技术详细介绍
移动终端由于体积和便携性的要求,其计算能力、电池和存储资源受限,很难独立完成复杂的计算任务,结合云服务实现计算迁移,可以有效节省移动端的计算和能量消耗。为满足异构复杂的移动云计算环境中,大规模云服务发现和细粒度访问控制的需求,通过引入结构化对等计算架构和发布订阅机制,构建动态可扩展的基于主动对等架构的云服务组织模型,将可以避免大集中模式导致的执行瓶颈,方便多安全域云服务的之间的信息共享和状态实时更新;引入属性基加密算法,将可以针对移动终端实现对云服务访问的细粒度访问控制;引入SDN技术,在数据层面将可以统一实现对云服务的QoS控制,改善云服务的发现速度。通过本项目的研究,突破目前移动云计算中多安全域云服务组织与访问控制所面临的挑战,为“互联网+”背景下为移动应用构建大规模、高性能、安全的云服务共享系统提供新思路和理论依据,具有重要的科学及现实意义。 本研究的主要研究内容包括:①基于主动对等架构的多安全域云服务组织模型。构建动态可扩展的多安全域云服务组织模型,引入对等计算和发布订阅机制,为智能移动终端和云服务提供商在多个安全域的云中心之间进行大规模服务注册、服务查找、服务访问提供支撑,实现对云服务状态的主动监测;②面向移动云计算的属性基加密云服务访问控制方法。属性基加密可以根据用户的属性来决定是否能够解密得到明文,引入属性基加密技术,配置云服务对应的访问控制策略,通过管理移动终端的属性,实现对不同安全域下每个云服务细粒度的访问控制;③基于SDN的云服务QoS控制和组织模型优化。引入SDN技术,以移动终端访问云服务为应用,优化SDN控制层面,实现云服务的QoS控制,改善对云服务的查找和访问速度。④移动云计算中多安全域云服务组织与访问控制性能评估与原型实现。充分考虑移动终端计算、能源资源受限和云服务位于不同安全域的特点,主要从云服务组织与访问控制的资源消耗、服务查找性能和安全性等角度,建立移动云计算中多安全域云服务组织与访问控制评价机制。 本研究的主要研究目标是根据移动云计算中多安全域云服务组织管理和访问控制的需求,引入对等计算和发布订阅机制,面向多个安全域的云服务,构建基于主动对等架构,为智能移动终端和云服务提供商在多个安全域的云中心之间进行大规模服务注册、服务查找、服务访问建立高性能的组织模型;引入属性基加密技术,提出适于移动终端的属性基加密方法并用于云服务的访问控制,实现对于云服务细粒度的访问控制;在云服务所运行的数据中心网络层面,引入SDN技术,实现对云服务组织的QoS、访问流量、服务访问等方面的优化控制,并通过仿真实验和理论分析的手段评价和比较所设计的模型与算法的性能。突破目前移动云计算中多安全域、高性能、可扩展的云服务组织和移动终端-云服务双向的细粒度访问控制技术难题,为“互联网+”背景下构建大规模移动云服务共享系统提供新思路和理论依据。 本项目的特色与创新之处在于:①引入双层混合对等协议和发布订阅机制,提出一种主动对等架构多安全域云服务组织模型并基于 Petri 网理论完成形式化分析。②针对移动云计算中云服务访问控制应用的实际,提出属性基加密云服务访问控制策略,设计适于移动终端执行的属性基加密方法,可满足云服务商对移动终端、移动终端对敏感数据的细粒度访问控制;③在多安全域云服务组织模型中引入SDN,能够在网络层实现云服务QoS控制。设计基于主动对等架构的分布式SDN控制器,提高了流表的生成速度和控制器的可扩展性。针对移动云服务发现,建立通信代价优化模型,运用智能算法动态生成流表,能满足云服务访问流量优化的需求。 研究成果部分论文: (1) He, Qian* ; Zhang, Ning; Wei, Yongzhuang; Zhang, Yan; Lightweight attribute based encryption scheme for mobile cloud assisted cyber-physical systems, Computer Networks, 2018, 140:163-173. SCIE, EI。 (2) Qian He* ; Yiting Chen; Qinghe Dong; Yong Wang; Mining moving object gathering pattern based on Resilient Distributed Datasets and R-tree index, Neurocomputing, 2019, 393:194-202. SCIE, EI。 (3) 何倩* ; 刘鹏; 王勇; 可撤销动静态属性的车联网属性基加密方法, 计算机研究与发展, 2017, (11):2456-2466. EI, (4) 何倩* ; 李双富; 黄焕; 徐红; 一种海量数据快速聚类算法, 北京邮电大学学报, 2020, (03):1-6. EI, 北大中文核心期刊. (5) Qian He* ; Ning Zhang; Jinshu Su; Yong Wang; Fast backup and recovery for web protection using trigger and block hash approach, Computer Systems Sciencs & Engineering, 2017, 32(2):137-147. SCIE, EI.
移动终端由于体积和便携性的要求,其计算能力、电池和存储资源受限,很难独立完成复杂的计算任务,结合云服务实现计算迁移,可以有效节省移动端的计算和能量消耗。为满足异构复杂的移动云计算环境中,大规模云服务发现和细粒度访问控制的需求,通过引入结构化对等计算架构和发布订阅机制,构建动态可扩展的基于主动对等架构的云服务组织模型,将可以避免大集中模式导致的执行瓶颈,方便多安全域云服务的之间的信息共享和状态实时更新;引入属性基加密算法,将可以针对移动终端实现对云服务访问的细粒度访问控制;引入SDN技术,在数据层面将可以统一实现对云服务的QoS控制,改善云服务的发现速度。通过本项目的研究,突破目前移动云计算中多安全域云服务组织与访问控制所面临的挑战,为“互联网+”背景下为移动应用构建大规模、高性能、安全的云服务共享系统提供新思路和理论依据,具有重要的科学及现实意义。 本研究的主要研究内容包括:①基于主动对等架构的多安全域云服务组织模型。构建动态可扩展的多安全域云服务组织模型,引入对等计算和发布订阅机制,为智能移动终端和云服务提供商在多个安全域的云中心之间进行大规模服务注册、服务查找、服务访问提供支撑,实现对云服务状态的主动监测;②面向移动云计算的属性基加密云服务访问控制方法。属性基加密可以根据用户的属性来决定是否能够解密得到明文,引入属性基加密技术,配置云服务对应的访问控制策略,通过管理移动终端的属性,实现对不同安全域下每个云服务细粒度的访问控制;③基于SDN的云服务QoS控制和组织模型优化。引入SDN技术,以移动终端访问云服务为应用,优化SDN控制层面,实现云服务的QoS控制,改善对云服务的查找和访问速度。④移动云计算中多安全域云服务组织与访问控制性能评估与原型实现。充分考虑移动终端计算、能源资源受限和云服务位于不同安全域的特点,主要从云服务组织与访问控制的资源消耗、服务查找性能和安全性等角度,建立移动云计算中多安全域云服务组织与访问控制评价机制。 本研究的主要研究目标是根据移动云计算中多安全域云服务组织管理和访问控制的需求,引入对等计算和发布订阅机制,面向多个安全域的云服务,构建基于主动对等架构,为智能移动终端和云服务提供商在多个安全域的云中心之间进行大规模服务注册、服务查找、服务访问建立高性能的组织模型;引入属性基加密技术,提出适于移动终端的属性基加密方法并用于云服务的访问控制,实现对于云服务细粒度的访问控制;在云服务所运行的数据中心网络层面,引入SDN技术,实现对云服务组织的QoS、访问流量、服务访问等方面的优化控制,并通过仿真实验和理论分析的手段评价和比较所设计的模型与算法的性能。突破目前移动云计算中多安全域、高性能、可扩展的云服务组织和移动终端-云服务双向的细粒度访问控制技术难题,为“互联网+”背景下构建大规模移动云服务共享系统提供新思路和理论依据。 本项目的特色与创新之处在于:①引入双层混合对等协议和发布订阅机制,提出一种主动对等架构多安全域云服务组织模型并基于 Petri 网理论完成形式化分析。②针对移动云计算中云服务访问控制应用的实际,提出属性基加密云服务访问控制策略,设计适于移动终端执行的属性基加密方法,可满足云服务商对移动终端、移动终端对敏感数据的细粒度访问控制;③在多安全域云服务组织模型中引入SDN,能够在网络层实现云服务QoS控制。设计基于主动对等架构的分布式SDN控制器,提高了流表的生成速度和控制器的可扩展性。针对移动云服务发现,建立通信代价优化模型,运用智能算法动态生成流表,能满足云服务访问流量优化的需求。 研究成果部分论文: (1) He, Qian* ; Zhang, Ning; Wei, Yongzhuang; Zhang, Yan; Lightweight attribute based encryption scheme for mobile cloud assisted cyber-physical systems, Computer Networks, 2018, 140:163-173. SCIE, EI。 (2) Qian He* ; Yiting Chen; Qinghe Dong; Yong Wang; Mining moving object gathering pattern based on Resilient Distributed Datasets and R-tree index, Neurocomputing, 2019, 393:194-202. SCIE, EI。 (3) 何倩* ; 刘鹏; 王勇; 可撤销动静态属性的车联网属性基加密方法, 计算机研究与发展, 2017, (11):2456-2466. EI, (4) 何倩* ; 李双富; 黄焕; 徐红; 一种海量数据快速聚类算法, 北京邮电大学学报, 2020, (03):1-6. EI, 北大中文核心期刊. (5) Qian He* ; Ning Zhang; Jinshu Su; Yong Wang; Fast backup and recovery for web protection using trigger and block hash approach, Computer Systems Sciencs & Engineering, 2017, 32(2):137-147. SCIE, EI.