مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Exploring the Role of Artificial Intelligence in the Law Domain: An Exploratory Approachواکاوی نقش هوش مصنوعی در حوزه حقوق: رویکردی اکتشافی118faام البنین کاظمی زادگروه مدیریت، دانشکده علومانسانی، دانشگاه حضرت معصومه (س)، قم، ایرانموناجامی پوردانشگاه حضرت معصومه (س)سیده فاطمهفقیهیگروه حقوق، دانشگاه حضرت معصومه (س)، قم، ایران202448<p style="direction: ltr;">Artificial intelligence (AI) technologies have emerged as a significant transformation in the legal field. By utilizing advanced algorithms and computational techniques, AI contributes to solving complex legal issues and enhancing the efficiency of legal systems. In other words, AI can analyze large-scale legal data to identify intricate patterns, thereby assisting key stakeholders in making faster and better decisions. Despite the growing importance of this technology and the increasing interest of countries in investing in it, existing studies have failed to provide a comprehensive understanding of its transformative role for policymakers and decision-makers, often focusing on limited aspects. Accordingly, the main objective of this study is to explore and identify the applications of AI in the legal domain. This research is applied in nature and adopts a qualitative approach, conducted in two stages: meta-synthesis and interviews. In the first stage, using a meta-synthesis approach, 30 selected articles from reputable sources were screened and analyzed to identify existing applications. In the second stage, to enrich the research framework, semi-structured interviews were conducted with eight experts in AI and law. The findings indicate a total of 113 identified applications, categorized into 18 concepts and 5 main themes: monitoring the implementation of laws, crime detection and offender rehabilitation, supporting judicial case proceedings, legal document management, and enhancing public and civil rights enforcement. Despite existing research in this area, no study has yet provided an integrated analysis of the multifaceted role of AI in the legal field. The results of this study can offer practical insights for legal policymakers to identify priorities and investment opportunities, as well as for developers of AI tools in the legal sector.</p><p>فناوری‌های هوش مصنوعی به‌عنوان یک تحول بزرگ در عرصه حقوق، اهمیت ویژه‌ای پیدا کرده‌اند. این فناوری‌ها، با استفاده از الگوریتم‌های پیشرفته و تکنیک‌های محاسباتی و ریاضی به حل مسائل پیچیده حقوقی و ارتقای کارایی نظام‌های حقوقی کمک می‌کنند. به عبارت دیگر، هوش مصنوعی در این عرصه می‌تواند با تجزیه و تحلیل کلان داده‌های حقوقی به شناسایی الگو‌های پیچیده بپردازد و نقش آفرینان این حوزه در اتخاد تصمیمات بهتر و سریع‌تر یاری رساند. با وجود اهمیت فزاینده این فناوری و تمایل کشورهای مختلف به سرمایه‌گذاری در آن، مطالعات موجود نتوانسته‌اند درک جامعی از نقش کلیدی این فناوری‌های تحول‌آفرین برای تصمیم‌گیرندگان و سیاست‌گذاران ارائه دهند و به جنبه‌های محدودی از آن پرداخته‌اند. در این راستا، هدف اصلی پژوهش حاضر، واکاوی و شناسایی کاربردهای هوش مصنوعی در حوزه حقوق است. این پژوهش از نظر هدف کاربردی و با رویکرد کیفی طراحی شده و در دو مرحله فراترکیب و مصاحبه انجام شده است. در مرحله اول، با استفاده از رویکرد فراترکیب، 30 مقاله منتخب از منابع معتبر غربالگری شده و به شناسایی کاربردهای موجود در این مطالعات پرداخته شده است. در مرحله دوم، به‌منظور غنی‌سازی چارچوب پژوهش، مصاحبه‌های نیمه‌ساختاریافته‌ای با هشت نفر از خبرگان حوزه هوش مصنوعی و حقوق انجام شده است. یافته‌های پژوهش نشان می‌دهد که در مجموع 113 کاربرد شناسایی شده که در 18 مفهوم و 5 مقوله اصلی دسته‌بندی شده‌اند. این مقوله‌ها شامل: نظارت بر حسن اجرای قوانین، شناسایی جرایم و اصلاح مجرمین، پشتیبانی از فرایند دادرسی پرونده‌های قضایی، مدیریت اسناد حقوقی، و بهبود اجرای حقوق عامه و حقوق شهروندی هستند. باوجود تحقیقاتی که در این حوزه صورت گرفته است، تاکنون مطالعه ای که به واکاوی جنبه‌های مختلف نقش آفرینی هوش مصنوعی در حوزه حقوق به صورت یکپارچه در نظر گیرد، صورت نگرفته است. یافته‌های پژوهش می­تواند به بصیرتی عملی هم برای مسئولان و سیاست‌گذاران حقوقی، به منظور شناسایی اولویت‌ها و فرصت‌های سرمایه‌گذاری، و هم برای توسعه دهندگان ابزارهای هوش مصنوعی در حوزه حقوق فراهم آورد.</p>http://jour.aicti.ir/ar/Article/Download/46312مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Challenges of Blockchain Implementation in Supply Chain: A Multi-Criteria Decision-Making Approachچالشهای پیادهسازی بلاکچین در زنجیره تامین با رویکرد تصمیمگیری چندمعیاره1942faپرنیانهندی آزاددانشکده مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران،ایران0009-0002-8677-8341ناصرصفاییعضو هیئت علمیhttps://orcid.org/0000000318892230مجیدمیرزایی قزانیدانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران2024728<p style="direction: ltr;">Today, blockchain has emerged as an advanced and secure technology in supply chain management. This innovative approach involves linking transaction information through encrypted blocks sequentially. Although research in blockchain has primarily highlighted its benefits, significant obstacles remain underexplored. This study first identifies barriers to blockchain adoption in sustainable supply chains from the literature. The goal is to evaluate these factors in terms of effectiveness and influence, using a combined DEMATEL and ANP technique. By focusing on management practices, the research systematically identifies and ranks issues related to blockchain integration in sustainable supply chains. The results indicate that the criteria with the highest priority among twelve selective barriers are: "disagreement among supply chain partners and stakeholders regarding blockchain technology," "resistance from traditional supply chain partners to blockchain implementation," and "lack of trust in blockchain's security capabilities in its application within the supply chain." Finally, the study offers management recommendations to address these obstacles. Recommendations include: clearly presenting blockchain security rules and standards at the organizational level, increasing awareness of blockchain’s security capabilities through adequate advertising, and providing public training to clarify technology ambiguities for organization members.</p><p>امروزه بلاکچین به عنوان یک فناوری پیشرفته و ایمن در حوزه مدیریت زنجیره تامین ظهور کرده است. این رویکرد نوآورانه شامل اتصال اطلاعات تراکنش از طریق بلوک‌های رمزگذاری شده به روشی متوالی است. تا کنون پژوهش‌های انجام شده در زمینه بلاکچین بیشتر به مزایای این تکنولوژی پرداخته است ولی در این مسیر، موانع مهمی نیز وجود دارند که به طور کافی مورد توجه قرار نگرفته‌اند. در پژوهش حاضر، ابتدا موانع پذیرش بلاکچین در زنجیره تامین از ادبیات استخراج شده است. چون هدف، ارزیابی عوامل از نظر تاثیرگذاری و تاثیرپذیری است، از تکنیک ترکیبی دیمتل و تحلیل شبکه‌ای استفاده شده است. این تحقیق با تمرکز بر شیوه‌های مدیریتی، به طور سیستماتیک اشکالات و موانع مرتبط با ادغام بلاکچین در زنجیره تامین را شناسایی و رتبه بندی کرده است. نتایج حاصله نشان می‌دهد که به ترتیب معیار‌های «عدم توافق کلیه شرکا و ذینفعان زنجیره تامین در به کارگیری فناوری بلاکچین»، «مقاومت شرکای سنتی زنجیره تامین در اجرای فناوری بلاکچین» و «عدم اعتماد به توانمندی امنیتی فناوری بلاکچین در به کارگیری آن در زنجیره تامین» دارای بالاترین اولویت در میان دوازده مانع انتخابی است. در انتها توصیه‌های مدیریتی متناسب با موانع ارائه گردیده است. ارائه شفاف قوانین و استانداردهای امنیتی بلاکچین در سطح سازمان‌ها، تبلیغات کافی برای قابلیت‌ها و توانمندی‌های امنیت بلاکچین در زنجیره تامین برای کاربران، ارائه آموزش‌های همگانی برای آگاهی اعضای سازمان جهت برطرف شدن ابهامات این تکنولوژی از جمله راهکارهای مدیریتی این پژوهش می‌باشد.</p>http://jour.aicti.ir/ar/Article/Download/47499مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Synthetic Photoplethysmogram (PPG) Generation Using Genetic Programming Based Generative Modelتولید سیگنال فوتوپلتیسموگرام (PPG) مصنوعی با استفاده از مدل سازنده مبتنی بر برنامهنویسی ژنتیک4354faفاطمهقاسمیگروه مهندسی کامپیوتر و فناوری اطلاعات، دانشکده فنی و مهندسی، دانشگاه رازی، کرمانشاه، ایرانفردینابدالی محمدیهیات علمی20231216<p style="direction: ltr;">Today, advancements in Information and Communication Technology (ICT), particularly in healthcare and cardiac activity monitoring, have led to increased adoption of Photoplethysmogram (PPG) technology in smart devices and mobile phones. The development of generative models for producing artificial PPG signals faces challenges such as a lack of diversity and constraints in training data. This article employs a Genetic Programming (GP) based approach to introduce a generative model capable of producing PPG data with increased diversity and enhanced accuracy using an initial sample of PPG signals. In contrast to conventional regression, Genetic Programming automates the determination of the mathematical model's structure and compositions. The proposed approach, with a Mean Squared Error (MSE) of 0.0001, Root Mean Square Error (RMSE) of 0.01, and a correlation of 0.999, demonstrates superior performance due to appropriate optimization and acceptable accuracy in generating synthetic PPG data. It outperforms other methods in terms of efficiency and execution capability, especially in resource-constrained environments.</p><p>امروزه تحولات فناوری اطلاعات و ارتباطات در حوزه سلامت، به‌ویژه در نظارت بر فعالیت‌های قلبی، به افزایش استفاده از تکنولوژی فوتوپلتیسموگرام (PPG: Photoplethysmogram) در دستگاه‌های هوشمند و تلفن‌های همراه منجر شده است. توسعۀ مدل‌های سازنده به جهت تولید سیگنال‌های مصنوعی PPG نیازمند حل چالش‌هایی مانند کمبود تنوع و محدودیت داده‌ها در آموزش مدل‌های یادگیری عمیق است. این مقاله، یک رویکرد مبتنی بر برنامه‌نویسی ژنتیک (GP: Genetic Programming) را به ‌کار می‌گیرد تا مدل سازنده‌ای را ارائه دهد که با کمک یک نمونۀ اولیه از سیگنال PPG، قادر به تولید داده‌هایی با تنوع بیشتر و دقت افزوده‌شده باشد. برخلاف رگرسیون معمول، در برنامه‌نویسی ژنتیک ساختار و ترکیبات مدل ریاضی به‌صورت خودکار تعیین می­گردد. رویکرد پیشنهادی، با داشتن اندازه خطای میانگین (MSE: Mean Squared Error) برابر با 0.0001، ریشه میانگین مربعات خطا (RMSE: Root Mean Squared Error) به‌اندازه 0.01 و همبستگی 0.999 نشان می‌دهد که به دلیل بهینگی مناسب و دقت قابل‌قبول در تولید داده‌های PPG مصنوعی، نسبت به دیگر روش‌ها برتری دارد و ازنظر کارایی و قابلیت اجرا در محیط‌های با منابع محدود نیز مؤثر عمل می ­کند.</p>http://jour.aicti.ir/ar/Article/Download/45081مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Analysis and Evaluation of the Impact of Sub-Indicators of e-Government Development Index (EGDI) and e-Participation Index (EPI) Using Time Series Data of the Middle East Countries During the Years 2003 to 2022ارزیابی تاثیر متقابل زیرشاخصهای توسعه دولت الکترونیک و مشارکت الکترونیک با بهره گیری از دادههای سری زمانی کشورهای خاورمیانه طی سالهای 2003 تا 20225566faعاطفهفرازمندپژوهشگاه ارتباطات و فناوری اطلاعات فرشادحکمی زادهعضو هیئت علمی پژوهشگاه ارتباطات و فناوری اطلاعات202427<p style="direction: ltr;">Electronic and intelligent government aims to connect citizens with various public institutions to provide automated services that reduce cost and time while improving service delivery performance and effectiveness. As a result, measuring e-government performance has become increasingly important to monitor progress and identify opportunities for enhancement across different aspects of citizens’ lives. This study analyzes the performance of the e-government index in the Middle East to explore ways to improve the country's standing. Specifically, it examines the relationship between the main sub-indices of e-government and e-participation using Pearson correlation analysis and the Kolmogorov-Smirnov test to assess data normality, conducted via SPSS software. The findings indicate a significant relationship between the e-government development index and the e-participation index. Among the e-government sub-indices, online services and communication infrastructure are strongly correlated, while the human capital sub-index shows no significant relationship with online services and only a weak correlation with communication infrastructure. Moreover, an analysis of the performance of Middle Eastern countries in these indices from 2003 to 2022 reveals that the United Arab Emirates had the highest overall performance, whereas Libya showed the weakest.</p><p>دولت الکترونیک و هوشمند چشم¬اندازی است که برای پیونددادن شهروندان به سازمان¬های مختلف دولتی برای دریافت انواع خدمات به¬صورت خودکار با کمک شبکه¬های اطلاعاتی و ارتباطی به¬منظور کاهش هزینه و زمان، بهبود عملکرد و سرعت تحویل و اثربخشی ایجاد شده است. بنابراین اهمیت سنجش عملکرد دولت الکترونیک به¬منظور پایش فعالیت¬ها و یافتن راهکار بهبود روزافزون آن در جنبه¬های مختلف زندگی شهروندان دو¬چندان می¬شود. در این مقاله به¬منظور بررسی راهکار ارتقا جایگاه کشور به ارزیابی عملکرد شاخص دولت الکترونیک در منطقه خاورمیانه پرداخته شده است. در این راستا ارتباط بین مهم¬ترین و پرکاربردترین زیرشاخص¬های دولت الکترونیک و مشارکت الکترونیکی ارائه شده توسط سازمان ملل با استفاده از نرم¬افزار spss مورد مطالعه قرار گرفته است. نتایج حاصل نشان می¬دهد دو شاخص توسعه دولت الکترونیک و مشارکت الکترونیک با یکدیگر رابطه معنادار دارند. در بررسی زیرشاخص-های توسعه دولت الکترونیک، دو زیرشاخص خدمات برخط و زیرساخت ارتباطی با یکدیگر دارای رابطه مستقیم بوده؛ اما زیرشاخص نیروی انسانی با زیرشاخص خدمات برخط رابطه معنادار نداشته و با زیرشاخص زیرساخت ارتباطی نیز رابطه بسیار ضعیفی دارد. همچنین بررسی کشورهای خاورمیانه در دو شاخص مشارکت الکترونیک و دولت الکترونیک و زیرشاخص¬های آن از سال 2003 الی 2022 نشان می¬دهد کشور امارت بهترین عملکرد و کشور لیبی ضعیف¬ترین عملکرد را در این دو شاخص داشته است.</p>http://jour.aicti.ir/ar/Article/Download/45531مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Reducing Energy Consumption in Tracking the Red Palm Weevil Using Wireless Sensor Networks and Nature-Inspired Evolutionary Algorithms (Fruit Fly Optimization Algorithm and Lion Swarm Optimization Algorithm)کاهش مصرف انرژی در ردیابی سوسک حنایی خرما با شبکه های حسگر بی سیم با استفاده از الگوریتم های تکاملی مبتنی بر طبیعت (الگوریتم مگس میوه و الگوریتم بهینه سازی گله شیرها)6778faشایستهطباطبائیهیات علمی دانشگاه0000000155136165 حسننصرتی ناهوکدانشگاه سراوان00000001965650542024229<p style="direction: ltr;">The red palm weevil is one of the most serious pests threatening date palm groves worldwide, causing significant damage and even the destruction of palm trees. Early detection and tracking of this pest are critical to preventing its spread and minimizing the associated damage. Wireless Sensor Networks (WSNs) have emerged as a promising technology for monitoring and identifying this pest in date palm plantations. However, WSNs face various challenges, including limited energy, bandwidth, and computational resources. Therefore, efficient and intelligent methods are required to optimize WSN performance in detecting and tracking this pest. This paper proposes a novel approach that combines two intelligent algorithms—namely, the Fruit Fly Optimization Algorithm (FOA) and the Lion Swarm Optimization (LSO) algorithm—for node clustering in WSNs. The proposed method enhances energy efficiency by reducing the battery consumption of sensor nodes. Simulation results demonstrate that, compared to the LPOBC protocol, the proposed protocol outperforms in terms of energy consumption, end-to-end delay, and throughput. Specifically, end-to-end delay is reduced by 28.286%, throughput is improved by 13.80%, and average battery energy consumption is decreased by 11.86%.</p><p>سوسک سرخرطومی خرما یکی از آفات جدی نخلستان‌ها است که به درختان خرما در سراسر جهان حمله کرده و موجب نابودی آن‌ها می‌شود. تشخیص و ردیابی اولیه این آفت برای جلوگیری از گسترش و کاهش آسیب‌های ناشی از آن بسیار حیاتی است. شبکه‌های حسگر بی‌سیم (WSN) به عنوان فناوری نویدبخش برای نظارت و شناسایی این آفت در مزارع خرما مطرح هستند. با این حال، WSNها با چالش‌های مختلفی از جمله محدودیت‌های انرژی، پهنای باند و منابع محاسباتی روبرو هستند. از این رو، نیاز به روش‌های کارآمد و هوشمند برای بهینه‌سازی عملکرد WSN در تشخیص و ردیابی این آفت احساس می‌شود. در این مقاله، روشی نوین برای ردیابی این آفت در شبکه‌های حسگر ارائه شده است که با ترکیب دو الگوریتم هوشمند، شامل الگوریتم مگس میوه و الگوریتم بهینه‌سازی گله شیرها، به خوشه‌بندی گره‌ها می‌پردازد و بدین ترتیب در مصرف انرژی باتری گره‌ها صرفه‌جویی می‌کند. نتایج شبیه‌سازی این روش نشان می‌دهد که در مقایسه با پروتکل LPOBC، پروتکل پیشنهادی عملکرد بهتری از نظر مصرف انرژی، تأخیر انتها به انتها و نرخ گذردهی دارد. به طور خاص، تأخیر انتها به انتها به میزان 28.286 درصد، نرخ گذردهی به میزان 13.80 درصد و میانگین انرژی مصرفی باتری به میزان 11.86 درصد بهبود یافته است.</p>http://jour.aicti.ir/ar/Article/Download/45978مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Analysis of Scenarios for the Use of Cryptocurrencies in the Islamic Republic of Iranتحلیل سناریوهای بکارگیری رمزارزها در جمهوری اسلامی ایران7992fa علی رستمیدانشجوی مقطع دکتری مدیریت راهبردی فضای سایبری دانشگاه وپژوهشگاه عالی دفاع ملی وتحقیقات راهبردیابوذرعرب سرخیاستادیار پژوهشی پژوهشکده امنیت، پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایرانمحسن آقاییپژوهشگر و دبیر گروه مدیریت راهبردی فضای سایبر، دانشگاه و پژوهشگاه عالی دفاع ملی و تحقیقات راهبردیمحمدعلیسخاییدانشگاه عالي دفاع ملي و تحقيقات راهبردي2024512<p style="direction: ltr;">Blockchain is one of the new and transformative technologies that in recent years has created many opportunities in various fields, including financial issues, one of the most important of which has been formed in the field of cryptocurrencies. The emergence of the phenomenon of cryptocurrencies has brought with it ideas that have been able to create great changes in the economic system as a value-carrying element. The attitude of the countries of the world towards the use of cryptocurrencies has led to the adoption of different scenarios in the face of this phenomenon, such that these positions have varied from the recognition of cryptocurrencies to a complete ban. The purpose of this applied research, which is of a mixed type (quantitative/qualitative), is conceptualization and also to help decision makers and policy makers to understand the scenarios of using cryptocurrencies in the Islamic Republic of Iran. For this purpose, in addition to collecting the required information through the library and field method, the key goals and approaches that can be proposed regarding cryptocurrencies in various political, economic, social, technological, legal and environmental dimensions from the collection of upstream documents, approvals and published requirements. It has been extracted and while paying attention to the concerns of the country and obtaining the opinions of experts through semi-structured interviews, different scenarios of the use of cryptocurrencies have been determined based on the aforementioned goals, and finally, the requirements and suggested solutions for their success have also been presented. It is worth noting that the proposed framework is merely a presentation of a set of goal-oriented scenarios and any technical and implementation details have been avoided. It should also be mentioned that the sampling method for conducting this research was a purposeful, judgmental and snowball type, which continued until theoretical saturation and reached fifteen participants.</p><p>زنجيره بلوکي از جمله فناوری‌های نوین و تحول آفرینی بوده که در سال‌های اخیر فرصت‌های متعددی را در عرصه‌های مختلف از جمله مباحث مالی ایجاد نموده که یکی از مهمترين آنها در زمينه رمزارزها شکل گرفته است. ظهور پدیده رمزارز با خود ایده‌هایی را به همراه داشته که توانسته به عنوان یک عنصر حامل ارزش در نظام اقتصادی تغییرات بزرگی ایجاد نماید. نگرش کشورهای جهان به نحوه بهره‌گیری از رمزارزها باعث شده سناریو‌های مختلفی در مواجهه با این پدیده اتخاذ گردد به گونه‌ای که این مواضع از به رسمیت شناختن رمزارزها تا ممنوعیت کامل متغیر بوده است. هدف این تحقیق کاربردی که از نوع آمیخته (کمی/کیفی) بوده، مفهوم‌شناسی و همچنین کمک به تصمیم‌سازان و سیاستگذاران جهت شناخت سناریو‌های بکارگیری رمزارزها در جمهوری اسلامی ایران می‌باشد. بدین منظور ضمن جمع‌آوری اطلاعات مورد نیاز به روش کتابخانه‌ای و میدانی، اهداف ورویکرد‌های كليدي قابل طرح در خصوص رمزارزها در ابعاد مختلف سیاسی، اقتصادی، اجتماعی، فناوری، قانونی و زیست محیطی از مجموعه اسناد بالادستی، مصوبات و الزامات منتشر شده استخراج و ضمن مورد توجه قرار دادن دغدغه‌های کشور و اخذ نظرات خبرگان از طریق مصاحبه نیمه ساختار یافته، سناريوهاي مختلف بکارگیری رمزارز‌ها بر اساس اهداف مذکور تعیین و نهایتاً الزامات و راهکارهای پیشنهادی موفقیت آنها نیز ارایه گردیده است. شایان ذکر است که چارچوب پیشنهادی صرفاً ارائه گر مجموعه‎ای از سناریوهای هدف‌گرا بوده و از ورود به هرگونه جزئیات فنی و پیاده‌سازی اجتناب گردیده است. همچنین لازم به ذکر است روش نمونه‌گیری برای انجام این تحقیق، از نوع هدفمند قضاوتی و گلوله برفی بوده که تا اشباع نظری ادامه پیدا کرده و به پانزده نفر حجم نمونه رسیده است.</p>http://jour.aicti.ir/ar/Article/Download/46665مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Adaptive Real-Time Decision-Making in the IoT-Based Supply Chain Considering Gradual Ordersتصمیم گیری برخطِ تطبیق پذیر، در زنجیره تأمین مبتني بر اینترنت اشیا (با فرض سفارشهای تدریجي)faفاطمهمحمدی چینی سازکارشناس ارشد مهندسی فناوری اطلاعات، دانشکده مدیریت علم و فنآوری، دانشگاه صنعتی امیرکبیر، تهران، ایرانسید علیرضاهاشمی گلپایگانیاستادیار، پژوهشکده فناوری های نو، مرکز پژوهشی آپا، دانشگاه صنعتی امیرکبیر، تهران، ایرانhttps://orcid.org/0000-0002-1107-4713سعیدشریفیان خرطومیدانشکده مهندسی برق، دانشگاه صنعتی امیرکبیر، تهران، ایران2024115<p style="direction: ltr;">The advent of new technologies and global trade has intensified competition to produce high-quality products at lower costs and shorter timelines. This shift highlights the need for flexible, real-time responsive supply chains to adapt to environmental changes and customer demands. Given the dynamic nature of supply chains and their environments, the Internet of Things (IoT) emerges as an effective technology for gathering and transmitting information from internal and external environments, significantly enhancing supply chain management. A review of existing research reveals that most studies have focused on one or two layers of the supply chain, often neglecting the interconnectedness of these layers. Furthermore, prior research has predominantly considered static supply chain environments, disregarding the influence of internal and external changes and events. This research introduces a real-time decision-making system for supply chain management leveraging IoT technology. The proposed system identifies suitable components for each order across all supply chain layers (distribution, production, supply). It also monitors real-time events and provides optimal responses to mitigate the negative effects of disruptions on the order preparation process. Simulation of the supply chain utilizes Colored Petri nets, comprising a main Petri net and 10 subnets to model the distributed structure and dynamic processes of supply chain layers. Comparative analysis with the "Optimal method" indicates that the proposed solution achieves a 13.8% improvement in average cost indicators and a 70.5% enhancement in average time indicators, based on the MAPE criterion, demonstrating its effectiveness in managing dynamic supply chains.</p><p>ظهور فناوری‌های نوین و جهانی‌شدن تجارت، رقابت برای تولید محصولات باکیفیت، با حداقل هزینه و زمان را افزایش داده­ است. بنابراین نیاز به زنجیره‌های تأمین انعطاف‌پذیر که به‌صورت لحظه‌ای به تغییرات محیط و تقاضای مشتری پاسخ دهند، تشدید شده است. در این راستا، فناوری اینترنت اشیا، راه‌حلی مناسب برای انتقال اطلاعات درونی و بیرونی زنجیره تأمین می­ باشد که نقش مؤثری در مدیریت بهینه زنجیره دارد. مدیریت بهینه زنجیره تأمین، ملزوم نگرشی جامع به کل زنجیره و انتخاب همزمان اجزای انجام­ دهنده سفارش در هر سه لایه اصلی زنجیره است، ولی اکثر مطالعات تنها به تصمیم‌ گیری در یک لایه از زنجیره پرداخته و ارتباط متقابل عملکرد لایه‌ها را نادیده گرفته‌اند. همچنین، اکثر تحقیقات، زنجیره تأمین را در محیطی ایستا و بدون توجه به ماهیت پویای آن و رویدادهای درونی و بیرونی زنجیره، مطالعه کرده­اند. این پژوهش، با هدف توسعه سیستمی بلادرنگ برای مدیریت سفارشات و رویدادهای زنجیره تأمین، از فناوری اینترنت اشیا بهره می‌ برد. راه‌حل پیشنهادی با بررسی لحظه‌ای رویدادهای داخلی و خارجی زنجیره، مناسب‌ترین اجزا از تمام لایه‌های (توزیع، تولید، تأمین) را برای انجام هر سفارش انتخاب می­کند تا اثرات منفی رویدادهای پیش­ بینی ­نشده را به حداقل برساند. مدل زنجیره، با شبکه‌ پتری توسعه‌یافته با رنگ و زمان شبیه ­سازی شده است. این مدل، شامل یک شبکه اصلی و 10 زیرشبکه می­ باشد که انتخاب اجزا برای سفارشات تدریجی و پاسخ دهی به رویدادهای لحظه‌ای را در کل لایه ­های زنجیره، پوشش می‌دهد. مقایسه نتایج راه‌حل پیشنهادی با "راه‌حل بهینه" نشان می‌دهد که این روش میانگین شاخص­های هزینه را 13.8 درصد و شاخص های زمان را 70.5 درصد بهبود می­ دهد.</p>http://jour.aicti.ir/ar/Article/Download/45395مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Detecting Distributed Denial of Service Attacks in Software-Defined Networks with a Deep Learning Approachتشخیص حملات انکار سرویس توزیع شده در شبکه های مبتنی بر نرم افزار با رویکرد یادگیری عمیق110122fa یونسمهدی زادهدانشجو دکترا، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات،تهران، ایرانمهدیصادق زادهدانشیار، گروه کامپیوتر، دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحقیقات ، تهران، ایران2024127<p style="direction: ltr;">The growth of cloud computing has led to the development of software-defined networks. These networks enable dynamic management and performance improvement. Security threats in this type of network are a growing concern. Especially, the controller of these networks is an attractive target for hackers and distributed denial of service attacks. Many researchers have proposed different methods to detect these attacks, whose false detection rate is very high and has led to a decrease in detection accuracy. For this purpose, in this research, the focus is on detecting distributed denial of service attacks through deep learning using prominent features of packets. After pre-processing and preparing the data, the proposed method separates the salient and important features of the packages through the support vector machine method and finally by using an innovative hybrid neural network consisting of convolutional neural network, sample recurrent neural network and Long-term short-term memory neural network separates attack packets from normal packets. A standard data set has been used to evaluate the proposed method through standard evaluation criteria such as detection accuracy, precision, false detection rate and harmonic mean accuracy. The findings show that the proposed method detects distributed denial of service attacks with 95.2% detection accuracy, 92.09% precision, 5.1% false alarm rate, and 93.87% F1_measure.</p><p>رشد محاسبات ابری منجر به توسعه شبکه‌های مبتنی بر نرم‌افزار شده است. تهدیدات امنیتی در این نوع شبکه یک نگرانی است. کنترل‌کننده این شبکه‌ها، هدف جذابی برای حملات انکار سرویس توزیع شده است. پژوهشگران روش‌های مختلفی را برای شناسایی این حملات ارائه کرده‌اند که آمار تشخیص اشتباه آنها بسیار بالا است. به همین منظور این پژوهش، روشی برای تشخیص حملات انکار سرویس توزیع شده از طریق یادگیری عمیق با استفاده از ویژگی‌های برجسته بسته‌ها، پیشنهاد می‌کند. روش پیشنهادی پس از پیش پردازش و آماده‌سازی داده‌ها، ویژگی‌های با اهمیت بسته‌ها را از طریق روش ماشین بردار پشتیبان، جدا می‌کند و نهایتا با یک شبکه عصبی ترکیبی ابتکاری متشکل از یک شبکه عصبی کانولوشنال، دو نوع شبکه بازگشتی ساده و حافظه کوتاه و بلند مدت، بسته‌های حمله را از بسته‌های عادی جدا می‌کند. ارزیابی عملکرد روش پیشنهادی از طریق معیار‌های استاندارد روی یک مجموعه داده استاندارد انجام می‌شود. یافته‌ها نشان می‌دهد روش پیشنهادی حملات انکار سرویس توزیع شده را با دقت تشخیص 95.2 درصد، حساسیت 92.09درصد، نرخ تشخیص اشتباه 2.7درصد ومیانگین هارمونیک دقت 93.87درصد تشخیص می‌دهد.</p>http://jour.aicti.ir/ar/Article/Download/45608مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Confidential Payload Attribution on Encrypted Traffic of Enterprise Networksانتساب داده روی ترافیک رمز شده سازمانی بدون نقض محرمانگی123138fa سید محمدحسینیدانشکده مهندسی و علوم کامپیوتر، دانشگاه شهید بهشتی، تهران، ایرانامیرحسینجهانگیردانشکده مهندسي کامپیوتر ، دانشگاه صنعتی شریف، تهران، ایرانمهدیسلطانیدانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف، تهران، ایران20241126<p style="direction: ltr;">The widespread use of encryption protocols is accompanied by an increased risk of organizational-level security devices becoming ineffective. When network traffic is encrypted, many security tasks such as intrusion detection and network forensics that rely on processing content of flows’ payloads become ineffective. Existing practical approaches to this problem are based on TLS interception methods, which not only violate confidentiality but also impose security issues. This paper introduces a confidential payload attribution system called "JormYab". JormYab is a practical approach to enable data attribution on standard encrypted traffic for organizational networks. JormYab, which can be easily deployed in an enterprise network, is based on a simple traffic digesting mechanism and does not violate confidentiality. Our practical and realistic evaluations show that JormYab can store a history of standard encrypted traffic of an enterprise network for use in network forensic investigations. The realistic scenarios we have used in our research also reveal common challenges and problems in the process of payload attribution investigations, and based on them, we discuss effective methods to address the issues.</p><p>استفاده فراگیر از پروتکل‌های رمزنگاری با افزایش خطر ناتوانی دستگاه‌های امنیتی سطح سازمانی همراه است. وقتی ترافیک شبکه رمزگذاری می‌شود، بسیاری از وظایف امنیتی مانند تشخیص نفوذ و جرم‌شناسی شبکه که به پردازش محتوای جریان‌ها وابسته‌اند، بی‌اثر می‌گردند. رویکردهای عملی موجود برای این مشکل بر اساس روش رهگیری TLS هستند که نه تنها محرمانگی را نقض ، بلکه مشکلات امنیتی نیز ایجاد می‌کنند. این مقاله یک سامانه انتساب داده محرمانه به نام «جرم‌یاب» را معرفی می‌کند. جرم‌یاب یک رویکرد عملی برای فراهم کردن امکان انتساب داده بر روی ترافیک رمزگذاری شده استاندارد برای شبکه‌های سازمانی است. جرم‌یاب که به راحتی در شبکه‌های سازمانی قابل استقرار است، بر اساس یک سازوکار ساده مبتنی بر چکیده‌سازی ترافیک عمل می‌کند و محرمانگی را نقض نمی‌کند. ارزیابی‌های عملی و واقع‌گرایانه ما نشان می‌دهند که جرم‌یاب می‌تواند تاریخچه‌ای از ترافیک رمزگذاری شده استاندارد یک شبکه سازمانی را برای استفاده در تجسس‌های جرم‌شناسی شبکه ذخیره کند. سناریوهای واقع‌گرایانه‌ای که ما در تحقیقات خود استفاده کرده‎‌ایم، چالش‌ها و مشکلات عمومی در فرآیند تجسس‌های انتساب داده را نیز آشکار می‌کند و بر اساس آن‌ها، روش‌های موثری را برای رفع مشکلات مورد بحث قرار می‌دهیم.</p>http://jour.aicti.ir/ar/Article/Download/48687مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582An Architecture, Implementation, and Evaluation of Internet of Healthcare Things Ecosystem Platformارائه معماری،پیاده سازی و ارزیابی سکوی زیستبوم فناوری اینترنت اشیای حوزه سلامت139154faسیدغلامحسنطباطبائیمجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران سرونازآقاداودیمجتمع دانشگاهی برق و کامپیوتر، دانشگاه صنعتی مالک اشتر، تهران، ایران2024425<p style="direction: ltr;">Nowadays, healthcare delivery has shifted from in-person appointments with doctors to disease prediction through remote monitoring, and healthcare has shifted from a traditional hospital-centric approach to a distributed patient-centric approach. It is important to use the Internet of Things as a technology that can provide a distributed patient-centric approach. Providing an architecture and, consequently, a platform that can meet this need is very valuable for healthcare organizations and related institutions, because prevention costs are considered more economical for citizens and the government than treatment costs. To respond to the issues raised, a conceptual architecture based on the integration of IoT technologies, 5G, fog/edge computing, cloud computing, network slicing, software-defined networking, and network function virtualization has been presented for electronic monitoring of citizens' health. A variety of medical and environmental sensors have been used to monitor citizens and their environmental conditions in real time and over time; Therefore, the main goal of this research is to present an IoT technology ecosystem architecture in the health sector in order to improve the quality and level of health of citizens and respond to health issues as a cost-effective solution. The ecosystem is specific to the health sector and cannot be used in other sectors due to the provision of health network slices. The results obtained from evaluating the solution based on efficiency and scalability criteria indicate the desirability of the solution because the execution time for up to 100 nodes has been calculated to be less than 1 second. The architecture can be implemented and used on a large scale and at the same time maintain its appropriate efficiency. In the proposed solution, the risk of premature loss of life in citizens is reduced because by real-time monitoring of citizens without a history of illness and citizens with a history of illness under care in the event of a critical situation, the percentage of life losses will be reduced with timely assistance, and the result of using this solution will be in the interest of user organizations and institutions.</p><p>امروزه ارائه خدمات مراقبت‌های بهداشتی از قرار ملاقات حضوری با پزشکان به‌پیش بینی بیماری از طریق نظارت از راه دور تبدیل‌شده و مراقبت‌های بهداشتی از رویکرد سنتی متمرکز بر بیمارستان، به رویکرد بیمار محور توزیع‌شده تغییر یافت است. بکارگیری اینترنت اشیا به‌عنوان فناوری که توانایی فراهم کردن رویکرد بیمار محور توزیع‌شده را دارد امری حائز اهمیت است. ارائه معماری و به تبع آن سکویی که بتواند این نیاز را مرتفع کند برای سازمان‌های بهداشتی و نهادهای مربوطه بسیار ارزشمند محسوب می‌شود به‌این‌علت که هزینه‌های پیشگیری برای شهروندان و دولت به‌صرفه‌تر از هزینه‌های درمان لحاظ می‌گردد. برای پاسخ‌دهی به مسائل مطرح‌شده، معماری مفهومی بر اساس تلفیق فناوری‌های اینترنت اشیا، 5G، رایانش مه/لبه، رایانش ابری، برش شبکه، شبکه نرم‌افزار محور و مجازی‌سازی توابع شبکه برای مانیتورینگ الکترونیک سلامت شهروندان ارائه‌شده است. از انواع حسگرهای پزشکی و محیطی برای رصد لحظه‌ای و دوره‌ای شهروندان و شرایط محیطی آنان استفاده‌شده است؛ بنابراین هدف اصلی این تحقیق ارائه یک معماری زیست‌بوم فناوری اینترنت اشیا حوزه سلامت در راستای ارتقاء کیفیت و سطح سلامت شهروندان و پاسخگویی به مسائل حوزه سلامت به‌عنوان راهکاری مقرون‌به‌صرفه است. زیست‌بوم مذکور مختص حوزه سلامت بوده و به دلیل ارائه برش‌های شبکه سلامت در دیگر حوزه‌ها نمی‌توان آن را بکار گرفت. نتایج به‌دست‌آمده از ارزیابی راهکار مبتنی بر معیارهای کارایی و مقیاس‌پذیری، نشان‌دهنده مطلوب بودن راهکار مذکور می‌باشد زیرا زمان اجرا تا 100 گره زیر یک ثانیه محاسبه گردیده است. معماری مذکور می‌تواند در مقیاس بزرگ پیاده‌سازی و بکار گرفته شود و درعین‌حال کارایی مناسب خود را حفظ نماید. در راهکار پیشنهادی خطر خسارات جانی نابهنگام در شهروندان کاهش پیدا می‌کند به دلیل اینکه با پایش لحظه‌ای شهروندان بدون سابقه بیماری و شهروندان دارای سابقه بیماری تحت مراقبت در صورت وقوع موقعیت بحرانی با امدادرسانی به‌موقع از درصد تلفات جانی کاسته خواهد شد و نتیجه استفاده از این راهکار به نفع سازمان‌ها و نهادهای استفاده‌کننده خواهد بود.</p>http://jour.aicti.ir/ar/Article/Download/46511مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Analysis of Traffic Data for Congestion Detection Using Machine Learning Algorithmsتحليل داده هاي ترافيکي با هدف تشخيص ازدحام با بهره گيري از الگوريتم هاي يادگيري ماشين155165faناهیدامانیگروه مدیریت یکپارچه شبکه، پژوهشکده فناوری ارتباطات، پژوهشگاه ارتباطات و فناوری اطلاعات ، تهران، ایرانمحمدحسینعامری مهرگروه مدیریت یکپارچه شبکه، پژوهشکده فناوری ارتباطات، پژوهشگاه ارتباطات و فناوری اطلاعات ، تهران، ایرانساراافاضاتیگروه مدیریت یکپارچه شبکه، پژوهشکده فناوری ارتباطات، پژوهشگاه ارتباطات و فناوری اطلاعات ، تهران، ایرانعلیجاویدانیدانشکده مهندسی برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران202471<p style="direction: ltr;">Congestion detection is one of the basic elements in guaranteeing the quality of service and is one of the most important measures of efficiency in new-generation telecommunication networks. Congestion leads to the loss of information packets in the network because the sending rate is higher than the capacity in some network links. To control congestion in the network, the first step is to distinguish between the loss of packets due to congestion with the packet loss introduced by other cases, including link failure. Because if the source of the loss is mistakenly identified as congestion, reducing the sending rate in the transmitter does not mitigate the congestion and only reduces throughput and quality of service. Therefore, the main problem of this paper is to identify congestion and distinguish it from the error caused by communication links in a traffic data sample. In solving this problem, various supervised machine learning algorithms including decision tree, random forest, support vector machine, logistic regression, K-nearest neighbor, XGBoost, and neural network have been used. The mentioned algorithms have been evaluated based on different criteria and compared with each other.</p><p>شناسايي ازدحام يکي از ارکان پايه­ اي در تضمين کيفيت خدمت به عنوان مهم­ترين معيار سنجش کارايي در شبکه ­هاي مخابراتي نسل جديد است. ازدحام منجر به از دست رفتن بسته­ هاي اطلاعاتي در شبکه مي شود که به دليل بالاتر بودن نرخ ارسال از ظرفيت در برخي از لينک‌هاي شبکه رخ مي دهد. براي کنترل ازدحام در شبکه گام نخست تمايز ميان از دست رفتن اطلاعات در اثر ازدحام و يا در اثر ساير موارد از جمله خرابي لينک است زيرا در صورتي که منشا از دست رفتن بسته به اشتباه ازدحام تشخيص داده شود کاهش نرخ ارسال در فرستنده کمکي به کاهش ازدحام نکرده و تنها موجب کاهش گذردهي و کيفيت سرويس مي شود. از اين رو مسئله اصلي اين مقاله شناسايي ازدحام و تفکیک آن از خطاي ناشي از لينک ­هاي ارتباطي در يک نمونه داده ترافيکي است. در اين مقاله براي حل مسئله مذکور از الگوريتم ­هاي مختلف يادگيري ماشين نظارت­شده از جمله درخت تصميم، جنگل تصادفي، ماشين بردار پشتيبان، لجيستيک رگرسيون، K-نزديکترين همسايه، XGBoost، شبکه عصبي و تقويت درخت تصميم بهره گرفته شده است. الگوريتم­ هاي مذکور بر اساس معيارهاي مختلف از جمله دقت، درستی، F1-measure، حساسیت و AUC مورد ارزيابي قرار گرفته و با يکديگر مقايسه شده ­اند. اين ارزيابي بر اساس روش K-fold Cross Validation انجام شده است. نتایج شبیه‌سازی نشان‌ می‌دهد که الگوریتم XGBoost به لحاظ تمام معیارهای ارزیابی نسبت به دیگر الگوریتم‌ها عملکرد بهتری در زمینه تشخیص ازدحام دارد.</p>http://jour.aicti.ir/ar/Article/Download/47225مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Digital Twin: Embracing the Fourth Industrial Revolution in Food Supply Chain Management (A Dynamic Analysis)دوقلوی دیجیتال: تبلور انقلاب صنعتی چهارم در مدیریت زنجیره تأمین مواد غذایی (تحلیلی پویا)166186faهاجرسلیمانی زادهدانشجوی دکترا مدیریت صنعتی (تولید و عملیات) دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران0009000267427060سید محمودزنجیرچیدانشگاه یزدحبیب زارع احمدآبادیدانشگاه یزد0000-0003-3662-5953سیدحبیب اللهمیرغفوریگروه مدیریت صنعتی دانشکده اقتصاد، مدیریت و حسابداری دانشگاه یزد00000001536265902024831<p style="direction: ltr;">Today, the food supply chain is facing various challenges, including long supply chains, complexity, uncertainty, and food waste. With the advent of advanced technologies such as digital twins, these challenges can be addressed. The aim of this study is to investigate the causal relationships between the influencing factors and the results of implementing digital twins in the food supply chain using system dynamics. A descriptive-causal approach with an application-oriented goal was employed, involving a field study among food industry experts, managers, and specialists. Data was collected from various sources such as interviews, reports, documents, and databases. System dynamics was used to analyze the causal relationships between the implementation and application of digital twins in the food supply chain. Three scenarios were considered to provide solutions for the best possible use of digital twin technology in the food industry. The findings showed that an increase in the cost of upgrading internet speed and technology infrastructure, as well as an increase in the training rate of employees, are factors that influence the creation of digital twins. However, the quality of using digital twins in the early years is not optimal due to the lack of skills and knowledge of employees and their resistance to accepting this technology. By training employees and using experts in the field of digital twin technology, employee resistance can be reduced and their understanding of the benefits of using this technology can be increased. In addition, the results showed that the implementation of digital twins can improve product quality, increase consumer willingness to purchase, and reduce the total cost of the product in the long term.</p><p class="J-Abstract" dir="RTL">امروزه زنجیره تأمین مواد غذایی با چالش‌های مختلفی از جمله طولانی بودن مسیر در زنجیره مواد غذایی، پیچیدگی، عدم قطعیت و ضایعات مواد غذایی مواجه است. با ظهور فناوری‌های پیشرفته، از جمله فناوری دوقلوی دیجیتال، می‌توان به این چالش­ها پرداخت. هدف از این مطالعه بررسی روابط علت و معلولی بین عوامل مؤثر و نتایج استقرار دوقلوی دیجیتال در زنجیره تأمین مواد غذایی با استفاده از پویایی سیستم است. یک رویکرد توصیفی- علی با هدف کاربردی‌محور، شامل بررسی میدانی بین کارشناسان، مدیران و متخصصان صنایع غذایی به کار گرفته شد. داده‌ها از منابع مختلف از جمله مصاحبه، گزارش، اسناد و پایگاه‌های داده جمع‌آوری شده است. از پویایی سیستم برای تجزیه و تحلیل روابط علت و معلولی استقرار و کاربرد دوقلوی دیجیتال در زنجیره تأمین مواد غذایی استفاده شد. سه سناریو برای ارائه راهکارهایی برای بهترین استفاده ممکن از فناوری دوقلو دیجیتال در صنایع غذایی مورد بررسی قرار گرفت. یافته‌ها نشان داد افزایش میزان هزینه ارتقاء سرعت اینترنت و زیرساخت‌های فناوری و همچنین افزایش نرخ آموزش کارکنان از عوامل موثر در ایجاد دوقلوهای دیجیتال هستند. اما کیفیت استفاده از دوقلوهای دیجیتال در سال‌های اولیه به دلیل عدم مهارت و دانش کارکنان و مقاومت آن‌ها در پذیرش این فناوری مطلوب نیست. با آموزش کارکنان و استفاده از متخصصان در زمینه فناوری دوقلو دیجیتال، می‌توان مقاومت کارکنان را کاهش داد و درک آن‌ها از مزایای استفاده از این فناوری را افزایش داد. علاوه بر این، نتایج نشان داد که پیاده‌سازی دوقلوهای دیجیتال می‌تواند کیفیت محصول را بهبود، تمایل مصرف‌کننده به خرید را افزایش و هزینه کل محصول را در بلندمدت کاهش دهد.</p>http://jour.aicti.ir/ar/Article/Download/47837مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Prioritizing Virtual Reality Functions in the B2B Customer Journey Using the Fuzzy SWARA Methodاولویت بندی کارکردهای واقعیت مجازی در سفر مشتری کسبوکارهای B2B با استفاده از روش سوارای فازی187203fa زهرا نیکوصفت راددانشجوی دکتری تخصصی رشته مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایرانhttps://orcid.org/0000-0002-1551-9142پژمانجعفریاستادیار، گروه مدیریت بازرگانی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایرانhttps://orcid.org/0000-0002-1231-4838فریداحمدیدانشیار، گروه مهندسی فناوری اطلاعات، دانشکده فناوریهای صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایرانhttps://orcid.org/0000-0002-4291-17482024419<p style="direction: ltr;">In the last decade, the increasing diffusion of virtual reality technology in the B2B sector has created new and unique values along the customer journey. Therefore, businesses have realized the need to exploit the functions of this technology more and better to remain competitive and meet the new needs and expectations of customers. Since implementing virtual reality in the customer journey requires a lot of time and money, it is necessary to prioritize its functions in the stages of the customer journey. Therefore, the present study was conducted with the aim of prioritizing the functions of virtual reality during the customer journey of B2B businesses. For this purpose, the identified functions were ranked using expert opinion and the fuzzy SWARA method. The results of this study showed that in the pre-purchase stage, digital marketing communications, product development optimization, and virtual meetings were ranked first to third, respectively. Given that VR only had one function in the purchase phase, it was not ranked for this phase, and in the post-purchase phase, employee and customer training and maintenance optimization ranked first and second, respectively. Business leaders can leverage these insights to improve their marketing strategies, especially in the pre-purchase and post-purchase phases, where VR’s ability to deliver immersive product experiences significantly enriches customer understanding and builds trust.</p><p>در دهه اخیر، با انتشار روزافزون فناوری واقعیت مجازی در بخش B2B و ارزش های جدید و منحصر به فردی که در طول سفر مشتری ایجاد کرده است. کسب و کارها به لزوم بهره برداری هرچه بیشتر و بهتر از کارکردهای این فناوری به منظور باقی‌ماندن در فضای رقابت و برآورده کردن نیازها و انتظارات جدید مشتریان پی برده اند. از آنجایی که پیاده سازی واقعیت مجازی در سفر مشتری، نیازمند صرف زمان و هزینه زیادی هست، اولویت بندی کارکردهای آن در مراحل سفر مشتری ضرورت دارد. بدین ترتیب هدف این پژوهش، اولویت بندی کارکردهای واقعیت مجازی در طول سفر مشتری کسب و کارهای B2B است. بدین منظور، این کارکردها با استفاده از نظر خبرگان و روش سوارای فازی رتبه بندی شدند. نتایج این مطالعه نشان داد که در مرحله پیش از خرید، ارتباطات بازاریابی دیجیتال، بهینه سازی توسعه محصول و جلسات مجازی به ترتیب رتبه های اول تا سوم را کسب کردند. با توجه به این که واقعیت مجازی تنها یک کارکرد در مرحله خرید دارد، برای این مرحله رتبه بندی انجام نشد و در مرحله پس از خرید، آموزش کارکنان و مشتریان در رتبه اول و بهینه سازی عملیات تعمیر و نگهداری در رتبه دوم قرار گرفتند.</p>http://jour.aicti.ir/ar/Article/Download/46423مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Online Estimation and Improvement of Cache Soft Error Vulnerabilityتخمین و بهبود آنلاین آسیب پذیری خطای نرم حافظه نهان204218faمحمد معینی جهرمیدانشکده مهندسي برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران، تهران، ایرانمحمد حسناحمدی لیوانیدانشکده مهندسي برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران، تهران، ایرانمصطفیارسالی صالحی نسبدانشکده مهندسي برق و کامپیوتر، دانشکدگان فنی، دانشگاه تهران، تهران، ایران20241110<p style="direction: ltr;">Due to the high density of transistors, memories are highly susceptible to soft errors. The processor's cache, by holding execution data and having frequent interactions with it, greatly impacts system reliability. This importance is even higher in embedded systems and safety-critical applications. One of the most significant factors affecting the reliability of the cache is its size. Smaller caches have better reliability due to their smaller area and shorter data retention, but reducing the cache size makes program execution times longer. This increases the probability of a soft error. Furthermore, reliability of cache is not uniform during program execution, and fixed size of memory cannot optimize its reliability during this time. In this regard, the main issue in improving cache vulnerability is to determine an optimum size of cache and its change time according to change overhead. Accordingly, this paper defines a model for estimating cache vulnerability, which determines vulnerability based on cache data and the type of access to it. Based on the proposed model, an algorithm has been implemented that estimates cache vulnerability online during execution. To model time in this approach, counters are used that model access times during decision-making intervals. By estimating based on blocks instead of memory words and determining the sizes of the counters and decision intervals, the proposed method has been optimized. The accuracy of the vulnerability trend estimation compared to the reference model is 95.22%. Additionally, by using the estimated vulnerability trend during execution and the effective cache size of each program, an algorithm for reconfiguring the cache to improve its vulnerability has been proposed. Implementation showed that with only 5.4% area overhead and 6% time overhead, we can have a reconfigurable memory equipped with a vulnerability management algorithm, which has a lower runtime vulnerability than a fixed cache size and overall vulnerability improvement of 36%.</p><p>حافظه‌ها به دلیل چگالی بالای ترانزیستورها در آن‌ها به شدت در معرض خطاهای نرم قرار دارند. حافظه نهان پردازنده به دلیل نگه داشتن اطلاعات اجرایی و تعاملات زیاد با آن، قابلیت اطمینان سیستم را به شدت تحت تأثیر قرار می‌دهد. در سیستم‌های نهفته و کاربردهای ایمنی-بحرانی، اهمیت آن به مراتب بیشتر می‌شود. از مهم‌ترین پارامترهای تأثیرگذار بر قابلیت اطمینان حافظه نهان، حجم آن است. حافظه نهان با حجم کم‌تر، به واسطه مساحت کوچک‌تر و ماندگاری کم‌تر داده‌ها در آن قابلیت اطمینان بیشتری دارد اما، کاهش حجم حافظه نهان، مدت اجرای برنامه‌ها را طولانی­تر می‌کند. این افزایش زمان اجرای برنامه­ها، احتمال بروز خطای نرم را افزایش می­دهد. از سویی، قابلیت اطمینان حافظه نهان در طول اجرای یک برنامه یکنواخت نیست و ثابت بودن حجم حافظه نمی‌تواند قابلیت اطمینان آن را در طول اجرا بهینه کند. در این راستا، مسأله اصلی در بهبود آسیب­پذیری حافظه نهان، تعیین اندازه حافظه نهان و زمان تغییر آن با توجه به سربار تغییرات است. بر همین مبنا، در این مقاله مدلی برای تخمین آسیب­پذیری حافظه نهان تعریف شده است که بر اساس داده­های حافظه نهان و نوع دسترسی به آنها، آسیب­پذیری آن تعیین می­شود. بر اساس مدل ارائه شده، الگوریتمی پیاده­سازی شده است که آسیب­پذیری حافظه نهان را در زمان اجرا به صورت آنلاین تخمین می­زند. برای مدل­سازی زمان در این روش، از شمارنده­هایی استفاده شده است که در طول بازه­های تصمیم­گیری، زمان دسترسی­ها را مدل می­کنند. با استفاده از تخمین بلوک بجای کلمات حافظه و تعیین اندازه شمارنده­ها و بازه­های تصمیم­گیری، روش ارائه شده، بهینه­سازی شده است. دقت تخمین روند آسیب­پذیری نسبت به مدل رفرنس، 22/95% می­باشد. همچنین با استفاده از تخمین روند آسیب‌پذیری در زمان اجرا و اندازه موثر حافظه نهان هر برنامه، الگوریتمی جهت بازپیکربندی حافظه نهان در جهت بهبود آسیب‌پذیری آن ارائه شده است. پیاده‌سازی این طراحی نشان داده است که تنها با سربار مساحت %4/5 و سربار زمانی %6 می‌توان یک حافظه با قابلیت بازپیکربندی و مجهز به الگوریتم مدیریت آسیب‌پذیری داشت که آسیب‌پذیری آن در زمان اجرا از آسیب‌پذیری حافظه نهان با حجم ثابت کم‌تر و آسیب‌پذیری کل آن نیز %36 بهتر باشد.</p>http://jour.aicti.ir/ar/Article/Download/48543مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582A Framework for Technology Priority-Setting Using Fuzzy Inference Systems (Case study: Information Technology in Iran) اولویت گذاری هوشمند فنّاوری به کمک سامانۀ استنتاج فازی (موردکاوی: فنّاوری اطلاعات در ایران)219237fa امیرخدادادیدانشجوی دکتری سیاستگذاری علم و فنّاوری، دانشگاه تربیت مدرس، تهران، ایرانغلامعلیمنتظرگروه مهندسی فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران0000-0003-2866-2930سید سپهرقاضی نوریگروه مدیریت فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایرانمحمدحسینی مقدمگروه مطالعات آینده نگر، پژوهشگاه مطالعات فرهنگی، اجتماعی و تمدنی، تهران، ایران202518<p style="direction: ltr;">Technology priority-setting is one of the most important aspects of science and technology policy-making. Due to their shortcomings, the existing methods and frameworks for technology priority-setting face limitations in providing policy recommendations to policymakers. One of these shortcomings is neglecting the future's uncertainties and the scenarios drawn for technological development. Another shortcoming is ambiguity among technological stakeholders regarding the parameters of evaluating technologies and their criteria. Fixing these defects requires revising the previous frameworks and introducing a new framework for priority-setting. On the other hand, considering the benefits of using intelligent systems in policymaking, the question is how to equip priority-setting with intelligence tools. In this article, by introducing a new framework for technology priority-setting that includes all three policy intelligence tools (forecasting, evaluation, foresight), the method of adding computational intelligence is explained with the help of fuzzy set theory. For this purpose, instead of conventional methods such as survey and multi-criteria decision-making, we use a fuzzy inference system to score the alternatives in the capability-attractiveness model, which helps to resolve the ambiguity of the range of criteria and provides a degree of intelligence for priority-setting. The criteria are also selected from among the dimensions of the uncertainty of the scenarios to consider the impact of future developments in the analysis of priorities. The achievement of the present research is an artifact that, with a degree of intelligence, can be used for information technology priority-setting at the national level.</p><p>اولویت­ گذاری فنّاوری یکی از مهم­ترین جنبه های سیاست­گذاری علم و فنّاوری است. روش­ها و چارچوب­ های موجود برای اولویت ­گذاری فنّاوری به دلیل نقایص موجود در آنها، در ارائۀ توصیه ­های سیاستی به سیاست­گذاران با محدودیت­هایی مواجهند. یکی از این نقیصه ها، غفلت از عدم ­قطعیت­های آینده و سناریوهایی است که برای توسعۀ فنّاوری ترسیم می ­شود. نقیصۀ دیگر، بروز ابهام در میان ذی­نفعان فنّاوری نسبت به پارامترهای ارزیابی فنّاوری ها و معیارهای آنهاست. رفع این نقایص مستلزم تجدیدنظر در چارچوب­های پیشین و معرفی چارچوب جدیدی برای اولویت­ گذاری است. از سوی دیگر، با توجه به مزایای بهره­ گیری از سامانه های هوشمند در سیاستگذاری، این سؤال مطرح است که چگونه می ­توان اولویت گذاری را به ابزارهای هوشمندی مجهّز کرد؟ در این مقاله، با معرفی چارچوب جدیدی برای اولویت ­گذاری فنّاوری که هر سه ابزار هوشمندی سیاستی (آینده نگاری، ارزیابی، پیش بینی) را در خود جای داده، نحوۀ افزودن هوشمندی محاسباتی به کمک نظریۀ مجموعه های فازی تبیین می ­شود. بدین منظور برای امتیازدهی به گزینه­ ها در الگوی جذابیت-توانمندی به جای روش­ های مرسومِ پیمایش و تصمیم­ گیری چندمعیاره، از سامانۀ استنتاج فازی استفاده می کنیم که به رفع ابهام از محدودۀ معیارها کمک می­ کند و درجه ای از هوشمندی را برای اولویت گذاری فراهم می کند. معیارها نیز از میان ابعاد عدم ­قطعیت سناریو­نگاری ها انتخاب می ­شوند تا تأثیر تحوّلات آینده در تحلیل اولویت ها مدنظر قرار گیرد. نتایج حاکی از این است که از بین پنج فنّاوری انقلاب صنعتی چهارم، فنّاوری هوش مصنوعی در کشور با وجود برخورداری از جذابیت بالا، توانمندی پایینی دارد و نیازمند توسعۀ بیشتری از حیث توجه به ارتقای معیارهای توانمندی فنّاورانه است. دستاورد تحقیق حاضر، یک مصنوع است که با برخورداری از درجه­ ای از هوشمندی می تواند برای اولویت گذاری فنّاوری اطلاعات در سطح ملّی به کار رود.</p>http://jour.aicti.ir/ar/Article/Download/49142مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582A Novel Method Based on Tranco for Monitoring Cloud Service Providersروش نوین مبتنی بر ترانکو جهت رصد فراهم کنندگان خدمات ابری238248faداودملکیپژوهشگاه ارتباطات و فناوری اطلاعاتپژمانگودرزیپژوهشگاه ارتباطات و فناوری اطلاعات0000-0001-6173-1577علیرضامنصوریپژوهشگاه ارتباطات و فناوری اطلاعات0000000319535761نداءقربانیپژوهشگاه ارتباطات و فناوری اطلاعاتاحسانآریانیانپژوهشگاه ارتباطات و فناوری اطلاعات20241210<p style="direction: ltr;">Cloud computing service providers offer various cloud services to different users, making effective monitoring solutions crucial for managing these services. This study utilizes Internet domain ranking as an important tool for this purpose. The research explores website ranking methods based on factors such as referrals, popularity, and traffic. It also examines the primary ranking techniques, focusing on distinguishing characteristics including similarity, stability, responsiveness, and the degree of benignity. The study then narrows its focus to ranking cloud service providers, using Tranco as a reliable source for internet domain rankings, which provides valuable insights into the online status of websites at both global and regional levels. Additionally, this study proposes using Tranco's aggregated ranking to evaluate the popularity of cloud service providers' domains and applies this approach to analyze the ranking and status of Iranian cloud service providers. The paper introduces a ranking algorithm that requires verification of the IP address and name server (NS) records for each domain in the extracted list, excluding domains without IP addresses or with expired NS records. The results show a direct correlation between Tranco rankings, the number of active users (as measured through company user panel metrics), and the market share of cloud service providers, reflecting their true popularity. The adoption of this Tranco-based method for monitoring and ranking cloud service providers demonstrates that higher active user counts are associated with increased sales of cloud services and features, leading to higher rankings both on Tranco and within the cloud service market..</p><p>ارائه‌دهندگان خدمات رایانش ابری، خدمات مختلفی را به کاربران گوناگون ارائه می‌دهند که این امر نیاز به راه‌حل‌های مؤثر برای نظارت بر این خدمات را حیاتی می‌سازد. این پژوهش به ارزیابی و رتبه‌بندی دامنه‌های اینترنتی و وب‌سایت‌ها، بر اساس عوامل مختلفی همچون ارجاعات، محبوبیت و ترافیک می‌پردازد. همچنین روش‌های اصلی رتبه‌بندی همراه با ویژگی‌های متمایز آنها مانند شباهت، پایداری، پاسخگویی و درجه بی‌ضرری را مورد بررسی قرار می‌دهد. سپس به بررسی رتبه‌بندی ارائه‌دهندگان خدمات ابری می‌پردازد و از روش ترانکو -که اطلاعات ارزشمندی درباره وضعیت آنلاین وب‌سایت‌ها در سطح جهانی و منطقه‌ای ارائه می‌دهد- به ‌عنوان یک منبع معتبر برای رتبه‌بندی دامنه‌های اینترنتی استفاده می‌کند. همچنین، به معرفی الگوریتم این رتبه‌بندی می‌پردازد. در این الگوریتم نیاز، به تایید آدرس IP و سرور نام (NS) برای هر دامنه موجود در فهرست استخراج‌ شده وجود دارد و در آن دامنه‌هایی که فاقد آدرس IP هستند یا رکوردهای NS آنها منقضی شده، حذف می‌شوند. نتایج این تحقیق نشان می‌دهند که بین رتبه‌بندی ترانکو، تعداد کاربران فعال (که با استفاده از معیارهای پنل کاربری شرکت‌ها اندازه گیری می‌شود) و سهم بازار فراهم کننده خدمات ابری که همان محبوبیت واقعی شرکت­های ابری در بازار است، ارتباط مستقیم وجود دارد. پذیرش روش نوین مبتنی بر ترانکو جهت رصد و رتبه‌بندی فراهم کنندگان خدمات ابری نشان می‌دهد که افزایش تعداد کاربران فعال با افزایش فروش خدمات و ویژگی‌های ابری همراه است و منجر به بالارفتن رتبه‌ها هم در ترانکو و هم در بازار خدمات ابری می‌شود.</p>http://jour.aicti.ir/ar/Article/Download/48821مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582A novel framework for policymaking and evaluation of digital governmentارائه چارچوبي نوين براي سياستگذاري و ارزيابي دولت ديجيتال249268faکلثومعباسی شاهکوهپژوهشکده فناوري اطلاعات، پژوهشگاه ارتباطات و فناوري اطلاعات، تهران، ايرانمعصومهصادقیپژوهشگر حمیرامقدمیپژوهشگرمحمودخراطپژوهشگاه ارتباطات و فناوري اطلاعاتسوگلبابازادهپژوهشکده فناوري اطلاعات، پژوهشگاه ارتباطات و فناوري اطلاعات ، تهران، ايراننسريندسترنجپژوهشکده فناوري اطلاعات، پژوهشگاه ارتباطات و فناوري اطلاعات ، تهران، ايران2024418<p style="direction: ltr;">People's lifestyles are experiencing a new paradigm due to emerging technologies such as artificial intelligence, social media, cloud computing and big data, so they are gradually moving towards smarter use of technologies. This kind of intelligence has shown itself in different fields of services, such as government services, and new models have been formed under the title of digital (smart) government. Developed and developing countries have paid more attention to digital government and implemented some of their digital government plans. The approach and method of government services design depend on the relationship between governments and citizens and businesses, and the government (public) organizations' efficiency is dependet to the coverage of goals and satisfaction experienced by citizens. Digital technologies lead to greater efficiency, agility and responsiveness in governments and allow them to respond quickly to the needs of citizens and even anticipate them. Because of these issues, the policymaking of the digital government development as well as its evaluation needs new approaches. Currently, in Iran, digital government development program is considered as one of the main development issues of cyberspace. In this article, it was shown that despite the valuable works that have been done in the field of electronic government development, there is a significant distance to the Digital/ smart government, so attention to the dimensions of the digital government and the appropriate method of policymaking and evaluation can be provided an appropriate mechanism for digital government maturity. In this article, an attempt has been made to extract the different dimensions of digital government from the reference and international models such as the OECD, World Bank, Deloitte and United Nations by using the meta-synthesis method and should provid policymaking mechanisms for its development and evaluation.</p><p>با توجه به فناوري‌هاي نوظهور مانند هوش مصنوعي، رسانه‌هاي اجتماعي، رایانش ابري و کلان‌داده، سبک زندگي مردم پارادايم جديدي را تجربه مي‌كند و به تدريج به سمت استفاده‌ هوشمندانه‌تر از فناوري­ها حرکت مي‌کند. اين هوشمندي به نوعي خود را در حوزه‌‌های مختلف خدمات از جمله خدمات دولت نيز نشان داده و بدين ترتيب، الگوهاي جديدي تحت عنوان دولت ديجيتال (هوشمند) شكل گرفته است. کشورهاي در حال توسعه و توسعه‌يافته توجه بيشتری به دولت دیجیتال داشته و اقداماتی جهت توسعه آن انجام داده‌اند. چگونگي طراحي خدمات دولت به رابطه دولت‌ها با شهروندان و کسب‌وکارها بستگي دارد و کارايي سازمان‌هاي دولتي در پوشش اهداف و رضايتي که شهروندان تجربه مي‌کنند، جستجو مي‌شود. فناوري‌هاي ديجيتال منجر به کارايي، چابکي و پاسخگويي بيشتر دولت‌ها شده و به آنها امکان مي‌دهد تا به سرعت به نيازهاي شهروندان پاسخ داده و آنها را پيش‌بيني کنند. باتوجه به اين موضوعات، سياستگذاري توسعه دولت هوشمند و همچنين ارزيابي آن نيازمند رويكردهاي نويني است. هم‌ا‌كنون در ايران برنامه توسعه دولت هوشمند به‌عنوان يكي از اقدامات اصلي توسعه فضاي مجازي مدنظر است و علي‌رغم كارهاي ارزشمندي كه در زمينه توسعه دولت الكترونيك انجام شده، فاصله قابل توجهي تا دولت هوشمند وجود دارد، لذا توجه به ابعاد دولت هوشمند و شيوه مناسب سياستگذاري و ارزيابي آن مي‌تواند سازوكار شایسته‌ای را براي بلوغ مناسب آن فراهم نمايد. در اين مقاله سعي شده تا با استفاده از مدل­هاي مرجع بین­المللی مانند مدل­های سازمان توسعه و همکاری اقتصادی، بانک جهاني، مؤسسه دیلويت و سازمان ملل، ضمن استخراج ابعاد مختلف دولت ديجيتال، سازوكارهاي سياستگذاري جهت توسعه و ارزيابي آن ارائه شود.</p>http://jour.aicti.ir/ar/Article/Download/46395مرکز منطقه ای اطلاع رسانی علوم و فناوریفصلنامه فناوری اطلاعات و ارتباطات ایران2717-04111763202582Improving the accuracy of detection botnet attacks in Internet of Things network by using MLP neural networkبهبود دقت تشخیص حملات بات¬نت در شبکه¬های اینترنت اشیا با استفاده از شبکه عصبی MLPfaصفیه سیادتگروه کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران، تهرانامیرتاجفردانشگاه پیام نور20241030<p class="MsoNormal" style="text-align: justify; direction: ltr; unicode-bidi: embed;"><span style="font-size: 11.0pt; mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;">Due to the increasing use of the Internet of Things around the world and the exponential increase in the number of devices connected to the network and the communication between them, the potential for security problems is increasing.</span><span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;"> Considering that many personal and public devices are connected to this network, any security problem can have unpredictable and significant consequences.</span> <span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;">Internet of Things applications include smart cities, smart transportation, responsive environments, and some other specific things that are directly controlled by users or digital devices,</span> <span style="mso-ascii-font-family: 'Times New Roman'; mso-ascii-theme-font: major-bidi; mso-fareast-font-family: Calibri; mso-hansi-font-family: 'Times New Roman'; mso-hansi-theme-font: major-bidi; mso-bidi-font-family: 'Times New Roman'; mso-bidi-theme-font: major-bidi;">cyber-attacks through the Internet of Things and smart digital devices is the most important threat for these networks. So far, numerous researches have been conducted to detect Internet of Things attacks, in particular botnet attacks, as one of the most important attacks in this field. But the lack of a method that uses machine learning methods with high accuracy and low error to detect these attacks is strongly felt. In this research, by using the N-BaIoT dataset and Python simulator for modeling and also using deep learning methods and MLP neural network to evaluate and train the data (using the objective function and training), the neural system was used for detecting botnet attacks. This method obtained accuracy 90.35, precision 85.99, recall 90.53 and f1-score 87.50. Compared to other machine learning methods including random forest algorithm (RF), support vector machine algorithm (svm), K nearest neighbor algorithm (knn), XGBOOST algorithm, AdaBoost algorithm, the best result was obtained in all 4 evaluation parameters<span dir="RTL" lang="FA">.</span></span></p><p class="MsoNormal" dir="RTL" style="text-align: justify; margin: 6.0pt 0cm 6.0pt 0cm;"><span lang="FA" style="font-family: 'B Nazanin';">با توجه ‌به گسترش فزاینده استفاده از اینترنت اشیا در سراسر جهان و افزایش تصاعدی تعداد دستگاه­های متصل به شبکه و ارتباط بین آن‌ها، پتانسیل مشکلات امنیتی در حال افزایش است و با توجه به اتصال بسیاری از وسایل به این شبکه ، هر گونه مشکل امنیتی می­تواند تبعات غیر قابل پیش­بینی و جبران ناپذیری را به دنبال داشته باشد. برنامه‌های کاربردی اینترنت اشیا شامل شهرهای هوشمند، حمل‌ونقل هوشمند، محیط‌های پاسخگو و برخی از موارد خاص دیگر که مستقیماً توسط کاربران یا وسیله دیجیتال کنترل می‌شوند هستند، بنابراین مهم‌ترین خطر موجود، حملات سایبری از طریق اینترنت اشیا و وسایل دیجیتال هوشمند است. تا کنون تحقیقات زیادی برای تشخیص حملات اینترنت اشیا بالاخص حملات بات­نت به‌عنوان یکی از مهم‌ترین حملات این حوزه انجام شده است؛ اما فقدان روشی که با استفاده از روش‌های یادگیری ماشین با</span> <span lang="FA" style="font-family: 'B Nazanin';">دقت بالا و خطای کم به تشخیص این حملات بپردازد به‌شدت احساس می‌شود. </span><span lang="FA" style="font-family: 'B Nazanin'; mso-fareast-font-family: Calibri;">در این تحقیق با استفاده از دیتا­ست </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">N-BaIoT</span></strong> <span lang="FA" style="font-family: 'B Nazanin'; mso-fareast-font-family: Calibri;">و شبیه‌ساز پایتون برای مدل‌سازی و با بکارگیری روش‌های یادگیری عمیق و شبکه عصبی </span><strong><span dir="LTR" style="mso-fareast-font-family: Calibri; mso-bidi-font-family: 'B Nazanin';">MLP</span></strong><span lang="FA" style="font-family: 'B Nazanin'; mso-fareast-font-family: Calibri;"> جهت ارزیابی و آموزش داده‌ها (با استفاده از تابع هدف و آموزش)، سیستم عصبی برای تشخیص حملات<span style="mso-spacerun: yes;"> </span>بات­نت به کار برده شد. </span><span lang="FA" style="font-family: 'B Nazanin';">این روش </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Accuracy</span></strong><span lang="FA" style="font-family: 'B Nazanin';"> 90.35، </span><span dir="LTR" lang="FA" style="mso-bidi-font-family: 'B Nazanin';"><span style="mso-spacerun: yes;"> </span></span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Precision</span></strong> <span lang="FA" style="font-family: 'B Nazanin';">85.99، </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Recall</span></strong><span style="font-family: 'B Nazanin';"> <span lang="FA">90.53 و </span></span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">F1-Score </span></strong><strong><span style="font-family: 'B Nazanin';"><span style="mso-spacerun: yes;"> </span></span></strong><span lang="FA" style="font-family: 'B Nazanin';">87.50 به دست آورد و در مقایسه با سایر روش‌های یادگیری ماشین شامل الگوریتم جنگل تصادفی (</span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">RF</span></strong><span lang="FA" style="font-family: 'B Nazanin';">)، الگوریتم ماشین بردار پشتیبان<span style="mso-spacerun: yes;"> </span>(</span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">SVM</span></strong><span lang="FA" style="font-family: 'B Nazanin';">)، الگوریتم </span><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">K</span><span style="font-family: 'B Nazanin';"> <span lang="FA">نزدیک‌ترین همسایه<span style="mso-spacerun: yes;"> </span>(</span></span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">KNN</span></strong><span lang="FA" style="font-family: 'B Nazanin';">)، الگوریتم </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">XGBOOST</span></strong><span lang="FA" style="font-family: 'B Nazanin';">، الگوریتم </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">AdaBoost</span></strong><span style="font-family: 'B Nazanin';"> <span lang="FA">در هر 4 پارامتر ارزیابی </span></span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Accuracy</span></strong><span lang="FA" style="font-family: 'B Nazanin';">،</span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Precision</span></strong> <span lang="FA" style="font-family: 'B Nazanin';">، </span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">Recall</span></strong><span style="font-family: 'B Nazanin';"> <span lang="FA">و</span></span><strong><span dir="LTR" style="mso-bidi-font-family: 'B Nazanin';">F1-Score</span></strong><strong><span style="font-family: 'B Nazanin';"> <span style="mso-spacerun: yes;"> </span></span></strong><span lang="FA" style="font-family: 'B Nazanin';">بهترین نتیجه را کسب کرد</span><span lang="FA" style="font-family: 'B Lotus';">.</span></p>http://jour.aicti.ir/ar/Article/Download/48426