公开(公告)号：CN106790045A

公开(公告)日：2017-05-31

申请号：CN201611174801.5

申请日：2016-12-19

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  刘广沛 ,  杨庚 ,  孙雁飞 ,  马玲玲 ,  贾佳

IPC: H04L29/06 ,  H04L29/08

Abstract: 本发明涉及一种基于云环境分布式虚拟机代理架构，采用可信技术对用户虚拟机进行扩展，创建适合虚拟机代理中各个模块所需的环境，使得整个设计系统具有灵活性、跨平台和可扩展性；而且虚拟机代理是动态生成的，并具有一定的生存周期，因此对其功能进行修改和扩展都非常简便，本发明还涉及基于云环境分布式虚拟机代理架构的数据完整性保障方法，基于云环境，采用动态虚拟机代理技术，针对数据进行实时监控，有效保证数据的完整性，提高实际工作安全性和效率。

公开(公告)号：CN108549669A

公开(公告)日：2018-09-18

申请号：CN201810249198.5

申请日：2018-03-21

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  崇卫之 ,  段卫华 ,  贾佳 ,  刘大勇 ,  胥备 ,  王俊昌

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明公开了一种面向大数据的离群点检测方法，该方法将数据集中每个数据元组所有属性值的组合在整个数据集中的数量作为该数据元组的特征，由于该特征是从数据元组中所有属性值的组合在整个数据集中的数量计算得来的，所以该特征能够全面而准确的反应该数据元组与整体数据集之间的区别程度，从而可以检测出哪些数据特征明显不同于整体数据集，即作为离群点。并且本发明基于粗糙集的属性重要性知识对高维数据进行降维，使得该发明能有效处理高维数据集。本发明方法具有较高的离群点检测准确率，而且简单易行，不需要掌握数据集中数据的分布，领域知识，也不需要在数据集上训练估计模型，为离群点检测节省大量的时间。