摘要：针对云计算[1]领域中基础设施服务在运行和管理中存在的安全问题,在传统访问控制模型的基础上综合考虑了云计算基础设施服务[2]的特点,设计了一套访问控制模型。分析了云计算中安全问题的特点及现有方案的不足之处,提出基础设施服务的安全是云计算安全的基础。根据四条设计原则在RBAC模型[3]和TE模型[4]的基础上加以改进形成了适用于云计算基础设施服务的CIRBAC模型和CITE模型,对模型中的各个模块进行了详细的设计。在基于Xen[5-6]虚拟化技术[7]的OpenStack[8]云计算环境中实现了这些访问控制模型。该模型很好地增强了云计算基础设施服务的安全性。

摘要：随着人工智能技术的发展,人工智能技术在生活中被广泛使用,并逐步深入到司法审理中.但在实际应用中存在着可解释性不足,不能有效的辅助审理这一问题.针对这一问题,本文结合刑事案件审理过程中依据犯罪构成采用的四要件理论,从犯罪构成的四要件角度,设计了构成要件识别任务.筛选了盗窃罪中一些构成要件,构建盗窃罪构成要件数据集.并基于预训练语言模型BERT(bidirectional encoder representations from transformers),设计了构成要件识别模型,对该模型在本文构建的数据集上进行测试,模型识别准确率达到93.54%.在构成要件基础上构建量刑辅助算法能提高现有算法的解释性,更有效的辅助法官审理案件.

摘要：为了改进Web服务推荐的准确性,通过分析现有Web服务推荐算法的面临的主要问题,提出了一种基于地域划分的Web服务推荐方法。该算法对Web服务进行区域划分,并对区域内Web服务进行分类,根据用户区域位置,计算消费者之间及服务之间的相似程度,并以此相似度为基础对使用者并未调用过的服务的质量进行预测。基于大量真实数据的实验显示,该算法在推荐准确性方面优于现有的基于协同过滤的Web服务推荐算法。

摘要：在此研究物联网标识及寻址存在的问题,讨论了物联网标识及寻址的特点及需求,根据分析的结果提出一套设计方案。从物联网标识寻址的特点出发,提出物联网服务平台,基于物联网服务平台实现了编码统一映射及物体终端的集中管理,参考DNS协议设计了物联网统一标识的寻址模型。最后通过EPC编码为例介绍了物联网统一标识的生成过及寻址过程。

摘要：为解决现有故障注入工具缺乏对虚拟化系统特有故障进行测试的问题,提出一种面向虚拟化系统的故障注入工具架构。架构由虚拟机管理器、各虚拟机节点和前端部分组成,Xml定义的测试脚本通过前端部分传入并解析,使得虚拟机管理器获取故障注入信息后,根据信息将各类故障注入到虚拟机节点中,完成一次故障注入过程。以该架构为基础,在Xen虚拟化系统上实现故障注入工具并进行故障注入实验,实验结果表明,利用该工具可以对Xen系统进行有效故障注入并完成可靠性和容错性评测。

摘要：异构数据资源的语义映射,是大数据时代数据集成与共享研究中的一个关键问题。围绕语义搜索的应用需求,针对海量异构数据资源到领域知识本体的语义映射问题,提出基于中间模型的映射算法,通过模型解析转换、映射规则设计、映射策略选择、映射关系表达等最终获得二者的映射关系。系统面向用户提供基于知识本体的统一视图,屏蔽了底层数据资源的异构性,保证了用户对异构数据资源的透明访问和准确理解,提供了一种灵活、通用、可扩展的语义集成机制,为准确高效的语义搜索应用提供支持。

摘要：针对当前海量卫星资源难以高效共享的问题,采用分布式架构实现卫星资源的整合。各卫星数据中心依据本领域的知识本体构建目录服务,之后系统进行整合为虚拟全局目录供各个数据中心共享,为用户快速查找所需资源提供支持;设计了分层的系统架构,包括负载均衡层、前端缓存层、应用服务层、数据库缓存层和数据库应用层,通过在应用服务层简单添加服务器就可以使系统性能线性增长,很好地解决了高并发访问的问题。仿真实验结果表明,系统能够实现不同数据中心的资源共享,高并发访问性能良好。

摘要：互联网的迅猛发展以及大数据相关技术的兴起,使得日志数据的规模日益剧增,给已有的日志采集及分析系统带来了挑战;同时针对互联网安全的攻击活动也层出不穷,如何在海量的日志中及时提取有效的信息以为企业安全提供信息支撑,也给现有的分析系统提出了新的需求。本文结合使用Flume、Elasticsearch以及Kibana等技术手段提出了一种分布式的日志采集分析系统,从系统设计和架构等方面提出了新的解决思路,并针对Nginx的访问日志进行了实时采集和分析及展示,完成了原型系统的实现,实验证明,基于Flume的分布式的日志采集分析系统方案具有可行性。

摘要：为了准确检测僵尸网络等恶意流量,提出以snort为核心模块,通过对网络流量的抓取、分析,以及后端数据库和前端页面的相关设计,实现了一个入侵检测系统。该系统可以实时的监测网络流量从而快速检测出网络攻击行为,及时地发出警告信息,该系统具有良好的扩展性和可移植性。

摘要：为提高大规模恶意代码分类任务的分类准确率,提出基于词向量的恶意代码分类模型,引入NLP中表达语义含义的词向量概念,提取恶意代码函数语义特征,使用textCNN神经网络对其进行分类。实验结果表明,该模型在微软公司提供的BIG2015恶意代码分类比赛的训练集上能实现98.78%的预测准确率,相较几种传统方法准确率分别提高0.91%~3.16%。