تامين امنيت ملي، داده كاوي

كاوي، پايگاه‌ها و مجموعه‌هاي حجيم داده‌ها را در پي كشف واستخراج دانش، مورد تحليل و كند و كاوهاي ماشيني (و نيمه‌ماشيني) قرار مي‌دهد. اين گونه مطالعات و كاوش‌ها را به واقع مي‌توان همان امتداد و استمرار دانش كهن و همه جا گير آمار دانست. تفاوت عمده در مقياس، وسعت و گوناگوني زمينه‌ها و كاربردها، و نيز ابعاد و اندازه‌هاي داده‌هاي امروزين است كه شيوه‌هاي ماشيني مربوط به يادگيري، مدل‌سازي، و آموزش را طلب مي‌نمايد.

اصطلاح Data Mining همان طور كه از ترجمه آن به معني داده كاوي مشخص مي‌شود به مفهوم استخراج اطلاعات نهان و يا الگوها و روابط مشخص در حجم زيادي از داده‌ها در يك يا چند بانك اطلاعاتي بزرگ است.

بسياري از شركت‌ها و موسسات داراي حجم انبوهي از اطلاعات هستند. تكنيك‌هاي داده‌كاوي به طور تاريخي به گونه‌اي گسترش يافته‌اند كه به سادگي مي‌توان آنها را بر ابزارهاي نرم‌افزاري امروزي تطبيق داده و از اطلاعات جمع آوري شده بهترين بهره را برد. در صورتي كه سيستم‌هاي Data Mining بر روي سكوهاي Client/Server قوي نصب شده باشد و دسترسي به بانك‌هاي اطلاعاتي بزرگ فراهم باشد، مي‌توان به سوالاتي از قبيل :كداميك از مشتريان ممكن است خريدار كداميك از محصولات آينده شركت باشند، چرا، در كدام مقطع زماني و بسياري از موارد مشابه پاسخ داد.

ويژگي‌ها

يكي از ويژگيهاي كليدي در بسياري از ابتكارات مربوط به تامين امنيت ملي، داده كاوي است. داده كاوي كه به عنوان ابزاري براي كشف جرايم، ارزيابي ميزان ريسك و فروش محصولات به كار مي‌رود، در بر گيرنده ابزارهاي تجزيه و تحليل اطلاعات به منظور كشف الگوهاي معتبر و ناشناخته در بين انبوهي از داده هاست. داده كاوي غالباً در زمينه تامين امنيت ملي به منزله ابزاري براي شناسايي فعاليت‌هاي افراد خرابكار شامل جابه جايي پول و ارتباطات بين آنها و همچنين شناسايي و ردگيري خود آنها با برسي سوابق مربوط به مهاجرت و مسافرت هاست. داده كاوي پيشرفت قابل ملاحظه‌اي را در نوع ابزارهاي تحليل موجود نشان مي‌دهد اما محدوديت‌هايي نيز دارد. يكي از اين محدوديت‌ها اين است كه با وجود اينكه به آشكارسازي الگوها و روابط كمك مي‌كند اما اطلاعاتي را در باره ارزش يا ميزان اهميت آنها به دست نمي‌دهد. دومين محدوديت آن اين است كه با وجود توانايي شناسايي روابط بين رفتارها و يا متغيرها لزوماً قادر به كشف روابط علت و معلولي نيست. موفقيت داده كاوي در گرو بهره گيري از كارشناسان فني و تحليل گران كار آزموده‌اي است كه از توانايي كافي براي طبقه بندي تحليل‌ها و تغيير آنها برخوردار هستند. بهره برداري از داده كاوي در دو بخش دولتي و خصوصي رو به گسترش است. صنايعي چون بانكداري، بيمه، بهداشت و بازار يابي آنرا عموماً براي كاهش هزينه‌ها، ارتقاء كيفي پژوهش‌ها و بالاتر بردن ميزان فروش به كار مي‌برند. كاربرد اصلي داده كاوي در بخش دولتي به عنوان ابزاري براي تشخيص جرايم بوده‌است اما امروزه دامنه بهره برداري از آن گسترش روزافزوني يافته و سنجش و بهينه سازي برنامه‌ها را نيز در بر مي‌گيرد. بررسي برخي از برنامه‌هاي كاربردي مربوط به داده كاوي كه براي تامين امنيت ملي به كار مي‌روند، نشان دهنده رشد قابل ملاحظه‌اي در رابطه با كميت و دامنه داده‌هايي است كه بايد تجزيه و تحليل شوند. توانايي‌هاي فني در داده كاوي از اهميت ويژه‌اي برخوردار اند اما عوامل ديگري نيز مانند چگونگي پياده سازي و نظارت ممكن است نتيجه كار را تحت تأثير قرار دهند. يكي از اين عوامل كيفيت داده هاست كه بر ميزان دقت و كامل بودن آن دلالت دارد. عامل دوم ميزان سازگاري نرم‌افزار داده كاوي با بانكهاي اطلاعاتي است كه از سوي شركت‌هاي متفاوتي عرضه مي‌شوند عامل سومي كه بايد به آن اشاره كرد به بيراهه رفتن داده كاوي و بهره برداري از داده‌ها به منظوري است كه در ابتدا با اين نيت گرد آوري نشده‌اند. حفظ حريم خصوصي افراد عامل ديگري است كه بايد به آن توجه داشت. اصولاً به پرسش‌هاي زير در زمينه داده كاوي بايد پاسخ داده شود:

  • سازمانهاي دولتي تا چه حدي مجاز به بهره برداري از داده‌ها هستند؟
  • آيا از داده‌ها در چارچوبي غير متعارف بهره برداري مي‌شود؟
  • كدام قوانين حفظ حريم خصوصي ممكن است به داده كاوي مربوط شوند؟

كاوش در داده‌ها بخشي بزرگ از سامانه‌هاي هوشمند است. سامانه‌هاي هوشمند زير شاخه‌ايست بزرگ و پركاربرد از زمينه علمي جديد و پهناور يادگيري ماشيني كه خود زمينه‌اي‌ست در هوش مصنوعي.

فرايند گروه گروه كردن مجموعه‌اي از اشياء فيزيكي يا مجرد به صورت طبقه‌هايي از اشياء مشابه هم را خوشه‌بندي مي‌ناميم.

با توجه به اندازه‌هاي گوناگون (و در اغلب كاربردها بسيار بزرگ و پيچيده) مجموعه‌هاي داده‌ها مقياس‌پذيري الگوريتم‌هاي به كار رفته معياري مهم در مفاهيم مربوط به كاوش در داده‌ها است.

كاوش‌هاي ماشيني در متون حالتي خاص از زمينهٔ عمومي‌تر كاوش در داده‌ها بوده، و به آن دسته از كاوش‌ها اطلاق مي‌شود كه در آن‌ها داده‌هاي مورد مطالعه از جنس متون نوشته شده به زبان‌هاي طبيعي انساني باشد.

 

از شما دوستان عزیز که این مطلب آموزشی را دنبال نموده اید تشکر می کنیم و شما را دعوت میکنیم که برای فراگیری داده کاوی مطالب ما را دنبال کنید.این مطالب برای افزایش دانش شما در سایت قرار داده شده و کمک زیادی در یادگیری شما در انجام پروژه داده کاوی خواهد نمود.

فریلنسر هستم و مهارت انجام پروژه ای را دارم!

اگر شما فریلنسر هستید و توانایی انجام پروژه ای را در یک رشته یا حوزه ای خاص دارید برای فعالیت در سایت کافه پروژه و کسب درآمد می توانید در سایت ثبت نام کنید و پروژه هایی با مهارت انتخاب خود را مشاهده کنید.جهت ثبت نام و ثبت رزومه خود در سایت از طریق دکمه پایین صفحه در سایت عضو شوید:

نحوه سفارش پروژه در سایت کافه پروژه :

اگر پروژه ای دارید که میخواهید آن را برون سپاری کنید کافی است در سایت کافه پروژه ثبت نام کنید و پروژه خود را ثبت نمایید.پروژه شما هر چه که باشد حتما مجری برای آن وجود دارد.جهت ثبت نام و ثبت سفارش پروژه خود برروی دکمه زیر کلیک نمایید.

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.