本文關(guān)鍵詞：云安全免疫系統(tǒng)關(guān)鍵技術(shù)研究

  更多相關(guān)文章： 云計算 云安全 人體免疫 運行機制 Bloom Filter

【摘要】：大數(shù)據(jù)時代的到來,使得數(shù)據(jù)量、數(shù)據(jù)復(fù)雜度和數(shù)據(jù)的處理方式發(fā)生很大變化,云計算被看作是繼PC、Internet之后的第三次信息化革命,反應(yīng)出“網(wǎng)絡(luò)即是計算機”的思想,它把海量軟硬件資源有效融合后,生成一個規(guī)模巨大的計算機共享資源池,為用戶提供方便快捷的按需服務(wù),較好滿足大數(shù)據(jù)背景下的用戶實際需求。隨著云計算的深入發(fā)展,云數(shù)據(jù)安全成為了一個關(guān)鍵問題,其面臨著如何在海量節(jié)點和海量信息處理需求的環(huán)境下實現(xiàn)用戶數(shù)據(jù)安全的挑戰(zhàn)。傳統(tǒng)的云安全技術(shù)在進行海量數(shù)據(jù)處理時,往往達不到理想的時空效率,其動態(tài)性、智能性欠佳,且占用較多帶寬。為更好保障云環(huán)境下數(shù)據(jù)運行的安全,以人體免疫系統(tǒng)(Human Immune System, HIS)運行機理為理論依據(jù),借鑒其功能特性,在人工免疫和計算機免疫系統(tǒng)(Computer Immune System, CIS)基礎(chǔ)上,結(jié)合云計算特點,提出了基于人體免疫原理的云安全免疫系統(tǒng)(Cloud Security Immune System, CSIS),設(shè)計了CSIS運行機制和八個相關(guān)算法,并分析了其特點。實驗表明,CSIS對自我集特征數(shù)據(jù)和異常特征數(shù)據(jù)具有較高的識別率,能較好保障云數(shù)據(jù)的安全。為提高CSIS性能,重點對自我集特征數(shù)據(jù)的表示和存儲進行了研究。首先,提出布魯姆過濾器自我集存儲模式(Bloom Filter Self-Set, BFSS),可有效降低自我集的存儲空間,減少查詢時間。其次,為了支持對特征數(shù)據(jù)的刪除操作,提出計數(shù)式布魯姆過濾器自我集存儲模式(Counting Bloom Filter Self-Set, CTBFSS)。最后,為了進一步降低自我集的存儲空間和減少查詢時間,提出壓縮式布魯姆過濾器自我集存儲模式(Compressed Bloom Filter Self-Set, CPBFSS)。實驗表明,BFSS、CTBFSS和CPBFSS能在具有較高識別率的前提下有效減少客服兩端交互傳遞的時間開銷,加快查找過程,提高系統(tǒng)的整體性能。
【關(guān)鍵詞】：云計算 云安全 人體免疫 運行機制 Bloom Filter
【學(xué)位授予單位】：廣西大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.08
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-13
• 1.1 研究背景10-11
• 1.2 研究內(nèi)容11-12
• 1.3 論文組織結(jié)構(gòu)12-13
• 第二章 相關(guān)理論介紹13-23
• 2.1 人體免疫系統(tǒng)13-16
• 2.1.1 體系結(jié)構(gòu)13-14
• 2.1.2 組織構(gòu)成14-16
• 2.1.3 基本功能16
• 2.1.4 運行方式16
• 2.2 人工免疫系統(tǒng)16-21
• 2.2.1 概念17
• 2.2.2 相關(guān)算法17-20
• 2.2.3 應(yīng)用領(lǐng)域20-21
• 2.3 計算機免疫系統(tǒng)21-22
• 2.4 小結(jié)22-23
• 第三章 云安全免疫系統(tǒng)機制研究23-37
• 3.1 云安全免疫系統(tǒng)與人體免疫系統(tǒng)的關(guān)系23-24
• 3.2 安全系統(tǒng)體系架構(gòu)研究24-27
• 3.2.1 整體架構(gòu)24-25
• 3.2.2 運行機制研究25-27
• 3.3 安全機制算法研究27-33
• 3.3.1 記憶細胞算法27-28
• 3.3.2 APC算法28
• 3.3.3 常見抗體數(shù)據(jù)庫算法28-29
• 3.3.4 查詢算法29-30
• 3.3.5 抗體數(shù)據(jù)庫算法30-31
• 3.3.6 B細胞算法31
• 3.3.7 T細胞算法31-32
• 3.3.8 疫苗接種算法32-33
• 3.4 云安全免疫系統(tǒng)分析33-34
• 3.5 實驗34-36
• 3.5.1 平臺和數(shù)據(jù)簡介34-35
• 3.5.2 結(jié)果分析35-36
• 3.6 小結(jié)36-37
• 第四章 基于布魯姆的自我集研究37-53
• 4.1 概念37
• 4.2 布魯姆過濾器技術(shù)分析37-43
• 4.2.1 相關(guān)概念37
• 4.2.2 算法原理37-40
• 4.2.3 誤判率分析40-41
• 4.2.4 相關(guān)改進研究41-42
• 4.2.5 典型應(yīng)用42-43
• 4.3 布魯姆過濾器在云安全免疫系統(tǒng)中的自我集研究43-50
• 4.3.1 自我集定義43-45
• 4.3.2 自我集構(gòu)造算法45-47
• 4.3.3 基于布魯姆的自我集構(gòu)造算法改進研究47-50
• 4.4 實驗結(jié)果50-52
• 4.5 小結(jié)52-53
• 第五章 總結(jié)與展望53-55
• 5.1 本文總結(jié)53-54
• 5.2 下一步工作展望54-55
• 參考文獻55-59
• 致謝59-60
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 肖明忠;代亞非;;Bloom Filter及其應(yīng)用綜述[J];計算機科學(xué);2004年04期

2 謝鯤;文吉剛;張大方;謝高崗;;布魯姆過濾器查詢算法[J];軟件學(xué)報;2009年01期

3 劉川意;林杰;唐博;;面向云計算模式運行環(huán)境可信性動態(tài)驗證機制[J];軟件學(xué)報;2014年03期

，

本文編號：592619