野生动物保护系统数据采集与存储机制研究

发布时间：2017-09-15 08:34

  本文关键词：野生动物保护系统数据采集与存储机制研究

  更多相关文章： 隐私保护 数据完整性 数字签名 分布式存储 NoSQL

【摘要】：现有的野生动物保护系统通过对无线传感器采集的野生动物数据及环境数据进行分析的方式对野生动物保护区进行监管。但是目前的系统感知层即无线传感器网络,在数据采集的过程中无法保障敏感数据的隐私性和完整性。在系统应用层中,关系型数据库无法满足由感知层产生的海量野生动物数据的存储和查询需求；同时,非关系型数据库存在数据库服务器空间利用率低、负载不均衡等问题。本文针对野生动物保护系统中数据采集和数据存储机制进行研究,具体工作如下。 1.针对感知层中缺乏敏感数据保护机制和无线传感器网络生存周期短等问题,提出了基于分簇的隐私数据聚合机制。针对野生动物数据特征采用线性方程组和敏感数据分片的方式计算簇内传感器的数据聚合值,并采用身份认证的方式进行簇间数据聚合值传输。该机制能够保护感知层中敏感数据的隐私性和完整性,减少数据计算、传输耗能,延长系统使用时间。 2.针对应用层中数据冗余、存取速度慢和数据库服务器负载不均衡等问题,提出了基于非关系型数据库的分布式数据存储机制。首先对感知层采集的海量数据进行预处理,然后综合运用一致性Hash算法和Memcached设计数据存储和查询方式。该机制能够在保留数据走势特征的前提下减小数据存储量,也能够减少用于数据存储和查询的时间,均衡数据库服务器负载。 3.在本文提出的数据聚合和存储机制基础上,开发了野生动物保护系统。该系统主要针对我国珍稀野生动物——大熊猫进行监管,能够对其中的敏感数据提供隐私性和完整性保护,并对野生动物保护系统在监管过程中产生的海量数据进行高效的存储和查询。
【关键词】：隐私保护 数据完整性 数字签名 分布式存储 NoSQL
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP274.2;TP333
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 论文研究背景9-10
• 1.2 野生动物保护系统研究现状10-13
• 1.2.1 野生动物保护系统应用层的功能架构研究现状10-11
• 1.2.2 野生动物保护系统感知层数据聚合机制研究现状11-12
• 1.2.3 海量数据存储机制研究现状12-13
• 1.3 论文的主要工作13-14
• 1.4 论文的组织结构14
• 1.5 本章小结14-15
• 第二章 相关技术介绍15-19
• 2.1 野生动物保护系统感知层结构15-17
• 2.2 野生动物保护系统采用技术17-18
• 2.2.1 OMNeT++17
• 2.2.2 Ruby on Rails17-18
• 2.2.3 NoSQL与MongoDB18
• 2.3 本章小结18-19
• 第三章 野生动物保护系统感知层数据聚合机制19-35
• 3.1 野生动物保护系统感知层数据聚合对象及格式19-20
• 3.1.1 感知层数据聚合对象19
• 3.1.2 感知层数据格式19-20
• 3.2 感知层数据聚合需求及模型20-21
• 3.2.1 感知层隐私数据聚合需求20-21
• 3.2.2 感知层隐私数据聚合模型21
• 3.3 感知层数据聚合算法21-29
• 3.3.1 簇的建立21-22
• 3.3.2 密钥的建立22-23
• 3.3.3 簇内隐私数据聚合机制23-27
• 3.3.4 簇间隐私数据传输机制27-29
• 3.4 实验与分析29-33
• 3.4.1 数据隐私保护性能29-30
• 3.4.2 计算耗时30-31
• 3.4.3 通信开销31-32
• 3.4.4 数据完整性32-33
• 3.5 本章小结33-35
• 第四章 野生动物保护系统应用层数据预处理和分布式存储35-47
• 4.1 基于物联网的海量数据存储机制实验分析35-38
• 4.1.1 数据库负载均衡性能测试35-36
• 4.1.2 分布式与非分布式存储方式查询耗时测试36
• 4.1.3 数据预处理性能测试36-38
• 4.2 野生动物保护系统应用层中数据预处理机制38-41
• 4.3 存储的设计41-43
• 4.4 查询的设计43-45
• 4.5 本章小结45-47
• 第五章 野生动物保护系统应用层开发47-57
• 5.1 野生动物保护系统应用层概述47-49
• 5.2 野生动物保护系统中用户模块的设计及实现49
• 5.3 野生动物保护系统传感器信息列表49-50
• 5.4 野生动物保护系统预警功能设计50-51
• 5.5 野生动物保护系统测试51-55
• 5.5.1 数据库中数据准确性51-54
• 5.5.2 数据负载均衡测试54
• 5.5.3 数据查询结果及时间54-55
• 5.6 本章小结55-57
• 第六章 总结与展望57-59
• 6.1 工作总结57
• 6.2 未来工作展望57-59
• 参考文献59-63
• 致谢63-65
• 攻读学位期间发表的学术论文65

【参考文献】

中国期刊全文数据库 前10条

1 王保云;;物联网技术研究综述[J];电子测量与仪器学报;2009年12期

2 梅华威;米增强;吴广磊;;基于MapReduce模型的间歇性能源海量数据处理技术[J];电力系统自动化;2014年15期

3 姚林;张永库;;NoSQL的分布式存储与扩展解决方法[J];计算机工程;2012年06期

4 杨庚;王安琪;陈正宇;许建;王海勇;;一种低耗能的数据融合隐私保护算法[J];计算机学报;2011年05期

5 丁治明;高需;;面向物联网海量传感器采样数据管理的数据库集群系统框架[J];计算机学报;2012年06期

6 韩希先;李建中;高宏;;一种有效的海量数据Top-k Dominating查询算法[J];计算机学报;2013年10期

7 罗军;王宏;李文生;;基于向量时钟模型的NoSQL最终一致性的研究[J];计算机工程与应用;2013年23期

8 郭奇;刘勇;;一种适用于WSN的数据存储方法[J];沈阳理工大学学报;2011年05期

9 申德荣;于戈;王习特;聂铁铮;寇月;;支持大数据管理的NoSQL系统研究综述[J];软件学报;2013年08期

10 朱建生;汪健雄;张军锋;;基于NoSQL数据库的大数据查询技术的研究与应用[J];中国铁道科学;2014年01期

，

本文编号：855455