基于Linux的安全存储系统设计

如何有效的解决电子数据在存储与管理过程中的安全是信息安全领域一直在努力解决的问题.设计了一个在服务器集中加解密的存储系统,加密算法采用硬件加密卡产品实现.系统为用户提供了透明的文件加解密服务,用户通过映射网络驱动器的方式访问自己的存储空间.系统中每个用户拥有独立的文件加解密的密钥,加解密的密钥或密钥的密文始终不在网络上进行传输,降低了密钥泄露的风险.     

基于OpenStack的高资源利用率Docker调度模型

在现有OpenStack云平台与Docker容器技术的集成方案中,基于容器初始资源请求的调度模型由于未充分考虑容器运行时的实际资源使用情况,导致资源利用率较低。为满足云计算领域的高资源利用率和低成本需求,构建基于OpenStack云平台的Docker调度模型（DSM）,将其与OpenStack的Keystone、Glance以及Neutron组件的API进行交互,获取创建容器所需的镜像、网络等资源,同时调用Docker Engine提供的API部署容器,对容器生命周期进行高效灵活管控。通过融合初始化模块、资源实时感知模块、容器调度模块、资源实时监测模块和容器迁移模块,并在容器调度模块中利用资源可用度评估与优先级决策调度机制为容器选择最优的计算节点,实现OpenStack云平台中资源的高效利用。实验结果表明,与经典Nova-Docker和Yun集成方案采用的调度模型相比,DSM调度模型在CPU和内存利用率上至少提升38.54、30.17个百分点和38.40、28.69个百分点。     

基于自适应神经模糊推理系统的视频烟雾检测

提出一种基于自适应神经模糊推理系统的视频烟雾检测算法。从视频图像中提取烟雾特征,采用减法聚类确定模糊规则数,建立初始模糊系统。通过神经网络的自学习机制调整前提参数和结论参数,确定模糊推理规则。实验结果表明,与传统BP神经网络算法及支持向量机算法相比,该算法具有较优的ROC曲线特性。     

基于流量预测的Ad hoc网络入侵检测方案

Ad hoc网络具有无线传输的介质、动态改变的拓扑、缺乏监督等特点,为解决其安全防御问题,提出并实现了基于网络流量预测的Ad hoc入侵检测系统。该系统主要包括节点检测和响应系统两个部分,网络中的节点采用节点检测引擎对网络流量进行预测,根据原始流量与预测流量的差值来判断目标节点的恶意性,并据此做出路由调整。实验结果表明,该系统具有较高的检测率和较低的误警率。     

融合模拟退火算法的神经网络流量预测研究

为了提高网络流量预测的精度,针对BP网收敛极易陷入局部极小点的缺陷,引入模拟退火算法思想优化小波包神经网络,对网络流量数据的时间序列进行建模预测。先将原始网络流量序列进行小波包消噪,将消噪后的序列作为融合模拟退火思想的小波包神经网络的输入,待预测序列作为输出。通过消噪后的前N天的流量序列,预测出后M天流量序列。仿真实验结果表明,与直接利用小波神经网络预测的模型比较,融合了模拟退火算法思想的小波包神经网络具有更好的预测能力。     

扩频通信中高精度数据采集系统的设计

针对扩频调制信号低功率谱密度的特点,讨论了一种基于FPGA和ADS8364的适于扩频通信系统的高速高精度数据采集方案。采用"自上而下"的设计思想和"自下而上"的实现流程,将整个系统划分为特定功能模块进行优化设计,详细介绍了各模块的设计方法和实现步骤。     

CRM客户管理系统在中小企业的开发和应用

无论是从技术角度,还是从市场角度而言,CRM都将具有更广阔的前景。经历了2008年的全球性经济危机,可以预见,CRM将会得到更多行业、更高层次的接受与应用。在CRM逐步发展的过程中,我们需要对其进行持续的改进,让其沿着正确的轨道发展。建立起适合于中小型企业发展规模、成本较低的CRM客户信息系统是一项十分迫切的任务。在此背景下,基于江苏伯乐达变压器有限公司CRM客户管理系统,进行了详细的研究与开发。     

基于抽样和Bloom Filters的长流检测

长流检测对网络检测和管理有着重要的意义.提出一种基于抽样和Bloom Filters的长流检测算法,首先对报文进行抽样,然后通过Bloom Filters哈希运算,在内存中用临时表和流信息表来判断到达阈值的流并维护其信息,满足了高速网络环境下长流检测的要求,在保证测量精度的同时有效得控制了资源消耗.实验分析表明,和已有的方法相比,具有简单易行、资源可控等优点.     

浅谈降低小小区部署开销的方法

当今社会对移动数据的需求已呈爆发式增长,有限的资源容量极大地影响了业务量的拓展与提升。考虑到无线数据发生的不均衡性,增加小小区部署无疑成为了应对业务量增长的有效方法。重点研究了降低小小区中上下行参考信号、控制信令开销的可行途径,并提出一种通过部署小小区提高小区密度的方法。与宏小区部署相比,该方法能有效降低小小区的开销,提升资源使用效率。     

社交网络用户影响力分析ABP算法研究与应用

社交网络作为一种交往方式,已经深入人心。其用户数据在这个大数据时代蕴藏着大量的价值。随着Twitter API的开放,社交网络Twitter俨然成为一个深受欢迎的研究对象,而用户影响力更是其中的研究热点。PageRank算法计算用户影响力已经由来已久,但是它太依赖于用户之间的关注关系,排名不具备时效性。引入用户活跃度的改进PageRank算法,具备一定的时效性,但是不具有足够的说服力和准确性。研究了一种新的基于时间分布用户活跃度的ABP算法,并为不同时段的活跃度加以相应的时效权重因子。最后,以Twitter为研究对象,结合社交关系网,通过实例分析说明ABP算法更具时效性和说服力,可以比较准确地提高活跃用户的排名,降低非活跃用户排名。