基于云计算的网络安全态势感知模型研究

1 引言 随着计算机和通信技术的迅速发展, 计算机网络的应用越来越广泛, 其规模越来越庞大, 多层面的网络安全威胁和安全风险也在不断增加, 网络病毒. Dos/DDos攻击等构成的威胁和损失越来越大, 网络攻击行为向着分布化. 规模化. 复杂化等趋势发展, 仅仅依靠防火墙. 入侵检测. 防病毒. 访问控制等单一的网络安全防护技术, 已不能满足网络安全的需求, 迫切需要新的技术, 及时发现网络中的异常事件, 实时掌握网络安全状况, 将之前很多时候亡羊补牢的事中. 事后处理,转向事前自动评估预测,

2017中国互联网安全大会12日召开,与会代表普遍认为,当前网络安全形势复杂严峻,亟需提前谋划,努力做到防患于未然.工信部网络安全管理局局长赵志国表示,网络安全态势感知能力建设.应急处置等方面,是需要我们不断强化和努力的方向.360企业安全集团副总裁韩永刚也表示,态势感知代表了当前网络安全攻防对抗的最新趋势. 态势感知,即"利用当前数据趋势预测未来事件",其思路是通过现有的数据预测即将到来的网络攻击,并进行必要的防护. 相关概念股: 启明星辰:计算机行业 不久前与浪潮签约,为云租户提供

基于云计算的教学资源共享体系的研究与实现 安徽理工大学 曹军委 本文首先介绍了云计算的概念和云体系结构模型,通过对现有云平台的简单介绍,了解各个公司平台的特点和功能:其次详细介绍了Google App Engine平台搭建的底层技术,分析了Google App Engine开发相关API:然后详细阐述了教学资源共享体系的设计方案.包括业务流程设计,功能模块设计和数据持久化设计.并针对在Google App Engine环境下无法完美使用J2EE标准和传统数据库存储模型向对象型数据存储模型映射的难

基于嵌入式多处理器的轻量级MapReduce模型研究 随着近年来云计算的快速发展以及多核处理器核心数的快速增长,并行开发技术的应用也越来越普遍.各种并行开发技术如MPI.OpenMP等已经非常成熟的应用于各个领域,并且在Google的MapReduce编程模型的带动下出现了很多基于MapReduce模型的开发框架,如Phoenix.Metis.Hadoop等,但是Phoenix和Metis是基于共享内存架构实现的,不能用于分布式集群,而Hadoop集群部署在嵌入式环境下的执行效率不高.因此目前还

基于云计算的管理信息系统的访问控制研究 重庆大学   向宇 本文通过对现有工作流技术和访问控制模型进行充分研究,在最合适工作流管理系统的TRBAC模型的基础上,从应用的角度对该模型进行一些改进.该模型将基于角色的访问控制中的角色概念引入到基于任务的访问控制之中,其核心思想是让用户通过获取某个角色(但包含该权限的授权步必须处于激活状态,否则该角色的权限将被冻结)来实现数据的访问权限.该访问控制模型能很好的模拟现实环境中的管理层次结构,很好的解决了访问控制灵活程度低的问题,同时又利用"工作流&quo

基于云计算的并行K-means气象数据挖掘研究与应用 南京信息工程大学   潘吴斌 聚类分析是数据挖掘中的一个重要研究领域,它将数据划分成若干个聚类,使得在同一聚类中的对象比较相似,而不同聚类中的对象差别很大.K-means算法被认为是最经典的基于划分的聚类方法,常采用误差平方和准则函数作为聚类准则,该算法在处理数据集上相对可伸缩且高效率.但面对大规模数据时,运算量也随之增加,运算所需的资源和时间耗费明显增大.为了突破这个瓶颈,通过分析和研究得知,与传统的并行计算模型相比,MapReduce分布

基于云计算的网络安全威胁及防范 黄志宏,巫莉莉,张波 介绍了云计算的概念和体系结构,讨论了目前云计算面临的安全问题.通过对云安全策略和网络安全策略的研究与分析,从云端.用户端及云端和用户端互动3 方面入手,设计了一个安全云计算框架,期望对云计算安全防范提供一定的参考. 关键词:云计算; 安全策略; 安全框架 temp_12091809419815.pdf

本文讲的是基于云计算的SAAS商业模式类比研究,云计算是现在一个炙手可热的概念,而SAAS是云计算的重要组成部分.SAAS是企业走向信息化的重要途径,对其成功企业商业模式的研究可对即将走向SAAS的企业有着至关重要的参考作用.本文对当前典型的SAAS企业的商业模式做出描述与分析,分别分析了以软件超市著称的阿里软件,企业管理专家NETSUITE,以及对比了在线CRM的Salesforce和八百客. 云计算与SAAS SaaS起源于世纪90年代的ASP,早于云计算出现,而云计算由集群和网格计算演变而

基于云计算的受限玻尔兹曼机推荐算法研究 郑志蕴  李步源  李伦  李钝 数据的指数级增长及算法本身的复杂性使受限玻尔兹曼机面临着计算效率的问题.在详细分析受限玻尔兹曼机的基础上,将受限玻尔兹曼机与Hadoop平台的并行计算架构相结合,提出基于云平台的受限玻尔兹曼机推荐算法.该算法通过复制机制解决数据相关性问题,并将传统的受限玻尔兹曼机过程分解为若干个Hadoop任务的循环,实现并行计算.实验结果表明,与在传统平台上的实现相比,基于Hadoop并行架构的受限玻尔兹曼机推荐算法在大体量数据集的条件