刍议云计算环境下的数据安全论文

以下是小编整理的刍议云计算环境下的数据安全论文，本文共12篇，欢迎阅读分享，希望对大家有帮助。本文原稿由网友“章丸小鱼子”提供。

篇1：刍议云计算环境下的数据安全论文

刍议云计算环境下的数据安全论文

基于互联网技术的基础上出现了云计算，其主要功能就是提供方便快捷的互联网服务技术、安全可靠的数据存储以及超强的计算能力。但由于技术上的缺失，如何保证数据的安全，成为云计算的一大难题。本文将就这一问题进行探讨，找出解决信息安全问题的有效方法。

随着互联网信息技术的发展，云计算被得到广泛关注，并在商业上被广泛运用。随着社会的发展，计算机技术被广发运用。但由于计算机能耗、硬件成本及行业人员运用成本的不断加大等问题出现，互联网急需解决这些问题的新方案，云计算应运而生。

1 什么是云计算

云是对互联网的一种比喻说法，是基于互联网增加的相关服务。主要包括增加计算机存储空间、降低计算机能量消耗、解决硬件成本与人员运用成本问题等。目前云计算的解释至少有100多种说法，但被人们普遍接受的是NIST定义，大意是云计算是一种可提供便捷的、按需的、可用的网络访问，进而达到资源共享目的.的按使用量付费的一种计算机服务模式。通过对云计算的使用，只需进行很少的管理工作，就会实现工作效率最大化。

2 云计算的安全问题

2.1 虚拟化安全问题

网络虚拟化，对于加强租户云服务在平台、软件、基础设施层面的能力是及其有利的。但同时虚拟化的运用也会造成许多的技术安全问题。虚拟化的主要安全问题存在于主机中，设想以下几种可能：

(1)主机遭到破坏，这种情况会使主机管理内容的客户端服务器被攻克，致使用户信息流失。

(2)假设所虚拟的网络遭到破坏，随之客户端也会停止工作，信息安全受到威胁。

(3)如果主机共享与客户端共享遭到安全问题，那么犯罪分子就会利用这些问题对客户端进行攻击，窃取数据信息，造成损失。总而言之，如果主机出现损坏情况，所有的虚拟化网络都会出现问题。若要保护云计算的安全，保护好主机是必要的。

2.2 数据集中后的问题

目前互联网使用安全问题已经被热切关注。互联网用户经常在网络上存储一些隐私或是重要信息，若数据管理出现疏漏，致使这些信息丢失对于用户来说无疑是致命的。因此，对于数据集中后的管理，云服务提供商应对云计算内部的控制机制以及安全管理进行有效果的审计工作，确保用户的放心程度。

2.3 终端安全问题

作为个人信息的载体，其安全问题影响互联网的整个环节的安全。所以终端的安全性极其重要。互联网浏览器中都存在着一定程度上的软件漏洞，这些漏洞使用户的终端被攻击的风险加大，从而使云计算的安全成为一大问题。

2.4 云平台遭受攻击及法律风险问题

由于用户的信息资源集中在云平台上，使得云平台易成为\\客攻击的目标，使网络环境安全受到了严重威胁。由于计算机网络的虚拟性，以及云计算的信息流动量大使得针对信息监管方面的法律不健全。在数据安全出现问题是无法有效的维护用户合法权益。

3 移动互联网环境下的云计算安全建议

在互联网云服务的使用中为保证用户数据信息安全，云服务提供商与用户都要加强安全防范意识。

3.1 云服务提供商

云计算安全防控技术的加强有助于数据信息的安全性，如对云终端、服务系统数据、网络运营环境等方面，在技术上加以提升，以确保用户数据信息安全。

3.1.1 加强云终端的安全控制

随着互联网技术的发展，移动终端较固定终端的重要性越来越重要。已经成为用户工作、学习中不可或缺的用品，大量的信息被用户存储到云终端。因此，为保护用户信息安全，必须要加强对云终端的安全控制。

3.1.2 加强移动网络传输与接入的安全性

在用移动网络进行消息传输与接入时要加强安全意识，现在许多\\客利用信息传输盗取用户信息。冒用身份对信息进行恶意篡改、遭受拒绝服务等。因此，在进行移动网络传输与接入时一定要加强其安全性。

3.1.3 加强对云服务业务系统的访问控制

应针对业务系统制订一套安全统一的策略管理模式，以免服务业务流程被非法控制，致使用户信赖度降低。同时，加强对用户身份的认证核实，确保用户登录多个业务系统时，身份信息不被泄露。

3.1.4 对互联网运营环境进行优化

要对互联网中的危害互联网环境的因素进行及时清除，保证互联网环境的优化。还要对用户的身份及IP地址实行统一管理，提高云服务下用户数据信息安全性。

3.2 用户要加强信息数据安全的防范意识

许多云计算用户在数据安全的防范意识不强。在享受云服务的方便时，忽略了信息安全保护。许多用户往往在数据信息收到侵扰、盗用后才知道进行防护，但损失已经造成。因此要加强用户的安全防范意识。

3.2.1 采用加密技术

在运用计算机云服务存储数据时，要注意对所存数据进行加密处理。使得不法分子无法轻易获得数据信息，保证信息安全性。

3.2.3 阅读隐私声明使用过滤器

互联网隐私声明繁多，但基本上运营商都会为自己利益考虑，而使得隐私条款充满漏洞。不利于在数据出现安全问题后，用户的维权行为。因此，在使用某种云服务时，要仔细阅读其隐私声明。如若无法满足用户需求的隐私保护可选择不用，或是对信息进行筛选，有针对性的进行存储。还要注意使用过滤器，现今网络上的敏感数据很多，影响用户的互联网安全使用环境，易造成信息流失。使用或滤器会对数据进行有效监测，确保数据在流失时可以被及时发现，以组织数据丢失。使使用者在数据共享上享有一定程度的自由。

4 结语

在云计算存储大量数据信息的前提下，增强云计算运行环境安全已经是重大问题了。云服务运营商，要想在互联网上获得长足发展，使用户长久的信任，形成品牌。对于云计算数据安全的技术提升成为关键。而作为云计算的使用者，数据信息的拥有者，数据的安全性必须被极度关注。

篇2：分析论文：云计算环境下大数据

分析论文：云计算环境下大数据

1大数据处理流程

基本的大数据的处理流程可以分成数据采集、数据处理与集成、数据分析和数据解释4个阶段。首先获取数据源的数据，因为在数据源端的数据包含各种各样的结构，需要使用某种方法将其进行预处理，使数据成为某种可以用一种算法分析的统一数据格式，接着需要找到这种数据分析的算法，将预处理过的数据进行算法特定的分析，并将分析的结果用可视化等手段呈现至用户端。

1.1数据采集

大数据的采集是整个流程的基础，随着互联网技术和应用的发展以及各种终端设备的普及，使得数据的生产者范围越来越大，数据的产量也越来越多，数据之间的关联也越来越复杂，这也是大数据中“大”的体现，所以需要提高数据采集速度和精度要求。

1.2数据处理与集成

数据的处理与集成主要是对前一步采集到的大量数据进行适当的预处理，包括格式化、去噪以及进一步集成存储。因为数据采集步骤采集到的数据各种各样，其数据结构也并不统一，不利于之后的数据分析，而且，一些数据属于无效数据，需要去除，否则会影响数据分析的精度和可靠性，所以，需要将数据统一格式并且去除无效数据。通常会设计一些过滤器来完成这一任务。

1.3数据分析

在完成了数据的采集和处理后，需要对数据进行分析，因为在进行数据分析后才能体现所有大数据的`重要价值。数据分析的对象是上一步数据的处理与集成后的统一格式数据，需要根据所需数据的应用需求和价值体现方向对这些原始样本数据进一步地处理和分析。现有的数据分析通常指采用数据仓库和数据挖掘工具对集中存储的数据进行分析，数据分析服务与传统数据分析的差别在于其面向的对象不是数据，而是数据服务。

1.4数据解释

数据解释是对大数据分析结果的解释与展现，在数据处理流程中，数据结果的解释步骤是大数据分析的用户直接面对成果的步骤，传统的数据显示方式是用文本形式体现的，但是，随着数据量的加大，其分析结果也更复杂，传统的数据显示方法已经不足以满足数据分析结果输出的需求，因此，数据分析企业会引入“数据可视化技术”作为数据解释方式。通过可视化结果分析，可以形象地向用户展示数据分析结果。

2云计算与大数据分析的关系

云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，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。目前，国内外已经有不少成熟的云计算的应用服务。数据分析是整个大数据处理流程里最核心的部分。数据分析是以数据的价值分析为目的的活动，而基于大数据的数据分析通常表现为对已获取的海量数据的分析，其数据来源可能是企业数据也可能是企业数据与互联网数据的融合。从目前的趋势来看，云计算是大数据的IT基础，是大数据分析的支撑平台，不断增长的数据量需要性能更高的数据分析平台承载。所以，云计算技术的不断发展可以为大数据分析提供更为灵活、迅速的部署方案，使得大数据分析的结果更加精确。另一方面，云计算的出现为大数据分析提供了扩展性更强，使用成本更低的存储资源和计算资源，使得中小企业也可以通过云计算来实现属于自己的大数据分析产品。大数据技术本身也是云计算技术的一种延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术，包括海量分布式文件系统、并行计算框架、数据库、实时流数据处理以及智能分析技术，如模式识别、自然语言理解、应用知识库等等。但是，大数据分析要走向云计算还要赖于数据通信带宽的提高和云资源的建设，需要确保原始数据能迁移到云环境以及资源池可以随需弹性扩展。

3基于云计算环境的Hadoop

为了给大数据处理分析提供一个性能更高、可靠性更好的平台，研究者基于MapReduce开发了一个基于云计算环境的开源平台Hadoop。Hadoop是一个以MapReduce算法为分布式计算框架，包括分布式文件系统（HDFS）、分布式数据库（Hbase、Cassandra）等功能模块在内的完整生态系统，已经成为当前最流行的大数据处理平台，并被广泛认可和开发应用。基于Hadoop，用户可编写处理海量数据的分布式并行程序，并将其运行于由成百上千个节点组成的大规模计算机集群上。

4实例分析

本节以电信运营商为例，说明在云计算环境中基于Hadoop的大数据分析给大数据用户带来的价值。当前传统语音和短信业务量下滑，智能终端快速增长，移动互联网业务发展迅速，大数据分析可以为运营商带来新的机会，帮助运营商更好地转型。本文数据分析样本来自于某运营商的个人语音和数据业务清单，通过Hadoop2.6.0在Ubuntu12.04系统中模拟了一个大数据分析平台来处理获得的样本。希望通过对样本数据的分析与挖掘，掌握样本本身的一些信息。以上分析只是一些很基本的简单分析，实际上样本数据中所蕴含的价值要远远大于本文体现的。以上举例意在说明基于云计算的大数据分析可以在数据分析上体现出良好的性能，为企业带来更丰富更有效率的信息提取、分类，并从中获益。

5结束语

基于云计算的大数据分析已经成为解决大数据问题的主要手段，云计算环境中的大数据分析平台部署需要综合考虑硬件、网络、软件等各方面的集成，使大数据的海量信息积累体现价值，显示云计算的性能优势，而没有云计算技术的支撑也不能进行高效和准确的大数据处理分析。最后本文通过一个例子来分析了基于云计算的大数据分析给企业带来的价值，由此可见，大数据需要云计算技术的深入挖掘，同时也促进了云计算技术的不断发展。

篇3：云计算环境数据安全研究论文

云计算环境数据安全研究论文

云计算是网格计算、分布式计算、效用计算等技术发展融合的产物，如今普及速度非常快。亚马逊、谷歌、微软等企业向用户提供了在云环境中开发应用和远程访问应用的功能。由于云环境的数据托管给服务商存储在远程服务器中，且应用数据通过互联网传输，数据存储和传输安全是一个重要的问题。在实现云计算之前，首先应该解决由此带来的安全问题。论文描述了云计算中数据安全相关的挑战，研究了对于数据安全不同层面的解决方案。

1 引言

云计算是基于下一代互联网的计算系统，提供了方便和可定制的服务供用户访问或者与其他云应用协同工作。云计算通过互联网将云应用连接在一起，向用户提供了在任意地点通过网络访问和存储数据的服务。

通过选择云服务，用户能够将本地数据副本存储在远端云环境中。在云环境中存储的数据能通过云服务提供商提供的服务进行存取。在云计算带来方便的同时，必须考虑数据存储的安全性。如今云计算安全是一个值得注意的问题。如果对数据的传输和存储不采取合适的手段，那么数据处于高风险的环境中，关键数据泄露可能造成非常大的损失。由于云服务向公共用户群提供了访问数据的功能，数据存储可能存在高风险问题。在后续章节中，本文首先介绍了云计算模型，然后针对云计算本身的属性带来的信息安全问题，研究了已有数据安全解决方案的应用范围。

2 云计算应用模式

云计算的应用模式主要有软件即服务(SaaS)、平台即服务(PaaS)、基础设施即服务(IaaS)等。在SaaS中，厂商提供服务供客户使用，客户使用服务在云基础架构中运行应用。SaaS相对比较简单，不需要购买任何硬件，使用容易。但是数据全部保存在云端，且存放方式不受用户控制，存在安全隐患。PaaS则通过使用云计算服务商提供的中间件平台开发和测试应用，例如谷歌的App Engine。由于不同的中间件平台提供的API不一样，同一个应用不能再不同的平台通用，存在一定的兼容性问题。在IaaS模型中，用户可以控制存储设备、网络设备等基础计算架构，或者直接使用服务商提供的虚拟机去满足特定的软件需求，灵活性高但是使用难度也比较大。

随着云计算的蓬勃发展，云计算安全作为不能忽视的层面，应该引起足够的重视。如果对数据的传输和存储不采取合适的手段，那么数据将处于高风险的环境中。由于云计算向用户群提供了访问数据的功能，不论采用三种主要应用模式的任意一种，数据都存储在公共平台中，由此带来了数据存储和传输的安全问题。

3 数据安全挑战

3.1 数据保障

当多个用户共享同一个资源的时候存在资源误用的风险。为了避免这个风险，有必要对数据存储、数据传输、数据处理等过程实施安全方面的措施。数据的保护是在云计算中最重要的挑战。为了加强云计算的安全，有必要提供认证授权和访问控制的手段确保数据存储的安全。数据安全的主要几个方面：健壮性——使用测试工具检查数据的'安全脆弱性，查看云计算应用是否有常见的漏洞，比如跨站脚本、SQL注入漏洞等;保密性——为了保护客户端数据的安全，应当使用资源消耗少的瘦客户端，尽量将客户端的功能精简，将数据的运算放置在云服务端完成;可用性——数据安全中最重要的部分，具体实施情况由厂商和客户直接协商决定。以上措施决定了数据的可用性、可靠性和安全性。

3.2 数据正确性

在保证数据安全的同时也要保证数据的正确性。每个在云计算中的事务必须遵守ACID准则保持数据的正确性。否则会造成数据的“脏读”，“幻读”等现象，造成数据的不准确，事后排查花费的代价高。大多数Web服务使用HTTP协议都面临着事物管理的问题。HTTP协议本身并不提供事务的功能，事务的功能可以使用程序内部的机制解决。

3.3 数据访问

数据访问主要是指数据安全访问管理机制。在一个公司中，应根据公司的安全条例，给予不同岗位职工特定数据的访问权限，保证该数据不能被公司的其他员工访问。可以使用加密技术保证数据传输安全，采取令牌管理手段提升用户密码的猜解复杂程度。

3.4 保密性

由于在云环境中，用户将文本、视频等数据存储在云端，数据保密性成为了一个重要的需求。用户应该了解保密数据的存放情况和数据的访问控制实施情况。

3.5 数据隔离

云计算的重要特征之一是多用户租用公共服务或设备。由于公用云向所有用户提供服务的特点，存在数据入侵的可能。通过注入代码等手段，可能造成云端存储的数据被非授权获取。所以有必要将用户数据和程序数据分开存储，增加数据被非授权获取的难度。通常可以通过SQL注入、数据验证等方式验证潜在的漏洞是否存在。

3.6 数据备份

云端数据备份主要目的是在数据意外丢失的情况下找。数据丢失是一个很普遍的问题，一份的调查表明，66%的被访者声称个人电脑的文件存在丢失情况。云端数据备份还可以方便将数据恢复到某个时期的版本。云计算作为公用服务，已有大量用户使用网盘将数据副本存储在云端，但是还有很多应用的业务数据未在用户本地设备中存储。无论云端存储数据的性质，云端都应定时将存储的数据备份，保障云服务的正常运行。

3.7 法律法规风险

在云计算中，数据有可能分布存储在不同的国家和地区中。当数据被转移到其他的国家和地区中后，必须遵守当地的法律法规。所以在云计算中，存在数据放置地理位置的问题，客户应当知晓数据存储的地理位置防范风险。

4 数据安全解决方案

对于数据安全问题，需要方案解决云环境中数据潜在的风险。其中由于云环境的公用特性，数据保密应当作为主要解决目标。针对上节的数据保障、正确性、访问等问题，多位云计算安全专家在不同层面已先后提出了几套完整的解决方案，其目标主要是保证云环境中数据共享的安全性。在不可信的公共云环境中，数据共享的同时保证数据对第三方的保密性。

4.1 基本方案

数据加密是一个比较好的保证数据安全的方案。在云端存储数据之前最好能先加密数据。数据的拥有者能将数据的访问权给予特定的用户群体。应当设计一个包括认证、数据加密、数据正确性、数据恢复等功能的模型去保证数据在云端的安全。

为了保证数据不能被非授权访问，将数据加密使其完全对于其他用户无法解析是一个比较好的方法。在上传数据到云端之前，建议用户验证数据是否在本地有完整的备份，可以通过计算文件的哈希值来验证数据是否一致。数据传输应当采用加密方式，防止敏感信息被中间人监听。SaaS要求必须在物理层面和应用层面将不同用户的数据隔离。可以使用采用基于角色的访问控制或者是自主访问控制，以及分布式的访问控制架构控制云计算中的数据访问。一个设计良好的访问控制机制可以极大地保护数据的安全，还可以采用入侵防御系统实时监测网络入侵。入侵防御系统主要功能为识别可疑行为，记录行为的详细信息并试图阻止。

上述基本方案可以解决数据保障、数据正确性、数据访问及保密性等问题。但是，在实际应用中没有考虑效率，仅仅作为基本手段不能满足用户云环境数据共享的特定需求。

4.2 属性基加密

属性基加密(Attribute-based Encryption)相对于传统的公用密钥加密具有很大的优势。传统的公用密钥加密采用公私钥对，公钥加密的信息只能用私钥解密，保证了仅有接收人能得到明文;私钥加密的信息只能用公钥解密，保证了信息的来源。公钥基础设施体系和对称加密方式相比，解决了信息的保密性、完整性、不可否认性问题。属性基加密则在公用密钥加密的基础上，更多考虑了数据共享和访问控制的问题。在属性基加密系统中，密钥由属性集合标识。仅当公私钥对指定的属性相同或者具有规定的包含关系时，才能完成解密密文。例如，用户如果为了数据安全将文档加密，但是需要同公司的人能解密该密文，那么可以设置密钥的属性位“组织”，只有属性位“组织”为该用户公司的密钥才能将该密文解密，不满足条件的密钥则不能解密，如图1所示。

属性基加密分为密钥策略(KP-ABE)和密文策略(CP-ABE)。KP-ABE模式中，密文具有属性集合，解密密钥则和访问控制策略关联。加密方定义了能成功解密密文的密钥需要满足的属性集合。KP-ABE模式适用于用户查询类应用，例如搜索、视频点播等。CP-ABE模式中，加密方定义了访问控制策略，访问控制策略被包含在密文内，而密钥仅仅是属性的集合。CP-ABE模式主要适用于访问控制类应用，例如社交网站、电子医疗等。

属性基加密方式，不仅可以应用在云存储共享中，在审计日志共享方面也有很广泛的应用。审计日志共享大都存在时间段的限制，属性基加密方式可以在密文中添加时间属性位和用户属性，提供对不同用户共享不同时间段日志的功能。属性基加密紧密结合了访问控制的特性，在传统公用密钥的基础上，提高了数据共享的方便程度。

属性基加密虽然提高了数据共享的方便程度，但是没有从根本上解决云环境数据加解密过程中，解密为明文导致的敏感数据泄露问题。

4.3 代理重加密

由于云环境是公用的，用户无法确定服务提供商是否严格的将用户资料保存，不泄露给第三方。所以，当用户之间有在云环境中共享资料的需求时，必须考虑资料的保密性问题。

用户A希望和用户B共享自己的数据，但是不希望直接将自己的私钥Pa给B，否则B能直接用Pa解密自己采用私钥加密的其他数据。对于这种情况，有一些解决方案。

(1)用户A将加密数据从云端取回，解密后通过安全方式(例如采用用户B的公钥加密)发送给用户B。这种方式要求用户A必须一直在线，存在一定的局限性，并且数据量比较大时，本地耗费的计算量可能非常大。

(2)用户A可以将自己的私钥给云服务提供商，要求提供数据共享的服务。在这种情况中，用户A必须相信云端不会将私钥泄露。

(3)用户A可以采用一对一加密机制。A将解密密钥分发给每个想共享数据的用户，A必须针对每个用户生成并存储不同的加密密钥和密文。当新用户数量很多时，这个方案造成了磁盘空间的大量占用，存储数据冗余度高。

代理重加密(Proxy Re-Encryption)手段可以很好的解决云环境数据共享的问题。代理重加密手段设立了一个解密代理。首选A由私钥Pa和B的公钥Pb计算出转换密钥Rk。转换密钥可以直接将由私钥Pa加密的密文转加密为由公钥Pb加密的密文。在转换过程中，A的原始密文不会解密为明文，而转加密后的密文也只能由用户B解密。当用户B想访问A共享的资料时，只需要解密代理使用Rk将A的密文转换为只有B能解密的密文即可。这种机制保证了包括云在内的所有第三方都不能获取A共享给B的明文，如图2所示。

代理重加密解决了云环境中数据共享而不泄露明文的基本问题，侧重于数据的保密。该技术手段关注数据的保密性，未考虑实际应用中数据共享方便程度等其他问题。

4.4 基于代理重加密的属性基加密方法

代理重加密技术可以和在云存储中使用的属性基加密机制结合，属性基加密侧重于加密方面的访问控制，而代理重加密从加密手段上保证了数据的隐秘性。通过将这两种机制结合，用户可以更加高效的分享数据。数据拥有者可以根据新的访问控制规则生成转换密钥，然后将转换密钥上传至云服务器，服务器将原有的密文转加密为新的密文。新的密文在不影响原有用户解密的情况下，可以使新用户成功解密。而在转换原有密文的整个过程中，服务器无法将密文解密为明文。

该类加密方法既保证了转换效率，又保证了数据的保密性。此类方法中，不考虑抗选择密文攻击的算法计算转换密钥的资源消耗相对较小，考虑了抗选择密文攻击的算法资源消耗量和密钥属性基的大小正相关。

5 结束语

虽然云计算是一个带来了很多益处给用户的新兴技术，但它也同时面临着很多安全方面的挑战。本文说明了云计算方面的安全挑战和对应的解决方案，从而降低云计算可能带来的安全风险。为了保证云存储的安全访问，在技术层面，可以采用健壮的数据加密机制;在管理层面，采用合适的令牌管理机制，分发令牌给用户从而保证数据只能被授权的访问。随着云计算的普及，相信云服务提供商和用户对于云环境数据安全方面会越来越重视。在相关安全策略实施后，云计算能在提供良好服务的同时，让用户使用更加放心。

篇4：云计算环境下的数据挖掘研究论文

摘要：文章首先对云计算的特点进行简要分析, 在此基础上对云计算环境下的数据挖掘进行研究。期望通过本文的论述能够对数据挖掘效率的提高有所帮助。

关键词：云计算; 数据挖掘; 服务;

1 云计算的特点分析

1.1 超大规模

国内外大型互联网企业纷纷建立起云平台, 开启一大批服务器, 如Google公司、亚马逊公司、微软公司等公司都建立了云平台, 大幅度提升了网络平台数据运算效率、存储效率和交互效率, 使云计算具备超大规模特点。

1.2 虚拟化

云平台是向网络平台提供资源的平台, 网络用户可借助云计算技术在任意位置获取应用服务, 这种应用服务不是固定实体, 而是虚拟化的。在云平台上, 需要运行虚拟化的搜索、储存、上传下载操作, 网络用户无需了解资源的获取渠道, 只要通过终端设备就可以获取网络服务信息, 实现数据快速互传。

1.3 可靠性高

云平台可提高数据互传、存储的可靠性, 其采用计算节点同构可互传、数据多副本容错等措施增强服务的可靠性, 即使在数据传输或存储丢失的情况下, 也可以找回渠道恢复数据, 与计算机自带硬盘相比, 网络云计算平台的可靠性更高。

1.4 通用性强

云计算技术的针对性不强, 对其他设备没有过高的要求, 只需在网络平台上建设平台, 配备足够的服务器, 就可以实现云计算技术的应用。在同一云平台的支撑下, 可满足不同设备的运行要求。

1.5 扩展性好

云平台既可以满足不同类型企业的需求, 也可以满足个人用户需求, 其本身带有动态伸缩性。用户可根据自身需求对空间、功能进行定制, 满足个性化的应用要求, 使云平台具备良好的扩展性。

1.6 按需服务

云平台可提供充足的空间, 便于用户在云平台上存储、调用、传输数据资源。为了避免用户过度占用云平台资源, 云平台一般设置了计费标准, 要求用户按需购入占用量, 促使云平台成为可交易的资源。

篇5：云计算环境下的数据挖掘研究论文

2.1 数据挖掘服务层次结构

2.1.1 基础设施层

该层主要为整个数据挖掘服务提供存储和计算资源, 在基础设施层运行中, 通过接口可连接网络资源与物理资源, 实现不同类型资源的高度共享。该层还提供数据挖掘服务的虚拟化接口, 满足资源对接要求, 为资源存储、共享提供技术支撑。

2.1.2 虚拟化层

在云计算技术上建立数据挖掘服务模式, 利用虚拟化层快速处理大量资源。在结构体系中, 虚拟化层根据云计算技术虚拟化汇聚分布式资源, 在封装处理虚拟资源的基础上, 分类和管理不同资源, 从而提高挖掘服务执行效率。在对资源进行封装后, 通过开发和利用平台层实现资源共享。虚拟化技术是资源封装的重要技术, 既可以提高资源运行效率, 也可以实现对资源的合理调动, 提高服务模式的便捷性。

2.1.3平台层

在数据挖掘服务模式中,平台层作为数据核心服务部分, 负责管理不同数据及其功能, 实现不同服务目录的高效管理。用户可根据服务内容和使用需求组合不同服务目录, 发挥数据功能性管理作用。在平台层中, 可有效调度计算资源, 提高计算资源的运行效率, 这使得平台层在数据挖掘服务中占据着不可替代的地位。

2.1.4 应用层

该层由终端层和接口层组成, 其中接口层为用户提供服务等级, 满足各种服务请求, 终端层将服务请求显示出来, 并且可根据请求的服务内容作出评价。在终端层的内容访问中, 根据用户访问请求、访问内容对访问接入作出不同选择, 再结合用户访问情况, 借助终端设备实现数据挖掘服务。

2.2 体系的建模流程

2.2.1 对服务进行自定义

在数据挖掘服务运行时, 可通过自定义完成相关数据的搜集, 从而快速找到与之相关的资源。由此可以使数据挖掘人员开展工作时, 对候选加以充分利用, 进而形成服务目录, 为用户使用提供方便。

2.2.2 组件构建

在对数据挖掘服务组件进行构建时, 应当确保调用服务接口的统一性, 同时在构建其它服务组件时, 需要绑定服务和数据, 从而构建起数量更多的组件, 为用户提供所需的数据挖掘服务模式。

2.3 数据挖掘体系的服务过程

2.3.1 分析阶段

该阶段主要负责分析数据挖掘内容, 确定需要挖掘的`数据, 根据对应的数据服务内容设置相应的服务模式, 并对服务模式作出定义。为保证数据挖掘与实际需求相符, 在数据挖掘时需先进行数据分析, 深入到外部环境中调查市场发展趋势和市场需求情况, 以市场为导向开发大数据挖掘模式, 使云计算下的数据挖掘服务更具备高效性、实用性和针对性。

2.3.2 设计阶段

该阶段要根据前期市场调查情况对数据挖掘服务方案进行设计, 最终确定符合用户使用习惯的数据处理模式。数据挖掘服务模式设计不仅关系到用户体验的满意程度, 而且还影响着数据挖掘服务运行效率。在某些特定的情况下, 甚至可能对供应商与消费者带来利益冲突, 阻碍数据挖掘服务在信息化环境中的有效应用, 为了解决上述问题, 必须以市场调查为前提开展数据挖掘服务模式设计, 避免不必要的矛盾。

2.3.3 开发阶段

在该阶段, 一套相对完整的数据挖掘服务体系会随着设计得以呈现, 各种服务内容与方法在该阶段中得到合理应用。体系开发时, 应对各项功能进行定义, 并将所有的功能整合到一起, 以此来实现多种不同的服务目标, 确保数据挖掘服务模式的高效运行。对体系进行开发的过程中, 可基于服务接口的实现, 对相关的功能进行有效地协调, 从而使开发出来的功能更符合用户的使用需要, 由此可使数据挖掘服务的价值得以充分体现, 有利于推动数据挖掘服务市场的持续、稳定发展。

3 结论

综上所述, 云计算以其自身所具备的诸多特点, 在诸多领域中得到越来越广泛的应用。本文在简要阐述云计算特点的基础上, 对云计算环境下的数据挖掘进行分析研究, 提出数据挖掘服务模式的构建方法, 以期能够对数据挖掘效率的进一步提升有所帮助。

参考文献

[1]孙亮.数据挖掘服务模式应用云计算的优化策略探究[J].黑河学院学报, (01) :23-25.

[2]王勃, 徐静.基于云计算的Web数据挖掘Hadoop仿真平台研究[J].电子设计工程, 2018 (01) :43-44.

[3]包科, 蔡明.高速接入网云计算平台的大数据挖掘算法研究[J].机床与液压, (12) :143-144.

[4]冯丽慧.云计算和挖掘服务融合下的大数据挖掘体系架构设计及应用[J].电脑编程技巧与维护, 2017 (12) :132-133.

篇6：云计算环境下数据挖掘技术分析论文

云计算环境下数据挖掘技术分析论文

摘要：随着经济社会不断发展与进步，科技信息技术为了适应社会发展的需求，也在不断地提高。云计算作为互联网发展中的一项新兴技术，渐渐成为了人们生活中不可或缺的一部分，并被广泛运用于军事领域、医疗领域与金融领域等。随着计算机的不断发展，基于云计算环境下的数据挖掘技术已经成为一项非常高效与实用的技术，它可以有效的解决传统数据挖掘方式不适合解决海量数据的问题。本文通过对云计算环境下的数据挖掘技术的分析与探讨，期望可以加深同行业工作者对数据挖掘技术的了解，为将来电子商务发展效率的提高，打下结实的基础。

关键词：数据挖掘，云计算，技术

随着移动互联网和物联网的迅速发展，如今的社会正处于大数据时代。数据的海量增加，对数据挖掘系统带来了极大的挑战。而云计算的出现便能有效解决这一难题，它可以使分布在不同计算机的数据集中在统一的云端，这样便有利于我们对数据的获取与挖掘。云计算中可弹性变化的计算能力和海量存储能力，更是为解决海量数据挖掘提供了有效的解决途径。

一、数据挖掘的内涵

数据挖掘是我们通过大量数据集进行分类以识别趋势和模式并建立关系的自动化过程。因为当今是一个大数据时代，我们需要从海量数据中提取和挖掘对我们有利的信息，从而来更好地为各种应用系统服务，如物联网、社交媒体等。而数据挖掘，就能从海量数据的挖掘到所需的信息，从而为你提供比没有使用这些工具的竞争对手更大的优势。

二、基于云计算环境下的数据挖掘技术分析

数据挖掘具有数据清理、数据变换、数据挖掘实施过程、模式评估与知识表示等8个步骤。这8个步骤，能帮我们更好地从海量数据中提取我们所需的有价值的信息。而在数据挖掘中，最重要的是数据收集处理与数据存储工作。第一，数据收集处理。我们在进行数据收集与处理时，可以先用决策树来判别是用户访问数据还是Web机器人访问数据。然后再将海量数据进行过滤、转换、清洗、整合，将其变成半结构化的XML文件进行保存。虽然现在流行用Map—Reduce模式来进行数据收集，但其开发工具还不够完善[1]。在今后的数据挖掘技术发展与完善的过程中，我们可以将结合分形维数和其他技术的方法作为新的发展方向。不断地强化数据收集处理功能，使其能更好地为各种应用系统服务。第二，数据的存储工作。云计算系统中的分布式存储策略，是运用最广泛的数据存储方式。它可以将同一个数据存储为多个副本，这在一定程度上保证了数据的可靠性，而且还不是冗余复制。而且系统中，还存在心跳检测、错误隔离等措施。虽然通过数据副本的存储方式能够有效的提高数据存储安全性，但是数据的计算速度和移动速度都比较慢，且实际的工作效率也并不理想。因此，我们在进行数据迁移的时候，可以利用MASTER系统来完成计算数据迁移工作。我们可以通过寻找数据副本进行抵制，既可以进行迁移又可以完成既定工作，这样不但使工作效果更加理想，而且实际工作效率也大幅度的提高。

三、云计算环境下数据挖掘技术的优势

利用云计算进行数据挖掘，具有以下的优点：第一，云计算环境下的数据挖掘可以隐蔽底层，这样使得我们的数据开发工作更加便利。用户不用考虑计算分配、计算调度任务与数据划分等问题，既能有效地提高工作效率，还便于我们操作；第二，云计算提高了大规模数据的处理能力和处理速度；第三，使得数据处理的成本降低，不再需要购买高性能的机器，从而有效提高了收益；第四，基于云计算的数据挖掘技术，可以使我们有效地从海量数据中挖掘出我们需要的信息，创造了良好的开发环境和应用环境，让挖掘任务变得更加简单。

四、云计算环境下数据挖掘技术面临的问题与挑战

目前，云计算还处于初级阶段，发展还不够成熟，也存在着一些问题与挑战，主要包括以下几个方面：第一，软件与服务的可信度不高。云计算要重视隐私安全问题，不断提升云计算的隐私安全保护能力，才能让用户放心使用云计算；第二，存在太多的不确定性。如数据挖掘的方法及结果、挖掘结果的评价和数据挖掘任务的描述等；第三，算法的'选择问题。不同的问题要用合适的算法和策略来进行数据的处理，云计算数据挖掘技术在这一方面还有待加强。大数据挖掘技术应用的过程中，验证技术的局限性也非常突出。在技术应用过程中，我们是通过特定分析方法及逻辑形式来发现知识[2]。在这一过程中，如果系统没有能力交互证实已发现的知识，就容易造成发现的知识不具有普遍实用性。而那些事待挖掘的数据自身可能就是错误的，这样便使得数据挖掘在有效性这方面受到一定的冲击。而我们从海量数据中挖掘到的信息，它们所构成的预言模型并不会告诉我们：一个人为什么会做某一件事及采取某个行动。为了保障数据挖掘结构的价值，用户就要对自身的数据进行一定的了解，这样才能提高数据挖掘输出结果的质量，才能更好地将挖掘到的数据为我们服务。综上所述，本文通过对云计算环境下的数据挖掘技术的分析与探讨，期望可以加深同行业工作者对数据挖掘技术的了解，为将来电子商务发展效率的提高，打下结实的基础。随着我国新兴产业战略地位不断提升，云计算成为了国家新兴产业发展的一项重点工程。我们需要不断探索与发展云计算数据挖掘技术，才能更好的满足用户的需求。据相关研究表明，云计算技术下的数据挖掘平台，相比于传统的数据挖掘方式，其数据挖掘效率高于20%。由此可见，基于云计算环境下的数据挖掘技术，不仅能满足用户规模扩大、应用目标多样等环境下的数据挖掘的应用需求，还能满足当前系统的设计需求，有利于提高数据挖掘的效率，具有更加实用价值。

参考文献：

[1]曾志华，李聪。云计算环境下频繁出现异常数据挖掘方法研究[J]。计算机仿真，，56（3）：339—342。

[2]黄潮。云计算环境下的海量光纤通信故障数据挖掘算法研究[J]。激光杂志，2017，38（1）：96—100。

篇7：大数据环境下古代文学教学改革刍议论文

大数据环境下古代文学教学改革刍议论文

摘要:近几年来，古籍数字化、古诗词数据库的研发不仅为古代文学的研究带来了帮助，也为古代文学的教学带来了一定的影响。从作家作品分析、文学发展的讲解以及课程作业的设计三个方面，探讨在大数据环境下如何有效运用巨量资料、数据库等资源，采用数据统计分析的方法和手段来提升古代文学的教学质量，培养学生的专业素质与文学修养。

关键词:大数据;古代文学;教学

在我国高校人文学科领域中，古代文学课程有着非常重要的作用，它不仅是汉语言文学专业的核心课程，也是其他人文学科诸如国际汉语教育、戏剧与影视文学、文秘、新闻、广告等专业的专业基础课。然而学界当下对于古代文学教学的现状并不满意，对古代文学教学中存在的问题有较为充分的认识和探讨［1－3］。正如戴建业教授《大学中文系古代文学教学现状与反思》所言，“多年来，各大学中文系古代文学教学，主要是通过‘中国文学史’课程完成的，教师较多在课堂上向学生讲授一长串线索，一大堆概念，一大批作家，古代文学中的许多经典名篇，学生却读得不多，也较少求甚解，更不可能去涵泳。这种教法与学法类似于一种‘买椟还珠’的现代版。”［4］尽管现在很多学校汉语言专业分别开设了中国古代文学史和古代文学作品选读等课程，但在具体的讲授中往往仍然是以时间为线索讲背景谈概念，而很少对作品进行解读，更不用谈情感的体验和审美的感受了。对于大多数没有接受过古诗词训练的大学生而言，走马观花式的作品讲解、简单粗略的作家介绍、文学现象的概念式总结，都很难激发学生学习的兴趣。这样的教学模式导致学生为了应付考试而死记硬背一些概念名词，并不能从实际上真正提高其专业修养和人文素养。

，麦肯锡在《大数据:创新、竞争和生产力的下一个新领域》的研究报告中，正式提出了“大数据”一词。随后，这一话题不仅成了计算机行业内的热门话题，也引起了各行各业的广泛热议。对“大数据”这一概念，人们从不同的角度提出了不同的理解，人们普遍认为大数据即海量数据、巨量资料。更有学者认为，“大数据超越了海量数据的含义，它描述的是随着数据量和数据类型激增而逐渐衍生出来的一种现象，不仅包括大规模、多样化的数据集，还包括对这种数据集进行高速采集、处理与分析以提取价值的技术架构与技术过程。”［5］从数据的角度看，大数据的特征被概括为4V，即数据量大(Volume)、数据类型多(Variety)、价值稀疏性(Value)、速度快(Velocity)。基于以上特点，大数据在社会生活中的应用越来越广泛，在教育部颁发的《教育信息化十年发展规划(—)》的指导下，我国高校也越来越重视信息化教学。在这一背景下，古代文学教学中相关问题，如作家作品的分析、文学发展历程、作业的设计等，也可以从多个方面做适当调整，以期进一步提高教学质量。

一、关于作家作品的分析

传统的古代文学教学模式在讲授具体作家时，对其生平事迹往往按照时间顺序进行串讲，何年中举、何年入仕、何年升降，以及这一时期的文学思想与诗文创作等，这种平直的简介往往不能给学生留下深刻印象。关于作品的讲解，由于课堂时间有限，教师不能对作品做详细的解读，只能走马观花粗略鉴赏;学生大体疏通文意，虽体会了诗文字面的含义，但常常是不求甚解，至于诗境、文心，因为缺乏对诗文创作背景、时代环境等的了解，难以有情感的体验，没有情感的浸润，也就难以有审美的体验。王兆鹏教授《唐宋文学编年系地信息平台》的建设，为古代文学教学中有关作家作品的讲解提供了一个新的思路。

王兆鹏教授与搜韵诗词共同打造的《唐宋文学编年系地信息平台》，通过将现有的唐宋作家作品编年信息录入数据库进行数字化处理后，与当代、历史地图进行整合，利用GIS技术开发了以地图为平台的信息系统。进入平台后，随意点击地图中的某一地名，就可以看到唐宋哪些文人曾在此停留并留下了哪些篇章;从平台的诗人列表中点击某一诗人的名字，其一生行迹路线图清晰可见。路线图和文字说明相结合，更便于人们直观地了解一个文人的生平轨迹和具体创作。这一信息平台很好地实现了时空维度的交融，而这正是我们在教学中经常忽视的问题。

以苏轼为例，按照现有古代文学史的教材来讲解，大多是先讲苏轼的生平、人生观、创作道路、创作思想，然后以分体的形式讲解其文、诗、词创作等。这样就把作家、作品一分为二地进行讲解，学生所接收的信息是颇为概念化的。由于模糊了时空的问题，给学生的印象就是苏轼其人很旷达、苏轼诗文风格豪迈，而忽视了苏轼文学创作中兼收并蓄的特点。鉴于大数据的丰富资料，在讲解苏轼时我们不妨换个思路，将其人生轨迹与文学创作历程同时进行考察。首先，借助于北宋行政区划图大致拟定其人生轨迹，嘉祐元年(1056年)三月苏轼兄弟随父亲离家赶赴汴京参加进士考试，及第同年即丁忧家居。到嘉祐四年(1059年)十月，父子三人再度赴京，三人一路唱和编成《南行集》，这是现存苏轼诗歌中最早的一批作品，可以看作是他诗歌创作的起点。其次，从嘉祐六年(1061年)至嘉祐八年(1063年)，以组诗《凤翔八观》为代表的古体诗，关心国事、反映民生疾苦，艺术上也渐趋成熟。熙宁四年(1071年)苏轼到达杭州，任通判(知州的助理官)，杭州的秀丽山水给诗人带来了极大的创作热情，苏轼描写西湖的诗作已经成为家喻户晓的名句。从苏轼词集来看，他也是从这一时期才开始填词的。再次，熙宁七年(1074年)至熙宁九年(1076年)，任密州知州，这一时期词的创作有重大发展，初步形成了豪放词风，代表作有《江城子密州出猎》《水调歌头明月几时有》……。在时空的交汇中梳理苏轼的文学创作，黄州、惠州、儋州时期的创作高峰，在京为官时的创作低潮，都清晰地展现了其诗文创作的动态变化。而通过这一变化，更利于学生深入认识、体会苏轼文学风格的特点及形成过程，这较之单纯地讲解、总结，学生的学习热情和学习效果肯定会有所提升。在大数据背景下，借助众多数据和新媒体，这一教学方式得以轻松实现。

二、关于文学发展历程的讲解

“一代有一代之文学”［6］的观念自明代就得到了许多学者的认同，从文体的演变来看文学的发展是中国古代文学教学中经常用到的方法。楚骚、汉赋、唐诗、宋诗，通过对文体序列的排位来总结文学发展概况，这就容易给学生一个错误的引导，提及汉代，只重视赋;论及唐代，只谈诗歌。对于学生而言，这样的教学其实不利于他们对文学发展有一个全面的认识，反而容易进入一个狭隘的学习视野。文学的发展有时间的跨度，文体的完备也需要一定的时间，今天我们回顾古代文学的发展，虽然具备了对文学体裁进行总结的条件，然而在教学中一味强调“一代有一代之文学”，并在教学实践中遵循前人“只重视唐诗、宋词、元曲讲解”的做法，不利于学生真正全面认识文学的发展。以宋代文学为例，一直以来宋词作为宋代的代表性文体得到了学界的广泛重视，在教学中也一直是教学的重点，长期以来这似乎已经是一种共识。然而在大数据环境下，随着越来越多的古代文学作品数据库的建立，对宋代文学的发展似乎也应有一个新的判断。“古今文章，至我宋集大成矣。”［7］“宋之文超汉轶唐，粹然为一王法。”［8］宋人对宋文的发展不仅有着较为自觉的理论认识，而且是颇为骄傲与自豪的。客观讲，宋文所取得的成就并不逊于宋词，但长期以来，在宋代文学的教学中，宋文往往是在古文运动中简单讲述，学生也很难对此有深入的认识。就当下对宋文的整理来看，已经出版的《全宋文》计360册，收录近万人的17万余篇作品。虽不能以量的多少来讨论文学成就的高下，但如此丰富的文学遗产显然是今人所不能忽视的。而且随着全宋文数据库的编制，为我们全面认识宋文提供了极大的便利。借助数据库的搜索引擎，在教学中可以更好地展示宋文的发展及其所形成的文学特色、所取得的文学成就。如此一来，就不至于给学生留下宋代文学仅仅是宋词成就斐然的刻板印象了。明清文学更是如此，长期以来在教学中重小说轻诗文的现象非常严重;随着古籍的整理以及当下众多古诗词数据库的研发，明清诗文也逐渐引起人们越来越多的关注，因此在本科教学中也应有所体现。

众多的古诗词数据库提供了较为全面的经典古诗词和古诗文，并且这些数据库大多提供检索分析，具有一定的智能化特点。文学内容的演变是文学发展的具体表现，文学作品也是文人对特定时代社会生活的审美反映，同一题材在不同时期所反映的不同主题就很好地呈现了文学的发展。借助于众多古典文学数据库，对不同时代同类题材的文学作品进行分析得以轻松实现。文学发展中文学形式的演进、继承与革新等相关话题借助于当下的古籍数据库都有了新的教学思路，通过数据分析进行相关知识的讲解，更利于学生的理解与接受。

三、关于作业的设计

作业设计是教学的一个重要环节，而课程作业作为课堂学习的延续，既是学生进行独立学习的活动，也是学生学习过程中的重要内容。当下古代文学教学在作业设计上也存在着一定的问题，大体表现在:作业形式单一;作业内容简单化，在问与答中难以调动学生的兴趣;作业评价与反馈效果不明显等，而且这些问题长期以来在教学中都未能引起足够的重视。

在大数据背景下，海量资料、数据挖掘技术、多维检索方式等丰富了古代文学教学中的作业设计。以杜甫为例，传统的古文学教学中，关于“杜甫”的作业设计常常是“杜甫诗歌的‘诗史’性质”;“杜甫诗歌的艺术风格”;“杜甫诗歌的叙事手法”;“杜诗的地位与影响”等等，这些问题的设计都过于概念化，未能体现个性化，也难以激发学生的学习兴趣。而在大数据背景下，有了大量可供利用的信息资料，在揣摩教材与掌握学生学习的实际情况的前提下，可以精心设计多种形式的古代文学作业。就杜甫而言，对于汉语言专业的学生，根据其专业要求，可以借助数据库设计一些较为深入的研究型作业，比如可以布置“通过安史之乱中杜甫的行迹与创作的数据分析，理解杜诗的‘诗史’性质”，以及“通过对古诗词数据库的分析来解构后人对杜甫的评价以及杜甫的影响”等。因为有数据与材料的支撑，这较之简单的对杜诗“诗史”性质的'平铺直叙，更容易加深学生的认识与理解，而且完成这一作业的本身就是较为有趣的探索过程。古诗词数据库大多都有检索功能，如北京大学李铎教授主持研发的《〈全宋诗〉分析系统》就提供多维的检索分析方式，学生可以借助这些数据库进行检索，搜集后世有关杜诗评价的诗文，然后进行分析归纳，通过数据分析发现问题。对于非汉语言专业的学生还可以联系其专业特点布置作业，比如对于新闻学专业的学生，可以布置“题壁诗与传播”“宋词中的传播方式”“笔记小说中的新闻传播”等;对于文秘专业的学生，可以布置“笔记小说中文秘形象的书写”等;对于广告专业的学生可以布置“古代名人在当下的品牌价值”等。这些作业都需要学生通过搜集大量的信息与资料后进行数据的统计与分析完成，其结论的获得印象也就较为深刻。这较之传统教学模式中的作业布置，其评价效果也较为明显，学生是否理解、掌握了这一问题在作业中会有着清晰的体现。

四、大数据背景下古代文学教学前景展望

由近些年来，我国古籍数字化工作取得了显著的成绩，常用的古诗词数据库，如由北京大学数据分析研究中心和北京欣诺格科技有限公司联合研制的《全唐诗分析系统》与《全宋诗分析系统》、郑州大学《全唐诗库》、稻香居“全唐诗宋全词在线检索”等，这些数据库不仅仅提供检索功能，更重视数据的分析。如《全唐诗分析系统》与《全宋诗分析系统》在重出诗提取、格律诗标注、字及字组的频率分布统计等都带有智能化的特点，其多维的检索分析方式有利于可靠的数据发掘。王兆鹏教授与搜韵诗词共同打造的《唐宋文学编年系地信息平台》在这方面更是有了进一步发展。

显然，在大数据环境下资料的获得相对来说容易了很多，在具体的教学中，无论是作家作品的讲解、文学发展的梳理还是课程作业的设计，都可借助于巨量资料、数据分析的便利，真正实现以文学作品为本位的教学模式。仍以苏轼为例，通过众多的古诗词数据库，将其人生行迹与文学创作历程相联系，学生可以对其文学创作的动态变化有一个清晰的认识，这样苏轼文学风格的形成、文学成就的获得也就自然明了了。同样，借助于古诗词数据库，围绕苏轼对其同时代文人的创作进行梳理，那么，关于词中“以诗为词”“婉约派”“豪放派”等相关问题的探讨也就迎刃而解了。无论是课堂教学还是课程作业的设计，大数据环境下古代文学教学改革有了切实可行的路径。而且在这种教学模式下，学生的学习主动性得以真正地调动起来。无论是带着问题对作品进行分析，还是在对作品的分析中发现问题，学生在探讨的过程中因为对作品了解的深入，也就不难获得情感的体验及审美的感受，这对提高其鉴赏能力和专业素养是大有裨益的。

综上所述，古籍数字化、古诗词数据库的研发不仅为学者的研究带来了极大的便利，也为高校古代文学教学工作带来了更多的生机。首先，多种形式的古籍数据库丰富了课堂教学的内容，有利于调动学生情绪，活跃课堂气氛。其次，众多的古诗词数据库为学生爬梳材料、探究问题带来了丰富的资源，有利于培养学生的问题意识、科研能力。再次，大多数据库虽重数据分析，但对于古诗词数据库而言，分析结论的获得是建立在文学作品的基础上，这又有利于让古代文学的教学重回文学本位，以文学作品为本。

参考文献:

[1]熊笃.古代文学教学现状及教改刍议［J］．高等师范教育研究，1994(2):77－78．

[2]刘鹤岩.关于高校古代文学教学的思考［J］．中国社会科学院研究生院学报，(2):137－139．

[3]孙小力.中国古代文学教学存在的问题和改革设想［J］．中国大学教学，(6):43－46．

[4]戴建业.大学中文系古代文学教学现状与反思［J］．华中师范大学学报(人文社会科学版)，，52(4):84

篇8：云计算环境下信息安全对策论文

摘要:论文旨在增强云计算环境下的信息安全性，从云计算概念和规范核心的概述为依据分析了云计算服务模型和云计算发布模型，从安全边界、数据安全及数据应用安全三个角度分析了云计算环境下信息安全问题，进而总结了云计算环境下信息安全问题的解决对策。

关键词:云计算;信息安全;解决对策

云计算是互联网和计算机技术融合下的产物，现阶段呈现出大规模化和集约化发展，直接影响着各行各业的发展。当然云计算正以庞大的数据铺天盖地地走进人们的日常生活和工作中，为人们的信息交流及生活工作提供便利时也不可避免地存在着一定信息安全隐患。如何提高云计算环境下信息安全性成为人们高度重视的一个焦点，对此论文就云计算环境下信息安全做了简要分析和研究。

1云计算的相关概述

云计算经美国国家标准技术研究院推出以后，在业界具有颇高的认可度，并对云计算定义为一个模型，可以按照实际需求访问可配置计算资源，这个计算资源包括一些服务器、网络、应用程序、存储设备和相关服务等。一般来说，云计算具有广泛的网络访问、按需的自我服务、快速的弹性能力、资源池及可度量的服务这五个本质特点。

1.1云计算服务模型

云计算服务模型主要有软件即服务、平台即服务和架构即服务三个部分。软件即服务往往运行在云基础设施上，应用程序从多种客户端设备访问后从瘦客户端界面打开浏览器。软件即服务过程中客户不需要管理控制云基础架构，就可以完成可配置的应用程序设置。平台即服务也即是客户借助云供应商支持下的开发工具和开发语言，进而开发出应用程序，在云基础架构上发布以后，客户也是不需要管理和控制就可以完成云基础架构及程序运行过程中的环境配置。架构即服务过程也即是通过对客户提供存储、处理和网络时，这时候客户仅仅需要运行软件，就可以完成操作系统的控制，还能控制程序所选择的网络组件。

1.2云计算发布模型

云计算发布模型包括私有云、社区云、公有云及混合云四个。云基础架构经过一个组织独立操作后，云基础架构就会被管理，且在某种条件下和无条件下有特定的存在状态。社区云也即是云基础架构可由多个组织共享，且存在可供分享的社区，在第三方机构管理中在某种条件下和无条件下可能存在。公有云也即是云基础架构是被一个公共群体使用，某个组织一旦拥有这种云基础架构，可能会提供云服务。混合云也即是云基础架构的云数量大于或者等于2个，在一定标准下这些云技术结合在一起，且在应用程序中有很强的可移植性。

篇9：云计算环境下信息安全对策论文

云计算环境下信息安全问题主要存在于用户和信息资源高度集中阶段，可从安全边界难以定义、数据安全及应用安全三个角度具体来说。

2.1安全边界难以定义问题

云计算不同于传统网络逻辑和物理上的安全域界定，而是依附于传统网络可以清楚知道定义的边界，还清楚地定义了保护设备用户，然而云计算有庞大的用户数量，分散的数据存放，这就很难为更多的'用户带来安全性的保障。

2.2数据安全问题

用户使用云计算服务时不清楚所用数据的具体托管服务器所属哪个，使得云用户和云服务商使用云计算服务的时候，不可避免地出现了数据丢失和数据窃取的安全问题。从数据安全问题解读，可从数据隐私、数据隔离角度说起。

2.2.1数据隐私

软件即服务供应商具有处理敏感数据的能力，其他供应商并没有这种能力，敏感数据也即是隐私数据。云计算服务中的数据具有共享特点，但用户没有独立存储区，很多具有潜在危险的数据很难引起用户的高度关注，尤其是在云服务中局域网数据访问风险和利益评估方法也有很好的适用性。云计算不同于传统软件，数据的维护并不是借助于第三方的维护，这是因为云计算架构数据具有分散存储特点，且都具有明文形式存储特点。防火墙虽然可作为一种保护方式，但依然会泄露一些关键性的数据，因此实现弹性计算过程和保护数据隐私可从构建私有云和构建混合云来实现。

2.2.2数据隔离

云计算中网络用户共享数据时总是喜欢采用数据加密的方式保障安全，然而真实的云计算环境下为更保数据安全可以将自己的数据和其他用户的数据隔离开来。云计算平台软件多用于多租户架构中，客户数据均保存在一个软件系统实例中，这就需要逐步开发出更多的数据隔离机制保障客户间数据的安全性。云计算环境下数据隔离技术很难保证绝对的安全，且耗资巨大，带给用户承担的风险极大。

2.3应用安全问题

应用安全问题主要包括终端安全问题、SaaS应用安全、PaaS应用安全、IaaS应用安全三个方面。用户终端的安全和网络环境下的信息安全密切相关，只要用户终端合理部署安全软件，才能保证云计算环境下的信息安全。PaaS模式下用户使用的云基础设施是有服务商提供的，比如底层基础设施包括操作系统、网络及存储，这种模式下服务商主要是做好基础设施的维护工作，最大程度上提供应用程序时也要保证组件的安全性，使用应用软件的用户仅仅需要关注操作层的安全，这就说明PaaS服务提供商的选择是至关重要的。PaaS应用安全问题主要是PaaS云使用户创建用户和具有购买行为产生后，用户在基础设施上并没有管理和控制权限，但是在基础设施基础之上的操作层和管理层中具有操作管理权限。PaaS提供商保障平台软件包安全时，也要清楚认识服务提供商，对其做好风险评估工作，也要关注PaaS面临配置不当的相关问题，结合自身需求适当更改安装配置，这就加深了对安全配置流程深度的了解。IaaS应用安全过程，用户并不了解IaaS云提供商的，同时云提供商也不关注用户的操作，这就需要用户从自身做起，保证数据操作过程均在安全范畴内。

篇10：云计算环境下信息安全对策论文

云计算的发展带给人们便利时也引发了安全问题，云计算的发展面临着前所未有的安全挑战，这就需要各行各业的相关者从安全角度确保云计算环境下的信息安全。当前云计算关键领域安全指南中认为，云计算关键领域的安全控制需要加深对用户的安全指导，为用户提供更加全面的用户使用云服务指南，要求用户熟悉SaaS云、PaaS云、IaaS云的安全解决对策，在云计算安全指南中为云服务商提供更有效的信息安全指导对策。在管理层面上而言，云计算环境下信息安全问题要以管理控制手段降低云计算安全风险。具体来说，云计算环境下信息安全问题的解决可从以下几个方面做起：

3.1正确认识云计算环境的利与弊

云计算作为网络基础设施发展产物，不可置疑地带给人们日常生活和工作极大的便利，也和信息产业发展规律相符合，总的来说云计算的发展是积极乐观的。但是，云计算环境下的信息安全问题也在接踵而至，用户在实践云计算时要不断提升对云计算环境信息安全度的辨别能力，避免盲目进行云计算，也要通过正规途径获得云计算知识产权。

3.2做好自主云计算产业的标准建设

自主云计算产业的建设工作要利用虚拟化技术整合硬件，实现硬件的按需分配，也要在云计算操作系统层面提升云计算的存储能力，保持云计算系统的正常运行。云计算核心技术的发展融入各行各业的发展，为各行业发展带来促进作用时也不可避免地带来了一系列问题，这就需要在云计算环境信息使用中规范各行各业云计算数据使用行为，尽量主动掌握云计算产业链，提供更加完整的云计算产业链，从国家战略高度制定云计算信息使用的标准规范。云计算标准建设发展中也要统一标准魏用户制定使用安全目标，确定云服务商安全服务能力的范畴，将其作为重要参考依据。

3.3构建具有可控性的云计算安全监管体系

云计算产业发展中应不断完善云计算监控技术体系，快速识别云计算的安全是否受到了攻击，对其应有一套完整的预警和预防措施。比如说云客户的主机被攻入带给云服务商DoS攻击，更改云服务商的服务标准窃取用户计算资源过程的钱财，这就需要云服务商有一个安全有效的监管体系，避免遭遇攻击，全力维护云计算环境下的信息安全，也要及时识别用户实际行动中的云操作。做好云计算过程的内容监控对云计算环境下的信息安全也有很大的重要意义，通过动态性持续性检测过程严厉抨击负面消极及黄色内容的网站，确保云计算环境下的信息安全。

4结语

总而言之，云计算环境下信息安全保障需要用户、云计算服务商及国家相关管理人员的共同参与。用户要不断提升自己对云计算相关知识的安全认识，采用正确渠道使用云计算下的操作和管理。云计算服务商要为用户提供安全有效的云服务，正确识别用户信息，保障用户云计算环境下信息的安全，避免用户信息的窃取。国家相关管理人要依据云计算发展的方向，为云计算在各行各业发展中制定更加完善的标准作为指导依据，构建相对安全的云计算环境。

参考文献

[1]刘永.档案信息资源共享云体系建设的思考[J].档案管理,,01(06):25-29.

[2]孔昭煜,李晨阳,贾丽琼.大数据时代下地质资料数据安全保障的思考[J].中国矿业,2017,10(z1):43-46.

[3]张磊,于东升,杨军,等.基于私有云模式的信息安全监管策略研究[J].信息网络安全,2017,05(10):86-89.

[4]谭彬.云计算环境下用户信息安全防护研究[J].通信技术,2017,07(10):2345-2348.

篇11：大数据环境下云计算对电子商务的作用论文

结合现行的云计算环境，分析其对电子商务的具体影响，例举几点影响，如下：

1.1简化运行操作

大数据环境下云计算，简化了电子商务中的各项操作。电子商务的有效载体时计算机，计算机的操作，是保障电子商务业务顺利进行的根本，有效支持电子商务的运行及发展。大数据环境下的云计算，确保电子商务实现海量的数据存储，而且容易保存到云存储内，简化计算机对电子商务信息化服务的方式。云计算在电子商务的运行操作上，起到关键性的作用，其可将计算机的硬件，拆分、组合，构成独立的服务器，存储电子商务的所有数据，处理运行数据存储中出现的问题避免运行操作过于复杂。云计算在电子商务内，规范了运行操作的接口，在统一的状态下进行规划，还能简化云计算服务器的维护力度，支持电子商务的各项业务。云计算取代了电子商务业务中的多项传统操作，简化了电子商务的运行流程，改进原有电子商务的操作方式，确保电子商务运行的质量与速率。

1.2提高信息安全

电子商务运行中的数据非常多，直接增加了数据的安全风险，很容易在运行过程中引起数据丢失的情况。电子商务在大数据环境云计算下，表现出高安全的运行状态。云计算具备高安全的存储优势，促使电子商务的安全系数非常高。电子商务的信息数据，受到大数据环境云计算的.影响，大幅度提高了信息的安全水平。我国电子商务面临着非法入侵者攻击和恶意篡改的问题，导致信息数据丢失，电子商务竞争关系中，经常采用攻击的手段获取竞争对手的信息，由此，电子商务的信息安全，成为一项比较重要的项目。针对电子商务信息安全的现状，引入大数据的云计算，云计算将所有的电子商务信息，存储到云环境内，非法入侵者或攻击者无法窃取云存储中的数据，即使云存储被破解，也不能获取真实的电子商务信息，保护电子商务信息的安全性，杜绝商务运行是出现损失。

1.3杜绝错误信息

云计算在电子商务运行中提供了云操作系统，实现了软件计时服务，避免电子商务中有错误的信息。云操作是电子商务杜绝错误信息的主要途径，云操作本身具备安全性的特征，利用计算机的分布式规划，将软件的计时服务，提供给用户。电子商务在云操作的作用下，进入软件计时服务的状态中，其可避免各种二进制方式的文件，进入到电子商务用户的个人信息中，在保障软件资源安全合理的基础上，杜绝了电子商务内的错误信息。云操作保障电子商务信息准确，在逻辑关系上强调了电子商务信息之间的真实性，而且大数据环境下云计算，促使电子商务的信息传输，始终处于正确的状态下。

篇12：大数据环境下云计算对电子商务的作用论文

大数据环境云计算中，电子商务的未来发展也受到了一定程度的影响，主要在关系型数据库和搜索引擎方面实现优质的发展，分析如下：

2.1关系型数据库影响

电子商务的关系型数据库，运行在分布式的环境内，属于云计算提供的运行条件。云计算对电子商务关系型数据库的影响，促使电子商务业务能帮分布在不同的服务器内，利用关键对象，即可获取电子商务的业务信息。云计算在电子商务关系型数据库的未来运行中，打破了空间、时间的限制，减少了电子商务运行响应的时间，促使电子商务的数据库，始终保持在高效运行的状态，保持数据同步，数据库在不同的单位内，也能明确电子商务数据库之间的关系。如果云计算无法把控电子商务的关系型数据库，就会影响电子商务在大数据环境中的状态。由此，大数据环境下云计算对电子商务关系型数据库的未来影响，决定了电子商务业务的发展方向，强调电子商务在云计算环境中的安全性。

2.2搜索引擎的影响

云计算对电子商务未来的影响，效益最高的是搜索引擎方面。云计算对电子商务搜索引擎的未来影响，能够帮助电子商务准确的识别搜索请求，判断搜索引擎中的隐藏信息。大数据环境下的云计算，在电子商务的搜索引擎中，提供了网页搜索服务、整合搜索服务、语言机器翻译服务和语音搜索服务功能，在电子商务业务中，实现了多样化、多渠道的搜索服务，保障电子商务在各种各样的搜索下，均能为用户提供指定的服务，以免增加电子商务搜索引擎的服务压力，体现大数据环境云计算的未来影响。

3结束语

大数据环境下的云计算，为电子商务的运作提供了资源和条件，改善了电子商务的运行环境。大数据环境云计算对电子商务的影响，体现在多个方面，促进了电子商务的未来发展。大数据环境云计算的运用，提高了电子商务的发展效率，在此基础上，降低了电子商务的成本与资源消耗。

参考文献:

[1]王欣.云计算环境下大数据对电子商务的影响研究[J].中国商论,2016(02):66-68.

[2]宋星,陈姣.云计算环境下大数据对电子商务的影响研究[J].科技展望,2016(21):5.

[3]周本海.浅谈云计算环境下大数据对电子商务的影响[J].经济研究导刊,2015(07):201-202.

[4]李维华.大数据环境下云计算对电子商务的影响分析[J].信息技术与信息化,2015(06):100-101.

云计算关键技术论文

云计算报告

云计算智能输入法设计研究论文

云会计下企业会计信息化论文

云环境下虚拟多媒体教室的构建研究

刍议云计算环境下的数据安全论文.doc

将本文的Word文档下载到电脑，方便收藏和打印

推荐度：

点击下载文档