导读:本文包含了数据完整性校验论文开题报告文献综述及选题提纲参考文献，主要关键词:LTE数据源,感知评估,数据分析,数据有效性
数据完整性校验论文文献综述
向德运,陈健[1]（2017）在《爱立信网管数据源解析与完整性校验方法研究与应用》一文中研究指出从日常网络优化分析来讲,数据的完整性与准确性直接决定了分析结论的可靠性与准确程度。以高速率为表征的LTE网络,注重用户级的感知评估;爱立信数据独有数据保存格式,如何高效地从海量信息数据中获取关键信息,并确保数据的有效性及准确性,从微观和宏观两个层面对用户及网络进行评估是研究的重点。基于此,实现了一套对各种数据从采集到分析的一体化综合分析共享的IT系统,实现了数据管理的规范和共享的目的。(本文来源于《电信科学》期刊2017年S2期）
孙志峰[2]（2016）在《云存储中能量有效的数据完整性校验算法研究》一文中研究指出云存储提供的动态易扩展的虚拟化资源服务方式为用户存取数据带来了极大便利,但也使得用户数据完整性遭受诸如攻击者主动破环、服务器硬件错误、人为操作失误等因素的威胁,数据完整性校验成为解决这一问题的重要手段。目前,许多可证明数据持有方案或可恢复性证明方案可以快速校验一批数据块的完整性,但当校验失败时,不能快速有效的识别出受损数据的位置。另外,这些方案没有考虑移动云存储环境中移动设备承担校验者时的能耗问题；而且对受数据的特点、数据访问量、数据重要程度等因素影响的用户弹性校验需求也缺乏研究。为了实现数据校验的能量有效性,本文首先利用数据标签合并及信息盲化技术,设计了一种高效的基于立方体“叁维定位”思想的Cube数据损坏检测方法,在保证检测过程中用户数据机密性的同时,实现了云存储中受损数据的高效检测。在此基础上,利用多个校验者(或称校验组)进行数据校验,并对校验完成时间预估计,设计了一种能量有效的云存储校验任务分配算法EEAVT,有效提高移动校验者校验的效率及可靠性,同时在满足用户弹性校验需求情况下达到了数据校验过程的能量有效性。理论分析和实验评估表明Cube检测方法具有较高的坏块检测能力,且大多数情况通过一轮检测就可以发现挑战块中所有坏块,有效降低了检测过程的传输消耗和计算消耗,实现了损坏数据的高效检测。而EEAVT能够在满足用户校验需求的同时,通过动态调整校验任务的分配来有效降低校验过程的能耗,具有更高的校验效率和可靠性,实现了数据校验过程的能量有效性。(本文来源于《东华大学》期刊2016-01-01）
于美丽[3]（2015）在《云存储数据完整性校验中数据抽样算法的研究》一文中研究指出云计算（cloud computing）通过互联网提供动态易扩展的虚拟化资源服务方式，为大数据存储和管理提供了全新的模式。越来越多的用户数据被存放到云服务器，使得这些数据所有者在享受这种便利服务的同时也丧失了对数据的实际控制权。尤其是当数据存放在不可信的云服务提供者的服务器中时常面临数据遭受丢失或损坏的威胁，数据完整性校验成为解决这一问题的重要手段。大数据存储下的数据完整性校验目前以简单随机抽样方法来进行抽样校验。具体实施时首先将文件划分成一定数量的数据块进行随机抽取，以应对数据频繁更新时可能出现的潜在数据丢失或损坏。然而这种抽样方法在处理数据块的连续丢失或损坏时显得有些滞后。为此，本文以保证数据校验可公开性和安全性的叁方校验模型为基础，提出一种基于随机马尔科夫决策过程的抽样校验方法。通过分析每个独立数据块的状态和损坏数据块之间的关联性，采用随机马尔科夫决策过程来制定数据块在校验中的抽取策略，以解决简单随机校验方案在数据块发生连续丢失或损坏情况时发现时间长的问题。此外，从抽样数据块数量、校验轮数和校验时间间隔等方面进行了进一步的抽样校验优化。最后，通过理论分析和实验分析，在数据完整性校验中采用基于随机马尔科夫决策过程的数据抽样算法，在计算代价和网络传输开销相同的条件下，面对连续损坏的数据块，校验同等数量数据坏块时所需要的校验时间明显减少，在同等校验时间时所检测到的数据坏块数量明显增多。而在面对非连续损坏的数据块时，所需校验时间和检测到的数据坏块数量相似，因此，本文提出的数据抽样算法提升了数据完整性校验的效率。(本文来源于《东华大学》期刊2015-01-01）
韩莹,王茂发,张艳霞[4]（2015）在《一种在去重备份系统中数据完整性校验算法》一文中研究指出在数据备份系统中,使用重复数据删除技术在消除重复数据提高系统存储的空间效率时,将必然会有多个逻辑映像共享去重后的数据实例,如果某个数据实例丢失或者数据被更改,将导致所有引用该实例的逻辑映像均发生错误,因此提出了一种在去重备份系统中数据完整性验证算法。如果当前备份的文件在数据服务器端已经存在数据实例,添加引用之前先对被引用的数据实例进行分块循环顺序校验,判断数据实例的完整性。实验结果证明,这种添加验证码的去重合成备份算法不仅不影响备份速度,而且对备份系统中被引用的数据实例的完整性提供了一种验证的算法。这种数据完整性校验算法提高了去重备份系统的可靠性。(本文来源于《计算机应用研究》期刊2015年06期）
徐光伟,孙志峰,陈春霖,燕彩蓉,刘国华[5]（2014）在《应用CBF实现云动态数据存储的完整性校验》一文中研究指出云数据存储服务为用户提供了一种新型的数据服务模式.但数据所有者因失去对数据的直接控制,面临对不可信的云服务提供者的数据存储担忧.目前普遍采用基于同态技术的数据完整性校验算法.但这种算法在面对大数据存储中的动态数据时,出现计算开销大和校验效率受数据分块大小影响较大等问题.提出一种基于Counting Bloom Filter(CBF)的数据完整性校验算法,采用CBF作为校验元存储结构和相关的哈希运算实现动态数据的完整性校验.理论分析和模拟测试结果表明,算法在满足动态性数据校验要求的前提下,降低校验时的校验数据传输开销,减少了校验的计算时间,降低了数据分块大小的影响,极大的提高了校验能力.(本文来源于《小型微型计算机系统》期刊2014年10期）
徐先栋,孔令涛,王蒙[6]（2014）在《云存储数据完整性校验机制研究》一文中研究指出云数据存储是未来数据存储的发展方向,但云数据远程存储使用户面临巨大的安全威胁。文章首先研究云存储架构及云数据安全存储问题,其次,分析云数据保护模型,设计云数据完整性校验机制,该机制基于Hash算法,随机化抽取数据块,最后,分析验证该机制系统开销小,置信度高,能够实现云数据完整性校验。(本文来源于《信息安全与通信保密》期刊2014年10期）
彭真[7]（2014）在《云存储中数据完整性校验和数据恢复研究》一文中研究指出当今数据呈爆炸式增长,然而大量的数据增长也意味着需要更多存储设备来存储这些数据。云存储可以实现“上不封顶、下不设限”按需提供的存储服务,极大地迎合了市场需求,因此受到产业界和学业界的广泛关注。然而云存储使数字生活触手可及的同时,也带来了极大的安全挑战。如怎样确保用户的数据不被非法第叁方窃取?怎样证明用户的数据被安全存储在服务器?当用户的数据被破坏、被篡改时如何恢复?以及当用户迁移数据或者用户放弃使用服务时如何确保自己的数据真正的被删除了?这些问题阻碍了云存储的进一步发展。针对上述问题,本文分析现有方法存在的问题,并提出更优的编码方法,同时将喷泉码与数据持有性结合构造一个数据可恢复系统。具体构造方法如下：首先使用喷泉码对数据进行编码,然后使用hash函数计算每个数据块,再使用AES加密函数制作“挑战-应答”标签,最后将编码好的数据、编码的hash值及挑战应答标签存储到云服务器；上传完毕后立即进行第一次挑战,确保用户的数据完整的保存后再可选择性的删除本地数据。随后,用户便可以随意地对存储在云中的数据进行验证,一旦验证失败时则要求服务器进行数据恢复。服务器则重新查找完整的数据并要求用户进行一次验证确认,确定是正确的数据后再对其进行恢复。此外,该方案还支持数据更新操作。(本文来源于《福建师范大学》期刊2014-05-17）
陈春霖[8]（2013）在《云计算中数据存储的完整性校验模型研究》一文中研究指出随着云计算的迅速发展,越来越多的数据被存放在云服务器中。云存储作为一种新型的存储服务,所具有的高可扩展性、高可靠性、价格低廉和可随时随地接入访问的特点,为海量数据的存储管理提供了全新的模式。但是,由于用户把数据都托管给了云服务商,失去了对数据的本地监管控制权,因此面临着很多挑战。其中一个重要的问题,就是用户如何确定存放在云服务器中的数据是完整的。传统的数据完整性校验方法需要将数据下载到本地才能进行验证。由于云存储中数据量极大,下载数据块将带来很大的网络负担,因此传统的方法和技术并不适用于云存储环境。目前,已有的针对云存储中数据完整性校验算法中以基于RSA公钥技术的算法较为优秀,它们以数据块为基本校验单元,具有无限次校验、校验时隐私保护、通信开销低等特性。但由于算法中大量模指数运算,其计算开销很大。且考虑到各方开销,算法中数据分块大小受到较为严格的限制。考虑到云存储中数据的动态性,即数据块在存储期间会多次发生修改、删除等更新操作,使得原来计算的校验元失效而频繁更新,进一步加重计算开销。本文在支持第叁方验证的基础上,提出了一种基于Counting Bloom Filter(CBF)的数据完整性校验算法,用于高效地校验云存储中动态数据的完整性。由于数据的动态性使得同一块数据校验无需进行无限次,算法通过使用速度很快的哈希技术,避免使用基于RSA公钥技术算法中大量模指数运算,有效降低了计算开销。同时,本文利用CBF空间效率高的特点,提出了概率性的校验元,以很小的概率损失实现了校验值的压缩,节约了存储和通信开销。另外,相对于基于RSA公钥技术的算法,本算法中数据分块大小对整体开销的影响大大降低。最后通过理论分析和模拟实验表明,算法在数据动态变化环境下,以较低的存储空间代价实现了在文件生命周期内轻量级的完整性校验,尤其是在挑战-应答过程中,降低了云服务器和第叁方验证方在计算方面的开销。(本文来源于《东华大学》期刊2013-01-01）
刘刚[9]（2012）在《分布式存储网络中的数据完整性校验与修复》一文中研究指出在分布式存储网络中,客户端在远程不可信服务器上存储了大容量文件并想通过某种方式验证存储的文件没有被篡改,数据完整性校验可以达到这一目的。我们考虑利用BLS签名,通过可信第叁方实施数据完整性校验;我们同样考虑在服务器失效或者崩溃的时候,系统如何修复出错的存储数据。本文首先分析了已有的使用网络编码的分布式存储网络以及数据存储的可证明安全性PDP、PoR以及DPDP模型,然后针对分布式存储网络中大容量数据存储的情况,提出一种新的、有效的数据完整性校验与修复(Data IntegrityCheck and Repair,DICR)机制。本文的主要贡献在于:1.用户数据经过用户私钥加密之后再上传到网络存储服务器进行存储,提供数据保密性保证;2.使用网络编码实现数据分布式存储在不可信的网络存储服务器上,当有限数量的网络存储服务器失效时,系统可以恢复失效的数据,提供高可用性保证;3.引入可信第叁方,使用公开审计的方法,由可信第叁方代替用户验证存储数据的完整性,因此用户不用保持在线状态,增强了系统的灵活性;4.使用基于BLS的汇聚签名,减少了数据完整性校验时的计算量以及网络通信带宽;5.使用改进的Merkel Hash Tree,通过分布式算法,提供存储数据的有限动态更新操作。(本文来源于《上海交通大学》期刊2012-01-05）
赵铭洋,赵正文,麻荣誉[10]（2011）在《智能卡数据完整性校验》一文中研究指出在智能卡的使用过程中,可能会由于某些原因破坏数据的完整性。这将影响到智能卡的正常使用,因此需要进行数据完整性校验。文中简述了异或校验和循环冗余校验的原理,结合智能卡的文件结构,提出了一种智能卡数据完整性校验的方法。(本文来源于《信息技术》期刊2011年09期）
数据完整性校验论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
云存储提供的动态易扩展的虚拟化资源服务方式为用户存取数据带来了极大便利,但也使得用户数据完整性遭受诸如攻击者主动破环、服务器硬件错误、人为操作失误等因素的威胁,数据完整性校验成为解决这一问题的重要手段。目前,许多可证明数据持有方案或可恢复性证明方案可以快速校验一批数据块的完整性,但当校验失败时,不能快速有效的识别出受损数据的位置。另外,这些方案没有考虑移动云存储环境中移动设备承担校验者时的能耗问题；而且对受数据的特点、数据访问量、数据重要程度等因素影响的用户弹性校验需求也缺乏研究。为了实现数据校验的能量有效性,本文首先利用数据标签合并及信息盲化技术,设计了一种高效的基于立方体“叁维定位”思想的Cube数据损坏检测方法,在保证检测过程中用户数据机密性的同时,实现了云存储中受损数据的高效检测。在此基础上,利用多个校验者(或称校验组)进行数据校验,并对校验完成时间预估计,设计了一种能量有效的云存储校验任务分配算法EEAVT,有效提高移动校验者校验的效率及可靠性,同时在满足用户弹性校验需求情况下达到了数据校验过程的能量有效性。理论分析和实验评估表明Cube检测方法具有较高的坏块检测能力,且大多数情况通过一轮检测就可以发现挑战块中所有坏块,有效降低了检测过程的传输消耗和计算消耗,实现了损坏数据的高效检测。而EEAVT能够在满足用户校验需求的同时,通过动态调整校验任务的分配来有效降低校验过程的能耗,具有更高的校验效率和可靠性,实现了数据校验过程的能量有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
数据完整性校验论文参考文献
[1].向德运,陈健.爱立信网管数据源解析与完整性校验方法研究与应用[J].电信科学.2017
[2].孙志峰.云存储中能量有效的数据完整性校验算法研究[D].东华大学.2016
[3].于美丽.云存储数据完整性校验中数据抽样算法的研究[D].东华大学.2015
[4].韩莹,王茂发,张艳霞.一种在去重备份系统中数据完整性校验算法[J].计算机应用研究.2015
[5].徐光伟,孙志峰,陈春霖,燕彩蓉,刘国华.应用CBF实现云动态数据存储的完整性校验[J].小型微型计算机系统.2014
[6].徐先栋,孔令涛,王蒙.云存储数据完整性校验机制研究[J].信息安全与通信保密.2014
[7].彭真.云存储中数据完整性校验和数据恢复研究[D].福建师范大学.2014
[8].陈春霖.云计算中数据存储的完整性校验模型研究[D].东华大学.2013
[9].刘刚.分布式存储网络中的数据完整性校验与修复[D].上海交通大学.2012
[10].赵铭洋,赵正文,麻荣誉.智能卡数据完整性校验[J].信息技术.2011