Hatam Abdoli

در حالي كه اينترنت اشياء تعداد زيادي از دستگاه هاي كوچك ناهمگون را در يك شبكه بزرگ متصل مي كند و شامل بسياري از برنامه هاي كاربردي و محيط هاي مختلف و متنوع است، فراهم كردن امنيت گره ها در IoTبه يك مسئله مهم تبديل شده است. اين چالش براي دستگاه هاي IoT تعبيه شده به دليل انتشار فراگير آنها در دنياي امروز و همچنين منابع محدود آنها (سخت افزار و انرژي) سخت تر است. اكثر سيستم هاي رمزنگاري كليد عمومي فعلي مانند RSA و ECC، در برابر حملات كامپيوترهاي سريع كوانتومي ناامن هستند. با اين ديدگاه كه كامپيوترهاي كوانتومي در مقياس بزرگ در 15-10 سال آينده در دسترس خواهند بود،NIST فرآيند استانداردسازي رمزنگاري پسا كوانتومي را به منظور يافتن الگوريتم هاي كليد عمومي جديد و مقاوم در برابر رايانه هاي كوانتومي آغاز كرد. در ميان انواع مختلف طرح هاي رمزنگاري مقاوم در برابر كوانتوم، رمزنگاري مبتني بر مشبكه به عنوان يك طرح مقرون به صرفه و كارا، در حال گسترش است. طرح هاي پيشنهاديPQC مبتني برمشبكه براساس مساله LWE و نوع سبك BR-LWE با هدف قرار دادن برنامه هاي كاربردي با منابع محدود، براي كاهش اندازه كليد و دستيابي به مساحت كمتر، خطاهاي باينري را به كار مي گيرند و در عين حال امنيت كافي براي برنامه هاي سبك وزن را نيز حفظ مي كنند. پياده سازي اين الگوريتم با چالش هايي مانند زمان اجرا و منابع مورد نياز روبه رو است. با اين حال، كارهاي موجود به خوبي جنبه هاي مختلف مربوط به طرح رمزنگاري BR-LWE، به ويژه در پياده سازي سخت افزاري با پيچيدگي كم را پوشش نداده است. اين پايان نامه بر توسعه كارآمد پياده سازي سخت افزاريPQC و به طور خاص، اجراي طرح رمزگذاري مبتني برInvBR-LWE تمركز دارد. در اين پايان نامه معماري كارآمدي مبتني برLFSR براي اجراي موازي و موثر ضرب چندجمله اي و كاربرد آن در طرحINVBR-LWE ارائه شده است. با تجزيه ضرايب چندجمله اي A و B به گروه هاي متعدد و اجراي همزمان در دو مدار موازي، كاهش زمان اجراي كل الگوريتم را ميسر شده است. نتايج سنتز بر روي تراشهFPGA نشان مي دهد كه طرح پيشنهادي نسبت به كارهاي مشابه، به دليل كاهش سيكل اجرا، تاخير كل كمتري دارد و به طور كلي معيار ADP روش پيشنهادي تا 35% كاهش يافته است. با توجه به نتايج حاصل شده، طرح پيشنهادي مي تواند براي استفاده در كاربردهاي سبك وزن گسترش يابد.
Thesis summary

چكيده: امروزه الگوريتمهاي يادگيري ماشين و يادگيري عميق در زمينه هاي مختلف بسيار پركاربرد هستند. روش هاي متعددي براي حل مشكلات سرعت و زمان اجراي اين الگوريتم ها پيشنهاد شده ولي تا كنون به نتيجه اي كه بتوان اين الگوريتم ها را در زمان مناسب اجرا كرد، نرسيده اند. از آنجايي كه اين الگوريتم ها در بسياري از حوزه هاي هوش مصنوعي مانند بينايي ماشين، تشخيص گفتار، تشخيص جسم و ... كاربرد دارند، در اين پژوهش قصد داريم با استفاده از حساب تقريبي، كارايي و همچنين بهره وري انرژي مصرفي آنها را بهبود دهيم. در اين پايان نامه، نسخه اي جديد از روشهاي حساب تقريبي براي كاهش زمان اجرا در الگوريتم هاي شبكه هاي عصبي ارائه شده است، از آنجايي كه در اين الگوريتم ها مسئله اصلي زياد بودن زمان اجراي الگوريتم ها است، زمان اجرا را با استفاده از حساب تقريبي و رويكرد سنتز سطح بالا كم كرده ايم، بطوريكه دقت را تا حد ممكن قرباني زمان اجراي محاسبات مي كنيم. از طرفي هم مطلع هستيم كه شبكه هاي عصبي تحمل پذيري خطا دارند، پس لزومي ندارد كه پياده سازي الگوريتم هاي محاسباتي خيلي دقيق باشند؛ در نتيجه مي خواهيم دقت محاسبات را به اندازه اي كه مورد نياز است و دقت محاسبات الگوريتم را مختل نمي كند، طراحي كنيم. نتيجه اين كار باعث كوچكتر شدن مدار، بالا بردن سرعت پردازش يا فركانس كاري و همچنين كاهش توان مصرفي مدار است. هدف از انجام اين پايان نامه، بررسي عوامل موثر در بهبود سرعت و زمان اجراي الگوريتم هاي شبكه هاي عصبي كانولوشن در پردازش تصوير است. شبكه عصبي كانولوشن به عنوان يكي از بهترين و پركاربردترين شبكهها در زمينه پردازش و كلاسبندي تصاوير است. نتايج اين پژوهش نه فقط در بهبود كارايي كانولوشن، بلكه در بسياري از كاربردها و الگوريتم هاي يادگيري ماشين قابل تعميم است. ارزيابي نتايج اين پژوهش، با استفاده از گوگل كولب، ابزار سنتز سطح بالاي Vivado، و ALWANN framework محاسبه شده است. همچنين در اين كار از الگوريتم هاي پردازش تكاملي و ژنتيك هم در پياده سازي مدارها بهره برداري شده است و شبكه عصبي مورد استفاده در اين پژوهش ResNet است. نتايج اين پژوهش نشان مي دهد كه با داشتن دقت كلاس بندي 82 درصدي تصاوير، زمان انجام محاسبات، حداكثر تاخير مدار ضرب كننده و توان مصرفي در مقايسه با كارهاي مشابه، به ترتيب 2.5%، 33.5% و 41.93% كاهش داشته ا
Thesis summary

چكيده: كامپيوترهاي كوانتومي توان محاسباتي خيلي بيشتري نسبت به كامپيوترهاي كلاسيك دارند و اين مسئله باعث ايجاد چالش در حوزه رمزنگاري كليد عمومي شده است، به طوري كه پيش بيني مي شود حدودا تا سال 2030 كامپيوترهاي كوانتومي به اندازه اي قدرتمند شوند كه بتوانند الگوريتم هاي رمزنگاري كليد عمومي را بشكنند. به منظور حل اين مشكل NIST فراخواني را براي رمزنگاري پساكوانتوم منتشر كرد. پياده سازي اين الگوريتم ها با چالش هايي مانند زمان اجرا و منابع مورد نياز روبه رو است. يكي از الگوريتم هاي راه يافته به دور سوم، الگوريتم CRYSTALS-KYBER است در اين الگوريتم با بهينه سازي واحد NTT مي توان زمان اجرا را كاهش داد. در حالت عادي پياده سازي NTT با مبناي دو صورت گرفته ولي در روش پيشنهادي از مبناي چهار استفاده شده است و اين امر باعث كاهش زمان اجرا شده است. براي پياده سازي NTT مبناي چهار مناسب Kyber لازم است تغييراتي در NTT رخ دهد. براي پياده سازي NTT از DIT و براي پياده سازي INTT از DIF استفاده مي شود. در فرمول NTT و INTT تغييراتي در twiddle factor ها داده شده و مقادير twiddle factor ها در ROM ذخيره شده است. در ادامه واحد پروانه مبناي دو با واحد پروانه مبناي چهار مقايسه شده است. در ادامه با استفاده دوباره از مقادير در واحد پروانه CT و GS تعداد ضرب ها از پنج به چهار، تعداد تفريق ها از شش به چهار و تعداد جمع ها از شش به چهار كاهش يافته است و به نحوه ساختار واحد پروانه مبناي چهار اشاره شده است. در واحد حافظه به منظور افزايش سرعت خواندن و نوشتن از هشت RAM استفاده شده كه چهار عدد از آنها براي نوشتن و چهارتاي باقيمانده براي خواندن است. در بخش توليد آدرس، پيشتر آدرس ها به صورت دوتايي توليد مي شد ولي در روش پيشنهادي به صورت چهارتايي توليد مي شود و هم-چنين لازم است در پارامترهاي NTT اصلاحاتي انجام شود كه براي پياده سازي روي Kyber مناسب باشد. در ادامه، روش پيشنهادي را روي دو FPGA Artix-7 و Virtex-7 با استفاده از نرم افزار Vivado پياده سازي كرديم كه در ازاي افزايش جزيي منابع موردنياز، زمان اجرا در Artix-7 در مقايسه با پياده سازي هاي مشابه 28.74 درصد و 12.34 درصد كاهش يافته است.
Thesis summary

تمركز بر روي اينترنت اشياء و مباحث مرتبط با آن، هر روز در حال افزايش است. شبكه هاي حسگر بي سيم يكي از مباحث مهم در اينترنت اشياء به شمار مي رود. امروزه شبكه هاي مبتني بر نرم افزار به عنوان يك راهكار جديد بهره وري مصرف انرژي در شبكه هاي حسگر بي سيم محسوب مي شوند. تابحال راه كارهاي مختلفي بر اساس شبكه هاي مبتني بر نرم افزار به منظور كاهش مصرف انرژي و افزايش طول عمر معرفي شده اند كه هر كدام داراي معايب و مزاياي خاص خود هستند. در اين پايان نامه، يك روش بهبود مصرف انرژي مبتني بر محتوا در كنار يك روش زمانبندي خواب و بيدار گره ها بر اساس شبكه هاي مبتني بر نرم-افزار براي شبكه هاي حسگر بي سيم معرفي مي شود. بهينه سازي مصرف انرژي مبتني بر محتوا بر اساس سابقه فعاليت گره توسط كنترل كننده يادگرفته مي شود و باعث كاهش تعداد بسته هاي ارسالي مي شود. همچنين با استفاده از بهبود روش CKN يك زمانبند خواب و بيدار باش بهينه براي گره ها معرفي مي شود كه باعث كاهش مصرف انرژي و متوازن شدن آن مي-شود. همچنين با استفاده از تجميع داده ها بر اساس محتوا، مي توان سرعت ارسال داده ها را افزايش داد و از ارسال چند باره داده ها جلوگيري كرد. شبيه سازي روش پيشنهادي در سيستم عامل contiki و شبيه ساز Cooja انجام گرفته است. ارزيابي روش پيشنهادي بر اساس معيارهاي طول عمر شبكه، نسبت دوره بي ثباتي و تأخير انتها به انتها انجام گرفته است. مقايسه نتايج بر روش هاي EC-CKN، OEE-SDN و SDN-CKN نشان مي دهد كه روش پيشنهادي در مجموع عملكرد بهتري دارد.
Thesis summary