云存储中的数据完整性证明研究及进展

随着云存储模式的出现,越来越多的用户选择将应用和数据移植到云中,但他们在本地可能并没有保存任何数据副本,无法确保存储在云中的数据是完整的.如何确保云存储环境下用户数据的完整性,成为近来学术界研究的一个热点.数据完整性证明(Provable Data Integrity,PDI)被认为是解决这一问题的重要手段,该文对此进行了综述.首先,给出了数据完整性证明机制的协议框架,分析了云存储环境下数据完整性证明所具备的特征;其次,对各种数据完整性证明机制加以分类,在此分类基础上,介绍了各种典型的数据完整性验证机制并进行了对比;最后,指出了云存储中数据完整性验证面临的挑战及发展趋势.     

大规模网络安全态势分析与预测系统YHSAS

YHSAS系统面向国家骨干网络安全以及大型网络运营商、大型企事业单位等大规模网络环境,对能够引起网络态势发生变化的安全要素进行获取、理解、显示以及预测未来的发展趋势。文章对YHSAS系统的系统架构以及其中的关键技术,包括分布异构网络安全数据集成技术、面向重大网络安全事件发现的关联分析技术、基于数据流和多维分析的网络安全数据实时分析技术、网络安全态势预测技术等。性能测试显示,YHSAS系统在态势分析和预测方面均具有较高的实时性和精度,满足了大规模网络安全态势分析与预测的需求。     

基于爬虫的有害网站发现与判别系统的实现

互联网上充斥着大量的色情、暴力、反动等有害信息,为了能够主动发现和判别包含这些有害信息的网站,文章实现了一个基于网络爬虫的有害网站的发现和判别系统。该系统可以通过网络爬虫技术主动去发现有害网站,并通过内容安全过滤技术来判别网站的合法性,把有害网站名单告知给用户。同时,可以根据给定的网站URL判断该网站的合法性,并把判断理由展示给用户。文章提出了一个快速发现、自动推荐、专家确认有害网站的有效解决方案,该系统的应用将会给网络用户提供一个良好可信的网络环境。     

StarBus一OTS系统的设计与实现

基于分布式对象技术的 ＯＴＳ（对象事务管理）服务有效地保证了分布式事务的原子性和永久性,目前已经成为分布式事务的一种有效的解决方案。本文以基于分布式软件构作平台 ＳｔａｒＢｕｓ实现的 ＯＴＳ服务为基础,详细阐述了ＯＴＳ服务的系统结构和实现的关键技术。     

基于视图自维护理论的高效视图维护机制

1 介绍多库系统中的全局视图是在全局数据模式上定义的,而全局数据模式由各局部数据库(Local Database:LDB)的数据模式通过异构模式消解得到。因此,对全局视图的存取操作要分解为针对多个LDB的子操作,可能还要对数据模式及查询语言进行相应的转换。如果每一次对全局视图的访问都要转换为对底层数据库的访问,代价是很昂贵的,所以多库系统一般都保持物     

普适计算环境下基于构件化中间件的上下文管理技术研究

上下文相关技术已经成为普适计算环境中用于应用服务的不可或缺的核心技术之一。对于基于构件的中间件来说,对高性能的上下文管理的需求更是必不可少,因为它构成了普适计算环境中构件适配和部署的重要基础。因此,在已有构件中间件的基础上,我们针对普适计算环境的特点提出了一种整体的上下文管理方法,将上下文管理集成在已有的构件化中间件中。应用表明,该方法能够更好地支持普适计算环境下上下文相关的构件化应用开发。     

CORBA构件模型中事务集成的研究与设计*

对该方案的设计原理作了详细阐述,提出了合理的解决方案,实现了CCM 3.0规范中该部分的所有功能,达到了预期高效与可靠的目的。在CORBA构件模型中集成事务服务,降低了事务性应用开发的复杂度,提高了软件的可靠性和高效性,并将服务与业务逻辑分离,增强了软件的可重用性和可维护性。     

面向OLAP的高效海量数据存储技术研究与实现

文章在分析了OLAP大规模海量多维数据特点的基础上,针对当前一般规模关系数据库处理海量多维数据能力的不足,通过使用数据库分区技术和并行磁盘组技术,设计并实现了一种高效的、面向OLAP应用的数据存储管理结构。并针对传统查询优化器对于大规模海量数据统计信息更新不及时的问题,设计了一种基于分区技术的统计方法。实验证明,该设计可以对百TB级的多维海量文本数据进行有效的管理。     

基于分布构件的软件性能工程

软件性能工程将软件的性能属性与软件工程技术结合起来，使得软件在早期设计时就能对其性能进行评估。随着分布构件技术的普及，部署过程与动态重构成为软件生命周期的重要组成部分，对软件性能有重大的影响。传统的SPE技术对软件性能的跟踪和追溯在部署和动态重构阶段会被中断，因此不适用于分布构件技术。本文针对基于分布构件技术软件的性能问题，提出了分布构件化软件性能工程技术，使得SPE能够被应用到构件的组装、部署和动态重构阶段。     

基于用户反馈的top-k查询修改算法

top-k查询主要用来从海量的数据中返回用户最为偏好的k个对象.目前已经有大量的研究工作致力于top-k查询中的性能研究,近年来针对top-k查询结果进行解释的研究逐渐得到了广泛的关注.在top-k查询中,由于用户不能精确地指定自己的偏好,因此针对top-k查询的结果用户可能产生这样的质疑:"既然连对象p都出现在top-k结果中,为什么我期望的对象m块没有出现在top-k结果/"针对用户这样的疑问,提出了一种基于用户反馈的top-k查询修改算法,该算法首先定义了用来衡量初始化top-k查询变化的评估模型函数,基于该评估模型函数,使用抽样方法得到候选权重集合,针对每一个候选权重通过渐进式top-k算法来得到新的最优化查询.最后在模拟数据上验证了提出算法的效率.