جستجوي پيشرفته | کتابخانه مجازی الفبا

جستجوی سرچشمه ها و نارسایی های رویکردها و راهکارهای تجربی و ذهنی مبتنی بر نگرش های غربی و اسلامی در ارتباط با فضای شهری، و اتخاذ رویکرد و روش شناسی پژوهشی جدید و مبتنی بر فلسفه و حکمت اسلامیدر رابطه با مفهوم فضای شهری اسلامی به طور عام و میدان های شهری به طور خاص، مسئله اساسی این پژوهش است. بدین منظور، با استعانت از رویکرد «واقع‌گرایانه اسلامی» که در آن با مرجعیت و اعتباری که برای سه منبع معرفتی حس، عقل و وحی قائل است و با اسلوبی «استنباط گرایانه و اجتهادی»، معنای فضای شهری در شهر اسلامی مبتنی بر ارتباط بنیادین و وثیق ابعادی «وجودی» و «ماهیتی» فضا می باشد. براین اساس، فرایند استنباط مفاهیم فضای شهری اسلامی، بواسطه دو راهبرد و روش«فراتجربی» و «تجربی» در فضا، میسر است. در سطح فراتجربی به تعاملات «درون گرایانه» و «واقع گرایانه» ناشی از حضور وجودی «ذهن» و «اجتماع» در فضا می پردازد. در سطح تجربی نیز به تحلیل نظرسنجی ها، مشاهده ها، مصاحبه ها، پرسش نامه ها و سازمان فضایی و کالبدی میدان مرکزی همدان، پرداخته شد. در بخش پرسش نامه ها، افراد پاسخ دهنده به صورت تصادفی، از کلیه اقشار اجتماعی و جنسیتی و مجموعا219 نفر، انتخاب گردیدند و داده ها در نرم افزار آماری Spss،به وسیله روابط معنادار بین متغیرهای دخیل، مورد استنباط قرار گرفتند. نتایج پژوهش نشان داد که در بعد تعاملات ذهنی(درون گرایانه) با فضای شهری، مفاهیمی نظیر: تقدم خلوت درونی بر خلوت شخصی، تقدم تعلق به فضای خصوصی(درونی) نسبت به فضای شهری، تقدم حضور روزانه در فضای شهری نسبت به حضور شبانه، تقدم حرکت در فضای شهری نسبت به حس توقف و درنگ در آن و کم رنگ بودن حس مالکیت فضایی در فضای شهری قابل تببین و تفسیر می باشد. در بعد «تعاملات اجتماعی» نیز، مفاهیمی چون: تقدم بعد کاری بر بعد تفریحی در فضای شهری، تقدم خاطرات اجتماعی بر خاطرات فردی، نفی قشربندی اجتماعی در فضا، تقدم شلوغی و ازدحام بر خلوت های شخصی و دوطرفه، تقدم تعاملات مردان نسبت به زنان و تقلیل امنیت روانی در فضای شهری، مورد استنتاج و استنباط قرار گرفت.

وب مخزن عظیم و رو به گسترش دادههاست و اغلب منابع اطلاعاتی آن توسط پایگاه داده های رابطه ای ذخیره و مدیریت می شود. امروزه ماشین فهمکردن و دسترسی معنایی به این حجم عظیم از داده ها، یک ضرورت است. در این میان فناوری وبمعنایی با هدف ایجاد قابلیت پردازش روی دادههای وب پیشنهاد شده است. ساخت آنتولوژی نقش محوری را در وبمعنایی برعهده دارد، اما استخراج آنتولوژی از پایگاه دادههای رابطه ای موجود تحت وب بهطوریکه امکان پرس و جوی معنایی فراهم شود، با مشکلاتی روبروست. این مشکلات ناشی از تفاوتهای بین مدل رابطهای و آنتولوژی و همچنین عدمدسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب است. در این پایان نامه شباهت ها و تفاوت های بین مدل رابطه ای و آنتولوژی بهطور دقیق بررسی شدهاست. همچنین از آنجایی که بهطور طبیعی دسترسی مستقیم به پایگاه دادههای رابطه ای تحت وب برای ایجاد آنتولوژی مُیسر نیست، بنابراین روشی نیمه خودکار برای ایجاد آنتولوژی مبتنی بر پیمایش صفحات HTML مرتبط با پایگاه داده های رابطه ای در دامنه ای مفروض پیشنهاد شده است. این روش که «استخراج آنتولوژی با پیمایش صفحات HTML» نام دارد، ابتدا شبه پایگاه داده رابطه ای براساس الگوی موقعیت داده ها در صفحات HTML به عنوان مدل میانی ایجاد و سپس توسط خزنده تاپل های این شبه پایگاه داده رابطه ای از صفحات HTML بازیابی می شود و در ادامه آنتولوژی دامنه و نمونه های آن به کمک قوانین سیستم انتقال از این شبه پایگاه داده رابطه ای استخراج می شود. در روش پیسنهادی به دلیل استفاده از صفحات HTML مبتنی بر سیستم مدیریت محتوا، مشکلات ساخت آنتولوژی از روی صفحات HTML مانند تغییر دائمی صفحات، داده های نامرتبط و ساختار گوناگون صفحات HTML تا حد زیادی برطرف شده است. آنتولوژی دامنه اساتید رشته کامپیوتر دانشگاه های ایران توسط این روش استخراج شده است. دقت و صحت آنتولوژی استخراج شده به ترتیب توسط کارشناس دامنه و استدلالگر ++Fact ارزیابی شده و درنهایت پرس و جوهای معنایی به زبان SPARQL روی آن اعمال می شود. دقت و فراخوانی نتایج حاصل از پرس وجوها روی آنتولوژی استخراج شده، جامعیت قوانین سیستم انتقال، درکنار اجرایی بودن روش پیشنهادی، موفقیت روش پیشنهادی را تأیید می کند.

سیستم‌های اطلاعات مکانی هرجاگاه، نسل چهارم محیط‌های محاسبات مکانی می‌باشند. این نسل که پس از سیستم‌های توزیع‌یافته، وب و موبایل پا به عرصه گذاشته، کاهش دخالت کاربر و افزایش راحتی استفاده را سرلوحه قرار داده است. بافت، در این سیستم‌ها نقش کلیدی ایفا می‌کند، زیرا منجر به کاهش دخالت کاربر می‌شود. به‌طور کلی بافت‌آگاهی جایگاه مهمی در محیط‌های محاسباتی هرجاگاه جهت انطباق هستنده‌های محاسباتی با وضعیت متغیر از قبیل نیازهای کاربر و توانایی‌های فنی دارد.اساس بافت‌آگاهی، مدلی صوری از بافت بوده که قابل درک و استفاده توسط رایانه باشد. هم‌چنین در محیط‌های توزیع‌یافته، مهم است که اطلاعات بافتی بتوانند میان هستنده‌های محاسباتی مختلف جهت تعامل‌پذیری به اشتراک گذارده شوند. مدلسازی بافت یعنی تعیین هستنده‌ها و روابط بین آنها که جهت تعریف یک بافت، از قبیل مکان، زمان، علایق کاربر و فعالیتهایش و هستنده‌های محاسباتی مورد نیاز است. مشکل خاص مدلسازی بافت در محیط‌های توزیع‌یافته و ناهمگون ، استفاده از رویه نمایشی اختصاصی بوده که مانع تعامل‌پذیری هستنده‌های محاسباتی گوناگون می‌شود. با استفاده از هستی-شناسی، می‌توان این مشکل را حل کرد. در علم کامپیوتر، یک هستی شناسی، بیان صوری مجموعه‌ای از مفاهیم در یک حوزه و نحوه تعامل آنها می‌باشد. هستی‌شناسی جهت استنتاج درآن حوزه یا تعریف آن حوزه به‌کار می‌رود. از سوی دیگر باید جهت حل ناسازگاری‌ها یا استخراج اطلاعات بافتی سطح بالاتر، روی این مدل، امکان استنتاج وجود داشته باشد. استنتاج روی بافت یا استنباط خودکار اطلاعات غیرصریح از اطلاعات صریح، کاربردهای فراوانی در انواع تحلیل‌های مکانی دارد. یک کاربرد اصلی استنتاج بافتی، به‌دست آوردن اطلاعات بافتی سطح بالا از اطلاعات سطح پایین داده‌های حسگرها می‌باشد.در پایان‌نامه حاضر پس از بررسی انواع روش‌های مدلسازی بافت و مقایسه آنها؛ از نظریه فعالیت جهتتعیین پارامترهای بافتی استفاده شده است. نظریه فعالیت ابزار توصیفی برای تحلیل و درک فعالیت به-صورت عمومی یعنی مستقل از هر حوزه خاص کاربردی می‌باشد. اگرچه نظریه فعالیت، فرآیندها و تکنیکها را به‌صورت ازقبل ایجاد شده بیان نمی‌کند اما می‌توان از آن، جهت تعیین اجزای کلیدی هر فعالیت استفاده کرد. سیستم‌های بافت‌آگاه، که جهت تسهیل فعالیت‌های انسان طراحی شده‌اند نیز باید این اجزای کلیدی را بازتاب دهند. تعیین پارامترهای بافتی، مدلسازی و استنتاج روی آنها، مسائل اساسی در سیستم‌های اطلاعات مکانی هرجاگاه بوده که در این پایان‌نامه بررسی شده‌اند. با توجه به اهمیت حریم خصوصی مکانی در سیستم-های اطلاعات مکانی، این موضوع به عنوان یک نمونه موردی، در نظر گرفته شده است. ابتدا به کمک نظریه فعالیت، پارامترهای بافتی مسئله تعیین شده، سپس بافت‌ها برمبنای هستی‌شناسی مدلسازی شده-اند. روند پیشنهادی حل مسئله در قالب یک پایگاه داده بیان شده و استنتاجاتی با استفاده از آن و مدل بدست آمده، انجام شده است.البته طراحی یک محیط هوشمند نیز به صورت خلاصه در بخش پیاده-سازی مورد بررسی قرار گرفته تا بر توانایی مدلسازی با استفاده از هستی‌شناسی در استخراج اطلاعات ضمنی موجود در اطلاعات صریح، تاکید شود.

به دلیل افزایش جریان‌های داده‏ای و اطلاعاتی، بحث داده‏آمیزی به عنوان یکی از مهم‏ترین زمینه‌های تحقیقاتی و عملیاتی محسوب می‌شود. در حوزه‏هايي که اطلاعات زيادي وجود دارد و تصميم‏گيري‏هاي ضعيف باعث پيامدهاي جدي مي‏شود، مسئله داده‏آميزي بسيار حياتي است. داده‏آميزي اطلاعات چندين منبع را يکپارچه مي‏کند و اين عمل به منظور فراهم آوردن داده‏هاي مشخص و قابل درک درباره موجوديت‏ها و روابط بين آن‏ها صورت مي‏گيرد و نهايتا منجر به استخراج دانش جديد نيز خواهد شد. با ظهور وب معنایی و همه‌گیر شدن آن، ضرورت درک اطلاعات توسط ماشین بر هیچ کس پوشیده نیست، اين تحقيق برآن است تا تکنولوژی‏های وب معنایی را وارد حوزه داده‏آمیزی نماید. با توجه به اینکه یکی از رايج‏ترين مدل‏هاي داده‏آمیزی، مدل چندسطحی JDL می‏باشد، با افزودن معنا و گنجاندن آنتولوژی و سایر تکنولوژي‏هاي وب معنايي به این مدل، يک ساختار داده‏آمیزی معنايي ارائه می‏شود. ساختار ارائه‏شده، گام مهمی در رفع چالش معنایی، که يکي از چالش‏هاي اصلي موجود در سيستم‏هاي داده‏آمیزی است به حساب می‏آید و نیز ناهمگونی‏های نحوی، ساختاری و معنایی را برطرف خواهد نمود.مدل ارائه‌شده با مباحث مختلف از جمله طراحی آنتولوژی‌ها، داده‏های سنسوری، وارد نمودن زمان در سه-تایی‌های RDF، استخراج قوانین و نمایش آن‌ها به صورت معنایی، انجام استنتاج معنایی، بازیابی داده‌های ذخیره شده در RDFStore روبه رو می‌باشد که در پیاده‌سازی در نظر گرفته می‌شوند.ساختار پیشنهادی از نظر کمی و کیفی مورد بررسی قرار گرفته شده است و ویژگی‌های اصلی آن در مقایسه با سایر سیستم‌های داده‏آمیزی برشمرده می‌شود و همچنین با پیاده‌سازی مدل، نشان داده می‏شود که این مدل قابلیت عملیاتی شدن را دارد و کارایی آن توسط فرد خبره موردتأیید قرار می‏گیرد.

مسئله تصمیم‌گیری و استفاده از سیستم‌های کامپیوتری برای کمک و پشتیبانی‏تصمیم در سازمانهای آموزشی، مسئله جدیدی نیست و لیکن همواره یک مسئله پیچیده و حساس می‌باشد. آموزش به عنوان یک هدف تجاری هم می‌بایستی تصمیم‌های مناسب و موثّر و سریع اتخاذ نماید. استفاده از نگرش‌های جدید، از جمله استفاده از یک سیستم تولید مداوم هوش بر اساس اطلاعات داخل سازمانی و خارج سازمانی، برای کمک به مدیران اینگونه سیستم‌های آموزشی بسیار حیاتی است. در سیستم‏های هوش سازمانی که تاکنون طراحی شده‏اند، امکان استفاده از داده‏های خارجی آن هم به صورت جریانی از داده‏ها، ضمن استفاده از داده‏های داخلی، فراهم نشده است. البته استفاده از داده‏های خارجی و جریانی در یک سیستم هوش سازمانی، چالشهایی را به همراه دارد. تشخیص داده‏های مرتبط با اهداف سازمان و استخراج دانش نهفته در داده‏های جریانی از مهمترین این چالشها می‏باشند. از آنجا که در طراحی سیستم‏های هوش سازمانی متداول، این مسائل در نظر گرفته نشده‏اند، ارائه یک طراحی جدید در این خصوص ضروری می‏باشد. در این رساله طراحی یک سیستم تولید مداوم هوش برای سازمان‏های آموزشی ارائه شده است. آنتولوژی سازمان و کاوش داده‏های جریانی، مهمترین اجزا در طراحی این سیستم می‏باشند. در این تحقیق، سیستم پیشنهادی به صورت محدود پیاده‏سازی شده و مورد ارزیابی قرار گرفته است. در این سیستم کاوش داده‏های جریانی با پیاده‏سازی یکی از الگوریتمهای کاوش اقلام تکراری روی داده‏های جریانی، انجام شده و نحوه اجرای آن در کنار داده‏کاوی داده‏های داخلی نشان داده شده است.

اهمیت دسته بندی موضوعی صفحات وب باعث شده با پیدایش اولین سایت های اینترنتیشرکت های بزرگی مانند یاهو و AOL به فکر ارائه سرویس های فهرست وب که وب سایت های مختلف را با کمک نیروی انسانی بر اساس موضوع دسته بندی می کند بیفتند. با افزایش روز افزون تعداد صفحات وب و عدم امکان دسته بندی صفحات وب به صورت دستی و همچنین پیدایش کاربرد های دیگری برای دسته بندی خودکار صفحات وب از قبیل فیلترینگ هوشمند و ایجاد نسل آینده موتور های جستجو گر، تحقیقاتی در این زمینه صورت گرفته که متاسفانه تا کنون نتیجه ای مطلوب و کاربردی حاصل نشده است. در اکثر تحقیقات پیشین در زمینه دسته بندی خودکار صفحات وب تنها از یک، دو و یا نهایتا سه مورد از ویژگی های قابل استخراج از صفحات وب استفاده گردیده است. از جمله این ویژگی ها می توان به استفاده از خواص تگ هایHTML از قبیل تگ های متا،عنوان صفحات، تگ های تاکید، پیوند ها و صفحات همسایه، آدرس صفحات ، موقعیت مکانی کلمات و فرکانس تکرار آنها و نیز استفاده از تکنیک های آنتالوژیاشاره کرد. در روش پیشنهادی که در این پایان نامه ارائه شده است بر روی ترکیب این موارد تمرکز شده و نشان داده شده است که استفاده همزمان از ویژگی های مختلف می تواند به افزایش دقت دسته بندی صفحات وب کمک کند.

آنتولوژی به معنای تعریف صوری مفاهیم می‌باشد. برای ذخیره‌سازی آنتولوژی، دو روش مهم، روش‌های مبتنی بر حافظه و روش‌های ذخیره‌سازی در مدل داده رابطه‌ای می‌باشند. یکی از مشکلات روش‌های مبتنی بر حافظه که در برنامه‌های استدلال‌گری مانند pellet استفاده می‌شوند این است که مدت زمان اجرای پرس‌و‌جو نسبتا زیاد می‌باشد. پایگاه‌های داده رابطه‌ای به دلیل مزایایی همچون بالا رفتن سرعت دست‌یابی به اطلاعات، تضمین بالای امنیت محل نگه‌داری اطلاعات، کاهش هزینه‌های نگه‌داری، استفاده همزمان چند کاربر از یک داده و تخصیص سطوح مختلف دسترسی به گروه‌های مختلف کاری و همچنین امکان استفاده برنامه‌های کاربردی گوناگون از اطلاعات موجود در پایگاه‌داده رابطه‌ای، جهت ذخیره‌سازی آنتولوژی مناسب می‌باشند. روش‌های مبتنی بر مدل داده رابطه‌ای نیز که تا کنون ارایه شده‌اند دارای مشکلاتی مانند حجم بالای تعداد جداول تولید‌شده، طولانی بودن مراحل الگوریتم، عدم انعطاف‌پذیری در مقابل اعمالی همچون اضافه و حذف نمودن و همچنین به‌روزرسانی مفاهیم موجود در آنتولوژی و طولانی بودن زمان اعمال تغییرات و در نهایت عدم امکان پیاده‌سازی بیشتر روش‌ها، می‌باشند. روش ارایه‌شده در این پایان‌نامه، روشی مبتنی بر تکنیک نگاشت می‌باشد و با ایجاد تعداد ثابت 5 جدول به ذخیره‌سازی مفاهیم موجود در آنتولوژی نظیر کلاس‌ها و روابط بین آن‌ها، ویژگی کلاس‌ها، محدودیت ویژگی‌ها و همچنین نمونه‌های ایجاد شده از کلاس‌ها، به ذخیره‌سازی مفاهیم در پایگاه‌داده رابطه‌ای می‌پردازد. روش پیشنهادی که به صورت کامل پیاده‌سازی شده است، مزایایی نظیر بهینه بودن زمان پرس‌وجو، کم بودن مراحل الگوریتم، امکان ایجاد تغییرات و قابلیت پیاده‌سازی را به طور کامل پوشش می‌دهد، همچنین فاکتورهایی مانند مدت زمان اجرای پرس‌وجو،صحت، کامل بودن، مقیاس‌پذیری، تعداد مراحل الگوریتم، تعداد جداول ایجاد شده، پیچیدگی مدل نهایی و فهم آسان آزمایش شده اند که نتایج حاصل از روش پیشنهادی، در بسیاری از معیار‌های ذکر شده دارای عملکرد بهتری می‌باشد.

در سال‌های اخیر، تکنیک‌های فیلتر محتوایی دانش‌محور مبتنی‌بر پایگاه دانش و آنتولوژی به‌ روش‌هایی کارا و قابل‌قبول برای فیلتر اطلاعات تبدیل شده‌اند. در این تحقیق از ساختار آنتولوژی و پایگاه‌دانش‌های ویکی‌پدیا، وردنت و BNC برای عمل فیلتر اسناد، بهبود نمایش اولویت‌های کاربری و محتوای اسناد و محاسبه شباهت معنایی استفاده می‌شود. همچنین سامان‌دهی علایق کاربری و محتوای اسناد در پروفایل‌ها امکان استخراج دانش درباره‌ی علایق احتمالی کاربران و محتوای اسناد را با استفاده از آنتولوژی و پایگاه‌دانش فراهم می‌آورد. این تحقیق روشی نوین و منحصر‌به‌فرد در ساختار ترکیب خبرگان برای فیلتر اسناد ارائه می‌کند و مجموعه‌ای از بهترین و کاراترین روش‌های فیلتر را پیاده‌سازی و با هم یکپارچه می‌کند. ارزیابی سیستم در دو مرحله ارزیابی روش‌های محاسبه شباهت معنایی و روش‌های فیلتر محتوایی با استفاده از مجموعه داده‌های میلر- چارلز و 20Newsgroup انجام می‌شود. نتایج ارزیابی، همبستگی زیاد روش‌های محاسبه‌ی شباهت معنایی میان مفاهیم را با قضاوت بشر نشان می‌دهد. روش‌ مبتنی‌بر ویکی‌پدیا با میزان همبستگی 0.779 نه‌تنها از دیگر روش‌های پیاده‌سازی شده بهتر عمل می‌کند بلکه از روش‌های مشابه و شناخته‌شده‌ای مانند CODC با میزان همبستگی 0.693 و روش ESA با میزان همبستگی 0.58 بهتر عمل می‌کند. به‌علاوه در ارزیابی روش‌های فیلتر دانش‌محور ملاحظه می‌شود که روش مبتنی‌بر آنتولوژی با نرخ صحت و کارآیی98.9 و 98 درصد و روش مبتنی‌بر ویکی‌پدیا با نرخ صحت و کارآیی98.2 و 96 درصد نتایجبهتری نسبت به دیگر روش‌های مشابه و شناخته شده مانند NB-SVM Hybrid دارند. همچنین نتایج ارزیابی روش مبتنی‌بر ساختار ترکیب خبرگانبا نرخ صحت و کارآیی 99.4 و 98.9 درصد نشان می‌دهد کهاین روش نه‌تنها از تک‌تک روش‌های پیاده‌سازی شده کارآیی و صحت بالاتری دارد، بلکه می‌تواند خطاهای عمل فیلتر را تصحیح کند. براساس این نتایج، سیستم پیاده‌سازی شده می‌تواند به‌عنوان رویکرد جدیدی در فیلتر محتوایی و به‌عنوان چارچوبی برای استفاده در کاربردهای فیلتر اطلاعات استفاده شود.

با افزایش روزافزون کاربران اینترنت، این بستر به منبعی غنی از اطلاعات تبدیل شده و با همگانی شدن آن، بیان نظرات و عقاید کاربران در مورد کالا‌ها، سازمان‌ها و اشخاص با سادگی بیشتری انجام می‌شود. با توجه به تحقیقاتی که در سال 2009 انجام گرفت، موثرترین عامل در تصمیم‌گیری مشتریان در خرید الکترونیک، نظرات ارائه شده توسط کاربران در مورد کالا‌ها می‌باشد. ولی با افزایش نظرات کاربران در مورد کالا‌ها تصمیم‌گیری و نتیجه‌گیری از نظرات مشکل شده است. در این پایان نامه مدل جدیدی از نظرکاوی ارائه شده است. در این مدل بر خلاف کارهای گذشته، برای کلمات بیان کننده احساسات، شدت گرایش تعیین می‌شود و در شناسایی گرایش شخص نسبت به یک کالا لحاظ می‌شود. همچنین در این مدل روشی برای تخصیص وزن به ویژگی‌ها ارائه شده است. کارایی مدل پیشنهادی بر روی مجموعه داده تهیه شده از وب سرویس آمازون ارزیابی و با سایر مدل‌ها مقایسه شده است. خلاصه‌سازی با استفاده از مدل پیشنهادی دارای جزئیات دقیق‌تر و کامل‌تر نسبت به مدل‌های گذشته می‌باشد و همچنین شناسایی رتبه کالا از نظرات با استفاده از این مدل نسبت به سایر مدل‌های با دقت بالاتری انجام می‌شود.

امروزه یکی از مهمترین چالش‌ها در زمینه امنیت اطلاعات و شبکه‌های ارتباطی، گسترش روزافزون بدافزارها است که به دنبال آن،یافتن راه‌های مناسب جهت حفاظت سیستم‌ها در مقابل نفوذگران الزامی است .یکی از مشکلات اساسی برای درک صحیح رفتارهای مخرب و گرایش‌های جدید در توسعه بدافزارها، این است که بدافزارها نیز مانند کامپیوترها و نرم‌افزارها به سرعت توسعه و بهبود می‌یابند و روز به روز، از روش‌های پیچیده‌تری برای گریز از تشخیص بهره می‌گیرند. لذا روش‌های سنتی، مانند تطابق چند رشته کد از امضای بدافزارها، که قادر به شناسایی بدافزارهای ناشناخته و جدید نبوده و میزان هشدارهای نادرست بالایی دارند، به تنهایی کارایی لازم جهت تشخیص بدافزارها را ندارند. در اینجاست که تشخیص هوشمند به موازات پیچیده‌تر شدن بدافزارها مورد توجه قرار گرفته‌است. روش‌های هوشمند کنونی، با تکیه بر تکنیک‌های یادگیری ماشین، کمک به درک سریع‌تر رفتارهای مخرب کرده و، در نتیجه، راه را برای تشخیص و ارزیابی بدافزارها هموارتر ساخته اند. باتوجه به اهمیت این موضوع، ایده اصلی ما، ارائه یک سیستم تشخیص بدافزار با توانایی درک معنایی است که با استفاده از جریان اطلاعات یعنی روابط میان داده‌ها و استنتاج آنها، بدافزار را شناسایی کرده و، سپس، با استفاده از طبقه‌بندی ابعادی پیشنهادی، بدافزار شناسایی شده را به درستی به خانواده مربوط به خود اختصاص می‌دهد.چارچوب پیشنهادی به معرفی یک سیستم تشخیص نفوذ توزیع شده در سطح شبکه می‌پردازد که شناسایی بدافزارها را با استفاده از مفاهیم هستان‌شناسی انجام داده و آن ها را به خوبی طبقه‌بندی می‌کند. سیستم ارائه شده، قادر به شناسایی حملات ناشناخته بوده و بهبود قابل ملاحظه‌ای در نرخ تشخیص، نسبت به سایر روش‌ها داشته، ضمن اینکه نرخ هشدارهای نادرست آن، در مقایسه با سایر روش‌ها پایین‌تر است.