校园数据容灾备份方案的研究

一、研究背景 　　随着计算机管理技术和网络技术的发展,为了提高校园数字化、信息化应用与管理水平,很多学校开始使用计算机来处理内部日常事务和外部业务往来.越来越多有价值的信息转变为数据,数据的价值也就越来越高,而且随着应用的不断增加、数据量快速增长.由于校园的运行与管理越来越依赖于这些数据,因此对数据进行安全有效的管理已成为一项重要而迫切的任务.建设数据容灾备份系统的目的就是防止一些灾难性的小概率事件对信息系统和数据造成的不可恢复的损失.  

“灾备”总动员

早在“9·11”事件后,人们就开始意识到,灾难恢复已经成为现代企业积极应对危机事件的必要技术和管理手段。然而,高投入应对小概率事件对于决策者来说是决心难下、维持不易,究竟这份“保险”该不该投,又如何投呢?  

数据挖掘技术在医疗费用异常检测中的应用

对医疗费用的异常检测做出一个分析方案。通过SQL Server 2008挖掘平台,利用期望最大化数据挖掘算法,结合小概率事件原理对医疗费用是否异常做检测分析,并把结果通过报表展示出来。该方案能够对医疗费用数据从总体上进行挖掘,提高数据分析效率,并且为医疗异常费用的稽查提供有力的依据。  

灾备外包：中小银行信息安全的最后一道防线

据有关报道：汶川地震发生当天,北川县农村信用社8层的办公楼顷刻间化为废墟,33名员工全部遇难,所有资料和现金被埋入瓦砾之中。绵阳市商业银行的50多个网点中有10个以上短期内无法恢复运作。这些残酷的教训向我们敲响了警钟：中小银行也要应对小概率事件。  

面向安全攸关系统中小概率事件的统计模型检测

在开放运行环境中,安全攸关系统的不确定性行为有可能导致小概率事件的发生,而此类事件的可靠性指标往往很高,小概率事件一旦发生就会产生灾难性的后果,严重威胁到人们的生命、财产安全.因此,评估、预测小概率事件发生的概率,对于提高系统的可靠性具有重要意义.统计模型检测是一种基于模拟的模型验证技术,结合了系统的快速模拟及统计分析技术,能够有效提高模型检测的效率,适用于验证、评估安全攸关系统的可靠性,但其面临的挑战性问题之一是在可接受的样本数量下,使用统计模型检测技术难以预测、评估小概率事件发生的概率.因此,提出一种改进的统计模型检测框架,设计和开发基于机器学习的统计模型检测器,实现在相对较少的样本数量下预测和评估小概率事件发生的概率.结合轨道交通控制系统中避碰控制案例分析,进一步证明改进后的统计模型检测器能够有效预测和评估安全攸关系统中小概率事件发生的概率.  

基于残余抗原学说的动态记忆风险识别模型

以小概率事件风险识别为研究对象,提出一个基于残余抗原学说的动态记忆风险识别模型DMRIM。DMRIM针对小概率事件风险的无规则等特点,将风险的强度和频度直观地、动态地映射为残余抗原的浓度,以残余抗原刺激免疫记忆、指导抗体进化、控制识别器的生命周期,突破了传统的记忆细胞生命周期,实现了识别器分布自制,提高了小概率事件的辨识能力。仿真实验表明,DMRIM充分体现免疫记忆的动态性,有效地识别小概率事件,其可行性在实际应用中得到了验证。