云计算的相关概念范文篇1

【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

云计算的相关概念范文

【关键词】区间集；高斯云模型；年龄分布

0概述

在日常生活中，一些模糊概念经常会出现在我们的自然语言中，如果想用定量的数据来表示，却发现很困难。而云模型[1]恰能实现从定性概念到定量数据间的转化，它通过期望Ex、熵En、超熵He三个数值来完成这些模糊概念到具体数据之间的转换，并以云图表现出来，与传统的处理模糊概念的方法相比，更加直观、具体；云模型对于日常生活中的不确定性概念有很好的表达能力。目前，传统的模糊数学在很多领域已经不能够满足模糊研究的需要，而云模型凭借其处理模糊度和随机性的优势越来越频繁的应用到各个领域。为了完善模糊研究中的存在的不足，本文对云模型的理论和应用的发展进行了探讨和总结。

与此同时许多不确定性或信息不安全的问题也体现在生活各处，仅用点值描述很难表达其准确的含义，而如果用区间集[2]来描述却可以有效的表达语义。将信息合理有效地区间分段，可以减少局部区间的波动，保证了结果的科学性和合理性，降低了结果分析的失误率，因此，区间集被广泛的应用于人工智能的控制、神经网络等领域中。区间集不仅能够反映逻辑推理的模糊性，而且符合人类推理模糊信息的习惯。故此，区间集本文研究的对象，并在区间集的基础上引出高斯云模型。

在国内外不乏单一的对云模型及区间集进行深入研究的学者，但将两者结合却寥寥无几，本文即是将两者结合的研究，即基于区间集的云模型研究。

本文首先在区间集上对2013年统计得到的中国科学院院士的年龄分布情况进行统计分析，可以发现在40-60、60-100岁上各年龄段的人数在总体呈正态趋势，同时在各年龄阶段范围内呈现局部正态函数的趋势。然后运用高斯函数对所有年龄段总体分析和计算，继而拟合出高斯云的回归方程。

1基于区间集的云模型研究

1.1区间集上的实例分析

科学家年龄及其结构是科学社会学研究中一个不可忽略的问题。但是，在研究的过程中，以什么方式研究对结果的产生在一定的程度上会有影响。本文通过采集2013年中国科学院全部院士的年龄数据，基于区间集对其整体结构进行分析。

从表1[3]数据可以得出在40-60岁、60-100岁的不同年龄区间局部年龄趋势呈正态分布，而且以上两个大年龄段的区间集上离散点的总体趋势也几近于正态分布，故可在此区间集上运用云模型加以研究。

从图1可以看出院士年龄整体偏高，偏高的院士当选年龄和偏高的院士平均年龄不利于国家的科技创新与科技进步。要综合运用科学哲学、科学社会学等多种理论和知识，准确把握科学家群体的特殊属性及要求，完善院士选拔制度、调整院士的年龄结构，使大多数当选院士处在科学创造力和生产力的最佳年龄段。

图1不同年龄的分布

1.2区间集上的高斯云模型

由图1发现年龄所构成的图形与高斯云分布[4]的图形在一定的程度上是相似的。因此，借助高斯函数对采集的数据进行拟合，以此引申为对科学家年龄的研究分析。

运用高斯云的数字特征[5]对表1中60-100年龄区间上的数据进行分析计算，得到不同区间集上利用高斯云的数字特征拟合后的数据。高斯云的数字特征如下：

1）高斯云分布的期望EX=Ex。

EX=■xf（x）dx

=■x■e■dx■■e■d？滓

=Ex

2）0

EX-EX=■x-Exf（x）dx

=2■■e■dx■■e■d？滓

=■■■e■d？滓

=■En

3）高斯云的方差■■e■d？滓。

D（x）=■x-Ex■f（x）dx

=■x-Ex■■e■dx■■e■d？滓

=■■e■d？滓

=■■e■d？滓

=■■e■d？滓+■■e■d？滓+0

=He■+En■

1.3云的数值特征

一个云滴[6]是定性概念，在数量上一次实现，大量云滴组成云。尽管在不同的时刻产生的云滴不同，但是云的数字特征决定的云的整体形态基本不变。云的数字特征由期望Ex，熵En，超熵He三个数值来表示，他们反映了定性概念上的定量特征。

期望Ex：是在数值域空间中最能体现定性概念的点值，是将定性概念数值化的最佳样本点。在云图中体现为云的峰值所处的位置，反应了这个概念的云滴群的云重心。

熵En：用来综合度量定性概念的模糊度和概率，即被定性概念接受的取值范围大小，反应了定性概念的不确定性。在云图中体现为云的宽度，熵值越大，概念越宏观，其模糊度和随机性也就越大。

超熵He：熵的不确定性的度量，反应云滴的离散程度，代表云滴出现的随机性，揭示了模糊性和随机性的关联。超熵越大，云滴离散程度越大，云图中的云厚度也就越大。

1.4实例验证

根据回归曲线的定义，高斯云的回归曲线形成过程为：对于给定的xi，对应确定度■？滋i的期望值为E■，不同的xi对应的E■拟合形成回归曲线。高斯云的回归曲线为

f（x）=■■e■×e■dy

其解析形式难以求出，但可通过线性逼近的方法近似求得。

与回归曲线不同，高斯云曲线[7]的每一点是投影到该点的所有点的期望值。云主曲线的解析形式也难以给出，但同样可以通过线性逼近的方法近似求得。

先绘制中国科学院全体院士的年龄分布折线图，如下从图2中可以看出，已分段后的年龄在局部范围内在不同程度的达到了峰值，因此，截取60岁之后的数据，共579个，以年龄段分组，作为研究之用。

利用MATLAB，直接对所采集的数据进行拟合。经过拟合之后，发现只有当套用高斯公式时，图形的贴近率最高。可得拟合之后的公式和图形分别为：

y=14.85e■+16.3e■+5.033e■

图3

2结论

在基于区间集的云模型研究中，利用区间集的不确定概念不但可以得到语义解释，更能考虑到其计算性，一举两得。云模型利用期望、熵和超熵这三个数字特征来定量描述一个不确定性概念，通过正向云发生器[8]实现从概念的内涵向其外延进行转化，通过逆向云发生器实现从概念的内涵向其内延进行转化，较好地刻画了概念内涵与外延之间的双向认知变换过程，同时也解释了客观对象具有的模糊性和随机性。这种研究使云模型在更广泛的领域上得以应用。

【参考文献】

[1]李德毅，刘常昱.论正态云模型的普适性[J].中国工程科学，2004，6（8）：28-34.

[2]李德毅，杜.不确定性人工智能[M].北京：国防工业出版社，2005.

[3]刘禹，李德毅，张光卫，等.云模型雾化特性及在进化算法中的应用[J].电子学报，2009，37（8）：1651-1658.

[4]刘玉超，李德毅.基于云模型的粒计算[J].

[5]苗夺谦，李德毅，姚一豫，等.不确定性与粒计算[M].北京：科学出版社，2011：1-23.

[6]刘禹，李德毅.正态云模型雾化性质统计分析[M].北京：航空航天大学学报，2010，36（11）：1320-1324.

云计算的相关概念范文

近日，中国云产业联盟在北京宣告成立。工业和信息化部副部长杨学山出席成立仪式并祝贺联盟成立。

随着云计算在全球快速演进，并结构性地改变着信息及相关产业的发展，为了抓住云计算给中国信息及相关产业带来的战略机遇，在云计算的核心技术、应用、服务等层面实现中国特色的世界级创新并培植出新的世界级企业、产业和市场，必须有效汇聚政府、高校、企业、投资机构等各方面的力量，在研发、应用、标准、人才层面协调开展工作。为此，北京航空航天大学、宽带资本、百度、用友、中国联通、龙湖地产、TCL、联想、阿里巴巴、腾讯、北京大学等十一家单位经过充分研讨和准备，联合发起成立“中国云产业联盟”，以期“推进中国云产业发展和生态系统建立，促进联盟成员在云计算领域的合作共赢”。云联盟首任联席理事长为北航校长怀进鹏和宽带资本董事长田溯宁。

点评：云联盟将通过宣传教育、研讨交流、数据共享、联合开发、推广应用、产业标准制定与推行、联合人才培养、业务与投资合作、促进政策支持等工作，推进中国云计算技术与产品的突破性创新，产业的跨越式发展，推动培植世界领先的云计算技术、产品、产业和市场。

4G车联网概念产品亮相

2012北京国际汽车展览会期间，一辆别致新颖概念车内的车载终端屏幕吸引了大家的目光，这是中国移动展示的基于TD-LTE的4G车联网概念产品。