در دنياي شبكه‌اي امروز، لزوم داشتن يك نرم‌افزار ضدويروس           

قدرتمند كه كامپيوتر ما را از انواع ويروس‌ها، كرم‌ها، بمب‌هاي

منطقي و به‌طور كلي كدهاي مخرب مصون بدارد، بيش از هر

 زمان ديگري احساس مي‌شود. خوشبختانه (شايد هم

متأسفانه) انتخاب‌هاي متعددي در اين زمينه وجود دارد.

 ولي واقعاً كدام يك از آن‌ها مي‌تواند بهتر مشكل كامپيوتر

 (يا كامپيوترهاي شبكه) ما را حل كند؟ كافي است سري

 به سايت‌هاي مربوط به فروشندگان اين نوع نرم‌افزارها بزنيد

. به نظر مي‌رسد كه همه آن‌ها از بهترين‌ها هستند. و همه آن‌ها

در تمام طول سال و در تمام 24 ساعت شبانه‌روز خدمات خود را ارايه مي‌دهند. از طرفي به دليل بازار رقابتي موجود، هيچكدام از آن‌ها اطلاعات دقيقي از نرم‌افزارخود ارايه نمي‌دهند. شما چه يك متخصصIT باشيد و چه يك كاربر معمولي، ممكن است به دليل نداشتن اطلاعات صحيح براي انتخاب ضدويروس مناسب خود با مشكل مواجه مي‌شويد. بنابراين بسيار مهم است كه بدانيد ضدويروس‌ها چگونه كار مي‌كنند و در واقع عوامل مهم براي انتخاب آن‌ها كدامند.

ضدويروس‌ها چگونه كار مي‌كنند؟

اولين قدم جهت انتخاب يك ضدويروس مناسب آشنايي با  كاركرد ضدويروس‌ها مي‌باشد.

پس از آشنايي با خصوصيات يك ضدويروس، واژگاني كه در اين زمينه استفاده مي‌شود، را خواهيد شناخت. اين‌كه بدانيد ضدويروس چه كارهايي مي‌تواند انجام بدهد و چه كارهايي نمي‌تواند انجام دهد، به شما كمك مي‌كند كه انتظارات معقولي از آن داشته باشيد.

يك ضدويروس چگونه ويروس‌ها را شناسايي مي‌كند؟

روش‌هاي مختلفي براي شناسايي ويروس‌ها وجود دارد. 

ويروس‌ها (به‌طور معمول) چيزي بيشتر از كد يك برنامه نيستند. بنابراين اگر ما بدانيم كه هر كدي چه كاري انجام مي‌دهد قادر خواهيم بود كه كد حامل ويروس را به محض رويت شناسايي كنيم.

اين كار اولين عملي است كه انجام مي‌گيرد و  به نام Signature Matching معروف است.

نرم‌افزارهاي ضدويروس كه به اين روش كار مي‌كنند داراي يك بانك اطلاعاتي هستند كه  شامل Virus signatureها است و به محض اين‌كه كدي را ملاحظه كرد كه معادل يكي از ركوردها باشد آن را به عنوان ويروس شناسايي مي‌كند. به نظر مي‌رسد كه موثرترين راه براي كشف ويروس‌ها همين باشد. روش فوق ذاتاً به‌گونه‌اي است كه اول ويروس را شناسايي مي‌كند و بعد متناظر با آن يك ركورد (virus signature) به بانك اطلاعاتي اضافه مي‌كند و حالا اگر ويروسي پيدا كند، در صورتي‌كه متناظر با اين ويروس ركوردي در بانك اطلاعاتي باشد قادر به شناسايي آن خواهد بود و همين امر ايجاب مي‌كند شركت‌هايي كه از اين فناوري در نرم‌افزار خود استفاده مي‌كنند مدام آن را بروز نگه دارند. به هر حال اين يك نقطه ضعف مي‌باشد و براي فائق آمدن بر آن دو روش ديگر در نرم‌افزارهاي ضدويروس معرفي شده است.

در قسمت قبلي مقاله با مفاهيم كلي شبكه‌هاي عصبي و

 اجزاي آن و نحوه پردازش در آن‌ها آشنا شديد. در اين قسمت

 به مراحل طراحي يك شبكه عصبي مي پردازيم . سپس نظري

 به مقوله بسيار مهم آموزش در چنين شبكه‌هايي خواهيم داشت

 و روش‌هاي مختلف آموزش را بيان مي‌كنيم.

عمليات شبكه‌هاي عصبي
تا اينجا تمام توجه ما معطوف ساختار دروني يك نرون مصنوعي يا المان پردازشي بود. اما بخش مهم ديگري در مراحل طراحي يك شبكه عصبي نيز وجود دارد. در واقع هنر يك طراح شبكه‌هاي عصبي مي‌تواند در چگونگي تركيب نرون‌ها در يك شبكه (neuran Clustering)، متجلي شود. علوم بيولوژي نشان داده‌اند كه كلاسترينگ نرون‌ها در شبكه عصبي مغز ما به‌گونه‌اي است كه ما را قادر مي‌سازد تا اطلاعات را به‌ صورتي پويا، تعاملي و خودسامان (Selforganizing) پردازش كنيم. در شبكه‌هاي عصبي بيولوژيك، نرون‌ها در ساختار‌ي

 سه بعدي به يكديگر اتصال يافته‌اند. اتصالات بين نرون‌ها                          

 در شبكه‌هاي عصبي بيولوژيك آنقدر زياد و پيچيده‌است كه

 به هيچ وجه نمي‌توان شبكه مصنوعي مشابهي طراحي كرد

. تكنولوژي مدارات مجتمع امروزي به ما امكان مي‌دهد كه

 شبكه‌هاي عصبي را در ساختار‌هاي دو بعدي طراحي كنيم.

شبكه‌هاي عصبي را مي‌توان با اغماض زياد، مدل‌هاي الكترونيكي                    

 از ساختار عصبي مغز انسان ناميد. مكانيسم فراگيري و آموزش

 مغز اساساً بر تجربه استوار است. مدل‌هاي الكترونيكي شبكه‌هاي

 عصبي طبيعي نيز بر اساس همين الگو بنا شده‌اند و روش برخورد

 چنين مدل‌هايي با مسائل، با روش‌هاي محاسباتي كه به‌طور معمول

 توسط سيستم‌هاي كامپيوتري در پيش گرفته شده‌اند، تفاوت دارد. مي‌دانيم كه حتي ساده‌ترين مغز‌هاي جانوري هم قادر به حل مسائلي هستند كه اگر نگوييم كه كامپيوترهاي امروزي از حل آنها عاجز هستند، حداقل در حل آنها دچار مشكل مي‌شوند. به عنوان مثال، مسائل مختلف شناسايي الگو، نمونه‌اي از مواردي هستند كه روش‌هاي معمول محاسباتي براي حل آنها به نتيجه مطلوب نمي‌رسند. درحالي‌كه مغز ساده‌ترين جانوران به‌راحتي از عهده چنين مسائلي بر مي‌آيد. تصور عموم كارشناسان IT بر آن است كه مدل‌هاي جديد محاسباتي كه بر اساس شبكه‌هاي عصبي بنا مي‌شوند، جهش بعدي صنعت IT را شكل مي‌دهند. تحقيقات در اين زمينه نشان داده است كه مغز، اطلاعات را همانند الگو‌ها (pattern) ذخيره مي‌كند. فرآيند ذخيره‌سازي اطلاعات به‌صورت الگو و تجزيه و تحليل آن الگو‌، اساس روش نوين محاسباتي را تشكيل مي‌دهند. اين حوزه از دانش محاسباتي (computation) به هيچ وجه از روش‌هاي برنامه‌نويسي سنتي استفاده نمي‌كند و به‌جاي آن از شبكه‌هاي بزرگي كه به‌صورت موازي آرايش شده‌اند و تعليم يافته‌اند، بهره مي‌جويد. در ادامه اين نوشته به اين واژگان كه در گرايش شبكه‌هاي عصبي، معاني ويژه‌اي دارند، بيشتر خواهيم  پرداخت .             .