云計算的數(shù)據(jù)存儲模型研究及應用.pdf

1、隨著信息技術的廣泛應用和快速發(fā)展，云計算作為一種新興的商業(yè)計算模型日益受到人們的廣泛關注。然而，云計算數(shù)據(jù)存儲模型的安全性缺乏可靠性。鑒于此，本文主要對云計算用戶數(shù)據(jù)存儲模型進行了研究分析，并通過對相關的機器學習和構建CP-ABE算法模型，改進Map/Reduce算法模型，提升訪問速度。
　　 本文在前人研究的基礎上，主要從事了以下幾方面的工作:
　　 首先，針對傳統(tǒng)對稱加密算法存在諸如自身安全性不高、加密和解密采用同一

2、密鑰而帶來密鑰傳播安全等固有問題、以及非對稱加密體系運算量大不適用于大數(shù)據(jù)處理的弊端，通過研究密文屬性的數(shù)據(jù)存儲算法CP-ABE，該算法利用了單調(diào)訪問控制樹，將服務器端的相關屬性集合在內(nèi)部節(jié)點和葉子結點的訪問控制樹中，從而保證了云計算系統(tǒng)的安全可靠，并且該算法相比于傳統(tǒng)的對稱和非對稱加密算法具有密鑰服務器端集中管理、使密鑰相對于用戶透明，并更易于管理。在云存儲系統(tǒng)中，基于CP-ABE算法的訪問控制模型可以由加密方控制主動權，只有滿足密文

3、要求的用戶才能獲得解密權限。該機制降低了權限管理的復雜度以及訪問控制信息的存儲空間;
　　 其次，由于Map/Reduce模型在分配輸入文件時沒有考慮集群中大量異構節(jié)點的計算性能，導致運行map任務時網(wǎng)絡數(shù)據(jù)傳送時間增加，本課題針對該問題提出一種云計算環(huán)境下的改進型Map/Reduce模型，以降低分類過程中的模糊粒度。針對云計算環(huán)境中不同的節(jié)點在集群中的計算性能不同等特點，通過設計2次改進型索引分類存儲模型和算法，在傳統(tǒng)的1次M