摘要：针对当前的数据防泄漏方案主要依赖在外传数据中进行关键词通用搜索,导致数据流控制不够精细、虚警率较高的问题。首先设计了一种基于白名单的数据防泄漏(DLP)架构,在此基础上,提出了一种基于文件指纹和bloom滤波器的数据泄露检测算法。该算法通过使用动态规划来计算最优检测位置,最大限度地降低了内存开销,并支持高速部署。仿真实验结果表明,所提算法可以用较低的代价,实现大量数据的在线指纹检测。例如,对1 TB的文件,该方案只需340 MB内存就可实现1000字节的最差检测延时期望(泄露的长度)。

摘要：防止机密数据流出网络是网络运营商面临的一个重要问题,随着云计算技术的发展,这一问题显得更加复杂。当前的数据防泄漏方案主要依赖在外传数据中进行关键词通用搜索,导致数据流控制不够精细,虚警率较高。鉴于此,首先设计一种基于白名单的数据防泄漏(DLP)架构,在此基础上,提出一种基于文件指纹和bloom滤波器的数据泄露检测算法。该算法通过使用动态规划来计算最优检测位置,最大限度地降低了内存开销,并支持高速部署。仿真实验结果表明,该算法可以非常低的代价,实现大量数据的在线指纹检测。例如,对1TB的文件,解决方案只需340 MB内存就可实现1000字节的最差检测延时期望(泄露的长度)。

摘要：泛在电力物联网(UEP-IoT)背景下,采用数据中心集中处理的传统云计算运行方式难以适应急剧扩大的数据规模,且存在对电力数据中心计算能力要求较高的缺点。针对上述问题,在构建基于边缘计算的泛在电力物联网数据处理架构的基础上,提出一种新的感知自适应数据处理方法。首先,通过设计基于计数bloom滤波器的边缘节点数据类型自适应感知机制,从而自动识别泛在电力物联网数据类别与对应字段。其次,设计了一种包含了通用可移植的文件尾(EOF)识别插件以及数据副本管理系统的边缘节点感知自适应处理方法,最终实现了泛在电力物联网数据的有效收集。仿真结果表明,对于相同的数据集,所提方法对辨识数据类别的正确率提升了1.3%以上;与传统数据副本管理方法相比,所提就地管理与集群管理相结合的副本管理方法对数据集的处理平均时间下降了33.33%,表明所提方法能够有效提升对海量UEP-Io T数据的处理性能。

摘要：针对主动队列管理(AQM)机制面对动态突变的网络存在参数配置难问题,提出一种将模糊AQM和活动流参数估计策略相结合的自适应AQM算法(NFL).在综合权衡各性能指标的基础上,设计了一组能适应一定网络变化的模糊规则,并对算法进行了运算优化.为捕获网络突发流,引入了一种基于bloom滤波器的无状态维护活动流参数估计策略,并依此提出一个模糊AQM输出增益补偿器.实验结果表明,NFL能较好地适应网络变化,相对其他算法,具有更快的收敛速度和稳定的稳态队列控制性能.

摘要：为提高跨多个区域大数据存储效率,提出一种基于布隆(bloom)滤波器(BF)的海量数据存储空间部署策略。采用模糊交叉方法(FFBF),使用模糊交叉操作合并压缩两个bloom滤波器,实现散列数据在两个bloom滤波器的共享容纳,减少海量数据存储需求;利用双哈希计算k个哈希函数降低计算成本。实验结果表明,所提算法的误报受压缩操作(即失效数据)的影响很小,数据衰减缓慢,允许流数据在内存中驻留相当长的时间。

摘要：防止机密数据流出网络是网络运营商面临的一个重要问题。随着云计算技术的发展,这一问题显得更加复杂。当前的数据防泄漏方案主要依赖在外传数据中进行关键词通用搜索,导致数据流控制不够精细,虚警率较高。鉴于此,设计了一种基于白名单的数据防泄漏(DLP)架构,在此基础上,提出了一种基于文件指纹和bloom滤波器的数据泄露检测算法。该算法通过使用动态规划来计算最优检测位置,最大限度地降低了内存开销,并支持高速部署。仿真实验结果表明,该算法可以用非常低的代价,实现大量数据的在线指纹检测。例如,对1 TB的文件,该解决方案只需340 MB内存就可实现1 000 Byte的最差检测延迟期望(泄露的长度)。