الگوریتم طبقه¬بندی k-نزدیک¬ترین همسایه فازی داده برای محرمانگی در محاسبات ابری بصورت ورد ودر96صفحه
چکیده:
پردازش ابری و محیط ابر و پایگاه داده¬های ابری محل ذخیره¬سازی اطلاعات روی وب می¬باشد و برای بالا بردن امنیت در آن ها باید بهترین راه حل را استفاده کرد. مساله ما در اینجا طبقه¬بندی داده¬های محرمانه و فوق¬محرمانه و سپس رمزگذاری آن ها برای ذخیره در ابر می¬باشد برای این کار سرعت و دقت بسیار مهم می¬باشد. در این پژوهش یک الگوریتم طبقه¬بندی داده فازی، در محیط ابری استفاده شده است که در نهایت با زبان جاوا و در شبیه¬ساز کلودسیم شبیه¬سازی شد و توانست طبقه¬بندی موثری برای داده¬ها در محیط ابر ایجاد کند. الگوریتم طبقه¬بند ارایه شده، الگوریتم k-نزدیک¬ترین همسایه فازی است. با توجه به خصوصیات خوبی که الگوریتم k-نزدیک¬ترین همسایه فازی دارد توانست با سرعت و دقت بیشتر داده¬های محرمانه، فوق محرمانه و عمومی را طبقه¬بندی کند و برای رمزگذاری مناسب برای ذخیره سازی در ابر آماده کند و کارایی طبقه¬بندی داده برای ذخیره¬سازی در ابر را بهبود بخشد. روش کار بدین صورت می باشد که داده¬های یک پایگاه داده 15000 رکوردی ابتدا توسط الگوریتم k-نزدیک¬ترین همسایه عادی طبقه¬بندی می¬شود و داده¬ها به مرحله رمزگذاری فرستاده می¬شوند و در نهایت در ابر ذخیره می¬شوند و در مقابل آن همان پایگاه داده توسط الگوریتم k-نزدیک¬ترین همسایه فازی طبقه-بندی می¬شود و به سه کلاس فوق محرمانه، محرمانه و عمومی به مرحله بعدی که رمزگذاری و ذخیره در ابر می¬باشد فرستاده می¬شود. در پیاده¬سازی این روش از زبان جاوا و شبیه¬ساز کلودسیم استفاده شده است و نتایج حاصل به خوبی بیانگر کارایی بهتر الگوریتم k-نزدیک¬ترین همسایه فازی می¬باشد که موجب تولید نتایج بهتر نسبت به الگوریتم k-نزدیک¬ترین همسایه عادی می¬شود .
الگوریتم طبقه¬بندی k-نزدیک¬ترین همسایه فازی داده برای محرمانگی در محاسبات ابری
