ترجمه مقاله نوآوریهای جدید در مورد امنیت محاسبات ابری محاسبات ابری از نظر اقتصادی با پذیرش گستردهای روبرو شدهاند ارائهکنندگان محاسبات ابری با توجه به تخصص آنها در سازماندهی و تأمین منابع محاسباتی میتوانند مراکز دادههای بزرگی را با هزینه پایین ایجاد کنند صرفه جوئیهای اندازه، سود ارائه دهندگان ابری را افزایش و هزینههای کاربران ابری را کاهش میدهد |
دسته بندی | مقالات ترجمه شده isi |
فرمت فایل | doc |
حجم فایل | 153 کیلو بایت |
تعداد صفحات فایل | 12 |
نوآوریهای جدید در مورد امنیت محاسبات ابری
چکیده
در حالیکه محاسبات ابری از نظر اقتصادی قانع کننده هستند، اما از طرفی چالشهای امنیتی نیز به همان اندازه قابل توجه هستند. در این مقاله، سعی میکنیم تا مسائل مربوط به امنیت محاسبات ابری را بیان کنیم، تا مسائل قابل توجیه را از تمام مسائل نامرتبط مجزا کنیم. دیدگاههای کنونی و قدیمی در صنعت، دانشگاه، دولت، و هکرها را برسی میکنیم. از نظر ما تعدادی از مسائل مربوط به امنیت محاسبات ابری اساسا جدید و یا اساسا غیر قابل حل هستند؛ اغلب آنچه که به نظر "جدید" است تنها مربوط به محاسبات قدیمی از چند سال گذشته است. با نگاهی به گذشته و به دوره اشتراکگذاری زمان، در حال حاضر به بسیاری از این مسائل توجه میشود. از سوی دیگر، به نظر ما دو جنبه محاسبات ابری تا حدی جدید و اساسی هستند که عبارتند از: پیچیدگیهای ملاحظات اعتماد چند جانبه، و نیاز متعاقب برای حسابرسی متقابل.
دسته بندیها و توصیف کننده های موضوع
C.2.0 [شبکه های کامپیوتری-ارتباطاتی]: کلیات-امنیت و حفاظت
اصطلاحات عمومی:
طراحی، امنیت، قابلیت اطمینان.
What’s New About Cloud Computing Security?
Yanpei Chen, Vern Paxson, Randy H. Katz
CS Division, EECS Dept. UC Berkeley
{ychen2, vern, randy}@eecs.berkeley.edu
ABSTRACT
While the economic case for cloud computing is compelling, the security challenges it poses are equally striking. In this work we strive to frame the full space of cloud-computing security issues, attempting to separate justified concerns from possible over-reactions. We examine contemporary and historical perspectives from industry, academia, government, and “black hats”. We argue that few cloud computing security issues are fundamentally new or fundamentally intractable; often what appears “new” is so only relative to “traditional” computing of the past several years. Looking back further to the time-sharing era, many of these problems already received attention. On the other hand, we argue that two facets are to some degree new and fundamental to cloud computing: the complexities of multi-party trust considerations, and the ensuing need for mutual auditability.
Categories and Subject Descriptors
C.2.0 [Computer-Communication Networks]: General—Security
and Protection
General Terms
Design, Security, Reliability
مدل نهایی مورد تقاضای محاسباتی اجازه میدهد تا ارائهدهندگان به بهرهبرداری بهتری از منابع از طریق تسهیم آماری دست یابند و کاربران را قادر میسازد تا از هزینههای منابع با تأمین بیشتر از طریق تغییر اندازه پویا اجتناب کنند [12و 2].
در عین حال، امنیت مسلما بعنوان عمدهترین مانع در پذیرش سریعتر و گستردهتر محاسبات ابری بوجود آمده است. این دیدگاه از جنبههای مختلفی از محققان دانشگاهی [12]، تصمیمگیران صنعتی [35]، و سازمانهای دولتی سرچشمه میگیرد [29، 3]. برای بسیاری از محاسبات حساس-کسبوکار، محاسبات ابری امروزی به دلیل مسائلی همچون دسترسپذیری خدمات، محرمانه بودن اطلاعات، اشتراکگذاری تخریب شهرت، و غیره قابل توصیه نیست.
ترجمه مقاله کنترل چراغ ترافیک(راهنمایی) در محیطهای غیرثابت براساسیادگیری-Qچند عاملی کنترل ترافیک در خصوص استفاده ازروشهای محاسباتی در جهان واقعی مساله چالش برانگیزی است توسعه مکانیزمهای کارآمد برای کنترل چراغ ترافیک لازم است،زیرا تعدادوسایل نقلیه در شبکه مناطق شهری به سرعت در حال افزایش است هدف ازکنترل سیگنال افزایش ظرفیت تقاطع،کاهش تاخیر،ودر همان زمان، تضمین ایمنی بازیگران ترافیک است علاوه بر این، میتوان مصرف سوخت و کاهش تولی |
دسته بندی | مقالات ترجمه شده isi |
فرمت فایل | docx |
حجم فایل | 522 کیلو بایت |
تعداد صفحات فایل | 10 |
کنترل چراغ ترافیک(راهنمایی) در محیطهای غیرثابت براساسیادگیری-Qچند عاملی
چکیده - در بسیاری ازمناطق شهری که در آنجاتراکم ترافیک دارای الگویاوج نیست،روشهای زمان بندی چراغهای معمولی باعث کنترل موثری نمیشود. یک روش جایگزین این است که یادگیری نحوه تنظیم چراغ بر اساس وضعیت ترافیک توسط کنترلرهای سیگنال ترافیکی میسر شود. با این حال، اینامر باعث ایجاد یک محیط غیرثابت کلاسیک میشود زیرا هر کنترلر تغییرات ناشی ازدیگرکنترلرها را تطبیق میدهد. دریادگیریچند عاملی، اینکار به احتمال زیاد ناکارآمد بوده ودارای پیچیدگیهای محاسباتیاست، یعنی باافزایشتعداد عاملها (کنترلرها)، بازده کاهش مییابد. در این مقاله، یک شبکهترافیکی نسبتا بزرگرا بصورت سیستمچند عاملیمدلسازی میکنیم و از تکنیکهای یادگیری تقویتی چند عاملی استفاده میکنیم.بطور خاص،یادگیری-Qبه کار گرفته شده است، که در آن طول متوسط صفدرلینکهای نزدیک شونده به منظور برآوردحالتها استفاده میشود. یک بیانپارامتری از فضایعمل، این روش را قابل توسعه به انواع مختلفی از تقاطعها کرده است. نتایج شبیه سازی نشان میدهد کهیادگیری-Qپیشنهادی عملکرد بهتری نسبت به روش زمان ثابت تحت نیازهای ترافیکی متفاوت دارد.
Traffic Light Control in Non-stationary Environments based on Multi
Agent Q-learning
Monireh Abdoos , Nasser Mozayani and Ana L. C. Bazzan
Abstract—In many urban areas where traffic congestion does not have the peak pattern, conventional traffic signal timing methods does not result in an efficient control. One alternativeis to let traffic signal controllers learn how to adjust the lights based on the traffic situation. However this creates a classical non-stationary environment since each controller is adapting to the changes caused by other controllers. In multi-agent learning this is likely to be inefficient and computationally challenging,i.e., the efficiency decreases with the increase in the number of agents (controllers). In this paper, we model a relatively large traffic network as a multi-agent system and use techniques from multi-agent reinforcement learning. In particular, Q-learning is employed, where the average queue length in approaching links is used to estimate states. A parametric representation ofthe action space has made the method extendable to different types of intersection. The simulation results demonstrate that the proposed Q-learning outperformed the fixed time method under different traffic demands.
کنترلسیگنالیکی ازحوزههای مورد نظر درکل تحقیق است که تحتعنوان سیستمهایحمل و نقل هوشمند (ITS) شناخته میشود. میتوان ITSرا توسط برخی از تکنیکهاپیادهسازی کرد. در این مقاله حاضر، ازسیستمهای چندعاملیو یادگیری ماشینبرای توسعهیک مکانیزم کنترلنورترافیک استفاده میکنیم.
پاور پوینت نانوجاذب ها این پاور پوینت مربوط به درس سمینار کارشناسی ارشد رشته فیزیک زمینه نانو می باشد |
دسته بندی | فیزیک |
فرمت فایل | pptx |
حجم فایل | 1951 کیلو بایت |
تعداد صفحات فایل | 40 |
این پاور پوینت دارای 40 اسلاید می باشد که حاوی اطلاعات کاملی از تعریف نانو جاذب ها، انواع و نحوه عملکردشان، کاربردهایشان و مزایای آن ها می باشد.