大数据时代的美国信息网络安全新战略分析

文章从大数据的角度,首先解读了美国政府最近发布的“大数据研究与开发计划”,重点分析了美国XDATA项目的定位、目的和预期成果。随后,文章从各个层面深入分析了大数据时代美国信息安全战略的特点。最后,得出结论：大数据已成为美国国家创新战略、国家安全战略、国家ICT产业发展战略以及国家信息网络安全战略的交叉领域,美国实际上已经确立了基于大数据的信息网络安全战略,目的在于解决当前的大数据核心技术挑战,全面强化未来的信息网络安全战略优势。     

新形势下宽带发展战略的思考

全国政协委员、工业和信息化部电信研究院科技委副主任雷震洲提出了要把发展宽带提升为国家战略的提案,建议从国家层面制定战略措施,规划和推动宽带发展。     

政府主导,加强基础数据建设

大数据是当今最新潮的概念之一,我们已进入了大数据时代。在2014年的两会中很多委员提出我国大数据产业尚属雏形,建议将大数据发展上升为国家战略。大数据对于各国、各区域政府来说是一个历史性的机遇,欧美发达国家和地区已从战略层面推动大数据的相关应用。而我国大数据的基础还不牢固,多数行业专家认为,我国数据建设远比国外滞后,地理数据、人口数据等建设方面与欧美等发达国家相比,处在一个低层次的建设阶段。     

美国2023年《国家情报战略》剖析

<正>情报数字化成为欧美各国的共识,纷纷出台相应文件和政策法规。拜登政府上台后,美国国家情报总监办公室（ODNI）于2023年7月发布了《2023-2025年情报界数据战略》（以下简称“数据战略”）,并于2023年8月发布了《国家情报战略》,旨在大数据时代中高质量地收集、分析和利用数据,为情报数据事业提供支持与指导,维护国家安全。美国国家情报总监（DNI）海恩斯（Avril D.Haines）认为,     

大数据背景下个人信息安全问题研究

大数据的高速发展带动人类社会发生重大变革.人们在享受大数据带来的各种便利的同时,个人信息安全问题日益凸显,个人信息被强制收集、非法利用、保护不当等频频发生,严重损害了人们的合法权益.如何在大数据背景下保证个人信息安全,实现大数据健康发展成为当前所需解决的首要问题.因此,本文将从政府层面、企业层面、技术层面以及公民层面进...     

物联网离我们还有多远

前些年,物联网被各行各业争相疯炒,并与云技术、智能分析、大数据一道成为“不懂这词都不好意思和人聊天”的一员。就在人们还在质疑物联网这个概念究竟是否靠谱的时候,在“感知中国”的国家战略背景下,政府、资本、产业等各个层面对物联网的高度关注,建立了以无锡为首的十多个物联网示范产业基地,为物联网从一个概念向一个产业的成功转变注入了一剂强心剂。物联网的一个核心要素是事物具备“唯一地址”,如果“物联网”时代来临,人们的日常生活将发生翻天覆地的变化,对国家的经济、社会发展和安全都将产生更加深刻的影响。因此,物联网也上升到了一个国家战略的层面。     

自动化和信息化,制药工业现代化必由之路

制药行业自动化和信息化的重要性和必要性最关键是建立在两点之上：一是从医药行业本身层面来说,自动化和信息化是确保药品质量必要手段;二是从整个国家层面来说,自动化和信息化是落实国家＂信息化与工业化融合＂政策战略的必经之路。     

新闻链接

2014，浪潮践行以数据为核心的云战略
　　北京2014年12月31日电/美通社/--2014年可谓中国IT产业风起云涌的一年，云计算大规模应用，移动互联网市场蓬勃发展，大数据时代已然来临，网络安全上升至国家战略层面。乘势发展的浪潮集团进一步巩固在云计算领域的领先优势，并围绕云计算、大数据在技术创新、商业模式创新方面取得多项突破，软硬件产业、云服务业均实现稳步增长。     

美国信息安全发展对中国发展战略的启示

近两年,美国总统奥巴马执政以来出台了一系列网络安全战略,使之成为美国国家安全战略的一部分。国家层面的战略计划、法律法规也相继出炉,体现了美国将迎来信息安全政策的重大调整。本文主要介绍了近两年以来美国的信息安全战略部署和信息安全立法动向,为我国的信息安全战略调整提出了几点借鉴的启示。     

互联网+时代运营商发展思路探讨

互联网+已经被国家提升到战略层面,运营商无疑需要在其中承担重要的使命和责任。从国家战略以及行业发展趋势的分析入手,提出了运营商在互联网+时代的发展思路与策略,可以为运营商的业务、网络发展策略的制定提供借鉴。     

面向医疗信息的大数据安全管理策略探究

随着各种医疗信息系统的广泛应用与深入发展,医疗数据快速增长．医疗信息进八“大数据”时代,大数据的产生带来了较为突出的安全问题。针对提高医疗信息系统的大数据安全管理策略进行探讨,着重讨论了系统架构、备份机制、数据库纵深防御体系等方面的内容。     

基于数据挖掘的金融数据分析

当今,已是企业战略及其市场地位与信息技术息息相关的时代,很难想象一个现代企业没有完善的信息技术系统的支持,将会如何运转。但是,随着信息技术的发展,企业产生的数据大量地堆积和膨胀,其中很多十分有价值的信息隐藏在其中却不被人们所发现。如何对这些海量的数据进行管理,并从中提取潜在的有价值的信息,成为企业在激烈的市场中占据优势地位的关键点。因此数据挖掘技术应运而生,并且在各个行业领域中应用,取得了广泛和重大的进展。本文即对数据挖掘在金融业的应用情况进行了探讨。     

大数据时代的企业信息安全保障

大数据蕴藏着巨大的价值信息,但同时其数据安全也面临严峻挑战。本文在分析大数据基本特征的基础上,提出了当前大数据面临的安全挑战,并从大数据的存储、应用和管理等方面阐述了大数据安全的应对策略。     

大数据探讨

大数据的重大意义正逐步被人们认识到。简要介绍大数据,从技术和工具、解决方案和应用案例等方面对大数据进行研究。并对大数据给计算机科学带来的若干问题进行探讨。     

平行数据:从大数据到数据智能*

为了解决实际问题,大数据分析处理系统需要获取数据,然而实际场景中收集到的实际数据通常不完备.另外,大多数问题的解决方案通常是由问题引导或者仅仅进行数据分析,运行参数调整和设定带有较大的盲目性,难以达到应用的智能性.为此,文中提出平行数据的概念和框架,根据实际数据经计算实验产生真正的虚拟大数据,结合默顿定律,以期待的解决方案与问题进行广义对偶,引导大数据聚焦到实际问题.实际数据与虚拟数据动态互动,平行演化,形成一个虚实相生、数据动态变化的过程,最终使数据具备智能,进而解决未知的问题.平行数据不但是一种数据表示形式,更是一种数据演化机制与方式,其特色是虚实互动,所有数据的动力学轨迹构成了数据动力学系统.平行数据为数据处理、表示、挖掘和应用提供了一个新的范式.     

大数据在智慧城市中的应用

伴随智慧城市的发展,多源、异构、冗余的大数据应运而生。利用数据挖掘、决策分析等技术,实现大数据转化为数据资产,必将成为大数据时代智慧城市智能化、互联化的必要手段。阐述了智慧城市概念、智慧城市数据资源及大数据处理技术,分析了智慧城市中的大数据综合应用,阐明了大数据在智慧城市重点行业领域的应用现状,并对其进行展望,为未来智慧城市中大数据的深入应用提供解决方案和思路。     

Core – An Optimal Data Placement Strategy in Hadoop for Data Intentitive Applications Based on Cohesion Relation

The tremendous growth of data being generated today is making storage and computing a mammoth task. With its distributed processing capability Hadoop gives an efficient solution for such large data. Hadoop’s default data placement strategy places the data blocks randomly across the nodes without considering the execution parameters resulting in several lacunas such as increased execution time, query latency etc., Also, most of the data required for a task execution may not be locally available which creates data-locality problem. Hence we propose an innovative data placement strategy based on dependency of data blocks across the nodes. Our strategy dynamically analyses the history log and establishes relationship between various tasks and blocks required for each task through Block Dependency Graph (BDG). Then Our CORE-Algorithm re-organizes the HDFS layout by redistributing the data blocks to give an optimal data placement, resulting in improved performance for Big Data sets in distributed environment. This strategy is tested in 20-node cluster with different real-world MR applications. The results conclude that proposed strategy reduces the query execution time by 23%, improves the data locality by 50.7%, compared to default.     

大数据下的Web数据集成与挖掘研究

随着Web2．0技术的快速发展,社交网络、物联网、移动互联网等新兴服务行业日益涌现,Web数据呈爆炸式增长,成为炙手可热的“大数据”。Web大数据巨大的价值使得越来越多的人开始关注,如何获取Web数据并进行挖掘利用。在大数据的环境下,Web数据呈现出规模大、种类多、数据流高速性等特点,使得Web数据抽取与集成,数据分析,数据解释等方面的研究更加深入,与此同时,Web大数据的集成与挖掘仍存在着数据规模、数据多样性、数据时效性、隐私保护等方面的挑战。     

在线挖掘数据流闭频繁项集的高效算法

数据流闭频繁项集挖掘算法得到了广泛的研究,其中一个典型的工作就是NewMomen、算法。针对New- Moment算法存在搜索空间大而造成算法时间效率低的问题,提出了一种改进的数据流闭频繁项集挖掘算法A-Ncw- Moment。它设计了一个二进制位表示项目与扩展的频繁项目列表相结合的数据结构,来记录数据流信息及闭频繁项 集。在窗体初始阶段,首先挖掘频繁1一项集所产生的支持度为最大的最长闭频繁项集,接着提出新的“不需扩展策略” 和“向下扩展策略”来避免生成大量中间结果,快速发现其余闭频繁项集,达到极大缩小搜索空间的目的。在窗体滑动 阶段,提出“动态不频繁剪枝策略”来从已生成的闭频繁项集中快速删除非闭频繁项集,并提出“动态不搜索策略”来动 态维护所有闭频繁项集的生成,以降低闭频繁项集的维护代价,提高算法的效率。理论分析与实验结果表明,A-New- Moment算法具有较好的性能。