大数据平台安全架构体系研究

大数据时代下,数据作为一种重要的资产,应该被予以相应的保护。而当前大数据平台时常出现数据泄露事件,极大地阻碍了大数据技术的进一步应用和发展。本文在概述当前大数据平台面临的安全挑战和安全需求的前提下,依据大数据平台技术架构体系的运行,进行大数据平台安全架构体系的整体框架设计,并就其中的安全技术部分进行重点论述。     

基于模糊谱聚类的不确定蛋白质相互作用网络功能模块挖掘

针对谱聚类融合模糊C-means（FCM）聚类的蛋白质相互作用（PPI）网络功能模块挖掘方法准确率不高、执行效率较低和易受假阳性影响的问题，提出一种基于模糊谱聚类的不确定PPI网络功能模块挖掘（FSC-FM）方法。首先，构建一个不确定PPI网络模型，使用边聚集系数给每一条蛋白质交互作用赋予一个存在概率测度，克服假阳性对实验结果的影响；第二，利用基于边聚集系数流行距离（FEC）策略改进谱聚类中的相似度计算，解决谱聚类算法对尺度参数敏感的问题，进而利用谱聚类算法对不确定PPI网络数据进行预处理，降低数据的维数，提高聚类的准确率；第三，设计基于密度的概率中心选取策略（DPCS）解决模糊C-means算法对初始聚类中心和聚类数目敏感的问题，并对预处理后的PPI数据进行FCM聚类，提高聚类的执行效率以及灵敏度；最后，采用改进的边期望稠密度（EED）对挖掘出的蛋白质功能模块进行过滤。在酵母菌DIP数据集上运行各个算法可知，FSC-FM与基于不确定图模型的检测蛋白质复合物（DCU）算法相比，F-measure值提高了27.92%，执行效率提高了27.92%；与在动态蛋白质相互作用网络中识别复合物的方法（CDUN）、演化算法（EA）、医学基因或蛋白质预测算法（MGPPA）相比也有更高的F-measure值和执行效率。实验结果表明，在不确定PPI网络中，FSC-FM适合用于功能模块的挖掘。     

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。     

黄石有线直播频道收视率数据分析与研究

本文介绍了黄石有线在高清互动平台运用大数据获取直播频道收视率的方法,并结合数据分析的手段,推断用户行为,发现内在规律,摸索观看习惯,从而对网络公司的市场营销和经营决策提供有价值的数据参考。     

是德科技 UXM 无线综测仪增添 3CC等测量功能

直观的图形触发可以帮助快速、高效地解决问题2015年1月28日,北京——是德科技公司(NYSE:KEYS)日前宣布E7515A UXM无线测试仪增添新功能。这些新功能可以应对快速发展的3GPP LTE-Advanced载波聚合技术的迫切需求。UXM无线测试仪是高度集成的信令综测仪,适用于4G及未来的功能和射频设计验证。UXM支持多小区、下行链路和上行链路载波聚合、4×2     

有关计算机软件数据接口的应用研究

现代社会已经进入到信息化时代，发展的速度很快，所以很多企业都很注重自身的信息化建设，都在着手建设属于自己的数据中心，但是很多企业在构建自身的信息化平台的时候，容易忽视信息的安全管理工作，虽然信息化提高了企业的运行效率，但也增加了营运风险。所以构建一个安全的信息管理体系至关重要。随着计算机技术和信息技术的不断快速发展，计算机软件在各行各业中得到了广泛的应用，然而由于计算机软件设计和开发的公司不同，造成计算机软件的数据结构不同，导致用户在同时使用多个软件时，需要预留更多的数据结构，这不仅造成了工作量的增加，而且也容易使软件在使用过程中出现问题。而计算机软件数据接口能够很好的解决这些问题。本文就计算机软件数据接口的应用进行研究。     

基于大数据和集中监控技术下的风机状态分析与检修

集中监控技术是实现风电企业"无人值班、少人值守、区域运维合一"的唯一途径。在大数据时代,具有大数据分析能力的集控中心更是电力行业发展的必然趋势。从实时监视、报警中心、经济运行、设备管理、数据分析和统计报表等6个功能需求模块说明了集中监控平台的优势所在,并依据大数据Volume(大量)、Variety(多样)、Velocity(高速)、Value(价值)的4 V特性,完成对风电企业风机状态的分析及检修作业指导。     

基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统

带有传感器的可穿戴式医疗设备不断生成大量数据，由于数据的复杂性，难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题，提出了一种新的物联网体系结构，用于存储和处理医疗应用的可扩展传感器数据（大数据）。所提出的架构主要由两个子架构组成：Meta Fog重定向（MF-R）架构和AWS密钥管理机制。MF-R架构使用Apache Pig和Apache HBase等大数据技术来收集和存储不同传感器设备生成的传感器数据，并利用卡尔曼滤波消除噪声。AWS密钥管理机制使用密钥管理方案，目的是保护云中的数据，防止未经授权的访问。当数据存储在云中时，所提出的系统能够使用随机梯度下降算法和逻辑回归来开发心脏病的预测模型。仿真实验表明，和其他几种算法相比，提出的算法具有更小的误差，且在吞吐量、准确度等方面具有一定的优越性。