دانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250201Designing a Reactive Routing Protocol for Optimizing Channel Switching in Communication Networksطراحی پروتکل مسیریابی واکنشی برای بهینهسازی سوئیچینگ کانالها در شبکههای ارتباطی112209708FAسانازامیربیگیکارشناسی ارشد،دانشگاه شهید باهنر، کرمان، ایران0009-0009-9598-5984مهدیهقزوینیدانشیار،دانشگاه شهید باهنر، کرمان، ایران0000-0002-3647-2101امیدعابدیاستادیار،دانشگاه شهید باهنر، کرمان، ایران0000-0001-5454-6189Journal Article20240627In cognitive radio networks, secondary users strive to exploit the frequency spectrum in the absence of primary users without causing interference through opportunistic access. However, the sudden return of primary users can cause serious interference and lead to an increase in channel switching in dynamic environments. Moreover, in platforms such as mobile ad hoc networks, user mobility adds to network instability and intensifies challenges such as routing. To address these challenges, this research presents a reactive routing protocol specifically designed for cognitive radio networks with mobile nodes. This protocol, by utilizing intersection analysis, mobility models, and advanced cognitive radio capabilities, results in a significant reduction in channel switching, decreased probability of interference between users, and optimal utilization of random channel access. Additionally, by eliminating dependency on a common control channel and increasing path stability through link expiration time calculation, it provides an efficient and cost-effective approach for establishing stable communications in dynamic networks.در شبکههای رادیو شناختی، کاربران ثانویه تلاش میکنند تا در غیاب کاربران اولیه و با کمک دسترسی فرصتطلبانه، از طیف فرکانسی بدون ایجاد اختلال بهرهبرداری کنند. با این حال، بازگشت ناگهانی کاربران اولیه ممکن است تداخلات جدی ایجاد کرده و در محیطهای پویا منجر به افزایش تعداد سوئیچینگ کانال شود. همچنین، در بسترهایی مانند شبکههای سیار موردی، تحرک کاربران به ناپایداری شبکه افزوده و چالشهایی مانند مسیریابی را تشدید میکند. برای مقابله با این چالشها، این پژوهش یک پروتکل مسیریابی واکنشی را ارائه میدهد که بهطور خاص برای شبکههای رادیو شناختی با گرههای متحرک طراحی شده است. این پروتکل با بهرهگیری از تحلیل تقاطعها، مدلهای حرکتی و قابلیتهای پیشرفته رادیو شناختی، به کاهش چشمگیر سوئیچینگ کانال، کاهش احتمال تداخل میان کاربران، و بهرهبرداری بهینه از دسترسی تصادفی کانالها میانجامد. همچنین، با حذف وابستگی به کانال کنترلی مشترک و افزایش پایداری مسیرها از طریق محاسبه زمان انقضای پیوند، رویکردی کارآمد و مقرونبهصرفه برای ایجاد ارتباطات پایدار در شبکههای پویا ارائه میدهد.https://ecdj.ihu.ac.ir/article_209708_2ca71080dfc5b1398b558a61f974804a.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250201Improved implementation of image processing algorithm with HLS software for use in optical seekerپیادهسازی بهبودیافته الگوریتم پردازش تصویر با نرمافزارHLS جهت استفاده در جستجوگر اپتیکی1319209794FAمهدییوسفوندکارشناسی ارشد،دانشگاه جامع امام حسین (ع)، تهران،ایران0000-0001-8226-1332مهدینصیریاستادیار،دانشگاه جامع امام حسین (ع)، تهران،ایرانروح اللهبی باککارشناسی ارشد،دانشگاه تربیت مدرس، تهران ، ایران0000-0002-9710-5321Journal Article20240822Current image processing systems have the ability to fast process images with high imaging rates. To reduce calculation time and increase processing speed, algorithms can be implemented on hardware accelerators such as FPGA. The hardware implementation of image processing algorithms should be improved with the aim of increasing the processing speed, reducing the resources consumed and, as a result, reducing the cost of the used processor. In the application of target detection, the optical seeker will be able to detect, recognize and track the target by using image processing algorithms and comparing the current image information of the camera with the information of the desired target image that has already been stored in its processor memory. In this process, SIFT is an algorithm for matching applications, of which the DOG section is one of its subsections. DOG alone covers more than 80% of the execution time of the SIFT algorithm. The reason for this is that many Gaussian filters are multiplied in the input image. The proposed architecture is presented in such a way that only two DSP48s are used for the RTL implementation of each 15x15 Gaussian filter. The advantage of reducing the number of resources related to the cheapness of FPGA has been used. HLS tool has been used to implement the proposed architecture.<br /><br />In the application of target detection, the optical seeker will be able to detect, recognize and track the target by using image processing algorithms and comparing the current image information of the camera with the information of the desired target image that has already been stored in its processor memory. In this process, SIFT is an algorithm for matching applications, of which the DOG section is one of its subsections. DOG alone covers more than 80% of the execution time of the SIFT algorithm. The reason for this is that many Gaussian filters are multiplied in the input image. The proposed architecture is presented in such a way that only two DSP48s are used for the RTL implementation of each 15x15 Gaussian filter. The advantage of reducing the number of resources related to the cheapness of FPGA has been used. HLS tool has been used to implement the proposed architecture.سامانههای پردازش تصویر کنونی بایستی توانایی پردازش سریع تصاویر با نرخ تصویربرداری بالا را داشته باشند. برای کاهش زمان محاسبات و افزایش سرعت پردازش میتوان الگوریتمها را بر روی شتابدهندههای سختافزاری مانند FPGA پیادهسازی نمود. پیادهسازی سختافزاری الگوریتمهای پردازش تصویر بایستی بهصورت کارا و باهدف افزایش سرعت پردازش، کاهش منابع مصرفی و درنتیجه کاهش هزینه پردازنده بهکاررفته صورت گیرد. در کاربرد آشکارسازی هدف، جستجوگر اپتیکی با استفاده از الگوریتمهای پردازش تصویر و مقایسه اطلاعات تصویر فعلی دوربین با اطلاعات موجود از تصویر هدف موردنظر که قبلاً در حافظه پردازشگر آن ذخیره شده است قادر به آشکارسازی، تشخیص و ردگیری هدف خواهد بود. در این فرایند، SIFT الگوریتمی برای کاربردهای تناظر یابی است که بخش DoG یکی از زیر بخشهای آن است. DoG بهتنهایی بیش از 80% زمان اجرای الگوریتم SIFT را در بر میگیرد. دلیل این امر این است که فیلترهای گاوسین به تعداد زیادی در تصویر ورودی ضرب میشود. معماری پیشنهادی بهگونهای است که برای پیادهسازی RTL هر فیلتر گاوسین 15*15 تنها از دو واحد DSP48 استفاده میشود. مزیت کاهش تعداد منابع مربوط به ارزان شدن FPGA به کار گرفته شده است. برای پیادهسازی معماری پیشنهادی ابزار HLS بهکاررفته است.https://ecdj.ihu.ac.ir/article_209794_cbec7cf064522dc2a8e66a31a8ac709c.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250201A hybrid model based on CNN-LSTM for speech emotion reognitionارائه مدلی ترکیبی مبتنی بر CNN – LSTM جهت تشخیص هیجان از سیگنال گفتار2132209796FAرضااحمدیانکارشناسی ارشد،دانشگاه جامع امام حسین (ع)، تهران،ایرانحسینرعیتپرورکارشناسی ارشد،دانشگاه جامع امام حسین (ع)، تهران،ایران0009-0007-0069-2237ابوالفضلسرکرده ئیپژوهشگر،دانشگاه جامع امام حسین (ع)، تهران،ایرانJournal Article20240612The data published in the virtual space, including text, image, video and speech, have become a reliable source for measuring the thoughts, opinions and emotions of the audience towards various objects such as governments, policies, personalities, products, etc. In order to conflict with the cognitive threats of the cyberspace, it is very important to recognition the cognitive structure of insider and enemy audiences. The current research was conducted in order to present a computational model for speech emotion recognition based on the combination of two Classifier of CNN-LSTM. In this article, at the beginning, the introductions about speech emotion recognition and its applications are mentioned, then the papers presented in the authoritative journals are reviewed and their accuracy is evaluated, in the following, a practical method for recognition the eight basic emotions of the audience including happiness, sadness, fear, calm, anger, Disgust, surprise, and neutral are presented. In this research, in order to have a high number of data, by combining the two data sets RAVDESS and TESS, a general data set was collected, in the feature extraction phase, three features MFCC, MEL and ZCR were extracted and combined, and then in the model designed by the combination of CNN and LSTM classifiers for Training and testing have been used. With the evaluations, the accuracy of the model on the test data is 92.57%, which is more accurate than the existing models.داده های منتشرشده در فضای مجازی شامل متن، تصویر، ویدئو و صوت به منبعی معتبر برای سنجش افکار، عقاید و هیجانات مخاطب نسبت به اشیا مختلف مانند دولتها، سیاستها، شخصیتها، محصولات و غیره تبدیلشدهاند، ب همنظور مقابله با تهدیدات شناختی فضای سایبری، تشخیص شاکله شناختی مخاطبان خودی و غیرخودی بسیار حائز اهمیت است. پژوهش حاضر بهمنظور ارائهی مدلی محاسباتی برای تشخیص هیجان گفتار مخاطب مبتنی بر ترکیب دوطبقه بند CNN – LSTM صورت گرفته است. در این مقاله در ابتدا مقدمهای در مورد تشخیص هیجان گفتار و کاربردهای آن گفتهشده، سپس طرحهای ارائهشده در مجلات معتبر مرور و دقت آنها ارزیابیشده است، در ادامه روشی کاربردی جهت تشخیص هشت هیجان پایه مخاطب شامل شادی، غم، ترس، آرام، خشم، نفرت، شگفتزده و خنثی ارائهشده است. در این پژوهش بهمنظور داشتن تعداد داده بالا، با ترکیب دو مجموعه داده RAVDESS و TESS یک مجموعه داده کلی جمعآوریشده، در مرحله استخراج ویژگی سه ویژگی MFCC، MEL و ZCR استخراج و ترکیبشده و سپس در مدل طراحیشده از ترکیب طبقهبندی کنندههای CNN و LSTM جهت آموزش و تست استفادهشده است. با ارزیابیهای انجامشده، دقت مدل بر رویدادههای تست، 92.57 درصد است، که نسبت به مدل های موجود دارای دقت بالاتری می باشد.https://ecdj.ihu.ac.ir/article_209796_f76071093ca6c78e886b2f684431af3c.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120Assessment of Desirability of Information Security and Cyber Network Indices in Ports with Emphasis on Passive Defense (Case Study: Imam Khomeini Port Complex)ارزشیابی مطلوبیت شاخصهای امنیت اطلاعات و شبکه سایبری در بنادر با تاکید بر پدافند غیرعامل(مطالعه موردی: مجتمع بندری امام خمینی(ره))3344209792FAلیلاخوزستانیکارشناسی ارشد جغرافیا و برنامهریزیشهری، واحدماهشهر، دانشگاه آزاداسلامی، ماهشهر، ایرانعباسمعروف نژاداستادیار،گروه جغرافیا و برنامهریزیشهری، واحد ماهشهر، دانشگاه آزاداسلامی، ماهشهر، ایران0000-0002-0940-2685Journal Article20240906Among the facilities and infrastructures of countries, ports can be vulnerable to threats. Deterrence of harm to maritime and port facilities and equipment while maintaining the security of information and cyber network is one of the most challenging and current issues in the field of port protection. Considering the importance of the subject, this research focuses on the assessment of the desirability of information security and cyber network in Imam Khomeini Port from the perspective of non-military defense, using fifteen criteria/indicators. The research is applied, and the research method is survey-assessment with an emphasis on a survey. The statistical population includes employees and experienced experts of the port authority and some officials of the city institutions in Imam Khomeini Port, with a sample size of 100 people. To examine the normality of data distribution, the Kolmogorov-Smirnov test is used, and for assessing the status of research variables, the Bartlett and KMO tests are employed. Additionally, the Friedman model is utilized for ranking the indices.بنادر در میان تاسیسات و زیرساختهای کشورها، میتوانند تحت تاثیر تهدیدات قرار گیرند. بازدارندگی آسیب به تاسیسات و تجهیزات دریائی و بندری با حفظ امنیت اطلاعات و شبکه سایبری یکی از چالش برانگیرترین و به روزترین موضوعات در زمینۀ حفاظت از بنادر به حساب میآید. نظر به اهمیت موضوع، این پژوهش به ارزشیابی مطلوبیت امنیت اطلاعات و شبکه سایبری در بندر امام خمینی(ره) از منظر پدافند غیرعامل با استفاده از پانزده گویه/ شاخص پرداخته است. نوع تحقیق کاربردی و روش تحقیق، پیمایشی- ارزیابی با تاکید بر پرسشنامه میباشد. جامعه آماری شامل کارکنان و کارشناسان خبره اداره بندر و برخی مسئولین نهادهای شهر بندر امام خمینی(ره) بوده که حجم نمونه تعیین شده 100 نفر میباشد. به منظور بررسی نرمالبودن توزیع دادهها از آزمون کلموگروف-اسمینروف و جهت بررسی وضعیت متغیرهای پژوهش از آزمون بارتلت وKMO و همچنین برای رتبهبندی شاخصها از مدل فریدمن استفاده شده است.https://ecdj.ihu.ac.ir/article_209792_c5446f33dd102279c6c412d22a5d794a.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120Host-based Anomaly Malware Detection Using Deep Learningتشخیص بدافزارهای ناشناخته در سطح میزبان مبتنی بر یادگیری عمیق4554209452FAنسرینعلائیکارشناسی ارشد،دانشگاه زنجان، زنجان ، ایران0009-0005-4140-3628اصغرتاجالدیناستادیار،دانشگاه زنجان، زنجان ، ایرانJournal Article20241015Windows operating system, as the most widely used operating system of desktop computers, is still one of the main targets of malware writers. For this reason, many researches have recently been conducted to detect Windows malware. Due to the emergence and application of deep learning, although researchers have been able to use it to detect Windows malware, but there are still various challenges such as the detection of new and zero-day malwares and lack of evolution of processes of the feature engineering that increase the false positive rate. Currently, deep learning based malware detection approaches are either two class or multi classes, which fail to detect anomaly and zero-day malware. in this research, in addition to using a combination of various features of static and dynamic including file, registry, network, calls and PE import names, we also have increased the number and variety of normal datasets using the conditional tabular generative adversarial model for more accurate training, then we made it possible to detect anomalies and zero-day malware by presenting the deep approach of one-class generative adversarial network model. The result of the research includes a false alarm rate of approximately 1% with a high detection rate of 99% that compared to similar methods, indicates the success of the proposed method.سیستمعامل ویندوز به عنوان پرکاربردترین سیستمعامل رایانههای رومیزی، کماکان یکی از اهداف اصلی بدافزارنویسان میباشد. به همین دلیل طی سالهای اخیر تحقیقات و پژوهشهای متعددی برای تشخیص بدافزارهای ویندوزی انجام شده است. با ظهور و کاربرد یادگیری عمیق، هرچند محققان توانستند از آن برای تشخیص بدافزارهای ویندوزی بهره گیرند، اما هنوز چالشهای مختلفی از جمله تشخیص بدافزارهای جدید و روز صفر و عدم تکامل فرآیند مهندسی ویژگی وجود دارد که موجب افزایش نرخ هشدار نادرست میشود. در حال حاضر روشهای تشخیص بدافزار ارائه شده به کمک یادگیری عمیق دو یا چندکلاسه میباشند که امکان تشخیص ناهنجاری و بدافزارهای روز صفر را ندارند. بنابراین به منظور بهبود این چالشها، از یک رویکرد تشخیص بدافزار مبتنی بر ناهنجاری به کمک یادگیری عمیق، در این پژوهش استفاده شده است. در واقع، با به کاربردن ترکیبی از انواع ویژگیهای ایستا و پویا از جمله ویژگیهای فایل، رجیستری، شبکه، فراخوانیهای سیستمی و نامهای درج PE، یک مدل شبکهی خصمانه تککلاسه عمیق به منظور تشخیص ناهنجاری و شناسایی بدافزارهای روز صفر ارائه شده و برای ارزیابی روش پیشنهادی، از دو مجموعه دادهای که شامل اکثر نمونههای بدافزار میباشد، استفاده شده است. از آنجا که یک مدل شبکهی عمیق برای آموزش با دقت بیشتر و خروجی با درصد خطای کمتر نیاز به حجم زیاد داده دارد، به کمک مدل مولد متخاصم جدول شرطی، تعداد و تنوع مجموعه دادههای عادی را برای آموزش دقیقتر افزایش داده و نتایج پژوهش شامل نرخ هشدار نادرست تقریبی 1% به همراه نرخ تشخیص بالای 99% در مقایسه با روشهای مشابه و روشهای چندکلاسه بدست آمد که بیانگر موفقیت روش پیشنهادی است.https://ecdj.ihu.ac.ir/article_209452_539f2791faff539004a1ced5040de197.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120Investigating the effect of pointing error for FSO link and evaluating its performance in the face of atmospheric phenomenaبررسی اثر خطای نشانه روی بر عملکرد یک لینک مخابرات نوری فضای آزاد و ارزیابی آن در مواجه با پدیدههای جوی5564209788FAحمیدرضاخدادادیدانشیار،دانشگاه جامع امام حسین (ع)، تهران،ایرانمحمد حسینقزل ایاغدانشیار،دانشگاه جامع امام حسین (ع)، تهران،ایرانابوالفضلچمن مطلقاستادیار،دانشگاه جامع امام حسین (ع)، تهران،ایران0000-0002-4693-7566Journal Article20240723Free-Space Optical (FSO) Communication has many advantages such as high bandwidth, high security and can also be a good alternative to radio communication systems. Atmospheric conditions, rain, snow, fog, environmental factors such as strong winds and the movement or vibration of the transmitter platform can cause the transmission light to break or spread, and as a result lead to deviations in the signal propagation path and pointing errors or misalignment errors between the transmitter and receiver. Different methods are used to reduce the effect of weather conditions on pointing errors in FSO. Atmospheric conditions, rain, snow, fog, environmental factors such as strong winds and the movement or vibration of the transmitter platform can cause the transmission light to break or spread, and as a result lead to deviations in the signal propagation path and pointing errors or misalignment errors between the transmitter and receiver. Different methods are used to reduce the effect of weather conditions on pointing errors in open space communications.<br><br>In this paper, a model to investigate the FSO attenuation and turbulence effects on its performance is presented and a closed-form expressions for calculating the Bit Error Rate (BER) has been proposed for the gamma-gamma atmospheric turbulence channel and pointing errors. <br><br>Because of the atmospheric turbulence effects, in practice, terrestrial FSO links are used for two fixed points over distances up to several kilometers. In this paper using combinational mitigation techniques has shown that an FSO system having 4 transmitters with total 600mW of optical power and a receiver with at least 25cm optical aperture can communicate data, in the week turbulence condition (weather conditions in arid and semi-arid), with a maximum range of 10 km and a BER of better than10-6.سامانههای مخابرات نوری فضای آزاد (FSO)، به دلیل داشتن پهنای باند زیاد و امنیت بالا میتوانند جایگزین مناسبی برای سامانههای رادیوئی باشند. شرایط جوی نظیر باران، برف، مه، بادهای قوی و حرکت یا لرزش سکوی فرستنده باعث شکست، انحراف و یا پخش نور ارسالی در مسیر انتشار سیگنال شده و خطاهای نشانهروی یا خطای عدم همراستاسازی بین فرستنده و گیرنده را ایجاد میکنند. برای کاهش تأثیر این خطاها بر روی عملکرد یک سامانه FSO، از روشهای مختلفی استفاده میشود. در این مقاله بررسی همزمان تضعیفهای محیط انتشار و تلاطم اتمسفری در کانال گاما - گاما مورد مطالعه قرار گرفته و روابط تحلیلی بهصورت فرم بستهای برای محاسبه متوسط نرخ خطای بیت(BER) و احتمال وقوع قطع و باوجود خطاهای همراستاسازی آورده شده است. طبق نتایج حاصل از روابط تحلیلی و شبیهسازی صورت گرفته، در صورت بهکارگیری روش-های مناسب کاهش خطاهای نشانهروی با داشتن 4 فرستنده و توان ارسالی mW600، یک گیرنده با قطر دهنه اپتیک cm25 ارتباط مخابراتی با نرخ خطای بیت کمتر از 6-10 برای فاصله بین فرستنده و گیرنده km10، در شرایط تلاطم اتمسفری ضعیف (شرایط آب و هوایی مناطق خشک و نیمهخشک) امکان پذیر است.https://ecdj.ihu.ac.ir/article_209788_1412f1c8a27e27b88bd2b9e435f38fbd.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120Futuristic analysis of the components of the model for cyber threats in the Islamic Republic of Iran Armyواکاوی آیندهپژوهانه مؤلفههای تشکیلدهنده الگوی مواجه با تهدیدهای سایبری در آجا6580209789FAخلیلکولیونددکتری آینده پژوهی ، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران.0000-0001-6690-6313محمدسپهریاستادیار ، دانشگاه پدافندهوایی خاتم الانبیاء (ص)،تهران،ایرانJournal Article20240815Cyber threats are attacks against an organization in order to achieve different goals, and a cyber attacker tries to steal the organization's sensitive information, disrupt the organization's ability to provide services, or take other actions that somehow affect the security infrastructure and to damage the organization's network. Today, the number of cyber incidents and their types are increasing, especially in our country, and if an organization does not have a process or a plan to respond to cyber incidents, it will take a long time to respond to incidents and restore the organization's systems. Apart from this, the costs of the organization and the amount of damage that may be done to the infrastructure will be much higher than an organization that has already prepared a specific plan to respond to a cyber incident. Therefore, responding to cyber incidents is a very important issue that every organization should pay attention to. Therefore, the present study was conducted with the aim of prospective analysis of the components that make up the pattern of facing cyber threats in Aja, which type is applied in a mixed (quantitative and qualitative) way. In order to identify the components and constituents of the desired model, at first, using study resources and library documents, the primary components were identified, and then through conducting interviews with experts in the field of cyber and future studies, the dimensions, components, and items of the model were identified and counted. Then, by preparing a researcher's questionnaire and with the help of a statistical sample of 120 people, the counted items were measured, and this process was carried out using SPSS software in the form of descriptive and inferential analysis. Then, by using PLS structural equation modeling software and taking into account the partial least squares, the necessary indicators regarding the variables were examined. The final model considered for research in three main sections of forecasting with four subsections and 18 components; The foresight section was explained with four sub-sections and 32 components, and the post-forecasting section was explained with two sub-sections and 13 components.تهدیدهای سایبری حملههایی فراروی یک سازمان در جهت دستیابی به اهداف مختلف هستند و یک مهاجم سایبری سعی میکند اطلاعات حساس سازمان را به سرقت برده، توانایی آن سازمان را در فراهم کردن خدمات دچار اختلال نموده یا اقدامات دیگری انجام دهد که به نوعی به زیرساختهای امنیتی و شبکهای سازمان آسیب برساند. امروزه تعداد حوادث سایبری و انواع آن به ویژه در کشور ما در حال افزایش است و چنانچه سازمانی فاقد فرآیند یا طرحی برای پاسخ به حوادث سایبری باشد، پاسخ به حوادث و بازگشت سامانههای سازمان زمان زیادی میگیرد. گذشته از این، هزینههای سازمان و میزان آسیبی که ممکن است به زیرساختها وارد شود، بسیار بیشتر از سازمانی خواهد بود که از قبل طرح مشخصی برای پاسخ به حادثه سایبری آماده کرده باشد. بنابراین پاسخ به حوادث سایبری موضوع بسیار مهمی است که هر سازمانی باید با آن توجه کند. از این رو پژوهش حاضر با هدف واکاوی آیندهپژوهانه مؤلفههای تشکیلدهنده الگوی مواجه با تهدیدهای سایبری در آجا به انجام رسیده که نوع آن کاربردی به صورت آمیخته (کمی و کیفی) است. برای شناسایی مؤلفهها و اجزاء تشکیلدهنده الگو مورد نظر، در ابتدا با استفاده از منابع مطالعاتی و اسناد و مدارک کتابخانهای، مؤلفههای اولیه شناسایی و سپس از طریق انجام مصاحبه با خبرگان حوزه سایبر و آیندهپژوهی، ابعاد، مؤلفهها و گویههای مدل شناسایی و احصاء گردید. سپس با تهیه پرسشنامه محقق ساخت و به کمک نمونه آماری 120 نفره، موارد احصاء شده سنجش شدند که این فرآیند با استفاده از نرمافزار SPSS در قالب تحلیلهای توصیفی و استنباطی صورت پذیرفت. سپس با استفاده از نرمافزار مدلسازی معادلات ساختاری PLS و لحاظ نمودن حداقل مربعات جزئی شاخصهای لازم در خصوص متغیرهای مکنون مورد بررسی قرار گرفت. الگوی نهایی مدنظر پژوهش در سه بخش اصلی پیشآیندهنگاری با چهار زیربخش و 18 مؤلفه؛ بخش آیندهنگاری با چهار زیربخش و 32 مؤلفه و در بخش پساآیندهنگاری با دو زیربخش و 13 مؤلفه تبیین شد.https://ecdj.ihu.ac.ir/article_209789_25747735c7c0f05fda763b67130790a7.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250201Improving the speed of the intrusion detection system performance by reducing the data volume using kernel-based DBSCANبهبود سرعت سیستم تشخیص نفوذ از طریق کاهش حجم دادهها با استفاده از DBSCAN مبتنی بر هسته89102209632FAسیدابوالفضلشاهزاده فاضلیدانشیار، دانشگاه یزد، یزد،ایران0000-0002-3724-8689اعظمقوه ندوشنکارشناسی ارشد،دانشگاه یزد،یزد،ایران0009-0001-5333-8684جمالزارع پور احمدآبادیاستادیار، دانشگاه یزد،یزد،ایران0000-0002-3329-5357Journal Article20241005The Internet of Things (IoT) is a rapidly evolving technology that connects physical devices through networked systems. However, as IoT continues to expand, it poses various security challenges that require appropriate solutions to protect sensitive information and user privacy. This paper focuses on improving the speed of intrusion detection systems (IDS) as a critical solution for IoT security. In IDS, the large volume of data can slow down the learning process. In this paper, the DBSCAN clustering algorithm is modified by adding a minimum neighborhood parameter to reduce data samples in a targeted manner, aiming to enhance the speed of IDS and reduce learning time and costs. The parameters of the modified DBSCAN are tuned using a genetic algorithm. Experimental results on the Kaggle and NSL_KDD datasets demonstrate that the proposed model can maintain classification accuracy above 96% for the Kaggle dataset and above 92.51% for the NSL_KDD dataset, even with up to an 80% reduction in data volume. Additionally, computation time for the Kaggle dataset decreased from 458.09 ms to 47.21 ms, and for the NSL_KDD dataset from 995.2 ms to 223.60 ms. Thus, despite improvements in speed and reductions in time and cost, the model's optimal performance is maintained.اینترنت اشیاء یک فناوری بهسرعت در حال تکامل است که دستگاههای فیزیکی را از طریق سیستمهای شبکهای به هم متصل میکند. بااینحال، همانطور که اینترنت اشیاء به گسترش خود ادامه میدهد، چالشهای امنیتی مختلفی را ایجاد میکند که نیازمند راهحلهای مناسب برای محافظت از اطلاعات حساس و حریم خصوصی کاربران است. این مقاله بر روی بهبود سرعت سیستم تشخیص نفوذ بهعنوان یک راهحل حیاتی برای امنیت اینترنت اشیاء تمرکز دارد. در سیستمهای تشخیص نفوذ، وجود حجم زیاد داده موجب کاهش سرعت یادگیری میشود. در این مقاله، الگوریتم خوشهبندی DBSCAN با افزودن پارامتر حداقل همسایگی جهت کاهش هدفمند نمونهها اصلاح شده است، که سعی در افزایش سرعت سیستم تشخیص نفوذ و کاهش زمان و هزینه یادگیری دارد. تنظیم پارامترهای DBSCAN اصلاحشده با الگوریتم ژنتیک انجام میشود. نتایج آزمایشها بر روی مجموعهداده Kaggle و NSL_KDD نشان میدهد که مدل پیشنهادی قادر است با کاهش تا 80٪ از حجم دادهها، دقت طبقهبندی را برای مجموعهداده Kaggle بالای 96٪ و برای مجموعهداده NSL_KDD بالای 51/92٪ حفظ نماید. همچنین، زمان محاسبات برای مجموعهداده Kaggle از ms09/458 بهms 21/47 و برای مجموعهداده NSL_KDD ازms 2/995 بهms 60/223، کاهشیافته است. به این ترتیب، با وجود بهبود در سرعت و کاهش زمان و هزینه، عملکرد مطلوب مدل حفظ شده است.https://ecdj.ihu.ac.ir/article_209632_86fc6c1e95d7e41b0f9ccfd4e6f1ac52.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120Violent behavior detection in surveillance cameras using convolutional and memory neural networksتشخیص رفتارهای خشونت آمیز در دوربینهای نظارتی به کمک شبکههای عصبی پیچشی و حافظهدار95106209463FAاحمددولت خواهپژوهشگر، دانشگاه جامع علوم انتظامی امین، تهران، ایرانمیلاداسدپوردانشجوی دکتری،دانشگاه تهران،تهران، ایران0009-0005-1866-2488راهبهاشم پورکارشناسی ارشد ، دانشگاه جامع علوم انتظامی امین،تهران، ایرانبهنامدرستکاراستادیار، دانشگاه جامع علوم انتظامی امین، تهران، ایران0000-0003-2410-7235Journal Article20240820The existence of security is mandatory in any society and it is the basis for the progress and development of a country as easily and quickly as possible, so all countries try to establish stable security by controlling the level of violence and strife in the society. On the other hand, due to the limitation of manpower, it is not possible to carry out the entire process of providing security through the traditional and common methods of the past, and in this regard, new and up-to-date equipment and technologies must be used. and advanced countries of the world, the use of closed-circuit and surveillance cameras in public places is in this research, an expert system based on two sets of neural network ResNet101 and memory LSTM with the aim of reducing the amount of computation while maintaining proper accuracy, ResNet101 network is presented With a total of 347 layers and through the transfer learning method, it extracts the spatio-temporal features of consecutive video frames, and then the LSTM network with a total of 9 layers is responsible for detecting violent behavior in the video. These two sets have been optimized in terms of the type of layer arrangement, the way of connection and the number of cells in each layer so that they can have the best performance in all video conditions, including low quality, presence of noise and short video, etc. As a result of this intelligent system, they can detect violent behavior in closed-circuit cameras with an accuracy of 86.28% in real-time and instantaneously in low-quality video images of 224x3x224 pixels, and in case of violence, report it to the relevant people. inform In the end, it should be mentioned that the designed system, by reducing the amount of computing while maintaining the accuracy, has been able to perform effective and appropriate online monitoring of low-quality surveillance cameras by using only 22 frames per 5 seconds of video.وجود امنیت در هر جامعهای الزامی میباشد و زمینه ساز پیشرفت و توسعه هر چه راحت تر و سریع تر یک کشور است لذا تمامی کشورها سعی در برقراری امنیتی پایدار از طریق کنترل میزان خشونت و نزاع در سطح جامعه دارند. از طرفی به دلیل محدودیت نیرو انسانی نمیتوان تمامی فرایند تامین امنیت را از طریق روشهای سنتی و متداول گذشته انجام داد و باید در این راستا از تجهیزات و تکنولوژی های جدید و بروز دنیا استفاده کرد یکی از این فناوری که اخیرا بسیار مورد توجه جامعه بین الملل و کشورهای پیشرفته دنیا قرار گرفته است استفاده از دوربین های مدار بسته و نظارتی در اماکن عمومی می باشد در این پژوهش سیستمی خبره بر اساس دو مجموعه شبکهی عصبیResNet101 و حافظهدارLSTM با هدف کاهش حجم محاسباتی در عین حفظ دقت مناسب، ارائه شده است که شبکه ResNet101 با مجموع 347 لایه و از طریق روش یادگیری انتقال ویژگیهای فضا-زمانی فریمهای متوالی ویدیو را استخراج نموده و سپس شبکه LSTM با مجموع 9 لایه، وظیفه تشخیص رفتار خشونت آمیز در ویدیو را بر عهده دارد. این دو مجموعه از نظر نوع چینش لایه، نحوه اتصال و تعداد سلول در هر لایه بهگونه ای بهینه شدهاند که بتوانند در تمامی شرایط ویدیویی اعم از کیفیت پایین، وجود نویز و کوتاهی ویدیو و... بهترین عملکرد را داشته باشند. در نتیجه این سامانه هوشمند میتوانند با دقت %28/86 به صورت بلادرنگ و لحظهای در تصاویر ویدیویی با کیفیت پایین 3*224*224 پیکسلی به تشخیص رفتارهای خشونت آمیز در دوربینهای مدار بسته بپردازند و در صورت وقوع خشونت مراتب آن را به افراد ذیربط اطلاع دهند. در انتها باید اشاره داشت که سیستم طراحی شده با کاهش حجم محاسباتی در کنار حفظ میزان دقت توانسته است فقط با استفاده از 22 فریم در هر 5 ثانیه از ویدیو، پایش کارا و مناسبی را به صورت برخط در دوربینهای نظارتی با کیفیتی پایین انجام دهد.https://ecdj.ihu.ac.ir/article_209463_3e1535ba6c63b5bc159524a1df6c3e6d.pdfدانشگاه جامع امام حسین (ع)پدافند الکترونیکی و سایبری2322-434712420250120A method for software fault prediction with combination of chaos theory and herd horse optimization algorithmارائه روشی برای پیشبینی خطای نرمافزار با ترکیب نظریه آشوب و الگوریتم تکاملی اسب وحشی107123209790FAمحمدرضاخسروی فارسانیکارشناسی ارشد، دانشگاه جامع امام حسین، تهران ایران0009-0000-1078-4417علیکریمیاستادیار، دانشگاه جامع امام حسین (ع)، تهران، ایران0009-0002-1079-007Xسعیدخدادادیانکارشناسی ارشد ، دانشگاه جامع امام حسین(ع) ، ایران، تهران0009-0006-7032-5566Journal Article20240726A software defect, error, or failure is an incorrect or unexpected behavior in a software product. It results in undesired outcomes and behaves in unintended ways. This is a flaw in a software product that leads to unexpected performance. Predicting software defects involves the process of tracking defective components in the software and before starting the testing phases. In fact, the occurrence of defects is inevitable, but we must minimize the number of defects. This leads to a reduction in development time and cost, reduction in rework efforts, increased customer satisfaction, and software reliability. In this research, a multi-stage process has been used to predict software errors, where the pre-processing operation was performed to improve the data in the first stage. After the improvement operation, feature extraction operations were used to extract influential features. In this research, the wild horse algorithm was used to extract features. Finally, the decision tree algorithm was used to predict software errors. The evaluation metrics in this research are classification metrics, including accuracy, precision, recall, and F-measure. In this research, the standard dataset described in the base article was used for predicting software errors. Finally, a comparison was made between the proposed method and the base article method. The results showed that the performance of the wild horse algorithm (in the proposed method) is superior to the whale algorithm (in the base article) for feature selection because the wild horse algorithm was able to traverse the problem space appropriately. Additionally, the proposed algorithm utilized the theory of chaos to create diversity in the solutions. Therefore, the performance of the wild horse algorithm is superior to the whale algorithm in terms of comparison.وجود نقص در یک محصول نرمافزاری منجر به بروز عملکرد غیرمنتظره در آن محصول میشود. نقص نرمافزاری نوعی خطا یا اشتباه در اجرای نرمافزار است که موجب نتایج اشتباه یا اجرا نشدن نرمافزار میشود. پیشبینی نقص نرمافزار فرآیند، پیجویی اجزای معیوب در نرمافزار قبل از شروع مراحل آزمون است. در واقع وقوع نقص اجتنابناپذیر است اما باید تا حد امکان تعداد نقصها را به حداقل برسانیم. انجام این امر منجر به کاهش زمان و هزینه توسعه، کاهش تلاشهای دوبارهکاری، افزایش رضایتمندی مشتری و قابلیت اطمینان نرمافزار میشود. در این مقاله جهت پیشبینی خطای نرمافزار از یک فرآیند چندمرحلهای بهره گرفته شده است که در مرحله نخست عملیات پیشپردازش به منظور بهبود دادهها صورت گرفته و سپس عملیات استخراج ویژگی جهت استخراج ویژگیهای تأثیرگذار در مدل یادگیری استفاده شده است. در این مقاله همچنین، جهت انجام عملیات استخراج ویژگی از الگوریتم اسب وحشی استفاده گردیده است. درنهایت جهت پیشبینی خطای نرمافزار از الگوریتم طبقهبند درخت تصمیم استفاده شده است. بهمنظور ارزیابی عملکرد مدل طبقهبند، از مجموعه دادههای استاندارد پرامیس و از معیارهای ارزیابی شامل؛ دقت، صحت، فراخوان و معیار F استفاده شده است. در نهایت، مقایسهای بین روش پیشنهادی و روش ارائهشده در مقاله مرجع انجام گرفته است. این نتایج نشان میدهد که کارایی الگوریتم اسب وحشی (در روش پیشنهادی) نسبت به الگوریتم وال (در مقاله پایه) جهت انتخاب ویژگی برتر میباشد، زیرا استفاده از نظریه آشوب در الگوریتم اسب وحشی جهت ایجاد تنوع جوابها، توانسته است فضای مساله را بهصورت مناسب پیمایش نموده و عملکرد مدل طبقهبند را بهبود بخشد.https://ecdj.ihu.ac.ir/article_209790_9d699021c6cc504a01af6d443312ff0b.pdf