ها با public key فرستاده شده از سوی client بوسيله سرور بررسی می شود. بدين وسيله احراز هويت پيام هايی فرستاده شده از سوی client حاصل می شود.<br /> تصديق هويت کاربر: تصديق هويت در دو بخش يکی بوسيله موبايل و ديگری به کمک بانک انجام می شود. وقتی يک کاربر درخواست ارائه خدمات می کند، سرور يک certificate را با استفاده از password او اختصاص می دهد. اين certificate برای تعييـن هوـيت دارنده حسـاب بر موبـايل استفـاده می شود .وقتی يـک کاربر password را وارد می کند، application موبـايل يـک AES key ( استانداردی برای رمز نگاریprivate- key و symmetric است که ترکيب کليد ها و بلاک های 128،192 و256 را پشتيبانی می کند ) را با استفاده از password توليد می کند. با اين key، application تلاش می کند که public key را در certificate سرور بيابد. اگر public key سرور با موفقيت بدست بيايد،تعيين هويت با موفقيت انجام شده است. در غير اينصورت از client خواسته می شود که مجددا password را وارد کند. به client تنها اجازه داده می شود تا سه بار به سيستم login کند، اگر با سه بار تلاش نتواند وارد سيستم شد،حساب مسدود می شود .<br /> راه ديگر تعيين هويت کاربر بوسيله سرور انجام می شود .client، ID، encrypt شده حساب خود را ارسال می کند. سرور password را از بانک اطلاعات گرفته و مجددا key AES ايجاد می کند .اگر اين key بتواند پيام encrypt شده را decode کند، client تعيين هويت می شود .<br /> SGP handshake (client): SGP handshake شامل بسته بندی کردن و ارسال بسته های SGP به سرور برای decode کردن پيام های encrypt و توليد session key می باشد.<br /> بسته بندی بسته های SGP با hash، ID حساب مشتری با استفاده از SHA-1، hash می شود و سپس با استفاده از private key مشتری برای ايجاد يک digital certificate، encrypt می شود. digital certificateبه ID حساب مشتری می پيوندد و توليد پيام digest می نمايد. اين به سرور اجازه می دهد که تغيير و تحولاتی در داده ها ارسالی را شناسايي کند .<br /> پيام digest شده با استفاده از key AES، بمنظور جلوگيری از استراق سمع encrypt می شود. Application موبايل، ID حساب مشتری را با استفاده از public key، encrypt می کند. اين ID حساب بمنظور پيدا کردن password مشتری بوسيله سرور مورد استفاده قرار می گيرد. در پايان ID، encrypt شده حساب با digest پيام encrypt شده بهم پيوسته می شود و به سرور بانک ارسال می شود . اين مراحل در شکل 13نشان داده شده است.<br /> <br /> آغاز بکار پروتکل سرور: با شروع کار سرور بانک، administrator با استفاده از password که برای بازيابی private key نياز است، به سيستم وارد می شود. تمام private key های در سرور ذخيره و با password، administrator اعلان می شود .<br /> <br /> SGP handshake (سرور): وقتی ارتباط بين سرور و client ايجاد شود اولين پيامی که سرور دريافت می کند public key مشتری است. سپس سرور پيام SGP را دريافت می کند. بعد از آن سرور پيام SGP را به digest پيام encrypt شده و ID حساب که encrypt شده می شکند. با استفاده از private key، سرور، ID حساب مشتری را دريافت می کند و password مشتری را از بانک اطلاعات استخراج می سازد. اگر سرور نتواند پيام را encrypt کند و يا ID حساب مشتری در بانک اطلاعات سرور نباشد، پيام خطا به مشتری ارسال می شود. <br /> <br /> سرور با دست يابي به password، session key توليد می کند. Session key برای decrypt، digest پيام های encrypt شده، استفاده می شود. اگر سرور نتواند decrypt کندdigest پيام را با پيام خطا به مشتری ارسال می شود. در غير اينصورت digest پيام encrypt شده به اصل پيام و digital signature مشتری شکسته می شود .در آخر پيام اصلی با digital signature فرستاده شده مشتری بررسی می شود. اگر پيام در digital signature همان پيام digest پيام اصلی باشد، رشته رمز با موفقيت ايجاد شده است .برای کامل شدن handshake، سرور يک پيام به مشتری می فرستد .اين پيام يک secure tunnel ايجاد می کند .<br /> SGP handshake complete (مشتری): برای کامل کردن handshake، مشتری بايد پيام های ارسال شده از سرور را با رشته از رمز decode کند. Password پيام با استفاده از private key، encrypt می شود و در بانک اطلاعات ذخيره می شود .قلب پروتکل در ذخيره key ها است .private key های سرور در يک فايل که می تواند با key AES که توسط password، administrator ايجاد می شود باز شود .هر client، public key سرور را با استفاده از key و password در اختيار دارد.<br /> Public key، encrypt شده با application هر مشتری همراه می شود .اين به اين معنی است که فقط يک مشتری می تواند از طريق موبايل به انجام امور بانکداری الکترونيکی بپردازد، زيرا هر application يک public key، encrypt شده و منحصر بفرد از سرور دارد و هيچ session key ای ذخيره نمی شود و تمام session key ها در حين ارتباطات با مشتری توليد می شود. در طرف مشتری هم مشتری هم يک جفت key، 512 بيتی را زمانی که application ذخيره می شود توليد می کند .session key هرگز ذخيره نمی شود و از password مشتری بدست می آيد .تنها key ای که بر application مشتری ذخيره می شود، public key سرور است که در application سـرور با استفاده از AES key مشتری قرار می گيـرد .وقتی مشتری password خـود را تغيـير می دهد، application جديد با public key جديد سرور برای مشتری فرستاده می شود .<br /> SGP برای hash کردن پيام از SHA-1 استفاده می کند و [[آراس‌ای| RSA]] key برای سرور بانک 2048 و برای مشتری 512 بيت است و 128 بيت AES key استفاده می شود .پروتکل GPRS قابليت تامين نيازهای امنيتی را با ويژگی های ذيل دارا می باشد :<br /> <br /> محرمانگی <br /> اين پروتکل برای حفاظت نياز امنيتی فرآيندهای بانک مورد استفاده قرار می گيرد. بنابراين محرمانگی داده ها بين بانک و application موبايل از طريق encryption مربوط به AES و session key تامين می شود .<br /> يکپارچه سازی <br /> بمنظور اطمينان از يکپارچگی داده ها، پروتکل هر نوع تغييری بر داده های سرور بانک و يا application موبايل را از طريق استفاده از digital certificate [[آراس‌ای| RSA]] شناسايي می کند .<br /> احراز هويت <br /> پروتکل مطمئن می سازد که هويت سرور و مشتری برای هم بمنظور اشتراک اطلاعات مشخص باشد. اين احزار هويت دو طرفه بوسيله SGP certificate ايجاد می شود. هر application موبايل با certificate سرور که حاوی public key است همراه می شود. public key برای احراز هويت سرور استفاده می شود. سرور از GSP certificate مشتری برای احراز هويـت آن استفاده می کند.<br /> دسترسی<br /> بمنظور جلوگيری از دسترسی ديگران به پيام، سرور بانک با بررسی timestamp هر پيامی که دريافت می کند به شناسايي پيام ها می پردازد. پروتکل SGP برای اجرا بر هر بستر و هر زبان برنامه نويسی می تواند استفاده شود.<br /> <br /> 4-4. مقايسه روش های SMS و WAP <br /> <br /> با توجه به راحتی کار و جا افتادن فرهنگ SMS در بين مردم، خدمت بانکها در قالب سرويس پيام کوتاه SMS با استقبال بيشتری نسبت به سرويس WAP مواجه شده است. اکنون انتخاب اول بانکها در اروپا در ارائه خدمات بانکی از طريق تلفن همراه تاکيد بر SMS است. چرا که برای استفاده از خدمت &quot;بانکداری از طريق سرويس پيام کوتاه تلفن همراه&quot; کافی است سرويس SMS کاربر فعال باشد و برخلاف سيستم WAP مشتری نيازی به شماره گيری، اتصال به اينترنت، فعال کردن ديتا و استفاده از نوع گوشی بخصوص و از همه سخت تر تنظيم آن ندارد. پس مزيت مهم SMS bank که نبايد آن را فراموش کرد امکان استفاده از هرنوع تلفن همراه بوده و فقط لازم است که مشتری امکان ارسال SMS داشته باشد. اما از سوی ديگر استفاده ازSMS تنها قابليـت ارسال پيام های کوتاه متنی را دارد، در حاليـکه در GPRS امکان ارسال فايل صوت، تصوير و پيام های کوتاه چند رسانه ای با سرعت و کيفيت بالاتری وجود دارد. (شکل 15)<br /> <br /> <br /> 5-4. خدمات قابل ارائه بانکداری موبايل<br /> <br /> تبادلات بانکی تحت بانکداری موبايل با داشتن مزايايي چون کاهش مراجعه حضوری به شعب، کاهش سفرهای زايد درون شهری، صرفه جويي در وقت و تسهيل امور بانکی می شود، قابليت ارائه خدمات ذيل را دارد :<br /> • ارائه انواع اطلاعات مربوط به حساب مشتري (مانند : آخرين مانده حساب، سه تراكنش آخر، تمام تراكنش ها در يك مقطع زماني معين ) <br /> • امكان خريد از فروشگاهها، مراكز خريد و پرداخت هزينه ها در هتل ها و ساير مراكز خدماتي (طرف قرارداد بانك) <br /> • مشاهده آخرين وضعيت تابلوي نرخ سهام بورس تهران (به زودي خريد و فروش سهام از طريق تلفن همراه) <br /> • خدمات چك ( تقاضاي دسته چك و چك بانكي) <br /> • امكان انتقال وجوه بين حسابهاي مشتري نزد بانك <br /> • سيستم خريد و فروش ارز<br /> <br /> == نتیجه گیری ==<br /> با توجه به راهکارهای پيشنهادی در بخش های 1-3-4 و 2-3-4 اين مقاله و به استناد راهکارهای پيشنهادی مطرح شده در توسعه بانکداری موبايل در ايران[22]، اين مقاله به گونه کامل و جامع بسترهای امنيتی لازم برای برخورداری از يک شيوه نوين در بانکداری را مطرح ساخته است، که ضمن برخورداری از ويژگی های محرمانگی، يکپارچگی و احراز هويت امکان دسترسی مناسب و راحت را برای کاربران فراهم می آورد. آنجه در اين راهکارها مد نظر قرار گرفته است توسعه شبکه GPRS در بانکداری موبايل می باشد که امکان تبادلات انواع فرمت های داده را با سرعت و کيفيت بالا در بردارد. بکارگيری اين روش در توسعه بانکداری موبايل نيازمند فراهم ساختن راهکارهايي است که براساس آنها بتوان به امنيت تبادلات اطمينان داشت. همانطوريکه به تفصيل در متن مقاله اشاره شد، استفاده از پروتکل WTLS در ارتباط موبايل و سرور بعنوان يک راهکار، و مهمتر از آن بکارگيری راهکار دوم يعنی استفاده از پروتکل پيشنهادی GPRS است که قابليت بسته بندی پيام ها و شناسايي آنها توسط سرور را با روش بسيار امن و encryption های بسيار قوی در client و سرور مهيا می سازد. تحت اين پروتکل در ابتدا هويـت کاربر مورد تاييد قرار گرفته و ماهيت و يکپارچگی پيام ها حفظ می شود.<br /> با تمرکز بر اين راهکارها می توان به محرمانگی پيام در يک بستر امن، کاملا اطمينان حاصل نمود. راهکارهای ارائه شده در اين مقاله تمايل به استفاده از اين شيوه بانکداری را با لزوم بکارگيری روش های مناسب در اجرا، و برقراری امنيت لازم در تبادلات آن به خوبی نشان داده است.<br /> <br /> == مراجع ==<br /> • Sen-Tarng Lai, Fang-Yie Leu, William Cheng-Chung Chu - A Software Security Requirement Quality Improvement Procedure to Increase E- Commerce Security - 8th International Conference on Broadband, Wireless Computing, Communication and Applications -28 october 2013 - Compeigne,France - IEEE Library<br /> <br /> • Hanrong Chen, JunMei He - E-commerce Security Research- The 2nd International Conference on Computer Application and System Modeling- October 2012-Paris, France – IEEE Library <br /> <br /> • ER shilpa, Parveen Sharma - Advance Techniques for Online Payment Security in E-Commerce - International Journal on Computer Science and Engineering (IJCSE) - Vol. 5 No. 06 page 508 -Jun 2013<br /> <br /> • Yang Jing - Online Payment and Security of Ecommerce - Proceedings of the 2010 International Symposium on Web Information Systems and Applications - 22 May 2010-Nanchang, China - ACM Library</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%85%D9%82%D8%A7%D9%84%D9%87:%D8%A7%D8%B3%D8%AA%D8%A7%D9%86%D8%AF%D8%A7%D8%B1%D8%AF_%D8%AE%D8%AF%D9%85%D8%A7%D8%AA_%D9%88%D8%A8_%D8%A8%D8%B1%D8%A7%DB%8C_%D8%B1%D8%A7%DB%8C%D8%A7%D9%86%D8%B4_%D8%A7%D8%A8%D8%B1%DB%8C&diff=10444 2015-04-28T02:42:14Z

<p>Goodosuser: /* انتقال و مدیریت داده ها */</p> <hr /> <div>==web services standards for Cloud==<br /> <br /> ===چکیده===<br /> این تحقیق جهت ارایه در کنفرانس جامعه آزاد رایانش ابری ایران تدوین گشته است. در طی این تحقیق، ضمن آشنایی با اهمیت استاندارد های رایانش ابری و همچنین دسته بندی کلی آن، به معرفی معماری سرویس های وب پرداخته خواهد شد. و در ادامه استانداردها و پروتکل های مهم سرویس های وب در رایانش ابری، به تفصیل مورد بررسی قرار می گیرد.<br /> <br /> ==فصل اول:مقدمه ای بر استاندارد های ابری==<br /> ==== مقدمه ای بر استاندارد های ابری ====<br /> استاندارد ها برای محیط های رایانش ابری اهمیت زیادی دارند و امکان اتصال به ابر، توسعه و ارائه محتوا را فراهم می کند.<br /> رایانش ابری و SOA هردو یک سازمان با یک فرصت مناسب برای انتخاب استانداردهای رایج و مشترک برای قابلیتهای در دسترس شبکه را فراهم میکنند. SOA یک مجموعه نسبتا بالغ شده ای از مجموعه استاندارد هایی که با سرویسهای نرم افزار پیاده سازی ، مانند REST ، SOAP ، و WSDL در میان بسیاری دیگر را داراست. رایانش ابری بالغ نیست (کامل نیست) ، و بسیاری از اینترفیسهای ارائه شده به یک فروشنده خاص منحصربفرد (یونیک) هستند ، درنتیجه خطر ابتلا به فروشنده قفل (vendor lock-in) افزایش میابد. سیمون واردلی مینویسد : توانایی سوییچ بین ارائه دهندگان، بزرگترین نگرانیهای ناشی از استفاده مثل ارائه دهندگان سرویس ، عدم یافتن منابع گزینه های دوم و ترس از فروشنده قفل در (vendor lock-in) برتری میابد (و نقاط ضعف متعاقب آن در کنترل استراتژیک و عدم رقابت قیمت گذاری) . این احتمال وجود دارد که در طول زمان ارائه ها (Offerings) در هر لایه در پشته همگن تر شود. واردلی در ادامه مینویسد : محاسبات پشته ، از برنامه هایی که ما مینویسیم ، به پلتفرم هایی که ما ایجاد میکنیم ، برای سیستم عامل هایی که ما استفاده میکنیم درحال حاضر از یک محصول به اقتصاد مبتنی بر سرویس حرکت میکند. این شیفت (تغییر – انتقال) به سمت سرویسهایی که به استانداردسازی سفارشات کمتر (lower orders) از محاسبات پشته اجزای ارائه دهنده اینترنت، رهبری میشود.<br /> <br /> =====تلاش ها و فعالیت های انجام شده در حوزه استانداردهای رایانش ابری=====<br /> بسیاری از پروژه های ابری که وجود دارد شاید بیش از حد هستند. برخی از این پروژه ها در بخشهای استانداردسازی از یک سولوشن رایانش ابری مانند حجم کار (workloads) ، احراز هویت و دسترسی به داده ها تمرکز میکنند. تلاشهای دیگر در چگونگی استاندارد سازی قسمت هایی که باید باهم بعنوان یک راه حل کار کنند، تمرکز میکنند. استانداردهای ابر هماهنگ Wiki یک لیستی از این پروژه ها را حفظ میکنند.<br /> <br /> 1. HTML/XML <br /> 2. WSDL/SOAP <br /> 3. SAML/XACML <br /> 4. OAuth/OpenID <br /> 5. OData <br /> 6. OVF <br /> 7. OpenStack <br /> 8. CAMP <br /> 9. CIMI <br /> 10. ODCA – SuoM <br /> 11. SCAP <br /> 12. ISO 27001 <br /> 13. ITIL <br /> 14. SOC <br /> 15. Tier Certification <br /> 16. CSA CCM <br /> <br /> <br /> درحالیکه این لیست کامل نیست ، نشانه هایی از تنوع ، تعداد و همپوشانی از پروژه های مربوط فعلی با استانداردها را برای ایجاد قابلیت همکاری رایانش ابری فراهم میکند.<br /> ===== استاندارد سازی برای کاهش پیچیدگی&lt;ref&gt;استاندارد سازی برای کاهش پیچیدگی&lt;/ref&gt;=====<br /> رایانش ابری بیش از همه مدل های دیگر بر روی کارآیی تاکید دارد، بنابراین در صورت رعایت برخی استاندارد ها و پیکربندی های استانداردها به کاهش هزینه های استقرار و نگهداری کمک می کند. وجود استاندارد هایی که استقرار برنامه را آسان کند، مهمتر از داشتن یک محیط کامل برای کار کردن است.<br /> <br /> ==== چهار دسته کلی استاندارد ها&lt;ref&gt; چهار دسته کلی استاندارد ها&lt;/ref&gt;===<br /> در این بخش، دسته بندی کلی و رایجی که در زمینه استاندارد های رایانش ابری مورد استفاده قرار می گیرد را بررسی می کنیم.<br /> ====ارتباطات====<br /> رایانه ها نیاز به روشی دارند که بتوانند با همدیگر صحبت کنند. ارتباطات را می توانید همانند صحبت کردن از طریق تلفن با یک شخص دیگری که فارسی صحبت نمی کند و شما متوجه زبان آن نمی شوید در نظر بگیرید. بنابراین راهی برای فهمیدن همدیگر ندارید. شاید بتوانید بعضی کلمات را حدس بزنید، اما در کل مکالمه پیش نمی رود. در رایانه ها هم موضوع از همین قرار است. البته اگر زبان آنها مشترک نباشد، حتی یک کلمه را هم نمی توانند تشخیص دهند. بنابراین بدون زبان مشترک، ارتباط برقرار نمی شود.<br /> • Hypertext Transfer Protocol, HTTP: برای دریافت یک صفحه وب از سرویس دهنده ابری، معمولا از پروتکل HTTP استفاده می شود که یک مکانیزم برای انتقال داده بین ابر و سازمان شماست.<br /> • Extensible Messaging and Presence Protocol, XMPP: این پروتکل یکی از رویدادهای بزرگ در خصوص رایانش ابری می باشد. پروتکل XMPP امکان ارتباط دو طرفه را فراهم کرده و نیاز به عملیات Polling را بر طرف کرده است.<br /> <br /> ====امنیت====<br /> امن کردن session های ابر از آن جهت مهم است که بسیاری از شرکت ها علاقمند شده اند تا وارد ابر شوند. امن کردن session های ابر می توانند از طریق رمز نگاری و احراز هویت انجام شود. روش های رمز نگاری رایج در همه مرورگرها بصورت استاندارد انجام می شود. احراز هویت موضوع دیگری است که گزینه های مختلفی در پیش روی شماست.<br /> • Secure Sockets Layer, SSL: ssl تکنولوژی امنیتی استاندارد برای برقراری یک اتصال رمز شده بین یک سرور وب و مرورگر است. به کمک آن می توان اطمینان حاصل کرد که داده های ارسال شده بین مرورگر و سرور وب، امن باقی می ماند. و از این روش به طور گسترده برای رمزنگاری مورد استفاده قرار می گیرد.<br /> • OpenID: Openid یک راه حل کد متن باز برای مشکل نیاز به نام کاربری و کامه عبور واحد دسترسی به سایت های مختلف است، بنابرای پیمایش در وب را تسهیل می کند. و یکی از روش های احراز هویت می باشد.<br /> <br /> ====زیر ساخت====<br /> مجازی سازی راهی برای ایجاد زیرساخت در محیط رایانش ابری است. در نتیجه تلاش های VMware و دیگر شرکای صنعت مجازی سازی، یک استاندارد به نام Open Virtualization Format, OVF توسعه داده شد. OVF تعیین می کند که چگونه ابزار های مجازی بتوانند در یک فرمت مستقل از فروشنده قرار بگیرند تا در هر فوق ناظری اجرا شوند. این یک فرمت مستقل از یکو، قابل توسعه و باز برای بسته بندی و توزیع ابزار های مجازی است که از یک یا چند ماشین مجازی تشکیل شده است.<br /> OVF به مشتریان و توسعه دهندگان امکان انتخاب هر فوق ناظری را بر اساس قیمت، ترجیحات یا کارآیی می دهد و از قفل شدن در یک فروشنده جلوگیری می کندو این استاندارد بسته بندی و توزیع برای ابزار های مجازی در افزایش سرعت پذیری ابزار های مجازی نقش مهمی ایفا می کند.<br /> <br /> ====سرویس====<br /> یک سرویس وب، طبق تعریف W3C ، یک سیستم نرم افزاری است که برای پشتیبانی از تعامل های متقابل ماشین به ماشین در شبکه طراحی شده است. در رایانش ابری نیز اجزای مختلف می توانند از طریق سرویس های وب در دسترس قرار بگیرند. سرویس های وب معمولا API های وبی هستند که از طریق شبکه هایی نظیر اینترنت قابل دسترسی هستند و روی یک سیستم راه دور که میزبان سرویس های درخواست شده است، اجرا می شوند. در این بخش در خصوص چند نمونه از سرویس های وب رایج نظیر REST، SOAP، JSON صحبت می کنیم.<br /> داده: داده می تواند با استفاده از مکانیزم ها و ساختارهای مختلفی مورد استفاده قرار بگیرد. دو نمونه از رایج ترین آنها JSON و XML می باشد. هر دوی این ها بر اساس استاندارد های پیش رو در صنعت –HTML و جاوااسکریپت- هستند که برای کمک به ارائه و استفاده از داده مورد استفاده قرار می گیرند.<br /> • JavaScript Object Notation, JSON یک قالب سبک رایانه ای برای تبادل داده ها است. از این فرمت برای ارسال داده های ساخت یافته در شبکه استفاده می شود. این فرمت معمولا می تواند به عنوان یک روش دیگر مشابه با XML مورد استفاده قرار بگیرد. اصول JSON یک فرمت مستقل از زبان است و کد های مورد نیاز برای تحلیل و تولید آن در چندین زبان برنامه نویسی مختلف موجود است. همین موضوع باعث شده است که وقتی در تبادل داده با جاوا اسکریپت در گیر هستیم، بتوان آن را به عنوان یک جایگزین خوب بجای XML استفاده کرد.<br /> <br /> • Extensible Markup Language, XML یک زبان استاندارد و روشی خود تعریف برای کد کردن متن و داده است به طوری که محتوا با کمترین تعامل انسانی قابل دسترسی و قابل مبادله در بین طیف مختلف سخت افزارها، سیستم عامل و برنامه های کاربردی باشد. XML روشی استاندارد برای ارایه متن و داده در فرمتی که بتواند مستقل از پلت فرم استفاده شود، فراهم آورده است. همچنین می تواند با طیف گسترده ای از ابزار های توسعه و برنامه نویسی و ابزار های دیگر مورد استفاده قرار بگیرد.<br /> سرویس های وب تعیین می کنند که داده چگونه از ایر به کلاینت ارسال شود. پروتکل های مختلفی در این رابطه وجود دارند که تعدادی از آنها را بررسی خواهیم کرد. به طور کلی SOAP و REST بهترین گزینه ها برای نیاز های ابری هستند.<br /> <br /> ==فصل دوم: معماری سرویس های وب و نحوه همپوشانی آن با رایانش ابری==<br /> <br /> ===معماری سرویس های وب و نحوه همپوشانی آن با رایانش ابری===<br /> ====تعریف رایانش ابری====<br /> درحالی که رایانش ابری در حال حاضر یک اصطلاح بدون یک اجماع معنا در بازار است که یک حرکت گسترده به سمت استفاده از شبکه های گسترده را توصیف میکند ، مانند اینترنت که برای تعامل بین ارائه دهندگان انواع بسیار سرویس IT و مصرف کنندگان است. ارائه دهندگان سرویس، خدمات در حال عرضه خود را شامل تمام پشته سنتی آی تی ، از سخت افزار و پلتفرم ها گرفته تا اجزای نرم افزار ، سرویسهای نرم افزار و کل برنامه های کاربردی را گسترش میدهند ، همانطور که در شکل 1 نشان داده شده است. نخ مشترک در تمام سطوح از پشته ارائه های رایانش ابری رابطه مصرف کننده/ارائه دهنده و یک وابستگی بر روی شبکه برای اتصال دوطرف میباشد. بازار تجاری ابر یک طیف گسترده ای از خدمات ابری که در پیچیدگی و ارزش متفاوت است را ارائه می دهد. شکل 1 سازماندهی این بازار را به صورت مجموعه ای کلی از دسته های لایه بندی شده خدمات ، در یک پشته متصورشده ، با ارائه های اساسی به سمت بالا و پیچیدگی بسیار به سمت پایین را ارائه می دهد.<br /> <br /> * Cloud Infrastructure:<br /> در پایین پشته ابر ، ساختار ابر اجزای فیزیکی چند سایت توزیع شده را برای پشتیبانی رایانش ابری مانند ذخیره سازی و پردازش منابع فراهم می آورد. این لایه به زیرساخت ارائه دهنده اجازه جزییات انتزاعی مانند سخت افزار دقیق برنامه ای که در حال استفاده است و کدام دیتاسنتر برنامه در حال اجرا هست را میدهد. پیشرفت در فن آوری های مجازی سازی سرور برآمده از این لایه از پشته بسیار کارآمد تر از سالهای گذشته اجازه استفاده بیشتر از پردازش منابع از آنچه قبلا عملی شده است را میدهد. مفاهیم ماشین مجازی نیز به جدایی مفید از جزییات پیاده سازی سخت افزاری اصولی از نظر توسعه دهندگان ، و توانایی بخشیدن به سرعت بیشتر مقیاس پذیری منابع سرور در پاسخ به تغییر تقاضا (changing demand) را فراهم می آورد.<br /> <br /> * Cloud Storage—Storage as a service:<br /> ساخت بر روی زیرساخت ابر ، این لایه از پشته ابر بر روی اجاره افزایشی از ذخیره سازی بر روی اینترنت ، که قبلا رایانش همگانی نام گذاری شده تمرکز دارد. بسیاری از ارائه ها در این زمینه نیز با پیشرفتهای اساسی در مجازی سازی سرور روبرو شده است. در مقیاس بزرگتر مبتنی بر شبکه ذخیره سازی در تقاضا مانند این لایه از رایانش ابری میباشد. برخی از ارائه ها فراتر از این و ارائه پلتفرمها برای ارائه دهندگان سرویس شامل ذخیره سازی ، امنیت ، مدیریت هویت و دیگر عملکردها میشود. یک مثال خوب از این نوع ارائه Amazon Simple Storage Service (Amazon S3) سرویس ذخیره سازی ساده آمازون میباشد. Amazon S3 ذخیره سازی برای اینترنت را ارائه میدهد که برای محاسبات آسانتر در مقیاس وب برای توسعه دهندگان نرم افزار طراحی شده است. Amazon S3 یک اینترفیس وب سرویس که میتواند برای ذخیره و بازیابی داده در هر زمان از هر جا بر روی وب استفاده شود را ارائه میدهند. S3 دسترسی به مقیاس پذیری و ذخیره سازی قابل اعتماد داده ها را برای یک هزینه میدهد. S3 در پیاده سازی ، آستانه تحمل و ساخت از یک مجموعه ای از اینترفیسهای ساده و بسیار granular غیرمتمرکز است.<br /> <br /> * Cloud Platform—Platform as a service:<br /> ارائه دهندگان پلتفرم زیرساختی برای توسعه و اجرای نرم افزار برنامه های مبتنی بر وب را فراهم میکنند. مثالها عبارتند از امکانات برای طراحی برنامه ، توسعه برنامه ، تست ، استقرار و هاستینگ و همچنین سرویسهای برنامه مانند همکاری تیم ، امنیت ، نسخه گذاری برنامه و ابزار برنامه میباشد. تیم توسعه دهنده اغلب از طریق مرورگر خود با ورود به پلتفرم مجازی ابر ، باهم کار میکنند. سرورهای مجازی در حال اجرا در ابر میتوانند شامل وب سرویسها ، برنامه های سرورها و موتورهای دیتابیس ها باشند. برای برخی از ارائه دهندگان ، اینترفیسهای برنامه نویسی نرم افزار (API ها) به عملکردهای مبتنی بر وب از پیش تعریف شده ارائه شده اند. ProgrammableWeb.com لیست بیش از 600 API که بر روی اینترنت در سال 2008 با گوگل مپ ، فلیکر ، آمازون ، و یوتیوب را که بزرگترین سهم بازار از Calls را به اشتراک گذاشته است. ارائه دهندگان پلتفرم بطور کلی بخشی از یک معماری چند مستاجره که در آن بسیاری از سازمانهای نامربوط ممکن است توسط برخی از همان زیرساخت پلتفرم پشتیبانی شوند را متصور میشوند. پلتفرم ها میتوانند بوسیله اضافه کردن پردازش و ذخیره سازی منابع بصورت پویا از رشد در خواسته های عملیاتی برای یک وب اپلیکیشن مشتری خاص پشتیبانی کرده و مقایس پذیر شوند. بعنوان مثال از یک ارائه پلتفرم Force.com است که بعنوان یک نرم افزار ارائه دهنده پشتیبانی از SalesForce.com آغاز کرده است. API ها و ابزارهای توسعه برای پشتیبانی از برنامه SalesForce بیشتر ابزارهای کلی پلتفرم را برای هر مشتری ارائه دهنده نرم افزار مبتنی بر اینترنت فراهم میکند.<br /> <br /> * Cloud Services—Components as a service:<br /> این لایه از پشته رایانش ابری شامل تعریفی از اجزای نرم افزار ، اجرای آن در یک مد توزیع شده ، سراسر اینترنت تجاری میباشد. این تعریف بیشتر شبیه SOA است که زیر مورد بحث ، با اینترفیسهای سرویس تعریف شده بعنوان پایه ای برای یکپارچه سازی سیستم به سیستم میباشد.<br /> <br /> * Cloud Applications—Soft ware as a service(SaaS):<br /> این تعریف مبتنی بر ابر برای دسترسی به آنچه که بطور سنتی در محل دسکتاپ نرم افزار است ، خواهد بود. بعنوان مثال ادوب فتوشاپ ، یک برنامه برای دستکاری تصاویر ، به کاربران نهایی بر روی سی دی ها برای سالهای سال توزیع شده بود. امروزه ، شما همچنان میتوانید یک نسخه از فتوشاپ را از دیسک نصبی آن ، نصب کنید ، یا شما میتوانید به یک نسخه کاملا آنلاین از برنامه مشابه ، تحت عنوان اکسپرس (Express) بروید. در اکسپرس آنلاین ، شما میتوانید عکسهایتان را در یک فایل محیطی هاست آپلود کرده و کار بر روی تصاویر با برخی فیلترها و قابلیتهایی که در نسخه نرم افزار سنتی آن است ، را انجام دهید. اکسپرس بعنوان مثالی از SaaS است ، اگرچه این تنها شکل به طول کشیدن (can take) SaaS نیست. برای مثال ، ارائه دهندگان برنامه های وب گوگل ، مانند جی میل ، تقویم گوگل ، تالک ، داکز و سایتها ، با عملکرد مشابه نرم افزارهای سنتی اداری است.<br /> یکی از مزایای این روش این است که برنامه را میتوان بصورت مداوم بوسیله ارائه دهنده نرم افزار بدون مشکلی و خرید دیسکهای نصبی ، بروزرسانی کرد. هربار که کاربر به سایت لاگ کرد ، کاربر آخرین نسخه از برنامه را خواهد گرفت. همچنین ارائه دهنده نرم افزار نیز یک وب اپلیکیشن بسیار مقیاس پذیر با استفاده از یک معماری چند لایه وب ، بر روی زیرساختهای قابل توجه پیاده سازی میکند. معایب آن شامل وابستگی کامل بر روی شبکه های زیربنایی برای دسترسی به برنامه میباشد. هنگامی که شبکه دان (پایین) است ، کاربر نمیتواند کاری با برنامه مبتنی بر شبکه انجام دهد. در مقابل نسخه دسکتاپ از نرم افزار نیاز به اتصال شبکه برای کار تولیدی ندارد.<br /> Software as a Servis (SaaS) یک مدل از توسعه نرم افزار است که در آن نرم افزار بعنوان یک سرویس هاست شده (hosted) به مشتریان در سراسر اینترنت ارائه میشود. با برطرف نمودن نیاز به نصب و اجرای برنامه بر روی کامپیوتر شخصی مشتریان ، SaaS بار مشتریان (فشار روی مشتری ناشی از ) را از تعمیر و نگهداری نرم افزار ، عملیات در حال انجام (ongoing) و پشتیبانی را کاهش میدهد. در مقابل ، مشتریان کنترل نسخه نرم افزار یا تغییرات لازم را واگذار میکنند. علاوه بر این ، هزینه های استفاده از سرویس به یک هزینه مستمر بجای هزینه تنها در زمان خرید تبدیل میشود. (ارجاع به SaaS در ویکیپدیا)<br /> با SaaS به مقدار قابل توجهی از پردازش در اینترنت &quot;ابر&quot; در دیتا سنترهای از راه دور و نه بر لوکال دسکتاپ رخ میدهد. لوکال دسکتاپ در درجه اول یک layer device (لایه دستگاه) در این سناریو ارائه میدهد. با استفاده از بسیاری از برنامه های نرم افزاری آنلاین ، کاربر پردازشهای در حال توزیع از طرف آنها در سراسر پردازنده ی ابر بوسیله نرم افزار ارائه سرویس پراکنده میشود. بعنوان مثال ، در پایگاه ویکیپدیا ، رایانش ابری یک سبک از محاسبات مربوط به قابلیتهای آی تی است که یک سرویس را به کاربران اجازه میدهد برای دسترسی به خدمات فناوری فعال از اینترنت (در ابر) بدون دانشی از تخصص و یا کنترل بر زیرساختهای فناوری که آنها پشتیبانی میکنند را ارائه میدهد.<br /> <br /> ====سرویس های وب و رایانش ابری====<br /> =====مدل های سرویس رایانش ابری=====<br /> با این حال ، ارائه دهندگان ابر از انواع مختلف مدلهای سرویس و برخی از مدلهای سرویس پایدار به سود بیشتر از استانداردسازی از دیگران استفاده میکنند. بر اساس سرویس هایی که ابر فراهم میکنند ، سه نوع مدل رایانش ابری وجود دارد. زیرساختی از یک سرویس IaaS، پلت فرمی از یک سرویس PaaS، و نرم افزاری از یک سرویس SaaS. ادامه این بخش به چگونگی بهرمند شدن از استانداردسازی IaaS , PaaS و SaaS میپردازد.<br /> <br /> Infrastructure as a Service (IaaS) :<br /> IaaS یک مدل سرویس است که بیشترین سود از استانداردسازی را میبرد زیرا بلوکهای ساختمان اصلی IaaS بعنوان نماینده حجم کاری (work-load)از تصاویر ماشین مجازی و واحدهای ذخیره ای که متفاوت از data-typed از داده های خام باشد. برای انتقال حجم کار ، تلاشهای استانداردها مانند OVF و VHD به کاربران اجازه میدهد تا یک تصویر را از یک ارائه دهنده استخراج کرده و آن را درارائه دهنده دیگری آپلود نماید. با توجه به اینکه اکثر ارائه دهندگان IaaS به مشتریان اجازه نصب و اجرای هر پلتفرمی را میدهند ، یک manual (راهنمای) بیشتر و زمان گیر از انتقالی که برای بازیابی عکس از ارائه دهنده فعلی میخواهند ، یک عکس جدید در ارائه دهنده جدید ایجاد و نرم افزار مجدد نصب میگردد. این manual (راهنمای) انتقال نبایستی نیازمندی استانداردها را تازمانی که راهی برای بازیابی جایگاه برنامه (بعنوان مثال داده برنامه ها ، فایلها ، پردازشهای در حال اجرا) از عکس منبع و حرکت به یک عکس جدید را انجام دهد.<br /> برای انتقال داده ، تلاشهای استانداردها مانند CDMI و API آمازون S3 ، که پشتیبانی ارائه دهندگان متعدد را دارد ، کاربران را برای استخراج داده از یک ارائه دهنده و بارگذاری آن در یک ارائه دهنده متفاوت قادرمیسازد. اگر یک ارائه دهنده این رابط استانداردها را با استفاده از SOAP – یا پروتکل های مبتنی بر REST پیاده سازی کند ، ابر مزایای استفاده از سهولت توسعه و در دسترس بودن ابزار را ارائه خواهد داد. با این حال ، این استانداردها بیشتر برای داده های خام که not typed (تایپ شده نیستند) مفید است (بعنوان مثال عکسهای ماشین مجازی ، فایلها ، blobs (حبابها) ) زیرا منبع ابر در این مورد صرفا بعنوان یک ظرف عمل کرده و معمولا نیازی به انتقال داده ندارد. برای داده های تایپ شده (typed data) ، انتقال داده مشابه هر انتقال داده دیگری رخ میدهد وظیفه: کاربران باید داده را از منبع اصلی استخراج کرده ، و بازگزاری کنند در منبع هدف ، که میتواند یک فرآیند پیچیده باشد. تلاش موردنیاز برای تحول نیز بستگی دارد به عواملی مانند شباهت بین اهداف و منابع تکنولوژیهای ذخیره سازی داده (بعنوان مثال ، انتقال از یک دیتابیس سازگار با SQL به دیگری آسانتر از آبجکت دیتابیس به یک پایگاه داده رابطه ای یا بعلکس خواهد بود) و مشابه اینترفیس عملیاتها (بعنوان مثال ، دو اینترفیس مبتنی بر SOAP میتوانند عملیات کاملا متفاوتی را داشته باشند).<br /> IaaS زیرساخت بعنوان یک سرویس عمدتا شامل زیرساخت های در دسترس محاسباتی بر روی اینترنت مانند چرخه محاسبه و ذخیره سازی میشود. IaaS به سازمانها و توسعه دهندگان اجازه میدهد تا به گسترش تقاضاهای زیرساخت های فناوری اطلاعات بپردازد. نمونه هایی از ارائه های IaaS به ترتیب حروف الفبا عبارتند از :<br /> Amazon Elastic Compute Cloud (EC2) : ماشین های ویژه مجازی ، بنام ماشین عکسهای آمازون AMI ، که میتواند بر روی زیرساختهای EC2 توسعه یافته و اجرا شود.<br /> Amazon Simple Storage Solution (S3) : منابع ذخیره سازی بصورت مقیاس پذیری پویا<br /> Amazon’s other data-related offerings : ذخیره سازی الاستیک بلوک ، که حجم ذخیره سازی در سطح بلوک را برای استفاده با موارد EC2 آمازون فراهم میکند ، SimpleDB که یک منبع داده های غیررابطه ای است ، و منبع داده های ارتباطی که یک منبع داده رابطه ایست.<br /> GoGrid Cloud Servers : محاسبات مقیاس پذیر به صورت پویا و ذخیره سازی منابع<br /> Rackspace Cloud Servers : محاسبات بصورت پویا مقیاس پذیر ، ذخیره سازی و منابع موازنه بار<br /> PaaS بر روی پلتفرمهای توسعه یافته نرم افزار است که اجازه استفاده از منابع خارجی برای ساخت و برنامه های میزبان (هاست) را می دهد. نمونه هایی از ارائه های PaaS به ترتیب حروف الفبا عبارتند از :<br /> CloudBees : پلتفرمی برای ساخت ، استقرار و مدیریت برنامه های جاوا<br /> Engine Yard : پلتفرمی برای ساخت و گسترش برنامه های Ruby و Php که میتوانند با افزودنی ها گسترش یابند.<br /> Google App Engine : پلتفرمی برای توسعه و اجرای جاوا ، Python و برنامه های Go که بر روی زیرساختهای گوگل است.<br /> Heroku : پلتفرمی برای استقرار برنامه های جاوا ، Ruby ، پایتون ، Clojure ، Node.js و Scala که میتوانند با افزودن (add-ons) به منابع گسترش یابد.<br /> Microsoft Windows Azure : بر روی تقاضای محاسبه و ذخیره سازی سرویسها و همچنین بعنوان یک توسعه و استقرار پلتفرم برای برنامه هایی که در ویندوز اجرا میشوند.<br /> Salesforce Force.com : پلتفرمی برای ساخت و اجرای برنامه ها و قطعات خریداری شده از AppExchange یا برنامه های سفارشی<br /> SaaS یک مدل از استقرار و بکارگیری نرم افزار است که در آن شخص سوم نرم افزار به مشتریان برای استفاده از یک سرویس مبتنی بر تقاضا را فراهم میکند. نمونه هایی از ارائه های SaaS به ترتیب حروف الفبا عبارتند از :<br /> Google Apps : ایمیل وب بیس ، تقویم ، مدیریت اسناد و ایجاد و مدیریت وب سایتهای مبتنی بر وب<br /> Microsoft Office 365 : ایمیل تقویم ، برنامه های مبتنی بر وب آفیس ، وب کنفرانس و اشتراک فایل<br /> NetSuite : برنامه های نرم افزاری مدیریت کسب و کار که شامل حسابداری ، برنامه ریزی منابع سازمانی ERP ، مدیریت موجودی ، مدیریت ارتباط با مشتری CRM و تجارت الکترونیکی<br /> Salesforce : نرم افزار برنامه های CRM<br /> SurveyTool : پلتفرم نظرسنجی مبتنی بر وب برای جمع آوری بازخورد از کارکنان ، مشتریان ، گروه تمرکز یا هر کاربر فعال پایگاه<br /> Zoho : مجموعه زیادی از برنامه های مبتنی بر وب ، بیشتر برای استفاده شرکتها<br /> <br /> Platform as a Service (PaaS) :<br /> فواید مدل سرویس PaaS از استانداردسازی IaaS کمتر است. سازمان هایی که PaaS را خریده اند برای مزایای درک شده از پلت فرم توسعه انجام داده اند. این پلتفرم قابلیت های بسیاری در خارج از باکس ، مانند محیطهای مدیریت برنامه ، احرازهویت کاربر ، ذخیره سازی داده ، پیامهای قابل اعتماد ، و دیگر قابلیتهایی که در مقابل کتابخانه هایی که میتواند برنامه ها را یکپارچه کند ارائه میدهد. این قابلیت به یک زبان خاص و زمان اجرای محیط گره خورده است. برای مثال موتور برنامه های گوگل پشتیبانی میکنند از برنامه هایی که در محیطهای جاوا ، پایتون و گو نوشته شده است. مایکروسافت Azure پشتیبانی میکند از برنامه هایی که در محیط دات نت و بیشتر برنامه هایی که در محیط جاوا ، پی اچ پی و نود دات جی اس نوشته شده است.<br /> انگیزه ها برای اتخاذ PaaS در درجه اول توسعه سریع و استقرار و پتانسیل برای این برنامه هایی که به تعداد بیشتری از مشتریان خدمات میدهند ، میباشد. درخواست خرید به یک ارائه دهنده Paas به معنای خرید از یک پلتفرمی در همان راهی است که سازمان ها به طور سنتی دارند ، مبتنی بر ارزش افزوده ، مهارتها ، و هر معیار دیگری است.<br /> ارائه دهندگان میتوانند برنامه ها را با انتخاب پلتفرم هایی که از ابزارها و زبانهای بیشتر استاندارد شده پشتیبانی میکنند ، مانند آنهایی که مبتنی بر زبانهای جاوا یا اینترفیس های دسترسی به داده استاندارد ، شامل اتصال به پایگاه داده جاوا (JDBC) ، اتصال به پایگاه داده باز (ODBC) و SQL ، را سازگارتر کنند. با این حال ، حتی در میان ارائه دهندگانی که از همان زبانهای برنامه نویسی پشتیبانی میکنند ، اینترفیس هایی وجود دارد بر پایه سرویسهایی مانند احرازهویت ، فایلها ، صف ها ، توابع هش ، و وظایف ، که ممکن است سازگار نباشند. علاوه بر این ، گزینه های بومی ممکن از قویتر از گزینه های استاندارد شده باشند. (بعنوان مثال ، سود بیشتری که اتخاذ یک تصمیم میتواند ایجاد انگیزه کند). برای مثال ، داده ها به طور پیشفرض در موتور برنامه گوگل ذخیره میشوند که تکرار بالایی در انبارداده دارند که به طور خودکار تکرار همه داده های دیتاسنترها را ارائه میدهند. یک کاربر میتواند به منبع داده با یک API استاندارد یا یک API سطح پایین دسترسی داشته باشد. این مبادله ایست که API استاندارد در بیشتر برنامه های پرتابل مهیا میسازد اما کنترل کمتر و ارزش افزوده ارائه دهنده خاص کمتر ویژگیهایست که API سطح پایین ، و در نتیجه پایینترین مخرج مشترک برای ویژگیها را ارائه میدهد. <br /> <br /> Software as a Service (SaaS):<br /> SaaS یک مدل تا حدودی متفاوت از IaaS و PaaS میباشد زیرا یک موافقت نامه صدور مجوز به نرم افزار شخص ثالث بجای یک مدل استقرار متفاوت برای منابع موجود در محدوده ای از ذخیره سازی داده تا برنامه ها است.<br /> مزایای استانداردسازی برای SaaS حتی محدودتر از PaaS میباشد. برای SaaS ارائه هایی مانند Salesforce.com CRM میشود ، کاربر ، کاربرنهایی (end user) است. با این حال ، دیگر ارائه های SaaS مانند نقشه های گوگل یا یاهو اجتماعی (Yahoo Social) که در آن کاربر میتواند به یک توسعه دهنده که ادغام قابلیتها از این سرویسها به دیگر برنامه ها را پیدا کند ، وجود دارد. در مورد دوم ، APIهای استاندارد شده مفید هستند زیرا آنها فرآیند توسعه را تسهیل میبخشند. با این حال ، مگر اینکه APIها از دیدگاه عملکردی یکسان هستند ، این استانداردسازی کمی به انتقال کمک میکند.<br /> انتقال برای این مورد هنگامی است که کاربر SaaS کاربرنهایی بوده باشد در همان راهی که با هر انتقال نرم افزار رخ میدهد زیرا هر ارائه دهنده SaaS منطق پردازش خود را دارد ؛ این به سادگی یک راه مختلف برای مجوز نرم افزار است. در این مورد ، تنها منطقه ای که SaaS از استاندارد سازی مفید میباشد ذخیره سازی داده است زیرا مهمترین نگرانی برای مصرف کنندگان SaaS ، خصوصا برای شرکت نرم افزاری SaaS مانند CRM یا منابع انسانی ، چگونگی استخراج داده های خود است.<br /> در یک حادثه که بطور گسترده به اطلاع عموم رسید ، سرویس ذخیره سازی آنلاین شات دان شد و یک ارائه دهنده SaaS 45% از داده های مشتری خود را از دست داد. در این مورد ، مصرف کننده مجبور به استخراج داده های خود از ارائه دهنده SaaS شد ، ارسال منطقی داده های متحول شده و سپس بارگزاری داده ها به یک ارائه دهنده SaaS جدید ، انجام شد. APIهای استاندارد شده میتوانند بطور بالقوه این کار را آسانتر کنند.<br /> <br /> =====مقایسه رایانش ابری و SOA=====<br /> نمودار ون زیر روابط بین وب سرویسها ، ساختار سرویس-اورینتد (SOA) و رایانش ابری را نشان میدهد. وب سرویس معرف رایانش ابری در این نمودار است زیرا رایانش ابری از وب سرویس برای اتصال به شبکه استفاده میکند. ( ممکن است شما استثنا پیدا کنید اما آنها بسیار نادر هستند.) این امکان وجود دارد ، با این حال ، وب سرویس ها در شرایط دیگری از رایانش ابری استفاده میشوند. این قبیل استفاده از وب سرویس ها ممکن است بخشی از یک ساختار سرویس-اورینتد باشد ، اما این ممکن نیست. وب سرویس ها میتوانند به سادگی یک کانکشن باشند. نهایتا ممکن است یک معماری سرویس-اورینتد و نه استفاده وب سرویسها برای ارتباطات را داشته باشید.<br /> <br /> رایانش ابری و SOA در نگرانی ها و ملاحظات مشترک تداخل و همپوشانی دارند ، همانطور که در شکل 4 نشان داده شده است. مهمترین همپوشانی در نزدیکی بالای پشته رایانش ابری رخ میدهد ، در این منطقه از سرویسهای ابری شبکه، در دسترس اجزای برنامه و سرویسهای نرم افزاری میباشد ، مانند وب سرویسهای معاصر. <br /> <br /> ======تعامل با وب سرویس======<br /> <br /> کشف سرویسهایی که از استانداردهای تکنولوژی موجود استفاده میکنند عمدتا وظیفه جستجو بر اساس کلیدواژه را در شرح سرویس پیچیده کمتر یا بیشتر را دارد. این فراتر از محدوده این مقاله به اظهارنظر در تمام مشکلاتی که هنگام تلاش برای کشف سرویسها برای کاربر رخ میدهد میباشد. امروزه تکنیکهای مورد استفاده کاربر بعنوان مثال استفاده از عبارات دقیق و شناخت کامل آن، توسط استانداردهایی مانند WSDL ارائه شده است. ارتقای این وضعیت بوسیله چند روش تکنیکهای موجود برای تطبیق شناخت کامل و یا گسترش توسط اصطلاحنامه مناسب داده شده است. در ادامه ما با انتخاب task سرویسهای مناسب برخورد خواهیم کرد که پس از کشف یک سرویس مطابق task یک کاربر علاقمند ، به همراه خواهد داشت.<br /> <br /> رایانش ابری و SOA هردو مفاهیمی از سرویس اورینتیشن را به اشتراک میگذارند. انواع بسیاری از سرویسها بر روی یک شبکه عمومی برای استفاده مصرف کنندگان در دسترس است. رایانش ابری بر روی تبدیل جنبه های محاسباتی پشته آی تی به کالا که میتواند بصورت تدریجی از ارائه دهندگان کلودبیسد (مبتنی بر رایانش) خریداری کرده و بتواند یک نوع از انواع بسیاری از برون سپاری را درنظر بگیرد ، تمرکز دارد. برای مثال ، مقیاس بزرگ ذخیره سازی آنلاین را میتوان تهیه و بطور خودکار در واحد ترابایت از ابر اختصاص داد. بطور مشابه ، یک پلتفرم مجری برنامه های مبتنی بر وب را میتوان از دیتاسنتر های از کارافتاده (برکنارشده) در ابر اجاره کرد. بهرحال ، رایانش ابری درحال حاضر یک واژه گسترده تری از SOA و تمام پشته از سخت افزاری که از طریق لایه سیستمهای نرم افزاری اجرا میگردد را دربرمیگیرد. SOA اگرچه از نظر مفهومی به نرم افزار محدود نیست ، اغلب در عمل بعنوان قطعه ها یا سرویس های نرم افزار پیاده سازی میشود ، بعنوان نمونه ای در استانداردهای وب سرویس در بسیاری از پیاده سازیها استفاده شده است. این قطعات میتوانند با یکدیگر و در بسیاری از پلتفرمهای سراسر شبکه برای ارائه یک عملکرد تجاری ادغام شوند.<br /> =====به کارگیری سرویس وب پویا در یک محیط ابری=====<br /> <br /> برای استفاده از سرویس های وب، نیاز به استقرار آن ها می باشد. فقط تصاویر سرور ها در فضای کاری ابر آپلود می شوند، و مشخصات جریان کاری که برای آنها ایجاد شده است، توانایی برقرای ارتباط با مراحل مختلف فرآیند اجرایی را دارا می باشند. برای فرآیند مذکور، دو نوع استقرار مورد استفاده قرار می گیرد. تصویر TAVERNA به عنوان یک سرور اختصاصی و TICCLOPS و تصویر FROG، به عنوان سرویس های وب پویا به کار گرفته شده اند.<br /> به منظور دستیابی به سناریوی استقرار پویا، سرویس های مورد نظر فقط در زمان نیاز به آن ها درخواست و در قسمتی از جریان کاری استفاده می شوند. این دو سرویس، برای مدیریت پیکربندی جریان کاری و مدیریت بکارگیری تصاویر و فرآیند تخریب، ایجاد شده است. زمانی که یک جریان کاری به سمت سرویس اول ارسال می شود، ارزیابی می شود که آیا هر یک از سرویس های مندرج در فرآیند جریان کاری، ماهیت پویا دارد یا خیر.<br /> <br /> ==فصل سوم:استاندارد های سرویس های وب در جهت تامین نیازمندی های ابری==<br /> ==== استاندارد های سرویس های وب در جهت تامین نیازمندی های ابری===<br /> ==== نقش استاندارد در محیط های رایانش ابری====<br /> کاربران ابر تمایل ویژه ای به استقبال از استانداردهایی که به انتقال حجم کار (work-load) و انتقال یوزکیس های داده میپردازند، دارند؛ چون چنین استانداردهایی نگرانی قفل فروشنده (vendor lock-in) را کاهش میدهد. این امر استانداردسازی مستلزم فرمتهای فایل تصویر ماشین مجازی و API هایی برای ذخیره ابر میباشد. استانداردسازی برای احرازهویت کاربر Use case این مزیت را دارد که شناسایی کاربر بر اساس OpenID یا احرازهویت پروتکلهای مبتنی بر Oauth صورت میگیرد ، برای مثال ، میتوان در تمام چندین ارائه دهنده سرویسی که از این استانداردها پیشتیبانی میکنند استقاده کرد. بطور مشابه ، استانداردسازی به پشتیبانی از یوزکیس مدیریت حجم کاری (workload-management) جهت هرگونه تلاش های مربوط موجود در ایجاد کلاینت های مدیریت حجم کاری و اسکریپتهایی که میتوانند در سرتاسر چندین ارائه دهنده استفاده شوند ، میپردازد.<br /> ===== انتقال و مدیریت داده ها=====<br /> Use Case ها برای انتقال و مدیریت داده های مربوط ، داده را از یک ارائه دهنده ابری به دیگری انتقال میدهند. همانطور که با انتقال حجم کار ، به استخراج داده از یک محیط ابری و آپلود داده در محیط دیگر ابری نیاز است. علاوه بر این ، در زمینه ایجاد قابلیت همکاری ، داده ها یکبار به ارائه دهنده جدید انتقال داده میشوند ، هر برنامه ای که اجرا میشود ، ساخت ، بازیابی ، بروزرسانی یا حذف (CRUD) عملیات بر روی داده در ارائه دهنده ابر اصلی باید تا کار در ارائه دهنده ابر جدید ادامه یابد.<br /> دو نوع ذخیره سازی ابر وجود دارد. کارهای ذخیره سازی Typed-data بطور مشابه سازگار با پایگاه داده SQL میباشد و قادر است عملیات های CRUD بر روی جدول تعریف شده کاربر انجام دهد. ذخیره سازی Object عملیات های CRUD بر آبجکتهای عمومی که رنجی از آیتم های داده (مشابه به یک ردیف از جدول) ، به فایلها ، به تصاویر ماشین مجازی ، انجام میدهد. برخی از استانداردهایی که از این Use case ها پشتیبانی میکنند ، بخصوص برای Object Storage عبارتند از :<br /> Cloud Data Management Interface (CDMI) : CDMI یک استاندارد پشتیبانی شده بوسیله انجمن Storage Networking Industry (SNIA) میباشد. CDMI یک API برای عناصر داده CRUD از یک محیط ذخیره سازی ابری تعریف میکند. همچنین این API برای کشف قابلیت ذخیره سازی و مدیریت ظروف داده تعریف شده است.<br /> SOAP : حتی اگر SOAP یک یک استاندارد خاص داده نباشد ، چندین ارائه دهنده ذخیره سازی ابری و اینترفیس مدیریت ذخیره سازی هستند که از پروتکل SOAP استفاده میکنند. SOAP یک مشخصه ای از W3C است که یک چارچوب برای ساخت پیغامهای XML-based در محیط شبکه شده غیرمتمرکز را تعریف میکند. نسخه فعلی 1.2 است و HTTP مکانیزم انتقال اولیه است. آمازون S3 یک اینترفیس SOAP-based ارائه میدهد که در دیگر محیطهای ذخیره سازی ابر شامل Eucalyptus و نیز [[اوپن‌استک|OpenStack]] پشتیبانی میشود.<br /> Representational State Transfer (REST) : Rest با یک استانداردهای data-specific نیست اما چندین ارائه دهنده ذخیره سازی ابری از رابط RESTful کاملا پشتیبانی میکنند. REST بعنوان یک معماری درنظرگرفته شده و نه یک پروتکل. در پیاده سازی یک REST ، هر موجودیتی که میتواند نام گذاری شود ، شناسایی شود ، آدرس دهی شود یا هندل شود یک منبع درنظر گرفته میشود. <br /> هر یک از منابع که قابل آدرس دهی باشند از طریق شناسه منابع جهانی و برخی اینترفیس های ارائه دهندگان توسط HTTP: GET,POST,PUT,DELETE ، تعریف میشوند. آمازون S3 یک رابط RESTful که از Eucalyptus و نیز [[اوپن‌استک|Open Stack]] پشتیبانی کنند را ارائه میدهد. ارائه دهندگان دیگر با رابط RESTful برای مدیریت داده ها شامل Salesforce.com’s forsce.com , Microsoft Windows Azure (Windows Azure Storage) , [[اوپن‌استک|Open Stack]] (Object Storage) و Rackspace (Cloud Files) استفاده میکنند. این API بوسیله CDMI که رابط یک RESTful است تعریف شده است.<br /> <br /> ==== استاندارد های وب سرویس====<br /> دو استاندارد سرویس وب شامل WSSecureConversationو WS-Federationمی باشند. <br /> با گذشت زمان، زبان های مختلف، مکانیسم ها و ابزار ها روی نرم افزار های مختلف و پلت فرم های سخت افزاری برای تعیین و اجرای انواع مکانیسم های امنیتی مانند رمز نگاری و کنترل دسترسی، توسعه داده شدند. در تنظیمات سرویس های وب، مکانیزم های امنیتی از محرمانگی و تمامیت داده ها در حالت انتقال و یا استراحت آن ها، محافظت می کنند.<br /> علاوه بر این، حفاظت از اطلاعات نباید فقط دو راه ساده تعاملات کلاینت-سروری در نظر گرفته شود بلکه، گسترش تعاملات پیچیده تر، به عنوان نمونه ای از فرآیند کسب و کار، از طریق خدمات وب چندگانه اجرا شده است. نیاز به فراهم کردن امنیت end to end از طریق مکانیزم های امنیت توزیع شده و ناهمگن، برای توسعه استانداردهای امنیت سرویس های وب ، با هدف نهایی از ایجاد پیاده سازی های مختلف سازگار با همان توابع امنیتی نام گذاری شده اند.<br /> تکنولوژی سرویس های وب، با قابلیت عملکرد متقابل پیاده سازی معماری سرویس گرا، مورد استفاده گسترده صنعت قرار گرفته اند(SOAs). این تکنولوژی شامل مجموعه های در حال تکامل از استانداردهای مرتبط که هدف آن در مقابله با اهداف SOA و چالش های آن می باشد. سازمان ها به دنبال کاهش هزینه های توسعه و نگهداری سیستم های خود، درحالی که ماندن انعطاف پذیری بیشتری از نظر قابلیت، استاندارد های سرویس های وب را به عنوان یک راه حل ممکن در نظر بگیرید. یک دلیل بزرگ، پشت تصویب استاندادرهای سرویس های وب، ویژگی های کلیدی کیفی آنها مانند قابلیت همکاری، توسعه و اصلاح است.<br /> بسیاری از سازمان ها برای ایجاد استاندارد های باز کار میکنند اما، سه سازمان کلیدی عبارتند از: سازمانی برای پیشبرد استاندارد های اطلاعاتی ساخت یافته(OASIS)، که برای زیرسازی و اجرای استاندارد های خدمات وب ایجاد شده است. کنسرسیوم جهای وب W3C، مسئول (HTTP) XML، SOAP، و استاندارد های دیگر می باشد. W3C شامل کمیته های بسیاری با هدف ساخت و حفظ استاندارد های وب می باشد. سازمان متقابل خدمات وب (WS-I) راهنمایی های عملی، بهترین شیوه و منابع برای توسعه سازگار راه حل های خدمات وب فراهم می کند.<br /> استاندارد های خدمات وب دارای تعداد قابل توجهی از شرکت های فناوری از جمله مایکروسافت، آی بی ام، اوراکل، BEA و غیره می باشند. این شرکت ها به مشارکت در استاندارد های وب، حمایت کامل از آنها، و ایجاد اجزای نرم افزاری ساخته شده روی استاندارد های سازگار و ادغام اجزای آنها درون محصولات، فعال هستند. در نهایت، هدف از استفاده از استاندارد های وب سرویس، تولید یک سیستم توسط نصب و راه اندازی محصولات توسعه داده شده توسط شرکت های مختلف می باشد که اجازه می دهد آن دسته از محصولان به صورت یکپارچه با هم کار کنند.<br /> یکی از اهداف استاندارد های خدمات وب، حمایت از دستگاه سازگار و تعامل دستگاه بر روی یک شبکه می باشد. این بر اساس فناوری پیام های مبتنی بر استفاده از XML انجام می شود و شامل: زبان توصیف خدمات وب(WSDL)، پروتکل دسترسی شی ساده(SOAP)، و توصیف، کشف و ادغام جهانی(UDDL) .این ها علاوه بر هر استاندارد جدید اضافی، توسط موسسات استاندارد های مختلف و اشخاص مدیریت می شوند.<br /> استاندارد های امنیتی سرویس های وب ابتدا توسط IBM و فریم ورک مایکروسافت نوشته شد. بررسی کلی، برای استاندارد های خدمات وب صورت گرفت و 60 استاندارد در 12 دسته منتشر شد. استاندارد های خدمات وب به عنوان یک راه حل کامل امن، پیاده سازی و ارائه شد که شامل ویژگی های زیر می باشد:<br /> •* مستقل: از زیر لایه های اجرایی فناوری و برنامه های کاربردی پلت فرم محسوب می شود.<br /> • *توسعه پذیر: برای رسیدگی به نیازهای جدی و / یا بهره برداری از فن آوری های امنیتی جدید.<br /> • *قابل استفاده مجدد: سرویس های وبی که با ایتفاده از اتاندارد های سرویس وب ساخته شده اند برای استفاده مجدد مناسب در سایر سرویس ها بسیار آسان هستند.<br /> • *انعطاف پذیر: مکانیزم های ناهمگن موجود که شامل الگوریتم های رمزنگاری مختلف، مکانیزم های کنترل دسترسی مختلف و غیره هستند قابل تطبیق خواهند بود..<br /> • *قابل ترکیب: پشتیبانی از برنامه های کاربری مرکب مانند گردش فرآیند کسب و کار.<br /> <br /> چندین کمیته مانند W3Cو OASIS در حال توسعه استاندارد های سرویس وب هستند. <br /> <br /> <br /> در ابتدا، وب سرویس هایی که از SOAP ، REST و JSON استفاده میکنند بحث شده است. این بخش بدنبال اینست که با سابقه از وب سرویس هایی که به توصیف زبانهای وب سرویس WSDL و Universal Description,Discovery,Integration UDDI را پوشش دهد بپردازد.<br /> <br /> ====مشخصات وب سرویس ها====<br /> سه مشخصه برای وب سرویسهایی که در این بخش نشان داده شده : SOAP ، REST و JSON<br /> Simple object access protocol, SOAP:<br /> SOAP در اصل بخشی از خصوصیاتی که شامل زبان توصیف وب سرویس WSDL و شرح یونیورسال ، کشف و یکپارچه سازی UDDI میباشد. درحال حاضر بدون WSDL و UDDI استفاده میشود. در عوض از فرآیند کشف شرح داده شده در قسمت پایین تاریخچه مشخصات وب سرویسها ، پیامهای SOAP بدون استفاده از یک مخزن، سخت رمز شده یا تولید شده اند. این تعامل در شکل زیر نشان داده شده است.<br /> مشخصات SOAP :<br /> • *بخوبی برای محیط های محاسباتی توزیع شده کاربرد دارد.<br /> • پروتکل و middleware های زیادی برای راه اندازی ارتباط لازم است.<br /> • *محتوای پیغام ردوبدل شده مشخص کننده سرویس فراخوانی شده می باشد.<br /> • *کاملا قابل اطمینان است.<br /> • *حجم اطلاعات منتقل شده باید منطبق با SOAP schema باشد.<br /> • *از استانداردهای فراوانی برای مباحث امنیت، قابلیت اعتماد و تراکنش ها پشتیبانی می کند.<br /> • *هر دو پرتکل SMTP و HTTP بعنوان پروتکل لایه application قابل استفاده هستند.<br /> • *مکانیزم error handling ندارد.<br /> • *پیچدگی بالا در پیاده سازی.<br /> <br /> REST, Representational states transfer protocol:<br /> REST تجدیدنظر به توسعه دهندگان است زیرا یک سبک مشابه باعث میشود استفاده آن را آسانتر از SOAP کند. این نیز کمتر پرگو است (کوتاهتر است) به طوری که حجم کمتر هنگام برقراری ارتباط ارسال میشود. این تعامل در شکل زیر نشان داده شده است.<br /> یک معماری جدید وب سرویس هست که از پروتکل http برای ارتباط بین دو سیستم(client-server) استفاده میکند و ساده تر ازمعماری‌های پیچیده مانند RPC ،‌CORBA و SOAP است و اکثر وب سایت ها نظیر گوگل از Rest به جای معماری های پیچیده ای مثل SOAP در طراحی وب سایت استفاده می کنند.<br /> REST شش قید الزامی برای معماری برنامه‌های شبکه تعریف می‌کند:<br /> •* کلاینت سرور (client-server) باشد.<br /> • *بدون حالت (stateless) باشد.<br /> •* قابلیت cache داشته باشد. (cacheable)<br /> • *سیستم لایه‌بندی شده (layered system) داشته باشد.<br /> • *واسط یکنواخت (uniform interface) داشته باشد.<br /> • *دارای قابلیت کد در صورت نیاز (code on demand) باشد.<br /> *به سیستمی که این قیود را رعایت نماید، RESTful می‌گویند.<br /> برنامه هایی بر پایه این معماری، با نام RESTful application خوانده میشوند و فقط با Request های CRUD پروتکل واسط، با هدف تعامل برقرار می کنند.<br /> از لحاظ رويكرد برنامه نويسي REST جايگزيني ساده براي سرويس‌هاي وب است. توسعه‌پذيري در تعاملات ميان اجزا، عموميت واسط ها، توسعه مستقل اجزا و استفاده از واسطه ها از كليدي ترين اهداف معماري REST مي‌باشد و همچنين استفاده از معماري REST در برنامه‌نويسي كارايي، سادگي، انعطاف‌پذيري، امكان مشاهده و نظارت، قابليت حمل و قابليت اطمينان را افزايش مي دهد.<br /> مشخصات REST :<br /> • *برای ارتباطات مدل نقطه به نقطه (point-to-point) طراحی شده است و برای محیط های توزیع شده قابل استفاده نیست.<br /> • *برای راه اندازی ارتباط احتیاج به پرتکل یا middleware خاصی نیست و فقط پروتکل HTTP کفایت می کند.<br /> •* بطور معمول URL در سرویس های REST بیانگر سرویس های سیستم می باشد.<br /> • *قابل اطمینان نیست. برای مثال ممکن است یک دستور HTTP DELETE وضعیت OK برگرداند در حالی که عملیات حذف در سرور انجام نشده است.<br /> • *محدودیتی در حجم اطلاعات منتقل شده وجود ندارد.<br /> •* فقط از استاندارد های مشهور مانند HTTP, SSL پشتیبانی می کند.<br /> •* با مدل HTTP transport ارتباط تنگاتنگی دارد.<br /> • *مکانیزم error handling بصورت توکار دارد.<br /> • *سادگی در پیاده سازی.<br /> <br /> جاوا اسکریپت نشانه گذاری شی JSON:<br /> درحالیکه هردو SOAP و REST ازXML برای تبادل استفاده میکنند ، JSON از زیرمجموعه ای از جاوا اسکریپت استفاده میکند ، این در شکل زیر نشان داده شده است<br /> ===== مقایسه SOAP در مقابل REST =====<br /> <br /> SOAP : <br /> مشخصات تکنولوژی<br /> • فرمت پیام<br /> • اتصالات پروتکل<br /> • شرح خدمات<br /> ...<br /> Rest : <br /> سبک معماری<br /> • مجموعه ای از محدودیت های معماری<br /> • اهرم استانداردهای وب<br /> • خواص مورد انتظار از سیستم را معرفی میکند.<br /> <br /> در نهایت شایان ذکر است روش SOAP بیشتر برای پیاده سازی سرویس های میانی مورد استفاده قرار می گیرد و روش REST بیشتر در مواردی کاربرد دارد که نیازی به سرویس میانی وجود ندارد و اصطلاحا ارتباط point-to-point است.<br /> <br /> <br /> <br /> <br /> === پروتکل های استاندارد شده وب سرویس ها برای رایانش ابری===<br /> زبان توصیف وب سرویسها WSDL ؛ توضیحات یونیورسال، کشف و یکپارچه سازی UDDI ؛ و SOAP تشکیل دهنده مشخصات اصلی وب سرویسها هستند. این بخش تاریخچه ای فراهم کرده است.<br /> <br /> Web Services Description Language, WSDL:<br /> WSDL واژه نامه XML است ، به شدت با UDDI بعنوان طرحی برای شناسایی مرز وب سرویسهای رجیسترشده با یک مخزن UDDI همراه است. WSDL تلاش در جهت خدمات جدا از فرمت سوابق ملموس و روش مورد استفاده برای کارها را دارد. این نتیجه یک فرمت مورد نیاز بین شرح خدمات مفهومی و عملکرد صریح خود را نشان میدهد. ارتباط بین تعمیم خدمات در سطوح نسبتا پایین از نظر فکری از اهمیت رفتار کد ، اتصالات سرویس و announcement harbour. WSDL یک درک از انواع مشارکت و بهره وری است اما ، مثل UDDI ، به معنای حفظ خدمات نیست.<br /> <br /> زبان توصیف وب سرویسها WSDL فرمی اساسی برای مشخصات اصلی وب سرویسها است. شکل زیر استفاده از WSDL را نشان میدهد. در سمت چپ ارائه دهنده سرویس و در سمت راست یک مشتری سرویس است. مراحل مربوط به تهیه و مصرف سرویسها عبارتند از :<br /> 1. یک ارائه دهنده برای توصیف خدمات از WSDL استفاده میکند. این تعریف به یک مخزن (repository) از سرویسها منتشرشده است. انبار میتواند از توضیحات یونیورسال ، کشف ، و یکپارچه سازی UDDI استفاده کند و انواع دیگری از دایرکتوری ها نیز میتواند مورد استفاده قرار گیرد.<br /> 2. یک مصرف کننده سرویس مسائل یک یا چند کوئری به مخزن محل یک سرویس و تعیین نحوه چگونگی ارتباط با آن سرویس را دارد.<br /> 3. بخشی از WSDL ارائه شده توسط ارائه دهنده سرویس به مصرف کننده منتقل میشود. این مصرف کننده سرویس چه درخواست کننده باشد و چه پاسخگو برای ارائه سرویس گفته میشود.<br /> 4. مصرف کننده سرویس برای ارسال یک درخواست به ارائه دهنده سرویس از WSDL استفاده میکند.<br /> 5. ارائه دهنده سرویس پاسخی را که از مصرف کننده سرویس انتظار میرود را فراهم میکند.<br /> <br /> <br /> <br /> Universal Description, Discovery and Integration, UDDI:<br /> UDDI سرمایه گذاری رجیستری ارائه شده توسط مایکروسافت ، IBM ، Amazon و Ariba در راستای گسترش یک الگو برای رجیستری آنلاین از خدمات وب سرویس ها است. UDDI به گردش و نوآوری خلاقانه از تنظیم سرویسها و اختصاص دهی آن به توسعه دهندگان برای ارائه سرویس های محلی جهت عدم انحراف یا جذب خدمات جدید چندجانبه، کمک میکند. همکاران وب سرویس پک تجاری خود را در کنار واژه های کلیدی تگها ضبط و نگهداری میکنند. کاربران آینده نگر سرویس پک صنعتی از اساس رجیستری روی جستجوی کلیدواژه ها را برمیگردانند. این سواستفاده و همکاری در استفاده از سپردن مشابه کلیدواژه ها برای توصیف سرویس قابل درک است. دستگاه جستجوی متکی بر پیشتعریف، به برچسب زدن کلیدواژه و نه انتقال آن میپردازد.<br /> مخزن نشان داده شده در شکل بالا میتواند رجیستری UDDI باشد. رجیستری UDDI درنظرگرفته شده که درنهایت بعنوان وسیله ای با معنی &quot;کشف&quot; شرح وب سرویس با استفاده از WSDL است . ایده اینست که رجیستری UDDI میتواند به روشهای مختلف برای بدست آوردن اطلاعات تماس و وب سرویسهای در دسترس برای سازمانهای مختلف جستجو گردد. اینکه چقدر &quot;کشف&quot; تاکنون مورد استفاده قرار گرفته است بحثی گسترده است. با این وجود حتی بدون بخش کشف ، رجیستری UDDI یک راه برای بروز نگهداشتن بر روی وب سرویسهای سازماندهی شده ای است که در حال حاضر استفاده میکنید. این را میتوان در زمان طراحی استفاده کرد. یک جایگزین برای UDDI رجیستری ebXML است. <br /> SOAP, Simple object access protocol:<br /> همه پیامهای نشان داده شده در شکل بالا با استفاده از SOAP ارسال میشود. (SOAP در یک زمان برای پروتکل SOAP ایستاد. درحال حاضر ، حروف مخفف معنای خاصی ندارد.) SOAP اصل پاکت را برای ارسال پیام وب سرویس فراهم میکند. SOAP بطور کلی از HTTP استفاده میکند ، اما به معنای دیگر از اتصال ممکن است استفاده کند. استفاده از HTTP یک اتصال آشنا برای همه ما در اینترنت است. در واقع ؛ فراگیرندگی ارتباطات HTTP که به هدایت اتخاذ وب سرویسها کمک خواهد کرد.<br /> <br /> SOAP یک پادمان مبتنی بر XML است، که برای رد و بدل کردن اطلاعات بین برنامه ها مورد استفاده قرار میگیرد. اطلاعات در SOAP به صورت پیام (Message) و از طریق پادمان‏های موجود در اینترنت مانند HTTP منتقل می‏شود (SOAP در سایر پادمان ها، مانند SMTP یا MIME نیز قابل استفاده است). به زبان ساده‏تر، SOAP یک پادمان برای دستیابی به یک سرویس ارایه شده در وب میباشد. آخرین نسخه SOAP، نسخه 1.2 می‏باشد.<br /> ویژگی های SOAP <br /> 1. یک پادمان ارتباطی است.<br /> 2. برای ارسال پیام استفاده می‏شود.<br /> 3. برای محیط اینترنت و شبکه طراحی شده است.<br /> 4. وابسته به محیط پیاده سازی و اجرا نیست. (Platform Independent)<br /> 5. مبتنی بر XML است.<br /> 6. از دیوارهای آتش (Firewall) گذر می‏کند ودیوارهای آتش مانع آنها نمی شوند (Block) نمی‏شوند.<br /> یکی از مسایلی که در دهه اخیر از اهمیت خاصی برخوردار بوده، چگونگی ارتباط برنامه‏ های تحت اینترنت با یکدیگر بوده است. همانطور که می‏دانید برنامه‏ های عادی از RPC (Remote Procedure Call) برای فراخوانی اشیاء DCOM یا CORBA، استفاده می‏کنند. اما مشکلی که در این نوع فراخوانی‏ها در بستر اینترنت وجود دارد، مسدود شدن این نوع ترافیک‏ها در Proxy Server ها و دیوارهای آتش (Firewall) ها است. <br /> در صورت استفاده از SOAP با این مشکل روبرو نخواهید بود SOAP .به راحتی شما را قادر خواهد کرد تا بین برنامه‏ هایی که در بسترهای متفاوت طراحی شده اند و در بسترهای متفاوتی در حال سرویس ‏دهی هستند، ارتباط برقرار کنید. <br /> <br /> <br /> ساختار SOAP<br /> پیام ها (Message) ها در SOAP یک فایل XML هستند که از ساختار زیر پیروی می‏کنند:<br /> 1. یک بخش ضروری که به آن (Envelope)پاکت نامه گفته می‏شود که مشخص می‏کند که این XML یک پیام SOAP است.<br /> 2. قسمت سرآیند (Header)که اختیاری است. این بخش شامل اطلاعاتی در مورد خود برنامه است. در صورتی که از سرآیند استفاده شود، باید اولین عنصر در ساختار Envelope باشد.<br /> 3. قسمت بدنه که ضروری است و شامل Call یا Response است. در واقع مشخص کننده درخواستِ برنامه‏ی سرویس‏ گیرنده یا پاسخ برنامه سرویس‏ دهنده است.<br /> 4. قسمت Fault که قسمت خطا است و اختیاری است و اطلاعاتی درباره خطاهای بوجود آمده در هنگام پردازش پیام در خود دارد.<br /> قوانین مهم در ساختار پیام<br /> 1. پیام حتماً باید در قالب XML باشد.<br /> 2. باید از Namespace تعریف شده در Envelope پیروی کند.<br /> 3. فقط باید از نوع داده‏ های تعریف شده و مجاز استفاده کند.<br /> 4. در قالب پیام، نباید از DTD استفاده شود. DTD برای یک XML ، مانند Design View یک جدول در Database است و مشخص می‏کند که فیلدهای آمده در XML از چه نوع هستند و با چه ترتیبی می‏آیند. برای مثال:<br /> &lt;!ELEMENT note (to,from,heading,body)&gt;<br /> &lt;!ELEMENT to (#PCDATA)&gt;<br /> &lt;!ELEMENT from (#PCDATA)&gt;<br /> &lt;!ELEMENT heading (#PCDATA)&gt;<br /> &lt;!ELEMENT body (#PCDATA)&gt;<br /> 5. نباید شامل دستورات پردازشی باشد.<br /> قالب کلی پیام <br /> قالب پیام به صورت زیر است:<br /> &lt;?xml version=&quot;1.0&quot; ?&gt;<br /> &lt;soap:Envelope xmlns:soap=&quot;http://www.w3.org/2001/12/soap-envelope&quot; soap:encodingStyle=&quot;http://www.w3.org/2001/12/soap-encoding&quot;&gt;<br /> &lt;soap:Header&gt;<br /> ...<br /> &lt;/soap:Header&gt;<br /> &lt;soap:Body&gt;<br /> ...<br /> &lt;soap:Fault&gt;<br /> ...<br /> &lt;/soap:Fault&gt;<br /> &lt;/soap:Body&gt;<br /> &lt;/soap:Envelope&gt;<br /> <br /> <br /> برای مشاهده جزئیات بیشتر و ساختار کامل پیام آدرس زیر را کلیک کنید.<br /> <br /> http://www.w3.org/2001/12/soap-envelope<br /> نوع داده های مجاز را نیز در آدرس زیر می‏توانید مشاهده کنید:<br /> <br /> http://www.w3.org/2001/12/soap-encoding<br /> توجه: encodingStyle مشخص کننده قالب نامه است که به طور استاندارد مقدار مشخص شده در مثال را دارد.<br /> یک درخواست و پاسخ آن با SOAP<br /> هنگام استفاده از پادمان HTTP، در هر درخواست باید Content-Type و Content-Length مشخص شود. که برای SOAP، موارد ارسالی در مثال زیر، به طور معمول مورد استفاده قرار می‏گیرند. <br /> در این مثال ، درخواست قیمت سیب و پاسخ آن آورده شده است. مشتری (Client) یک XML را به کارگزار می فرستد که در آن قالب مشخص شده توسط برنامه کارگزار (Server) رعایت شده است و درخواست مشتری در آن قرار دارد. در این مثال، قیمت سیب، موردنظر است که در برچسب m:GetPrice ، آمده است. در صورتی که قالب تعیین شده توسط سرور این اجازه را به شما بدهد که چند مورد را در یک در خواست بفرستید، می توانید این کار را انجام دهید. <br /> برنامه کارگزار نیز، با استفاده از یک فایل XML پاسخ مشتری را می دهد و قیمت را در یک برچسب با عنوان m:GetPriceResponse به مشتری تحویل می دهد.<br /> POST /InStock HTTP/1.1<br /> Host: www.stock.org<br /> Content-Type: application/soap+xml; charset=utf-8<br /> Content-Length: nnn<br /> <br /> &lt;?xml version=&quot;1.0&quot; ?&gt;<br /> &lt;soap:Envelope xmlns:soap=&quot;http://www.w3.org/2001/12/soap-envelope&quot; soap:encodingStyle=&quot;http://www.w3.org/2001/12/soap-encoding&quot;&gt;<br /> &lt;soap:Body&gt;<br /> &lt;m:GetPrice xmlns:m=&quot;http://www.w3schools.com/prices&quot;&gt;<br /> &lt;m:Item&gt;Apples&lt;/m:Item&gt;<br /> &lt;/m:GetPrice&gt;<br /> &lt;/soap:Body&gt;<br /> &lt;/soap:Envelope&gt;<br /> HTTP/1.1 200 OK<br /> Content-Type: application/soap; charset=utf-8<br /> Content-Length: nnn<br /> &lt;?xml version=&quot;1.0&quot; ?&gt;<br /> &lt;soap:Envelope xmlns:soap=&quot;http://www.w3.org/2001/12/soap-envelope&quot; soap:encodingStyle=&quot;http://www.w3.org/2001/12/soap-encoding&quot;&gt;<br /> &lt;soap:Body&gt;<br /> &lt;m:GetPriceResponse xmlns:m=&quot;http://www.w3schools.com/prices&quot;&gt;<br /> &lt;m:Price&gt;1.90&lt;/m:Price&gt;<br /> &lt;/m:GetPriceResponse&gt;<br /> &lt;/soap:Body&gt;<br /> &lt;/soap:Envelope&gt;<br /> <br /> <br /> معایب SOAP<br /> همانطور که می‏د‏انید اولین حرف از حروف تشکیل دهنده ‏یSOAP ، S است که حرف اول Simple است. همین مورد، باعث شده است تا سادگی بر هرچیز در این سیستم، مقدم باشد. برای همین در SOAP بسیاری از کاستی ‏ها دیده می‏شود، که یکی از مهمترین آنها امنیت و قابلیت اعتماد پایین در SOAP است.<br /> همین کاستی باعث شده است که تولیدکنندگان نرم‏افزار به این فکر بیفتند تا SOAP را توسعه دهند و استانداردهای جدیدتری با امکانات بیشتری تولید کنند. استاندارد تولید شده توسط مایکروسافت با نام GXA (Global XML Web Services Architecture) ارایه شد. که یک پیاده‏سازی ازآن WSE (Web Services Enhancements) است. WSE یک ابزار قدرتمند است که شما با استفاده از DotNet Framework و WSE می توانید وب سرویس های امن و قدرتمند بنویسید. به بیان ساده‏تر WSE ابزار شما برای طراحی و ساخت وب سرویس ها با .NET می باشد.<br /> <br /> <br /> شکل بعدی جزئیات بیشتری در پیامهای ارسال شده با استفاده از وب سرویسها را فراهم میکند. در سمت چپ شکل ، یک قطعه از WSDL فرستاده شده به مخزن است. این درخواست اطلاعات مشتری را نشان میدهد که نیازمند آبجکت حساب مشتری است. همچنین پاسخ اطلاعات مشتری که فراهم میکند یک سری از آیتم های مشتری شامل نام ، تلفن و آیتم های آدرس را نشان میدهد.<br /> در سمت راست این شکل ، یک قطعه از WSDL به مصرف کننده خدمات ارسال میشود. این قطعه را همان ارائه دهنده خدمات به انبار فرستاده است. مصرف کننده خدمات با استفاده از این WSDL برای ایجاد درخواست خدمات نشان داده میشود ، فلش اتصال از مصرف کننده خدمات به ارائه دهنده خدمات میباشد. پس از دریافت درخواست ، ارائه دهنده خدمات ، یک پیغام با استفاده از فرمت شرح داده شده در WSDL اصلی برمیگرداند. این پیغام در پایین شکل به نظر میرسد.<br /> XML برای تعریف پیام استفاده میشود. XML دارای فرمت پیغامهای تگ شده است. شما میتوانید این را در مثالهای SOAP و REST در بخش اول و بالای شکل ببینید. در هریک از نمونه ها ، تک &lt;city&gt; دارای ارزش برنزویل است. و &lt;/city&gt; تگ پایان دادن است که نشان پایان ارزش city است. هر دو ارائه دهنده خدمات و خدمات مصرف کننده از این تگ ها استفاده میکنند. در حقیقت ، ارائه دهنده خدمات میتواند ارسال داده در پایین این عکس را درهر سفارش نشان دهد. مصرف کننده خدمات از تگها و نه دستوری از داده های مقادیر داده شده استفاده میکند. <br /> <br /> <br /> علاوه بر موارد مذکور، در ادامه به معرفی پروتکل های دیگر استاندارد های سرویس وب در رایانش ابری نگاه کوتاهی خواهیم داشت.<br /> E-Speak را یک شرکت توسط Hewlett-Packard برای فعال کردن کشف سرویس پیشرفته هدایت میکند. E-Speak و UDDI اهداف مشابهی در تسهیل کردن تبلیغات و کشف خدمات دارند. E-Speak در مقایسه با WSDL در اینست پشتیبانی از شرح خدمات و انواع اطلاعات و و ویژگیهای یک سرویس مربوطه که درخواست خدمات متعادل با استعاره سرویس را دارد. این تا حد زیادی بر اساس ورودی-خروجی و نوع خدمات هماهنگ آماده شده است. E-Speak خدمات را بعنوان مجموعه ای از مشخصات در اصطلاح متفاوت متعدد که سپرده مشخصات جهانی به یک گروه منسجم از سرویسها نشان میدهد. تحقیقات موردنیاز درکنار استعاره سرویس ها با اعتماد به نفس این تمایز هماهنگ شده است. در حال حاضر ، هیچ اهمیت معنایی مرتبط به هر یک از این ویژگیها وجود ندارد. هر نتیجه که موقعیت آن طول بکشد برای آماده سازی بیش از کلیدواژه های استعاری سرویس ، بین هر زیرگروه اضافی تبعیضی قائل نیست.<br /> DAMIL-S تکامل مبتنی بر شناخت کامل در به تصویر کشیدن از وب سرویسهای مسکونی! بعنوان بخشی از DARPA ابزار برنامه سبک نشانه گذاری است. هدف DAMIL-S در زمانی که بعنوان یک شناخت کامل جهانی سرویسها بوسیله پژوهش های قبلی در حوزه ای که به اصطلاح وب معنایی نامیده میشود که شامل مشکلات مستعمره وب با معانی قانع و سرویسهای به رسمیت شناخته شده تحریک شده است. در بالای DAMIL+OIL ایجاد ، طراحی DAMIL-S بدنبال پیشرفت encrusted به زبانهای معنادار نشانه گذاری وب میباشد. هدف نهایی از DAMIL-s در این ارائه شناخت کامل است که اجازه معیار انتقال و آزاردهنده به تشخیص ، بالابردن و ترتیب وب سرویسها را میدهد. درحال حاضر ساختار شناخت کامل DAMIL-S سه برابر و شامل یک پروفایل سرویس برای ترویج و کشف سرویسها ، یک مدل روشمند که توضیح جامعی از روش یک سرویس میدهد و یک دستور سرویس که استطاعت چیزهای بی اهمیت درباره چگونگی همکاری با یک سرویس از طریق جایگزین های ارتباطی را دارد.<br /> ebXML در درجه اول توسط OASIS و سازمان ملل متحد توسعه یافته است. این رفتار روش های استعاری سرویس از ادراک کاری میباشد. ebXML از دو دیدگاه برای نشان دادن مبادلات کسب و کار ، یک نمایش عملکرد کسب و کار BVF و یک نمایش مشخصات سرویس FSV استفاده میکند. در ebXML ، BOV با معانی معاملات داده کسب و کار بین ارائه دهندگان وب سرویس میپردازد. FSV به سرویس های موردپسند خود یعنی شایستگی و روش و مرز خود می پردازد. این درک از انجمن طرح روش که اجازه میدهد تا یک همکار ترافیک به بیان حفظ پیشرفت شرکت و کسب و کار سرویس درخواستهای لبه خودرا با دیگر ebXML های همکار عمل کند.<br /> یک پیشرفت تولید مجموعه ای از فعل و انفعالات تولید بین همکاران ترافیک است. این مانع فهرست صنعت ، تماس در دنباله ، حفظ پیشرفت کسب و کار ، درخواست رابط و غیره است. آنها کاتالوگی در رجیستری ebXML هستند که به کشف دیگر همکار اشتغال و حمایت از توسعه کسب و کار آنها کمک میکند. در این رابطه ebXML برخی از مکاتبات با UDDI را دارد.<br /> WSMF (Web Service Modelling Framework) استطاعت درک بنیادین اضافی در تکنولوژی معنایی وب برای وب سرویسهای جنینی و بازگویی و ترکیب آنها را دارد. WSMFصلاحیت و پس شرایط سرویسهای همراه با یک نماینده خدمات را نشان میدهد. هدف WSMF در sturdily جفت پذیری ترکیبی از دستگاههاست که به عمل قرار دادن یک برنامه وب سرویس درحالیکه در همان زمان به شرطی که مقدار حداکثری از مذاکرات اتصال دستگاههای مختلف میپردازد. WSFM یک شناخت کامل مانند DAMIL-s و مفهوم در دسترس بودن مخازن آسپیراتیون و واسطه ها برای حل خواسته سرویس کامپوزیت را ایجاد میکند.<br /> <br /> == جمع بندی ==<br /> طی تحقیقات در زمینه رایانش ابری، به اهمیت و لزوم استاندارد های آن جهت سرویس دهی بهتر به کاربران پی برده شد. دریافتیم که استاندارد سازی به منظور جلوگیری از هرج و مرج و ایجاد سیستم و زبان یکپارچه جهت خدمات بهتر و بهینه تر است. دسته بندی کلی استاندارد های رایانش ابری مورد بررسی قرار گرفت و به تفصیل در خصوص استاندارد های یکی از دسته های آن به نام سرویس و یا به عبارت بهتر پروتکل های سرویس های وب در رایانش ابری پرداخته شد. <br /> امید آنکه نتیجه مطلوب و درخور حاصل شده باشد.<br /> <br /> == مراجع ==<br /> <br /> 1. Cloud Computing and SOA pdf, Geoffrey Raines<br /> 2. Dynamic web service deployment in a cloud environment pdf, Marc Kemps-Snijders, Jan Pieter Kunst, Matthijs Brouwer, Tom Visser<br /> 3. The Role of Standards in Cloud-Computing Interoperability pdf, Grace A. Lewis<br /> <br /> 4. Cloud Computing Models, Eugene Gorelik, Working Paper CISL# 2013-01, January 2013<br /> <br /> 5. PERSONALIZED WEB SERVICE SELECTION, Shailesh Khapre and D. Chandramohan, ,Department of Computer Science, Pondicherry University, Pondicherry, India, April 2011<br /> <br /> 6. Cloud Standards and Security pdf, enisa, Au gust 2014<br /> <br /> 7. When To Use SOAP And When REST, JAZOON, June 2011<br /> <br /> 8. MODELING AND ANALYSIS OF SECURITY STANDARDS FOR WEB SERVICES AND CLOUD COMPUTING pdf, Ola Ajaj 2013<br /> <br /> 9. http://www.service-architecture.com<br /> <br /> 10. http://www.w3.org<br /> <br /> 11. کتاب رایانش ابری، محمدکاظم اکبری، مرتضی سرگلزایی جوان، آزمایشگاه و مرکز تحقیقات رایانش ابری دانشگاه صنعتی امیرکبیر، بهار 1389<br /> <br /> &lt;references /&gt;<br /> <br /> ==تهیه کننده==<br /> [[مهرناز روزبهان]] عضو کارگروه تاکسونومی و استاندارد سازی مرکز تحقیقات رایانش ابری دانشگاه صنعتی امیر کبیر<br /> <br /> == لینک های مرتبط ==<br /> * [http://occc.ir/index.php/workgroups/taxonomy صفحه رسمی کارگروه در سایت جامعه آزاد رایانش ابری ایران]<br /> * [[کارگروه تاکسونومی|کارگروه تاکسونومی و استانداردسازی]]<br /> *http://www.cloud-standards.ir<br /> * [[بررسی استانداردهای رایانش ابری]]<br /> * [[استانداردسازی رایانش ابری]]<br /> * http://www.cloud-standards.ir</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C_%D9%86%D9%82%D8%B4_%D8%8C_%D9%85%D8%B9%D9%85%D8%A7%D8%B1%DB%8C_%D9%88_%D9%85%DA%A9%D8%A7%D9%86%DB%8C%D8%B2%D9%85_push_notification_%D8%AF%D8%B1_%D8%B3%DB%8C%D8%B3%D8%AA%D9%85_%D9%87%D8%A7%DB%8C_%D8%AA%D8%AC%D8%A7%D8%B1%D8%AA_%D8%A7%D9%84%DA%A9%D8%AA%D8%B1%D9%88%D9%86%DB%8C%DA%A9_%D9%85%D8%A8%D8%AA%D9%86%DB%8C_%D8%A8%D8%B1_%D8%B1%D9%88%DB%8C%D8%AF%D8%A7%D8%AF&diff=10443 2015-04-28T02:40:06Z

<p>Goodosuser: /* جریان جستجو گر */</p> <hr /> <div>== چکیده ==<br /> امروزه استفاده از ابزار های همراه رشد بسیاری در بین کاربران نموده است و متعاقبا بسیاری از امور روزمره ایشان بوسیله خدمات برخط پشتیبانی می گردد . لذا در صورتی که کاربران بخواهند جهت اطلاع از تغییرات پیش آمده در فضای کاری هر یک از این خدمات مدام به آنها سرکشی نمایند ، زمان بسیار زیادی را باید صرف بررسی دوره ای واسط کاربری هر یک از آنها نمایند که این امر باعث صرف وقت و هزینه خواهد بود . لذا سیستم ها به سمتی پیش می روند که بتوانند کاربران را از وقوع وقایع مرتبط با موضوع کاری آنها به صورت خودکار آگاه نمایند تا دیگر نیازی به سر زدن مکرر کاربران به واسط های کاربری این خدمات وجود نداشته باشد . برای این منظور روش ها و تکنولوژی های گوناگونی مورد استفاده قرار گرفته است که طی این گزارش در مورد آنها بحث خواهد شد .<br /> == مقدمه ==<br /> در سال 2013 ، مجله گارتنر پیش بینی کرد که درآمد حاصل از خدمات همراه به بیش از 102 تریلیون دلار خواهد رسید ، دارندگان تلفن های هوشمند از گوشی های خود نه تنها برای صحبت کردن ، بلکه برای وب گردی ، خرید و .. استفاده می کنند . آنها انتظار دارند که به اطلاعات مورد نظر خود در زمان های مناسبی دسترسی داشته باشند که این امر آنها را از کاربران سنتی تلفن همراه متمایز می سازد . <br /> رشد سریع تلفن های هوشمند و گسترش برنامه های کاربردی همراه ، منجر به بروز چالش های جدیدی گشته است . این برنامه ها منجر به بروز مشکلاتی نظیر تراکم و شلوغی شبکه ، خطا در ارتباطات شبکه و افزایش مصرف باترهای ابزارهای همراه شده است که همه اینها منجر به کاهش کاربری و افزایش هزینه ارائه سرویس به مشتریان می شود . <br /> ارسال اطلاعات به دستگاه های همراه از مهمترین قابلیت های وجود در سیستم های همراه می باشد که بطور گسترده ای در برنامه های کاربردی همراه پیاده سازی شده است . این روش به یکی از مهم ترین روش ها در بهبود کیفیت و سطح ارتباط بین افراد مبدل گشته است . همچنین تاثیر گذارترین روش در رساندن اطلاعات تبلیغاتی به مشتریان بالقوه بشمار می آید .تعداد زیادی از برنامه های کاربردی تجاری همراه مانند شبکه های اجتماعی مثل فیس بوک ، سیستم های پیام رسان مانند WeChat با استفاده از ابزار اطلاع رسانی تزریقی همراه پیاده سازی شده اند . برنامه های کاربردی همراه دیگری مانند سرویس های اطلاع رسانی وضعیت آب و هوا و یا خدمات مسافرتی همراه ، خدمات اطلاع رسانی تزریقی را جهت ارسال اطلاعات به موقع به کاربران پیاده سازی نموده اند . مهمترین ویژگی اطلاع رسانی تزریقی این است که سرویس دهنده بر مبنای وضعیت ، موقعیت ، حالت عاطفی و فضای کاربر ، اطلاعات مناسب را برای وی ارسال می دارد . با وجود اینکه مکانیزم اطلاع رسانی تزریقی همراه ، ساده به نظر می رسد ، اما پیاده سازی آن از پیچیدگی های زیادی برخوردار است . برای مثال باید از طریق سرویس دهندگان ثالث مانند Apple یا Google خدمات ارسال آگهی تهیه و بکار گیری گردد . همچنین این خدمات باید روی یک بستر امن پیاده سازی شوند و باید برای آنها مخاطرات امنیتی فراوانی را مد نظر قرار داد و همچنین لازم است با چالش های ناشی از متحرک بودن کاربران مواجه نمود .[5] <br /> با توجه به موارد اشاره شده ، اطلاع رسانی تزریقی از تظر مفهومی مکانیزمی است مبتنی بر رخداد که در آن سرویس دهندگان راه دور خبر رخداد وقایع را به برنامه های کاربردی سرویس گیرنده روی ابزار های همراه مانند تلفن های همراه ، تبلت ها و .... مخابره می نمایند . پیاده سازی این فرآیند با توجه به بافت سلولی بستر شبکه ، با چالش های زیر در قابلیت دریافت اطلاعات همراه است که مهم ترین آنها شامل موارد زیر می باشند :<br /> *قابلیت آدرس پذیری<br /> تمرکز روی مقصد نهایی فرآیند تزریق اطلاعات دارد . اپراتور های شبکه های سلولی عموما آدرس دسترسی به کاربران شبکه خود را مخفی می نمایند . بنا براین آدرس دقیقی از مقصد دریافت کننده پیام ها در دسترس نمی باشد .<br /> *قابلیت دسترس پذیری<br /> اشاره به نحوه تعامل با ابزاری دارد که بصورت پویا موقعیت خود را در شبکه تغییر می دهد . بطور معمول فایروال های مربوط به اپراتور های شبکه ترافیک ارسالی از سمت شبکه های دیگر را مسدود می نمایند . <br /> جهت مقابله با مشکل آدرس دهی در چالش های دسترسی ، برنامه های کاربردی به صورت دوره ای وضعیت وقوع تغییرات و اتفاق های مختلف را از سرویس دهندگان استعلام می نمایند . با این وجود ، واکشی اطلاعات به این روش با مشکلات فراوانی همراه است که شامل پهنای باند ، مصرف ناکارآمد توان عملیاتی ، بی موقع بودن زمانی ، و مشکلات مقیاس پذیری می باشند . واکشی بیش از حد اطلاعات از سرویس دهندگان ، توان و پهنای باند بی مورد زیادی را مصرف می نماید .<br /> واکشی اطلاعات نیازمند توافق با سرویس دهنده می باشد چرا که سرویس دهنده لازم است جهت پاسخ گویی به درخواست هایی که اغلب مورد استفاده ندارند و صرفا جهت ادامه سلسله مکرر واکشی انجام می گیرند ، زیر ساخت مناسب را فراهم آورد. <br /> در فرآیند واکشی اطلاعات ، باید حد آستانه ای بین فرکانس واکشی و تغییرات اتفاق افتاده در نظر گرفته شود . در این شرایط اطلاع رسانی تزریقی ، جایگزین مناسبی برای اطلاع رسانی نسبت به تغییرات انجام شده می باشد . در این نوع اطلاع رسانی ، سرویس گیرنده بستر ارتباطی دائمی را با سرویس دهنده مهیا ساخته و بطور ضربانی پیام هایی را در دوره های زمانی مشخص جهت جلوگیری از استنباط اینکه ارتباط ایجاد شده به عنوان یک ارتباط بی کار می باشد ، ایجاد می نماید .[4] در این گزارش ابتدا به بیان مفاهیم مربوط به دو روش اصلی اطلاع رسانی یعنی روش های تزریق و واکشی پرداخته و جنبه های مختلف هر یک مورد بررسی قرار می گیرد . سپس نمونه هایی از مورد کاربرد آنها و همچنین آینده پیش روی این خدمت با ارائه یک سناریوی فرضی بررسی خواهد شد . سپس به بررسی فنی هر یک از تکنیک ها پرداخته شده و نهایتا به بررسی بستر ابری برای ارائه خدمات اطلاع رسانی پرداخته خواهد شد .<br /> == انواع مدل های اطلاع رسانی وقایع ==<br /> === مفهوم تزریق و واکشی ===<br /> تزریق و واکشی دو مفهوم بسیار مهم در توصیف روش های پخشی در توزیع اطلاعات می باشند . مفهوم واکشی اطلاعات (Information Pull) به معنی این است که کاربر درخواستی را جهت دریافت بخش خاصی از اطلاعات ایجاد می کند . برای مثال کاربر درخواستی را به سمت سرویس دهنده ارسال می کند و سرویس دهنده پاسخ آن را باز پس می فرستد . تزریق اطلاعات (Push Information) به معنی این است که سرویس دهنده بدون درخواست کاربر اطلاعات ناشی از بروز رخ دادهای مختلف مربوط به سیستم را به سمت سرویس گیرنده مخابره می نماید . حالت واکشی اطلاعات کاربر گرا بوده و این سرویس گیرنده است که درخواست اخذ اطلاعات را صادر می کند و سرویس دهنده تنها به درخواست های وارده از سمت کاربران پاسخ داده و اطلاعات مورد درخواست را به کاربر مربوطه ارسال می دارد حال آنکه در روش تزریق اطلاعات تامین کننده گرا بوده و تامین کننده اطلاعات ، بدون آنکه درخواستی بر این مبنا از سمت کاربران دریافت کرده باشد ، اطلاعات را به سمت ایشان ارسال می دارد . در این حالت ، کاربر دریافت کننده نقش انفعالی داشته ولی در حالت واکشی اطلاعات کاربر نقش فعال دارد . [1]<br /> پیاده سازی های متنوعی از خدمت تزرریق وجود دارد . مانند پیام لحظه ای یا کنفرانس های همزامن ، پست الکترونیک به این شکل که پروتکل SMTP می تواند به عنوان یک پروتکل تزریقی قلمداد گردد . تزریق پست الکترونیکی ، فرآیند تحویل آن را به انجام می رساند به شکلی که توانایی تزریق پست الکترونیک در اولین زمان ممکن به سمت سرویس گیرنده را مهیا می سازد . سپس نیازمند سرویس گیرنده جهت گردآوری دستی پست های الکترونیک می باشد . تکنولوژی Push عموما در تلفن های همراه استفاده می شود . زمانی که یک پست الکترونیکی به صندوق پستی یک کاربر می رسد ، بدون اینکه کاربر نیازمند انجام کاری باشد ، به گوشی همراه کاربر تزریق می گردد . و این اتفاق از طریق یک پیام به اطلاع کاربر رسانیده می شود . برنامه های کاربردی زیادی از مکانیزم تزریق اطلاعات جهت تشریح معاملات کالاها ، لیست قیمت ها ، گپ و گفتگوهای آنلاین ، مزایده ها و حراجی ها ، نتیجه مسابقات ورزشی جهت شرط بندی و .. استفاده می کنند . <br /> تکنولوژی دیگر تزریق می تواند در ابزارهای تزریق اطلاعات یافت شود که عموما برمبنای سرویس دهنده پیاده سازی می گردند . داده ها به طور مستقیم از سرویس دهنده و به صورت پویا به سمت صفحه وب ارسال می گردد . <br /> ارتباط واکشی بطور گسترده و مکرر در وب مورد استفاده قرار می گیرد . از آنجایی که این روش بسیار پرکاربرد و پیاده سازی آن آسان می باشد ، و همچنین برای تعداد زیاد مشترکین نیز مقیاس پذیر می باشد و امکان فعالیت Offline را نیز مهیا می سازد با استقبال زیادی روبرو شده است .<br /> بسیاریی از برنامه های کاربردی که از HTTP استفاده می کنند ، داده های بروز شده را در دوره های زمانی از پیش تعیین شده ای که به آن زمان تازه سازی می گویند از سرویس دهنده واکشی نموده و بروز می نمایند . به منظور دستیابی به سطح قابل قبولی از دقت در اطلاعات ، لازم است که فرکانس واکشی بالا در نظر گرفته شود و به صورت ایده آلی بر مبنای نرخ انتشار پیام ها تعیین گردد تا از دست نرفتن اطلاعات را تضمین نماید . نمونه هایی از مثال هایی که از روش واکشی استفاده می کنند سرویس گیرندگان پست الکترونیکی مانند OutLook ، Thunderbird ، Windows Live Desktop ، Apple Mail و .... را نام برد . تمامی این سرویس ها پست های الکترونیکی را در یک دوره زمانی مشخص واکشی کی نمایند . <br /> ===از کدام روش باید استفاده نمود ؟===<br /> می توان این دو روش را بر مبنای میزان مصرف انرژی و صحت داده ها مقایسه نمود . با این وجود نمی توان نتیجه گرفت که یکی از این تکنولوژی ها نسبت به دیگری برتری دارد . چرا که این موضوع کاملا وابسته به نرم افزار و کاربری سرویس گیرنده دارد . <br /> بطور طبیعی ، اطلاعات یا پیام ها باید به سمت کاربر ارسال شوند . با این وجود خدمات باید برای تمامی وب سایت ها کاربردی باشد . لذا نمی توان تنها تکنولوژی مبتنی بر ارسال اطلاعات به سرویس گیرنده تکیه نمود . <br /> بطور عمومی سیستم ها از هر دو روش جهت دستیابی به هدف نهایی استفاده می کنند . به این معنی که در پس زمینه از ارتباط مبتنی بر واکشی جهت جمع آوری اطلاعات استفاده می گردد اما در جهت توزیع آنها از مکانیزم تزریق استفاده می شود.<br /> پهنای باند و تکنولوژی ارتباطی بی سیم حال حاضر ، با استفاده از کامپیوتر های شخصی ، PDA ها ، دستگاه های تلویزیون ، رادیو و ... روش های تزریق اطلاعات متنوعی را نسبت به گذشته فراهم نموده اند . با ارتباط این فناوری با منابع رو به رشد اطلاعات ، اطلاعات مفید تری در زمان های مناسب در اختیار ما قرار خواهند گرفت ، چنین اطلاع رسانی ممکن است در زمان مناسبی اتفاق نیافتاده و یا در مواقعی باشند که در کار اصلی کاربر خللی ایجاد نمایند . عدم دسترسی سریع نیز می تواند باعث نارضایتی کاربر گردد . با توجه به این موارد ، وجود یک سیستم اطلاع رسانی با دقت برای جلوگیری از چنین موارد ناخوشایندی که عموما در اثر تکرار زیاد دریافت پیام های خصوصی در بستر مبایل ایجاد می شود ضروری میباشد .<br /> سبک تزریقی اطلاع رسانی پیام ها به درگاه همراه مانند تلفن یا PDA و یا Tablet و ... که توسط کاربر به هر جایی حمل می شود ابزاری هستند که می توانند در حفظ آگاهی کاربر از زمینه های مورد علاقه خود کمک شایانی نماید . پیام ها یه یک پایانه رسیده و کاربر بر اساس علاقه و نیازمندی خود آنها را بررسی و یا رد می نماید . این سیستم کاربران جستجو و یا یافتن اطلاعات مورد نظر در اینترنت را به مخاطره نمی اندازد و به کاربران این فرصت را می دهد که خود اطلاعات با ارزشی را که مد نظرشان می باشد انتخاب نمایند . سبک تزریقی خدمت اطلاع رسانی بر مبنای چگونگی اطلاع رسانی از دریافت پیام جدید به دو رشته اصلی تقسیم می شود . <br /> === روش تزریق آگهی ذخیره شده ===<br /> به عنوان تزریق غیر زنده نامیده می شود و که در آن به کاربر در زمان وقوع یک رویداد پیام داده نمی شود و آگاهی کاربر از رخداد واقع شده بستگی به این دارد که کاربر با میل خود وارد و اقدام به مشاهده پیام های ذخیره شده نماید . این روش این قابلیت را که کاربر خود امکان انتخاب اینکه چه نوع اطلاعات ارزشمندی را در یک زمان مناسب دریافت کند ، به وی ارائه نخواهد داد . <br /> ===روش تزریقی آگهی زنده ===<br /> کاربر را با یک پیام صوتی و یا زنگ از وجود پیام جدید آگاه می سازد . هر چند که این روش پیام را بموقع به کاربر می رساند اما کار عادی کاربر را به وقفه می اندازد . اطلاعات ارسالی باید واقعا مفید باشند تا ارزش توقف جریان کار اصلی کاربر را داشته باشند.<br /> با توجه به این موارد ، نسل بعدی سیستم های اطلاع رسانی تزریقی باید پیام ها را بر مبنای حالت دقیق کاربر و فعالیتی که او در حال انجام آن است به وی ارسال نماید .<br /> <br /> === سناریو خدمت ===<br /> جهت درک بهتر پیشنهاد ارائه شده یک سناریو خدمت فرضی ارائه می گردد . <br /> باب تلفن همراه جدیدش را با خود به هر کجا حمل می کند و از آن به جای استفاده از ساعت مچی استفاده می نماید . او مکررا به صفحه تلفن همراهش به منظور بررسی زمان ، پیام های رسیده و تماس های دریافتی نگاه می اندزد . بعلاوه او حتی گاها در حین مکالمه با دوستانش هم بطور گذری به صفحه تلفن همراه خود نگاه می کند .<br /> او در حین غذا خوردن در یک روز زمستانی در حین ناهار نگاهی به تلفن همراه خود می اندازد و وضعیت آب و هوا را برای شب پیش رو مشاهده می نماید و متوجه می شود که پیش بینی هواشناسی خبر از یک برف سنگین در شب پیش رو می دهد . با توجه به اینکه او برای شب ، با پتی و تام قرار صرف شام داشته است ، پیام لغو آن را به پتی و تام از طریق پست الکترونیک ارسال می دارد . با توجه به اینکه باب تلفن همراه را بتازگی خریداری نموده است و با وارد کردن کلمات و تعامل با برنامه کاربردی پست الکترونیک با مشکل مواجه شده است . به محض اینکه صفحه برنامه کاربردی پست الکترونیک فعال شد پنجره پیش بینی آب و هوا به قسمت پایین منتقل گردید . مادامی که باب پیام خود را تایپ می نمود آن پنجره آخرین اخبار قیمت اجناس دسته دوم ورزشی را نمایش می داد . او مادامی که پیام دوم را برای تام ویرایش می کرد جهت رسیدگی به یک قرار کاری به اتاق ملاقات رفته و در حیت خروج از دفتر کار صفحه نمایش اطلاعات مهم بیشتری را نشان می داد . در زمان برگزاری جلسه او با افراد جلسه صحبت هایی در مورد تبلیغات در یک فروش حراجی در فروشگاه مورد علاقه اش می نماید . مادامی که از پله ها پایین می آید پنجره پیام در پایین صفحه ناپدید میگردد . پس از رسیدن به خانه او اطلاعات فروش حراجی را در زمان مناسب مشاهده می نماید . او نمی دانست که این پیام به تازگی نشان داده شده است . بعد از یک ماه باب یک قرار شام با تام و پتی ترتیب داد تا قرار قبلی را جبران نماید . <br /> این سناریو آینده سیستم های اطلاع رسانی را تشرح می نماید . یعنی هر زمانی که کاربر به دستگاه همراه خود نگاهی می اندازد ، سیستم به طور پویا میزان آگاهی کاربر از اطلاعات پیرامونش و همین طور انتقال وقفه در کار جاریش را محاسبه نموده و سپس پیام را در زمان مناسبی بدون آنکه برای کاربر مزاحمتی ایجاد نماید به وی نشان می دهد . توجه دقیق سیستم به فعالیت کاربر مانند راه رفتن ، نشستن و ... می تواند باعث ایجاد انعطاف در تحویل پیام ها به کاربر گردد . <br /> ارائه پیام و تطبیق آن نه تنها به وظیفه اصلی وضعیت برنامه کاربردی در پایانه بستگی دارد بلکه به مهارت های کاربر در آن برنامه نیز وابسته است . همچنین سیستم از یک مکانیزم جبرانی جهنت دوباره مطلع سازی کاربر به منظور جلوگیری از ازدست دادن اطلاعات استفاده می کند . <br /> چنین سیستمی به چندین بخش اصلی تقسیم می شود . یکی از آنها به منظور بازیابی اطلاعات دریافتی و تخمین وضعیت کاربر و کار در حال انجام وی می باشد . بخش اصلی دیگر جهت مدیریت مدل کاربر می باشد که شامل اطلاعاتی جهتی جهت تطبیق و کنترل اطلاع رسانی ها بر اساس حالت مدل بکار گرفته می شود .<br /> [[تصویر:Ref3Figure1.jpg|وسط|قاب|شکل 1]]<br /> <br /> منبع اطلاعات ، پیام هایی را که باید به کاربر ارسال گردد تولاید می نماید . که معادل تامین کنندگان اطلاعات خدمات لیست پیام های پستی ، زمان بندی های کاری ، RSS و .. می باشد . این طور فرض می شود که هر پیام دارای یک فراداده است که شامل دوره ، اعتبار و طول پیام می باشد و به محض دریافت پیام از منبع اطلاعات دریافت کننده پیام آن را در صف پیام ها قرار می دهد . کنترل کننده تطبیقی پیام ها که یکی از دو عنصر اصلی این فرآیند است ، پیام های ذخیره شده را بررسی و اولین پیام را به کاربر ارسال می کند . پیام در بهترین زمان و بهترین شکل ممکن بر مبنای حالت حرکت کاربر ، میزان دقت کاربر ، کاری که در حال انجام آن است و ... به دست وی می رسد . این ارزیابی بر مبنای تابع سودمند انتظار که به بار کاری و میزان اطلاع رسانی ایجاد شده توجه می کند انجام می گیرد . سیستم باید بتواند یک ارتباط عللی را بین آگهی از اطلاعات و بار کاری ، وضعیت انجام کاری ، حالت کاری ، شخصیت کاربر ، نوع واکنش کاربر و سایر عناصر قابل کنترل بر قرار نماید . <br /> مدل اطلاع رسانی کابر ، این ارتباط ساختیافته را مدیریت می نماید . جبران کننده اطلاع رسانی ، عنصر دیگری است که »شخص می کند آیا پیام ارسالی به کاربر بررسی شده است یا خیر . این عنصر در این مورد قضاوت نموده و در صورت نیاز نیاز پیام را جهت ارسال مجدد در انتهای صف ارسال پیام قرار می دهد . این قضاوت بر مبنای حالت کاری کاربر و وضعیت کاربر در لحظه سنجیده می شود که بعد از اطلاع رسانی به کاربر و دریافت واکنش وی نسبت به آن خواهد بود . در سمت پایانه سرویس گیرنده ، اطلاع پیام را بر حسب زمان و مدل ارایه به کاربر نمایش می دهد . در همین لحظه واکنش کاربر و ضعیت سیستم عامل و وضعیت کاربر در مقابل پاسخ به پیام را نظاره کرده و اطلاعاتی را در این خصوص به مدیریت حالت ارسال می کند . مدیریت حالت این اطلاعات را برداشت نوده و پس از یک تحلیل و تفسیر آماری نتایج را به مدل اطلاع رسانی به کاربر ارائه می نماید و این اطلاع رسانی تفسیر شده ، در بانک اطلاعاتی حالت ها برای استفاده های بعدی ذخیره می گردد . <br /> <br /> == تکنیک های اطلاع رسانی ==<br /> === تکنولوژی تزریق روی بستر اینترنت ===<br /> به طور کلی سه تکنولوژِ اصلی برای دریافت اطلاعات وجود دارد . <br /> * تزریق روکشی : <br /> در این حالت سرویس گیرنده به وطور منظم به سمت سرویس دهنده درخواست می فرستد و سرویس دهنده بر مبنای درخواست سرویس گیرنده اطلاعات را به سمت وی تزریق می نماید .<br /> * تزریق پالایش شده :<br /> سرویس گیرنده کانالی را روی نرم افزار سرویس گیرنده انتخاب می نماید . سرویس دهنده نیز اطلاعات را پالایش کرده و از طریق کانال انتخابی آنها را به سرویس گیرنده ارسال می نماید . <br /> * تزریق مشترک / ناشر <br /> مشترک ، علاقه مندی خود را در اطلاع از وقوع وقایع اعلام می دارد . این وقایع توسط ناشر ایجاد شده و به مشترک بر اساس نوع علاقه مندی وی تحویل داده می شود .<br /> جدول شماره یک نقاط قوت و ضعف این سه روش را برروی اینترنت مورد بررسی قرار میدهد . [1]<br /> <br /> [[تصویر:Ref1Table1.jpg|وسط|قاب|جدول 1]]<br /> <br /> تکنولوژی تزریق اولین بار روی اینترنت مورد استفاده قرار گرفت . اما در آن زمان به بازار قابل قبولی دست پیدا اکرد . همچنان که تلفن های هوشمند عمومی تر شدند ، این تکنولوژی برای تلفن های همراه برجسته تر گردید . اطلاع رسانی تزریقی می تواند با استفاده از ویژگی های محاسبات ابری و مبایل تحت وب ارائه گردد. برنامه های خارجی می توانند پیام ها را به ابزار ها ارسال نمایند . استفاده از این تکنولوژی بر مبنای محاسبات ابری مزایای زیر را در بر دارد :<br /> === بروزرسانی کامل در لحظه ===<br /> زمانی که مشخصه جدیدی از برنامه قابل دسترس می باشد . سرویس دهنده ابتدا پیامی را به کاربران تزریق نموده و کاربران به موقع از آن مطلع می گردند . در صورتی که دستگاه مقصد بر خط باشد ، سرویس دهنده بروزرسانی را به ابزار ارسال می دارد و در غیر اینصورت سرویس دهنده به صورت موقت اطلاعات را در خود ذخیره کرده و به محض در دسترس قرار گیری ابزار ، آن را به وی تحویل می دهد. <br /> === سفارشی سازی و شخصی سازی ===<br /> این تکنولوژی درجه زیادی از سفارشی سازی را برای کاربر به همراه دارد . سرویس دهنده ابری می تواند اطلاعات را که مورد نیاز کاربر است به وی ارسال دارد .<br /> <br /> === امنیت و مقیاس پذیری قابل قبول ===<br /> بین مشترک و ناشر لازم است احراز هویت انجام گردد. داده های کاربر به هیچ وجه به خارج درز نخواهد کرد . <br /> جدول دو تفاوت های دو روش استفاده از تکنولوژی تزریق روی بستر اینترنت و بستر ابری را با هم مقایسه می نماید . <br /> [[تصویر:Ref1Figure1.jpg|وسط|قاب|شکل 2]]<br /> <br /> == خدمات ابری در فرآیند اطلاع رسانی==<br /> محاسبات ابری به شکل گسترده ای جهت پیاده سازی برنامه های کاربردی تحت وب استفاده می شوند چرا که این خدمات انعطاف بیشتری از خودش نشان می دهند . پرداخت به ازاء استفاده از خدمات نیز در محاسبات ابری امکان فرصت های درآمدی بیشتری را برای شما فراهم می نماید . <br /> سرویس های محاسبه ابری اطلاع رسانی تزریقی ، یکی از قابلیت های اصلی برنامه های کاربردی تحت وب و مبایل هستند که در آنها اطلاع رسانی به موقع به کاربر از وقایع رخ داده از اهمیت بالایی برخوردار می باشد . این سرویس ها در برنامه هایی که در آنها لازم است اطلاعات کاربر نسبت به محیط به طور مکرر بروز شود به عنوان جزء اصلی قلمداد می گردد . <br /> SMS ، MMS ، نمونه هایی از سرویس های تزریق مبتنی بر بستر ابری می باشند . در این شرایط با توجه به اینکه ارسال و دریافت پیامک ها وابسته به دردسترس بودن مرکز پیام کوتاه به عنوان پردازنده فضای ابری می باشد ، لذا ارسال پیام از این طریق هزینه بر می باشد .<br /> از زمانی که ابزار های کاربری بی سیسم متنوعی معرفی شدهاند ، مسائل جدید پیرامون بحث همراه بودن و قابل حمل بودن ابزار ایجاد شده است . بنا بر این افراد امکان این را دارند که ضمن سفر به کارهای مختلفی پرداخته و وظایف خود را در هر زمان و مکانی به انجام رسانند .[2]<br /> اطلاع رسانی بطور مستقیم ، زمانی که یک کاربر بطور عادی از صفحات وب بازدید می کند پشتیباانی نمی شود . همچنین همه وب سایت ها این خدمت را ارائه نمی دهند . در حقیقت تنها تعداد محدودی از سایتها مانند سایت های اخبار ورزشی و یا سایت های اطلاعاتی مشابه هستند که این خدمت ارائه و اطلاعات را به سمت کاربران ارسال می دارند. فضای دیجیتال جدید به شکلی تغییر کرده است که در آن تعداد زیادی از کاربران در انتظار نمایان شدن نوع خاصی از اطلاعات روی صفحات وب می باشند . با این حال تزریق مانند انتشار اطلاعات نیست . برای مثال یک وضعیت خاص زمانی که یک کاربر متقاضی یک رخداد خاص می گردد اتفاق می افتد . مثال دیگر زمانی است که یک سایت خاص اطلاعات مشخصی را منتشر ساخته و کاربران آن را دنبال می کنند . در این موارد لازم است که کاربران رایانه را روشن نموده و بطور مداوم تمامی صفحات سایت ها را مرور کنند تا از اتفاقاتی که می افتد اطلاع کسب نمایند . <br /> یک سیستم اطلاع رسانی خودکار ، این عملیات را به طور خودکار انجام می دهد . این سیستم ها اطلاعات وب سایت ها را جذب نموده و آنها را به سمت کاربران مربوطه ارسال می دارند . هدف اصلی از معرفی این سیستم ها ، درک امکان ارسال اطلاعات برای سیستم هایی است که از آن پشتیبانی نمی کنند . این امر از مراجعه مکرر کاربران به وب سایت جهت اطلاع از وقوع یک واقعه جلوگیری نموده و جهت وقوع کلمات کلیدی خاص محیط را جستجو می کند . [2] <br /> <br /> === تکنولوژی سرشماری ===<br /> این تکنولوژی یکی از روش های همگام سازی خودکار داده ها می باشد که طی آن یک ارتباط دائم و باز بین سرویس دهنده وب و سرویس گیرنده تا زمان تغییر در وضعیت سمت سرویس دهنده ایجاد می شود . امتیاز این روش در سادگی پیاده سازی آن می باشد . زمانی که ابزار کاربری بی کار است ، ممکن است که یک ارتباط باز TCP با سرویس دهنده داشته باشد اما هیچ داده ای بین آنها رد و بدل نمی شود . زمانی که سر شماری داده ها در حال اجرا می باشد ، توانی را جهت خواندن ، نوشتن ، افزایش کاربری شبکه و .. مصرف می کند . این روش بوسیله بسیاری از برنامه ها ی کاربردی تحت وب مورد استفاده قرار می گیرد . سرشماری طولانی به توسعه دهندگان وب امکان ایجاد برنامه های کاربردی قابل قبول تری را نسبت به سایر روش ها می دهد . چرا که رفته رفته توسط تمامی مرور گرها پشتیبانی می گردد . سر شماری طولانی به زودی جایگزین وب سوکت ها می گردد . یک مقایسه بین روش سر شماری و تزریق روی میزان مصرف باتری در دستگاه های همراه نشان می دهد که روش تزریق میزان مصرف باتری کمتری نسبت به روش سرشماری خواهد داشت . <br /> <br /> [[تصویر:Ref2Figure1.jpg|وسط|قاب|شکل 3]]<br /> سیستم های ANS مبتنی بر محاسبات ابری تمامی نیازمندی های لازم را برآورده خواهند نمود . این سیستم ها به دو روش عمل می کنند .<br /> * به عنوان یک خدمت :<br /> برای کاربران عادی اینترنت امکان آگاهی از تغییرات رخ داده شده در وب سایت های مورد علاقه را مهیا می سازند <br /> * به عنوان یک قابلیت افزودنی تزریقی : <br /> به تاممین کنندگان خدمات ابری این امکان را می دهد که بدون تغییر در ساختار وب سایت موجود که از تکنولوژی تزریق استفاده نمی کند ، سیستم خود را به قابلیت تزریق اظلاعات مربوط به رخ دادها مجهز نماید .<br /> بطور کلی ANS قابلیت های ارسال اطلاعات را برای هر وب سایتی مهیا می سازند . کارایی سیستم در این حالت به دو بخش منطقی زیر تقسیم می شود <br /> * کاربران عمومی<br /> * کاربران مدیر<br /> کاربران عمومی باید در سیستم احراز هویت شده و می توانند پیام های دریافتی را مدیریت نمایند . در حالی که مدیر سیستم تنها وارد سیستم شده و سیستم را مدیریت می نماید .<br /> === قابلیت های کاربران عمومی ===<br /> قابلیت های عمومی کاربر وابسته به کاربر نهایی می باشند . دیاگرام مورد کاربر ارائه شده در شکل زیر بخشی از آن را نشان می دهد . <br /> [[تصویر:Ref2Figure2.jpg|وسط|قاب|شکل 4]]<br /> به کاربران عمومی معمولا پیشنهاد می گردد که صفحه وبی را که می خواهند از تغییرات محتوای آن مطلع شوند انتخاب نمایند . به عنوان مثال یک فرد محقق که نتایج تحقیقات خود را در قالب یک مقاله در مجلات منتشر می کند ، مایل است که از زمان انتشار مقاله خود مثلا در سایت IEEE و یا ACM و ... مطلع گردد . بعلاوه کاربر معمولی ممکن است بخواهد بداند که آیا نام او در یکی از خبرنامه ها و یا وبلاگ ها بکار رفته است یا خیر . برای دستیابی به هرکدام از این ویژگی ها ، استفاده از واسط های زیر به هر کاربر پیشنهاد می گردد .<br /> * درج صفحه وب : <br /> که در آن یک کاربر عمومی صفحه یا صفحاتی را که مایل است بر روی یک کلمه یا عبارت در آن حساسیت ایجاد گردد و مورد رصد قرار گیرد مشخص می نماید .<br /> * درج کلمه کلیدی :<br /> قابلیتی است که به کاربر عمومی اجازه تعیین یک کلمه کلیدی را جهت پالایش اطلاعات یا دریافت آگهی می دهد .<br /> * درج تکرار واکشی :<br /> امکان تعیین دوره های زمانی مشخص جهت واکشی اطلاعات فیلتر شده را می دهد . <br /> * درج روش اطلاع رسانی :<br /> به کاربر این امکان را میدهد که روش دریافت آگهی را مشخص نماید که می تواند از روش های مختلف مانند دریافت پیامک ، پست الکترونیک و ... باشد . <br /> این قابلیت ها معمولا در قالب کمپین سازمان دهی می شود وبه این صورت که کاربران عمومی می توانند کمپین های متعددی را جهت جستجوی اهداف مختلف ایجاد نمایند . برای مثال یک محقق می تواند یک کمپین را جهت جستجوی کتابخانه های دیجیتال متعدد ایجاد نماید . بعلاوه کاربران عمومی می توانند پرس و جو های متعددی را در قالب یک کمپین برای بهتر نمودن هماهنگی و مدیریت ایجاد نمایند . با ثبت نام ، هر شخص می تواند به صفحه مدیریت وارد شده و این صفحه به کاربر اجازه تعریف اعلانات با انتخاب صفحات وب و متون مورد نظر را جهت پیگیری تغییراتشان می دهد . دو قابلیت اصلی امکان پذیر می باشد . <br /> * انتخاب صفحه وبی که متنی در آن تغییر می کند . براین مثال زمانی که یک محقق از تعداد مشخصی از منابع شاخص گذاری شده در یک کتابخانه دیجیتال استفاده می کند ماننذ (ieeexplore ، acm و ... ) . لذا او علاقه مند است که نسبت به انتشار یک مقاله جدید آگاهی کسب نماید .<br /> * انتخاب صفحه وب که یک عبارت مشخص در آن ظاهر می شود . برای مثال یک نام مشخص در یک خبر یا وبلاگ پدیدار گردد . <br /> همچنین کاربران عمومی قادر به تعریف فرکانس جستجو برای هر پرس و جویی که در کمپین تعریف می کنند می باشند . یک پرس و جو می تواند توسط یک واسطه وبی ایجاد گردد . در این موارد یک کاربر می تواند فعالیت خود را به صورت یک ماکرو رکورد نماید . توالی اقدام های انجام شده ضبط شده و به منظور شبیه سازی تعامل انسان با کاپمیوتر به یک کنترل کننده ارسال می گردد . این امر این امکان را فراهم می سازد که کلمات کلیدی گوناگونی را مورد جستجو قرار دهد ، کلمات کلیدی از قبل تعریف شده ای را پیدا نمایند و یا فایلی را که نتیجه انتخاب یک دکمه رادیویی خاص ، آیتم در یک لیست کشویی ، ورود یک متن در یک کادر مشخص و یا کلیک روی یک دکمه خاص است پیمایش نماید .<br /> ===قابلیت های مدیریتی===<br /> قابلیت های مدیریتی در شکل 3 ارائه شده است .<br /> [[تصویر:Ref2Figure3.jpg|وسط|قاب|شکل 5]]<br /> امتیازاتی که به مدیر داده می شود اشاره به مدیریت و نگهداری پیمانه های خاص مانند جستجوگر ها و اطلاع رسانی ها دارد . این قابلیت ها شامل ایجاد ، افزودن ، ویرایش و حذف جستجوگر ها و اطلاع رسانی ها از طریق یک واسط کاربری کاربر پسند می باشد . بعلاوه مدیر سیستم ، کاربران را مدیریت نموده و یک نگاه بالادستی نسبت به تمامی قابلیت های سیستم دارد که شامل اعتبار سنجی ، ارائه پشتیبانی به کاربان عمومی و .. می گردد . قابلیت های کاربردی خاصی می تواند به حساب ها و تامین کنندگان خدمات ابری که مایل هستند اطلاع رسانی تزریقی را در وب سایت های خود داشته باشند ارائه گردد . این امر می تواند بر اساس پرداخت و به ازاء استفاده که مربوط به مفاهیم ارائه نرم افزار به عنوان سرویس می باشد تحقق یابد .<br /> === قابلیت های پشت صحنه ===<br /> قابلیت های اصلی سیستم شامل جستجوی صفحه های وب درج شده برای کلمات کلیدی مشخص با تکرار خاص می باشد که می تواند مقدار از پیش تعیین شده ای را داشته باشد . برای مثال هر 10 دقیقه ، 2 ساعت و یا هر روز . به طور طبیعی از کاربران درخواست می شود که این فرکانس را مشخص نمایند . سیستم کلمات کلیدی مشخص شده را جستجو کرده تا اطلاعات مورد نظر آنها را کشف نماید . دقت داشته باشید که انتخاب فرکانس بالا در جستجو مانند هر دقیقه می تواند به شکل فزاینده ای میزان انتقال داده ها را بالا برده و در نتیجه هزینه استفاده از خدمت افزایش یابد . مزیت سیستم ANS در مقابل سایر سیستم ها مشابه این است که برای کاربران این فرصت را می دهد که کانال های تحویل و ابزاری را که از طریق آن اطلاع رسانی را دریافت خواهند نمود انتخاب نمایند . برای مثال سرویس دهنده هایی مانند (پست الکترونیک ، پیامک ، پیام رسان ابری گوگل ، اسکایپ ، تویتر ، فیس بوک و .. ) همچنین سیستم به عنوان صفحه وبی در نظر گرفته می شود که یک شخص می تواند تمامی آگهی را مشاهده و یا به صورت یک افزونه به مرور گر خود اضافه نماید . ( به عنوان مثال زنگ اعلان (Alert Bell) در مرور گر کروم شرکت گوگل)<br /> === معماری سیستم ===<br /> معماری عمومی سیستم مبتنی بر سیستم اطلاع رسانی وبی در شکل زیر نمایش داده شده است .<br /> [[تصویر:Ref2Figure4.jpg|وسط|قاب|شکل 6]]<br /> خدمت واسط کاربری اصلی (UIS) توسط مرورگر ارائه می گردد . UIS یک واسط کاربری ساده جهت تعریف و نمایش اعلانات شامل ماکروهای ضبط شده از توالی اقدامات کاربر می باشد . سرویس جستجو گر (CRS) وب سایت ها را پویش کرده و محتوای مناسب را به کنترل کننده خدمت (COS) ارسال می نماید . سپس COS عملیات پایش را اجرا می نماید . همچنین COS به صورت دوره ای CRS را جهت پویش مجدد صفحات فعال می نماید . وظیفه دیگر COS تحلیل محتوای تولید شده می باشد تا اطلاعات سودمند را از بین سایر اطلاعات غیر ضروری جدا نموده و ذخیره نماید . در صورتی که کاربر شرایطی را تعریف کرده باشد که احراز گردد ، COS سرویس اطلاع رسانی (NS) را فراخوانی نموده تا اطلاع رسانی لازم به کاربر صورت پذیرد . سپس NS ، کانال مورد نظر جهت ارسال پیام را فراخوانده و پیام را از طریق آن به کاربر ارسال می نماید .<br /> === یکپارچه سازی سیستم === <br /> سیستم می تواند آنچه را که یک کاربر پس از ورود به یک صفحه وب انجام می دهد ، شبیه سازی نماید . این امر به این معنی است که جدای از مشاهده یک صفحه و وقوع یک متن داخل آن سیستم همچنین کلیک روی دکمه ای خاص و یا وارد کردن مقدار مشخصی را نیز شبیه سازی می کند . سیستم قادر است ورود اطلاعات مشخص را در یک صفحه وب تعاملی ، شبیه سازی نماید . برای مثال انتخاب یک دکمه رادیویی خاص و یک آیتم از یک لیست باز شونده و یا ورود یک مقدار خاص در یک کادر متنی و یا کلیک روی یک دکمه فعال سازی <br /> سپس سیستم می تواند فایل هایی را جهت یافتن کلمات کلیدی از قبل مشخص شده و با تشخص از اینکه آیا تغییری در محتوا اتفاق افتاده ، مشخص نماید . <br /> وب سایت هایی که از قابلیت اطلاع رسانی تزریقی استفاده می کنند ، API هایی را جهت استفاده سایر سیستم ها ارائه می نمایند . .از این طریق می توان اطلاع رسانی ترکیبی را برای هر صفحه وبی ایجاد نمود . ANS می تواند به وسیله هر کانالی مانند پست الکترونیک ، اسکایپ ، توییتر ، فیس بوک و یا یک صفحه وب که اشخاص می توانند آگهی ها را در آن مشاهده نمایند ، پیام ها را انتقال دهد . <br /> == متدولوژی طراحی == <br /> با اینکه سیستم به صورت یک سرویس طراحی شده است کاملا واضح است که تعداد زیادی از کاربران در زمان های مختلف استفاده متفاوتی از آن خواهند داشت . برای مثال اوج یک بازی ورزشی در آخر هفته اتفاق می افتد و یا به عنوان مثال دیگر ، یک محقق می باشد که نیازمند جستجو بعد از اجرای یک کنفرانس یا پذیرفته شدن یک مقاله خواهد بود . <br /> این موارد منجر به این می شود که سیستم را مجددا طراحی نماییم . <br /> === خدمات ایستا و پویا ===<br /> تحلیل ارائه شده نشان می دهد که کدام سرویس بیشترین وابستگی را به مشترکین داشته و متناسب با آن چه زمانی فعال و غیر فعال می گردد . UIS و COS خدمات ایستا و CRS و NS خدمات پویا هستند . UIS باید در تمامی زمان ها فعال بوده تا کاربران بتوانند بطور دلخواه به سیستم دسترسی یابند . این خدمات نیازی به منابع زیادی ندارد چرا که تنها لایه نمایش سیستم می باشد . COS نیز یک خدمت ایستا می باشد چرا که تنها به صورت دوره ای CRS را فرا می خواند . دو سرویس دیگر پویا بوده چرا که در تمامی زمان ها مورد استفاده قرار نمی گیرند . بلکه تنها در زمان های مشخصی فراخوانی شده و مورد استفاده قرار می گیرند . با این وجود هر دو خدمت CRS و NS مستقیم وابسته به تعداد کاربر فعال و سیاست های زمانیندی آنها برای انجام عملیات جستجو می باشند . <br /> === توسعه در بستر ابری ===<br /> پس از تعیین بخش های پویا و ایستا آنها باید در بستر ابری و تحت منابع مشخصی ارائه گردند و بخش پویا باید روی VM ارائه گردد تا بتواند در زمان لازم ایجاد و یا غیر فعال گردد . حال آنکه بخش ایستا باید همواره در حال اجرا باشد .<br /> با توجه به اینکه مقیاس پذیری و انعطاف دو خصوصیت مهم برای هر سیستم نرم افزاری می باشد ، توزیع این سیستم ها همانطور که در شکل 6 نمایش داده شده در چهار فاز صورت می پذیرد . <br /> [[تصویر:Ref2Figure6.jpg|وسط|قاب|شکل 7]]<br /> جریان جستجو گر منابعی هستند که از طریق خدمات ابری ارائه می شوند . حال آنکه کنترل کننده و سرویس دهندگان عمومی می توانند به صورت مستقل و یا در بستری خاص تنظیم گردند . سرویس دهندگان عمومی و کنترل کننده ها جریان اطلاع رسان و جریان جستجو گر به طور مستقل مورد بررسی قرار خواهند گرفت . شکل شماره 6 معماری بهبودیافته سیستم را نمایش می دهد .بطوری که سرویس های نام برده بر روی پیمانه های نرم افزاری در معماری ابری مستقر شده اند . هر خدمت به عنوان یک جریان مستقل ارائه خواهد شد بطوری که UIS روی سرویس دهندگان عمومی میزبانی خواهند شد . COS روی جریان کنترل کننده و NS روی جریان آگهی دهنده و CRS روی جریان جستجو گر مستقر می گردند . سرویس دهنده عمومی بخشی از سیستم است که به صورت عمومی در دسترس می باشد . در واقع موجودیتی است که برنامه کاربردی تحت وب روی آن میزبانی می گردد . پیمانه های UIS روی این سرویس دهنده مستقر می گردند و این برنامه های کاربردی تحت وب هستند که پیمانه های UIS را که روی سرویس دهندگان عمومی قرار گرفته اند ارائه می دهند و با کنترل کننده ها به منظور درج و واکشی اطلاعات که مورد نیاز کاربر است در ارتباط می باشند . کنترل کننده ، خدمت COS را ارائه می نماید و در واقع مغز سیستم می باشد به طوری که مکانیزمی فراهم می آورد تا قابلیت ها و ویژگی های سیستم را قابل دسترس سازد . در سناریو نمایش داده شده در شکل 6 ، کنترل کننده از سرویس دهنده عمومی مستقل در نظر گرفته شده است . کنترل کننده ها با سرویس دهندگان عمومی به منظور جمع آوری اطلاعات مورد نیازر کاربر تعامل می نمایند . بعلاوه این پیمانه جستجو گر ها و اطلاع رسان ها را هماهنگ می سازد . وظایف کنترل کننده به نوعی به ورودی کاربر بستگی دارد چرا که بر مبنای آن کار را برای جستجو گر ها توزیع می نماید . کنترل کننده با جستجو گر در تعامل بوده و نتایج جستجو گر را در دوره های زمانی مشخص از آن تحویل می گیرد . بر مبنای این نتایج وظایف آگهی دهنده مشخص می شود و هر کدام از آنها به معنای در دسترس بودن آگهی دهنده به آن ارسال می شود . از دیدگاه فنی ، کنترل کننده شامل دو خدمت و بانک اطلاعاتی می باشد . خدمت اول برای دستیابی به نتایج کاربر استفاده شده و خدمت دوم برای کنترل جریان ها بکار گرفته می شود . بانک اطلاعاتی نیز مجموعه ای از تمامی نتایج جمع آوری شده در سیستم می باشد . در یک سناریو توزیع شده ، بانک اطلاعاتی و کنترل کننده شامل جمع آوری داده های بدست آمده از هر جریان (جستجوگر ، آگهی دهنده) می باشد .<br /> === جریان جستجوگر ===<br /> این بخش از سیستم شامل مجموعه ای از جستجو گرها می باشد در این جریان چندین سرویس دهنده در دسترس می باشد. سناریو پردازش ابری در این حالت بسیار ارزشمند بوده چرا که باعث افزایش انعطاف پذیری شده و نیازی نیست که تمامی سرویس دهندگان در تمامی زمان ها فعال باشند .<br /> جستجو گر های همانطور که از نامشان مشخص می باشد موظف به جستجوی وب سایت ها بر اساس پرس و جو هایی که کاربر مشخص می کند می باشند . هر جستجو گر نیز بانک اطلاعاتی خاص خود را دارد که زمانی که کنترل کننده یک وظیفه را توزیع می کند پر می گردد . بعد از اتمام کار جستجوی اطلاعات برای کنترل کننده ، عملیات هماهنگ سازی شروع می گردد . جستجو گر ها می توانند روی بستر های VM با پیکربندی های مختلف سخت افزاری و نرم افزاری در بستر ابری مانند Windows Azure و یا Amazon EC2 و یا Google Comput و یا بستر های متن باز پردازش ابری مانند [[اوپن‌استک|Open Stack]] و یا Eucaluptus ارائه گردند .<br /> <br /> === جریان اطلاع رسان === <br /> این پیمانه شباهت زیادی به پیمانه جستجو گر دارد و تفاوت آنها در سطح کاربردی می باشد . اطلاع رسان ها برای آماده سازی و ارسال آگهی ها به کاربر مورد استفاده قرار می گیرند . برای این منظور هر آگهی دهنده با چندین تطبیق دهندهکه در دسترس پذیری آگهی ها از طریق چندین سرویس دهنده کمک می نمایند ، مجهز می باشند . مانند FaceBook Messenger ، Google Cloud Messaging ، Email ، Twitter ، Linked-In و ...<br /> تفاوت دیگر در این است که آگهی دهنده تنها اطلاعات را از کنترل کننده دریافت نموده و با کنترل کننده تعامل متقابل در پاسخ به آنچه که در یافت کرده نمی نماید بلکه تنها در زمان بروز خطا پیام مناسب را به کنترل کننده ارسال می دارد .<br /> == جمع بندی ==<br /> به منظور افزایش رضایتمندی کاربران در استفاده از خدمات الکترونیک در فضای تجارت کسب و کار ، اطلاع رسانی به موقع همواره یکی از ابزارهای ایجاد مزیت رقابتی بوده است . با توجه به رشد بکارگیری این خدمات در زندی روزمره کاربران ، لزوم اطلاع رسانی به کاربران بیش از پیش احساس می گردد لذا ابزارهای متنوعی جهت ایجاد بستر اطلاع رسانی به کاربران ایجاد شده است .روش های تزریق اطلاعات و واکشی اطلاعات ، روش هایی هستند که بطور معمول برای این منظور مورد استفاده قرار می گیرند که هر یک دارای مزایا و معایبی می باشند و قابل استفاده در فضای کاری خاص خود هستند . در بسیاری از سیستم ها از حالت ترکیبی این دو روش استفاده می گردد .در کنار امکان پیاده سازی هر یک روش های فوق روی بستر اینتر نت ، پردازش ابری نیز یکی از ابزار های مناسب جهت افزودن امکان اطلاع رسانی به صورت تزریقی به سیستم ها می باشد . این روش علاوه بر اینکه می تواند به صورت مستقل توسط کاربران در پیگیری تغییرات محتوای سایت ها بکار گرفته شود ، می تواند از طریق API به صورت افزونه هایی در سایر سیستم ها مورد استفاده قرار گیرند . از جمله تامیین کنندگان این گونه خدمات ابری می توان به Apple ، Google و Microsoft اشاره نمود که خدماتی را برای این منظور ایجاد و به صورت پرداخت به ازاء استفاده در قالب SAS در اختیار قرار می دهند . در حال حاضر خدمات اطلاع رسانی به صورت فزاینده ای در سیستم ها در حال استفاده می باشند اما آنچه که به عنوان آینده این نوع خدمت متصور است ، نمایش اطلاعات بر مبنای وضعیت ، حالت و فعالیت کاربر می باشد به این شکل که سیستم با توجه به مشکلاتی که ارسال بی موقع اطلاعات می تواند برای کاربران ایجاد نماید ، آنها را در زمان های مقتضی به ایشان نمایش می دهند و همچنین سیستم جبرانی را جهت نمایش مجدد پیام های از دست رفته پیش بینی می نمایند .<br /> == مراجع ==<br /> *[1] Na Li , Yanhui Du , Guangxuan Chen : Survey of Cloud Messaging Push Notification Service , 2013 International Conference on Information Science and Cloud Computing Companion<br /> *[2] Marjan Gusev, Sasko Ristov, Goran Velkoski, Ana Guseva, Pano Gushev : Scalable Architecture of Alert Notification as a Service , International Conference on Information Society (i-Society 2014)<br /> *[3] Hiroyda KASAI, Kenichi YAMAZAKI , Shoji KURAKAKE : Adaptive Notification System Guaranteeing Message Reachability , IEEE 2005<br /> *[4] Ian Warren and Andrew Meads , Satish Srirama , Thiranjith Weerasinghe , Carlos Paniagua: Push Notification Mechanisms for Pervasive Smartphone Applications , 2014 IEEE<br /> *[5] Junhua Ding , Wei Song , Dongmei Zhang : An Approach for Modeling and Analyzing Mobile Push Notification Services , 2014 IEEE International Conference on Services Computing</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A7%D9%85%DB%8C%D8%B1%D8%A7%D8%AD%D8%B3%D8%A7%D9%86_%D8%B5%D8%A7%D8%AF%D9%82%DB%8C&diff=10442 2015-04-28T02:39:09Z

<p>Goodosuser: غلط املایی</p> <hr /> <div>فارغ التحصیل رشته نرم افزار کامیپوتر از دانشگاه آزاد اسلامی واحد صفادشت <br /> <br /> <br /> <br /> مدیر لینوکس شرکت پارس تلکام <br /> <br /> زمینه های فعالیت <br /> virtualization <br /> LINUX <br /> cloudcomputing with cloudstack and [[اوپن‌استک|open stack]] <br /> HP Solutions <br /> Datacenter management and desgin<br /> Networking with linux</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%81%D8%A7%D8%B7%D9%85%D9%87_%D8%A7%D8%B3%DA%A9%D9%86%D8%AF%D8%B1%DB%8C&diff=10441 2015-04-28T02:38:06Z

<p>Goodosuser: /* علائق تحقیقاتی */</p> <hr /> <div>== معرفی ==<br /> * دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات-شبکه های کامپیوتری دانشگاه علم و صنعت ایران<br /> * عضو [[جامعه آزاد رایانش ابری ایران]]<br /> * <br /> == علائق تحقیقاتی ==<br /> * Network Security <br /> * Data Anonymization <br /> * Cloud Computing <br /> * Virtualization<br /> * Infrastructure as a Service<br /> * [[اوپن‌استک|Open Stack]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A7%D9%88%D9%BE%D9%86%E2%80%8C%D8%A7%D8%B3%D8%AA%DA%A9&diff=10440 2015-04-28T02:34:23Z

<p>Goodosuser: صفحه جدید</p> <hr /> <div>'''اوپن استک'''<br /> OpenStack مدل [[رایانش ابری]] زیرساخت به عنوان سرویس است که توسط [[Rackspace]] و [[ناسا]] در جولای ۲۰۱۰ طرح ریزی شد. هم اکنون بیش از ۲۰۰ شرکت از جمله [[سیتریکس]]، [[دل]]، [[ای‌ام‌دی]]، [[اینتل]]، [[کنونیکال]]، [[سوزه]]، [[اچ‌پی]] و [[سیسکو سیستمز]] در این طرح مشارکت می‌کنند.<br /> <br /> OpenStack یک پروژه ی رایانش ابری است که به تجهیز بستر رایانش ابری منبع باز قابل دسترس در همه جا برای ابرهای شخصی و عمومی کمک می‌کند؛ <br /> <br /> اوپن‌استک رایگان و نرم افزار متن باز است که تحت پروانه Apache License منتشر شده است.<br /> <br /> پروژه این نرم افزار توسط OpenStack Foundation مدیریت می شود که یک بنیاد غیر انتفاعی است و در سپتامبر ۲۰۱۲ تاسیس شده است .<br /> <br /> == منابع ==<br /> [http://fa.wikipedia.org/wiki/%D8%A7%D9%88%D9%BE%D9%86%E2%80%8C%D8%A7%D8%B3%D8%AA%DA%A9 ویکی پدیای فارسی]<br /> <br /> == پیوند به بیرون ==<br /> * [http://www.openstack.org/ openstack.org]<br /> <br /> [[رده:نرم‌افزارهای آزاد نوشته‌شده با پایتون]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A8%D8%AD%D8%AB:%D9%BE%D8%B1%D9%88%DA%98%D9%87_%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%DB%8C&diff=10213 2015-04-12T09:04:04Z

<p>Goodosuser: حذف</p> <hr /> <div>پیشنهاد می کنم این صفحه حذف شود</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%BE%D8%B1%D9%88%DA%98%D9%87_%D8%AA%D8%AD%D9%82%DB%8C%D9%82%D8%A7%D8%AA%DB%8C&diff=10212 2015-04-12T09:03:36Z

<p>Goodosuser: حذف</p> <hr /> <div></div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%B5%D9%81%D8%AD%D9%87%D9%94_%D8%A7%D8%B5%D9%84%DB%8C&diff=10211 2015-04-12T08:53:02Z

<p>Goodosuser: /* دسترسی سریع */</p> <hr /> <div>{|style=&quot;background: #F4F8FD;border: 1px solid black;padding-left:1em;padding-right:0.5em;&quot; width=&quot;100%&quot;<br /> |<br /> پیشنهاد میشود توضیحات [[تازه واردان به جامعه آزاد رایانش ابری]] و صفحه مربوط به معرفی [[جامعه آزاد رایانش ابری ایران]] را مطالعه بفرمایید. در این صفحه اطلاعاتی در خصوص مدل فعالیت جامعه و انواع فعالیت های قابل انجام توضیحاتی داده شده است و منابع مختلف جهت استفاده معرفی شده است. بطور خلاصه:<br /> <br /> * میتوانید در '''[https://groups.google.com/forum/#!forum/aut-cloud-computing-group گروه پستی]''' عضو شوید و در خصوص مباحث مختلف این حوزه با دیگران صحبت کنید یا از رویدادها مطلع شوید.<br /> * برای طرح پرسش و دریافت جواب میتوانید به '''[http://forum.occc.ir/ سایت پرسش و پاسخ]''' مراجعه نمایید.<br /> * برای مطالعه در زمینه رایانش ابری و موضوعات مرتبط میتوانید به سایت '''[[دانشنامه آزاد رایانش ابری ایران]]''' مراجعه نمایید.<br /> * برای اطلاع از آخرین اخبار و فعالیت های انجام شده و یا مشارکت در فعالیت های جامعه آزاد رایانش ابری ایران میتوانید به '''[https://trello.com/occc_board بورد عمومی]''' مراجعه نمایید.<br /> * برای ارتباط با افراد فعال در این حوزه میتوانید در جلسات حضوری '''[[جامعه آزاد رایانش ابری ایران]]''' که بصورت عمومی برگزار میشود شرکت کنید.<br /> * همچنین میتوانید سری به '''[[رصد خانه رایانش ابری]]''' بزنید تا از رویدادهای اخیر در سطح جهان مطلع شوید.<br /> * از [//meta.wikimedia.org/wiki/Help:Contents راهنمای کاربران] برای استفاده از نرم‌افزار ویکی کمک بگیرید.<br /> |}<br /> <br /> {| cellspacing=&quot;5&quot; cellpadding=&quot;3&quot; width=&quot;100%&quot;<br /> |- valign=&quot;top&quot; <br /> |style=&quot;background: #FDF4F4;border: 1px solid black;padding-left:1em;padding-right:0.5em;&quot; width=&quot;33%&quot;|<br /> == آخرین رویدادها ==<br /> * [[جلسه 32 جامعه آزاد رایانش ابری ایران]] - 25 فروردین 94<br /> * [[جلسه 31 جامعه آزاد رایانش ابری ایران]] − 12 اسفند 93 <br /> * [[برگزاری دوره پیشرفته رایانش ابری در دانشگاه امیرکبیر]] - ترم بهمن 93-94<br /> * [[جلسه 30 جامعه آزاد رایانش ابری ایران]] − 28 بهمن 93 <br /> * [[جلسه 29 جامعه آزاد رایانش ابری ایران]] − 14 بهمن 93 <br /> * [[جلسه 28 جامعه آزاد رایانش ابری ایران]] − 30 دی 93 <br /> * [http://ictssbigdata.itrc.ac.ir/ همایش داده های عظیم] - سه شنبه و چهارشنبه 23 و 24 دی <br /> <br /> * '''[[آرشیو جلسات جامعه آزاد رایانش ابری ایران]]'''<br /> <br /> <br /> <br /> |style=&quot;background: #F4FDF6;border: 1px solid black;padding-left:1em;padding-right:0.5em;&quot; width=&quot;33%&quot;|<br /> <br /> == آخرین بحث ها ==<br /> * [[رایانش ابری در چین]]<br /> * [[جلسه نوزدهم جامعه آزاد رایانش ابری ایران| توسعه اکوسیستم رایانش ابری در ایران]]<br /> * [[چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده]]<br /> * [[پیاده سازی سیستم های اطلاعاتی با حجم دیتای بالا و پراکندگی جغرافیایی بر بستر ابر]]<br /> * [[مطالعه فاکتورهای تاثیرگذار در پذیرش رایانش ابری در سازمانهای ایران]]<br /> * '''[[آرشیو خبرنامه های جامعه آزاد رایانش ابری ایران]]'''<br /> <br /> |style=&quot;background: #F4F8FD;border: 1px solid black;padding-left:1em;padding-right:0.5em;&quot; width=&quot;33%&quot;|<br /> <br /> == آخرین فعالیت ها ==<br /> * [[فرهنگ واژگان]]<br /> * [[پروژه برنامه کاربردی تحت موبایل برای جامعه آزاد رایانش ابری ایران| پروژه برنامه کاربردی تحت موبایل]]<br /> * [[برنامه ریزی در حوزه کلان داده‏]] <br /> * [[قطب فناوری های مرتبط با رایانش ابری‏]]<br /> * [[رصد خانه فناوری اطلاعات]]<br /> * [[رصد خانه رایانش ابری]]<br /> * [[طرح جوانه]]<br /> * [[پروژه وبینار آزاد]]<br /> * [[شبکه رایانش]]<br /> <br /> <br /> |}<br /> <br /> {| style=&quot; padding:5px 10px; background:#eee;&quot;<br /> | colspan=&quot;3&quot;|<br /> <br /> == دانشنامه آزاد رایانش ابری ==<br /> <br /> دانشنامه آزاد رایانش ابری ایران تحت حمایت جامعه آزاد رایانش ابری ایران به منظور مشارکت همگانی در تولید و به اشتراک گذاری محتوای تخصصی بومی ایجاد شده است.<br /> <br /> ادامه در معرفی [[دانشنامه آزاد رایانش ابری ایران]] <br /> <br /> ==جامعه آزاد رایانش ابری چیست؟==<br /> <br /> یکی از سئوالات رایج در بومی سازی رایانش ابری در کشور، این است که در ایجاد ابر بومی، بر روی چه حوزه های اولویت داری باید تاکید شود؟ <br /> <br /> وجود سازوکاری به منظور حضور همه مجموعه های درگیر در توسعه و ارائه خدمات مبتنی بر رایانش ابری بصورت شفاف و آزاد ضروری است (شامل صنعت، دولت، محققان، مصرف کنندگان). این سازوکار باعث می شود که پیشرفت در روال طبیعی خود و متناسب با ظرفیت موجود و بلوغ عوامل درگیر انجام شود. جامعه آزاد رایانش ابری ایران به منظور ایجاد پنجره ای واحدی در توسعه و بومی سازی رایانش ابری (فناوری اطلاعات بعنوان یک صنعت همگانی) ایجاد شده است. در این جامعه ظرفیتی فراهم شده است که از طریق آن بتوان برنامه هایی را اجرا کرد که انجام آنها به تنهایی توسط هیچیک از اعضا میسر نبوده و به مشارکت گروه های مختلف از صنعت، دانشگاه و دولت نیاز داشته باشد. برنامه های جامعه بطور عمده در قالب جلسات منظم، ارائه های فنی، بحث های آزاد، تولید محتوا و تشکیل کارگروه های تخصصی اجرا میشود و تصمیم گیری ها توسط اعضای فعال در جامعه صورت میپذیرد. فضای باز و آزاد طراحی شده برای جامعه آزاد رایانش ابری ایران، امکان حضور آزاد و داوطلبانه همه افراد و گروه ها (حقیقی و حقوقی) را برای مشارکت در توسعه و بومی سازی رایانش ابری فراهم کرده است. <br /> <br /> * ادامه در معرفی [[جامعه آزاد رایانش ابری ایران]]<br /> * '''[[آرشیو جلسات جامعه آزاد رایانش ابری ایران]]'''<br /> * '''[[آرشیو خبرنامه های جامعه آزاد رایانش ابری ایران]]'''<br /> * آشنایی و معرفی بیشتر برای [[تازه واردان به جامعه آزاد رایانش ابری]]<br /> <br /> |-<br /> | width=&quot;45%&quot; |<br /> <br /> | valign=&quot;top&quot; |<br /> <br /> |}<br /> <br /> == لینک های مفید ==<br /> <br /> * [[Cloud_Computing|رایانش ابری چیست؟]]<br /> * [[مهارت های عصر رایانش]]<br /> * [[مدل اقتصادی رایانش ابری]]<br /> * [[مجموعه داده های مرتبط با رایانش ابری]]<br /> * [[از کجا شروع کنیم|برای فعالیت در حوزه رایانش ابری از کجا شروع کنیم؟]]<br /> * [[روش تحقیق|چگونه تحقیق کنیم؟]]<br /> * [[منابع تحقیق|معرفی منابع تحقیق]]<br /> * [[موضوعات مرتبط|موضوعات تحقیقاتی مرتبط با رایانش ابری]]<br /> * [[ابزارها|ابزارهای مرتبط با رایانش ابری]]<br /> * [[کنفرانس ها و مجلات|معرفی کنفرانس ها و مجلات مرتبط با رایانش ابری]]<br /> * [[سوالهای رایج در مورد شبیه ساز cloudsim]]<br /> * [[مجازی سازی]]<br /> <br /> == دسترسی سریع ==<br /> {|style=&quot;background: #E0E0E0;border: 1px solid black;padding-left:1em;padding-right:0.5em;&quot; width=&quot;100%&quot;<br /> |<br /> * شبیه ساز: [[MRSim]] - [[GreenCloud]] - [[CloudReports]] - [[CloudSim]]<br /> * زیرساخت: [[Eucalyptus]] - [[Openstack]] - [[Cloudstack]] - [[OpenNebula]] - [[VMware]] - [[Haizea]]<br /> * مجازی سازی: [[KVM]] - [[ESX]] - [[XEN]] - [[Hyper-V]] - [[XenServer]] - [[LXC]]<br /> * پلت فرم: [[Hadoop]] - [[NoSQL]] - [[MapReduce]] - [[Swift]] - [[Vert.x]]<br /> * سایر: [[Python]] - [[proactive]] - [[ابزارها| ابزارهای بیشتر]]<br /> * فناوری ها: [[کلان داده]] - [[Data Virtualization]] - [[Cloud Computing]] - [[Computing]] - [[Virtualization]] <br /> * کارگروه ها: [[کارگروه مدیریت جامعه]] - [[کارگروه تاکسونومی]] - [[کارگروه تولید محتوا]] - [[کارگروه BigData]]<br /> <br /> |}<br /> <br /> __NOTOC__</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A2%D9%BE%D8%A7%DA%86%DB%8C_%D8%A7%D8%B3%D9%BE%D8%A7%D8%B1%DA%A9&diff=10210 2015-04-12T08:51:42Z

<p>Goodosuser: صفحه جدید</p> <hr /> <div>آپاچی اسپارک یک چارچوب محاسبات خوشه‌ای متن‌باز است که در اصل در آزمایشگاه AMPLab دانشگاه برکلی توسعه داده شده است. Spark's in-memory در یک نرم‌افزار کاربردی معین کارایی ۱۰۰ برابر نگاشت کاهش دو مرحله‌ای هادوپ([[Hadoop]]'s two-stage disk-based MapReduce paradigm) را فراهم می‌کند.اسپارک برای الگوریتم‌های یادگیری ماشین بسیار مناسب است.<br /> اسپارک یکی از فعال‌ترین پروژه‌های متن‌باز است و در سال ۲۰۱۴ بیش از ۴۶۵ کمک‌کننده[ در توسعه] داشت که آن را فعال‌ترین پروژه‌های بنیاد آپاچی در خصوص پروژه‌های نرم‌افزاری [[کلان داده]](Big Data)ساخته‌اند.<br /> اسپارک در ابتدا در سال ۲۰۰۹ توسط Matei Zaharia در آزمایشگاه AMPLab دانشگاه برکلی شروع شد و در سال ۲۰۱۰ تحت مجوز BSD [[متن‌باز]] شد.<br /> در ۲۰۱۳ این پروژه به بنیاد نرم‌افزاری آپاچی هدیه شد و مجوز آن به آپاچی۲.۰ تغییرکرد و یک پروژه‌های سطح بالای آپاچی شد.<br /> در نوامبر۲۰۱۴ تیم مهندسی Databricks از اسپارک استفاده کردند و رکورد جهانی جدیدی در مرتب سازی مقیاس بالا ثبت‌کرد.</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%A7%D8%B3%D9%BE%D8%A7%D8%B1%DA%A9&diff=10209 2015-04-12T08:49:35Z

<p>Goodosuser: صفحه جدید</p> <hr /> <div>'''اسپارک''' یک زبان برنامه نویسی کامپیوتری و بر پایه زبان برنامه‌سازی Ada است،‌ هدف اسپارک توسعه نرم افزارهای بسیار تجمیعی است که در سیستم‌های قابل پیش‌بینی کاربرد دارد و تسهیلاتی برای توسعه نرم‌افزارهایی است که اطمینان‌ و امنیت از آن انتظار می‌رود.<br /> اولین نسخه اسپارک ۸۳(۱۹۸۳بر پایه ایدا۸۳) و آخرین نسخه آن ۲۰۰۵ و همان‌طور که بالاتر گفته‌شد از ایدا۲۰۰۵ استفاده کرده است.<br /> اسپارک نرم افزار آزاد و متن‌باز،‌چارچوب نرم‌افزاری تحت وب است که به زبان جاوا نوشته شده و انتخاب دیگری به جای سایر نرم‌افزاهای کاربردی وب جاوایی از قبیل JAX-RS, Play framework و Spring MVC است که به طور پیش فرض روی وب سرور Jetty اجرا می شود.<br /> اسپارک توسط «Per Wendel»در 2011 ساخته و متن‌باز شد.<br /> <br /> Example (Hello World)<br /> import static spark.Spark.*;<br /> public class HelloWorld {<br /> public static void main(String[] args) {<br /> get(&quot;/hello&quot;, (request, response) -&gt; &quot;Hello World!&quot;);<br /> }<br /> }<br /> اسپارک از سیناترا الهام گرفته است و با جاوا۸ نوشته شده است.<br /> سیناترا یک کتابخانه نرم‌افزار وبی آزاد و متن‌باز است که با روبی نوشته شده است و انتخاب دیگری برای چارچوب‌های نرم‌افزار کاربردی وبی روبی مانند Ruby on Rails است.<br /> <br /> ==همچنین ببینید==<br /> [[آپاچی اسپارک]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%87%D9%85%D8%A7%DB%8C%D8%B4_%DA%A9%D9%84%D8%A7%D9%86_%D8%AF%D8%A7%D8%AF%D9%87_%D8%AF%DB%8C_%DB%B1%DB%B3%DB%B9%DB%B3:%D9%86%D8%B4%D8%B3%D8%AA_%D8%B2%DB%8C%D8%B1%D8%B3%D8%A7%D8%AE%D8%AA_%D9%87%D8%A7_%D9%88_%D8%A8%D8%B3%D8%AA%D8%B1%D9%87%D8%A7%DB%8C_%D8%AF%D8%A7%D8%AF%D9%87_%D9%87%D8%A7%DB%8C_%D8%B9%D8%B8%DB%8C%D9%85&diff=10208 2015-04-12T08:45:46Z

<p>Goodosuser: /* مقاله ۳ */</p> <hr /> <div>مستند شده توسط: [[زهره گلی]]<br /> <br /> =مقالات ارائه شده=<br /> ==مقاله ۱==<br /> عنوان مقاله: Big Data View of Communication Network<br /> <br /> نام ارائه دهنده: بابک حسین خلج<br /> <br /> ''' موضوع ارائه : '''<br /> Big data و تاثیر آن در بهبود شبکه مخابراتی<br /> <br /> ''' چالش مطرح شده '''<br /> #با توجه به پیدایش بخث big data و لزوم کار با این داده ها، اپراتور ها به شدت از جهت مالی تحت فشار هستند و باید از هر ابزاری برای بهبود کارایی شبکه استفاده کنند. سوال مطرح شده این است که چگونه اطلاعات شبکه مخابراتی را از دید تکنیکی بهبود ببخشیم؟<br /> *مباحث privacy , probing و پراکندگی انواع داده در این شبکه ها هم باید مورد توجه قرار گیرد. <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> #استفاده از ابزارهای Big data<br /> #اطلاعات با استفاده از Cloud پردازش شوند و منبع درآمد باشند. تا الان هیچ اپراتوری به این سوال جواب نداده است که چگونه از این اطلاعات استفاده کنند.<br /> باید نگاه جدیدی به شبکه داشت و از self organizing network( SON) استفاده کرد که به صورت هوشمند شبکه را کنترل می کنند. <br /> *مباحث کلیدی که در Big data مطرح است عبارتند از Database، پردازش موازی، آموزش ماشین، پردازش تصویر،ابزار ریاضی و ... <br /> *قدم اول پیاده سازی ایده این است که بفهمیم منبع داده ها کجا هستند و ما در چه مقیاسی میخواهیم داده ها را داشته باشیم <br /> *قدم دوم پیاده سازی این است که چگونه و با چه ابزاری این داده ها را استخراج کنیم (پردازش سیگنال، پردازش تصویر، .. )<br /> *قدم سوم این است که چه action ی انجام دهیم و چگونه و در چه جایی از این اطلاعات استفاده کنیم .<br /> *نتیجه گیری : با توجه به این حجم عظیم داده در شبکه های مخابراتی و ابزارهایی که جدیدا برای بحث big data مطرح شده است از جمله رایاش ابری و هوش تجاری، میبایست روشهایی برای پردازش این داده ها با بیشترین سود ارائه داد.<br /> <br /> <br /> <br /> ''' بحثهای پیرامونی ونظرحضارواساتید'''<br /> *سوال مطرح شده : آیا استفاده از یک نود مرکزی روی ابر برای پردازش این حجم عظیم داده هزینه بر نیست؟<br /> *پاسخ : همه داده ها به سمت ابر نمی رود. باید یک لایه میانی قرار داشته باشد که اطلاعات پیش پردازش و خلاصه شوند و اطلاعات مفید به سمت ابر بروند.<br /> <br /> ''' نکات کاربردی هرارائه'''<br /> <br /> مزیتی که در بحث شبکه های موبایل وجود دارد این است که اطلاعات خودشان به صورت دیجیتال اند و دیگر اطلاعات کاغذی نداریم که بخواهیم به دیجیتال تبدیل کنیم<br /> در حوزه شبکه های مخابراتی افراد در حوزه های مختلف باهم ارتباط دارند که می توان از دانش آنها برای ارائه روش بهره برداری کرد.<br /> <br /> ==مقاله ۲==<br /> عنوان مقاله:<br /> <br /> '''زیرساخت شبکه ای مورد نیاز کاربردهای داده های عظیم در مراکز داده'''<br /> <br /> نام ارائه دهنده:<br /> محمد مهدی تاجیکی<br /> <br /> ''' موضوع ارائه'''<br /> <br /> در این مقاله به بررسی نیازمندی های شبکه های داده های عظیم در بحث مدیریت جریان داده ها پرداخته شد<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> داده ها در حال افزایش اند و به صورت داده های کلان تبدیل شده اند . استفاده از این داده ها می تواند مزایای فراوانی را در بر داشته باشد. مسئله اصلی ذخیره سازی و پردازش این داده هاست.<br /> <br /> قبلا ترافیک موجود در شبکه ها به صورت شمالی جنوبی بوده است یعنی بین چندین کلاینت و 1 سرور . اما در حال حاضر این ترافیک به صورت شرقی غربی شده است.<br /> ویژگی های دیگر شبکه انتقال داده های عظیم عبارتند از : ترافیک انفجاری، حجم زاید داده ، مدت زمان زیاد داده ها در شبکه اند، ازدحام <br /> ازآنجاییکه بحث توزیع شده مطرح است، انتقال داده مهم می شود. همچنین ازدحام ، کاهش بهره وری و تاخیر به علت حجم بالای داده اتفاق می افتد. باید روش های متناسب با این داده ها را در شبکه به کار برد.<br /> <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> <br /> *در بحث مجازی سازی و رایانش ابری باید از سوییچینگ فابریک استفاده شود. یعنی بین هر دو نود چند مسیر داشته باشیم .<br /> *تا کنون روشهایی برای مدیریت لایه دسترسی و مدیریت ستون فقرات و مهندسی ترافیک شبکه شبکه وجود داشته است. این روش ها دید کلی به توپولوژی شبکه نداشتند و مشکلاتی را در داده های عظیم در بر خواهند داشت. <br /> *روش prob : این روش برای مدیریت ترافیک است و مبتنی بر میزبان عمل می کند و از تکنیک نمونه برداری بسته ها استفاده می کند و مسیرهای جدید رامعرفی می کند تا تداخل پایین بیاید.<br /> *شبکه های SDN : برای مدیریت شبکه است. در واقع صفحه کنترل را از صفحه داده جدا می کند. داده ها به سمت کنترل کننده می روند و کنترل کننده مشخص می کند که هر داده از چه مسیری برود.<br /> <br /> '''نکات کاربردی :'''<br /> <br /> با استفاده از Big Data، گوگل توانست شیوع آنفولانزا را پیش بینی کند.<br /> <br /> ==مقاله ۳ ==<br /> عنوان مقاله : <br /> '''[[کلان داده]] Analytics: Platforms and applications'''<br /> <br /> نام ارائه دهنده : <br /> سینا سوهانگیر<br /> <br /> ''' موضوع ارائه'''<br /> <br /> در رابطه با اپلیکیشن های [[کلان داده]](Big Data) صحبت می کند. اپلیکیشن های آنلاین در این ارائه صحبت می شود. در نهایت روش های موجود برای مدیریت [[کلان داده]] بحث می شود.<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> *اپلیکیشن هایی داریم که با داده هایی در حد [[کلان داده]] مواجه هستند از جمله داده های تراکنش ها، تبلیغات و شبکه های اجتماعی . در این کاربردها داده ها بسیار حجم بالایی دارند و همچنین حاوی اطلاعات مفید و مهمی هستند که باید استخراج شوند. حتی در ایران هم ما با Big data مواجه هستیم.<br /> *دو نوع آنالیز داده وجود دارد. <br /> ** آنالیز رتبه 1 : هر point را برای خودش در نظر می گیریم.<br /> ** آنالیز رتبه 2 : آنالیز آیتم به آیتم، یوزر به آیتم ، یوزر به یوزر (شبکه های اجتماعی) . در این بخش از آنالیز است که مفهوم [[کلان داده]] اهمیت پیدا می کند. <br /> ***در واقع اولین اپلیکیشن [[کلان داده]] همان تبلیغات است چون برای آنالیز رتبه 1 هم نیاز به [[کلان داده]] دارد. یعنی لازم داریم که داده های یک کاربر را بررسی کنیم که مثلا چه چیزهایی را باهم خریداری می کند و دفعات بعد به او پیشنهاد دهیم. <br /> ***اغلب کاربردها برای آنالیز رتبه 1 نیاز به [[کلان داده]] ندارند بلکه در آنالیز رتبه 2 است که [[کلان داده]] مهم می شود. <br /> <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> <br /> *ابزارهایی که تا کنون برای Big Data مطرح بوده است عبارتند از : <br /> # Distributed file system : گوگل از این روش استفاده کرده است. هادوپ هم بر همین اساس است. <br /> # Distributed Data Base : این ابزارها معمولا متن بازند. Hbase در این بخش است.<br /> # Distributed computing : ابزارهایی مانند [[MapReduce]] ، Dremel و [[اسپارک|اسپارک(SPARK)]] برای این منظور طراحی و ارائه شده اند.<br /> # Cluster Management : هادوپ اصلا این بخش را ندارد. <br /> *باید از ابزارهای جدید و به روز برای [[کلان داده]] استفاده کرد چراکه ابزارهای سابق کارایی لازم را ندارند. درحال حاضر دو پلتفرم متن باز اسپارک از شرکت DataBricks و Mesos از شرکت mesosphere مطرح هستند که باید به آنها پرداخته شود.<br /> <br /> ''' بحث‌های پیرامونی ونظرحضار و اساتید'''<br /> <br /> *سوال : گفته شد که هادوپ کند است خوب اسپارک هم که بر پایه هادوپ است هم کند است؟ <br /> **خیر ، اسپارک بر پایه ی هادوپ نیست. اسپارک برای نصب به یک distributed file system نیاز دارد که می تواند هادوپ یا هر چیز دیگری باشد.<br /> <br /> ''' نکات کاربردی هرارائه'''<br /> <br /> * اسپارک از زبان اسکالا استفاده می کند برنامه ها در این زبان بسیار کوتاه است. برنامه هایی که با اسپارک نوشته شده اند برای اثبات این بوده که این زبان بسیار کد کمی لازم دارد<br /> <br /> ==مقاله ۴==<br /> عنوان مقاله: <br /> <br /> '''اسکادی مپ ردیوس: روشی جهت حل کارای مسائل بر پایه نگاشت- کاهش'''<br /> <br /> نام ارائه دهنده:<br /> <br /> محمد حسین برخورداری- مهدی نیامنش<br /> <br /> ''' موضوع ارائه'''<br /> <br /> در این ارائه یکی از روش های کار با Big Data مطرح می شود و برای برطرف ساختن مشکلات وارد بر این روش راهکاری ارائه می گردد.<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> *با توجه به سرعت تولید داده وهمچنین حجم زیاد آن، لازم است روش هایی جهت مدیریت کارای این داده ها وجود داشته باشد. Map –Reduce یا نگاشت – کاهش یک مدل برنامه نویسی است که می توان مسائل کلان داده را با آن حل کرد. <br /> *نگاشت کاهش یک سری مشکلاتی را در بردارد <br /> **اولین مشکل این است که گلوگاه در شبکه ایجاد می شود. چراکه سرعت نود خیلی بالاتر از سرعت شبکه است.<br /> **مشکل دوم که درواقع از همان مشکل اول ناشی می شود، عدم استفاده کارا از سخت افزار است. <br /> **این دو مشکل به صورت پیش فرض در همه نگاشت کاهش ها وجود دارد.<br /> *هدف این است که بتوانیم کارایی را در نگاشت کاهش رعایت کنیم.<br /> **کارایی با کاهش هزینه شبکه ، حل مسئله با سرعت بیشتر و استفاده بهتر از سخت افزار حاصل می شود.<br /> . <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> *اگر هر گره اطلاعات خودش را داشته باشد و نیاز به ارتباطات شبکه ای نداشته باشد در واقع گره مستقل باشد، برای کاراسازی مناسب است. <br /> *تا کنون روشها ی مختلفی برای کاراسازی نگاشت کاهش ارائه شده است که عبارتند از :<br /> ** تخصیص بهینه کارها بین گره ها : در این روش چک می کند که داده کجاست و با توجه به آن کارها را به گره ها اختصاص می دهد.<br /> ** بهینه سازی پرس و جو : با استفاده از یک زبان ساخت یافته مانند Hive <br /> ** پشتیبانی از حلقه : R map-reduce و spark حلقه را وارد نگاشت-کاهش کردند<br /> ** بهینه سازی بی درنگ : بی درنگ پردازش انجام می دهد.<br /> ** بهبود کارایی شبکه ای : هزینه شبکه را کاهش می دهد.<br /> *** روش ارائه شده در این مقاله هم در این دسته قرار می گیرد. <br /> <br /> <br /> * حل مسئله نگاشت کاهش از دو جنبه صورت می گیرد<br /> **داده ها:<br /> ***در روش پیشنهادی، داده ها به فرمت یکسان در می آیند، نود ها داده های مشابهی دارند و وابسته به داده خودشان می شوند و نیازی به تبادل اطلاعات در شبکه نداریم.<br /> ***همچنین باید تکرار در شبکه محدود شود.<br /> **عملیات بر روی داده ها :<br /> ***استفاده از یک نگاشتگر ناغربالگر که هیچکدام از کلید ها حذف نشوند.<br /> <br /> <br /> لذا روش پیشنهادی در گام های زیر ارائه می شود :<br /> * گام اول : ایجاد قالب یکنواخت برای داده <br /> * گام دوم : استفاده از نگاشتگر ناغربالگر<br /> * گام سوم : محدود کردن تکرار به سطح اول<br /> <br /> با این روش چند مسئله از جمله مسئله یافتن کوتاهترین مسیر حل شده است.<br /> <br /> ''' بحثهای پیرامونی ونظرحضارواساتید'''<br /> <br /> *سوال : گفته شد که هادوپ کند است خوب spark هم که بر پایه هادوپ است هم کند است؟ <br /> **خیر ، spark بر پایه ی هادوپ نیست. Spark برای نصب به یک distributed file system نیاز دارد که می تواند هادوپ یا هر چیز دیگری باشد.<br /> <br /> ''' نکات کاربردی هرارائه'''<br /> *Maper : ورودی های کلید مقدار را میگیرد و کلید مقدار میانی تولید می کند.<br /> **ممکن است چندین لایه Maper داشته باشیم که منظور از maper –ِ لایه اول ، maper ای است که داده اولیه به ان وارد می شود.<br /> *Reducer : کلید مقدار میانی را میگیرد و به نهایی تبدیل می کند.<br /> *منظور از تکرار در تکنیک نگاشت کاهش : یعنی هر کدام مسائل که احتیاج دارند نتایج نهایی دوباره به نگاشتگر داده شود.<br /> <br /> ==مقاله ۵ ==<br /> <br /> عنوان مقاله :<br /> <br /> '''تحلیل داده های عظیم به عنوان سرویس : مدلی برای ارائه خدمات تحلیل داده های عظیم'''<br /> <br /> نام ارائه دهنده :<br /> <br /> امیر صحافی- مهدی نظری چراغلو<br /> <br /> <br /> <br /> ''' موضوع ارائه'''<br /> <br /> در این ارائه به تعریف Big Data و همچنین رایانش ابری پرداخته شد و مزایای استفاده از رایانش ابری برای داده های عظیم عنوان شد.<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> *با توجه به گستردگی خدمات فناوری اطلاعات در کشور، داده ها هم در حال رشد اند . لازم است این اطلاعات پردازش شوند و دانش سودمندی از آنها تولید شود. <br /> *شرکتها برای تحلیل داده ها نیاز به منابع دارند و خرید منابع برای آنها به صرفه نیست.<br /> چرخه ای متصور است که از تحلیل داده های عظیم آغا ز می شود و نهایتا به بصری سازی این داده ها می انجامد.<br /> *روش های قبلی برای داده های عظیم جوابگو نیست و باید سراغ ابزارها، الگوریتم ها ،دیتابیس ها و روشهای پردازشی جدیدی برویم.<br /> <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> <br /> *در عصر حاضر رایانش ابری مدل رایانشی فراگیری است و با توجه به نیاز به پردازش داده های عظیم، می توان از این تکنولوژی بهره برد<br /> *در واقع هادوپ نقطه عطف رایانش ابری و Big Data است. <br /> ** در Big Data نیاز داریم که کوئری هایی روی محیط های توزیع شده اجرا شده و نتایج به سرعت برگردند. <br /> ** رایانش ابری با تعمیم هادوپ می تواند ما را به این هدف برساند.<br /> ** هادوپ دو بخش اصلی دارد که بر این اساس سرویسهای مختلفی هم عرضه شده است.<br /> *** HDFS <br /> *** Map – Reduce<br /> <br /> <br /> *برای تحلیل داده ها نیازمند ذخیره سازی ایم. میتوان از هر کدام از سطوح سرویس یا مدل های استقرار ابر با توجه به سیاست های سازمان استفاده کرد. <br /> ** برای مراکز نظامی که محرمانگی مهم است میتوان از ابر خصوصی استفاده کرد<br /> ** برای زمانی که داده ها خارج از سازمان اند اشتراک ابرهای مختلف مناسب است.<br /> <br /> ''نتیجه گیری :''<br /> <br /> استفاده از مدلهای ابری مخصوصا ابر عمومی علاوه بر صرفه اقتصادی که دارد می تواند برای کسب و کارهای متوسط و کوچک خیلی مفید واقع شود. پس ابر به ذخیره سازی و پردازش و بصری سازی کمک می کند. با توجه به سیاست سازمان می توان از انواع مدلهای ابر استفاده کرد.<br /> <br /> ''' بحثهای پیرامونی ونظرحضارواساتید'''<br /> <br /> *سوال : گفته شد که هادوپ کند است خوب spark هم که بر پایه هادوپ است هم کند است؟<br /> ** خیر ، spark بر پایه ی هادوپ نیست. Spark برای نصب به یک distributed file system نیاز دارد که می تواند هادوپ یا هر چیز دیگری باشد.<br /> ''' نکات کاربردی هرارائه'''<br /> *رایانش ابری تعریف واحدی ندارد و در این ارائه تعریف NIST از آن مطرح شد<br /> **طبق این تعریف 4 مدل استقرار ابر، 3 مدل سرویس و 5 ویژگی آن بیان شد.<br /> *در واقع در رایانش ابری می توانیم هر چیز را به عنوان سرویس داشته باشیم(XaaS) . حتی Hadoop as a service هم مطرح شده است.<br /> *داده های عظیم با سه V یعنی حجم بالا سرعت (تولید و پردازش) بالا و تنوع بالا شناخته می شوند.<br /> <br /> <br /> ==مقاله ۶ ==<br /> <br /> عنوان مقاله :<br /> <br /> '''زیرساخت های نسل آینده برای کلان داده '''<br /> <br /> ارائه دهنده :<br /> حسن یگانه <br /> <br /> ''' موضوع ارائه'''<br /> <br /> در این ارائه به بررسی ضرورت های معماری و زیرساخت شبکه برای داده های عظیم پرداخته شد.<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> *ما با بحث کلان داده مواجه هستیم و این داده ها تفاوت هایی با داده های قبلی دارند . با توجه به این قضیه با چالش زیرساخت مواجه هستیم. باید برای کار با این داده ها نیازمندی های لازم را فراهم کنیم تا موقع نیاز به راحتی داده ها را پردازش و تحلیل کنیم.<br /> *با ید بتوان در لحظه این داده های عظیم را جمع آوری و تحلیل کرد تا بتوان در کسب و کار از آنها بهره برد.<br /> *جریان های ترافیکی که در Big Data مطرح است در شبکه های سنتی نبوده . در Big Data ترافیک شرقی غربی است. چون داده ها به صورت توزیع شده ذخیره می شوند اما شبکه های سنتی ترافیک کلاینت سروری داشتند.<br /> *در Big Data با روابط داده ای پیچیده، حجم زیاد داده ، داده های غیر ساخت یافته و جریان ترافیکی متفاوت مواجه هستیم.<br /> *باید زیرساخت مناسب با این ویژگی ها در نظر گرفته شود. باید توجه داشت که این خصوصیات چکونه روی بحث سوییچ ها و روتر ها اثر گذار است. نیاز به زیرساخت قابل توسعه می باشد.<br /> *اگر ارتباطات شبکه خوب نباشد نمی توان برای Big Data استفاده کرد.<br /> <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> <br /> *هنوز الگوی مشخصی برای Big Data ارائه نشده است.<br /> *معماری شبکه باید ویژگی های زیر را داشته باشد :<br /> **محلی بودن داده : زیرساخت باید بتواند عملکرد بهینه با سرعت بالا را فراهم کند<br /> **مقیاس پذیری : باید معماری قابل توسعه باشد<br /> **ترافیک شرق به غرب : باید پهنای باند بالا ، تاخیر کم و اتصال مستقیم گره ها را داشته باشد.<br /> <br /> *زیرساخت ارائه شده باید شامل ویژگی های زیر باشد :<br /> **استقلال مکانی : خوشه های کلان داده را هر کجا که مایل بودیم قرار دهیم<br /> **مقیاس پذیری : نودها قابل افزایش باشند.<br /> **کارایی <br /> **افزایش پهنای باند و تاخیر کم <br /> **همگرایی<br /> **سادگی اجرا<br /> **لایه بندی : قابلیت ارتباط با پایگاه داده های سنتی را داشته باشد<br /> **امکان توسعه افقی <br /> **مجازی سازی سوییچینگ فابریک : بین هر دو سوییج یک گام بیشتر نباشد.<br /> <br /> ==مقاله ۷ ==<br /> <br /> عنوان مقاله :<br /> '''Energy conservation in big data infrastructure : a concise study of data center'''<br /> <br /> ارائه دهنده :<br /> هومن ضرابی<br /> <br /> <br /> ''' موضوع ارائه : '''<br /> <br /> در این مقاله پیرامون ذخیره سازی انرژی در اپلیکیشن های Big Data و به طور خاص ذخیره سازی انرژی در مراکز داده پرداخته می شود.<br /> <br /> ''' چالش مطرح شده '''<br /> <br /> *در بحث داده های کلان باید کارایی خیلی بالا باشد، خدمات با سرعت ارائه شودتا ارزش داده ها از بین نرود. کارایی که بالا می رود به دنبال آن مصرف انرژی هم بالا میرود. <br /> *مراکز داده انرژی زیادی را در حال حاضر مصرف می کنند.برای مثال یک مرکز داده 1200 کیلووات در ساعت انرژی مصرف می کند.<br /> *از 100 درصد انرژی یک مرکز داده، 10 درصد در UPS ها، 50 درصد در بخش IT و 40 درصد نیز برای خنک کردن آنها استفاده می شود. <br /> *باید راهکارهایی برای صرفه جویی در این مصرف ارائه شود.<br /> <br /> <br /> ''' راه حلهای ارائه شده برای آن چالش'''<br /> <br /> *برای کاهش انرژی راهکارهای زیر مطرح شدند :<br /> ** باید از انرژی هایی مثل انرژی خورشیدی استفاده شود.می توان دو مرکز داده داشت، یکی به سمت مغرب و دیگری به سمت مشرق و با توجه به حرکت خورشید در ساعات خاص روز از این مراکز استفاده کرد.<br /> ** استفاده از یک UPS کارا، کارایی را از 80 درصد به 95 درصد افزایش می دهد.<br /> ** مدیریت انرژی در بخش IT صورت گیرد. سرورها در زمان هایی که بلا استفاده اند خاموش شده و بار آنها روی سرور های دیگر منتقل شود.<br /> ** استفاده از مجازی سازی : می توان در زمان های بیکاری یک سرور ، خدمات توسط سرور دیگر ارائه شود. مثلا در یک زمان خاص یکی از سرورها خاموش شود.. <br /> *** معمولا استفاده از سرور 25/. است . هر چه قدر بار سرور بیشتر باشد کارامد تراست. <br /> *** اگر سرور هیچ کاری هم انجام ندهد 50 درصد انرژی مصرف می کند. <br /> *** لذا اگر بتوانیم کارها را روی یک سرور جمع کنیم به میزان چشمگیری در مصرف انرژی صرفه جویی کرده ایم.<br /> <br /> * استفاده از تکنیک های خنک سازی : از راهکارهایی مختلفی که برای چیدمان سرور ها و FAN های آنها در نظر گرفته شده است استفاده کنیم. <br /> <br /> ''' بحثهای پیرامونی ونظرحضارواساتید'''<br /> <br /> *سوال مطرح شده : آیا دیتا سنتر در ایران وجود دارد :<br /> ** بله به صورت گوچک ، مثلا مخابرات، شرکت Pars Online و .. دیتاسنتر هایی دارند اما اینهادر حد Big Data نیستند.<br /> *سوال : آیا خاموش کردن سرور ها منطقی است با توجه به اینکه ممکن است دچار آسیب شوند ؟<br /> ** می توان بار را پیش بینی کرد و با توجه به آن برنامه ریزی کرد<br /> *پیشنهاد : میتوان از گرمای ایجاد شده توسط سرور ها برای کارهای دیگر استفاده کرد.<br /> <br /> = بحث و تبادل نظر و جمع بندی=<br /> <br /> '''جمع بندی نشست زیرساخت ها و بستر های داده های عظیم '''<br /> <br /> در این نشست به مسائلی زیر پرداخته شد :<br /> * زیرساخت ها و معماری داده های کلان<br /> * مصرف انرژی <br /> * چالش های مطرح شده در شبکه<br /> * اینکه چه بستری بهتر است استفاده شود.<br /> <br /> <br /> شرکت زیر ساخت در حال گسترش شبکه است. باید رویکردها مطرح شود و بکار گرفته شوند تا مشخص شود وزارتخانه چه اقداماتی باید انجام دهد. لذا این نشست تشکیل شده است که مسائل داده های کلان بررسی شوند.<br /> <br /> ************<br /> <br /> *سوال مطرح شده توسط حضار : آیا وقت آن رسیده است که به سمت داده های کلان برویم؟ <br /> **بله در دنیا سه حوزه مهم وجود دارد که زیاد روی آنها کار می شود . Internet of Thing، cloud computing و Big data . متاسفانه ایران در بحث Cloud عقب است. مسلما کشور ما با توجه به جمعیت زیاد و نیازمندی های مختلفی که در حوزه بهداشت، آموزش و .. دارد باید وارد بحث Big Data شود و از این داده ها استفاده کند. البته باید به این احساس برسیم که باید از این موارد استفاده کنیم. <br /> **سیاست گذاری ها به اینصورت است که در برنامه جدید توسعه این مباحث در نظر گرفته شده است.<br /> *************<br /> '''از این همایش باید جمع بندی کرد که نیازمندی های ورود به این موارد چیست.'''<br /> '''این حوزه از رویکردهای مختلف بررسی می شود و برای برنامه ریزی به وزارتخانه ارسال می شود.'''<br /> <br /> =لینک های مرتبط=<br /> * [[مستند سازی همایش کلان داده دی ۱۳۹۳]]<br /> * [[همایش کلان داده دی ۱۳۹۳:نشست کابردها و راهکارهای مدیریت داده های عظیم]]<br /> * [[همایش کلان داده دی ۱۳۹۳:نشست سرمایه گذاری، راهبرد و الگوهای مهاجرت به داده های عظیم]]<br /> * [[همایش کلان داده دی ۱۳۹۳:نشست امنیت، مسائل حقوقی و استانداردهای داده های عظیم]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=MapReduce&diff=10195 2015-04-11T10:40:37Z

<p>Goodosuser: ویرایش جزئی‌</p> <hr /> <div>Map-reduce (که آنرا تحت عنوان &quot;نگاشت-کاهش&quot; ترجمه کرده‌اند) یک مدل برنامه نویسی برای پردازش مجموعه داده های بزرگ است. در چارچوب نگاشت‌کاهش، کاربر، محاسبات را در قالب '''یک تابع نگاشت''' و '''یک تابع کاهش''' می‌نویسد و ''سیستم زمان‌اجرای زیرین''، '''بصورت خودکار''' محاسبات را در بین خوشه‌های بزرگی از ماشین‌ها موازی می‌کند و خرابی‌های ماشین را مدیریت می‌کند و ارتباطات بین‌ماشینی را زمانبندی می‌کند تا استفاده از شبکه و دیسک‌ها ساده تر و سودمندتر شود. بدین ترتیب برنامه نویس تنها بر روی نوشتن این دو تابع تمرکز کرده و موازی سازی محاسبات انبوه و بکار بردن سیستم و مدیریت خرابی ها برایش ساده می‌شود.<br /> <br /> در هنگام انجام پردازش با MapReduce، بصورت خودکار، داده های ورودی به چندین بلوک شکسته می شوند که هر بلوک توسط یک تابع ()map پردازش می شود و سپس نتایج تمامی توابع map، به عنوان ورودی به تابع ()reduce ارجاع داده شده و توسط تابع ()reduce ترکیب می شوند.<br /> <br /> MapReduce قلب [[Hadoop|هادوپ]] است. روش برنامه نویسی است که امکان مقیاس پذیری گسترده در سطح صدها یا هزاران سرور در یک خوشه هادوپ را می دهد. MapReduce در حقیقت به دو وظیفه جداگانه و مجزا که در برنامه های هادوپ انجام می شود، اشاره می کند. اولین کار، نگاشت (map) است که یک مجموعه داده را می گیرد و آن را به مجموعه دیگری از داده تبدیل می کند، که در آن عناصر فردی به تاپل ها شکسته می شوند (جفت کلید/مقدار). مرحله کاهش (reduce) خروجی را از یک نگاشت می گیرد و تاپل های داده را به یک مجموعه تاپل کوچک تر ترکیب می کند. همانطور که ترتیب نام MapReduce اشاره دارد، مرحله کاهش همیشه بعد از مرحله نگاشت انجام می شود.<br /> <br /> <br /> == لینک های مرتبط ==<br /> * [[Hadoop]]<br /> * [[Big Data]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D9%85%D8%AF%D9%84%D9%87%D8%A7%DB%8C_%DA%A9%D8%B3%D8%A8_%D9%88_%DA%A9%D8%A7%D8%B1_%D8%AF%D8%B1_%D8%B1%D8%A7%DB%8C%D8%A7%D9%86%D8%B4_%D8%A7%D8%A8%D8%B1%DB%8C&diff=10194 2015-04-11T10:33:24Z

<p>Goodosuser: /* بررسی ادبیات موضوع */</p> <hr /> <div>== چکیده ==<br /> با گسترش و رشد روزافزون تکنولوژی کسب و کارهای سنتی به سمت تبدیل شدن به سازمان های پویا و مدرن هستند. تبدیل این سازمان ها به کسب و کارهای الکترونیکی چالشی جدی در زمینه کسب و کار به شمار می رود. در این راستا مدل كسب و كار از اهمیت زیاد برخوردار است. مدل کسب و کار به عنوان یک الگو و طرح برای انجام کارها و رسیدن به اهداف کسب و کار استفاده می شود. اینکه چه فعالیتی در چه زمانی و به چه شکلی صورت پذیرد تا کسب و کار به سمت درآمد مورد نظر حرکت کند و همچنین برای جلوگیری از انحراف از مسیر نیازمند یک مدل کسب و کار هستیم. نداشتن یک الگو و درواقع یک مدل کسب و کار موجب بهم ریختگی و عدم انسجام روال های درحال اجرا می گردد. به دلیل گستردگی کسب و کارها امکان بیان همه ی مدل ها وجود ندارد اما عواملی که بر یک مدل تاثیر می گذارند و همچنین کنترل این عناصر می تواند کمک شایانی به پیشرفت در این زمینه نماید.اين پروژه ابتدا مروري بر رایانش ابری و مدل های کسب و کار دارد. سپس با بررسي و تشريح مشخصات مدلهاي كسب و كار سنتي و تلفيق آن با رایانش ابری، به تشريح خصوصيات مدلهاي كسب و كار مبتني بر رایانش ابری مي پردازد و در نهايت، چارچوبي مفهومي از مدلهاي كسب و كار مبتني بر رایانش ابری را ارائه مي كند.<br /> <br /> با توسعه کسب و کارها دیگر نمی توان مبتنی بر روشهای سنتی به اداره نمودن مشتریان و خواستهای آنان اقدام نمود. این امر سبب می شود تا نتوان همگام با مشتری، که دائما ًدر حال تغییر ذائقه خود است، کسب وکار را به نحوی آماده نمودکه از پس این پویایی اجباری برآید. به عبارت دیگر اگرکسب وکاری نتواند خود را دائماً آگاه از نیازها و رفتارهای مشتریان خود نماید و برای تغییر ذائقه مشتری خود(حتی قبل از ایجاد تغییر ذائقه) برنامه ریزی و اقدام نماید، می تواند نه تنها زنده بماند بلکه همچون برخی شرکت های نرم افزاری و سخت افزاری مهم دنیا، به سودآوری سرسام آوری روی آورد. از این رو این تحقیق درصدد جایگاه هر یک از مدل های کسب و کار را در سه حوزه داده های کسب وکار، وب کاوی و پردازش ابری مورد بررسی قرار داده و مشخص سازد که ارزش هر یک و روند فعلی آن چگونه است و درآینده به چه سمت و سویی حرکت خواهدکرد.<br /> <br /> این تحقیق میتواند برای تمامی افرادی که علاقمند به توسعه کسب و کارها مبتنی بر اطلاعات و فناوریهای آن باشد،کمک شایانی نماید. این تحقیق با بررسی روندهای مختلف گذشته، حال و آینده به ارزشگذاری و ترسیم روند و دورنمای استفاده از چنین سیستمهایی می پردازد و مشخص می سازد که جایگاه مدل های کسب و کار با کمک پردازش ابری در توسعه کسب وکارهای فعلی و ایجاد تغییرات مثبت درکسب وکارها در چه حد می تواند باشد.<br /> همچنین این تحقیق میتواند به محققین حوزه های هوش مصنوعی، نرم افزار و سخت افزار بخصوص مخزن داده در شناخت جایگاه این امور و نمایش روندها و دورنماهای این صنعت کمک زیادی نماید.<br /> <br /> == مقدمه ==<br /> === مدل های کسب و کار ===<br /> یکی از عناصر اصلی در عملکرد شرکت ها و موفقیت آنها مدل های کسب و کار هستند. این مدل ها در قالب یک الگو به سه سوال اساسی در زمینه کسب و کار پاسخ می دهند که کدام فعالیت ها در چه زمانی و چگونه انجام شوند. در صورت پاسخ صحیح به این سه سوال سازمان عملکرد بهتری را ارایه می دهد در نتیجه رضایت مشتریان فراهم شده، موجب سود و منفعت شرکت می گردد. در کسب و کارهای کنونی مدل های بسیار زیاد با ویژگی های متعدد و گسترده ای وجود دارد به همین دلیل نمی توان همه مدل ها را در یک مجموعه گردآوری کرد اما عوامل و عناصر تاثیرگذار بر روی این مدل ها می تواند به الگوی خوبی بدل شود و با <br /> <br /> به کنترل درآوردن این عناصر طراحی یک مدل کسب و کار را تسهیل نمود.<br /> می توان مدل کسب و کار را ابزاری دانست که به سازمان و شرکت تجاری کمک می کند که بتواند سوددهی داشته باشد و کسب درآمد کند. به مدل کسب و کار نقشه و یا طرح کسب و کار نیز گفته می شود. در واقع مدل کسب و کار یک روشی را ارایه می کند که بنگاه تجاری بوسیله آن به مشتریان خود پاسخ داده و خدمات ارایه می کند. این مدل شامل دو مرحله می باشد: مرحله اول بیان می کند شرکت یا سازمان چه کاری را می خواهد انجام دهد که به این مرحله استراتژی گفته می شود. در مرحله ی دوم به بیان این نکته می پردازد که شرکت چگونه و به چه شکلی این طرح ریزی را به اجرا در میاورد که به آن پیاده سازی می گوییم.<br /> <br /> در واقع مدل کسب و کار به اختصار بیان می کند که چگونه یک سازمان تجاری باید برای انتخاب مشتریان خود عمل کند. در واقع بازار هدف را مشخص می کند. بعد از آن باید به معرفی محصول خود پرداخته و در واقع نکاتی که محصول را متمایز و خاص می کند را معرفی و بیان کند. با اینکار سازمان مشتری خود را پیدا می کند و موظف است مشتری خود را حفظ کند. اینکه چگونه و از طریق چه راهبردهای تبلیغاتی و توزیعی محصول و خدمت وارد بازار شود از دیگر نکاتی است که در مدل کسب و کار بیان می شود. در این مدل باید اهداف سازمان معرفی شده و آینده ای از نتیجه ی عملکرد ترسیم گردد. همچنین منابع سازمان باید هماهنگ شده، روش های کسب درآمد و سوددهی نیز مشخص می گردند. <br /> <br /> مدل های کسب و کار در رایانش ابری محدوده ی نسبتا جدیدی است و پیدا کردن مدل درستی برای استفاده از کسب و کار می تواند پایداری و بقای سازمان را بالا می برد. با آگاهی از نقاط ضعف و قوت مدل های کسب و کار سازمان ها می توانند از بین انبوه مدل های ارایه شده مناسب ترین مدل تجاری را برای خود انتخاب کرده و به کار ببندند و در رکود اقتصادی کسب و کارهایشان را گسترش دهند.<br /> <br /> === رایانش ابری === <br /> رایانش ابری یک راه حل فراگیر در ارایه ی منابع محاسباتی اعم از سخت افزار، نرم افزار، شبکه، حافظه و غیره را فراهم می کند. بر اساس این تعریف مشخصات خاصی بر روی رایانش ابری بیان می شود:<br /> <br /> همه شمول - راه حل های متعدد در یک سرویس را فراهم می کند. این امر شامل زیرساخت های سخت افزاری، نرم افزاری و سیستم های عملیاتی و غیره می باشد.<br /> <br /> دسترسی از راه دور – کاربران رایانش ابری از طریق ابر و از طریق ارتباط از راه دور به داده های خود دسترسی دارند و منابع محاسباتی در هر زمان و با هر مورد درخواست در دسترس هستند.<br /> <br /> سرعت – کاربران رایانش ابری برخلاف کسب و کارهای سنتی، نیازی به کامپیوترهای قدرتمند برای مدیریت حجم عظیم داده ها ندارند و می توانند تنها با یک ارتباط اینترنتی و پهنای باند کافی به فراهم کننده ی سرور متصل شده و همه ی زیر ساخت های مدیریت داده را در اختیار داشته باشند. <br /> <br /> ==== مدل های استقرار ابر ====<br /> ابرها بر اساس مشخصه های کسب و کار، نیازمندی های تکتیکی و عملیاتی به سه دسته تقسیم می شوند:<br /> <br /> 1. ابرهای عمومی : ابر عمومی به معنای عام و سنتی ابرها می باشد. در این نوع ابر استفاده ی همگانی صورت می گیرد و همانند صنایع آب و برق، فضا در اختیار کاربر به هراندازه که بخواهد قرار می گیرد و در انتها براساس حجم استفاده ای که از خدمت ابری داشته است هزینه ی آن را پرداخت می کند.<br /> <br /> 2. ابر های خصوصی: یک زیر ساخت رایانش ابری برای استفاده ی یک سازمان بصورت داخلی است و مناسب یخود می باشند. این زیرساخت با خارج از سازمان هیچ ارتباطی نداشته، تمام تجهیزات داخل سازمان قرار دارد در نتیجه از امنیت بالایی برخوردار است. استفاده از ابرهای خصوصی بسیار گران می باشد و مشکلاتی را برای استفاده کنندگان به وجود می آورد. برای دوری از این مشکلات و همچنین استفاده از قابلیت های ابر خصوصی، ابر خصوصی مجازی توصیه می شود. این ابر بخشی از یک زیرساخت ابر عمومی است که برای استفاده ی اختصاصی در اختیار یک سازمان قرار می گیرد.<br /> <br /> 3. ابرهای پیوندی: این ساختار ترکیبی از ابرهای خصوصی و عمومی می باشند. یک ابر خصوصی می تواند با چندین ابر عمومی ترکیب شده و مورد استفاده ی سازمان قرار بگیرد. این ابرهای پیوندی ساختار مناسبی برای سازمان ها و موسسات تجاری هستند. با استفاده از آن شرکت می تواند خدماتی را در بخش ابر عمومی ارایه دهد که برای بخش بازار درنظر گرفته شده است و مربوط به ارتباط با کاربر می باشد و نیز ذخیره اطلاعات و حساب های خود را در ابر خصوصی قرار دهد.<br /> <br /> ==== خدمات رایانش ابری ====<br /> 1. زیرساخت به عنوان سرویس (IaaS): در این سطح، سخت افزار و سریس های مرتبط با آن رایه می شود، از جمله: مرکز داده ها، سخت افزارهای فیزیکی، دیوار آتش، تجهیزات شبکه و غیره. دستگاه های ذخیره سازی، مدیریت پایگاه داده و همه ی سرویس ه ای مرتبط به سخت افزار به کاربر نهایی ارایه می شود.<br /> <br /> 2. بستر سخت افزاری به عنوان سرویس (PaaS): این لایه راه حل های مستقل از سخت افزار را به توسعه دهندگان نرم افزار ارایه می دهد، از جمله: سیستم های عامل، ماشین های مجازی، نرم افزارهای زیرساختی و غیره. توسعه دهندگان می توانند برنامه های کاربردی خود را با استفاده از این بستر و بدون نگرانی درباره ی زیرساخت های سخت افزاری زیرین (IaaS) بنویسند.<br /> <br /> 3. برنامه های کاربردی به عنوان سرویس (SaaS): این لایه برای کاربر نهایی مورد توجه می باشد. SaaS یک نرم افزار است که به وسیله ی یک یا چند ارایه کننده، داده را از راه دور تحویل گرفته و مدیریت می کند. از آنجایی که این خدمت مربوط به برنامه و نرم افزارهای کاربردی می باشد که دسترسی به آن ها وجود دارد و استفاده می شوند، مدل پرداخت آن بصورت &quot;پرداخت به ازای هر استفاده&quot; می باشد.<br /> <br /> کاربران معمولا تنها به یکی از این خدمات احتیاج ندارند بلکه نیازمند راه حلی هستند که همه ی این خدمات را در قالب یک سرویس به آن ها ارایه دهد. خدمت XaaS به معنی &quot;همه چیز در یک سرویس&quot; این خدمت را ارایه می کند. در نتیجه XaaS شامل هر سه خدمت IaaS، PaaS و SaaS می باشد.<br /> <br /> === رایانش ابری به عنوان یک مدل کسب وکار ===<br /> یک مدل کسب و کار راهی را برای ایجاد ارزش برای مشتریان نشان می دهد. مدل کسب و کار نشان می دهد که از چه طریقی یک کسب کار از میان فعالان، فعالیت ها و همکاری فرصت های بازار به سود تبدیل می کند. مدل کسب و کار بیان می کند که چطور وردی ها (منابع) تبدیل به خروجی (ارزش) می شوند. رایانش ابری می تواند به عنوان یک مدل تجاری در حال ظهور در نظر گرفته شود و لایه های خدمات را فراهم کند که به کاربران نهایی ارایه می شود. مدل کسب و کار رایانش ابری سه جزء را شامل می شود:<br /> <br /> • زیرساخت <br /> <br /> • بستر سخت افزاری <br /> <br /> • برنامه های کاربردی<br /> <br /> این سه جزء از چهارچوب مدل کسب و کار ابری به توصیف سازمان های تجاری بر اساس نوع سرویس آن ها می پردازد. این چهارچوب نقش های مختلف کسب و کار را برای مشتریان بیان می کند. سازمان ها می توانند در جهت خاصی از کسب وکار حرکت کرده و عمل کنند که عبارتند از:<br /> <br /> • فراهم کنندگان زیرساخت<br /> <br /> • فراهم کنندگان بستر سخت افزاری <br /> <br /> • فراهم کنندگان سرویس<br /> <br /> • فراهم کننگان خدمات انبوه<br /> <br /> • مشاوره<br /> <br /> در حقیقت تمام نقش هایی که در بالا ذکر شد می توانند با یکدیگر ترکیب شده و در یک زنجیره ی ارزشی واحد قرار بگیرند. این زنجیره ی ارزشی واحد در واقع همان رایانش ابری است.<br /> <br /> === مدل مکعبی ابر CCM ===<br /> ==== تعریف مدل مکعبی ابر CCM ====<br /> این مدل توسط فردی به نام Jericlo Froum برای همکاری امن در تشکیلات ابری مناسب در کسب و کارهای مختلف پیشنهاد شده است. همانطور که اشاره شد سرویس های ابری زیادی وجود دارند که می توانند خدمات ارایه کنند. این امر موجب می شود مشتریان رایانش ابری در انتخاب سازمان و مدل مناسب دچار سردرگمی شوند. مدل مکعبی راه حلی برای این مشکل می باشد.<br /> در مدل ابر مکعبی چهار بعد متمایز می شوند:<br /> <br /> • External and Internal :این بعد نوع کسب و کار را مشخص می کند. &quot;داخلی&quot; به معنای ابر خصوصی و &quot;خارجی&quot; به معنی ابر عمومی می باشد.<br /> <br /> • Proprietary and Open : &quot;اختصاصی&quot; به معنی خدمات قراردادی یا پرداختی می باشد. &quot;باز&quot; برای خدمات و راه حال های متن باز به کار می روند. در مفهوم رایانش ابری، گاهی اوقات &quot;باز&quot; به معنای سیستم یا بستری است که اجازه ی به اشترام گذاری و دسترسی آزاد به برنامه های کاربردی وجود دارد. به عنوان مثال Google App Engine &quot;باز&quot; محسوب می شود.<br /> <br /> • Parameterized (Per) and D-Parameterized (D-P) : تعریف اصلی این بعد در واقع به عنوان یک طرز فکر معماری است. به این معنی که پارامترهای سنتی فناوری اطلاعات مثل شبکه و دیوار آتش &quot;داخل&quot; و یا &quot;بیرون&quot; سازمان قرار می گیرند. در مفهومی که ما بیان می کنیم &quot;پارامتر&quot; (Per) به معنی ارایه ی ساختار به عنوان سرویس (IaaS)، و بستر به عنوان خدمت و سرویس (PaaS)، و یا هرنوع سرویس، پشتیبانی و یا قراردادی می باشد که از بستر و زیرساخت استفاده می کنند. سرویسی که D-P ارایه می کند بصورت نرم افزار به عنوان خدمت (SaaS) می باشد و یا هر سرویس، قرارداد و یا پشتیبانی که از نرم افزار و برنامه های کاربردی استفاده می کنند مادامیکه با حد و مرزهای سخت افزاری محدود شده اند.<br /> <br /> • In-Sourced and out Sourced : &quot;داخل منبع&quot; به معنی ابرهای در حال توسعه خانگی می باشد. &quot;خارج از منبع&quot; نیز به سرویس ها و قراردادهایی اطلاق می شود که مدیریت همه ی درخواست ها را فراهم می کنند. بیشتر مدل های کسب و کار ابری داخل این بعد قرار می گیرند.<br /> <br /> === مدل شش وجهی ===<br /> مدل کسب و کار ابری یک محدوده ی جدید و نوظهور است و یک مدل به تنهایی نمی تواند به طور کامل بهترین مدل کسب و کار را نمایش دهد. از این رو مدل های کسب و کار زیادی وجود دارند که این امر انتخاب مدل مناسب را برای کاربران دشوار می سازد.<br /> <br /> بر اساس بررسی های اقتصادی و مالی وجود پنج عنصر اصلی در هر کسب و کار موفق ضروری است: <br /> <br /> 1. اعتماد و حجم بالای مشتریان<br /> <br /> 2. سرمایه گذاران<br /> <br /> 3. محبوبیت<br /> <br /> 4. ارزیابی بازار<br /> <br /> 5. نوآوری<br /> <br /> برای مثال، Facebook در شش سال حدود چهارصد میلیون کاربر به دست آورده و فاکتورهای مشتریان، سرمایه گذاران، محبوبیت، ارزیابی و نوآوری در مقایسه با رقیبان و انتظارات تحلیل گران به حداکثر رسیده اند. به عنوان مثال مشابه می توان از شرکت iPhone نام برد که همام مسیر Facebook را طی می کند. با این وجود، یک فاکتور مهم دیگر نیز در بررسی کسب و کارها وجود دارد که به آن به اختصار “GTJD” نامیده می شود و به معنی &quot;اتمام کار&quot; می باشد. منظور از این فاکتور این است که بررسی می کند آیا خدمات رایه دهنده ی خاص سرویس می تواند مشکلات مشتری را حل کند و آیا راه حل های آن ها کاملا با خدمات ابری مرتبط هستند و مقیاس های درست و به اندازه ای برای سازمان و مشتری ارایه می دهند. این فاکتور بسیار ضروری است زیرا بعضی از ارایه دهندگان سرویس از راه های جایگزینی استفاده می کنند که ارتباط کمتری با ابرها دارند. به علاوه فاکتور اتمام کار ریسک های کمتری به همراه دارد و به مطالعات موردی و بررسی های مشترک در قالب نظرسنجی و مصاحبه وابسته است.<br /> <br /> === رابطه ی بین مدل ابر مکعبی و مدل شش وجهی: ===<br /> مدل ابر مکعبی کسب و کار را به هشت دسته تقسیم کرده است و رهنمودهایی را ارایه می دهد که چطور کسب و کارهای ابری باید عمل کرده و جهت آن ها را از فاز اول تا چند سال آینده از عملیات کسب و کار را مشخص می کند و طرح استراتژیکی آن را ارایه می دهند.<br /> مدل شش گوشه یک مدل ایده آل برای هایلایت نمودن نقاط قوت و ضعف کسب و کارهای ابری در هر زمان ارایه می دهد. آگاهی از مناطقی که باید روی آن ها تمرکز کرد و به روز رسانی موثر و سریع برای حفظ پایداری خود با تمرکز بر مناطق اشغال شده در مدل شش گوشه انجام می گیرد. <br /> <br /> مدل شش وجهی یک پل بر روی شکاف بین کیفیت و کمیت ساخته و به سازمان ها کمک می کند تا آن چه که در مدل ابر مکعبی نمی تواند اندازه گیری شود را ردیابی کند در نتیجه این دو مدل یکدیگر را کامل می کنند.<br /> <br /> === مدل های قیمت گذاری در رایانش ابری: ===<br /> در حال حاضر ما تعداد افزاینده ای از سرویس های اینترنتی مورد نیاز را شاهد می باشیم. ارایه دهندگان ارزنده ای مانند Amazon، Google، Sun، IBM، Oracle، Salesforce و غیره زیرساخت های محاسباتی و نرم افزاری را ارایه می دهند. این زیرساخت های محاسباتی و نرم افزاری به عنوان یک هسته برای ارایه ی خدمات سطح بالا مانند محاسبه، ذخیره سازی، پایگاه داده و برنامه های کاربردی کاربرد دارند. برنامه های کاربردی می توانند شامل خدمات Email، برنامه های دفتری، امور مالی، ویدیو، صدا و پردازش داده ها باشند.<br /> <br /> در طول تجزیه و تحلیل بیش از هفتاد ارایه دهنده ی خدمت ابر شناسایی شده اند که در جدول ذیل برخی از آن ها آورده شده اند. این جدول یک نمای کلی از تولیدکنندگان، نوع سرویس هایی که ارایه می دهند و مدل های قیمت گذاری انتخاب شده را بیان می کند که به عنوان یک نقشه و طرح مفهومی از چهارچوب های پیشنهادی است.<br /> <br /> خدمات ارایه شده به انواع مختلفی دسته بندی می شوند. از جمله: زیرساخت، فضای حافظه، پایگاه داده، مدیریت فرآیندهای تجاری، بازار، صدور صورتحساب، حسابداری، پست الکترونیکی، اشتراک گذاری داده ها، پردازش داده و خدمات تحت وب<br /> <br /> در حال حاضر اغلب مدل های قیمت گذاری برای تولیدکنندگان خدمات مدل &quot;پرداخت به ازای استفاده&quot; (pay per use) می باشد که کاربر یک قیمت ثابت را برای یک واحد خاص از استفاده، پرداخت می کند. این واحد خاص می تواند بر اساس ساعت، گیگابایت یا موارد دیگر باشد. این مدل بسیار ساده است. هر واحد دارای یک قیمت ثابت است. این مفهوم ساده بطور گسترده برای محصولات و خدماتی استفاده می شود که به دلیل تولیدات انبوه و گستره ی آن ها مذاکرات برای قیمت گذاری را غیرعملی می کند. <br /> <br /> یک مدل قیمت گذاری مشابه وجود دارد که تفاوت هایی با مدل پرداخت به ازای هر استفاده وجود دارد. این مدل قیمت گذاری آبونمان (Subscription) نام دار. در این مدل کاربر یک قرارداد را برای استفاده از واحدهای خدماتی ترکیبی امضا می کند. قیمت ثابت و چهارچوب زمانی این خدمات از قبل مشخص شده اند و بازه ی زمانی آن ها ماهانه و یا سالانه می باشد. با بررسی روی مدل های قیمت گذاری نام برده شده مشخص می گردد که کاربران معمولا مدل های قیمت گذاری ساده و یک پرداخت ثابت را ترجیح می دهند (مثل روش آبونمان و پرداخت به ازای هر استفاده). شاید دلیل این امر راحتی محاسبه ی هزینه و درک ساده تر این مدل ها باشد. در این مدل ها نحوه ی محاسبه ی هزینه واضح و شفاف است. علاوه بر این ها از منظر روانشناسی نیز رویکرد به این مدل های ساده قابل توضیح است زیرا که کاربران از پرداخت صورت حساب های بزرگ گاه و بیگاه پرهیز می کنند. <br /> <br /> قیمت گذاری پویا (که قیمت گذاری متغیرنیز نامیده می شود) مدلی است که در آن قیمت گذاری خدمات بر اساس عرضه و تقاضا متغیر است. برای مثال با استفاده از مذاکرات یا مزایده قیمت گذاری انجام می شود. این مدل قیمت گذاری معمولا برای محاسبه ی قیمت اقلام متفاوت و گران (با ارزش بالا) استفاده می شود. مزایده یک مکانیزم استاندارد برای انجام واحدهای عرضه و تقاضا می باشد.<br /> <br /> == بررسی ادبیات موضوع ==<br /> جدول زیر مروری بر کارهای صورت گرفته در زمینه مدل های کسب و کار با پردازش ابری در تحقیقات مرتبط، مفروضات، مجهولات و معلومات و رویکردهای آن ها می باشد.<br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! نام نویسنده !! سال اتتشار !! مفروضات و اهداف<br /> |-<br /> | ونگ و همکاران || 2012 || پردازش ابری برای تخمین زدن <br /> <br /> احتمال مربوط به تضمین مشتری در کسب و کار موردی<br /> |-<br /> | گا و همکاران || 2012 || بررسی رفتار مشتریان در زمینه<br /> <br /> انتخاب کردن یک کالا در یک مجموعه از آن کالا با کمک مدل پردازش ابری<br /> |-<br /> | کیم و همکاران || 2011 || تخمین احتمال انتخاب نشدن یک کالا توسط مشتری<br /> |-<br /> | الیاز و اسپیگلر || 2011 || بررسی رفتار خرید مشتری با پردازش ابری<br /> |-<br /> | بهاتچاریاس || 2011 || انتخاب کردن و خرید توسط مشتری در یک مدل کسب و کار با کمک پردازش ابری<br /> |-<br /> | کلوز و کوکار کینی || 2010 || بررسی کردن خرید با پردازش ابری<br /> |-<br /> | هایوسر و همکاران || 2010 || بررسی رفتار مشتریان در فضای مجازی با پردازش ابری<br /> |-<br /> | پانج و موری || 2009 || بررسی فرایندهای تصمیم مشتری با کمک مدل کسب و کار<br /> |-<br /> | فن و همکاران || 2007 || بررسی اهداف مشتریان در خریدهای اینترنتی با توجه به مدل پردازش ابری<br /> |-<br /> | فنگ و همکاران || 2007 || بررسی کردن بازار اینترنتی برای رتبه بندی کردن کالا طبق پردازش ابری<br /> |-<br /> | گارفینگر و همکاران || 2006 || بررسی رفتار مشتری در زمینه ی انتخاب کردن کالا در بازار اینترنتی<br /> |-<br /> | آیرن و همکاران || 2005 || بررسی بازارهای اینترنتی با پردازش ابری<br /> |-<br /> | زوئیک و همکاران || 2003 || تهیه کردن لیست خرید توسط مشتری با کمک موتورهای جستجو<br /> |-<br /> | منسنز و همکاران || 2003 || انجام دادن واکاوی به کمک مجموعه ای سازگار از عوامل هوشمند و پردازش ابری<br /> |-<br /> | اریناکی و وازیرگیانیکس || 2003 || تجزیه و تحلیل داده های مختلف در زمینه رفتار خرید مشتری با کمک <br /> <br /> نوع خاصی از مدل کسب و کار<br /> |-<br /> | اوهارا و همکاران || 2002 || مدل پردازش ابری کسب و کار اینترنتی<br /> |-<br /> | دی واراج و همکارن || 2002 || تعیین دترمینان برای رفتار خرید مشتری در پردازش ابری<br /> |-<br /> | ساروار و همکاران || 2001 || بررسی کردن نرخ خرید یا احتمال خریداری کردن با توجه به مدل های کسب و کار<br /> |-<br /> | شت و همکاران || 2001 || ساده کردن اطلاعات با کمک هوش و مدل کسب و کار<br /> |-<br /> | سنگ و یانگ || 2001 || بررسی کردن میزان رضایت مشتری از مدل کسب و کار<br /> |-<br /> | هابل || 2000 || بررسی کردن فرایند خاص برای تصمیم گیری مشتری با توجه به مدل کسب و کار<br /> |-<br /> | منسز و همکاران || 2000 || م مدل چند عامله برای [[داده‌کاوی]] آنلاین مدل کسب و کار<br /> |}<br /> <br /> === مرور تحقیقات مشابه و مرتبط ===<br /> <br /> ==== رایانش ابری برای تجارت ====<br /> <br /> &lt;big&gt;مشخصات مساله&lt;/big&gt;<br /> <br /> امروزه با گسترش بکار گیری فناوری اطلاعات در سازمان ها نیاز به ذخیره سازی حجم وسیعی از داده ها به وجود آمده است. به این منظور بسیاری از سازمان ها نیازمند تهیه ی زیرساخت های سخت افزاری گران و نرم افزارهای پیچیده می باشند. به علاوه سازمان ها از نتیجه ی تغییراتی که به دلیل بکارگیری فناوری اطلاعات حاصل می شود اطمینان ندارند. همچنین با رشد سریع تکنولوژی، نیازمند مدلی برای کسب و کارشان هستند که قابلیت به روز رسانی داشته باشند و با تغییرات دائمی پایدار باقی بمانند. این مقاله با نگاهی به مزایای استفاده از رایانش ابری در کسب و کارها برای رفع مشکلات بیان شده راه حل هایی را ارایه می دهد.<br /> <br /> &lt;big&gt;مشخصات ایده و راه حل&lt;/big&gt;<br /> <br /> این مقاله با معرفی موضوع رایانش ابری به بیان انواع و زیرساخت های مختلف آن پرداخته، سپس کسب و کارهای تجاری امروزی را بررسی میکند. در آخر با تلفیق مدل های تجاری با رایانش ابری به بیان مزایا و معایب استفاده از رایانش ابری در فعالیت های انجام شده در کسب و کارها می پردازد سپس رایانش ابری را در سازمان هایی که در واقعیت و در زمان حال از آن استفاده می کنند، بررسی می نماید، سازمان هایی مانند Google، Amazon، IBM و غیره.<br /> <br /> &lt;big&gt;مشخصات نتایج حاصله و ارزیابی شده&lt;/big&gt;<br /> <br /> رایانش ابری می تواند پاسخی به بسیاری از مشکلات مطرح شده باشد. با فراهم کردن زیرساخت سخت افزاری و نرم افزاری کاهش هزینه ی بسیاری را در سازمان شاهد خواهیم بود و درصورت شکست ایده مشکلات هزینه ی سنگین اولیه وجود نخواهد داشت.<br /> رایانش ابری بعنوان یک تکنولوژی به سرعت در حال تحول است و در زمینه ی کسب و کار و تجارت یک عنصر ارزشمند محسوب می شود. با راه اندازی و بکارگیری آن در کسب و کارها می توان به سود بیشتری دست یافت. امروزه بسیاری از شرکت ها و سازمان ها از زیرساخت های رایانش ابری مانند IaaS، SaaS، PaaS و XaaS استفاده می کنند تا ارزش تجاری بالاتری به دست آورده و مشتریان بیشتری جذب کنند.<br /> <br /> &lt;big&gt;مشخصات کارهای آتی پیشنهاد شده&lt;/big&gt;<br /> <br /> این مقاله با بیان این موضوع که امنیت در حال حاضر مهمترین چالش ابری برای استفاده در کسب و کار می باشد اذعان می دارد بدون وجود امنیت تجربه ی تجاری موفقی با رایانش ابری تجربه نخواهیم کرد. تحقیقات آتی بر مبنای امنیت در رایانش ابری می تواند تکمیل کننده ی این تحقیق باشد.<br /> <br /> &lt;big&gt;ارزیابی کلی تحقیق&lt;/big&gt;<br /> <br /> در این مقاله با بررسی اهمیت رایانش ابری در کسب و کارهای امروزی به طرح مشکلات پرداخته و رایانش ابری را به عنوان راه حلی عنوان می کند. با معرفی کامل رایانش ابری، فواید و مشکلات آن را بیان کرده سپس با تلفیق آن با فرآیندهای کسب و کار و بیان نقش رایانش ابری در تجارت مدل های کسب و کار ابری را بیان می کند و کارکردهای آن را در شرکت هایی مانند Amazon، Microsoft و Drobox بررسی می کند.<br /> <br /> <br /> ==== طبقه بندی مدلهای کسب و کار در رایانش ابری ====<br /> <br /> &lt;big&gt;مشخصات مساله&lt;/big&gt;<br /> <br /> مدل های کسب و کار در رایانش ابری یک محدوده جدید می باشد از همین رو انتخاب مدل درست و به ثبات رسیده، یک چالش برای سازمان های استفاده کننده از آن می باشد. دسته بندی درست از مدل های کسب و کار موجود و بیان مزایا و معایب آن ها می تواند گره گشای این مشکل باشد. <br /> <br /> &lt;big&gt;مشخصات ایده و راه حل&lt;/big&gt;<br /> <br /> این مقاله مدل های کسب و کار کنونی در رایانش ابری را بررسی کرده و بیان می کند که سازمان ها از چه طریقی می توانند مدل مناسبی برای کسب و کار خود انتخاب کنند. در این تحقیق مدل های کسب و کار ابری بر اساس آنالیزها و بازبینی های انجام شده به هشت دسته طبقه بندی شده اند و هرکدام به تفضیل بیان می شوند. همچنین مدل مکعب ابری را تعریف کرده سپس این هشت مدل را در این مدل مکعبی بررسی کرده و جایگاه آن ها را مشخص می کند. بعلاوه نقاط ضعف و قدرت هر مدل در این بررسی بیان شده که به سازمان ها کمک شایانی برای انتخاب مدل درست و متناسب با اهداف شرکت می باشد و باعث پایداری آن ها گردد. <br /> <br /> &lt;big&gt;مشخصات نتایج حاصله و ارزیابی شده&lt;/big&gt;<br /> <br /> رایانش ابری زیرساخت های محاسباتی مورد نیاز را بصورت ارزان و با سطح کیفیت بالا برای سازمانها فراهم می کند. همچنین خدمات شبکه ای را ارایه می دهد که به راحتی قابل دسترس می باشد. برای سازمان ها این امکان را فراهم می کند که بتوانند اطلاعات و زیرساخت های تکنولوزی ارتباطی را فراهم کنند. همچنین باعث صرفه جویی در هزینه های اجرایی، منابع و کارگزاران می گردد.<br /> <br /> &lt;big&gt;مشخصات کارهای آتی پیشنهاد شده&lt;/big&gt;<br /> <br /> فعالیت های آتی شامل مقاله هایی در باب چهارچوب اقتصادی ابر می باشد که به اختصار FCF نامیده می شود. این فعالیت ها مدل های کسب و کاری که در رایانش ابری طبقه بندی کردیم و همچنین مدل مکعبی ابری را با تمرکز و تاکید بر روی مراقبت های بهداشتی و حوزه های مالی گسترش می دهد و همچنین مدل سازی مالی در پیش بینی ها، شبیه سازی، مدل سازی و تعیین معیار دارایی ها در نظر گرفته می شود. FCF مدلی است که مدل های کسب و کارو و فرآیندهای آن ها را ساده می کند. <br /> <br /> &lt;big&gt;ارزیابی کلی تحقیق&lt;/big&gt;<br /> <br /> مدل های کسب و کار ابری یک حوزه ی جدید بوده و پیدا کردن مدل درست و مناسب کسب و کار می تواند مشکل باشد. این مقاله به بیان مدل های کسب کار ابری موجود پرداخته و راه حل هایی را به سازمان ها ارایه می دهد که بتوانند مدل درست و مناسب را انتخاب کرده و به کار بگیرند. همچنین با معرفی ابر مکعبی راه حلی برای انتخاب مناسب مدل کسب و کار ابری بیان می شود.<br /> <br /> ==== مروری بر مدلهای کسب و کار ابری و پایداری آنها====<br /> <br /> &lt;big&gt;مشخصات مساله&lt;/big&gt;<br /> <br /> مدل کسب و کار در رایانش ابری به عنوان یک محدوده ی جدید در حال ظهور می باشد. این گستردگی باعث می شود یک مدل به تنهایی نتواند بهترین مدل کسب و کار باشد و آن را به نمایش بگذارد به همین دلیل مدل های کسب و کار گوناگونی وجود دارند که باید با رایانش ابری تطبیق داده شوند. همچنین انتخاب درست مدل کسب و کار ابری به سازمان ها کمک می کند در این راه جدید موفق عمل کنند و پایداری آن ها را تضمین می کند.<br /> <br /> &lt;big&gt;مشخصات ایده و راه حل&lt;/big&gt;<br /> <br /> بعضی از این مدل ها و نحوه ی بررسی آن ها در این مقاله به عنوان پاسخی به مشکلات مطرح شده، بیان شده است. از جمله ی این مدل ها، مدل مکعب ابری و مدل شش گوشه می باشد. این مدل به بررسی مدل های کسب و کار موجود پرداخته و نقاط قوت و ضعف آن ها را بیان می کند. علاوه بر مدل های کیفی، چند مدل کمی هم در این مقاله مطرح می شوند تا تاثیر مدل های کسب و کار ابری بر تجارت مشخص گردد.<br /> <br /> &lt;big&gt;مشخصات نتایج حاصله و ارزیابی شده&lt;/big&gt;<br /> <br /> مدل ابر مکعبی توسط فردی به نام Jericlo Froum برای همکاری امن در تشکیلات ابری مناسب در کسب و کارهای مختلف پیشنهاد شده است. سرویس های ابری زیادی وجود دارند که می توانند خدمات ارایه کنند. این امر موجب می شود مشتریان رایانش ابری در انتخاب سازمان و مدل مناسب دچار سردرگمی شوند. مدل مکعبی راه حلی برای این مشکل می باشد.<br /> مدل مکعبی از 4 وجه تشکیل شده که به شرح زیر می باشند:<br /> <br /> 1) External and Internal<br /> این بعد نوع کسب و کار را مشخص می کند. <br /> &quot;داخلی&quot; به معنای ابر خصوصی و &quot;خارجی&quot; به معنی ابر عمومی می باشد.<br /> <br /> 2) Proprietary and Open<br /> &quot;اختصاصی&quot; به معنی خدمات قراردادی یا پرداختی می باشد. &quot;باز&quot; برای خدمات و راه حال های متن باز به کار می روند. در مفهوم رایانش ابری، گاهی اوقات &quot;باز&quot; به معنای سیستم یا بستری است که اجازه ی به اشترام گذاری و دسترسی آزاد به برنامه های کاربردی وجود دارد. به عنوان مثال Google App Engine &quot;باز&quot; محسوب می شود.<br /> <br /> 3)Parameterized (Per) and D-Parameterized (D-P) <br /> تعریف اصلی این بعد در واقع به عنوان یک طرز فکر معماری است. به این معنی که پارامترهای سنتی فناوری اطلاعات مثل شبکه و دیوار آتش &quot;داخل&quot; و یا &quot;بیرون&quot; سازمان قرار می گیرند. در مفهومی که ما بیان می کنیم &quot;پارامتر&quot; (Per) به معنی ارایه ی ساختار به عنوان سرویس (IaaS)، و بستر به عنوان خدمت و سرویس (PaaS)، و یا هرنوع سرویس، پشتیبانی و یا قراردادی می باشد که از بستر و زیرساخت استفاده می کنند. سرویسی که D-P ارایه می کند بصورت نرم افزار به عنوان خدمت (SaaS) می باشد و یا هر سرویس، قرارداد و یا پشتیبانی که از نرم افزار و برنامه های کاربردی استفاده می کنند مادامیکه با حد و مرزهای سخت افزاری محدود شده اند.<br /> <br /> 4)In-Sourced and out Source<br /> &quot;داخل منبع&quot; به معنی ابرهای در حال توسعه خانگی می باشد. &quot;خارج از منبع&quot; نیز به سرویس ها و قراردادهایی اطلاق می شود که مدیریت همه ی درخواست ها را فراهم می کنند. بیشتر مدل های کسب و کار ابری داخل این بعد قرار می گیرند.<br /> <br /> مدل شش وجهی یک پل بر روی شکاف بین کیفیت و کمیت ساخته و به سازمان ها کمک می کند تا آن چه که در مدل ابر مکعبی نمی تواند اندازه گیری شود را ردیابی کند در نتیجه این دو مدل یکدیگر را کامل می کنند. در این مقاله مدل شش وجهی بر روی سایت های معروفی مانند Facebook و شرکت هایی مانند Apple مورد بررسی قرار گرفته اند.<br /> <br /> &lt;big&gt;مشخصات کارهای آتی پیشنهاد شده&lt;/big&gt;<br /> <br /> اقدامات آتی در زمینه ی این مقاله در مبحث طبقه بندی و بررسی مدل های کسب و کار ابری بر اساس کمیت می باشد. همچنین بر روی رایه کنندگان بسته شده کار بیشتری انجام می گیرد و هدف این هست که آنالیزهای بیشتری دز زمینه ریسک پذیری و پیشنهاد چهارچوب مالی بیان شوند. هدف آتی این مقاله استفاده ی بیشتر از داده های سازمان ها بوده و از جمله این داده ها، خدمات ملی انگلستان می باشد. همچنین تحقیقات آتی در زمینه ارتباط بین مدل های کسب و کار، پایداری و مدل سازی می باشد.<br /> <br /> &lt;big&gt;ارزیابی کلی تحقیق&lt;/big&gt;<br /> <br /> این مقاله ابتدا مروری به مدل های کسب و کار کنونی در رایانش ابری خواهد داشت سپس بیان می کند چگونه سازمان ها می توانند مدل کسب و کار مناسبی را انتخاب کنند که باعث دوام شرکت و سازمان شود. در این تحقیق مدل های کسب و کار ابری به هشت دسته تقسیم شده، در مدل مکعب ابری و بررسی می شوند. در مدل شش وجهی نیز مدل های تجاری ابری به شش عنصر تقسیم شده اند که شامل فاکتورهای مشتریان، سرمایه گذاران، محبوبیت،ارزش گذاری و انجام کار می باشد. سازمان های اساسی که از رایانش ابری در کسب و کار خود مدد می جویند، مانند Google، بر اساس این مدل بررسی می شوند. سپس نقاط ضعف و قوت مدل ها بررسی گردیده و در انتها این دو مدل با هم مقایسه می گردند و نقاط مشترک و مورد اختلاف آن ها بررسی می شود.<br /> <br /> ==== رایانش ابری، طبقه بندی، مدلهای کسب و کار و جهت پژوهش ====<br /> <br /> &lt;big&gt;مشخصات مساله&lt;/big&gt;<br /> <br /> مفهومی به نام رایانش ابری به عنوان یکی از عناوین مهم کامپیوتری در کسب و کارها مطرح می باشد. چگونگی استفاده از این مفهوم در کسب و کار و به دست آوردن مزایا و سود بیشتر با استفاده از رایانش ابری جز مفاهیم قابل ارایه در این مقاله می باشد. در این مقاله ابتدا با تعریف محاسبات Grid و مقایسه ی آن با رایانش ابری، اهمیت موضوع را پررنگ کرده سپس یک چهاچوب مدل کسب و کار ابری ارایه می دهد و مدل های کسب و کار ابری موجود را در این چهارچوب بررسی کرده و ارایه می دهد.<br /> <br /> &lt;big&gt;مشخصات ایده و راه حل&lt;/big&gt;<br /> <br /> این مقاله یک طبقه بندی تکنیکی بر روی رایانش ابری ارایه می دهد و برروی موقعیت های تجاری در نمونه هایی از رایانش ابری بحث می کند. این تحقیق یک چهارچوب برای مدلهای کسب و کار در ابر ارایه می دهد. به کمک این چهارچوب مدل های کسب و کار می توانند در سطح زیرساخت تجهیزاتی، بستر پایه و یا برنامه های کاربردی قرار بگیرند. <br /> <br /> &lt;big&gt;مشخصات نتایج حاصله و ارزیابی شده&lt;/big&gt;<br /> <br /> استفاده از رایانش ابری در سازمان ها خدمات را با قیمت بسیار ارزان تری فراهم میکند و قادر است خدمات را سفارشی سازی کند. این امر از اهداف بلند مدت رایانش ابری در تجارت می باشد. رایانش ابری دسترسی به حجم عظیمی از داده ها را در شرکت های کوچک و بزرگ میسر ساخته است. با این حال ارایه ی برخی از خدمات نیازمند درک جایگاه مدیریت می باشد. برخلاف مدیریت جمعی، استراتژی های بلند مدت نیازمند یک بهبود مستمر و تغییرات دایمی می باشد. <br /> <br /> &lt;big&gt;ارزیابی کلی تحقیق&lt;/big&gt;<br /> <br /> بررسی بر روی استفاده کنندگان از رایانش ابری کمک کرده تا تعدادی از آن ها به صورت مقایسه ای در یک جدول مطرح شوند و یک نمای کلی از تولید کنندگان، نوع سرویس هایی که ارایه می دهند و مدل های قیمت گذاری آن ها به عنوان یک چهارچوب و طرح کلی در این مقاله گردآوری شود. این مقاله بر روی خدمات ابری موجود که برروی این چهارچوب قرار دارند بر اساس مدل مالی و نوع خدمت بحث می کند. همچنین چالش هایی با مضمون این که چطور دیدگاه رایانش ابری در کسب و کار درست عمل می کند، در این مبحث بررسی می شوند. <br /> <br /> ==== مدل کسب و کار رایانش ابری بر اساس تئوری ارزش خالص ====<br /> <br /> &lt;big&gt; مشخصات مساله &lt;/big&gt;<br /> <br /> با توجه به روند رو به رشد رایانش ابری بسیاری از شرکت ها به دنبال یک مدل تجاری تطبیق پذیر هستند که جوابگوی محیط بازار که مرتب در حال تغییر و تحول است، باشد.<br /> <br /> &lt;big&gt; مشخصات ایده و راه حل &lt;/big&gt;<br /> <br /> در این مقاله یک مدل کسب وکار ابری بر اساس تئوری ارزش خالص بیان می شود. ابتدا بررسی کاملی بر رروی تحویل خدمات و فرآیند تولید ارزش در رایانش ابری صورت می گیرد. در ادامه این خدمات بر روی 3 مدل IaaS، SaaS و PaaS بررسی می شود. هر کدام از آن ها بر اساس نقاط قوت و یا ضعف سازمان و همچنین تحلیل سرمایه گذاری روی هر بخش با مساله ی ساخت ارزش ممکن است انتخاب شوند. در انتها 4 پیشنهاد عملی برای سرمایه گذارانی که می خواهند ارزش خالص را به اجرا در آورند بیان می شود. این 4 راه حل به شرح زیر می باشند:<br /> <br /> اول: تعیین هدف برای ارزش خالص مشتری محور. توانمندی بخش های بازار و درک درست از نیازهای مشتری در این مرحله انجام می گیرد. دوم: تقویت توانایی های سازمان و ارتباط شرکت کنندگان. تنها زمانی که شرکت کننده ها، تامین کنندگان خدمات و کاربران یک همکاری خوب با سازمان دارند از توزیع عادلانه و برد چند جانبه بهره مند می شوند. سوم: بهبود توانایی در ثابت نگه داشتن منابع و ایجاد بسترهای نرم افزاری یکپارچه از محاسبات ابری. چهارم: تامین کنندگان خدمات باید به تاثیر و نفوذ گسترش محاسبات ابری بر روی جوامع در حال توسعه توجه داشته باشند.<br /> <br /> &lt;big&gt;مشخصات نتایج حاصله و ارزیابی شده&lt;/big&gt;<br /> <br /> این مقاله اذعان می دارد اگر سازمان ها یک ساختار یکپارچه با ترکیب منابع در رایانش ابری ارایه کنند شرکت کنندگانی که در این مدل نقش دارند و جایگاه ارزشی مصرف کننده-محور هستند می توانند از خدمات تبادل، توزیع و همچنین منافع و برد چند جانبه بهره ببرند.<br /> آنالیز و بررسی بر روی سرمایه گذاری روی تحویل خدمات و ساخت ارزش و همچنین مدل های کسب و کار نشان می دهد مدل کسب و کار بر روی ارزش خالص با نمایش 3 مدل ذکر شده در بالا بر روی ارزش خالص در رایانش ابری بکار می رود.<br /> <br /> &lt;big&gt;مشخصات کارهای آتی پیشنهاد شده&lt;/big&gt;<br /> <br /> غنی سازی بیشتر و اصلاح مدل مورد نیاز است. تئوری شکل گیری مدل کسب و کار، مدل سود، رقابتی شرکت و قدرت آن در صنعت، همچنین پیوستگی بیشتر و نزدیک تر به معماری رایانش ابری می توانند تحقیقاتی باشند که به تکمیل این مقاله کمک می کنند.<br /> <br /> &lt;big&gt;ارزیابی کلی تحقیق&lt;/big&gt;<br /> <br /> در این بررسی تئوری ارزش خالص تعریف می شود. همچنین در مورد تحویل خدمات و مدل های کسب و کار مرتبط صحبت می شود. کارکردهای 3 مدل تجاری را بررسی کرده و نتایج را بیان می کند. در انتها نیز پیشنهاداتی را برای سرمایه گذاری در حوزه ی ارزش خالص اذعان می دارد که در بالا بیان شد. این مدل نیاز به توسعه ی بیشتر و تحلیل جامع تری نسبت به تحقیقات موجود دارد.<br /> <br /> === درخت دانش ===<br /> &lt;center&gt;<br /> http://wiki.occc.ir/images/Freemind.jpg<br /> &lt;/center&gt;<br /> <br /> == بدنه تحقیق ==<br /> === نمایه کلی تحقیقات مرتبط ===<br /> مدل های کسب و کار در رایانش ابری محدوده ی نسبتا جدیدی است و پیدا کردن مدل درستی برای استفاده از کسب و کار می تواند پایداری و بقای سازمان را بالا می برد. با آگاهی از نقاط ضعف و قوت مدل های کسب و کار سازمان ها می توانند از بین انبوه مدل های ارایه شده مناسب ترین مدل تجاری را برای خود انتخاب کرده و به کار ببندند و در رکود اقتصادی کسب و کارهایشان را گسترش دهند. <br /> <br /> رایانش ابری قصد دارد که زیرساخت های محاسباتی مورد نیاز را بصورت گسترده و ارزان و با سطح کیفی بالا فراهم کند.رایانش ابری سرویس های شبکه ای را ارایه می کند که به راحتی قابل دسترسی هستند، برای سازمان ها پیشنهادات باارزشی را مطرح می کند تا بتوانند اطلاعات و زیرساخت های تکنولوژی ارتباطی خود را فراهم کنند. همچنین باعث صرفه جویی در هزینه های اجرایی، منابع و کارگزاران می گردد. سرویس های ابری بسیار زیادی ادعا می کنند که می توانند راه حال هایی برای رفع مشکلات سازمان ها در رایانش ابری ارایه دهند در نتیجه مشتریان ابر نیاز به انتخاب درست تشکیلات دارند.<br /> <br /> کار وسیعی بر روی مدل های کسب وکار قدرتمند توسط تکنولوژی های ابری صورت گرفته است. با وجود شرکت هایی مانند Google، Amazon، Microsoft، IBM و Salesforce که فی الواقع هدایت استفاده از رایانش ابری در کسب و کار را بر عهده دارند بسیاری از سرمایه گذاران بهره ی زیادی از استفاده از رایانش ابری در تجارت خود به دست آورده اند. این تصویر اهمیت دسته بندی درست استراتژی های کسب و کار مدل های ابری را برای مدت زمان طولانی و با ثبات بیان می کند. اگر مدل مناسبی انتخاب نشود، با توجه به تغییرات سریع این تکنولوژی و گستردگی و پیچیدگی آن، سازمان از مسیر خود منحرف می شود و یا ممکن است نتواند مدت زمان زیادی با ثبات باقی بماند. از این رو بر اساس شناسایی موارد استفاده، بررسی ها، آنالیزها و بازبینی های انجام شده بر روی مدل های پردازش کسب و کار آن ها را به هشت دسته تقسیم بندی کرده اند:<br /> <br /> 1. Service Providers and Service Orientation فراهم کنندگان سرویس<br /> <br /> 2. Support and Service Contracts قراردادهای خدمت و پشتیبانی<br /> <br /> 3. In-House Private Clouds ابرهای خصوصی خانگی<br /> <br /> 4. All-In-One Enterprise Cloud ابر تک سرمایه<br /> <br /> 5. One-Stop Resources and Services خدمات و منابع One-Stop<br /> <br /> 6. Government Funding وام های دولتی<br /> <br /> 7. Venture Capital سرمایه گذاری<br /> <br /> 8. Entertainment and Social Networking شبکه های اجتماعی و سرگرمی<br /> <br /> اگر چه تحقیقات انجام شده با محدودیت ها و ضعف هایی همراه هستند، با این حال نتایج ارزنده ای به همراه داشته است. در جدول زیر موضوعات مورد بررسی و نتایج حاصل از تحقیقات نشان داده شده است.<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! نمایه کلی مسایل مطرح و نتایج تحقیقات مرتبط <br /> |-<br /> | &lt;big&gt;&lt;big&gt;موضوعات مورد بررسی&lt;/big&gt;&lt;/big&gt;<br /> <br /> • بررسی چگونگی کسب درآمد از طریق هشت مدل پردازش کسب و کار <br /> <br /> • بررسی معماری، مدل های کسب و کار و طرح های سازمان های شناخته شده و برجسته مانند Apple و Facebook<br /> <br /> • تحلیل مدل های کسب و کار ابری بر اساس روش شش وجهی<br /> <br /> • تحلیل مدل های کسب و کار ابری بر اساس روش مکعبی<br /> <br /> • امنیت در کسب و کار ابری<br /> <br /> • مدل کسب وکار ابری بر اساس تئوری ارزش خالص<br /> <br /> • دسته بندی درست استراتژی های کسب و کار مدل های ابری<br /> <br /> • آگاهی از نقاط ضعف و قوت مدل های کسب و کار سازمان ها برای انتخاب مناسب ترین مدل<br /> <br /> |-<br /> | &lt;big&gt;&lt;big&gt;نتایج تحقیقات&lt;/big&gt;&lt;/big&gt;<br /> <br /> ==== ادغام رایانش ابری در فرآیندهای کسب و کار ====<br /> در شرکت های برجسته مانند Amazon، Microsoft، Google، Dropbox و غیره راه حلی که رایانش ابری ارایه می دهد معمولا برنامه کاربردی به عنوان خدمت (SaaS) و بستر سخت افزاری به عنوان سرویس (PaaS) می باشد.<br /> <br /> برای نمونه Cloud Drive خدمتی است که شرکت Amazon ارایه می دهد. این خدمت ابری یک راه حل برای ذخیره سازی آنلاین است که به کاربران اجازه می دهد. انواع مختلف داده را بارگذاری کرده و مدیریت نمایند. انواع داده می تواند موزیک، ویدیو، عکس یا مدارک باشد. Google Drive نیز راه حل مربوط به رایانش ابری است که شرکت Google آن را ارایه می دهد. این خدمت 5 گیگابایت فضای رایگان در اختیار کاربران قرار می دهد و داده های نگهداری شده در آن به راحتی با دیگر خدمات گوگل مثل Gmail یا Google plus قادر به انتقال می باشند. به علاوه این خدمت با انواع سیستم عاملها به راحتی قابل تطبیق می باشد. سرعت انتقال اطلاعات در این خدمت بسیار بالاست. همچنین می توان از Sky Drive که خدمت ابری شرکت Microsoft می باشد نام برد. این خدمت تا 7 گیگابایت فضای رایگان در اختیار کاربر قرار می دهد. مزیت این خدمت، اشتراک گذاری آسان و تطابق با سرویس های دیگر می باشد.<br /> <br /> Drop Box بزرگترین رقیب Google Drive به نظر می رسد.علت محبوبیت آن، تطابق با همه ی انواع سیستم عامل ها می باشد و کار کردن با آن بسیار ساده است. با نصب این خدمت بر روی دستگاه یک پوشه ایجاد می شود. با نصب آن برروی بیش از یک دستگاه مثلا لپتاپ و موبایل، با قراردادن داده داخل آن پوشه در همان زمان در دستگاه دیگر اطلاعات قابل بازیابی و مشاهده می باشند. این پوشه را به راحتی می توان با کاربران دیگر به اشتراک گذاشت.<br /> <br /> خدمت ابری ارایه شده توسط شرکت Apple خدمتی به نام iCloud می باشد. در این خدمت کاربران هماهنگی کاملی بین تمام دستکاه های سخت افزاری مربوط به این شرکت (مانند iPhone، iPad و MacBook) خواهند داشت. برای مثال با ایجاد یک دفترچه ی تلفن در یکی از این دستگاه ها، در همه ی دستگاه های دیگر می توان به شماره تلفن های ذخیره شده دسترسی داشت.<br /> <br /> ==== بهره مندی از پیشنهادات رایانش ابری در کسب و کارها ====<br /> رایانش ابری در کسب و کارها یک راه موثر برای حل مشکلات موجود می باشد. این مشکلات می توانند شامل پیچیدگی اطلاعات در محدوده ی کاری باشند. در واقع اگر این امر مدیریت نشده رها گردد، پیچیدگی تکنولوژی هایی که به سرعت در حال رشد می باشند منجر به انحراف در بین کسب و کار و تکنولوژی های اطلاعاتی می شود. در این راستا، رایانش ابری ساده سازی و دسته بندی مدل ها را پیشنهاد می کند که باعث کاهش پیچیدگی می شود. سازمان ها با مجازی سازی سخت افزاری و دست یابی به منابع (سخت افزاری و یا نرم افزاری) به عنوان یک خدمت از راه دور می توانند کاهش چشمگیری در پیچیدگی داشته باشند و حتی منجر به شکستن قیمت ها می شود. رایانش ابری برای استفاده از نرم افزار و خدمات محاسباتی یک راه متفاوت را پیشنهاد می دهد. تکامل مداوم تکنولوژی رایانش ابری را قادر می سازد که در روش سرویس دهی فناوری اطلاعات یک پیشرفت غیر منتظره را در زمینه های امنیت، پهنای باند، استانداردهای تکنولوژی و مجازی سازی ممکن سازد که این امر برای استفاده ی بیشتر از رایانش ابری ایجادانگیزه می کند.<br /> <br /> یکی دیگر از خدمات رایانش ابری مربوط به پاسخ دهی، ارتباط و تخصص می باشد. که کسب و کار نیازمند داده های عظیمی می باشد که مدیریت شده و به اشتراک گذاشته می شوند. بنابراین به سخت افزار و نرم افزار با کارایی بالا نیازمند است. این مساله در خدمت پاسخ دهی برطرف می گردد. منابع سازمانی را می توان در اهداف کوتاه و بلند مدت استراتژیکی و نوآوری ها هدایت کرد که باعث عدم به وجود آمدن مشکلات ثانویه می شود. ابر همچنین باعث اکتشافات و ورود به بازارهای جدید جغرافیایی می شود و بخش های مربوط به محصولات سریع تر، ارزان تر و کم خطر تر می شود و در نتیجه کسب و کار امنی ارایه می دهد.<br /> <br /> ==== مدل های قیمت گذاری در رایانش ابری ====<br /> مکانیزم های بازار بصورت پیاده سازی سیاست های قیمت گذاری می توانند تخصیص موثرتری از لحاظ اقتصادی را به دست بیاورند و خدمات متفاوتی با ارزش گذاری متفاوت خدمات با ارزش اقتصادی کارآندتر ارایه کنند. در یک بازار، به دلیل تقاضای زیاد تخصیص ظرفیت و نیز منابع کمیاب برای ارایه دهندگان ابر، وابسته به انتخاب مشتری، طبقه بندی مشتریان و قیمت گذاری مناسب است. مفاهیم کسب و کار و تصمیم گیری مانند مدیریت درآمدها راهی را برای یک کاربرد موفق در چهارچوب تصمیم گیری شناخته شده برای رایه ی دقیق مصرف کنندگان، باعث جذب درآمد بالاتری خواهد شد.<br /> <br /> ==== راه حل عملی ارایه شده برای سرمایه گذاران تئوری خالص: ====<br /> اول: تعیین هدف برای ارزش خالص مشتری محور. توانمندی بخش های بازار و درک درست از نیازهای مشتری در این مرحله انجام می گیرد. <br /> <br /> دوم: تقویت توانایی های سازمان و ارتباط شرکت کنندگان. تنها زمانی که شرکت کننده ها، تامین کنندگان خدمات و کاربران یک همکاری خوب با سازمان دارند از توزیع عادلانه و برد چند جانبه بهره مند می شوند. <br /> <br /> سوم: بهبود توانایی در ثابت نگه داشتن منابع و ایجاد بسترهای نرم افزاری یکپارچه از محاسبات ابری. <br /> <br /> چهارم: تامین کنندگان خدمات باید به تاثیر و نفوذ گسترش محاسبات ابری بر روی جوامع در حال توسعه توجه داشته باشند.<br /> <br /> ==== رابطه ی بین مدل ابر مکعبی و مدل شش وجهی: ====<br /> مدل ابر مکعبی کسب و کار را به هشت دسته تقسیم کرده است و رهنمودهایی را ارایه می دهد که چطور کسب و کارهای ابری باید عمل کرده و جهت آن ها را از فاز اول تا چند سال آینده از عملیات کسب و کار را مشخص می کند و طرح استراتژیکی آن را ارایه می دهند. مدل شش گوشه یک مدل ایده آل برای هایلایت نمودن نقاط قوت و ضعف کسب و کارهای ابری در هر زمان ارایه می دهد. آگاهی از مناطقی که باید روی آن ها تمرکز کرد و به روز رسانی موثر و سریع برای حفظ پایداری خود با تمرکز بر مناطق اشغال شده در مدل شش گوشه انجام می گیرد. مدل شش وجهی یک پل بر روی شکاف بین کیفیت و کمیت ساخته و به سازمان ها کمک می کند تا آن چه که در مدل ابر مکعبی نمی تواند اندازه گیری شود را ردیابی کند در نتیجه این دو مدل یکدیگر را کامل می کنند.<br /> |}<br /> <br /> === دامنه مسایل مطرح شده در تحقیقات مرتبط ===<br /> دامنه ی مسایل مطرح شده در تحقیقات انجام شده را می توان بصورت زیر دسته بندی نمود:<br /> <br /> + بررسی چگونگی کسب درآمد از طریق هشت مدل پردازش کسب و کار <br /> <br /> + بررسی معماری، مدل های کسب و کار و طرح های سازمان های شناخته شده و برجسته مانند Apple و Facebook<br /> <br /> + تحلیل مدل های کسب و کار ابری بر اساس روش شش وجهی<br /> <br /> + تحلیل مدل های کسب و کار ابری بر اساس روش مکعبی<br /> <br /> + امنیت در کسب و کار ابری<br /> <br /> + مدل کسب وکار ابری بر اساس تئوری ارزش خالص<br /> <br /> + دسته بندی درست استراتژی های کسب و کار مدل های ابری<br /> <br /> + آگاهی از نقاط ضعف و قوت مدل های کسب و کار سازمان ها برای انتخاب مناسب ترین مدل<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! تحقیقات !! مسایل مطرح شده<br /> |-<br /> | رایانش ابری برای تجارت || معرفی رایانش ابری و انواع زیرساخت های مختلف آن<br /> <br /> مزایای استفاده از رایانش ایری در <br /> کسب و کارها<br /> <br /> کسب و کارهای امروزی در مدلهای <br /> کسب و کار ابری<br /> <br /> |-<br /> | طبقه بندی مدلهای کسب و کار در رایانش ابری || چگونگی انتخاب مدل درست در کسب و کار ابری<br /> <br /> بیان مزایا و معایب مدل های موجود<br /> <br /> دسته بندی مدل های کسب و کار موجود<br /> |-<br /> | رایانش ابری، طبقه بندی، مدلهای کسب و کار و جهت پژوهش || چگونگی استفاده از مفهوم رایانش ابری در کسب و کار<br /> <br /> چگونگی به دست آوردن مزایا و سود بیشتر با استفاده از رایانش ابری<br /> <br /> معرفی محاسبات Grid و مقایسه ی آن با رایانش ابری<br /> <br /> طبقه بندی تکنیکی برری رایانش ابری<br /> <br /> ارایه ی چهارچوب مدل کسب و کار ابری و بررسی مدل های کسب و کار ابری موجود در چهارچوب ارایه شده<br /> |-<br /> | مروری بر مدلهای کسب و کار ابری و پایداری آنها || تطابق مدل های کسب و کار با رایانش ابری<br /> <br /> انتخاب مدل کسب و کار صحیح<br /> <br /> پایداری مدل های کسب و کار در بازار متغیر امروزی<br /> <br /> طبقه بندی مدل های کسب و کار<br /> |-<br /> | مدل کسب و کار رایانش ابری بر اساس تئوری ارزش خالص || جستجوی مدل تطبیق پذیر کسب و کار با روند متغیر بازار<br /> <br /> استفاده از ساختار یکپارچه و ترکیب منابع در رایانش ابری<br /> <br /> بررسی مباحث تحویل خدمات و فرآیند تولید ارزش در رایانش ابری<br /> <br /> پیشنهادات عملی برای سرمایه گذاران تئوری ارزش خالص<br /> |}<br /> <br /> === طیف رویکردها و ایده های طرح شده برای حل ===<br /> این بخش به بررسی طیف رویکردها و ایده های طرح شده در مقالات می پردازد که در جدول به تفکیک مقاله نشان داده شده اند.<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! تحقیقات !! رویکرد و ایده<br /> |-<br /> | رایانش ابری برای تجارت || ارایه ی طبقه بندی از مدلهای کسب و کار موجود<br /> <br /> بررسی کسب و کار تجاری کنونی<br /> <br /> ارایه ی بررسی برروی استفاده ی شرکتها و سازمان ها از زیرساختهای رایانش ابری<br /> |-<br /> | طبقه بندی مدلهای کسب و کار در رایانش ابری || ارایه ی زیرساخت های محاسباتی ارزان و باکیفیت توسط رایانش ابری برای سازمان ها<br /> <br /> دسته بندی مدل های کسب و کار <br /> به هشت بخش<br /> <br /> بررسی نقاط ضعف و قدرت هر مدل با استفاده از مدل مکعبی<br /> |-<br /> | رایانش ابری، طبقه بندی، مدلهای کسب و کار و جهت پژوهش || ارایه ی طبقه بندی تکنیکی بر روی رایانش ابری<br /> <br /> ارایه ی چهارچوب مدل کسب و کار ابری<br /> <br /> بحث برروی موقعیت های تجاری در نمونه هایی از رایانش ابری<br /> <br /> بررسی مدل های کسب و کار ابری موجود در چهارچوب ارایه شده<br /> <br /> ارایه ی جدول بررسسی مقایسه بر روی استفاده کنندگان از رایانش ابری<br /> <br /> ارایه ی نمای کلی از تولیدکنندگان،و نوع سرویس هایی که ارایه می دهند<br /> <br /> ارایه ی مدل مالی<br /> |-<br /> | مروری بر مدلهای کسب و کار ابری و پایداری آنها || تطابق مدل های کسب و کار با رایانش ابری<br /> <br /> انتخاب صحیح مدل کسب و کار ابری<br /> <br /> بررسی پایداری مدل های کسب و کار<br /> <br /> طبقه بندی مدل های کسب و کار براساس مدل های کیفی و کمی<br /> <br /> بررسی مزایا و معایب مدل های کسب و کار بااستفاده از مدل ابرمکعبی<br /> <br /> بررسی مدل های کسب و کار ابری با استفاده از مدل شش وجهی<br /> <br /> بررسی شکاف بین کیفیت و کمیت توسط مدل شش وجهی<br /> <br /> بررسی دوام مدل های انتخابی <br /> کسب و کار با مدلهای گفته شده<br /> <br /> |-<br /> | مدل کسب و کار رایانش ابری بر اساس تئوری ارزش خالص || آنالیز و بررسی در سرمایه گذاری روی بحث تحویل خدمات و ساخت ارزش در مدل های کسب و کار<br /> <br /> ارایه ی مدل تئوری ارزش خالص<br /> <br /> بررسی تحویل خدمات و فرآیند تولید ارزش در رایانش ابری<br /> <br /> بررسی خدمات برروی سه مدل Laas، Saas، Paas <br /> <br /> ارایه پیشنهادات عملی برای سرمایه گذاران تئوری ارزش خالص<br /> <br /> استفاده از ساختار یکپارچه با ترکیب منابع در رایانش ابری<br /> <br /> |}<br /> <br /> === طیف ابزارهای طرح شده برای حل مساله ===<br /> در بسیاری از مقالات ابزار خاصی استفاده نشده است. در جدول زیر طیف ابزارهای استفاده شده بیان می گردند.<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! تحقیقات !! ابزارهای استفاده شده<br /> |-<br /> | رایانش ابری برای تجارت || ابزار خاصی استفاده نشده است<br /> |-<br /> | طبقه بندی مدلهای کسب و کار در رایانش ابری || مدل مکعب ابری<br /> <br /> مدل های 8 گانه ی کسب و کار<br /> <br /> |-<br /> | رایانش ابری، طبقه بندی، مدلهای کسب و کار و جهت پژوهش || چهارچوب مدل ابری<br /> <br /> جدول یررسی مقایسه ی استفاده کنندگان رایانش ابری<br /> <br /> ارایه ی نمای کلی از تولید کنندگان <br /> <br /> مدل های قیمت گذاری<br /> <br /> |-<br /> | مروری بر مدلهای کسب و کار ابری و پایداری آنها || مدل مکعب ابری<br /> <br /> مدل شش وجهی<br /> <br /> مدل های کمی<br /> <br /> |-<br /> | مدل کسب و کار رایانش ابری بر اساس تئوری ارزش خالص || تئوری ارزش خالص<br /> |}<br /> <br /> === طیف محیط ها و مکان های استفاده شده ===<br /> در جدول زیر به ترتیب طیف محیط ها و همچنین مکان های استفاده شده را به تفکیک هر مقاله نشان می دهد.<br /> <br /> {| class=&quot;wikitable&quot;<br /> |-<br /> ! تحقیقات !! محیط !! مکان<br /> |-<br /> | رایانش ابری برای تجارت || شبکه اجتماعی کسب و کار ، سایت های شبکه اجتماعی || IBM<br /> <br /> Amazon<br /> <br /> Google<br /> |-<br /> | طبقه بندی مدلهای کسب و کار در رایانش ابری || شبکه اجتماعی کسب و کار ، سایت های شبکه اجتماعی || Facebook<br /> <br /> Apple<br /> <br /> Microsoft<br /> <br /> |-<br /> | رایانش ابری، طبقه بندی، مدلهای کسب و کار و جهت پژوهش || شبکه اجتماعی کسب و کار ، سایت های شبکه اجتماعی || Facebook<br /> <br /> Apple<br /> <br /> Amazon<br /> <br /> |-<br /> | مروری بر مدلهای کسب و کار ابری و پایداری آنها || شبکه اجتماعی کسب و کار ، سایت های شبکه اجتماعی ، برنامه های کاربردی || Facebook<br /> <br /> Apple<br /> <br /> Amazon<br /> <br /> Google<br /> <br /> Microsoft<br /> <br /> Dorbox<br /> <br /> Skydrive<br /> <br /> Googledrive<br /> <br /> سازمان سلامت ملی<br /> |-<br /> | مدل کسب و کار رایانش ابری بر اساس تئوری ارزش خالص || خدمات || Paas<br /> <br /> Saas<br /> <br /> Iaas<br /> <br /> |}<br /> <br /> == نتیجه گیری ==<br /> در کسب و کار سازمان ها در زمان راه اندازی یک تجارت مسایل و مشکلاتی بر سر راه می باشد. مصرف بالای منابع، هزینه ی زیاد، عدم اطمینان از نتیجه ی حاصله و مسایل نگهداری داده و امنیت از جمله مواردی است که می توان به آن ها اشاره نمود. برای حل این مسایل راهکرد پیشنهادی استفاده از رایانش ابری و به دست آوردن یک همگرایی با مدل های کسب و کار می باشد. رایانش ابری برای جلوگیری از افزایش قیمت ها راه حل های سخت افزاری، نرم افزاری، زیر ساخت و بستر سخت افزاری فراهم می کنند. شرکت های معتبر مانند Amazon، Google، Cisco، IBM و غیره به منظور دریافت اثربخشی و نوآوردی استراتژی های خود را برای بکارگیری راه حل های رایانش ابری در کسب و کار و بخش عمومی و دولتی ارایه کردند.<br /> <br /> در این تحقیق، ما به بیان تعریف رایانش ابری و مدل های کسب و کار پرداختیم. با تعریف رایانش ابری به بیان انواع ساختار ابرها پرداخته و لایه های مختلف آن را برشمردیم. سپس همگرایی بین رایانش ابری و مدل های کسب و کار را شناسایی نمودیم. مدل های هشت گانه ی کسب و کار را در داخل دو مدل شش گوشه و مدل ابر مکعبی بررسی کرده و از این طریق نقاط ضعف و قدرت آن ها را بیان کردیم. سازمان ها با استفاده از این تطبیق قادر خواهند بود بهترین مدل کسب و کار متناسب با نوع خدمات و تجارت را انتخاب کرده و به کار بگیرند. این امر به سازمان ها کمک می کند در شرایطی که بازار دایما در حال تغییر است بتوانند خود را تطبیق داده و پایداری خود را حفظ کنند. به علاوه این امکان را فراهم می کند که با استفاده از نوآوری از رقیبان خود پیشی بگیرند. در آخر نتایج حاصل از استفاده ی ابر در کسب و کارها را برشمردیم و گفتیم که با استفاده از ابر با وجود استفاده از حداقل سرمایه گذاری، افزایش چند برابری در توانایی شرکت برای کسب درآمد و مدیریت داده ها به وجود خواهد آمد. در نتیجه مشاهده می کنیم که مدل کسب و کار با کمک پردازش ابری فرآیندی برای ایجاد ارتباط بین فضای نوآوری و تکنولوژی با فضای اقتصادی می باشد.<br /> <br /> با وجود همه ی مزیت هایی که رایانش ابری در کسب و کار به ارمغان می آورد، دارای نقاط ضعفی نیز می باشد که ممکن است مهم و خطرناک باشند. یک سرمایه گذاری قابل توجه برای عملکردهای کسب و کار بسیار ضروری است. امنیت نیز در رایانش ابری جزء عوامل منفی محسوب می شود. فراهم کنندگان سرویس نیاز دارند تا به طور جدی بر روی مساله ی امنیت فردی و امنیت داده های سازمان کار کرده تا به سطح قابل قبول و مورد اعتمادی برسند. رایانش ابری بدون نگرانی های امنیتی نمی تواند نیازمندی های کسب و کارهای تجاری را پاسخ دهد. مساله ی امنیت اطلاعات در دو سطح قابل اهمیت است، انتقال اطلاعات و ذخیره سازی داده. از این رو مطالعه بر روی مسایل امنیتی و یافتن راه حل های موثر می تواند در تحقیقات آتی مد نظر قرار داشته باشد. <br /> <br /> علاوه بر موضوع امنیت و بحث های کیفی مطرح شده در مورد مدل های گوناگون در کسب و کارها، مبحث کمی نیز مطرح می باشد. یکی از مدل های کمی که در تحقیقات بعدی به آن پرداخته می شود و می تواند یک مدل مناسب برای بررسی کمی باشد مدل Capital Asset Pricing Model و یا به اختصار CAPM می باشد. همچنین مدل Protfolio Teory یا به اختصار MPT گزینه ی مناسبی برای بررسی می باشد. هدف هر دو مدل محاسبه ی پایداری سازمان می باشد. همچنین بیان می کنند که تا چه حد سازمان اهداف خود را به درستی انجام می دهد. همچنین پایداری سازمان با توجه به مدل کسب و کار انتخابی با مدل کمی 3D Visulisation قابل سنجش می باشد و مدل های ریاضی مابین مدل شش گوشه و مدلهای کمی CAPM و MPT که در بالا توضیح داده شده اند ترسیم می کند. <br /> <br /> تحقیقات آتی در زمینه ی امنیت و چهارچوب های اقتصادی ابر می تواند در زمینه ی این تحقیق راه گشا باشد.<br /> <br /> در ادامه برخی موضوعات پیشنهادی برای عملیاتی کردن، تکمیل، بهبود و توسعه تحقیق انجام شده مطرح شده اند.<br /> <br /> === فهرست و شرح موضوعات پیشنهادی برای بهبود و تکمیل تحقیقات قبلی ===<br /> فهرست و شرح موضوعات پیشنهادی برای بهبود و تکمیل تحقیقات مطالعه شده به شرح زیر می باشد:<br /> <br /> • فراهم کردن زیرساخت سخت افزاری و نرم افزاری توسط رایانش ابری و در نتیجه ی آن بررسی کاهش هزینه های سازمان و میزان افزایش بهره وری<br /> <br /> • بررسی افزایش جذب مشتریان با بکارگیری زیرساخت های رایانش ابری مانند IaaS، PaaS، SaaS و XaaS<br /> <br /> • بررسی کارکرد رایانش ابری در شرکت های Amazon، Microsoft و دیگر سازمان های شناخته شده<br /> <br /> • بررسی تاثیرات ارایه ی خدمات شبکه ای و زیرساخت های ارزان و با کیفیت و تاثیر آن در کاهش هزینه های اجرایی، منابع و کارگزاران<br /> <br /> • بررسی تاثیرات و موفقیت مدل ابر مکعبی در انتخاب مناسب مدل کسب و کار<br /> <br /> • بررسی بیشتر سایت ها و سازمان هایی مانند Facebook و Apple با استفاده از مدل شش وجهی<br /> <br /> • بررسی نقاط ضعف و قوت مدل های کسب و کار ابری<br /> <br /> • مقایسه و بررسی دو مدل ابر مکعبی و مدل شش وجهی تاثیرات آن ها بر یکدیگر<br /> <br /> • بررسی استفاده کنندگان از رایانش ابری و مقایسه ی تولیدکنندگان، نوع سرویس و مدل های قیمت گذاری به عنوان یک چهارچوب و طرح کلی<br /> <br /> • آنالیز و بررسی برروی سرمایه گذاری روی تحویل خدمات و ساخت ارزش و مدل های کسب و کار <br /> <br /> • بررسی معماری رایانش ابری و تطابق آن با مدل های کسب و کار موجود<br /> <br /> • مطالعه بر روی مسایل امنیتی و یافتن راه حل های موثر<br /> <br /> === فهرست و شرح موضوعات پیشنهادی برای بکارگیری عملی و توسعه ی نظری تحقیقات قبلی ===<br /> فهرست و شرح موضوعات پیشنهادی برای بهبود و تکمیل تحقیقات مطالعه شده به شرح زیر می باشد:<br /> <br /> • بررسی راه های افزایش امنیت در رایانش ابری<br /> <br /> • بررسی مدل سازی مالی در پیش بینی ها، شبیه سازی، مدل سازی و تعیین معیار دارایی ها<br /> <br /> • بررسی بر روی مدل مالی FCF. این مدل برای ساده سازی مدل های کسب و کار کاربرد دارد<br /> <br /> • بررسی مدل های کسب و کار کمی و مدل ابر مکعبی با تاکید بر مراقبت های بهداشتی و حوزه های مالی<br /> <br /> • بررسی روش های ایجاد رابطه برروی شکاف بین کیفیت و کمیت از طریق مدل شش وجهی<br /> <br /> • بررسی طبقه بندی مدل های کسب و کار بر اساس کمیت<br /> <br /> • بررسی و آنالیز در زمینه ی ریسک پذیری مدل های کسب و کار ابری<br /> <br /> • بررسی چهارچوب های مالی با استفاده از داده های سازمانی<br /> <br /> • بررسی ارتباط بین مدل های کسب و کار، پایداری آن ها و مدل سازی <br /> <br /> • بررسی انواع خدمت در کسب و کارهای ابری<br /> <br /> • بررسی چالش هایی با این مضمون که چطور دیدگاه رایانش ابری در کسب و کار درست عمل می کند.<br /> <br /> • بررسی تئوری شکل گیری مدل کسب و کار و مدل سود<br /> <br /> • بررسی و انجام تحقیقات بر روی سفارشی سازی خدمات در رایانش ابری<br /> <br /> • بررسی امنیت فردی و امنیت داده های سازمان از طریق فراهم کنندگان سرویس<br /> <br /> • بررسی امنیت اطلاعات در دو سطح انتقال اطلاعات و ذخیره سازی داده<br /> <br /> • بررسی مدل کمی Capital Asset Pricing Model (و یا به اختصار CAPM) و بررسی مدل Protfolio Teory (یا به اختصار MPT) بعنوان مدل کمی برای محاسبه ی پایداری سازمان و دستیابی به اهداف هر سازمان<br /> <br /> • سنجش پایداری سازمان با توجه به مدل کسب و کار انتخابی با استفاده از مدل کمی 3D Visulisation و مدل های ریاضی<br /> <br /> == مراجع ==<br /> 1. Zhiyuan Fang, Jubin Chen, Mingzhi Yi, Zhiodong Wu, Hengjuan Qian, Cloud computing business model based on value net theory, IEEE International Conference on E-Business Engineering, 2010<br /> <br /> 2. Victor Chang, David Bacigalupo, Gary Wills, David De Roure, A Categorisation of Cloud Computing Business Model, 10th IEEE/ ACM International Conference on Cluster, Cloud and Grid Computing. 2010<br /> <br /> 3. Khayyam H. MASIYEV, Ilkin Qasymov, Vusale Bakhishova, Mammad Bahri, Cloud Computing for business, IEEE, Qafqaz University, 2012<br /> <br /> 4. Victor Chang, Gary Wills, David De Roure, A Review of Cloud Business Models and Sustainability, IEEE 3rd International Conference on Cloud Computing, 2010</div>

Goodosuser http://wiki.occc.ir/index.php?title=Intelligent_services_for_Big_Data_science&diff=10193 2015-04-11T10:31:46Z

<p>Goodosuser: ویرایش جزئی‌</p> <hr /> <div>== چکیده ==<br /> همانگونه که مشخص است داده های حجیم توجه بسیاری از محققین را در زمینه های اطلاعات ,علوم ,سیاست گزاری ها و تصمیم گیری های مهم در دولت ها و موسسات تجاری به خود اختصاص داده است .همانگون که سرعت تولید داده ها در دهه های اخیر افزایش می یابد ,داده های بیش از اندازه به یکی از معضلات جوامع تبدیل شده است .ولی به هر حال اطلاعات مهم و با ارزشی درون این داده های حجیم نهان شده است .<br /> شهر ها مناطقی هستند که شدیداً تحت تأثیر داده های بزرگ می باشند. برنامه ریزان و طراحان شهری و نهادهای مدیریتی فقط نیاز دارند ابزار مناسبی در دسترس داشته باشند تا از تمام نقاط داده ای که یه شهر تولید می کند در راستای بهبود زندگی مردم استفاده کنند. بعنوان مثال می توان از اطلاعات جمع آوری شده توسط دوربین های کنار جاده ای مثل اطلاعات شرایط ترافیکی، رفتار رانندگی با هدف کاهش مصرف سوخت و کاهش تولید دی اکسید کربن استفاده کرد. پس در این حالت، داده بزرگ پدیده ای است که قطعاً تأثیر مستقیمی روی کیفیت زندگی کسانی دارد که زندگی در شهر را انتخاب کرده اند. شهر های هوشمند فردا بر سنسورهای درون زیرساخت شهری تکیه خواهند کرد. پیش بینی ها می گوید تا سال 2016 شهرها مناطقی میشوند که بیش از 4.1 ترا بایت در روز در کیلومتر مربع داده تولید می کنند. مدیریت مؤثر این مقدار داده در حال حاضر یک چالش است. در مقاله های مختلف راه حل هایی برای حمایت از نسل بعدی داده های بزرگ ارائه شده است. CAPIM یک پلت فرم طراحی شده برای خودکارسازی روند جمع آوری و ادغام و تجمیع اطلاعات در مقیاس بزرگ می باشد که برای یکپارچه سازی داده هایی از قبیل محل، پروفایل، مشخصات کاربر و محیط طراحی شده است. یک اجرا از سیستم حمل و نقل هوشمند ارائه شده که بر مبنای CAPIM طراحی شده است ارائه شده تا به کاربران و مسئولان شهری کمک کند مشکلات ترافیکی شهرهای بزرگ را بهبود دهند. و در جایی یک راه حل برای مدیریت مؤثر ذخیره سازی کارای داده در یک مقیاس بزرگ ارائه شده. ترکیب این خدمات، برای برنامه های کاربردی شهر هوشمند و ارائه هوشمند خدمات با استفاده از اطلاعات جمع آوری شده یک پشتیبانی ایجاد میکند.<br /> <br /> == مقدمه ==<br /> امروزه بطور روزانه داده های بسیار زیادی تولید میشود. آنقدر که حدود 90٪ داده های جهان امروز فقط در دو سال اخیر تولید شده است. این داده ها از سنسورهای مورد استفاده برای جمع آوری اطلاعات آب و هوا، سیگنال های GPS تلفن همراه و ... بدست می آید. این داده همان داده بزرگ یا Big Data می باشد. Big Data تبدیل به یکی از زمینه های تحقیقاتی حال و آینده شده است. در سال های اخیر '''گارتنر''' &quot;ده روند فناوری راهبردی برای 2013&quot; و &quot;ده روند فناوری برای 5 سال آینده&quot; را لیست کرده و Big Data د هر دو لیست آمده است. اگر بگوییم Big Data زمینه های بسیاری از جمله کسب و کار، تحقیقات علمی و مدیریت عمومی را متحول کرده است، اشتباه نگفته ایم.<br /> <br /> Big Data راهی که ما در انجام تجارت، مدیریت و تحقیقات اتخاذ کرده ایم را تغییر داده است. علم داده با حجم بالا به خصوص در محاسبات داده با حجم بالا با هدف فراهم کردن ابزارهایی جهت مدیریت مشکلات Big Data در حال ورود به جهان است. هزاران سال قبل دانشمندان پدیده های طبیعی را تنها بر مبنای شواهد تجربی انسانی توصیف می کردند. بنابراین علم آن زمان، علم تجربی نامیده شده است. پس از آن علم نظری صدها سال پیش پدید آمد. مانند قوانین نیوتن و قوانین کپلر. با این حال به دلیل مشکلات و پیچیدگی بسیاری از پدیده ها دانشمندان بایستی به شبیه سازی های علمی روی می آوردند، چراکه تجزیه و تحلیل تئوری بسیار پیچیده بوده و گاهی غیر ممکن و دور از دسترس است. پس شاخه سوم علم یعنی شاخه محاسباتی متولد و مجموعه داده های بزرگ و بزرگتری تولید شد. بنابراین علم داده بزرگ بعنوان شاخه چهارم علم بوجود آمد.<br /> <br /> Big Data چیزی بیشتر از موضوع سایز و اندازه داده بوده و فرصتی برای پیدا کردن دیدگاه و بینش درخصوص انواع جدید و در حال ظهور داده و محتوا است تا تجارت و کسب و کار را چابک تر ساخته و پاسخگوی سؤالاتی باشد که پیش از این خارج از دسترس بوده است. تابحال هیچ راه عملی برای استفاده از این فرصت وجود نداشته اما امروزه ما شاهد رشد نمایی حجم و جزئیات داده های بدست آمده از سازمان ها، ظهور چند رسانه ای، رسانه های اجتماعی، شبکه های اجتماعی آنلاین (OSN) و ابزارها و وسایلی که روزانه به شبکه متصل شده و تبادل داده دارند (IoT)، می باشیم. باوجود این همه اطلاعات، در بسیاری از موارد در قابلیت های کشف دانش و اطلاعات با ارزش از حجم انبوهی از داده ها، علم از دنیای واقعی عقب مانده است.<br /> <br /> برای Big Data تا کنون تعاریف زیادی ارائه شده اما در سال 2012، گارتنر تعریف دقیق تری ارائه کرده است: « Big Data دارایی های اطلاعاتی با حجم بالا، سرعت بالا و یا تنوع زیاد هستند که نیاز به شکل جدید از پردازش دارد تا قادر به تصمیم گیری پیشرفته و بهینه سازی پردازش باشد ». بطور کلی، یک مجموعه داده می تواند Big Data نامیده شود اگر قابلیت انجام ضبط، گزینش، تجزیه و تحلیل و تجسم روی آن با فناوری هی فعلی وجود داشته باشد.<br /> <br /> بسیاری از چالش های Big Data توسط برنامه های آینده تولید میشود که در آن کاربران و ماشین ها به همکاری هوشمند با یکدیگر نیاز خواهند داشت. در آینده ای نزدیک، اطلاعات در تمامی محیط اطراف ما در دسترس خواهد بود و به راحتترین و مناسب ترین راه خدمت رسانی خواهد شد. بعنوان مثال، هنگامی که ازدحام ترافیکی رخ می دهد بطور خودکار مطلع خواهیم شد و ماشین قادر خواهد بود برای بهینه سازی مسیر رانندگی ما تصمیم گیری کند، یا یخچال می تواند زمانیکه تاریخ مصرف شیر تمام میشود اطلاع دهد. تکنولوژی و فناوری بخش های بیشتر و بیشتری از زندگی روزمره ما را در بر خواهد گرفت و در نهایت، تکنولوژی های جدید به مرحله ای از توسعه می رسند که می توانند بطور قابل توجهی زندگی شهرنشینان را بهبود بخشند. با استفاده بیشتر و بیشتر از برنامه های هوشمند طراحی شده جهت حرکت به سمت توسعه پایدار، شهرها در حال تبدیل شدن به اکوسیستم های مصنوعی جانداران هوشمند دیجیتال می باشند.<br /> <br /> با این حال، امروزه هیچ مدل منحصر بفردی برای یک شهر هوشمند وجود ندارد و هر شهرستان به طریق خاص خود و با پروژه ها و اهداف متفاوت به این مفهوم نزدیک میشود. از ویژگی های آشکار این نکنولوژی های جدید این است که جریان عظیمی از اطلاعات مکانی و زمانی را تولید می کند. بسیاری از مجموعه داده هایی که محققان و دانشمندن تا کنون قادر به استخراج معنی از آنها بوده اند در مقایسه با داده ای که توسط برنامه های شهر هوشمند تولید میشود بسیار کوچک بوده است. تحرک مردم در یک شهر بزرگ که در آن چیزی نزدیک به 3 میلیون مسافر در روز با استفاده از حمل و نقل عمومی جابجا می شوند را در نظر بگیرید. اگر بتوانیم داده مربوط به مکان این مسافران را برای استخراج اطلاعات معنی دار جمع آوری کنیم، با فناوری که امروزه در دسترس است بسیاری از این داده ها را می تواند تجمیع کرده و کاهش داد. اما از آنجا که چنین داده هایی بطور مداوم تولید شده و در دسترس اشت، همه چیز پیچیده تر خواهد شدو باید راه حل هایی برای ذخیره سازی و مدیریت مقادیر بسیار زیاد داده وجود داشته باشد.<br /> <br /> حرکت ما به سمت دورانی که حجم بی سابقه ای از داده و قدرت محاسباتی وجود دارد، تنها برای تجارت و کسب و کار مفید نمی باشد. این داده و اطلاعات می تواند به شهروندان نیز کمک کند تا به دولت و سازمانهای دولی براحتی دسترسی داشته باشند و پاسخ نیاز های خود را از آنها گرفته و سرویس ها و خدمات جدید برای کمک به خودشان ایجاد کنند. در واقع همه این ها یک بخش از جهانی است که در تمام ابعاد در حال دیجیتالی شدن می باشد. مردم با استفاده از داده ها و بازنمایی های دیجیتال می توانند براحتی درک و شناخت خود را توسعه داده و ایده هایی نو جهت بهبود آینده زندگی شهری و اجتماعی طراحی کنند.<br /> <br /> == بررسی ادبیات موضوع ==<br /> <br /> حضور فراگیر دستگاه های سیار و موبایل و سنسورهای همه گیر (مانند چیزی که در شهرهای هوشمند امروزی وجود دارد)، باعث می شود تا به پلت فرم های محاسباتی مقیاس پذیر جهت ذخیره سازی و پردازش مقادیر بسیار زیاد جریان داده تولید شده نیاز باشد. به دلیل پیچیدگی ارتباط و مواجه شدن با مقادیر زیاد داده، پیش از این چندین پلت فرم برای سویس دهی برنامه های شهر هوشمند و پنهان کردن پیچیدگی مربوط به چگونگی جمع آوری، ذخیره و پردازش اطلاعات زمینه توسعه داده شده است. به این ترتیب رای ایجاد کننده شهر هوشمند تنها اجرای منطق کسب و کار لازم باقی مانده است.<br /> <br /> چندین معماری به منظور پشتیبانی از سیستم های آگاه از زمینه ارائه شده است. یکی از اولین روش های پیاده سازی شده context toolkit است که به منظور دستیابی، تجمیع و تفسیر اطلاعات زمینه که از جفت های (کلید/مقدار) برای مدل کردن داده زمینه استفاده می کند، یک معماری متشکل از ماژول های کاربردی مختلف ارائه می دهد. روشهای دیگر مثل CASS یک معماری لایه میانی ارائه می دهند که از یک مدل داده رابطه ای برای نشان دادن داده زمینه استفاده می کند. JCAF یک چارچوب و یک محیط زمان اجراست بری ایجاد و گسترش برننامه های محاسبات زمینه که از یک مدل شیء گرا برای ارائه داده زمینه استفاده می کند. این سه رویکرد برای تبدیل داده های خام به داده زمینه سطح بالاتر از مفسرها استفاده می کنند، اما این تغییر ها نمی تواند خیلی پیچیده باشد چرا که هیچ مکانیزم استنتاجی وجود ندارد.<br /> <br /> میان افزار CoBra یک رویکرد متفاوت را ارائه می دهد که در آن از عامل های نرم افزاری به منظور جمع آوری و پردازش داده زمینه در محیط یک اتاق جلسه هوشمند استفاده شده است. SOCAM از سه لایه متفاوت استفاده می کند به نام های لایه حسگری، لایه میان افزار و لایه کاربرد. با این حال، این میان افزار ها تنها برای کار با مجموعه محدودی از داده طراحی شده اند و داده زمینه تنها در کارهای اندکی در رابطه با رایانش ابری مورد بحث قرار گرفته است. برای مثال Boloor و همکاران تخصیص درخواست پویا و برنامه ریزی را برای برنامه های کاربردی آگاه از زمینه در دیتا سنترهایی که از لحاظ جغرافیایی توزیع شده هستند، مورد مطالعه قرار داده است.اما بحث در مورد مسائل خاص و احتیاجات و نیازمندی های آگاهی از زمینه برای ذخیره Big Data عملا در کارهای واقعی فراموش شده و مورد بحث قرار نگرفته است.<br /> <br /> این میان افزار ها و سایر میان افزارهای مشابه، از محاسبات متحرک و فراگیر بر مبنای اطلاعات زمینه پشتیبانی می کنند. همه آنها یکسری روشهایی برای تطبیق با تغییرات در زمینه و روشهایی برای جمع آوری اطلاعات زمینه فراهم می کنند، اما از موجودیت های مختلف استفاده کرده و نقاط تمرکز آنها متفاوت است.<br /> <br /> == بدنه تحقیق ==<br /> <br /> <br /> === فرصت ها و چالش های Big Data ===<br /> <br /> <br /> ==== فرصت ها ====<br /> <br /> اخیرا چندین آژانس دولتی آمریکا چون موسسه ملی سلامت (NIH) و بنیاد ملی علوم (NSF) ثابت کرده اند که مزایای استفاده از داده های حجیم برای تصمیم گیری های بر اساس داده های آنی در پیشرفت های آینده بسیار موثر خواهد بود .همچنین تلاشهای زیادی برای توسعه فن اوری ها و تکنیکهایی جهت تسهیل ماموریت شان پس از اینکه از سوی دولت داده های متنوع و حجیمی به آنها ارجاع داده شد, انجام داده اند . این داده های متنوع و ابتکاری برای بوجود آوردن توانایی ها جدید در حوزه علوم اطلاعاتی و تصمیم گیری بسیار مفید خواهند بود .<br /> تحقیقات نشان می دهند که در همه زمینه های دارای اولویت ملی ناگزیر به ایجاد ارتباط بین داده های حجیم و اطلاعاتی قابل استخراج از آنها هستیم .این دادها می توانند اساس کار بسیاری از فعالیت ها را تحت تاثیر قرار دهد مانند پروژه های ریزبنایی داده پردازی ,تولید پلتفرمها , روشهای حل مشکلات علوم پایه و مهندسی و همچنین مزایای آن در علوم اجتماعی قابل تامل خواهد بود .<br /> بر اساس تحقیقات انجام شده استفاده موثر از داده های حجیم در ایجاد تحول در اقتصاد و ارائه موج جدید رشد تولیدات بسیار تاثیرگذار است .بدست اوردن اطلاعات ارزشمند از داده های حجیم امروزه به رقابت بین سازمانها تبدیل شده که برای جذب نیروهای متخصص در این زمینه از هم پیشی می گیرند .محققین ,سیاست گزاران و تصمیم گیران می بایست کاربرد داده های حجیم را برای آشکار کردن موج جدید پیشرفت را در زمینه خود مشخص نمایند .مزایای استفاده از داده های حجیم در بخش های مختلف تجارت در شکل زیر نمایش داده شده است .<br /> <br /> ==== چالش ها ====<br /> <br /> فرصت ها همواره چالشها را نیز به دنبال خود دارند .از یک طرف داده های حجیم فرصت های جذابی را به همراه دارند و از طرف دیگر با چالشهای فراوانی روبرو خواهیم شد .در هنگام سر و کار داشتن با مشکلاتی از قبیل بدست آوردن داده ها ,ذخیره سازی ,جستجوی داده ها, به اشتراک گذاری داده ها, تحلیل داده ها و نمایش خروجی آنها مواجه خواهیم بود .در صورتی که نتوانیم بر آنها فائق آییم داده های حجیم همانند طلایی خواهد بود که ما توانایی کشف آن را نداریم .یکی از مشکلاتی که معماری کامپیوترها چندین دهه با آن درگیر است قابلیت پردازش بالای پردازشگرها در مقابل ضعف ورودی ها و خروجی ها می باشد .این مشکل کماکان مانعی برای توسعه پردازش داده های حجیم می باشد .<br /> کارایی CPUها بر اساس قانون Moore هر 18ماه دوبرابر می گردد و همچنین کارایی دیسک درایوها نیز تقریبا با همین نرخ افزایش می یابد .اما به هر حال در چندین دهه گذشته سرعت چرخش دیسک درایوها با شیب ملایمی افزایش یافته است .حاصل این عدم تعادل در پیشرفت افزایش تقریبی و کند سرعت کلی سیستم می گردد .علاوه بر این با توجه به رشد نمایی اطلاعات روشهای پردازش داده ها با رشد به مراتب کمتری در سرعت روبروست .با وجود نرم افزارها و روشهای فراوان پردازش داده های حجیم تاکنون مشکلات پردازشی به صورت ایده ال مرتفع نشده است .در این بخش خلاصه ای از چالشهای پیش رو را بیان خواهیم کرد .<br /> ===== ضبط کردن و ذخیره سازی داده ها =====<br /> مجموعه داده ها از نظر اندازه به دلیل جمع آوری گسترده داده ها از طریق دستگاههای متحرک ,فن آوری های حسگر مختلف ,گزارش نرم افزارها ,دوربین ها ,میکروفن ها ,کنترلر های RFID و شبکه های حسگر بی سیم رشد قابل ملاحظه ای دارد .روزانه حجم بالایی از داده ها تولید می شود ,توانایی جهانی تکنولوژیک ذخیره داده ها برای ذخیره سازی اطلاعات تقریبا هر سه سال دو برابر می شود .در خیلی از زمینه ها مانند مالی و پزشکی به دلیل عدم وجود فضای کافی برای ذخیره سازی داده ها حجم زیادی از داده ها را از بین می برند .دادهای حجیمی که با هزینه بالایی تهیه شده نادیده گرفته میشوند .<br /> داده های حجیم راه های جمع آوری و ذخیره سازی داده ها از جمله دستگاههای ذخیره سازی ,معماری ذخیره داده ها و مکانیزم های ذخیره سازی را تغییر داده است . در همین راستا نیازمند نوآوری های جدید برای ایجاد رسانه های با سرعت بالاتر برای دستگاههای ذخیره ساز هستیم .دسترس پذیری یالاترین اولویت را در فرایند استخراج اطلاعات دارد .داده های حجیم با وجود مشکل عدم تطبیق سرعت پردازنده ها با رسانه انتقال داده ها می بایست به صورت مطمئن و آسان در دسترس باشد .گرچه فن اوری های جدید ذخیره سازی مانند درایو های SSD (Solid State Drive) و حافظه های PCM(Phase Change Memory) میتوانند در جهت کم کردن مشکلات کمک نمایند ,اما برای رسیدن به نقطه ایده آل خیلی فاصله دارند .فن آوری های کنونی ذخیره سازی داده ها نمیتوانند همزمان کارایی هر دو نوع روش انتقال داده ها یعنی روشهای ترتیبی و اتفاقی را دارا باشد . بنابراین لازم است در مورد روش های طراحی سیستمهای ذخیره سازی برای داده های حجیم تجدید نظر نماییم .<br /> معماری های ذخیره سازی تجاری مانند DAS(Direct-attached storage) , NAS(Network-attached Storage) ,SAN (Storage area Network) وجود دارند .اما به هر حال تمامی آنها دارای مشکلات و محدودیتهایی برای استفاده در سیستمهای توزیعی بزرگ هستند .امکان استفاده همزمان از سیستم ها و گذردهی ثابت برای هر سرور یکی از نیازمندیهای سیستمهای پردازشی توزیعی می باشد که سیستم های ذخیره سازی کنونی دارای ضعف در هر دو مورد هستند .<br /> <br /> ===== ارسال داده ها =====<br /> <br /> ذخیره سازی ابری داده ها عموما برای توسعه تکنولوژی های ابری استفاده می شوند .همانگونه که می دانیم ظرفیت پهنای باند شبکه می تواند به عنوان گلوگاه در سیستم های پردازشی توزیعی و ابری می باشد ,مخصوصا زمانی که حجم داده های ارسالی بزرگ باشد .از طرف دیگر ذخیره سازی ابری منجر به مشکلات امنیتی داده ها به عنوان نیازمندی اصلی برای حفظ درستی داده ها خواهد شد. الگوهای مختلفی به عنوان سیستم های متفاوت و مدل های امنیتی در این خصوص پیشنهاد شده اند .<br /> <br /> ===== ترمیم داده ها =====<br /> <br /> منظور از ترمیم داده ها کشف و بازیابی داده ها ,اطمینان از کیفیت داده ها ,افزودن ارزش ,استفاده مجدد و نمایش آن در طول زمان می باشد .این زمینه درگیر شماری از زیرمجموعه ها شامل تشخیص هویت ,بایگانی , مدیریت , حفاظت ,بازیابی و نمایش می باشد .ابزارهای مدیریت دیتابیس های کنونی توانایی پردازش داده های حجیم را که در حال رشد و پیچیده تر شدن است را ندارند .دیدگاه کلاسیک مدیریت داده های ساختاریافته شامل دو قسمت می باشد ,یکی مدل ذخیره سازی مجموعه داده هاست و دیگری دیتابیسهای رابطه ای برای بازیابی داده هاست .پردازش داده های قبل از ذخیره سازی مانند پاکسازی داده ها ,تبدیل و دسته بندی آنها از الزامات است .پس از این اقدامات داده برای مرحله بعدی که [[داده‌کاوی]] است مهیا می‌شوند.<br /> <br /> ===== تجزیه و تحلیل داده ها =====<br /> <br /> اولین مشخصه داده های حجیم , حجم بالای آنهاست بنابراین بزرگترین و مهمترین چالش در زمان تجزیه و تحلیل داده ها گسترش پذیری آنست .در دهه های اخیر محققین توجه زیادی در زمینه سرعت دادن به الگوریتم های تجزیه و تحلیل کرده اند تا از پس افزایش حجم داده ها با توجه به سریعتر شدن پردازشگر ها برآیند .در حالی که سرعت پردازشی پردازشگر ها روز به روز بهبود می یابد و همچنین استفاده از پردازشگرهای چند هسته ای متداول شده است این مزیت امکان استفاده در جهت توسعه پردازشها و محاسبات همزمان و موازی دارد .<br /> امنیت داده ها در این زمینه نیازمند توجه زیادیی می باشد .مشکلات امنیتی شامل حفاظت امنیتی داده ها ,حفاظت از حقوق معنوی داده ها ,حفاظت از حریم خصوصی ,حفاظت از رازهای تجارت و اطلاعات مالی می باشد . در حوزه داده های حجیم مشکلات به چند دلیل متفاوت می باشند ,اندازه داده های حجیم بزرگ است و رویکرد های حفاظتی مختلفی را می طلبد ,همچنین بار کاری بیشتری را تحمیل می نماید و از طرف دیگر با توجه به اینکه داده های حجیم معمولا به صورت توزیعی ذخیره می شوند مشکلات مربوط به شبکه نیز می بایست در نظر گرفته شود .<br /> <br /> ===== تجسم داده ها =====<br /> <br /> هدف اصلی از تجسم داده ها نمایش اطلاعات بصورت شهودی و موثر توسط نمودار های مختلف است .برای انتقال آسان اطلاعات نهان در مجموعه داده های حجیم ,داشتن فرمهای زیبا و جذاب و همچنین کاربری از ملزومات می باشد .برای داده های حجیم اجرای مجسم داده ها به دلیل اندازه بزرگ آنها و ابعاد بالای آنها مشکلتر می باشد .به همین دلیل ابزارهای کنونی نمایش داده های حجیم دارای کارایی , گسترش پذیری و پاسخ دهی پایینی هستند .<br /> با وجود چالشهای ذکر شده میتوان خوشبینانه دید مثبتی روی چالشها و مزایای این کار داشت .میتوانیم این اطمینان را داشته باشیم که امکان غلبه بر تمامی موانع را توسط روشها و فن آوری های در حال توسعه داریم .برخی این اعتتقاد را دارند که استفاده از داده های حجیم به سرانجام نمی رسد و در خصوص اینکه آیا در تصمیمات به کمک ما خواهند آمد شک دارند .اما به هر حال چشم انداز این مسیر مثبت بوده و روشها و فن اوری های این زمینه در حال توسعه می باشند .<br /> <br /> === احتیاجات Big Data برای محیط هوشمند ===<br /> <br /> برنامه های شهر هوشمند به شدت وابسته به چارچوب و زمینه اجرایی آنهاست. اصطلاح &quot;زمینه&quot; توسط نویسنده های مختلف به صورت محیط اطراف تعامل بین کاربر و برنامه کاربردی، اطلاعات راجع به فعالیت یا وظیفه ای که کاربر در حال انجام دادن آن است و یا اطلاعات مورد نیاز برای مشخص کردن وضعیت یک موجودیت در نظر گرفته شده است. بطور کلی تر &quot;زمینه&quot; هر اطلاعاتی است که می تواند توسط یک سیستم برای شناسایی وضعیت یک موجودیت (شخص،مکان یا شیء) بدست آمده باشد یا پردازش شده باشد و رفتار سیستم را با آن وضعیت تطبیق دهد. این اطلاعات می تواند سیگنال GPS گوشی های هوشمند کاربران باشد که با استفاده از آن سیستم می تواند به مکان فعلی کاربر پی ببرد.<br /> <br /> یک پلت فرم آگاه از زمینه که برای مدیریت اطلاعات زمینه در یک مقیاس بزرگ طراحی شده باید با الزامات خاص متعددی سر و کار داشته باشد:<br /> <br /> ==== ''تحرک و مکان'' ====<br /> <br /> یک برنامه آگاه از زمینه می تواند به کاربران جهت تقویت و تکمیل اصل وجودی خود کمک کند. در این حالت، کاربر ممکن است علاقه مند به دریافت اطلاعاتی راجع به مکانها یا ساختمانهای همسایه باشد (بعنوان مثال در یک برنامه گردشگری). فرض می کنیم کاربران بطور کلی در حال حرکت هستند و داده زمینه معمولی شامل عناصری مانند مکان فعلی، زمان فعلی و وضعیت فعلی کاربر می باشد.<br /> <br /> ==== ''مجاورت'' ====<br /> <br /> مجاورت و همسایگی نیز برای تأمین منابع و راه اندازی خدمات دارای اهمیت است. مقدار داده بطور بالقوه بیش از حد بزرگ است و بطور کامل روی دستگاه های سیار کاربر قابل خدمت رسانی نمی باشد. بنابراین انتخاب مناسب ترین و مرتبط ترین داده زمینه از محیط اطراف ترجیح داده میشود.<br /> <br /> ==== ''ضمانت های بلادرنگ'' ====<br /> <br /> برنامه های کاربردی آگاه از زمینه باید ضمانت های بلادرنگ برای تأمین داده فراهم کند. کاربران نباید رویدادهایی را که در گذشته دور رخ داده است دریافت کنند(اگر رویداد قدیمی باشد منسوخ می شود). برای مثال، اگر یک توریست به دنبال دریافت اطلاعات راجع به یک هدف در قسمت خاصی از شهر باشد، با دریافت داده چیزهای دیگر در سایر قسمت های شهر راضی نخواهد شد چرا که برنامه کاربردی در حال جواب دادن درخواستهایی است که چندی پیش ایجاد شده است.<br /> <br /> ==== ''پشتیبانی از عیب و نقص ارتباطات'' ====<br /> <br /> ما وجود عیوب زیرساخت های ارتباطات بیسیم امروزه را تصدیق می کنیم. در حقیقت هیچ برنامهکاربردی نباید فرض کند که کاربر همیشه به اینترنت متصل است (ممکن است اتصال بیسیم همیشه در دسترس نباشد یا ممکن است اتصال ارزان تمام نشود). بنابراین پلت فرم آگاه از زمینه باید حتی وقتی اتصالی در دسترس نیست هم استفاده از داده های زمینه را امکانپذیر سازد. در چنین شرایطی میتوان از جایگزین هایی مثل استفاده فرصت طلبانه از داده در دسترس توسط سایرین از cache های توزیع شده استفاده کرد.<br /> <br /> ==== ''دسترسی کارآمد به داده'' ====<br /> <br /> یک برنامه کاربردی باید دسترسی کارآمد به داده را از نظر سرعت دسترسی و نیز پشتیبانی برای پرس و جوهای پیچیده اجازه دهد. برنامه های کاربردی باید قادر باشند منافع خود را با استفاده از پرس و جوهای پیچیده، در اشکال فیلترهای زبان طبیعی بیان کند. برای مثال برنامه کاربردی باید قادر باشد به درخواست داده با استفاده از یک عبارت مثل &quot;دریافت پیش بینی مکان دوستانی که در شهر هستند&quot; و یا &quot;دریافت پیش بینی ترافیک جاده در یک خیابان خاص&quot; باشد.<br /> <br /> ==== ''پشتیبانی از ذخیره سازی کارآمد'' ====<br /> <br /> یک پلت فرم آگاه از زمینه باید امکان کشف منابع (مثل سنسور و خدماتی مثل آب و هوا)، دسترسی به داده و تجمیع اطلاعات را فراهم کند. همچنین باید مقیاس پذیر نیز باشد. برای یک برنامه ترافیکی، معمولا بطور بالقوه شامل میلیون ها کاربر می باشد که داده sense شده توسط آنها باید بطور مداوم ذخیره شود و تاریخچه داده نیز باید برای قابلیت ردیابی و پردازش و [[داده‌کاوی]] نگهداری شود.<br /> <br /> <br /> بطور خلاصه، برنامه های کاربردی آگاه از زمینه در رابطه با حجم بالای داده و دسترسی سریع به داده ملزومات و نیازمندی های مشترکی دارند. چنین ملزوماتی باید توسط خدمات ارائه شده در سطح پلت فرم ارضاء شود.بدیهی است دستیابی به مدیریت داده بسیار مقیاس پذیر، یک چالش مهم و بحرانی است. رایانش ابری با مدل های هزینه ای و محاسباتی خود به این چالش پاسخ می دهد.<br /> <br /> === اصول طراحی سیستم های Big Data ===<br /> <br /> تجزیه و تحلیل Big Data پیچیده تر از سیستم های تجزیه و تحلیل داده سنتی می باشد. پس چگونه کارها و وظایف داده متراکم را پیاده سازی کنیم بطوریکه بهره وری رضایت بخشی بویژه به صورت بلادرنگ داشته باشیم؟ پاسخ در توانایی موازی سازی گسترده الگوریتم های تحلیلی است به گونه ای که تمام پردازش ها بطور کامل در حافظه رخ داده و مقیاس پذیر است. وقتی میخواهیم از Big Data بهره ببریم نه تنها نیاز است تکنولوژی های جدیدی توسعه دهیم، بلکه به شیوه های تفکر جدید نیز نیازمندیم. در طراحی سیستم های تجزیه و تحلیل Big Data بطور خلاصه 7 اصل لازم است که بدون آنها تجزیه و تحلیل Big Data در یک سیستم توزیع شده دست نیافتنی خواهد بود:<br /> <br /> * ''اصل 1 :'' معماری و چارچوب خوب ضروری و در اولویت است.<br /> <br /> * ''اصل 2'' : پشتیبانی از انواع روشهای تحلیلی.<br /> <br /> * ''اصل 3'' : سایز و اندازه واحدی برای Big Data وجود ندارد.<br /> <br /> * ''اصل 4'' : اضافه کردن تجزیه و تحلیل به داده .<br /> <br /> * ''اصل 5'' : پردازش باید برای محاسبات داخل حافظه توزیع پذیر باشد.<br /> <br /> * ''اصل 6'' : ذخیره سازی داده باید برای ذخیره سازی داخل حافظه توزیع پذیر باشد.<br /> <br /> * ''اصل 7'' : هماهنگی بین پردازش واحد های داده مورد نیاز است.<br /> <br /> <br /> === تکنیک هایی برای حل مشکلات Big Data ===<br /> <br /> هدف تکنیک ها و تکنولوژی های پیشرفته برای توسعه علم Big Data، پیشبرد و اختراع روشهای علمی تر و پیچیده تر برای مدیریت، تجزیه و تحلیل، تجسم و بهره برداری از دنش آموزنده از مجموعه داده های بزرگ، متنوع، توزیع شده و ناهمگن می باشد. هدف نهایی ترویج توسعه و نوآوری علوم Big Data است تا در نهایت تحولات اقتصادی و اجتماعی در سطحی که پیش از این غیر ممکن بوده است از این نوآوری بهره مند گردد. تکنیک ها و تکنولوژی های Big Data باید موجب توسعه ابزار ها و الگوریتم های تحلیل داده جدیدی به منظور تسهیل زیرساخت داده مقیاس پذیر، قابل دسترس و پایدار شود تا به افزایش درک فرآیندها و تعاملات انسانی و اجتماعی منجر شود. همانطور که گفتیم، ابزارها، تکنیک ها و زیرساخت های نوین Big Data قادر خواهند بود در علم، مهندسی، پزشکی، تجارت، آموزش و پرورش و امنیت ملی به موفقیت هایی رسیده و نوآوری ایجاد کنند و همچنین زیرساخت هایی جهت رقابت در دهه های آینده پایه گذاری نمایند.<br /> <br /> تکنیک های آماری و ریاضی نوین،[[ابزارهای [[داده‌کاوی]]]] جدید، الگوریتم های پیشرفته یادگیری ماشین و نیز سایر رشته های تحلیلی داده در آینده بخوبی تثبیت خواهند شد. در نتیجه، تعدادی از سازمان ها به منظور تسهیل امور و مأموریت خود در حال توسعه استراتژی های Big Data هستند. این سازمانها روی منافع مشترک تحقیقات Big Data د سرتاسر جهان تمرکز می کنند. چندین تکنیک که در حال حاضر برای مهار Big Data مورد استفاده قرار میگیرد عبارتست از:<br /> <br /> * محاسبات گرانولار (یا محاسبات دانه ای)<br /> <br /> * محاسبات ابری (رایانش ابری)<br /> <br /> * سیستم های محاسباتی بیولوژیکی<br /> <br /> * محاسبات کوانتومی<br /> <br /> == نتیجه گیری ==<br /> ورود به عصر داده های حجیم که دوره جدیدی برای نوع اوری ها ,رقابت ها و تولیدات می باشد ما را در برابر موج جدید تحولات علمی قرار داده است .خوشبختانه ما شاهد پیشرفتهای عظیمی در علوم هستیم .در این مقاله ما مروری بر مشکلات داده های عظیم داشتیم و همچنین فرصت ها و چالش های آن را مورد بررسی قرار دادیم .همچنین اصول طراحی چنین سیستم هایی مورد بررسی قرار گرفت و روشهایی هوشمند نیز برای حل مشکلات آن ذکر گردید .اما به هر حال این روشها در حال توسعه می باشند و در اینده شاهد پیشرفتهای عظیمی در این حوزه خواهیم بود .پیشرفتهای سریع توسعه فن اوری های محاسبات ابری و تجزیه و تحلیل داده ها منجر به افزایش توانایی ذخیره سازی داده ها ,مدیریت و پردازش انها شده است .صنایع زیادی چون سیستم های ناوبری ,سیستم های ذخیره کننده اطاعات خودرو ها ,تلفن های هوشمند و ... امکان درگیر شدن در آینده تحقیقات جهت تولید نرم افزارها و داده های اضافه را دارند .<br /> <br /> == مراجع ==<br /> 1- Dobre, Ciprian, and Fatos Xhafa. &quot;Intelligent services for big data science.&quot;Future Generation Computer Systems 37 (2014): 267-281.<br /> <br /> 2- Assunção, Marcos D., et al. &quot;Big Data computing and clouds: Trends and future directions.&quot; Journal of Parallel and Distributed Computing (2014).<br /> <br /> 3- Hsu, Chia-Yu, et al. &quot;Development of a cloud-based service framework for energy conservation in a sustainable intelligent transportation system.&quot;International Journal of Production Economics (2014).<br /> <br /> 4- Demirkan, Haluk, and Dursun Delen. &quot;Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud.&quot;Decision Support Systems 55.1 (2013): 412-421.<br /> <br /> 5- C.L. Philip Chen, C.-Y. Zhang. &quot;Data-intensive applications, challenges, techniques and technologies: A survey on Big Data&quot;, Information Sciences. (2014)</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10192 2015-04-11T10:24:16Z

<p>Goodosuser: اصلاح رابط</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌ داده‌|پایگاه]] و [[مجموعه داده|مجموعه]] [[کلان داده]] را در پی کشف و استخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌کند.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را برای کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچ‌گونه پیش فرضی به کار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز به کار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان‌طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگی‌های کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، دربرگیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمان‌های دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد باهم‌آیی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt; گروه داده کاوی ایران-[http://www.irdatamining.com/articles/classification/%D8%AA%D8%B9%D8%B1%DB%8C%D9%81-%D8%B1%D8%AF%D9%87-%D8%A8%D9%86%D8%AF%DB%8C-%D9%88-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C.html تعریف رده بندی و پیش بینی]تاریخ 26 فبریه 2014&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt; Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> &lt;references/&gt;<br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> [http://fa.wikipedia.org/wiki/%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C#.D9.BE.D8.A7.D9.86.D9.88.DB.8C.D8.B3 ویکیپدیای فارسی]<br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10191 2015-04-11T10:20:09Z

<p>Goodosuser: ویرایش جزئی‌</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌ داده‌|پایگاه]] و [[مجموعه داده|مجموعه]] [[کلان داده]] را در پی کشف و استخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌کند.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را برای کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچ‌گونه پیش فرضی به کار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز به کار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان‌طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگی‌های کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، دربرگیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمان‌های دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد باهم‌آیی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt; گروه داده کاوی ایران [http://تعریف%20رده‌بندی http://www.irdatamining.com/articles/classification/تعریف-رده-بندی-و-پیش-بینی.html]|تاریخ 26 فبریه 2014&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt; Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> &lt;references/&gt;<br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> [http://fa.wikipedia.org/wiki/%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C#.D9.BE.D8.A7.D9.86.D9.88.DB.8C.D8.B3 ویکیپدیای فارسی]<br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10190 2015-04-11T10:06:24Z

<p>Goodosuser: اصلاح فهرست منابع</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌های داده‌ها|پایگاه‌ها]] و [[مجموعه داده‌ها|مجموعه‌های]] [[کلان داده]] را در پی کشف واستخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌نماید.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه‌های داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز بکار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمانهای دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/classification/تعریف-رده-بندی-و-پیش-بینی.html |عنوان=تعریف رده‌بندی| ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;{{یادکرد وب |نویسنده= گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt;{{cite journal |author1= Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011}}&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> &lt;references/&gt;<br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> [http://fa.wikipedia.org/wiki/%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C#.D9.BE.D8.A7.D9.86.D9.88.DB.8C.D8.B3 ویکیپدیای فارسی]<br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10189 2015-04-11T09:57:18Z

<p>Goodosuser: /* منابع */</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌های داده‌ها|پایگاه‌ها]] و [[مجموعه داده‌ها|مجموعه‌های]] [[کلان داده]] را در پی کشف واستخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌نماید.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه‌های داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز بکار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمانهای دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/classification/تعریف-رده-بندی-و-پیش-بینی.html |عنوان=تعریف رده‌بندی| ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;{{یادکرد وب |نویسنده= گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt;{{cite journal |author1= Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011}}&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> <br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10188 2015-04-11T09:54:46Z

<p>Goodosuser: ویرایش جزئی‌</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌های داده‌ها|پایگاه‌ها]] و [[مجموعه داده‌ها|مجموعه‌های]] [[کلان داده]] را در پی کشف واستخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌نماید.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه‌های داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز بکار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمانهای دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/classification/تعریف-رده-بندی-و-پیش-بینی.html |عنوان=تعریف رده‌بندی| ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;{{یادکرد وب |نویسنده= گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt;{{cite journal |author1= Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011}}&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> * [http://www.amazon.com/gp/product/1558609016/ref=nosim/103-3650806-1542240?camp=2025&amp;dev-t=D26XECQVNV6NDQ&amp;link_code=xm2&amp;n=283155 کاوش‌های ماشینی در داده‌ها: مفاهیم و تکنیک‌ها] - چاپ دوم {{نشان زبان|en}}<br /> * [http://www.cs.waikato.ac.nz/~ml/weka/book.html کاوش‌های ماشینی در داده‌ها: ابزارها و تکنیک‌های عملی برای یادگیری ماشینی] - چاپ دوم {{نشان زبان|en}}<br /> * [http://codex.cs.yale.edu/avi/db-book/slide-dir/index.html مفاهیم مربوط به سامانه‌های مدیریت پایگاه داده‌ها] {{نشان زبان|en}}<br /> * [http://www.cs.wisc.edu/~dbbook سامانه‌های مدیریّت پایگاه داده‌ها] {{نشان زبان|en}}<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> <br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%D8%AF%D8%A7%D8%AF%D9%87%E2%80%8C%DA%A9%D8%A7%D9%88%DB%8C&diff=10187 2015-04-11T09:53:49Z

<p>Goodosuser: صفحه جدید</p> <hr /> <div>'''داده کاوی'''، [[پایگاه‌های داده‌ها|پایگاه‌ها]] و [[مجموعه داده‌ها|مجموعه‌های]] [[کلان داده‌ها]] را در پی کشف واستخراج [[دانش]]، مورد تحلیل و کند و کاوهای ماشینی (و نیمه‌ماشینی) قرار می‌دهد. این گونه مطالعات و کاوش‌ها را به واقع می‌توان همان امتداد و استمرار دانش کهن و همه جا گیر [[آمار]] دانست. تفاوت عمده در مقیاس، وسعت و گوناگونی زمینه‌ها و کاربردها، و نیز ابعاد و اندازه‌های داده‌های امروزین است که شیوه‌های ماشینی مربوط به یادگیری، [[مدل‌سازی]]، و آموزش را طلب می‌نماید.<br /> <br /> در سال ۱۹۶۰ آماردانان اصطلاح &quot;Data Fishing&quot; یا &quot;Data Dredging&quot;به معنای &quot;صید داده&quot; را جهت کشف هر گونه ارتباط در حجم بسیار بزرگی از داده‌ها بدون در نظر گرفتن هیچگونه پیش فرضی بکار بردند. بعد از سی سال و با انباشته شدن داده‌ها در پایگاه‌های داده یا Database اصطلاح &quot;Data Mining&quot; یا داده کاوی در حدود سال ۱۹۹۰ رواج بیشتری یافت. اصطلاحات دیگری نظیر &quot;Data Archaeology&quot;یا &quot;Information Harvesting&quot; یا &quot;Information Discovery&quot; یا&quot;Knowledge Extraction&quot; نیز بکار رفته‌اند.<br /> <br /> اصطلاح Data Mining همان طور که از ترجمه آن به معنی داده کاوی مشخص می‌شود به مفهوم استخراج اطلاعات نهان و یا الگوها وروابط مشخص در حجم زیادی از داده‌ها در یک یا چند بانک اطلاعاتی بزرگ است.<br /> <br /> == مقدمه ==<br /> بسیاری از شرکت‌ها و موسسات دارای حجم انبوهی از اطلاعات هستند. تکنیک‌های داده‌کاوی به طور تاریخی به گونه‌ای گسترش یافته‌اند که به سادگی می‌توان آنها را بر ابزارهای نرم‌افزاری و ... امروزی تطبیق داده و از اطلاعات جمع‌آوری شده بهترین بهره را برد.<br /> <br /> در صورتی که سیستم‌های Data Mining بر روی سکوهای Client/Server قوی نصب شده باشد و دسترسی به [[بانک‌های اطلاعاتی]] بزرگ فراهم باشد، می‌توان به سوالاتی از قبیل :کدامیک از مشتریان ممکن است خریدار کدامیک از محصولات آینده شرکت باشند، چرا، در کدام مقطع زمانی و بسیاری از موارد مشابه پاسخ داد.<br /> <br /> == ویژگی‌ها ==<br /> یکی از ویژگیهای کلیدی در بسیاری از ابتکارات مربوط به تامین امنیت ملی، داده کاوی است. داده کاوی که به عنوان ابزاری برای کشف جرایم، ارزیابی میزان ریسک و فروش محصولات به کار می‌رود، در بر گیرنده ابزارهای تجزیه و تحلیل اطلاعات به منظور کشف الگوهای معتبر و ناشناخته در بین انبوهی از داده هاست. داده کاوی غالباً در زمینه تامین [[امنیت ملی]] به منزله ابزاری برای شناسایی فعالیت‌های افراد خرابکار شامل [[جابه جایی]] پول و ارتباطات بین آنها و همچنین شناسایی و ردگیری خود آنها با بررسی سوابق مربوط به مهاجرت و مسافرت هاست.<br /> داده کاوی پیشرفت قابل ملاحظه‌ای را در نوع ابزارهای تحلیل موجود نشان می‌دهد اما محدودیت‌هایی نیز دارد.<br /> یکی از این محدودیت‌ها این است که با وجود اینکه به آشکارسازی الگوها و روابط کمک می‌کند اما اطلاعاتی را در باره ارزش یا میزان اهمیت آنها به دست نمی‌دهد. دومین محدودیت آن این است که با وجود توانایی شناسایی روابط بین رفتارها و یا متغیرها لزوماً قادر به کشف روابط علت و معلولی نیست. موفقیت داده کاوی در گرو بهره‌گیری از کارشناسان فنی و تحلیل گران کار آزموده‌ای است که از توانایی کافی برای [[طبقه‌بندی]] تحلیل‌ها و تغییر آنها برخوردار هستند.<br /> بهره‌برداری از داده کاوی در دو [[بخش دولتی]] و خصوصی رو به گسترش است.<br /> صنایعی چون بانکداری، بیمه، بهداشت و بازار یابی آنرا عموماً برای کاهش هزینه‌ها، ارتقاء کیفی پژوهش‌ها و بالاتر بردن میزان فروش به کار می‌برند.<br /> کاربرد اصلی داده کاوی در بخش دولتی به عنوان ابزاری برای تشخیص جرایم بوده‌است اما امروزه دامنه بهره‌برداری از آن گسترش روزافزونی یافته و سنجش و [[بهینه‌سازی]] برنامه‌ها را نیز در بر می‌گیرد. بررسی برخی از برنامه‌های کاربردی مربوط به داده کاوی که برای تامین امنیت ملی به کار می‌روند، نشان دهنده رشد قابل ملاحظه‌ای در رابطه با کمیت و دامنه داده‌هایی است که باید تجزیه و تحلیل شوند.<br /> توانایی‌های فنی در داده کاوی از اهمیت ویژه‌ای برخوردار اند اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانکهای اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند<br /> عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند. حفظ [[حریم خصوصی]] افراد عامل دیگری است که باید به آن توجه داشت.<br /> اصولاً به پرسش‌های زیر در زمینه داده کاوی باید پاسخ داده شود:<br /> * سازمانهای دولتی تا چه حدی مجاز به بهره‌برداری از داده‌ها هستند؟<br /> * آیا از داده‌ها در چارچوبی غیر متعارف بهره‌برداری می‌شود؟<br /> * کدام قوانین حفظ حریم خصوصی ممکن است به داده کاوی مربوط شوند؟<br /> <br /> کاوش در داده‌ها بخشی بزرگ از [[سامانه‌های هوشمند]] است. سامانه‌های هوشمند زیر شاخه‌ایست بزرگ و پرکاربرد از زمینه علمی جدید و پهناور [[یادگیری ماشینی]] که خود زمینه‌ای‌ست در [[هوش مصنوعی]].<br /> <br /> فرایند گروه گروه کردن [[مجموعه|مجموعه‌ای]] از اشیاء فیزیکی یا مجرد به صورت طبقه‌هایی از اشیاء مشابه هم را خوشه‌بندی می‌نامیم.<br /> <br /> با توجه به اندازه‌های گوناگون (و در اغلب کاربردها بسیار بزرگ و پیچیده) مجموعه‌های داده‌ها مقیاس‌پذیری الگوریتم‌های به کار رفته معیاری مهم در مفاهیم مربوط به کاوش در داده‌ها است.<br /> <br /> کاوش‌های ماشینی در [[متن|متون]] حالتی خاص از زمینهٔ عمومی‌تر کاوش در داده‌ها بوده، و به آن دسته از کاوش‌ها اطلاق می‌شود که در آن‌ها داده‌های مورد مطالعه از جنس متون نوشته شده به [[زبان‌های طبیعی]] انسانی باشد.<br /> <br /> == چیستی ==<br /> داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تا کنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدلهای آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد. داده کاوی منحصر به گردآوری و مدیریت داده‌ها نبوده و تجزیه و تحلیل اطلاعات و پیش بینی را نیز شامل می‌شود<br /> برنامه‌های کاربردی که با بررسی فایل‌های متن یا چند رسانه‌ای به کاوش داده‌ها می‌پردازند پارامترهای گوناگونی را در نظر می‌گیرد که عبارت اند از:<br /> * قواعد انجمنی (Association): الگوهایی که بر اساس آن یک رویداد به دیگری مربوط می‌شود مثلاً خرید قلم به خرید کاغذ.<br /> * ترتیب (Sequence): الگویی که به تجزیه و تحلیل توالی رویدادها پرداخته و مشخص می‌کند کدام رویداد، رویدادهای دیگری را در پی دارد مثلاً تولد یک نوزاد و خرید پوشک.<br /> * پیش بینی(Prediction): در پیش بینی هدف پیش بینی یک متغیر پیوسته می‌باشد. مانند پیش بینی نرخ ارز یا هزینه‌های درمانی.<br /> * رده‌بندی یا طبقه‌بندی (Classification): فرآیندی برای پیدا کردن مدلی است که رده‌های موجود در داده‌ها را تعریف می‌نماید و متمایز می‌کند، با این هدف که بتوان از این مدل برای پیش بینی رده رکوردهایی که برچسب رده آنها (متغیر هدف) ناشناخته می‌باشد، استفاده نمود.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/classification/تعریف-رده-بندی-و-پیش-بینی.html |عنوان=تعریف رده‌بندی| ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt; در حقیقت در رده‌بندی بر خلاف پیش بینی، هدف پیش بینی مقدار یک متغیر گسسته است. روش‌های مورد استفاده در پیش بینی و رده‌بندی عموما یکسان هستند.<br /> * خوشه بندی(Clustering): گروه بندی مجموعه‌ای از اعضاء، رکوردها یا اشیاء به نحوی که اعضای موجود در یک خوشه بیشترین شباهت را به یکدیگر و کمترین شباهت را به اعضای خوشه‌های دیگر داشته باشند.&lt;ref&gt;{{یادکرد وب |نویسنده = گروه داده کاوی ایران |نشانی=http://www.irdatamining.com/articles/clustering/تعریف-خوشه-بندی.html |عنوان=تعریف خوشه بندی | ناشر =گروه داده کاوی ایران |تاریخ 26 فبریه 2014 = |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> * مصورسازی (visualization): مصورسازی داده‌ها یکی از قدرتمندترین و جذابترین روش‌های اکتشاف در داده‌ها می‌باشد.&lt;ref&gt;{{یادکرد وب |نویسنده= گروه داده کاوی ایران|نشانی=http://www.irdatamining.com/articles/92-concepts/100-مصور-سازی.html |عنوان= تعریف مصورسازی | ناشر = گروه داده کاوی ایران |تاریخ = 26 فبریه 2014 |تاریخ بازبینی=26 فبریه 2014 }}&lt;/ref&gt;<br /> برنامه‌های کاربردی که در زمینه تجزیه و تحلیل اطلاعات به کار می‌روند از امکاناتی چون پرس و جوی [[ساخت یافته]] (Structured query) که در بسیاری از بانک‌های اطلاعاتی یافت می‌شود و از ابزارهای تجزیه و تحلیل آماری برخوردارند اما برنامه‌های مربوط به داده کاوی در عین برخورداری از این قابلیت‌ها از نظر نوع با آنها تفاوت دارند. بسیاری از ابزارهای ساده برای تجزیه و تحلیل داده‌ها روشی بر پایه راستی آزمایی (verifiction)را به کار می‌برند که در آن فرضیه‌ای بسط داده شده آنگاه داده‌ها برای تایید یا رد آن بررسی می‌شوند. به طور مثال ممکن است این نظریه مطرح شود که فردی که یک چکش خریده حتماً یک بسته میخ هم خواهد خرید.<br /> کارایی این روش به میزان خلاقیت کاربر برای ارایه فرضیه‌های متنوع و همچنین ساختار برنامه بکار رفته بستگی دارد. در مقابل در داده کاوی روشهایی برای کشف روابط بکار برده می‌شوند و به کمک الگوریتم‌هایی روابط چند بعدی بین داده‌ها تشخیص داده شده و آنهایی که یکتا (unique) یا رایج هستند شناسایی می‌شوند.<br /> به طور مثال در یک فروشگاه سخت‌افزار ممکن است بین خرید ابزار توسط مشتریان با تملک خانه شخصی یا نوع خودرو، سن، شغل، میزان درآمد یا فاصله محل اقامت آنها با فروشگاه رابطه‌ای برقرار شود.<br /> <br /> در نتیجه قابلیت‌های پیچیده‌اش برای موفقیت در تمرین داده کاوی دو مقدمه مهم است یکی فرمول واضحی از مشکل که قابل حل باشد و دیگری دسترسی به داده متناسب.<br /> بعضی از ناظران داده کاوی را مرحله‌ای در روند کشف دانش در [[پایگاه داده‌ها]] می‌دانند (KDD). مراحل دیگری در روند KDD به صورت تساعدی شامل، پاکسازی داده، انتخاب داده انتقال داده، داده کاوی، الگوی ارزیابی، و عرضه دانش می‌باشد.<br /> بسیاری از پیشرفت‌ها در تکنولوژی و فرایندهای تجاری بر رشد علاقه‌مندی به داده کاوی در بخش‌های خصوصی و عمومی سهمی داشته‌اند. بعضی از این تغییرات شامل:<br /> * رشد [[شبکه‌های کامپیوتری]] که در ارتباط برقرار کردن پایگاهها داده مورد استفاده قرار می‌گیرند.<br /> * توسعه افزایش تکنیکهایی بر پایه جستجو مثل شبکه‌های عصبی و الگوریتم‌های پیشرفته.<br /> * گسترش مدل محاسبه کلاینت سروری که به کاربران اجازه دسترسی به منابع داده‌های متمرکز شده را از روی دسک تاپ می‌دهد.<br /> * و افزایش توانایی به تلفیق داده از منابع غیر متناجس به یک منبع قابل جستجو می‌باشد.<br /> علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع‌آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره‌سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است.<br /> داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به [[تحقیقات پزشکی]] استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده‌سازی و پیامد اشتباه را هم دارد. اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد. همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.<br /> <br /> == محدودیت‌های داده کاوی ==<br /> در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند. برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند. در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد.<br /> <br /> اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند. تصمیماتی از این قبیل بر عهده خود کاربر است. برای نمونه در ارزیابی صحت داده کاوی، [[برنامه کاربردی]] در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود. با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد.<br /> <br /> تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد. برای مثال برنامه‌های کاربردی ممکن است الگوهای رفتاری را مشخص کند، مثل تمایل به خرید بلیط هواپیما درست قبل از حرکت که این موضوع به مشخصات درآمد، سطح تحصیلی و استفاده از اینترنت بستگی دارد. در حقیقت رفتارهای شخصی شامل شغل (نیاز به سفر در زمانی محدود) وضع خانوادگی (نیاز به مراقبت پزشکی برای مریض) یا تفریح (سود بردن از تخفیف دقایق پایانی برای دیدن مکان‌های جدید) ممکن است بر روی متغیرهای اضافه تاثیر بگذارد.<br /> <br /> == ابزارهای داده کاوی ==<br /> معروف‌ترین ابزارهای داده‌کاوی به ترتیب پرطرفدار بودن<br /> # Clementine که نسخه ۱۳ ان با نام [[SPSS Modeler]] نامیده می‌شود.<br /> # [[RapidMiner|رپیدماینر]]<br /> # [[وکا (یادگیری ماشینی)|نرم‌افزار وکا]]<br /> <br /> == نرم‌افزار&lt;ref&gt;این بخش به صورت کامل برگردان (ترجمه) قسمت انگلیسی ویکی‌پدیا می‌باشد.&lt;/ref&gt; ==<br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی متن-باز رایگان ===<br /> * [[Carrot2]]: پلتفرمی برای خوشه بندی متن و نتایج جستجو<br /> * [[Chemicalize.org]]: یک کاوشگر ساختمان شیمیایی و [[موتور جستجوی وب]]<br /> * [[Environment for DeveLoping KDD-Applications Supported by Index-Structures|ELKI]]: یک پروژه تحقیقاتی دانشگاهی با تحلیل خوشه‌ای پیشرفته و روش‌های تشخیص داده‌های خارج از محدوده که به زبان [[(Java(Programming Language |جاوا]] نوشته شده است.<br /> * [[General Architecture for Text Engineering|GATE]]: یک پردازشگر زبان بومی و ابزار مهندسی زبان.<br /> <br /> &lt;!-- نه تا جا مونده --&gt;<br /> <br /> === برنامه‌های کاربردی و نرم‌افزارهای داده کاوی تجاری ===<br /> * [[Angoss|Angoss KnowledgeSTUDIO]]: ابزار داده کاوی تولید شده توسط [[Angoss]].<br /> * [[BIRT Analytics]]: ابزار داده کاوی بصری و تحلیل پیش بینی گر تولید شده توسط [[Actuate Corporation]].<br /> * [[Clarabridge]]: راه حل تحلیلگر کلاس متن.<br /> * [[(ای-ان آی|(E-NI(e-mining, e-monitor]]: ابزار داده کاوی مبتنی بر الگوهای موقتی.<br /> * [[SPSS Modeler|IBM SPSS Modeler]]: نرم‌افزار داده کاوی تولید شده توسط [[IBM]]<br /> * [[Microsoft Analysis Services]]: نرم‌افزار داده کاوی تولید شده توسط [[مایکروسافت]]<br /> * [[Oracle Data Mining]]: نرم‌افزار داده کاوی تولید شده توسط [[شرکت_اوراکل]]<br /> <br /> &lt;!-- پنج تا جا مونده --&gt;<br /> <br /> === بررسی اجمالی بازار نرم‌افزارهای داده کاوی ===<br /> تا کنون چندین محقق و سازمان بررسی‌هایی را بر روی ابزارهای داده کاوی و راهنماییهایی برای داده کاوها تهیه دیده‌اند. این بررسی‌ها بعضی از نقاط ضعف و قوت بسته‌های نرم‌افزاری را مشخص می‌کنند. همچنین خلاصه‌ای را از رفتارها، اولویت‌ها و دیدهای داده کاوها تهیه کرده‌اند. بعضی از این گزارش‌ها را در زیر می‌توانید مشاهده نمایید:<br /> * گزارش: 2011 Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery س&lt;ref&gt;{{cite journal |author1= Mikut, Ralf |author2=Reischl, Markus |title=Data Mining Tools |journal=Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery |volume=1 |number=5 |date=September/October 2011 |pages=431–445 |doi=10.1002/widm.24 |url=http://onlinelibrary.wiley.com/doi/10.1002/widm.24/abstract |accessdate=October 21, 2011}}&lt;/ref&gt;<br /> * [[Rexer's Annual Data Miner Survey|Annual Rexer Analytics Data Miner Surveys]] تاریخ(2007–2011)&lt;ref name=rexer_informs&gt;Karl Rexer, Heather Allen, &amp; Paul Gearan (2011); [http://www.analytics-magazine.org/may-june-2011/320-understanding-data-miners ''Understanding Data Miners''], Analytics Magazine, May/June 2011 (INFORMS: Institute for Operations Research and the Management Sciences).&lt;/ref&gt;<br /> <br /> &lt;!-- چهار تا جا مونده --&gt;<br /> <br /> == پیوند به بیرون ==<br /> * [http://IranDataMiner.ir IranDataMiner.ir] مرجع تخصصی داده کاوی<br /> * [http://irandatamining.com دبیرخانه دائمی کنفرانس داده کاوی ایران] (Permanent Secretariat of Iran Data Mining Conference)<br /> * [http://bio.informatics.iupui.edu/biokdd07 هفتمین کارگاه بین‌المللی راجع به کاوش در داده‌های مربوط به انفورماتیک حیات] (بیو انفورماتیک)<br /> * [http://www.siam.org/meetings/sdm08/index.php کنفرانس سال ۲۰۰۸ siam مربوط به کاوش‌های ماشینی در داده‌ها]<br /> * [http://irdatamining.com گروه داده کاوی ایران]<br /> <br /> == منابع ==<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹); Pieter Adriaans and Dolf Zantinge،<br /> Data Mining New York: Addison Wesley، ۱۹۹۶<br /> <br /> John Makulowich، “Government Data Mining Systems Defy Definition، ” Washington<br /> Technology، ۲۲ February ۱۹۹۹، [http://www.washingtontechnology.com/news/13_22/tech_<br /> features/۳۹۳-۳.html<br /> <br /> Jiawei Han and Micheline Kamber، Data Mining: Concepts and Techniques (New York:<br /> Morgan Kaufmann Publishers، ۲۰۰۱)، p. ۷<br /> <br /> Pieter Adriaans and Dolf Zantinge، Data Mining (New York: Addison Wesley، ۱۹۹۶)، pp.<br /> ۵-۶<br /> <br /> Two Crows Corporation، Introduction to Data Mining and Knowledge Discovery، Third<br /> Edition (Potomac، MD: Two Crows Corporation، ۱۹۹۹)، p. ۴.<br /> * [http://www.amazon.com/gp/product/1558609016/ref=nosim/103-3650806-1542240?camp=2025&amp;dev-t=D26XECQVNV6NDQ&amp;link_code=xm2&amp;n=283155 کاوش‌های ماشینی در داده‌ها: مفاهیم و تکنیک‌ها] - چاپ دوم {{نشان زبان|en}}<br /> * [http://www.cs.waikato.ac.nz/~ml/weka/book.html کاوش‌های ماشینی در داده‌ها: ابزارها و تکنیک‌های عملی برای یادگیری ماشینی] - چاپ دوم {{نشان زبان|en}}<br /> * [http://codex.cs.yale.edu/avi/db-book/slide-dir/index.html مفاهیم مربوط به سامانه‌های مدیریت پایگاه داده‌ها] {{نشان زبان|en}}<br /> * [http://www.cs.wisc.edu/~dbbook سامانه‌های مدیریّت پایگاه داده‌ها] {{نشان زبان|en}}<br /> [http://www.IranDataMiner.ir www.IranDataMiner.ir]<br /> <br /> اصول داده کاوی [http://cafemba.ir/showthread.php?tid=277 کافه MBA]<br /> <br /> == جستارهای وابسته ==<br /> * [[آمار]]<br /> * [[هوش مصنوعی]]<br /> * [[یادگیری ماشینی]]<br /> * [[محاسبات نرم]]<br /> * [[دانش]]<br /> * [[مهندسی دانش]]<br /> * [[بینایی رایانه‌ای]]<br /> * [[شبکه عصبی مصنوعی]]<br /> * [[سامانه‌های فازی]]<br /> * [[مدل‌سازی علمی]]<br /> * [[منطق فازی]]<br /> * [[فلسفه اطلاعات]]<br /> * [[تحلیل مولفه‌های اصلی]]<br /> <br /> == پانویس ==<br /> # Data کلمه‌ای‌ست جمع (با مفرد Datum) که نمی‌شود آنرا به واژهٔ مفرد «داده» نسبت داد. عدم رعایت این‌گونه [[اصول]] آشکار در دانشنامه‌ای با مقیاس و وسعت جهانی، تناقضات و ناسازگاری‌های [[معنایی]] (semantic) بعدی در [[تعاملات ماشینی]] با سایر [[زبان|زبان‌ها]] را در پی می‌آورد.<br /> <br /> <br /> [[رده:داده‌کاوی]]<br /> [[رده:آگاهی و دانش]]<br /> [[رده:آمار]]<br /> [[رده:پایگاه داده‌ها]]<br /> [[رده:تحلیل داده]]<br /> [[رده:علوم رسمی]]<br /> [[رده:مدیریت فناوری اطلاعات]]</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%D8%A7%D9%84%D8%B4_%D9%88%D8%A7%D9%82%D8%B9%DB%8C_%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86%D9%87%D8%A7_%D8%AF%D8%B1_%D8%B1%D8%A7%D8%A8%D8%B7%D9%87_%D8%A8%D8%A7_%DA%A9%D9%84%D8%A7%D9%86_%D8%AF%D8%A7%D8%AF%D9%87_%D9%87%D8%A7_%D9%88_%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C_%D8%AF%D9%82%DB%8C%D9%82%D8%AA%D8%B1_%D9%85%D8%AF%D9%84%D9%87%D8%A7%DB%8C_%DA%A9%D9%84%D8%A7%D9%86_%D8%AF%D8%A7%D8%AF%D9%87&diff=10186 2015-04-11T09:49:47Z

<p>Goodosuser: /* چالش ها */</p> <hr /> <div>''این مطلب در حال تکمیل است. شما نیز میتوانید در تکمیل آن مشارکت داشته باشید''<br /> <br /> در این صفحه میتوانید روی چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده صحبت کنید. بحث های جانبی و خارج از این ساختار را نیز میتوانید در صفحه [[بحث:چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده| بحث]] مطرح نمایید.<br /> <br /> <br /> == مورد های واقعی ==<br /> <br /> مسائل واقعی که در سازمان خود با آن مواجه هستید را میتوانید بطور جداگانه در این قسمت ارائه نمایید تا مورد بحث و بررسی قرار بگیرد:<br /> <br /> * [[پیاده سازی سیستم های اطلاعاتی با حجم دیتای بالا و پراکندگی جغرافیایی بر بستر ابر]]<br /> * [[پیاده‌سازی سیستم فرآیندی و داده‌ای شناسایی بازار و مشتری بانکداری در بستر ابر]]<br /> <br /> == چالش ها ==<br /> چالش های اشاره شده توسط دوستان به این ترتیب می باشد:<br /> <br /> * توزیع جغرافیایی بالا<br /> * همزمان سازی اطلاعات<br /> * نگهداری حجم زیاد اطلاعات<br /> * یکسان سازی<br /> * [[داده‌کاوی|داده‌کاوی داده ها]]<br /> * [[خردمند سازی داده ها]]: تحلیل داده ها به منظور استفاده های آماری ، پیش بینی و پاسخ به نیازهای مشتری<br /> * در دسترس نبودن داده جهت فعالیت تحقیقاتی<br /> * دسته‌بندی داده‌های کلان داده و شناسایی و ایجاد روابط بین داده‌ها<br /> *<br /> <br /> اگر چالش دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای چالش های موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.<br /> <br /> == راهکارهای پیشنهادی ==<br /> راهکارهای پیشنهادی شده توسط دوستان به این ترتیب می باشد:<br /> <br /> * شناخت ابزارها و فناوری های مرتبط در دنیا<br /> * شناخت [[مدل های کلان داده متناسب با مدل های کسب و کار]]<br /> * شناخت انواع پایگاه داده<br /> * شناخت نیازمندی های داده<br /> ** [[High Compute]]<br /> ** [[High Reads]]<br /> ** [[High Write]]<br /> ** [[High IO]]<br /> ** [[Atomic Transaction]]<br /> * در دسترس قرار گرفتن داده ها و طرح مساله<br /> * Cloud Computing Model with Service Oriented Architecture<br /> <br /> اگر راهکار دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای راهکارهای موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.<br /> <br /> == لینک های مرتبط ==<br /> * [http://www.zdnet.com/google-launches-cloud-dataflow-says-mapreduce-tired-7000030937 Google launches Cloud Dataflow, says MapReduce tired]<br /> * [http://www.cambridgesemantics.com/technology/smart-data-explained Cambridge Semantics]<br /> * [[کارگروه ها:BigData]]<br /> *<br /> <br /> == مراجع ==<br /> &lt;references /&gt;</div>

Goodosuser http://wiki.occc.ir/index.php?title=%DA%86%D8%A7%D9%84%D8%B4_%D9%88%D8%A7%D9%82%D8%B9%DB%8C_%D8%B3%D8%A7%D8%B2%D9%85%D8%A7%D9%86%D9%87%D8%A7_%D8%AF%D8%B1_%D8%B1%D8%A7%D8%A8%D8%B7%D9%87_%D8%A8%D8%A7_%DA%A9%D9%84%D8%A7%D9%86_%D8%AF%D8%A7%D8%AF%D9%87_%D9%87%D8%A7_%D9%88_%D8%A8%D8%B1%D8%B1%D8%B3%DB%8C_%D8%AF%D9%82%DB%8C%D9%82%D8%AA%D8%B1_%D9%85%D8%AF%D9%84%D9%87%D8%A7%DB%8C_%DA%A9%D9%84%D8%A7%D9%86_%D8%AF%D8%A7%D8%AF%D9%87&diff=10185 2015-04-11T09:48:07Z

<p>Goodosuser: /* چالش ها */</p> <hr /> <div>''این مطلب در حال تکمیل است. شما نیز میتوانید در تکمیل آن مشارکت داشته باشید''<br /> <br /> در این صفحه میتوانید روی چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده صحبت کنید. بحث های جانبی و خارج از این ساختار را نیز میتوانید در صفحه [[بحث:چالش واقعی سازمانها در رابطه با کلان داده ها و بررسی دقیقتر مدلهای کلان داده| بحث]] مطرح نمایید.<br /> <br /> <br /> == مورد های واقعی ==<br /> <br /> مسائل واقعی که در سازمان خود با آن مواجه هستید را میتوانید بطور جداگانه در این قسمت ارائه نمایید تا مورد بحث و بررسی قرار بگیرد:<br /> <br /> * [[پیاده سازی سیستم های اطلاعاتی با حجم دیتای بالا و پراکندگی جغرافیایی بر بستر ابر]]<br /> * [[پیاده‌سازی سیستم فرآیندی و داده‌ای شناسایی بازار و مشتری بانکداری در بستر ابر]]<br /> <br /> == چالش ها ==<br /> چالش های اشاره شده توسط دوستان به این ترتیب می باشد:<br /> <br /> * توزیع جغرافیایی بالا<br /> * همزمان سازی اطلاعات<br /> * نگهداری حجم زیاد اطلاعات<br /> * یکسان سازی<br /> * [[داده کاوی|داده کاوی داده ها]]<br /> * [[خردمند سازی داده ها]]: تحلیل داده ها به منظور استفاده های آماری ، پیش بینی و پاسخ به نیازهای مشتری<br /> * در دسترس نبودن داده جهت فعالیت تحقیقاتی<br /> * دسته‌بندی داده‌های کلان داده و شناسایی و ایجاد روابط بین داده‌ها<br /> *<br /> <br /> اگر چالش دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای چالش های موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.<br /> <br /> == راهکارهای پیشنهادی ==<br /> راهکارهای پیشنهادی شده توسط دوستان به این ترتیب می باشد:<br /> <br /> * شناخت ابزارها و فناوری های مرتبط در دنیا<br /> * شناخت [[مدل های کلان داده متناسب با مدل های کسب و کار]]<br /> * شناخت انواع پایگاه داده<br /> * شناخت نیازمندی های داده<br /> ** [[High Compute]]<br /> ** [[High Reads]]<br /> ** [[High Write]]<br /> ** [[High IO]]<br /> ** [[Atomic Transaction]]<br /> * در دسترس قرار گرفتن داده ها و طرح مساله<br /> * Cloud Computing Model with Service Oriented Architecture<br /> <br /> اگر راهکار دیگری بنظر شما وجود دارد به این لیست اضافه کنید یا برای راهکارهای موجود شرح بیشتری در صفحه مربوط به آنها اضافه نمایید.<br /> <br /> == لینک های مرتبط ==<br /> * [http://www.zdnet.com/google-launches-cloud-dataflow-says-mapreduce-tired-7000030937 Google launches Cloud Dataflow, says MapReduce tired]<br /> * [http://www.cambridgesemantics.com/technology/smart-data-explained Cambridge Semantics]<br /> * [[کارگروه ها:BigData]]<br /> *<br /> <br /> == مراجع ==<br /> &lt;references /&gt;</div>

Goodosuser