海量數據分布式存儲與安全保護研究.pdf

1、隨著云時代的來臨，大數據(Big data)也吸引了越來越多的關注，數據正在迅速膨脹并變無窮大，但是隨著時間的推移，人們將越來越多的意識到數據的重要性，如何安全、高效地存儲越來越多的大數據(Big Data)正是亟待解決的問題。把分散在各地不使用的資源集中起來使用，采用分布式存儲數據是切實有效的方式。但是在采用分布式數據和信息存儲的方式中存儲的數據的不安全因素也會隨之增加，所以如何保證在分布式計算平臺中的數據安全與保護成為我們當今重要的

2、研究課題。同時，對分布式數據和信息存儲的研究也可以被應用到如火如荼的云存儲領域，因此具有相當廣闊的理論研究意義和實踐應用價值。
　　有鑒于此，本文針對于分布式數據和信息存儲的安全策略研究，從數據的存取模式考慮，設計一種針對于分布平臺的、適用于大數據(Big Data)的存儲模型及查詢機制，同時能夠提供數據共享完整性校驗功能。
　　論文首先結合開源的Hadoop分布式數據文件系統(tǒng)HDFS的架構和原理，以及對稱加密算法和公鑰密碼

3、體制，提出了一種基于HDFS的分布式數據安全存儲模型。該模型采用HDFS和XML格式分別作為數據文件的存儲環(huán)境和物理結構，不僅可以解決大數據(Big Data)的存儲問題，而且還提供了對數據文件的數據訪問控制(DAC)，實驗結果分析了數據加解密的時間和在分布式數據文件系統(tǒng)中數據上傳、下載的帶寬性能。
　　第二，分布式數據文件共享存儲為了保證數據的安全保護，有必要進行周期性的密鑰修改，提供有效的密鑰管理方法。研究了Chebyshev

4、多項式的周期性和LKH密鑰樹的密鑰管理特點，提出了一種基于Chebyshev多項式和LKH密鑰樹的周期性組播密鑰修改方法。該方法比較適合于分布式大數據(BigData)平臺的密鑰修改，與原始LHK方法相比，在效率和安全上有所提高。
　　第三，研究了BloomFilter算法和MapReduce編程方式的相關概念和平臺。采用BloomFilter和分布式MapReduce編程方式相結合的方法來提高密文查詢的性能，同時在原始Bloom