移动云计算及其军事应用探讨

计算机与通信技术的不断融合促进了移动云计算的产生与发展。阐述了移动云计算的概念和实质,探讨了移动云计算的服务模型,指出了我国发展移动云计算的重要意义,提出了移动云计算在军事领域应用的几点设想,并对移动云计算用于军事领域进行了展望。     

基于云计算的军事物流平台设计

通过研究云计算的理论技术,结合军事物流的发展现状,设计了基于云计算的军事物流平台的总体架构,提出了平台的技术架构和功能架构,并对平台提供的具体服务分别进行了阐述。最后对云计算技术在军事物流体系中的实际应用提出了展望。     

云计算在军事应用的安全问题研究

0 引言
　　云计算在民用方面的应用正飞速的发展着,其在军事领域也具有巨大的应用价值,近年来以美国为代表的各军事大国始终致力于探索云计算技术的应用。由于军事应用所要求的高保密性,运用云计算的安全问题需引起高度重视。本文首先介绍云计算的概念,其次分析美军引进云计算技术的原因以及美军在云计算应用的情况,最后着重研究军事应用中的云安全问题,并提出规避风险的一系列措施。     

云测试的概念及其应用探索

云计算技术的快速发展和广泛应用,将对测试测量行业产生革命性影响;首先研究了云计算的概念内涵、服务模式和技术优点;其次将云计算与自动测试技术结合,提出了云测试的概念并阐述了其内涵;然后基于测试体系的军事需求,在DoDAF框架下给出一种云测试体系结构,并指出了云测试的关键技术及其研究思路;最后从现代武器装备的测试保障需求出发对云测试的应用进行了探索。     

深入浅出云计算

以通俗易懂的方式介绍了云计算的基本概念,理清目前对云计算领域的几个认识误区,例如把云计算等同于软件及服务、平台及服务等;介绍云计算在当前市场上的几个成功应用,对比它们之间的优劣势,使用Amazon S3进行了一次云计算应用体验。     

深入浅出云计算

以通俗易懂的方式介绍了云计算的基本概念,理清目前对云计算领域的几个认识误区,例如把云计算等同于软件及服务、平台及服务等;介绍云计算在当前市场上的几个成功应用,对比它们之间的优劣势,使用Amazon S3进行了一次云计算应用体验。     

中小企业云计算服务部署模型选择

提出云计算的选择模型,以期帮助中小企业做出初步云计算选型判断.首先介绍了云计算的基本概念和常用模型,其次从工作负载角度分析了云计算服务部署组合的适用场景,在此基础上,结合专家访谈,建立了云计算服务部署的选择模型,最后给出了应用案例以验证模型的合理性.     

云计算中的信息安全风险评估

云计算具有快速灵活、随需求而变、按使用付费、可扩展能力强等特点,其应用愈来愈广泛,如何评价云计算服务的安全风险是信息安全领域面临的新问题.由于云计算服务具有传统意义上的信息系统特点,结合云计算架构的三个服务层次:基础设施即服务、平台即服务和软件即服务.以信息系统安全风险评估的规范性动作为基本流程,从客户端和服务端两个角度,对如何实施信息安全风险评估加以阐述,为人们分析云计算服务中可能存在的安全风险和评价云计算的安全性提供参考.     

一种基于云计算技术的军事信息系统体系架构

云计算技术在商用领域已经取得了巨大的成功,但在军事领域还处于探索之中,尚没有合适的体系架构提出。文中在研究现有军事信息系统体系架构及军事信息系统发展趋势的基础上,提出了一种基于云计算技术的军事信息系统体系架构。该架构将面向服务架构(SOA)与云计算技术相结合,具有强大的数据共享能力,同时具备高性能、高可靠性、高维护性、高可扩展性等,可以为未来军事信息系统提供高性能信息处理能力以及高效的信息集成和共享能力。     

高实时要求的嵌入式智能计算云平台设计

智能云计算是下一代智能作战装备的发展趋势,本文针对军事应用场景下的高实时性要求,介绍一种嵌入式智能云计算平台.该系统基于ARM+DSP+FPGA架构,采用MapReduce技术,可实现大数据智能计算方法在典型军事应用场景下的应用.     

云计算服务质量测评指标体系研究

随着云计算服务的兴起,云计算服务质量的定义、度量和评价的一致性问题逐渐引起各大云计算服务提供商和云计算用户的关注。因此,研究云计算服务质量测评方法和指标体系,通过服务质量评估,为评估云计算服务水平提供数据支撑和决策依据,势在必行。为此,本文针对云计算服务质量的测评方法和评价指标体系缺失等问题,在掌握现有国内外云计算服务质量测评方法、解决方案及其应用情况的基础上,借鉴其成熟的模型和思路,开展云计算服务质量测评指标方法研究。通过搭建云计算服务质量测评指标体系,提炼云计算服务质量评估要求,让云计算服务质量测评真正落地。     

Matrix based proactive resource provisioning in mobile cloud environment

Mobile cloud computing is a dynamic, virtually scalable and network based computing environment where mobile device acts as a thin client and applications run on remote cloud servers. Mobile cloud computing resources required by different users depend on their respective personalized applications. Therefore, efficient resource provisioning in mobile clouds is an important aspect that needs special attention in order to make the mobile cloud computing a highly optimized entity. This paper proposes an adaptive model for efficient resource provisioning in mobile clouds by predicting and storing resource usages in a two dimensional matrix termed as resource provisioning matrix. These resource provisioning matrices are further used by an independent authority to predict future required resources using artificial neural network. Independent authority also checks and verifies resource usage bill computed by cloud service provider using resource provisioning matrices. It provides cost computation reliability for mobile customers in mobile cloud environment. Proposed model is implemented on Hadoop using three different applications. Results indicate that proposed model provides better mobile cloud resources utilization as well as maintains quality of service for mobile customer. Proposed model increases battery life of mobile device and decreases data usage cost for mobile customer.     

Performance evaluation of cloud service considering fault recovery

Cloud computing is a recent trend in IT, which has attracted lots of attention. In cloud computing, service reliability and service performance are two important issues. To improve cloud service reliability, fault tolerance techniques such as fault recovery may be used, which in turn has impact on cloud service performance. Such impact deserves detailed research. Although there exist some researches on cloud/grid service reliability and performance, very few of them addressed the issues of fault recovery and its impact on service performance. In this paper, we conduct detailed research on performance evaluation of cloud service considering fault recovery. We consider recovery on both processing nodes and communication links. The commonly adopted assumption of Poisson arrivals of users’ service requests is relaxed, and the interarrival times of service requests can take arbitrary probability distribution. The precedence constraints of subtasks are also considered. The probability distribution of service response time is derived, and a numerical example is presented. The proposed cloud performance evaluation models and methods could yield results which are realistic, and thus are of practical value for related decision-makings in cloud computing.     

云计算技术在信息化服务中的应用与创新

云计算作为当前信息领域的一个热点,其高可靠性、可扩展性和高度灵活性,推进IT行业的发展,也逐步影响着医疗卫生信息化服务。文章论述了云计算平台的主要服务类型及云计算技术的基本概念、技术特点,介绍了云计算技术在医疗卫生行业中的应用,提出了云计算技术在医疗卫生信息化服务的具体创新服务,以适应云环境的发展要求。     

一种透明的可信云租户隔离机制研究

租户隔离是云计算能被作为第三方服务提供给租户的重要前提,因此云租户隔离机制的安全有效性能否被租户信任对云计算服务的推广非常关键.但是在云计算这种第三方服务模式中,由于租户不能参与云服务基础设施及其安全隔离机制的建设和管理过程,因此他们难以对云租户隔离机制的安全有效性建立信心.本文将透明性要求视为可信云租户隔离机制的一部分,将云租户隔离机制和租户透明要求都转化为云服务系统中不同安全域之间的信息流, 对云租户隔离机制进行定义,并制定云计算平台中的域间信息流策略控制方式,最后基于信息流无干扰理论证明了所定义的云租户隔离机制在安全方面的有效性.     

云计算的安全性探讨

云计算是当前信息产业中研究与应用的热点.云计算在快速发展的同时,也存在着很多的安全隐患,安全是云计算领域亟待解决的主要问题之一.当今各种云计算安全技术尚未十分成熟,对于普通用户来说,还不能完全依赖服务商和利用既有的安全技术来保障自己的数据安全.文章介绍了云计算安全的现状,根据云计算的特点分析了其主要的安全风险,并提出了降低安全风险的主要思路,使云计算用户能积极部署风险管理措施,在享受云计算的诸多好处的同时,把安全风险尽量降低.     

基于ROS的服务机器人云端协同计算框架

随着机器人应用技术的发展,服务机器人走进人们的生活日渐成为可能. 但机器人本身计算能力有限,同时仅靠自身的传感器接收的信息也有一定的局限性. 现有的机器人还不足以胜任面对复杂场景的应对能力,也不能够满足人们对服务机器人的期待. 本文设计的云机器人计算框架（cloud robot computing framework, CRCF）通过云端,将智能家居以及其他智能硬件与机器人相结合,为机器人提供更多更广的信息. 同时,CRCF通过互联网结合了其它第三方的云端应用API,为机器人提供更多的服务功能. CRCF框架旨在利用云端的大数据处理能力提升机器人的计算和存储能力,并结合第三方云端应用服务和智能硬件设备来拓展机器人的信息来源和服务功能. 最后,本文通过远程语音控制机器人的实验,验证了CRCF系统平台在结合硬件设备以及第三方云端应用的功能和性能.     

基于云的计算机取证系统研究

云计算是目前最流行的互联网计算模式,它具有弹性计算、资源虚拟化、按需服务等特点。在云计算的环境中,云计算中心直接提供由基础设施、平台、应用等组成的各种服务,用户不再拥有自己的基础设施、软件和数据,而是共享整个云基础架构。这种方式直接影响了云计算环境的安全性和可用性,给云计算带来了巨大的隐患。在分析和研究云计算环境下的安全缺陷和安全威胁的前提下,提出了一种基于云的计算机取证系统的设计方案———利用计算机取证技术解决云计算环境的安全问题,同时利用云计算技术和超算技术满足传统取证对高性能计算的需求。     

Preemptive cloud resource allocation modeling of processing jobs

Cloud computing allows execution and deployment of different types of applications such as interactive databases or web-based services which require distinctive types of resources. These applications lease cloud resources for a considerably long period and usually occupy various resources to maintain a high quality of service (QoS) factor. On the other hand, general big data batch processing workloads are less QoS-sensitive and require massively parallel cloud resources for short period. Despite the elasticity feature of cloud computing, fine-scale characteristics of cloud-based applications may cause temporal low resource utilization in the cloud computing systems, while process-intensive highly utilized workload suffers from performance issues. Therefore, ability of utilization efficient scheduling of heterogeneous workload is one challenging issue for cloud owners. In this paper, addressing the heterogeneity issue impact on low utilization of cloud computing system, conjunct resource allocation scheme of cloud applications and processing jobs is presented to enhance the cloud utilization. The main idea behind this paper is to apply processing jobs and cloud applications jointly in a preemptive way. However, utilization efficient resource allocation requires exact modeling of workloads. So, first, a novel methodology to model the processing jobs and other cloud applications is proposed. Such jobs are modeled as a collection of parallel and sequential tasks in a Markovian process. This enables us to analyze and calculate the efficient resources required to serve the tasks. The next step makes use of the proposed model to develop a preemptive scheduling algorithm for the processing jobs in order to improve resource utilization and its associated costs in the cloud computing system. Accordingly, a preemption-based resource allocation architecture is proposed to effectively and efficiently utilize the idle reserved resources for the processing jobs in the cloud paradigms. Then, performance metrics such as service time for the processing jobs are investigated. The accuracy of the proposed analytical model and scheduling analysis is verified through simulations and experimental results. The simulation and experimental results also shed light on the achievable QoS level for the preemptively allocated processing jobs.