云计算的技术特征范文
时间：2023-07-17 17:02:46
导语：如何才能写好一篇云计算的技术特征，这就需要搜集整理更多的资料和文献，欢迎阅读由公文云整理的十篇范文，供你借鉴。
篇1
关键词： 云计算； 数据特定特征； 特征挖掘技术； 提取精度
中图分类号： TN911?34； G420 文献标识码： A 文章编号： 1004?373X（2017）13?0178?03
Abstract： For the imprecise data specific information extraction in the process of traditional cloud computing， a specific characteristic mining method of massive data in cloud computing environment is presented. The matrix node difference model is used to arrange the data orderly， and avoid the imprecise extraction data caused by data confusion of the traditional method. The huge cloud data makes the data positioning imprecise. In order to eliminate the above problem， the multidimensional data positioning calculation is adopted to solve the problem of imprecise positioning effectively， and extract the data information successfully. In order to verify the effectiveness of the massive data specific characteristic mining method in cloud computing environment， the contrast simulation experiment was designed. The experimental results fully prove that the method can improve the accuracy of the data extraction effectively.
Keywords： cloud computing； data specific characteristic； feature mining technology； extraction accuracy
0 引 言
随着科技的快速发展，数据信息时代逐渐向着云时代变迁，数据的运算存储已经由传统的硬盘存储逐渐发展成为云端计算存储[1]。通过云端的计算存储已经在很大程度上摒弃了原有的算法规则，能够更大程度的进行数据统计和数据运算[2]。在使用云端计算的环境下，存储在云端的海量数据都是通过数据定位以及数据分析进行计算的，使用适当的调度方法可以在很大程度上进行数据的特征提取。所以，有效的数据调度可以充分提高数据的特征提取能力，但是传统的云端计算过程由于数据存储量过于繁杂，并且在进行数据定位的过程中需要进行数据识别。传统的方法是使用数据的属性进行标识识别，但是为了数据的存储方便一般会进行适当的数据压缩和数据转换，数据进行调用过程中十分的繁琐，并且数据的调用过程是一个识别提取的过程，这种方式极大地影响了数据特征提取的速度以及准确性[3?4]。在进行数据特征提取的过程中还存在一些数据节点，这些节点极大程度上限制了提取的精度[4?5]。综上所述，本文设计了一种云计算环境下的海量数据特定特征挖掘方法，该方法能够有效解决上述问题[6]。
1 运用矩阵节点差分计算方法进行数据特定特
征挖掘
使用矩阵节点差分计算可以提高数据提取的精准度，在计算之前需要进行数据的方位确定以及数据的预处理[7?8]。
式中：为单位下数据信息量；为数据的信息坐标；为提取条件下的属性条件；为实际的傩灾涤颉
当限制节点传输信息至时，传输单位需要经过个节点才能进行属性提取。关系式为：
保证数据的正确性和快速性是通过区域的划分得到的，划分前需要预设参数，通过设定能够对选择精度进行控制，避免误差的产生。
式中：为离散参数；为整合参数域；为区域值；表示提取深度；代表数据衡量值。
进行数据的特征提取过程中，使用矩阵节点差分方法，因此需要进行数据的预处理[9]，预处理之后才可以使用，首先是数据编续：
经过序号的排列以后，方便数据在大量数据中进行准确提取，但是排序之后的数据不能直接使用，需要一定的调用计算，方便在提取过程中属性的搭配：
式中：表示单位时间数据能够调用的属性；表示实际区域范围内数据的识别码；是实际计算中的属性参数；表示计算常量。
通过上述计算便可以进行矩阵节点差分方程的计算，建立如下矩阵：
通过化简的公式可以看出数据与实际调用的关系，把公式进行加权处理就可以得到关系公式，这样可以更加精确的在海量数据中完成特征提取。
限定好实用的属性参数及属性目标，进行加权计算：
本文运用矩阵节点差分计算方法进行数据特定特征挖掘，在计算前进行数据的预处理保证了数据的有效性，提高了结果的精准度，最后用条件进行限定保证在大量的数据中能够进行精准的计算。
2 实验验证
为了验证本文设计的云计算环境下的海量数据特定特征挖掘方法的有效性，设计了对比仿真实验。选定某网络数据公司大型云端数据库进行数据特征提取，首先使用传统的方法进行云端数据提取，然后使用本文设计的云算环境下的海量数据特定特征挖掘方法进行数据的特征提取。
2.1 参数设置
为了保证实验的有效性，同时进行实验，设置调配参数为65.8；数据坐标分别为150，100；为了保证数据提取的速度，设置为68.5；设置分别为55，60，100。
2.2 数据对比分析
实验对比结果如图1，图2，表1所示。
通过图1可以看出本文设计的方法能够在更短的时间内得到结果，同时所用的时间是传统方法的一半左右。
通过图2的误差对比结果可以看出，本文设计的云计算环境下的海量数据特定特征挖掘方法能够有效地降低误差，保证在海量数据下的特征提取。
表1的实验结果能够充分证明，本文设计的云计算环境下的海量数据特定特征挖掘方法能够有效地提高数据特征百分比，同时能够在更短的时间内进行更多的特征提取。
3 结 语
本文设计的云计算环境下的海量数据特定特征挖掘方法能够有效地解决数据特征提取过程中提取不精确的问题，同时所需要的时间更短，得到的结果不需要进行修正，能够更好地完成对海量数据的特征提取。本文的研究能够为云端数据提取提供良好的理论依据。
参考文献
[1] 廉文武，傅凌玲，黄潮.云计算环境下数据弱关联挖掘模型的仿真[J].计算机仿真，2015，32（4）：359?362.
[2] 卢小宾，王涛.Google三大云计算技术对海量数据分析流程的技术改进优化研究[J].图书情报工作，2015，59（3）：6?11.
[3] 何清，庄福振，曾立，等.PDMiner：基于云计算的并行分布式数据挖掘工具平台[J].中国科学：信息科学，2014，44（7）：871?885.
[4] 刘辉.云计算环境下海量激光点云数据的高密度存储器逻辑结构设计[J].激光杂志，2016，37（9）：91?95.
[5] 白红伟，马志伟，朱永利.基于云计算的绝缘子状态监测数据的处理[J].电瓷避雷器，2011（4）：19?22.
[6] 钱维扬，王俊义，仇洪冰.基于Hadoop的数据挖掘技术在测光红移上的研究[J].电子技术应用，2016，42（9）：111?114.
[7] 刘海龙，宿宏毅.利用Hadoop云计算平台进行海量数据聚类分析[J].舰船科学技术，2016（14）：148?150.
篇2
关键词:云计算；计算机安全；安全保障
云计算技术的应用给人提供了很大的方便，满足了人们的技术应用的要求。处在当前的数据发展时期，面对愈来愈大的数据，加强对数据的管理就显得比较重要，云计算技术的应用成为数据管理的重要技术。通过对云计算技术的研究以及对计算机安全问题的分析，就能为解决实际问题提供相应参考。
1云计算的优势特征以及产生的影响分析
1.1云计算的优势特征体现
其一，规模大的特征体现。云计算技术的出现成为数据管理的改革起点，云计算技术的应用主要是通过让计算分布在大量分布式计算机上，企业数据中心运行和互联网相似，这样就能被数据资源切换到需要的应用上[1]。云计算的技术应用下，就有着鲜明的特征，首先超大规模是其基础的特征，如谷歌的云计算有一百万台服务器，而对于微软以及雅虎等云也有着几十万台服务器，企业私有云通常有数百成千台服务器，这就大大提高了计算机的计算和存储的能力。其二，虚拟化的特征体现。云计算的特征还体现在虚拟化方面，云计算技术支持用户在任意位置使用各种终端进行获得服务，这样就是的云并非是有形的，而是虚拟的。用户也不用了解云的位置和具体运行，只要有终端就能在网络的服务下来完成相应的操作。其三，价格低的特征体现。云技术的应用价格比较低廉，其特殊的容错措施使用廉价节点来构成云的，自动化集中式管理方式就使得在应用云的时候不同担心管理成本，并且资源的利用效率能得到有效提高，用户在享受低成本的优势下，就能方便的进行工作生活使用。这也是云技术得以广泛应用的重要因素之一。其四，高扩展可靠特征的体现。云计算技术的应用过程中，其可靠性是比较突出的，云技术使用了诸多的数据多副本容错等保障服务的可靠性；同时能够在规模上精细红伸缩，对不同的用户规模增长的需要要求能有效满足[2]。
1.2云计算技术产生的影响分析
云计算技术的应用所产生的影响时比较大的，其中对软件的开发产生的影响就比较突出。云环境下软件的技术以及架构会发生变化，开发软件要和云相适应，对和虚拟化核心的云平台要进行结合，对其运算的能力以及存储的能力变化要能有效适应等。并要能对大量的用户使用的要求得以有效满足，其中就涉及到数据信息的处理能力以及存储结构等。还要能实现互联网化的目标，安全性要能得以加强。在云环境下的软件开发以及工作模式也会随之而发生变化，软件产品的祖自宏表现的形式会更加的丰富[3]。另外，云计算技术的应用对软件的测试产生的影响也比较突出，主要就是软件开发工作变化使得软件测试也发生了变化，软件的测试点就要进行适当的调整，对软件质量重视的基础上，对云计算环境提出的质量要求也要能得以满足，其中的多平台兼容性以及软件动态适应能力等方面都要能够满足其要求。软件的测试工具以及测试的工作模式和测试的环境也发生了变化，测试对不同形式的软件产品的测试也发生了变化，这些都是云计算环境所造成的。
2云计算的应用和云计算下计算机安全问题及建议
2.1云计算技术的应用
云计算技术的应用范围比较广泛，其中在物联网中的应用就比较广泛，物联网核心和基础是互联网，是在这一基础上的延伸扩展的网络。物联网的业务模式主要有两个，一个是．MAI（M2MApplicationIntegration),内部MaaS；一个是MaaS（M2MAsAService),MMO,Multi-Tenants(多租户模型）。物联网在近些年的迅速发展过程中，对数据存储的要求也愈来愈高，对云计算的技术应用需求也在加大，云计算的应用下能满足物联网的实际应用要求，从计算中心到数据中心在物联网初级阶段能够满足其应用的要求。云计算技术应用中，云存储的应用是最为基础和广泛的，云存储是通过集群应用以及网络技术等功能的应用，把网络中大量不同类型存储设备采用软件进行集合协同工作，对外提供数据存储和访问功能系统，这样就能大大提高存储的效率和安全性[4]。云计算技术在云安全领域的应用发展也比较重要和广泛，云安全主要是对网状大量客户端的利用，从而来对网络软件中的异常行为的监测，从中获得木马以及恶意程序最新信息，将其信息推动到Server端自动化的处理，将解决方案发送到每个客户端。云安全领域的应用有着诸多的方法，有管理密码的方法需要应用程序以及软件，在云技术的应用下通过LastPass就能对密码进行安全管理。
2.2云计算技术下计算机的安全问题分析
云计算的应用比较广泛，在云计算环境下计算机的安全问题也比较突出，解决实际中的安全问题就显得比较重要，主要的安全问题有以下几个层面：其一，云计算技术缺乏安全标准。云计算技术是新型的技术，在信息化的时展速度比较快，但是还没有形成完成的安全标准，这就说明云计算技术应用中，涉及到数据保密完整性等，都是通过云计算消费终端进行承担的，云计算服务上不承担责任。在法律层面对云计算技术的应用安全标准也没有进行细化规范和约束，这就必然会在实际中存在安全问题。云计算技术的应用中存在的不安全因素也比较多，有的云计算服务商受到利益的引诱，会不顾安全问题从中谋取利益。其二，数据安全的问题比较严重。云计算技术下的计算机安全问题的数据安全问题比较突出，云计算技术的应用愈来愈广泛，主要是其数据存储的方便。随着计算机技术的迅速发展，用户通过云端的应用进行存储数据以及调用数据的量就比较大，由于计算机监管的条件受到限制，这就使得在具体的监督管理执行过程中存在着难度，从而留给不法分子攻击的机会造成数据的丢失，这就存在着很大的数据安全隐患，对用户的合法权益以及经济利益会造成很大的威胁。云计算是虚拟的技术，对数据信息存储的位置不能得到确定，也缺少具体规范，这就会造成同一信息数据存在多个地方，在信息安全的保障方面受到很大影响，也比较容易发生信息数据窃取的安全问题。其三，用户权限安全保护力度有待加强。云计算下计算机的安全问题还体现在用户权限的保障力度不强方面。未能方便用户查看信息数据，就要活得相应权限，而在等级的不同因素影响下，用户权限也是不同的，获得的内容信息重要程度也有着不同。对有着权限的用户，股票中能调整自己持有股份的金额，不具备权限的用户就只能查看数据信息变化，在用户权限的不同下，一些不法分子就对云环境下的计算机采用病毒入侵的方式，通过不当方式获得用户权限获得相关信息，这就使得用户权限的安全受到很大的威胁，对用户会造成很大经济损失。
2.3云计算背景下计算机的安全保护建议
云计算背景下的计算机安全保障措施的实施要注重科学性，笔者结合实际安全问题提出几点保护建议：建议一：加强云计算用户自身的数据安全意识。云计算下的计算机安全保障工作的实施，首先用户自身的信息数据安全意识要加强，提高信息数据安全保护意识能避免留给不法分子可乘之机。如在网吧等公共网络场所不登录个人账号和存储重要信息。要提前进行电脑病毒的查杀，对信息存储和备份后，就要将信息数据的记录以及账号记录进行及时删除。对于个人的电脑应用就要安装必要的杀毒软件以及防火墙等，并能定期的进行电脑杀毒处理，管理好电脑，这样就能有效避免计算机安全问题出现。
3结论
综上所述，云计算环境下的计算机安全保障措施的实施，要充分注重方法的科学应用，并要对云计算技术有充分的了解，这样才能针对性的解决实际安全问题。在计算机技术迅速发展的环境下，云技术的应用将成为趋势，对计算机的信息安全的保护强度也会进一步加强。
参考文献
[1]朱英旗.云计算背景下计算机安全问题及对策分析[J].电脑知识与技术,2017(23).
[2]王伟.云计算背景下计算机安全问题及对策[J].中国新通信,2017(08).
[3]梁礼勇.云计算背景下计算机安全问题及对策[J].电子技术与软件工程,2016(11).
篇3
关键词：云计算；电信通信网络；关系分析；应用
1 云计算的简介
如果站在技术的角度对云计算进行分析，可以将其看作是一种基础性的设施，其主要的架构构成是在其上搭建多个的框架，云计算的概念可以通过分层模式进行体现，其具有虚拟化的物理硬件层，能够为整个系统提供一个非常灵活的自适应平台，为了能够在各个层次上都能对其业务需求进行良好的响应，云计算可以给予SaaS平台、PaaS平台、IaaS平台来进行计算。
2 云计算的发展现状
目前在云计算的研究及应用过程中，赛门铁克、Redhat、SUN、Oracle、微软、IBM等主流的软硬件生产商都在进行云计算的相关研究，并提出了具有自身特点的云计算体系及架构，并且投入了大量的资金及技术来进行云计算的研究，各个厂家所提出的云计算的架构虽然有一定的差异，但是总体上的概念没有太大的区别，但是各个厂家对于云计算的概念理解及研究视角却有着较大的差别。另一方面，虽然云计算经过了一段时间的发展，取得了较大的进步，但是在其主要的技术应用中，还存在着一些有待解决的问题，例如多个虚拟机的功能融合、QoS问题、云环境下的安全问题等。
3 云计算在电信通信网络关系分析中的应用
3.1 基于云计算的客户价值预测
在电信通信网络中的客户价值预测工作中，通常涉及的知识面非常的广，需要进行大量的计算，而如果将云计算应用于客户价值预测中，对用户信息及通话信息的相关数据进行深层次的挖掘，应用分位点的概念，对新入网的用户进行有效的价值预测，该种预测方法与传统的绝对区间划分的预测方法，能够有效的降低预测误差。
其主要的预测流程为：将客户信息及通话记录中的有效字段进行抽取，然后将相应的字段进行合并连接；然后对用户的所在区域、年龄、性别等进行解析，解析完成之后将不符合筛选要求的用户予以剔除；然后将通话时长作为主要的参考依据，结合分位点，将相关的通话记录进行有效的分类，如果在分类的过程中采用了n-1各分位点，那么可以根据此分位点将所有的用户划分为n类，然后根据类别划分的不同，将n类记录分别进行存储，依据分好类的n个文件的不同类别，分别对其进行bayesian模型的训练，然后还要运用测试集对相关的模型效果进行检查对比。
3.2 基于云计算的好友推荐
在运用云计算进行好友推荐的计算时，主要的参考依据是用户的熟悉度及相似度，这种计算方法在电信通信网络关系中具有非常广泛的应用前景，计算中的绝对量是熟悉度，通过二度好友的贡献度及熟悉度来进行二度好友的查找，通过这种算法能够得到二度好友的相关熟悉度，然后会根据相关的熟悉度对朋友的属性进行加权算法，最终能够得到非常精确的偏好特性，在该种计算方法中，会根据电信数据的特点，提取交流时长、交流频率等信息，通过对二度好友的属性相似度、用户偏好、熟悉度等进行计算，然后可以得到用户之间的总的推荐度，最后把总相似度较高的二度好友推荐给用户，使得好友推荐更加的精确。
其主要的计算流程为：首先对一度好友之间的相似度进行计算，通过对一度好友的熟悉度的计算，能够得到相关的二度好友关系，然后再对其相似度进行计算，并要根据一度好友计算出用户的环境偏好，然后通过用户自身属性、环境偏好及二度好友的熟悉度，计算出总的推荐度，根据总推荐度的高低，为用户进行好友推荐。
3.3 基于云计算的电信社团特征结构化存储及验证
将云计算应用于电信社团特征的结构化存储中，其主要的计算方法是：根据一个月之内的通话记录分析，对其中所存在的社团属性进行统计分析，然后根据社团特征提出一种存储方案，并根据相关的通话网络来进行验证，对社团结构特性的统计分析进行归一化，并将其在相关的结构中进行存储，为进行二次的深入分析提供方便，在进行方案验证时，将社团作为研究单位，对其整体感兴趣的数据的分布情况进行分析，并将其与之前的研究数据进行分析比较，并对不同的特征进行统计。
其主要的计算流程为：首先要对社团中存在的各种属性进行统计，如果存在没有统计的属性，要对其单属性进行统计，然后将其统计特性进行归一化处理，制定出统计特性的概率分布情况，然后将其进行一致化处理，并将其结果存储于上述的存储结构当中。
[参考文献]
篇4
关键词：云计算平台；物联网；数据挖掘
物联网是当前智能化社会发展的一个重要显示，近几年随着科研事业的快速进展下，物联网以及从一个概念存在逐渐融入到现实生活中。物联网的出现实现了人们生活与工作的智能化，极大的改变的了生活与工作方式，提升了办事效率。而物联网的实现依靠中的技术的支持，其中数据挖掘技术便是其中一个重要支撑条件，数据挖掘实现了海量信息的获取与挖掘，而这种信息能够支撑物联网在实际操作中的智能化实现。文中在云计算平台的基础上分析物联网数据挖掘的相关研究，其中包括物联网数据挖掘所面临的挑战、在云计算平台中物联网数据挖掘的相关技术以及实际应用。
1云计算与物联网理论基础
1）云计算理论云计算是一种依赖于互联网技术，经由互联网服务为用户提供依据需求而明确服务的计算方式。而云计算命名的由来是由于整个服务资源的选自源互联网内的数据，且互联网多会应用云状图案对资源进行显示，因此被称之为与计算。云计算基于其应用技术的先进性具备了以下几大特征：第一，规模大。云计算中的云所显示的便是差大的规模，当前就谷歌云计算来看已经拥有了100多万台服务器，而其他较大型的搜索引擎也具备了数十万台服务器。第二，虚拟化。云计算能够支持用户在任意位置或任意终端进行服务器的登录，所有操作在云空间进行运行，由此也便形成了虚拟性特征。第三，可靠性。云计算应用数据多副本绒促以及计算节点同构可互换等措施来确保服务的可靠性。第四，通用性。云计算不会针对特定的应用，在云支持下能够创造出海量的应用。第五，可延伸性。云计算的超大规模能够支持其进行动态的伸缩，由此满足各类应用与用户规模的增长需求［1］。2）物联网理论物联网属于全新信息技术的主要构成部分，同时也是信息化时展的重要阶段。物联网实际上所指的是经由多种技术的应用实现物与物之间的连接，而这种连接形成了一个局域网络，实现远程与集中操控。物联网雏形的出现可追溯到1990年，后期随着各项理论与技术的不断研发下，在近几年已经能够实现在现实生活中，且被广泛的应用。其实际意义在于，经由各项技术将多种物品与互联网进行连接，实现信息交换与通信，由此实现了物品的智能化，用户可经由远程终端进行操控，便捷了人们的生活，同时也提升了各物品应用的安全性。与互联网对比物联网具备了以下几大特征：一方面表现在物联网应用到多种感知技术；第二方面表现在物联网属于建立在互联网基础上的泛在网络；第三方面表现在物联网的核心价值是提供不限定任何场合与时间的应用场景与用户的自由互换［2］。3）物联网的建设物联网在应用过程中需要多个行业的参与，且需要政府方面所提供的支持，物联网具备多种优势，可广泛地应用在社会各个领域中，但是在实际应用过程中技术建设始终是一大难题。就常规上来讲，物联网的建设需要经由以下几个步骤：第一，对需要建设物联网的物体属性进行识别，包括静态与动态的属性，其中静态属性可直接进行存储，而动态属性则需要应用传感器进行探测；第二，对识别完成后的物体属性进行读取，将读取信息转换为网络识别数据；第三，将物体的信息经由网络传输至信息处理中心，由处理中心实现物体与互联网之间的通信［3］。
2数据挖掘技术界定与特征分析
2．1数据挖掘技术概念
数据挖掘技术出现在二十世纪后期，虽然其出现时间不长，但是对社会中各领域的发展形成了巨大的影响，也引起自有优势得到了广泛的应用。数据挖掘从广泛意义上来讲所指的是从大量数据中经由可靠的算法搜索隐藏其中信息的整个过程。数据挖掘与计算机科学存在着紧密的联系，利用计算机技术经由统计、分析、情报检索、机器学习等多种手段实现其实际价值。当前数据挖掘在应用到不同领域后，也被赋予了不同的概念。但就其应用价值可从三个方面进行概述，第一个方面为提供海量可靠信息；第二个方面为经由数据挖掘所获取的信息对人们具有较高的应用价值；第三个方面为所获取的信息能够被人们理解与分析，并以此为根据做出决策［4］。
2．2数据挖掘技术特征
数据挖掘技术具备了分布广、规模大、节点资源有限、安全性复杂等特征。其中分布广主要是数据挖掘是物联网技术中的一个构成部分，而物联网本身就具备的分布广泛的特点，由此数据挖掘基于需要将数据存储在不同的地方，也便具备了分布广的特点；规模大方面主要是物联网中具有海量数据的传输与应用，而数据挖掘作为数据分析与处理环节自然具备了规模大特点；节点资源有限方面是给予物联网较为庞大的数据链，需要设置多个传感器节点，因此需要有能够快速解决处理数据的中央节点，而节点资源并非无限，中央节点通常不需要所有的数据，但需要数据参数，由此对需求数据进行输出［5］。
3物联网数据挖掘面临的挑战
基于物联网技术自身所具备的特征，在数据挖掘中也具备了一定的优势，但是新技术在数据挖掘中应用较多，物联网技术在数据挖掘中也面临着一定的挑战，具体表现为以下几个方面。第一，物联网数据具有一定的规则，但是由于其规则过多也相对较为繁杂，经由中央模式对分布式数据进行挖掘的方式效果并不理想。第二，物联网数据规模较大，需要及时给予可靠的处理，而当前处理模式对硬件要求较高，若硬件不能够符合要求则可能无法实现。第三，数据需求的节点不断增加，需求与供给之间存在着一定的矛盾。第四，给予物联网数据存在着诸多外在影响因素，包括数据传输安全性、数据传输的隐私性、法律约束等因素。将所有数据集中存储在相同的数据仓库中这一渠道显然不具备可靠性。基于上述几点问题充分显示出，对物联网进行数据挖掘过程中，当前所具备的以及应用的多种技术与手段存在着一定的弊端，针对此需要不断地进行更为深入的研究，以寻找到更为有效的解决方案。
4基于云计算平台的物联网数据挖掘技术分析
4．1物联网感知层
物联网感知层也就是实现感知作用，具体是依赖于目标区域范围内设置大量数据采集点予以实现。也就是说节点是经由传感器与摄像头以及其他相关设备实现数据的采集，所采集到的数据需要依赖于物联网感知层所具备的网络通信设备进行集中处理，将所需要的数据传递至各节点，再经由集中储存后再次通过传输层传递至云计算平台的数据处理中心，实现整个感知层的职能。
4．2物联网传输层
物联网传输层是所有数据传递的中间环节，其中涵盖着传感器、无限网络等设备与技术，经由多种网络设备的连接，形成高效率无缝数据的传输系统，能够更为有效地将物联网感知层所收集到的数据经由网络传输到数据处理中心，由此实现全方位的互通互联目标。就其实际工作内容来分析，所指向的是将多种属性的监测处理设备进行联网，实现传输功效，对各设备与节点之间的数据信息进行传播。
4．3数据层
数据层是物联网云计算平台中数据挖掘技术的核心环节，物联网自身具有一定的异构性与海量性特点，由此在数据层内将物联网设备所收集到的所有数据信息进项储存处理与分析的能力是基于云计算的物联网数据挖掘平台的重点。数据层内部涵盖了数据源转化与存储两个主要部分，其中数据源转化所指的是对物联网异构性的数据化进行转化，存储方面所指向的是应用Hadoop所构建的平台中HDFS系统进行分布式存储，由此将物联网中大量的数据能够可靠的存储在各个数据节点中。在物联网平台内部，针对不同的目标需要收集不同的数据类型对其进行显示，在特定环境下，同一种目标同样会选择不同的数据类型进行表现，基于此数据源转化的作用主要为表现保持数据的完整性，同时避免异构性的物联网数据在转化中基于其他不确定因素有所损坏，由此实现确保数据挖掘可靠性的目的。数据源转化在整个系统中的价值主要是作为数据层与感知层之间的连接线角色存在，经由数据包的解码与转换将不同属性的数据转换为所需要的数据类型，同时将其以分布式手段存储在数据处理中心。
4．4数据挖掘服务层
数据挖掘服务层内部涵盖数据准备模块、数据挖掘引擎模块、用户模块几个部分。其中数据准备模块中涵盖着对数据的情况、转变、数据规等环节；数据挖掘引擎模块中涵盖着数据挖掘算法集、模式评估等环节；用户模块中涵盖着数据挖掘知识的可视化展现技术。基于知识挖掘类型的差异性，数据挖掘引擎模块具备了区分、关联、聚类、趋势分析、偏差分析、类似性分析等特征。而提供以上所述的功能核心环节为数据挖掘模块中的算法集所具备的多种功能算法，在Hadoop平台中数据挖掘算法需要对传统所应用的数据挖掘算法进行一定程度的调整，也就是实现算法并行化的处理。用户模块是应用物联网数据挖掘平台用户的直接接触端，基于其担负着将系统显示转化为用户可识别显示的重要责任，需要具备一定的友好性，也就是一定的人性化，使用户能够便捷的应用用户界面进行操作，实现数据挖掘的目的，同时也能够获取到能够理解的知识。为提升数据挖掘平台的可移植性，在用户服务底层模块加入了一个开放接口模块，由此能够使得第三方调用物联网数据挖掘平台的功能，使物联网具备更为丰富的应用，同时提升其实际应用价值。
5结论
云计算与物联网均属于信息化社会的先进产物，是社会发展的一大表现，物联网引起自身的多种优势被广泛地应用在社会各个领域中。但是，当前物联网在我国发展进程较为缓慢，主要是由于物联网的建设需要应用到多种技术，而技术建设始终是一个难题，为此，在本文中对基于云计算平台的物联网数据挖掘技术应用与实现效果进行了全面分析，为进一步推动基于云计算基础物联网的建设提供理论参考。
作者:汤勇峰 单位:江苏省徐州医药高等职业学校
参考文献：
［1］张虎．基于云计算的物联网数据挖掘模式的构建［J］．无线互联科技，2016，2（20）：50－51．
［2］陈达峰．基于云计算的物联网数据挖掘关键技术研究［J］．中国新技术新产品，2014，5（23）：20．
［3］李立，张玉州，江克勤．一种改进的基于云平台的物联网数据挖掘算法［J］．安庆师范学院学报：自然科学版，2014，7（2）：37－40．
篇5
关键词：点云；法向量；田坎面
中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2017）04-0099-02
在如今数字化世界的时代中，随着计算机技术和传感技术等领域的快速发展，极大促进了测量测绘以及逆向工程等的发展[1]。在野外测量中，对复杂地形的信息采集以及数据建模等需求也越来越高，随着机载雷达、车载雷达、无人机等工具的进步，采集的地形信息也越来越全面，如何合理高效的利用这些数据来提取所需要的信息，对后续的三维建模，土地面积计算发挥着至关重要的作用[2][3]。
在对散乱三维点云的信息研究的过程中，三维点云的法向量作为三维点云空间的重要几何特征，是点云信息提取尤其是三维边界以及特征面提取的一个重要指标，同时也有许多与之相关的研究方法[4][5]。因此本文提出一种基于距离权重的法矢向量计算方法，针对所要求的提取梯田坎面的目标，对点云数据进行K邻域搜索，通过基于Delaunay的方法对数据点建立三角网，并基于邻域点与目标点的距离来重新对法矢向量值进行估算，提高梯田田坎面提取的精度。
1 研究方法
由于散乱三维点云在空间分布上呈无序状态，为提高计算效率，保证目标特征点的提取，可对点云建立kd树索引。K近邻算法一般是通过计算与目标点的距离，对采样点搜索出最临近的K个点。通过K近邻算法对目标点及其进行拟合进而计算出法矢向量，通过设置特征值来提取符合要求的数据点。
1.1 K邻近点的搜索
Kd树是一种分割K维数据空间的数据结构，是二进制空间分割树的特殊情况。 在三维无序点云数据处理中，三维kd树索引的建立能够极大的提升临近点的搜索效率[6]。
其基本构建思路：首先对三维点云数据进行遍历，对X、Y、Z坐标进行方差计算，并以大小进行排序来对分割轴进行编号；依据编号选定坐标域，以位于正中间的数据点为节点，对位于分割轴两侧的点进行分割，确定左右空间；按照编号大小，对剩下的坐标域以位于正中间的数据点为节点分割；递归上述过程，直至空g中只包含一个数据点为止。
在通过无序的点云数据建立Kd索引之后，通过目标点P（PX、PY、PZ）坐标与节点的坐标值进行比较，选取最近的根节点作为目标节点进行遍历，搜索出的最近的K个点，即为目标的K邻域点集Pk={P1、P2、P3……Pk}。
1.2 改进的法矢向量提取方法
1.2.1 法矢向量提取方法
法矢向量是离散空间点云的一个重要空间几何特征，因此在三维点云空间特征提取中，估算点的法矢向量是一个关键的过程[6]。常见的点云法矢向量计算方法有：通过对点云进行局部表面拟合和基于Delaunay的方法[7]。
本文利用基于Delaunay的方法来估算目标点P的法矢向量，通常采用的办法为：首先对P及其K邻域点集Pk构建Delaunay三角网；计算所有通过P点的三角面的法向量，并进行法向量一致化处理，得到过P点的三角网的法向量集；通过三角面的法向量集Nk={N1、N2、N3}加权平均的方式对P点的法向量进行估算。P点的法向量Np的估算表达式为：。
1.2.2 改进算法
在基于Delaunay的方法过程中，法矢向量是由邻近三角网的法矢向量加权平均进行估算的，点云法向量的估算的准确性和三角网的法矢向量有极高的关联性。
在提取梯田田坎特征面的过程中，需将田坎点云数据中的田坎面点保留，同时尽可能的除去边坡面点。为了更好的提取梯田田坎边点以及保留梯田田坎面的特征，本文对点云估算方法进行改进：在目标点进行法向量估算构建三角网的过程中，对通过目标点三角网的法向量进行加权，依据构建三角网的点与目标点的距离进行权重赋值，降低远点对目标点法矢向量计算的影响，得到新的点云法向量估算公式如下：
式中：L为点集Pk中与目标点P欧式距离的最大值，La、Lb分别问过P点三角网的其余两顶点与点P的欧式距离。
1.2.3 梯田田坎特征面提取
根据得到的梯田点云法矢向量，对梯田数据点的法向量与其K邻近点的法向量的夹角αi计算得到夹角集A，A={α1、α2、α3……αk}，并进行加权运算得到该点与K邻域点的法向量夹角的均值αp；同时计算出点法向量与Z坐标轴的夹角βp。通过设置阈值k1和k2，可根据αp与k1以及βp与k2的对比结果进行分类，并进行分类，当αp>k1将其视为田坎边界点，当αpk2时，将其视为边坡点，其余点则为田坎表面点。
2 实验分析
硬件为CPU为Intel双核20G，操作系统为Windows 10，软件为VC++6.0和GeomagicStudio2013，机载激光扫描数据为Riegle公司的 VZ-4000获取的贵州某梯田三维点云数据。
2.1 数据预处理
首先将数据导入到GeomagicStudio2013里，通过软件现有算法对数据进行降噪处理，得到实验用数据（图1）。
2.2 实验过程
（1）读取处理后的梯田点云数据并表达（图2），建立kd树索引组织点云数据。
（2）对数据点P求出点的K邻域点集，并依据改进算法进行法向量计算得到结果N。
（3）对目标点P及其K邻域点的法矢向量依据公式得到其与邻域点法向量夹角均值αp和其与Z坐标轴的夹角βp和设置的阈值进行比较，这里k1取45°，k2取5°。
（4）对所有数据点依次遍历进行上述过程得到实验结果并表达（图3）。
（5）通过GeomagicStudio进行点云矢量数据操作，根据设置的阈值提取目标点，得到结果（图4），并通过人工识别的方法对两数据结果进行比对，检验其保留的边坡点。
得到的比对结果如表1。
3 结语
本文通过K邻域算法，求取点云数据点及其邻域并生成三角网得到相关面的法向量，通过赋予权值的方式对点云的法向量估算方法进行改进，设置合理的阈值同目标点及其邻域的法矢向量夹角均值比较来提取符合要求的点，从实验结果以及相关软件的处理结果来看，该算法能够相对快速的提取梯田田坎的表面点数据，且达到较小的误差。
参考文献
[1]Masatoshi Hikizu. Motion Planning System for Bin Picking Using 3-D Point Cloud[J]. Intelligent Control and Automation，2016，07（03）：73-83.
[2]王丽辉.三维点云数据处理的技术研究[D].北京：北京交通大学，2011.
[3]安毅.三维点云数据的几何特性估算与特征识别[D].大连：大连理工大学，2011.
[4]赵卫东，汤国安，徐媛，周春寅，钱家忠，马雷.梯田地形形态特征及其综合数字分类研究[J].水土保持通报，2013，01（056）：295-300.
[5]刘正.三维点云法向量估计方法研究[D].华北电力大学，2015.
篇6
1 当前电大远程教育现状分析
电大教育给更多的人能够接受高等教育提供了机会，但由于各方面的原因，使得远程教育网络和资源存在着诸多不足，其主要表现在以下几个方面：
1.1 网路资源缺乏，未能实现资源共享
电大教育作为高等教育的补充，给许多人提供了接受高等教育的机会，但是由于学习资源非常多，另外一些学习视频资料也比较多，这就导致在当前条件下，远程传输比较困难。这样的一个后果就是各个服务器的资源不能够及时的得到更新。在一些地方，由于资源比较缺乏，学生想找资料，却找不到。在市级服务器上找不到资料的话，就访问省级的，省级没有在访问中央服务器，这就会导致访问量过大，访问通路不畅通。一些省级电大或者市级的电大即使有丰富的资源，但一般是不对外开放的，这样一来，就不能实现资源的共享。
1.2 重复建设导致资源浪费
各个地方的电视大学为了能够满足本部地区的教育需要，投入大量的资金进行建设，这样虽然使得学习资源丰富起来。但总的来说，许多地方的电大远程教育资源规划不明晰，最突出的问题就是重复性建较多。与此同时，网上资源由于重复性的上传，导致网路宽带比较紧张，接收资源的效率非常的低。再者，由于学习资源更新不及时，使得优质教育资源不能实现共享，给电大的教育质量造成了很大的影响。
1.3 登陆频繁，效率低下
当前，学生在登陆远程教育资源服务器的时候，需要登陆许多次。学生要想浏览相应的资源，就必须先登陆中央电大服务器，然后登陆省级服务器，最后登陆市级服务器，这样多次登陆好、使得网络资源的使用非常繁琐，效率低下。
1.4 技术服务支持相对落后
电大教育作为开放教育，其技术环境建设，最为重要的是对硬件和软件系统进行建设。这些系统包括天地网合一远程教育平台以及网路教学支撑软件等等，这些软件和硬件是确保远程教育良好发展的关键，但当前由于资金以及技术方面的原因，使得软硬件建设上还比较落后，远远不能满足当前的需求。
2 云计算技术的含义与特征分析
在对云计算技术在远程教育中的应用进行探讨之前，有必要对云计算的概念以及特征进行阐述。
2.1 云计算含义
当前，云计算技术的发展在我国呈现出方兴未艾之势。对于云计算的含义，现在存在着诸多不同的说法。一些学者将云计算定义为：把数据储存在云端服务器上面，用户如果需要使用，就可以直接从客户端进行访问。这个定义是从云计算的操作方式上来进行定义的。另外，还有一些专家学者从计算模式方面对云计算进行定义：云计算是一种以虚拟技术为核心的计算模式，它是在分布式处理以及并行处理和网格计算的基础上发展而来的，与此同时，它将基础设施、开发平台以及软件当作一种服务，用户在使用的时候，需要交纳一定的费用。从这个概念看的话，云计算是对所有的用户开放的，用户可以使用各类客户端实现对资源的访问。
2.2 云计算的主要特征
云计算的主要特征可以分为以下六个方面：
2.2.1 云计算的虚拟性
对于云计算来说，其最为主要的特征就是其虚拟性。虚拟性包括两个方面：资源的虚拟化以及应用的虚拟化。云计算的运行环境与承载运行的物理平台是没有关系的，通过虚拟的环境就能实现对不同应用的操作。
2.2.2 云计算动态的可扩展性
云计算对于用户来说，资源是可以不断扩展的，随着用户的增多，资源可以相应的进行扩展。除此之外，对于应用来说，也是可以进行扩展的。如果用户在不断的增加，已有的服务器群里可以随着用户数量的增加不断加入新的服务器，通过这样的方式，云计算的服务能力就得到了很大的提升。
2.2.3 云计算的有效性
云计算的用户可以按照自己的需要对存储的资源以及计算能力进行使用，与此同时，还可以根据用户需求的不同随时的进行调整，这样一来，就可以使得资源的利用达到最大化，也就防止了资源的浪费。
2.2.4 云计算具有可靠性
使用云计算能够在不同的位置，运用不同的服务器给用户提供服务，这种分布式的方式使得云计算的可靠性大大增加。另外，云计算能够很快的将一些功能向其它的服务器节点上扩展，这样就能非常有效的确保用户正常的使用云端的资源。
2.2.5 云计算具有非常高的性价比
对云端资源的管理采取的是虚拟资源池的方式。运用这种方式能够提供非常强大的处理能力，与此同时，这种方式对物理资源的要求不高，投入成本也很少，但获得利益比较大。
2.2.6 云计算具有很高的安全性
当前电大远程教育采用的是集中模式，而云计算采用的是分布式模式，这种分布式模式显然就有非常高的安全性，它有效的解决了集中式所具有的单点失效的弊端。云计算的处理能力非常的强，因而服务提供商也能够对数据的安全进行强有力的维护。
3 云计算技术在电大远程教育中的应用
随着云计算的不断发展，在电大教育中引入云计算技术，能够实现资源的共享，同时还能方便学习，促进电大教育教学质量的不断提高。其应用主要表现在以下几个方面：
3.1 云计算技术在教师队伍建设上的应用
电大教育主要是远程网络教育，因此，电大教师资源分布的范围比较广，不能集中起来。如果将云计算技术引入教师队伍建设就能形成教师资源云，它的主要作用是能够将优质的教师资源进行互联，实现共享。原来的远程教育师资都是以本地为主，学生不能享受到一些教学水平较高的师资教育。通过云计算技术实现优质教师资源共享，不但能够提升教师的教育教学水平，同时还有利于电大整体师资水平的建设。
3.2 云计算技术在学生群体上的建设
电大远程教育的本质就在于能够充分的发挥出学生的个性，而通过云计算技术建立学生云，就能够很好的将学生的个性体现出来。云计算的运用，使得学生能够自主的进行课程的选择和学习。在学习地点以及学习时间上，不受任何限制，这大大提升了学生自主学习的能力。在云计算的环境下，学生可以对云端的各种资源进行充分的利用，与此同时，学生如果遇到问题也可以和优秀的教师进行沟通交流。
3.3 云计算技术在学习资源上的建设
（1）在云计算的环境下，电大的教育资源完全可以整合到云端里，同时学校的服务器也可以随时的加入到云中去，这样一来，就真正的实现了教育教学资源的共享。由于每个学校的图书资源以及教师资源都被整合在一起，实现了共享，那么学生在学习的时候，就可以根据自己的需要进行视频课程的观看、资料的查找，同时还能够随时的向教师进行提问。
（2）电大采用云计算技术能够充分的实现对教育资源的利用，避免资源浪费现象的发生。在云计算的环境下，由于所有的资源都已经被存储在云端，学生可以不受任何时间地点的限制，随时的进行学习，随时的根据自己的需要获得资源。学生在学习中，不再受客观条件的制约和限制，能够充分的发挥自己的自主性。另外，在进行课程设计的时候，需要注意两点：首先就是要对学生的情况进行了解，然后来确定教学目标；其次，电大远程教育的课程设置要简单，体系要条理，同时还应该有一定的趣味性，这样才能实现对学生学习的有效引导。
（3）学生在学习的时候，势必会碰到难题，需要教师的解答。因此，在云计算的环境下，要建立“答疑云”。“答疑云”的形式有很多中，其中的一种是将学生所有的疑问进行汇总，然后储存在云端，然后对这些疑问进行解答，将答案也储存在云端。原来有疑问的学生可以登陆客户端寻找答案。另外，其它存有同样疑问的学生，也可以很快的得到问题的答案。除此之外，还有一种就是在线向教师提问，获得答案。
篇7
【关键词】云计算;数据;安全
引言
云是一种比喻的说法，指的是网络、互联网。目前，云计算主要指计算机的各种能力通过网络以按需、易扩展的方式提供给所有需要的用户。它意味着远程用户可以以低廉的价格获得强大的各种计算机服务，而不用去考虑自己电脑的配置问题。云计算以其高效、经济、便利、可扩展等诸多因素吸引着越来越多的企业、高校、政府机构的目光。它使这些部门从繁重的计算机升级维护中解放出来，有更多的时间和精力去关注核心业务的发展。
但是，云计算在发展过程中也遇到了很多问题，而安全问题首当其冲。并且随着云计算的发展，安全问题也越来越成为困扰云计算规模继续扩大的首要因素。
1.云计算的相关概念以及特征
对云计算的概念进行了阐述，一直都没有一个更为明确的概念界定，直到2011年，美国同家标准与技术研究院（NIST）才进一步给出明确定义，指明云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
从云计算的执行过程看，其中的数据生命周期可以大致划分为六个阶段，即明确数据所有权和保证其安全属性的数据生成阶段;针对数据进行加密并且执行传输的数据迁移过程;被PaaS以及SaaS等模型调用并且实现索引以及查询等功能的数据使用阶段;而后是扩大数据使用范围使其提升价值的数据共享阶段;为数据完整性和再次迁移做出必要准备的数据存储工作;以及最后经常被忽视的数据销毁过程。云计算领域数据的安全挑战主要来源于如下3个方面。
（1）由边界不确定引发安全隐患。云计算过程中所涉及到的资源池技术，能够有效地将网络中所涉及到的运算存储能力以及其他硬件基础性资源整合成为一个有机整体为网络成员提供服务，及大地提升了相应资源的利用效率，同时也为用户提供更快的响应，但是这种做法却模糊了传统意义上网络的边界，使得以往以网络边界作为安全保护重要手段的安全技术也随之褪色。
（2）数据本身面临的风险，通常指数据处于传输以及存储状态下面临的风险，这两类风险对于传统网络而言同样存在，但是在云计算背景之下更为突出。由于在云计算环境下所有的数据处理和存储都是借由云端完成，因此数据必然会面临更为频繁的传输，以及非本地存储，尤其是当数据需要进行集中存储的时候，一旦产生数据遗失或者泄露事件，势必会比传统网络产生更大的危机，伤害到更多用户的利益。
（3）云服务器自身安全是云计算环境下的又一种新的危机。在云计算的实施执行过程中，整个网络环境中需要处理和共享的数据都需要由云服务器进行统一的安排和调度，因此云服务器的健康与否直接影响到整个云计算环境的安全以及云计算的展开的有效性。而且同时必须注意到在多用户多终端的开放性网络环境中，云服务器比常规服务器面对更多的安全隐患。
2.切实提升云计算数据安全
目前云计算应用水平的不断提升，应用领域逐渐拓宽，其安全性越来越关系到更为广泛的用户利益。针对于此种情况，结合云计算环境自身的显著行为特征，可以重点从如下几个方面进行安全度的提升。
2.1 边界安全
云计算环境中，其工作方式模糊了传统网络中边界的概念，因此既有的硬件安全手段也随之削弱甚至失效，包括网关在内的安全手段都难以依赖，而相应的网络安全手段应当向软件方向倾斜。包括防火墙以及入侵检测和病毒查杀在内的诸多软件层面的安全防范手段必须予以充分重视和加强。与此同时，还应当根据网络本身的特征展开相应的安全工作，对于安全度要求比较高的数据使用而言，可以考虑构建起网内网，借此实现网络边界概念和传统网络安全，在必要的情况下，还可以考虑针对网络用户展开必要的培训，降低病毒等安全威胁的存在可能。
2.2 传输安全
在云环境中，传输成为安全防范的重点工作，无论是用户端到云端的数据传输，还是云端内部不同云服务器之间的数据传输，都相对于传统网络环境更为频繁，也必然会面临更大的安全隐患。针对于此类问题，应当着力于加强传输过程中的数据加密，必要的时候可以建立起相应隧道借以增强安全性能。如果出现对于安全级别要求较高的应用环境，还应当考虑同台加密机制提升用户终端通信安全，即不对用户加密数据进行解密，而直接对密文进行相应的处理，最终返回密文处理结果给用户，这种数据加工方式目前并不十分成熟，当时其安全性能已经得到广泛认可。数据安全体系结构如图1所示。
2.3 存储安全
在云环境中存储的数据，面临多用户网络环境，因此更需要注重安全问题。加密作为有效提升云环境存储安全的手段，主要有两种，即对象存储加密以及卷标存储加密。对象存储加密相当于专用的文件服务器，其将对象存储系统配置为加密状态，借以实现其中全部数据的加密。如果用户还需要更高级别安全，则可以南用户自行加密并上传到云存储设备中。而对于卷标存储加密而言，具体可以通过串行在计算实例和存储卷标之间的加密设备进行加密，也可以仅对实际的物理卷标数据进行加密。
2.4 服务器安全
云服务器关系到整个云计算环境的安全以及T作能否顺利展开，事关重大，因此其安全必须引起重视。但是究其安全防范手段而言，云服务器与传统服务器有着很多共同之处，对于其操作系统的以及病毒防范软件等，同样需要及时的更新和补丁。除此以外，云服务器通常还需要为防范病毒配置虚拟服务器，允许在系统需要的时候通过当地引擎向云服务器提 病毒查杀请求并完成相应动作。
3.结论
云计箅是当前网发展的趋势所在，并且随着云计算应J}1的不断深入，其安全相关 题也必将日益突。针对于这一情况，必须深入分析当前环境下存存的数据安全特征，有针对性的改进建议，及时关注相关技术进展，才能获取到良好效果，为用户提供安全稳定的云计算环境。
参考文献
篇8
通信业发展对云计算有什么需要？未来在云计算大数据时代通信何去何从？中国移动将主要从自主研发、产品体系完善和服务能力云化三个方面布局云计算业务，与“通信4.0”交相辉映。
通信4.0
"通信4.0"的概念源自中国移动副总裁李正茂今年的一本新书《通信4.0》。通信1.0到3.0三个阶段有不同的特征：通信1.0时代，模拟化是核心特征，通信业以电信号为载体来传递语音信号；通信2.0时代的核心特征是数字化，其中最具代表性的正是人们熟知的GSM和CDMA；通信3.0时代是IP化的时代，而4G高清话音业务VoLTE在2015年的商用，互联网是这个时代的产物，其标志是通信网络端到端IP化的全面实现。
而通信4.0的概念和特征是什么呢？通信4.0实际上将实现信息泛载、感官泛载以及智能泛载，是一个软硬件分离，软件定义一切的时代，控制和转发是分离的，是IT和CT融合的时代。
通信4.0主要有四个特点。首先就是敏捷化。因为人们对于通信的需求是层出不穷，因此需要敏捷化的网络；其次是开放化。网络支持一个巨大的生态系统，生态系统共同提供这样的服务，才能以低成本高效率方式为大众服务；再次是软件化或者说虚拟化，这样才能解决网络敏捷和开放的问题。而中国移动在目前提供的云计算平台上统计出现故障很大程度上是网络问题，所以中国移动目前对网络升级改造基本是针对硬件进行升级改造。最后是IT和CT的融合。
目标与趋势
对于通信4.0的目标架构，中国移动有一个初步的设想，分成三个部分：第一个部分是架构重构。面向数据，未来数据中心会成为通信4.0时代网络的一个基本来源，所有网络功能都将以软件模块的形式存在于数据中心之中。第二个部分是网络和服务的重构。未来网络是IP+光+云的统一网络，基于云服务端到端的ICT服务。第三个部分是运营转型。要实现运营和运维的自动化，实现整个网络的敏捷化，对用户的快速响应必须能够做到研发和运营一体化，也就是说未来开发变成运营的一部分，很多运营工作将通过开发的手段来实现，这就是通信4.0的目标架构。
至于通信4.0时代整个云计算的发展趋势，中国移动参考了Gartner的操作方向，主要会关注以下四个方向：第一，软件定义一切。目前软件定义网络是属于初建阶段，中国移动尝试了不同的SDN解决方案，发现在未来成熟度以及标准化方面还有很长的路要走。第二，容器管理。容器是轻量级实现，跟VM不同，在一个操作系统相当于不同空间，既可以实现虚拟机比较好的资源隔离，同时又在整个迁移系统重新启动部署等方面有很好的灵活性，速度也很快，目前基于容器技术的相关技术发展演进非常快。中国移动认为未来云操作系统可能基于容器技术、跨数据中心、跨集群自动化调动技术实现这个功能。第三，IaaS和PaaS。目前为止整个云计算产业的主要商业模式的实现是在IaaS的基础之上，而PaaS近期由于容器技术以及相关技术的发展，其后续有很大的应用场景。第四，SBN和SUV也会成为运营商网络重构的核心技术。未来，不仅是将路由器、交换机、防火墙、IT网络设备变成软件和虚拟化形态，基站、移动通信的交换机也会变成虚拟化和软件的平台。
三大布局
中国移动针对云计算服务通信4.0将主要在自主研发，产品体系完善，服务能力云化三方面进行布局。
第一，自主研发方面。随着云计算产业发展方向越来越明晰，中国移动2014年在苏州成立了苏州研发中心，主要从事云计算、大数据、内部IT集成系统的开发。Open Stack是中国移动要走的路线，中国移动在Open Stack和其他开源软件上投入了巨大的资源，中国移动认为开源是云计算新型的标准化。
篇9
在深入分析云会计环境对集团企业人员行为和操作行为影响的基础上，详细阐述云会计环境下集团企业高可信内部审计的行为特征，构建了高可信内部审计实施路径的系统框架，为云会计环境下内部审计实现高可信性提供理论参考。
【关键词】
云会计环境；高可信内部审计；实施路径
在大数据时代，企业逐渐向“云端智能化”发展。传统封闭的局域网会计信息系统（AccountingInformationSystem，以下简称AIC）逐渐被现代开放的互联网AIC取代“，云会计”应运而生；以往独立僵化、墨守成规的管理模式逐渐被权变动态、智能开放的新型管理模式所取代，“智能管理”应运而生。可见，信息化技术的飞速发展对企业的影响是巨大的，特别是集团企业，不仅拓展出更广泛的平台，呈现出更快捷的工作效率，还让集团企业在短时间内获得较以往更可观的收益。但是，信息化时代是复杂多变的，其摧垮一个集团企业的速度和力度较以往更快、更强。在复杂多变的云会计环境下，集团企业对内部审计的期望值越来越高，集团企业现行内部审计实施路径是否具有高适应性、可操作性、可信赖性的“高可信”性，成为集团企业管理层关注的重点。国都兴业信息审计系统技术（北京）有限公司于2009年提出了“企业云审计”解决方案，于2010年在企业云审计解决方案的基础上提出了“全云审计”的战略。他们提出：全云审计就是对云计算本身的审计，也就是实现对IaaS、PaaS和SaaS各个层面的审计，解决云计算用户可信的问题。文峰于2011年在《云会计与云审计———关于未来审计的概念与框架的一些思考》中提出了“云审计”的概念，他认为：云审计就是将云计算运用到审计中去，在技术上提供广域审计共享与协作平台。他指出云审计的建立与发展很可能促成审计的重大变革，而这种重大变革不仅仅是云概念、云责任的提出，还有新兴技术的运用如物联网技术。《中国总会计师》杂志于2012年提出的云审计的定义是：通过数据的云储存，使得各种审计资源包括参与审计的人员、程序和相关硬件设备，都通过云来协调，在这个过程中，审计人员无需关注采用何种计算机程序，也无需关注数据的存储、共享和工作时效性等问题，审计人员需要关注的就是审计任务本身；同时并设想建立云审计XBRL标准规则以面向所有的会计师事务所建立公共的、由第三方维护的公共云计算。张艳玲于2013年提出在云审计过程中，审计项目小组可以在地理上非常分散，甚至不一定要来自于同一个审计机关或者委托机构，所有的工作协同和数据共享通过云技术来实现，不仅可以归集和管理审计所需的各类资料和数据，对容纳的数据实时更新和有机集合，而且能够智能控制对审计模型的选择和使用，保证审计过程的质量。魏祥健于2015年提出由各级审计机关用户层、云审计系统层、应用与维护服务等服务层、基础设施层所组成的在安全审计平台和外部应用接口相互作用力下的云审计系统框架。纵观上述文献的研究，学者们主要从以维护云计算用户安全为核心的“云审计”和以提高审计质效为核心的“云审计”两个基本层进行了广泛的研究。研究对象主要集中在云会计供应商和会计师事务所，涉及集团企业云审计方面的研究文献还较少。实际上，虽然云会计供应商和会计师事务所在一定程度上可以为社会企业提供专业的会计信息化，但对大型的集团企业来讲，自身的孵化体系完全可以支持云会计、云审计的应用，将实时动态管理、实时智能监控由梦想成为现实。鉴于此，本文首先将云会计环境下对集团企业内部审计的影响分为人员行为影响、操作行为影响，然后将云会计环境对集团企业内部审计的行为影响作为高可信内部审计的行为环境，在此基础上构建了一个高可信内部审计实施路径的系统框架，通过框架详细分析了云会计环境下集团企业高可信内部审计的行为特征及实施路径，以期为集团企业高可信内部审计的建设提供理论依据和策略指导。
一、云会计环境对集团企业内部审计的行为影响
集团企业具有大、广、多、杂的特征，即企业规模大、业务分布面广、业务种类多和所属子公司多、管控操作复杂。基于此，集团企业与其他企业不同的是，集团企业更多的是根据集团企业具体情况设有众多孵化性质的业务单元为集团企业量身进行自我更新，而将有限的部分的业务单元外包给云会计供应商和会计师事务所性质的机构。云会计环境呈现出广、快、多、杂的特征，即平台涉及面更广、操作速度更快、信息量更多、层面更复杂多维化。集团企业内部审计的内涵在于“防患于未然，治病于痊愈”，全面系统地贯彻“警钟长鸣，对症下药”的方针，置集团企业于可接受的“安全”环境中。云会计环境对集团企业内部审计的行为影响从人员行为影响和操作行为影响两个层面分析如下。
（一）人员行为的影响
云会计环境下对集团企业内部审计人员的行为影响集中表现在以下方面：
1.内审组织职能单元面临重组
云会计是以云计算技术为支撑，基于互联网构建的一种向企业提供会计核算、会计管理和会计决策服务的信息化基础设施和服务。云会计环境使得集团企业对企业内各职能单元提出了新的要求，也为集团企业内各职能单元在原有职能下呈现出新的延伸，对内部审计也不例外。“云会计”的高效率、大量度等优势已经让众多管理层喜出望外并受益匪浅，与云会计环境相配套的组织职能单元的重组是集团企业必然面临的任务。
2.内审人员业务能力受到挑战
云会计环境不仅使财会人员的业务能力受到了挑战，也对内审人员的业务能力提出了新要求，特别是大型集团企业的内部审计人员。大型集团在业务种类多、业务差异大、管控难度复杂的特征下，要求内审人员不仅具备相应类别审计的专业知识，而且要具备信息化审计处理多维度信息量的新能力，杜绝因信息量过大而无从下手、信息维度过多而犹豫迟疑等严重影响工作质效而造成的进展瓶颈。
3.内审人员需求层次更加丰富
大数据时代，集团企业更具生机活力，人们的生活更丰富多彩。人们可以打破常规的消费理念、生活理念、生存理念，转向新思维，寻求更深层次的幸福感。集团企业的内审人员也不例外。我国的内部审计发展较缓慢，集团企业虽对内部审计存在意义非常认同，但内部审计工作长期以来成效不大也使集团企业对该职能部门近乎冷淡。有些集团企业内审人员吃力不讨好的现状更加激化了内审人员的需求。
（二）操作行为的影响
云会计环境下对集团企业内部审计操作行为的影响集中表现在以下方面：
1.平台生态圈权变动态开放化
云会计环境下，使得集团企业将“共同价值”观设立平台生态圈的内涵诠释得更成熟，为实现多维信息搜集、多元信息整合、多态信息分享的良性平台生态圈助一臂之力。在此现状下，集团企业需要具备对多维、多元、多态信息的处理分析整合和去粗取精的能力。
2.相关者信息对称程度提高
传统上，相关者信息不对称导致了目标与实际脱轨、经管矛盾激化、误读政策低质低效等诸多问题。随着大数据经济的发展，云会计的不断更新，平台生态圈的不断成熟，相关者信息对称程度有所提高，使得上述问题有所缓解。
3.业务单元信息化程度不协同
集团企业的业务单元是为集团企业更具竞争力所设置的单元，现行大数据经济的发展势头并没有对集团企业进行全方位的覆盖，使得集团企业内业务单元信息化程度不协同导致的审计工作难度加大。
二、高可信内部审计的行为特征
美国经济学家谢林（Schelling）将社会互动理论容纳到经济学研究中，认为每个人都置身于特定社会群体中，群体中他人行为会对个体行为产生直接影响，而并不是简单地通过价格机制进行行为选择。对于经济犯罪行为，很可能是通过群体内成员的相互模仿在群体间扩散，使得特定群体更频繁地出现某种犯罪行为。借鉴美国经济学家谢林的经济学社会互动理论，可将云会计环境下的高可信内部审计行为特征分为渐进特征和革命特征两大类。
（一）渐进特征
“渐进性”是借鉴公司战略管理的渐进性变革的管理理念。它是一种持续的、稳步前进的变化过程，在某一刻影响企业体系中的某些部分，贯穿于企业管理的始终。集团企业内部审计的职能是警钟长鸣、杜绝舞弊。在云会计环境下，高可信的内部审计应具备渐进特征。原因在于，在过往的舞弊案例中，几乎没有舞弊人员会在事发之前主动停手，一方面因为他们要依赖于“舞弊”带给他们的地位、生活水平和些许的不良嗜好，另一方面舞弊人员要不断采取手段东拼西凑，掩盖其舞弊的行为，所以，这时候，当企业发现舞弊时，所谓的亡羊补牢已经行不通了。据美国注册舞弊审查协会统计，一项舞弊从开始到结束，一般会持续1—3年，而这期间有将近一半的企业最终无法挽回任何损失。高可信内部审计的渐进特征内含目标明确性、易操作性、可靠保密性、可渐进性、资源互补性、可信性、高适应性。首先，目标明确性强调的是内部审计对员工过往表现是否存在舞弊征兆有明确的评判基准。集团企业可以根据数据性基准和非数据性基准进行评判。其中数据性基准主要依据员工基本年薪、绩效年薪、任期激励收入等因素设计；非数据性基准主要依据员工年学习经历、年工作经验、年工作实绩等因素设计。其次，易操作性强调的是操作难度不大，培训成本不高。可靠保密性强调的是数据具有可靠保密性，证据具有可靠保密性，操作具有可靠保密性。再次，可渐进性强调的是保持良性循环的持续性、可参照对比性，而资源互补性强调由于资源在企业内部之间的配置总是不均衡的，高可信内部审计系统应有资源共享、优势互补的资源互补性特征，融通连接一切可用资源。最后，可信性和高适应性强调高可信内部审计系统本身应具有可信性和高适应的更新能力性。
（二）革命特征
“革命性”是借鉴公司战略管理的革命性变革的管理理念。它是一种短暂的、影响力度大的变革过程，对企业体系的影响是全面的，在企业生命周期中不常发生。在云会计环境下，高可信内部审计的革命特征不是必备的，但可以提升集团内部审计的威慑力，明确集团内部审计的权限，使审计意见能更好地追踪问效。集团企业舞弊状况频发的一个很可能的原因在于内部审计在集团企业的威慑力不强，审计权限不清晰，追踪问效力度不大。高可信内部审计的革命特征内含决策支持性、事前可审性、意见有效性。首先，决策支持性强调的是内部审计要获得集团企业领导的重视，不仅仅是口头上，还有正式的文件、公开的会议、公开的报告等。其次，事前可审性强调的是内部审计人员可以采用抽查的形式，对财务部准备支付还尚未支付、准备领取还尚未领取的资金有权限进行事前的审计，审查支付领取的合理性、合规性。最后，意见有效性强调的是内部审计人员通过随机抽查、顺序抽查等其他方式发现的重大错报所起草的审计意见，要公示并严肃惩罚。
三、云会计环境下的高可信内部审计实施路径
云会计是企业财务基于云计算技术的具体匹配，从云计算技术的基础设施即服务laaS（InfrastructureasaService）、平台即服务PaaS（PlatformasaService）和软件即服务SaaS（SoftwareasaService）匹配至云会计技术的财务处理分析模块。高可信内部审计的实施路径也是在云计算技术的基础上根据职能单元属性进行的匹配，具体由三个主层和三个辅助层构成。其中三个主层由基础设施服务层、平台生态圈服务层、软件应用服务层构成；四个辅助层由用户端层、督检端层、外接端层、反馈端层构成。基础设施服务层内含服务器、数据库、操作系统、内审数据网，是集团企业通过孵化业务单元孵化出的基于集团企业行业特点和业务类型所设计开发的，是集团企业及集团企业下属单位所需信息资源的源头数据中心。特别指出的是，设计内审数据网的目的是集团企业总部及集团企业下属公司之间进行交叉审计时，为对其他公司进行的审计独立性水平判断的初步事项进行了解，对已发表的审计意见等状况有更直观清晰的认识。平台生态圈服务层内含资源调度服务、资源更新服务、资源维护服务、意见反馈服务、事前审核服务、在线学习服务等，秉着共同价值观，建立健康安全开放动态的平台。软件应用服务层内含内审应用系统、内审管理系统、内审安全维护系统。用户端层内含用户管理、用户身份认证、用户权限管理；督检端层内含督检审核服务、督检跟进服务、督检公示服务；外接端层内含政府平台接口、金融平台接口、税务平台接口、会计师事务所平台接口、法务平台接口等。
四、结束语
构建基于云会计环境下的集团企业的高可信内部审计的实施路径是一个系统工程，除了架构外，还有诸多如云责任、云安全、云标准、云法务等方面建设的完善。因此，对云会计环境下高可信内部审计模型的深入理解与把握，是推动未来全云内审的关键。
作者：王婧婧 单位：重庆工商大学融智学院
【参考文献】
［1］国都兴业信息审计系统技术（北京）有限公司.国都兴业揭开“全云审计”时代［J］.计算机安全，2011（2）：92.
［2］文峰.物联网对云审计的影响［J］.中国注册会计师，2011（4）：88-91.
［3］中国总会计师.审计+云计算=云审计［J］.中国总会计师，2012（7）：29.
［4］张艳玲.云审计———审计信息化的发展趋势［J］.商业会计，2013（10）：47-48.
［5］魏祥健.云计算环境下的云审计系统设计与风险控制［J］.会计之友，2015（1）：101-105.
［6］程平，段莹莹.云会计环境下高可信AIS行为特征影响研究［J］.科技管理研究，2015（4）：162-166.
篇10
关键词：云计算 分布存储 技术探析
中图分类号：TP393.08 文献标识码：A 文章编号：1007-9416（2015）09-0000-00
网络的大规模使用是目前的大时代环境。与时俱进是政府不断强调的技术进步的核心，计算机相关技术广泛应用在社会各个领域中，各种电子数据的数据量和数据类型均出现迅速增长。数据的存储及传输在数据应用中是一个颇为重要的分类，云计算与分布存储的结合应用是目前计算机技术的一个新的开拓方向。
1 云计算的定义及其特点
云计算是以互联网为基础发展的关于互联网络服务的交付与使用模式，通常是指一种虚拟化的资源。目前，对于云计算的基本定义仍然存在多种不同说法。对于云计算的定义，能够找到高达约100种解释。[1] 在现在这个阶段多为社会各界所接受的一般概念是美国国家标准与技术研究院（NIST）共同进行定义的，云计算是指按照其总使用量为计费标准来付费的模式，它能够有效快速地为用户提供可用性较高、可靠性更高、针对性更强的网络引擎访问，能够直接进入配备相关配置的资源共享池，使用户所需的资源能够更加快速、更加具有针对性的被搜索到，且由于是网络控制，因此只需要投入较少成本的管理工作，或者与服务的供应商进行少量的交互即可。云计算具有以下几个明显特征，也是其优势所在。
（1）规模大。“云”并不是指某一个具体的东西，而是一个概念。而云最明显的特征之一就是其超大的规模。Amazon、Yahoo等知名公司均拥有几十万台服务器，Google云计算已拥有100多万台服务器。而一般企业的私有云基本拥有成百上千台云计算服务器。成倍的扩大了用户的计算机处理能力。（2）可靠性高。“云”采用了数据同时拥有多副本制，计算机节点同为可进行互换等措施，有效的防止了数据的丢失和错漏，增加了其可靠性，也为用户带来更好的数据体验。（3）通用性和可扩展性。“云”是一个虚拟的存在，不特指某一个硬件或软件，具体来讲，“云”是一种将私人数据上传网络但不一定共享的一个模式或者一种状态。不同的“云”可以帮助缔造万千种数据应用，同一种“云”也可以同时支撑数种应用及多个数据的运行和应用。由于“云”的虚拟性，它的存在是动态可拉伸的，而不是固定不变的，因此具有较强的可扩展性与适应性。（4）成本低廉且针对性强。“云”计算采用的是特殊的容错结构，由成本极其低廉的节点构成，且“云”采用的是自动化集中式管理模式，企业只需投入少量的人力资本和资金投入。由于“云”是根据用户的实际需求来进行计费，因此其具有较强的针对性，同时也提高了资源利用效率，并有效地节约了企业在云计算方面的投资。[2]
2 分布式存储
目前，社会活动中仍以集中式存储技术为主要存储方式，集中存储，是指在建立一个大数据库的基础上，将各种信息存储于数据库，功能模块围绕其周围对数据信息进行录入、搜索等。区别于集中存储的分布式存储，则是利用网络便于沟通交流的特点，使用分散存储在企业个体计算机的磁盘空间的数据信息构成一个虚拟的存储中心。这种结构使数据分散存储在个体中，减少了成本投入，便于管理，同时可以帮助用户可以按照其实际需求来进行数据的录入、查询及输出下载。分布式存储是以网络为基础存在以实现资源的存储与共享。云计算技术背景下的分布式存储最大的优势之一是强调了用户能够按需对数据资源进行购买或租赁，这样可以使用户最大可能的在节约成本投入的前提下满足其对数据资源的需求。同时，由于分布式存储的存储是以各个单体计算机的硬盘存储为基础的，有效的减少了系统崩溃导致数据丢失的情况。
3 云计算环境下的分布式存储
（1）产生背景。随着社会各方面的深入发展，单独的数据库已不能满足社会生产的要求。云计算就是在这种困境下为适应现代计算机的技术进步及各行业对数据资源需求而产生发展的。云计算背景下的分不存储，强调的是用户按需购买，以实现在满足用户数据资源需求的前提下尽量节约成本投入。（2）以交换机为结构核心。云计算背景下的分布存储技术发展起来之前，多数用户均采用交换机作为其数据中心。其采用的架构是树形结构，包括核心层、聚合层、边缘层三个层面。其主要优势体现在具有可操作性，连接简单，扩展弹性大等特征，但其存储空间有限，并不能满足大数据环境下的今天人们对数据资源的要求。因此，云计算技术的发展可以很好地弥补这个缺陷。由于“云”是一个虚拟的存在，并没有固定的容量及存储空间，因此在存储容量上，它具有无限的可能。以交换机为结构基础的存储技术的可操作性结合云计算在存储空间上的优势，能够更好地满足用户的数据资源需求。（3）扩展弹性大。在云计算技术支持下的分布存储发展之前，用户采用的数据存储方式多以计算机服务器为主，这种方式的存储方式主要通过不断提高其扩展性增加存储容量以满足数据录入及输出功能。而云计算技术背景下的分布存储拥有天然的存储空间庞大的优势，在存储模式选择中具有相当大的竞争优势。现今，数据存储中心的数据资料一般以BP及EB为计量单位来进行简单运算。[3]云计算背景下的数据规模正在随着社会的发展呈指数型函数出现爆发性增长。云计算背景下的分布存储具有相当大的扩展弹性，能够根据数据资源及用户需求的实际情况对数据库进行调节。
4 结语
云计算技术的不断深入研究，带来更多在计算机领域上的拓展思路。发散的思维帮助云计算实现更多的可能。基于云计算技术基础的分布式存储的核心技术是计算机的兼容问题及数据存储的冗余问题，在探究这些问题的过程中，提高数据的筛选水平更是一个基础问题。准确有效地为用户提供数据服务是云计算环境下分布式存储的发展目标。
参考文献
[1]程宏兵.容淳铭.杨庚.曾庆凯.基于路径映射加密的云租户数据安全存储方案[J].南京邮电大学学报（自然科学版），2015.06.02.
[2]刘月.云计算环境下分布存储关键技术研究[J].江苏科技信息，2015.03.30.
[3]郭苹.基础设施云关键算法研究与实现[J].信息与电脑（理论版），2015.01.08.