فرزانه شکرانی - دانشجوی کارشناسی ارشد، مهندسی فناوری اطلاعات شبکه های کامپیوتری، دانشگاه آزاد اسلامی واحد گرمسار
زرین تاج برنایی - استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد گرمسار

کنترل نفوذ مهاجمان در رایانش ابری دارای اهمیت ویژه ای است. با توجه به گسترش روز افزون اطلاعات، محافظت از آنها در محیط ابر سیار سخت تر می شود لذا بهره گیری از روش هایی مانند داده کاوی جهت استخراج دانش و اطلاعات نهفته در داده ها و ذخیره سازی آنها، امری ضروری می باشد. در این پژوهش با استفاده از تکنیک های داده کاوی چارچوبی برای حفظ امنیت ابر پیشنهاد دادیم و سپس با استخراج قوانین مفید موجود در داده های ردوبدل شده در محیط ابر، یک منبع اطلاعاتی سودمند را برای مدیر سیستم فراهم آوردیم تا به کمک آن تصمیم گیری نمایند. از جمله مشکلات این کار، وجود سربار محاسباتی می باشد که روش های مختلفی برای کاهش هزینه ی محاسبات و بهبود فرآیند استخراج قوانین انجمنی، ارایه شده است که از مهم ترین آن ها، اجرای موازی الگوریتم های استخراج قوانین انجمنی می باشد. الگوریتم پیشنهادی شامل فرآیند خوشه بندی و شناسایی اقلام پر تکرار روی هر خوشه است که پس از آن جهت شناسایی اقلام با پشتیبان کم مورد استفاده قرار می گیرد.با توجه به الگوریتم پیشنهادی اعتبار سنجی خوشه های تشکیل شده با داده های واقعی از روش سیلهوته استفاده شد. در مورد خوشه های تشکیل شده توسط الگوریتم پیشنهادی اعتبار هر کلاس طبقه بندی توسط روش سیلهوته برابر 0.6659 است.

رایانش ابری، داده کاوی، خوشه بندی