基于随机策略更新的大数据访问控制方案及实验分析

文章主要探究了基于随机策略更新的大数据访问控制方案的设计内容,并通过仿真实验对其应用效果进行了验证。设计仿真实验,将本方案与基于动态策略更新的隐藏属性加密方案进行对比。结果表明,在属性个数相同的情况下,本方案下系统进行数据加密的用时更短,在保证数据安全的前提下提高了系统运行效率。

基于机器学习的匿名大数据访问控制系统设计

为提高大数据环境下访问控制效率与数据匿名性,保障用户隐私和数据安全,本研究设计了一种基于机器学习技术的新型匿名大数据访问控制系统。通过对当前大数据访问控制技术、机器学习在访问控制中应用及匿名技术的发展与应用深入分析,采用B/S架构匿名大数据访问控制系统框架,系统软件模块主要由数据预处理、机器学习模型训练与评估、访问控制决策以及用户界面模块构成,为验证系统功能有效性进行了详细的对比实验。结果表明,该系统能提高大数据访问控制精确性与处理速度,有效保护数据的匿名性,本研究成果证明了采用机器学习技术优化大数据访问控制系统可行性与有效性。

基于数值分析的匿名大数据访问最优控制算法

为了降低大数据访问对人们生活的影响,减少因数据访问带来的一系列问题,更好地保护用户的隐私,需要对匿名大数据访问进行控制;当前算法是利用Purpose建立匿名大数据访问模型,在原来的K-匿名算法基础上为Purpose匿名数据访问模型构建算法,该算法对公开信息隐私安全涉及较少,对分布式数据隐私的安全保障效果不理想;为此,提出一种基于数值分析的匿名大数据访问最优控制算法;该算法利用MapReduce编程框架对匿名大数据用户的公钥和私钥进行初始化,将计算代理权授权,用户把需要保存的数据以及授权传送给第三方,也就是代理方签名,实现匿名大数据的审计;根据属性群对匿名大数据访问进行控制,系统管理员构建一棵二叉树,通过对称加密算法与属性群路径密钥,加密的群密钥,产生报头消息,根据上述所获结果,管理员对属性群密钥进行生成、更新和分发;实验结果证明,所提算法计算开销、存储开销以及通信开销较低,匿名大数据访问控制的效率高,具有较强的可实践性,为该领域的研究发展提供了支撑。

大数据访问中信息传输冗余量消除仿真

针对传统的大数据访问中信息传输冗余量消除方法存在查全率、信息传输冗余量消除效率以及速率较低等问题,提出了基于Hamming距离值的大数据访问中信息传输冗余量消除方法。利用滑动以及滚动相结合的窗口移动模式减少窗口计算量,将Rsync滚动校验算法以及MD5算法相结合,在文件任意位置开始计算滚动校验值,通过递进关系,获取连续数据块的校验值,根据不同数据块的校验值进行数据匹配。将经过匹配后的数据块利用CDC分块检测算法进行检测,根据余弦相似度计算公式以及Hamm距离值计算相似度,实现大数据访问中信息传输冗余量消除。实验结果表明,所提方法有效提高了冗余信息查全率、信息传输冗余量消除效率以及速率,能够快速、准确地消除多余的信息。

无线传感网络中大数据访问安全等级盲检测

大数据具有复杂性和开放性的特点,使得在无线传感网络中进行大数据访问时存在较高的安全风险。为此,提出无线传感网络中大数据访问安全等级盲检测方法。提取大数据访问特征后对特征序列进行重构,利用低通滤波器对特征实施去噪处理。建立大数据访问特征的自相关矩阵关联,引入盲检测流程,提出用户访问安全等级信任值度量算法,确定大数据访问安全等级。实验结果表明,在不当访问行为数量为2000个时,所提方法的检测时间为0.101 s,能够提高检测效率和准确性,且抗干扰能力强。

基于增量贝叶斯分类的自适应访问大数据的统计方法

在线网站的访问量大、访问数据类型繁杂,导致访问数据统计结果存在严重的丢包问题,为此提出基于增量贝叶斯分类模型的自适应访问大数据统计方法。首先分析用户自适应访问行为,根据分析结果挖掘对应的访问初始数据。建立增量贝叶斯分类模型,利用该模型补全初始访问数据中的缺失部分,并实现对访问数据的分类处理。按照访问大数据的类别设置统计指标,以挖掘并处理完成的初始数据为基础,实现自适应访问大数据的统计。通过与现有访问数据统计方法在不同网络环境下的对比,发现所设计的访问大数据统计方法丢包率降低了0.34%。

大数据服务对教育信息化建设的影响

以大数据服务为教育信息化建设带来的机遇、挑战以及运用领域为切入点,探讨两者之间的关系以及大数据服务对教育信息化建设的影响。