تبلیغات
فروشگاه اینترنتی - مطالب ابر شبکه های عصبی

ترجمه مقاله تصدیق رمز با استفاده از شبکه های عصبی هاپفیلد

نویسنده :سارای سارای
تاریخ:یکشنبه 23 فروردین 1394-08:06 ق.ظ


عنوان انگلیسی مقاله: 
Password Authentication using Hopfield Neural Networks
عنوان فارسی مقاله: تصدیق رمز با استفاده از شبکه های عصبی هاپفیلد
دسته: فناوری اطلاعات - شبکه عصبی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 11
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
تصدیق رمز (password authentication)  یک گزینه عمومی و معمول جهت امنیت سیستم می باشد . روش جدول تصدیق قراردادی (verification table)  دارای عیب های عمده ای است . اخیراً از شبکه های عصبی برای تصدیق رمز استفاده شده است  تا بر عیب های عمده روش های قبلی فائق آید . در روش شبکه های عصبی برای تصدیق رمز ، جدول تصدیق لازم نیست و به جای آن ، وزن های شبکه عصبی رمز شده در سیستم ذخیره شده است . تکنیک های لایه بندی شبکه های عصبی موجود دارای محدودیت های خاص خودشان هستند که از جمله آنها میتوان به  زمان آموزش طولانی  (long training time) و نزدیکی فراخوانی ها (close recall)   اشاره کرد . این مقاله استفاده از تکنیک شبکه های عصبی هوپفیلد را برای تصدیق رمز پیشنهاد می کند . در مقایسه با تکنیک فعلی لایه بندی شبکه های عصبی ، روش پیشنهاد شده درستی (accuracy)   خوبی را ایجاد می کند و زمان پاسخ سریعی را جهت ثبت (register  ) و تغییرات رمز ایجاد می کند .
مقدمه : 
امنیت کامپیوتری به یکی از مهمترین گزینه ها در زمینه تکنولوژی اطلاعاتی تبدیل شده است . در بین تکنولوژی های موجود جهت کنترل بیشتر دسترسی کامپیوتری ، تصدیق رمز بصورت گسترده ای برای زمان طولانی استفاده شده است و امروزه هنوز یکی از مکانیزم های مرسوم جهت تصدیق  (authentication) می باشد . یک گزینه عمومی برای تصدیق رمز استفاده از جدول تصدیق می باشد . با استفاده از این گزینه ، رمز PWk    تولید شده بوسیله کاربر k  بوسیله یک  تابع یک طرفه hash  یا الگوریتم رمزنگاری کدگذاری می شود و به عنوان F(PWk) در یک جدول تصدیق ذخیره می شود که آن جدول در یک سرور جهت تصدیق کاربران ذخیره شده است . موقعی که یک کاربر به سیستم وارد می شود سیستم جدول تصدیق را برای مشخصه کاربری (user ID) و پسورد رمزنگاری شده (encrypted password) مربوطه جستجو می کند . اگرچه در یک محیط دسترسی باز ، یک مزاحم ممکن است قادر به ایجاد تغییر در جدول تصدیق می باشد برای مثال یک مزاحم می تواند به سادگی یک جفت جعلی [IDf, F(PWf)]  را به جدول ضمیمه و اضافه  کند و هر کسی با ID,PASSWORD    جعلی بتواند وارد سیستم بشود .






داغ کن - کلوب دات کام
نظرات() 

بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا

نویسنده :سارای سارای
تاریخ:سه شنبه 23 دی 1393-09:40 ق.ظ

    موضوع  :

    بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا

    فرمت فایل: WORD (قابل ویرایش)

    مقدمه
    شبکه های عصبی چند لایه پیش خور1 به طور وسیعی د ر زمینه های متنوعی از قبیل طبقه بندی الگوها، پردازش تصاویر، تقریب توابع و ... مورد استفاده قرار گرفته است.
    الگوریتم یادگیری پس انتشار خطا2، یکی از رایج ترین الگوریتم ها جهت آموزش شبکه های عصبی چند لایه پیش خور می باشد. این الگوریتم، تقریبی از الگوریتم بیشترین تنزل3 می باشد و در چارچوب یادگیری عملکردی 4 قرار می گیرد.
    عمومیت یافتن الگوریتمBP ، بخاطر سادگی و کاربردهای موفقیت آمیزش در حل مسائل فنی- مهندسی می باشد.
    علیرغم، موفقیت های کلی الگوریتم BP در یادگیری شبکه های عصبی چند لایه پیش خور هنوز، چندین مشکل اصلی وجود دارد:
    - الگوریتم پس انتشار خطا، ممکن است به نقاط مینیمم محلی در فضای پارامتر، همگرا شود. بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
    - سرعت همگرایی الگوریتم BP، خیلی آهسته است.
    از این گذشته، همگرایی الگوریتم BP، به انتخاب مقادیر اولیه وزنهای شبکه، بردارهای بایاس و پارامترها موجود در الگوریتم، مانند نرخ یادگیری، وابسته است.
    در این گزارش، با هدف بهبود الگوریتم BP، تکنیک های مختلفی ارائه شده است. نتایج شبیه سازیهای انجام شده نیز نشان می دهد، الگوریتم های پیشنهادی نسبت به الگوریتم استاندارد BP، از سرعت همگرایی بالاتری برخوردار هستند.
    



جهت دانلود محصول اینجا کلیک نمایید





داغ کن - کلوب دات کام
نظرات()