一种基于移动Agent的云端计算任务安全分割与分配算法

为了让在云端计算环境中运行的计算任务机密和隐私得到保障,避免恶意节点或竞争对手窥视任务的内部结构、系统逻辑和任务目标,必须构建一种全新的基于移动Agent的云端计算任务安全分割与分配算法。这种算法不仅要结合集群服务器节点的计算能力和特征,还要将用户终端节点的相关方面也考虑进去,把整个大的任务合理地分割成若干子任务,并将移动Agent作为这些子任务的数据结构和代码构成的载体;然后把这些数据和代码分配到与之对应的合理的任务执行节点上进行工作。通过将实验原型系统和该算法结合起来进行性能分析与探索,证明该算法对执行子任务的终端节点安全性的保障具有较强的有效性,即便有恶意节点窥探到了分配给该任务执行节点的数据和代码,甚至联合起来对系统进行攻击,也不会对这个任务的总体执行思路和整体目标的安全性造成威胁。

基于云端计算的安全访问代理机制的研究

为了解决登录多种云端服务器需要管理多个账户和若干付款通道的问题,采用代理签章技术和椭圆曲线密码学,通过注册、预先计算、连线认证、离线认证四个阶段完成基于云端计算的安全访问代理机制。实现了单一账号登陆、离线认证功能、用户隐私保护、没有重复计费问题和登录密钥安全等技术要求,并降低了通信成本和计算成本。

基于云端计算的高校信息化解决方案构想

我国高校目前还处于信息化发展的平台期,存在着资金不足、资源整合不足以及资源利用率较低等问题。而基于云端计算的高校信息化解决方案可以较好地解决这一系列问题。该方案以政府为主导,成立高校信息化联盟,扶持云端服务提供商构建云端高校教育信息化平台,向各高校提供云端信息服务。该平台产学研一体化的方式可以降低高校信息化的投入,提升资源的利用率,不足之处是初期筹建涉及面广,协同难度较大。

面向云端融合计算的防御性数据销毁机制

云端融合计算将云计算和对等计算有机地融合,充分挖掘网络中心集群服务器端和网络边缘终端所蕴含的各种可利用的资源.引入了动态性比较强的网络边缘节点之后,云端融合计算环境下的数据安全保护和远程数据销毁更加困难,特别是恶意的异地主体可能对被托管的数据实施非法篡改等攻击行为.为此,本文提出了基于移动Agent的防御性数据销毁机制,利用移动Agent对云端数据进行检测,将待上传密文数据的HASH值拼接在密文后面,并定时对数据进行双重检测,有效区分云端数据的正常修改和非法篡改.通过预测相关数据受攻击的可能性,对已被非法篡改或有被非法篡改可能性的数据进行有效处理.设计并构建了基于移动Agent的云端数据防御性数据销毁原型系统.实验结果表明,基于移动Agent的防御性数据销毁机制在检测准确性、安全性、时间开销等方面具有良好的性能表现.

一种基于移动Agent的云端(Cloud-P2P)数据复合销毁机制

云端融合计算(Cloud-P2P)融合了云计算与对等计算环境的所有节点资源,实现了最大范围的协作与资源共享。数据销毁机制是保障用户数据的安全性和可控性的重要措施之一,然而云端计算环境本身的特性也给数据的有效销毁带来了困难。针对云端数据存储系统对数据的主动销毁、定时销毁和自销毁等复合需求,提出一种基于移动Agent的数据复合销毁机制,该方法不依赖第三方,利用移动Agent技术实现对过期、废弃型数据及时、有效、灵活的销毁,并在恶意主体对数据实施攻击时主动实施防御性数据销毁,有效增强了用户数据的安全性。针对节点上数据的具体销毁,还提出一种新颖的"数据折叠"的数据覆写方法,它充分利用数据本身进行销毁,有效降低了系统的开销。

云端运算平台架构与应用研究

云端计算平台的架构设计应确保多个使用者能够同时共享应用程式与资料,并通过网络存取使用软件服务。在开发云端架构的系统,需考量其弹性、安全性、高效能、可扩展性及可配置性等特点,当多用户同时使用服务时,系统应能承载大量的流量,并达到负载平衡。本文首先探讨了云端计算平台架构设计准则,进而分析了云端计算平台应用的效益与策略。

基于云端虚拟漫游的多人协同设计系统方案研究

在船舶行业中,由于小批量、高计划的性质,设计显得尤为重要,而现有的设计缺少统一平台与高交互性的中间软件支持,难以实现多人协作与开放设计。本文提出了一种多人协同设计系统设想。该设想基于云端计算,并以某一虚拟引擎作为中间软件,在保障了安全性、保密性的基础上,为虚拟建造与装配提供了一种解决思路。

无处不在的“雾计算”

日益兴起的雾计算,采用“去中心化”的设计思想,将计算部署于近用户端的设备与系统,解决了云计算移动性差、地理信息感知弱、时延高等问题。雾计算在军事领域的应用,可为处于恶劣环境下的作战人员提供实时情报搜集、存储、计算和分析,实现对设备的实时操控,有效缓解对云端计算资源的需求压力,非常适用于时延敏感和带宽资源受限的军事场景。

微电网CPS体系架构及其物理端研究

针对未来微电网智能化发展的趋势,提出将信息物理融合系统(CPS)技术引入微电网建设中,建立微电网CPS。论述了建立微电网CPS的理由和必要性,给出其架构示意图,并提出了微电网CPS的6层控制体系框架,分别为应用层、网络层、连接层、协调层、调节层和物理层,对每个控制层的功能和作用进行了描述;通过对微电网CPS环境的云计算平台进行分析,指出其中可能会存在的大量端点资源浪费的问题,并提出采用云端计算方式代替当下的云计算方式的想法。在微电网CPS云端计算环境下,采用Agent技术,建立微电网CPS物理端节点的Agent模型,并对其行为进行了描述。

边云协同感知的直流合成电场测量系统

由于布置地点分散、接入的测量探头较多以及测量时间长从而数据量大,传统的直流合成电场测量方式存在效率低下、成本高昂、数据难以共享等不足。为解决上述问题,本文提出并实现了边云协同感知的直流合成电场测量系统,构建了系统的总体架构,阐述了边缘计算系统的硬件设计实现、边云交互机制,最后列举了云端计算系统的存储、监控与决策等功能。该系统能满足电场测量中对增强设备状态感知、降低网络带宽、实时处理电场数据与多人协作共享的需求,可以为能源互联网的实际应用提供技术支撑。

基于人脸属性识别广告精准投放智能新媒介系统设计

本论文结合高分子液晶透变薄膜、人脸识别和云计算技术,以商场透明隔离设施升级为一种智能新型媒介。首先,树莓派系统若检测到有人经过透明隔离设施后控制高分子透变膜使透明隔离设施分变成背投屏幕。然后系统采集人脸图像上传至云端并计算被测对象年龄、性别、表情等7项人脸属性信息,建立人脸数据库后云端返回人脸属性信息至系统。系统根据人脸属性结合消费场景推送广告,并检测游客的注视区域、时长等信息。最后将上述信息发送至云端与获取的人脸属性信息匹配生成闭环数据。经过一定的数据累积后,进行机器学习随机森林模型训练,挖掘客户消费能力、偏好趋向,进而实现广告精准投放。

云游戏：从概念到落地，游戏开发商确定受益

投资要点1、云端计算引领行业革命,巨头抢滩布局。2、游戏开发商确定受益,网吧场景提供平台突围可能。游戏是以云计算为基础的游戏形式,本质上为交互性在线视频流。1)对用户而言,云游戏可以在大幅降低硬件开销的同时体验到高品质游戏,也可以实现游戏在多终端的融合统一;2)游戏开发者可以降低硬件束缚、提升游戏品质、丰富游戏品类、提升行业成长空间。

智能压实系统应用简介

智能压实系统借助GPS定位、压实度传感器通过云端计算对大坝施工过程进行质量监控。能实时监测面板堆石坝碾压状况、历史回放和平面剖面分析等,满足不同单位对质量控制的需求,提供全面的压实信息,有效提高工作效率。文章对面板堆石坝智能压实系统进行了简要介绍。

中国人工智能产业发展研究

2020年中国人工智能产业发展情况产业链分析人工智能产业链主要分为三层,分别是基础层、技术层和应用层.其中,基础层是人工智能网络、算力、硬件和数据获取的基础,为人工智能提供数据及算力基础支撑环节,主要包括感知和技术两个方面,具体包括传感器、摄像头、云端计算和芯片;技术层是人工智能通用算法的核心技术环节,主要包括人工智能系统平台和人工智能基础服务,具体包括人工智能平台、智能化系统、智能语音和语言、计算机视觉等技术;应用层是集成一类或多类人工智能技术,面向特定应用场景需求而形成的软硬件产品或综合应用解决方案,主要包括提供场景服务的智能解决方案和提供硬件产品的机器人、无人系统和智能硬件.

大数据时代DCIM发展趋势浅析

随着银行业对云计算、大数据、人工智能、物联网、区块链等新技术的运用,带来了云端计算能力、数据分析能力、智能化服务能力等的提升,使得数据中心承载的IT运行场景更加丰富,数据中心基础设施架构更加错综复杂,对于基础设施的运行保障及运营管理方面提出了更高的要求。

近实时中高空间分辨率森林火灾监测系统展望

森林火灾是最为常见的灾害之一,严重危及人类生命安全。及时准确监测森林火灾的发生及火场状况,对应对火灾及减少损失至关重要。当前,森林火灾卫星遥感监测主要以低空间分辨率的卫星遥感为主,空间分辨率过低导致无法探测规模较小火灾及掌握详细火场态势。针对这一问题,结合近些年中高空间分辨率卫星观测、共享及处理能力的发展,本文从森林火灾卫星遥感监测的基本原理、当前可用中高空间分辨率卫星数据及其特点、中高分辨率森林着火区监测算法,以及数据共享与云端存储与计算等4个技术环节,对森林火灾中高分辨率卫星遥感监测当前研究现状与存在问题进行了总结,阐述了近实时中高空间分辨率森林火灾监测系统的可行性。近实时中高空间分辨率森林火灾监测系统可对已有低空间分辨率森林火灾监测体系形成重要补充,依托其空间分辨率的优势有助于及早、准确发现小规模火情,进而为森林火灾的防治与管理提供更好支撑。

安富利：边缘人工智能将加速物联网落地

随着部署的IoT设备增加,对于有边缘计算能力且包含人工智能的解决方案的需求呈指数增长。边缘计算能够在本地处理AI算法和机器学习,并且没有云端计算固有的延迟问题,将能提供更有效推动运营及提升生产力的见解。