| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景 | 第13-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文结构 | 第20-21页 |
| 第2章 相关技术研究与分析 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 云存储技术研究 | 第21-24页 |
| 2.2.1 云存储概念 | 第21-22页 |
| 2.2.2 云存储架构 | 第22-23页 |
| 2.2.3 云存储安全性 | 第23-24页 |
| 2.3 Hadoop 开源平台分析 | 第24-28页 |
| 2.3.1 HDFS 分布式文件系统 | 第25-26页 |
| 2.3.2 MapReduce 并行计算框架 | 第26-28页 |
| 2.4 数据完整性检查技术研究 | 第28-32页 |
| 2.4.1 传统方案 | 第28-29页 |
| 2.4.2 数据持有性证明方案 | 第29-31页 |
| 2.4.3 数据持有性审计方案 | 第31-32页 |
| 2.4.4 分析与讨论 | 第32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 一种云数据持有性并行审计模型 | 第33-49页 |
| 3.1 引言 | 第33页 |
| 3.2 PADP 模型 | 第33-37页 |
| 3.2.1 PADP 模型框架 | 第33-34页 |
| 3.2.2 PADP 模型安全假设 | 第34-35页 |
| 3.2.3 TTPA 内部结构 | 第35-37页 |
| 3.3 PADP 模型中数据持有性审计算法设计 | 第37-44页 |
| 3.3.1 算法基础 | 第37-38页 |
| 3.3.2 符号定义 | 第38页 |
| 3.3.3 算法描述及实现 | 第38-42页 |
| 3.3.4 基于 MapReduce 的挑战证明并行生成算法 | 第42-44页 |
| 3.4 PADP 模型安全性分析 | 第44-48页 |
| 3.4.1 PADP 模型安全需求 | 第44-45页 |
| 3.4.2 安全性证明 | 第45-46页 |
| 3.4.3 概率抽样置信度分析 | 第46-48页 |
| 3.5 小结 | 第48-49页 |
| 第4章 基于 Hadoop 的 PADP 原型系统 | 第49-57页 |
| 4.1 引言 | 第49页 |
| 4.2 HCS_PADP 系统架构和需求分析 | 第49-51页 |
| 4.2.1 系统总体架构 | 第49-50页 |
| 4.2.2 系统功能分析 | 第50-51页 |
| 4.2.3 系统数据流向 | 第51页 |
| 4.3 HCS_PADP 系统设计与实现 | 第51-54页 |
| 4.3.1 客户端模块 | 第51-52页 |
| 4.3.2 审计端模块 | 第52-54页 |
| 4.3.3 服务端模块 | 第54页 |
| 4.4 HCS_PADP 系统工作流程 | 第54-56页 |
| 4.4.1 文件预处理阶段 | 第54-55页 |
| 4.4.2 文件审计阶段 | 第55-56页 |
| 4.5 小结 | 第56-57页 |
| 第5章 实验与性能分析 | 第57-64页 |
| 5.1 引言 | 第57页 |
| 5.2 评价指标 | 第57页 |
| 5.3 实验环境 | 第57-59页 |
| 5.3.1 实验平台配置 | 第57-58页 |
| 5.3.2 HCSP 环境部署 | 第58-59页 |
| 5.4 性能分析 | 第59-63页 |
| 5.4.1 存储开销 | 第59-60页 |
| 5.4.2 通信开销 | 第60-61页 |
| 5.4.3 计算开销 | 第61-63页 |
| 5.5 小结 | 第63-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间发表的学术论文 | 第71-72页 |
| 附录B 攻读学位期间所参与的研究项目 | 第72页 |