云计算服务异常检测关键技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61272399
  • 项目类别:
    面上项目
  • 资助金额:
    81.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0205.网络与系统安全
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

Cloud Computing (CC) has become one of the newest network computing services, as CC can offer on-demand allocating resources, and it provides services with characterists of resilient expansion, service-oriented, high cost performance, and so on. But the quality of service (QoS) of CC services are reduced by the frequent outbreaks of online CC failures, and these failures also reduce the dependability and security and block the promotion processes of CC. Anomaly Monitoring is an important means to deal with this problem, but related researches are lagging behind. And Anomaly Detection is the most important fundamental component for Anomaly Monitoring. This project intends to research and explore in-depth several key technologies in this area. It starts from summarizing and analyzing the runtime features of general and dedicated CC services. Then a suite of State Snapshot (SS) processing functions including generation, pre-processing, dissemination, storage and detection will be set up, and these functions would support further researches on auditability and traceability in security area. Focused on the characteristics of diversity and emergence of CC services, combined with the detection indices such as accuracy, real-time, self-development and so on, an improved Multi-Kernel Support Vector Machine (MKSVM) and other several detection algorithms are introduced. Then a self-adaptive detection strategy is designed to implement anomaly detection. Meanwhile, a CC service state display mode with user configurable granularity will be researched and implemented. Eventually, a CC services oriented anomaly detection compact framework with complete theories, methods, and algorithms will be built. An anomaly detection proto-type system which is loosely coupled with CC services will be deployed and testified in the general CC test-bed and Chongqing Medical Treatment and Public Health Services Cloud.
由于云计算的按需分配使用资源、弹性扩展、面向服务、高性价比等特点,成为新型网络化计算模式且发展迅猛。但目前已投入使用的知名云计算系统时有故障产生,影响了服务质量,降低了服务的可信性和安全性,也阻碍了云计算的发展。面向云计算的异常监控是解决该问题的重要手段,但相关研究相对滞后。异常监控的重要基础是异常检测,本项目将研究异常检测的关键问题,抽取通用网络系统与云计算服务主体的特征,比较其相关性及差异,研究可审计和可追溯的云计算服务状态快照生成及存储方法;针对云计算服务多样性、涌现性等特点,结合准确性、实时性和可生长性等检测指标,引入改进的多核支持向量机等检测方法,研究自适应检测策略;面向云计算用户设计粒度可适配的服务状态展示方法。最后产生完整的面向云计算服务异常检测的理论和方法体系,研制与云计算服务低耦合的异常检测系统,在云计算试验床上测试,然后在实际重庆医疗卫生服务云上验证。

结项摘要

由于云计算平台的弹性扩展、按需分配、面向服务等特点,使其提供的服务具有极高的动态性和复杂性,从而影响服务的可信行和安全性,导致服务质量下降。而对云计算平台的异常检测是提高其可信性的重要方法。我们研究了云计算平台服务状态快照的生成、存储及传播方法,通过引入改进的PCA、ICA、K-means等算法对高维服务快照数据进行快速的特征提取和特征选择处理,结合D-Gossip散播算法获得服务状态快照描述信息实现异常行为状态的可追溯性;面向云计算服务快照存储策略,提出了基于子块回溯的滑动块算法和基于聚类算法的分布式虚拟机镜像管理机制,有效的优化了资源分配,减少了服务开销;针对云计算平台服务的动态性、复杂性,提出了基于环境感知的异常检测框架,形成基于环境感知的异常检测框架模型,有效提高了检测的准确率;提出基于ICA与贝叶斯分类的异常检测算法优化数据处理,加快检测速度;此外,完成云计算异常检测原型系统的开发。

项目成果

期刊论文数量(32)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(0)
A network differential backup and restore system based on a novel duplicate data detection algorithm
基于新型重复数据检测算法的网络差异备份与恢复系统
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    WSEAS Transactions on Information Science and Applications
  • 影响因子:
    --
  • 作者:
    Wang, Guiping;Chen, Shuyu;Liu, Jun
  • 通讯作者:
    Liu, Jun
Swap time-aware garbage collection policy for NAND flash-based swap system
基于 NAND 闪存的交换系统的交换时间感知垃圾收集策略
  • DOI:
    10.1049/el.2013.2324
  • 发表时间:
    2013-11
  • 期刊:
    Electronics Letters
  • 影响因子:
    1.1
  • 作者:
    Mingwei Lin;Shuyu Chen
  • 通讯作者:
    Shuyu Chen
SBBS: A sliding blocking algorithm with backtracking sub-blocks for duplicate data detection
SBBS:一种带有回溯子块的滑动阻塞算法,用于重复数据检测
  • DOI:
    10.1016/j.eswa.2013.09.040
  • 发表时间:
    2014-04
  • 期刊:
    Expert Systems with Applications
  • 影响因子:
    8.5
  • 作者:
    GuiPing Wang;ShuYu Chen;MingWei Lin;XiaoWei Liu
  • 通讯作者:
    XiaoWei Liu
HDC: An adaptive buffer replacement algorithm for NAND flash memory-based databases
HDC:基于 NAND 闪存的数据库的自适应缓冲区替换算法
  • DOI:
    10.1016/j.ijleo.2013.07.162
  • 发表时间:
    2014-02
  • 期刊:
    Optik
  • 影响因子:
    3.1
  • 作者:
    Mingwei Lin;Shuyu Chen;Guiping Wang;Tianshu Wu
  • 通讯作者:
    Tianshu Wu
基于检测域划分的虚拟机异常检测算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    吴天舒;陈蜀宇;张涵翠;周真
  • 通讯作者:
    周真

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

全生命周期健康监测诊断系统研究
  • DOI:
    10.19650/j.cnki.cjsi.j1803660
  • 发表时间:
    2018
  • 期刊:
    仪器仪表学报
  • 影响因子:
    --
  • 作者:
    吴天舒;陈蜀宇;吴朋
  • 通讯作者:
    吴朋

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

陈蜀宇的其他基金

基于多源监测数据融合的云平台故障诊断关键技术研究
  • 批准号:
    61572090
  • 批准年份:
    2015
  • 资助金额:
    65.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码