基于机器学习的云端数据定位机制

发布时间：2022-01-12 17:46

　　云存储经过多年的发展,日益成为互联网活动中不可或缺的重要组成部分。大量个人以及企业用户将数据存储于云端,既可减少本地的存储维护成本,又可随时随地访问自己的数据。然而用户得益于云存储的同时,也丧失了对数据的直接控制,这引起了一系列的安全问题。在这些安全问题中,数据的存储位置在一定条件下尤其重要,如国家公民信息以及健康医疗数据包含了大量的隐私,甚至关乎国家安全,因此其存储位置必须满足一定的限制。目前一些国家已制定相关法律法规明确限制敏感数据的存储位置。但云服务商出于节约成本的目的,可能将数据存储至维护成本较低的位置,从而违反用户对存储位置的要求。因此,亟需一种可靠的技术来定位存储于云端的数据。然而,云端数据定位的相关研究成果较少,且已有方案均在北美以及欧洲部署并实验,缺少在我国网络环境下的研究分析。本文根据云存储的实际场景,设计并实现了一种云端数据定位方案。首先,本文分析了云端数据定位中的参与角色,建立了系统模型,介绍了与定位相关的特征,分析了可能存在的攻击,提出了云端数据定位的安全目标。随后在此基础上,设计了一种基于机器学习的云端数据定位方案。该方案结合了IP定位技术的原理以及数据完整性... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

核密度估计示例

城市间RTT的分布如图4.2所示，显然，两城市间的RTT的分布接近于高斯分布，即RTT在一个特定区间内波动，在区间中心处的值出现概率较高，而在区间边界处的值出现概率较低，计算RTT标准差发现，所有城市间RTT的标准差均小于5.5ms，标准差的均值为2.13ms。不同城市间RTT的分布有所区别，如图4.2所示

西安电子科技大学硕士学位论文本小节研究各配置下对不同大小的文件随机读取460个文件块的读取时间，文件块大小 η 设置为4KB（1KB=1024Bytes）。读取时间不仅包括硬件设备进行 IO 操作的时间，也包括操作系统以及系统调用所消耗的时间。图4.5是三种配置在不同文件大小时，随机读取460个4KB文件块的平均时间。共选取了14种文件大小作为对比，单位为MB（1MB=1024KB）。配置C以阿里云的设备为准。

【参考文献】：
期刊论文
[1]一种基于关联规则挖掘的IP定位方法[J]. 王婷,宋俊德,宋美娜.  东南大学学报(自然科学版). 2015(04)
[2]IP定位技术的研究[J]. 王占丰,冯径,邢长友,张国敏,许博.  软件学报. 2014(07)
[3]云计算安全研究[J]. 冯登国,张敏,张妍,徐震.  软件学报. 2011(01)



本文编号：3585195