系统重建阶段化——美国国税局现代化工程对我国税务“大集中”的启示

美国国税局认为,如何理解现代化工程的性质非常重要。在组织结构上,一改以往以地区和服务中心为基础,而是面向实际客户,以纳税者需求建立组织结构。在系统重建过程中,从业务设计,绩效评估到技术实现上都制定了具体时间段表,以阶段性目标的逐渐实现推进新系统重建。     

物理集中要下岗——逻辑集中是税务“大集中”最终目标

税务“大集中”是目前税务行业关心的焦点问题之一,其实现方式也括数据集中、处理集中、设备集中、应用集中等,在具体灾践中还可以根据数据传输过程有没有中间处理或者存储过程等进行细分。一般情况下,大集中模式建设可采取以下两种方式:一是物理集中:是指简单地将原来多个处理中心的设备集中到同一地点,或集中到一台处理能力很强的主机上。物理集中方式对应用无需做任何改造,只需网络及处理机的能力具备集中条件即可实施。但物理集中将带来未来系统管理的复杂程度大大增加。二是逻辑集中:是指将多个系统数据合并到同一数据范畴,形成逻辑上的一个区域。逻辑集中一般会涉及应用系统的大规模改造。早期的集中由于受到应用模式的限制,大多采用物理集中方式,或先物理集中,待条件成熟后再逻辑集中。从我国税收业务现代化的发展需求来看,逻辑集中才是最终目标,将     

基于信誉度的网格资源质量优化

网格由分布在地理上的各种各样的计算机资源组成,用户在调用资源时,只会根据资源提供商所制定的条件来选择适合自己的资源,但是资源质量的优劣只有在至少用完一次后才可以得出结论.现今许多基于经济模型的资源调度策略只是在提高资源提供商的效益及资源调用时的负载平衡方面加以研究,而网格资源的质量并无过多深入的分析.文中提出的基于信誉度的网格资源调度算法,在用户与资源之间插入一个信誉度计算器,用户每调用一次便会对此资源进行一次信誉度评估.实验证明此算法不仅提高了资源提供商获得的效益,并且使得网格资源的质量得到进一步的优化.     

JSP表单在工作流系统中的应用研究

表单是工作流系统中数据的载体,为了高效灵活的定义和处理表单,展现日益复杂的工作流业务数据,提出了JSP表单,即通过JSP标记的灵活展现和脚本语言的有效处理来展示工作流表单数据。阐述了JSP表单的定义方式及其与工作流系统的关联方法,实践证明它不但可以灵活定制而且可以任意扩展。     

针对ARP欺骗攻击的防御策略研究

通过分析ARP协议工作原理、ARP协议的运行机制、安全缺陷和攻击原理,以及各种ARP攻击手段,基于现有ARP欺骗攻击检测、防御方法的优缺点,从更加准确、安全的角度出发,借鉴现有防御技术,使用一种主体基于服务器客户端模式的防御体系。服务器主要进行通信信息的检验,并告知客户端检测结果,而客户端是防范欺骗的关键,保证域内主机与可信任主机通信,排除安全隐患。为了通信安全,实现端对端数据加密通信的ARP欺骗防御的思想,以准确高效地防范ARP欺骗的攻击。     

集群服务税务大集中

从目前情况看,全国税务系统在大集中工程实施过程中,硬件平台的搭建基本上都是采用小型机方案,小型机属于专用设计架构,具有性能稳定的优势,但其投资高、后期维护成本高等因素限制了它的大范围快速铺开。而微机服务器技术(IA架构)近几年的发展速度很快,特别是结合集群技术的应用同样可以满足一定规模的集中处理要求,而且构建成本低廉、易维护、开放性好,处理效率也很高。笔者认为,这种技术可以作为税务行业大集中建设的一种选择方案。方案构想建立在IA架构上的大集中方案基于集群计算思想,整个系统由多个处理节点、集群互连和共享存储设备…     

美国国税局现代化工程对我国税务"大集中"的启示

美国国税局认为，如何理解现代化工程的性质非常重要。在组织结构上，一改以往以地区和服务中心为基础，而是面向实际客户，以纳税需求建立组织结构。在系统重建过程中，从业务设计，绩效评估到技术实现上都制定了具体时间段表，以阶段性目标的逐渐实现推进新系统重建。     

税收管理现代化不等同信息化

现代化、信息化、工业化是三个耳熟能详的词语。在诸多文献中,常被混用。对它们的正确理解,有利于发挥十六大报告对行业管理现代化的指导意义。     

实现一户式管理——综合查询系统设计与实现

“一户式”综合数据平台要求建立标准的“一户式”数据库模型,使其成为未来构建应用系统的支撑平台。     

基于神经网络的鸟撞预测模型应用研究

通过对某机场地理环境、生境、鸟类及鸟类活动、鸟情信息进行综合分析,在收集、规范、完善鸟情数据集的基础上,文中给出了鸟情数据预处理方法,提出了一种基于神经网络的鸟撞预测模型,确定了鸟撞预测模型输入、输出参数,并分别采用BP神经网络和径向基网络(RBF)两种方式建立预测模型.运用Matlab对两个预测模型性能进行仿真实验,仿真实验结果表明BP神经网络比RBF神经网络预测具有更高精度、更小误差.最后,通过机场实际观察数据对训练好的鸟撞模型做仿真预测,结果进一步验证了BP神经网络鸟撞预测模型具有很好的预测效果