• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >Applying hybrid cloud systems to solve challenges posed by the big data problem.
【24h】

Applying hybrid cloud systems to solve challenges posed by the big data problem.

机译：应用混合云系统解决大数据问题带来的挑战。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The problem of Big Data poses challenges to traditional compute systems used for Machine Learning (ML) techniques that extract, analyze and visualize important information. New and creative solutions for processing data must be explored in order to overcome hurdles imposed by Big Data as the amount of data generation grows. These solutions include introducing hybrid cloud systems to aid in the storage and processing of data. However, this introduces additional problems relating to data security as data travels outside localized systems to rely on public storage and processing resources.;Current research has relied primarily on data classification as a mechanism to address security concerns of data traversing external resources. This technique can be limited as it assumes data is accurately classified and that an appropriate amount of data is cleared for external use. Leveraging a flexible key store for data encryption can help overcome these possible limitations by treating all data the same and mitigating risk depending on the public provider. This is shown by introducing a Data Key Store (DKS) and public cloud storage offering into a Big Data analytics network topology.;Finding show that introducing the Data Key Store into a Big Data analytics network topology successfully allows the topology to be extended to handle the large amounts of data associated with Big Data while preserving appropriate data security. Introducing a public cloud storage solution also provides additional benefits to the Big Data network topology by introducing intentional time delay into data processing, efficient use of system resources when data ebbs occur and extending traditional data storage resiliency techniques to Big Data storage.
机译：大数据问题给用于提取，分析和可视化重要信息的机器学习（ML）技术的传统计算系统提出了挑战。随着数据生成量的增长，必须探索新的创造性解决方案，以克服大数据带来的障碍。这些解决方案包括引入混合云系统，以辅助数据的存储和处理。但是，随着数据传输到本地系统之外以依赖公共存储和处理资源，这会带来与数据安全性相关的其他问题。；当前的研究主要依赖于数据分类作为解决遍历外部资源的数据的安全性问题的机制。该技术可能会受到限制，因为它假定对数据进行了准确分类，并且清除了适量的数据供外部使用。利用灵活的密钥存储区进行数据加密可以通过将所有数据均视为相同并减轻风险（取决于公共提供者）来帮助克服这些可能的限制。通过向大数据分析网络拓扑中引入数据密钥存储（DKS）和公共云存储产品来表明这一点；发现表明，将数据密钥存储成功引入大数据分析网络拓扑中可以使拓扑得以扩展以处理与大数据关联的大量数据，同时保留适当的数据安全性。引入公共云存储解决方案还可以通过在数据处理中引入故意的时间延迟，在出现数据退潮时有效利用系统资源，以及将传统的数据存储弹性技术扩展到大数据存储，为大数据网络拓扑提供更多好处。

著录项

  • 作者

    Whitworth, Jeffrey N.;

  • 作者单位

    The University of North Carolina at Greensboro.;

  • 授予单位 The University of North Carolina at Greensboro.;
  • 学科 Computer Science.
  • 学位 M.S.
  • 年度 2013
  • 页码 76 p.
  • 总页数 76
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号