陕西省大数据与云计算产业示范工程实施方案

第一篇：陕西省大数据与云计算产业示范工程实施方案

陕西省大数据与云计算产业示范工程实施方案

为贯彻落实《国务院关于印发促进大数据发展行动纲要的通知》（国发〔2015〕50号），结合《陕西省大数据与云计算产业五年行动计划》（陕政发〔2016〕22号）要求，制订本实施方案。

一、工作思路和发展目标

（一）工作思路。利用两年时间，通过示范工程带动，探索总结大数据“汇聚、开放、交易”规则，把握大数据产业发展规律，促使我省大数据产业生态体系不断完善。

（二）发展目标。到2017年底，通过四大工程实施，形成具备产业支撑能力的增长点和明晰的发展方向，西咸新区成为国家级大数据与云计算产业基地。引进5家以上国内外有影响力的大数据龙头企业，引进10家以上国家部委数据中心，培育壮大一批产业关键环节骨干企业，其中规模以上企业超100家。二、四大示范工程

围绕云计算服务、信息融合、大数据应用、产业基地建设等产业链关键环节，组织实施秦云、城市信息融合示范、大数据应用示范、产业基地示范等四大工程，引导和推动数据汇集、企业云集、产业聚集。

（一）秦云工程。

启动建设“N+1”云工程（N即15朵行业云，1即大数据交换共享平台），建设15朵行业云，引导带动政府部门、企业和社会购买云服务，推动数据公开及社会化开发利用。建设大数据交换共享平台，实现各行业云的数据交换共享，并与省信息化中心互联互通。各行业云按照政府数据开放和共享的要求向社会公众和产业链开放，带动软硬件提供商、运营商及平台服务商等产业链上下游整体发展。到2017年底，带动大数据相关产业实现产值50亿元以上。

1.工业云。继续推进陕西工业云建设，提供云资源、云智慧、云应用、高性能计算、工业协同设计五大类服务。（省工业和信息化厅负责）

2.工商云。整合三证合一、法人单位、企业信用信息公示、广告监测等信息平台和系统，建立工商大数据，实现一体化市场准入、市场监管，强化市场主体的服务与监管。（省工商局负责）

3.环保云。对空气质量、扬尘、尾气、水质、噪声等实时监测，建立环保大数据，推动环保产业发展。（省环境保护厅负责）

4.质量云。整合质检业务系统资源、法人单位基础信息数据库，充分挖掘质量数、检测检验数据，优化业务流程，创新服务模式，强化市场质量安全风险评估与预警监控，实现产品质量源头监管、“12365”公众维权、“96333”电梯安全运行保障与应急救援等社会综合服务与监管能力。（省质监局负责）

5.食药监云。推行“智慧餐饮监管”工程，逐步实现全省餐饮服务食品安全电子监管。有序推进药品、保健品、化妆品、医疗器械和重点食品溯源工作，建立全省“四品一械”监管大数据。（省食品药品监管局负责）

6.安监云。整合各行业安监大数据，提供 “防、管、控”三大功能，有效减少安全生产事故。（省安全监管局负责）

7.健康云。提供省、市、县三级公共卫生计生便民惠民信息服务，实现全员人口、电子健康档案和电子病历数据的整合共享，为公众提供电子健康档案、诊疗和计生等信息服务。（省卫生计生委负责）

8.教育云。推动教育基础数据的伴随式收集和全省互通共享。建立各阶段适龄入学人口数据库、学生数据库和终身电子学籍档案，实现学生学籍档案在不同教育阶段的纵向贯通。推动形成覆盖全省、协同服务、全网互通的教育资源云服务体系。（省教育厅负责）

9.文化云。整合数字图书馆、档案馆、博物馆、美术馆和文化馆等数据资源，构建文化传播大数据综合服务平台。（省文化厅、省文物局、省档案局负责）

10.社保云。构建由城市延伸到农村的统一社会救助、社会福利、社会保障云平台，支撑大数据在劳动用工和社保基金监管、医疗保险对医疗服务行为监控、劳动保障监察等方面应用。（省人力资源社会保障厅、省民政厅负责）

11.安居云。整合住房保障、房地产市场、个人住房信息等信息系统，实现全省住房信息的实时采集、统计分析和监督管理。（省住房城乡建设厅负责）

12.旅游云。建立对全省旅游运行状况的监测评估系统，搭建旅游监管、旅游运营、旅游信息服务三位一体的大数据平台。（省旅游局负责）

13.中国杨凌农业云。打造中国杨凌农业大数据中心和农业示范推广平台、农业电商服务平台、农产品安全认证溯源平台、农村土地确权平台，为现代农业建设提供信息服务、科技服务、商品流通服务等产品，加快现代农业示范推广、电商产业发展、农产品安全认证等工作步伐。（杨凌示范区管委会、省农业厅负责）

14.公共安全云。整合、分析通信运营商数据和视频监控数据，实时监控人流走向、人群密度，防范踩踏、非法集会等群体性安全事件发生。推动公共安全大数据在综治、公安、消防、交通、应急、城市管理等部门应用，构建全方位、立体化的公共安全网。（省综治办协调，省公安厅负责）

15.国安警务云。扩大数据采集渠道，加强与相关部门实名制信息的数据对接和数据共享，以大数据提升工作效益、推进模式创新。构建“大数据+”新型业务应用实战平台，提升国家安全业务工作主动发现能力。（省国家安全厅负责）

建设方式：由省工业和信息化厅统筹规划建设大数据交换共享平台，各行业主管部门各自牵头推进实施行业云。由西咸沣西管委会牵头组建公司，负责秦云工程运行维护，沣西大数据产业园为秦云工程承载地。

实施时间：2016年7月底前，省工业和信息化厅会同各行业主管部门制定行业云实施方案和相关技术规范。2016年8月—2017年12月，各行业主管部门部署实施行业云，推动数据开放，促进大数据与云计算产业发展。适时启动气象云、科技云、民政云、金融云等第二批行业云建设。

（二）城市信息融合示范工程。

咸阳市通过省级智慧城市综合试点、国家发展改革委信息惠民试点、工业和信息化部信息消费试点、住房城乡建设部智慧城市试点、国家测绘地理信息局时空信息云平台试点，已基本建成一站通、一号通、一卡通、一网通、一格通和一点通等应用项目。在此基础上，加大现有信息系统整合力度，深入推进政策融合、技术融合和数据融合，促进大数据深度开发和利用。

1.推进政策融合。按照各部委试点政策要求，探索建立融汇贯通、相互促进、相互支持的政策融合机制。

2.推进技术融合。按照各部委试点建设要求和技术规范，建立纵向遵从、横向兼容的城市数据融合规范体系。

3.推进数据融合。创新信息采集和挖掘分析模式，建立基础数据的集中采集、多方利用工作机制，实现跨部门、跨层级的业务协同。

总结咸阳试点示范经验向全省推广，带动全省各区域信息融合发展，促进区域大数据关联分析和综合应用，推动大数据产业向纵深发展。到2017年底，带动区域大数据相关产业实现产值20亿元以上。（咸阳市政府、省发展改革委、省工业和信息化厅、省住房城乡建设厅负责）

建设方式：地方政府牵头、行业部门支持、多方力量投资、企业建设运营、政府部门购买服务。

实施时间：持续推进。

（三）大数据应用示范工程。

在民生服务、城市运营、信用体系、工业运行、社会管理、数据交易等领域率先实施应用示范项目，实现大数据汇聚整合，探索新的商业模式，及时总结推广。

1.社会公共服务一卡通项目。以社会公共服务卡（居民健康卡）为载体，推进金融 IC 卡、市民卡、公交地铁卡、旅游消费卡等应用集成和一卡通用，实现与财政惠民卡、社会保障卡互联互通。用一张卡纵向互联实现政府实时监管，横向打通各行业系统公共服务，实现集约服务协同管理，方便政府治理和群众生活。同时形成实时数据综合积累，部门数据集中比对，通过海量数据脱敏脱密后的开放，促进我省大数据产业发展。项目覆盖全省3800万人口，将整合各类资金约1100亿元，衍生大数据服务和信息消费约100亿元。（省卫生计生委、省工业和信息化厅、省财政厅、省人力资源社会保障厅负责）

建设方式：政府、金融机构和企业联合成立陕西省社会公共服务一卡通运营公司，投资、建设和运营社会公共服务卡。

实施时间：2016年1月—2017年12月。

2.西安市城市运营大数据中心项目。以西安城市投资集团为牵头单位，汇集供水、供气、供热、一卡通、出租、公交、地铁、公共自行车、公共停车、市政道路等城市运行数据，进行综合分析，提升城市运行质量，优化城市功能，改进城市服务。项目主要包括城市运行数据汇聚、数据分析挖掘、城市运行一张图等，为城市规划决策、社会管理和公共服务提供数据支撑。到2017年底，带动相关产值10亿元以上。（西安市政府负责）

建设方式：政府统筹协调，政府和公共事业服务机构开放数据，企业投资、建设和运营，政府购买服务。

实施时间：2016年1月—2017年12月。

3.信用信息平台及服务项目。扩充完善陕西省公共信用信息平台的各项管理和应用服务功能，全面归集整合各级政府部门在履行职责中形成或掌握的信用信息，实现各地区、各部门信用信息互联共享。构建政府与社会互动的信用信息共享机制，不断拓展信用信息征集共享范围，形成覆盖全省所有法人和自然人的信用信息大数据库，为政府管理及各类经济社会活动提供信用信息服务。（省发展改革委、省信用办负责）

建设方式：政府与社会共同投资、建设和运营。

实施时间：持续推进。

4.工业企业大数据动态监测项目。利用陕西工业数据库，加强与统计、电力、税务、银行等部门企业数据共享、关联比对和分析，充分挖掘企业动态数据价值，改进提升经济运行监测、预测和风险预警，带动工业大数据相关产业发展。到2017年底，实现产值约5亿元以上。（省工业和信息化厅、省统计局负责）

建设方式：企业投资并运营，政府购买服务。

实施时间：2016年1月—2016年12月。

5.公共场所群体行为大数据分析项目。建设基于移动终端位置信息的群体行为分析系统，形成人群位置信息、人口空间分布信息的海量数据，满足社会治安综合治理中公共场所群体行为分析需求，并为城市规划、社会资源优化配置、公共场所和产业布局、智能交通、智慧旅游、精准营销、商业应用等提供新的技术手段和发展机遇，带动相关产业融合和数据汇集。到2017年底，实现产值约5亿元以上。（省综治办、省公安厅、省国家安全厅负责）

建设方式：政府组织协调，企业投资，电信运营商与企业共同运营，政府实施数据监管并购买服务。

实施时间：2016年6月—2017年12月。

6.西咸大数据交易所项目。面向全国提供政府、医疗、金融、企业、电商、能源、交通、商品、消费、教育、社交、社会等领域大数据交易服务，旨在促进数据流通，规范数据交易行为，保护数据交易各方合法权益，向社会提供完善的数据交易、结算、交付、安全保障、数据资产管理和融资等综合配套服务，带动大数据清洗、挖掘和应用等相关产业发展。（西咸新区管委会负责）

建设方式：政府统筹协调并实施监管，社会投资、建设和运营。

实施时间：2016年6月—2017年12月。7.全省投资项目在线审批监管平台项目。充分利用云计算、大数据技术，建设和完善项目全覆盖、审批全流程、管理全方位、监管全过程的全省投资项目在线审批监管平台。实现跨部门、跨层级项目审批、核准、备案，支撑省、市、县三级投资项目在线审批监管业务开展和各级政府投资项目管理与决策。（省发展改革委负责）

建设方式：政府组织协调并实施监管，政府投资为主。

实施时间：持续推进。

8.时空信息数据云平台项目。依托北斗导航应用示范项目，建设时空信息数据云平台，实时监测大范围自然资源变化数据，通过数据采集、挖掘、比对及分析，为国土、农业、水利、城建、绿化、测绘、林业等部门和企业提供数据服务，推进自主高分遥感卫星数据应用的产业化发展。（省工业和信息化厅、陕西北斗金控公司负责）

建设方式：企业投资建设并运营，政府购买服务。

实施时间：2016年1月—2016年12月。9.西安气象大数据应用中心项目。建设气象大数据平台，实时获取气象卫星、天气雷达、自动气象站、数值预报产品等专业气象数据和社会化气象观测数据，通过分析挖掘，实现对气象灾害的准确监测预警，为政府、行业和社会提供服务。通过气象数据与交通、旅游、能源等行业数据的跨界挖掘，提升行业气象服务能力。建设气象卫星数据服务中心，作为国家气象卫星数据存储的三个节点之一，面向全球提供卫星数据服务。（省气象局负责）

建设方式：政府投资。

实施时间：2016年6月—2017年12月。

（四）大数据产业基地示范工程。

以西咸新区沣西新城大数据产业基地建设为核心，聚焦大数据处理与服务产业链，打造“研究引领、教育支撑、孵化创新、服务连通、配套完善”五位一体的大数据产业发展高地，建成国家级大数据产业基地，2017年产值达到100亿元。

1.构建产业研究体系。以陕西省大数据产业研究院为依托，联合省内相关领域的院士和知名机构，通过关键技术攻关，形成基地核心竞争力和可持续发展动力，以技术领先驱动产业创新。

2.优化教育培训体系。采取“培训+就业”的业务模式，搭建以“互联网+专业教育资源”为主线的云端教学管理平台，通过与微软IT学院、淘宝大学、中兴学院、百度营销大学等国内知名企业大学的合作，建成多平台、全覆盖、长链条的创业人才培养体系。

3.打造创新孵化体系。以“物理承载+免费资源+市场推广”作为创新孵化模式，面向初创团队提供免费孵化场地，共享海量数据和平台技术，激发新创企业大数据、云计算创新应用。

4.搭建园区服务平台。推进数据公共服务大厅和综合服务平台建设，按照“网上大厅统领线下业务”的思路，强化数据开放和并联审批，兼顾信息推送，逐步优化服务流程，完善服务标准化体系。

5.完善配套环境。完善园区各项产业及生活配套，着力打造5分钟商务生态圈和都市核心生活区。

6.创新投融资机制。支持西安交大科技孵化基金、陕西大数据产业发展基金、亿达基金、乐搏基金等投资大数据产业发展，构建多元化资金支撑体系，为企业提供融资服务。（西咸新区管委会负责）

三、保障措施

（一）组织保障。在省大数据与云计算产业发展领导小组领导下，秦云工程实行部门首长负责制，由相关单位主要负责人担任“云长”，省工业和信息化厅负责总体协调，并牵头成立陕西省大数据管理与服务中心。

（二）制度保障。省工业和信息化厅组织制定大数据收集、管理、开放、交易、应用等标准规范和秦云工程数据共享交换的技术规范。各行业云要通过大数据交换共享平台实现互联互通和信息交换共享，消除信息孤岛，推进数据资源向社会开放。

（三）资金保障。各地、各部门要继续通过现有资金渠道，并充分利用陕西省大数据与云计算产业发展专项资金，加大对大数据与云计算产业项目支持力度。

第二篇：大数据与云计算论文

大数据与云计算

摘 要：大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及，并且经常和云计算联系在一起，云计算与大数据之间到底是什么关系成为热点话题。本

专题报告包含以下四个方面内容：1.大数据的价值；2.大数据带来的挑战;3.大数据研究成果；4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解，以及对大数据的价值的认识，探讨大数据处理与挖掘技术，大数据主要着眼于“数据”，提供数据采集、挖掘、分析的技术和方法;云计算技术主要关注“计算”，提供IT 解决方案。大数据、云计算技术可以促进持续审计方式的发展、总体审计模式的应用、审计成果的综合应用、相关关系证据的应用、高效数据审计的发展和大数据审计师的发展。强化大数据、云计算技术审计应用的措施包括制定长远发展战略、加快审计法规建设、建立行业平台、加强研发和提高利用能力。关键词：大数据 云计算 数据挖掘 对审计影响 政策建议 引言

目前，大数据伴随着云计算技术的发展，正在对全球经济社会生活产生巨大的影响。大数据、云计算技术给现代审计提供了新的技术和方法，要求审计组织和审计人员把握大数据、云计算技术的内容与特征，促进现代审计技术和方法的进一步发展。

一、大数据、云计算的涵义与特征

随着云计算技术的出现，大数据吸引了全世界越来越多的关注。哈佛大学社会学教授加里·金(2012)说: “这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”(一)大数据的涵义与特征

“数据”(data)这个词在拉丁文里是“已知”的意思，也可以理解为“事实”。2009 年，“大数据”概念才逐渐开始在社会上传播。而“大数据”概念真正变得火爆，却是因为美国奥巴马政府在2012 年高调宣布了其“大数据研究和开发计划”。这标志着“大数据”时代真正开始进入社会经济生活中来了。“大数据”(big data)，或称巨量资料，指的是所涉及的数据量规模大到无法利用现行主流软件工具，在一定的时间内实现收集、分析、处理或转化成为帮助决策者决策的可用信息。互联网数据中心(IDC)认为“大数据”是为了更经济、更有效地从高频率、大容量、不同结构和类型的数据中获取价值而设计的新一代架构和技术，用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。大数据具有4 个特点: 第一，数据体量巨大(Volume)，从TB 级别跃升到PB 级别。第二，处理速度快(Velocity)，这与传统的数据挖掘技术有着本质的不同。第三，数据种类多(Variety)，有图片、地理位置信息、视频、网络日志等多种形式。第四，价值密度低，商业价值高(Value)。存在单一数据的价值并不大，但将相关数据聚集在一起，就会有很高的商业价值(金良，2012)。大数据时代，不仅改变了传统的数据采集、处理和应用技术与方法，还促使人们思维方式的改变。大数据的精髓在于促使人们在采集、处理和使用数据时思维的转变，这些转变将改变人们理解和研究社会经济现象的技术和方法。

(1)是在大数据时代，不依赖抽样分析，而可以采集和处理事物整体的全部数据。19 世纪以来，当面临大的样本量时，人们都主要依靠抽样来分析总体。但是，抽样技术是在数据缺乏和取得数据受限制的条件下不得不采用的一种方法，这其实是一种人为的限制。过去，因为记录、储存和分析数据的工具不够科学，只能收集少量数据进行分析。如今，科学技术条件已经有了很大的提高，虽然人类可以处理的数据依然是有限的，但是可以处理的数据量已经大量增加，而且未来会越来越多。随着大数据分析取代抽样分析，社会科学不再单纯依赖于抽样调查和分析实证数据，现在可以收集过去无法收集到的数据，更重要的是，现在可以不再依赖抽样分析。

(2)是在大数据时代，不再热衷于追求数据的精确度，而是追求利用数据的效率。当测量事物的能力受限制时，关注的是获取最精确的结果。但是，在大数据时代，追求精确度已经既无必要又不可行，甚至变得不受欢迎。大数据纷繁多样，优劣掺杂，精准度已不再是分析事物总体的主要手段。拥有了大数据，不再需要对一个事物的现象深究，只要掌握事物的大致发展趋势即可，更重要的是追求数据的及时性和使用效率。与依赖于小数据和精确性的时代相比较，大数据更注重数据的完整性和混杂性，帮助人们进一步认识事物的全貌和真相。

(3)是在大数据时代，人们难以寻求事物直接的因果关系，而是深入认识和利用事物的相关关系。长期以来，寻找因果关系是人类发展过程中形成的传统习惯。寻求因果关系即使很困难且用途不大，但人们无法摆脱认识的传统思维。在大数据时代，人们不必将主要精力放在事物之间因果关系的分析上，而是将主要精力放在寻找事物之间的相关关系上。事物之间的相关关系可能不会准确地告知事物发生的内在原因，但是它会提醒人们事情之间的相互联系。人们可以通过找到一个事物的良好相关关系，帮助其捕捉到事物的现在和预测未来。(二)云计算的涵义与特征

“云计算”概念产生于谷歌和IBM 等大型互联网公司处理海量数据的实践。2006 年8 月9 日，Google首席执行官埃里克·施密特(Eric Schmidt)在搜索引擎大会首次提出“云计算”的概念。2007 年10 月，Google 与IBM 开始在美国大学校园推广云计算技术的计划，这项计划希望能降低分布式计算技术在学术研究方面的成本，并为这些大学提供相关的软硬件设备及技术支持(Michael Mille，2009)。目前全世界关于“云计算”的定义有很多。“云计算”是基于互联网的相关服务的增加、使用和交付模式，是通过互联网来提供动态易扩展且经常是虚拟化的资源。美国国家标准技术研究院(NIST)2009年关于云计算的定义是: “云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务等)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。”根据这一定义，云计算的特征主要表现为: 首先，云计算是一种计算模式，具有时间和网络存储的功能。其次，云计算是一条接入路径，通过广泛接入网络以获取计算能力，通过标准机制进行访问。第三，云计算是一个资源池，云计算服务提供商的计算资源，通过多租户模式为不同用户提供服务，并根据用户的需求动态提供不同的物理的或虚拟的资源。第四，云计算是一系列伸缩技术，在信息化和互联网环境下的计算规模可以快速扩大或缩小，计算能力可以快速、弹性获得。第五，云计算是一项可计量的服务，云计算资源的使用情况可以通过云计算系统检测、控制、计量，以自动控制和优化资源使用。(三)大数据与云计算的关系

从整体上看，大数据与云计算是相辅相成的。大数据主要专注实际业务，着眼于“数据”，提供数据采集、挖掘、分析的技术和方法，强调的是数据存储能力。云计算主要关注“计算”，关注IT 架构，提供IT 解决方案，强调的是计算能力，即数据处理能力。如果没有大数据的数据存储，那么云计算的计算能力再强大，也难以找到用武之地;如果没有云计算的数据处理能力，则大数据的数据存储再丰富，也终究难以用于实践中去。

从技术上看，大数据依赖于云计算。海量数据存储技术、海量数据管理技术、MapＲeduce 编程模型都是云计算的关键技术，也都是大数据的技术基础。而数据之所以会变“大”，最重要的便是云计算提供的技术平台。数据被放到“云”上之后，打破了过去那种各自分割的数据存储，更容易被收集和获得，大数据才能呈现在人们眼前。而巨量的数据也只能依靠云计算强大的数据处理能力，才能够“淘尽黄沙始得金”。

从侧重点看，大数据与云计算的侧重点不同。大数据的侧重点是各种数据，广泛、深入挖掘巨量数据，发现数据中的价值，迫使企业从“业务驱动”转变为“数据驱动”。而云计算主要通过互联网广泛获取、扩展和管理计算及存储资源和能力，其侧重点是IT 资源、处理能力和各种应用，以帮助企业节省IT部署成本。云计算使企业的IT 部门受益，而大数据使企业的业务管理部门受益。

从结果看，大数据与云计算带来不同的变化。大数据对社会经济带来的变化是巨大的，涉及到各个领域。大数据已经与资本、人力一起作为生产的主要因素影响着社会经济的发展。数据创造价值，而挖掘数据价值、利用数据的“推动力”就是云计算。云计算将信息存储、分享和挖掘能力极大提高，更经济、高效地将巨量、高速、多变的终端数据存储下来，并随时进行计算与分析。通过云计算对大数据进行分析、总结与预测，会使得决策更可靠，释放出更多大数据的内在价值。

二、大数据、云计算技术对审计的影响分析

审计技术和方法的发展是随着科学和管理技术的发展而发展的。现代审计技术和方法体系是在原始的查账基础上从低级向高级、从不完备到比较完备发展起来的。在业务和会计处理手工操作阶段，审计实施的是账表导向的审计技术和方法;当内部控制理论和方法全面应用于业务和会计处理时，审计实施的是系统导向的审计技术和方法;当风险管理理论和方法全面应用于业务和财务管理时，审计实施的是风险导向审计技术和方法;与风险导向审计技术和方法并行的是，计算机技术广泛应用于业务和会计处理时，审计实施的是IT 审计技术和方法。目前，面对大数据、云计算技术的产生和发展，审计人员需要应时而变来适应由此而带来的变化，分析大数据、云计算技术对审计方式、审计抽样技术、审计报告模式、审计证据搜集等技术和方法的影响。(一)大数据、云计算技术促进持续审计方式的发展

传统审计中，审计人员只是在被审计单位业务完成后才进行审计，而且审计过程中并不是审计所有的数据和信息，只是抽取其中有的一部分进行审计。这种事后和有限的审计对被审计单位复杂的生产经营和管理系统来说很难及时做出正确的评价，而且对于评价日益频繁和复杂的经营管理活动的真实性和合法性则显得过于迟缓。随着信息技术迅速发展，越来越多的审计组织对被审计单位开始实施持续审计方式，以解决审计结果与经济活动的时差问题。但是，审计人员实施持续审计时，往往受目前业务条件和信息化手段的限制，取得的非结构化数据无法数据化，或者无法取得相关的明细数据，致使对问题的判断也难以进一步具体和深入。而大数据、云计算技术可以促进持续审计方式的发展，使信息技术与大数据、云计算技术较好交叉融合，尤其对业务数据和风险控制“实时性”要求较高的特定行业，如银行、证券、保险等行业，在这些行业中实施持续审计迫在眉睫。如审计组织对商业银行的审计，实行与商业银行建立业务和数据系统的接口，在开发的持续审计系统中固化了非结构化数据结构化和数据分析模块，该模块可以在海量贷款客户中挖掘、分析出行业性和区域性贷款风险趋势，实现在线的风险预警，并将发现的风险数据、超预警值指标及问题登记为疑点，并建立实时审计工作底稿，按照重要程度进行归类、核实或下发给现场审计人员进行现场核实，以较好处理非结构化数据的利用和数据的实时分析利用问题。(二)大数据、云计算技术促进总体审计模式的应用

现时的审计模式是在评价被审计单位风险基础上实施抽样审计。在不可能收集和分析被审计单位全部经济业务数据的情况下，现时的审计模式主要依赖于审计抽样，从局部入手推断整体，即从抽取的样本着手进行审计，再据此推断审计对象的整体情况。这种抽样审计模式，由于抽取样本的有限性，而忽视了大量和具体的业务活动，使审计人员无法完全发现和揭示被审计单位的重大舞弊行为，隐藏着重大的审计风险。而大数据、云计算技术对审计人员而言，不仅仅是一种可供采用的技术手段，这些技术和方法将给审计人员提供实施总体审计模式的可行性。利用大数据、云计算技术，对数据的跨行业、跨企业搜集和分析，可以不用随机抽样方法，而采用搜集和分析被审计单位所有数据的总体审计模式。利用大数据、云计算技术的总体审计模式是要分析与审计对象相关的所有数据，使得审计人员可以建立总体审计的思维模式，可以使现代审计获得革命性的变化。审计人员实施总体审计模式，可以规避审计抽样风险。如果能够收集总体的所有数据，就能看到更细微、深入的信息，对数据进行多角度的深层次分析，从而发现隐藏在细节数据中的对审计问题更具价值的信息。同时，审计人员实施总体审计模式，能发现从审计抽样模式所不能发现的问题。大数据、云计算技术给审计人员提供了一种能够从总体把握审计对象的技术手段，从而帮助审计人员能从总体的视角发现以前难以发现的问题。

(三)大数据、云计算技术促进审计成果的综合应用

目前，审计人员的审计成果主要是提供给被审计单位的审计报告，其格式固定，内容单一，包含的信息量较少。随着大数据、云计算技术在审计中广泛应用，审计人员的审计成果除了审计报告外，还有在审计过程中采集、挖掘、分析和处理的大量的资料和数据，可以提供给被审计单位用于改进经营管理，促进审计成果的综合应用，提高审计成果的综合应用效果。首先，审计人员通过对审计中获取的大量数据和相关情况资料的汇总、归纳，从中找出财务、业务和经营管理等方面的内在规律、共性问题和发展趋势，通过汇总归纳宏观性和综合性较强的审计信息，为被审计单位投资者和其他利益相关者提供数据证明、关联分析和决策建议，从而促进被审计单位管理水平的提高。其次，审计人员通过应用大数据、云计算技术，可以将同一问题归入不同的类别进行分析和处理，从不同的角度、不同的层面整合提炼以满足不同层次的需求。再次，审计人员将审计成果进行智能化留存，通过大数据、云计算技术，将问题规则化并固化到系统中，以便于计算或判断问题发展趋势，向被审计单位进行预警。最后。审计人员将审计成果、被审计单位与审计问题进行关联，并进行信息化处理，在进行下次审计时，减少实地审计的时间和工作量，提高审计工作的效率。(四)大数据、云计算技术促进相关关系证据的应用

审计人员在审计过程中，应根据充分、适当的审计证据发表审计意见，出具审计报告。但是，在大数据、云计算环境下，审计人员既面临巨量数据筛选的考验，又面临搜集适当审计证据的挑战。审计人员在搜集审计证据时，传统的思维路径都是基于因果关系来搜集审计证据，而大数据分析将会更多地运用相关关系分析来搜集和发现审计证据。但从审计证据发现的角度来看，由于大数据技术提供了前所未有的跨领域、可供量化的维度，使得审计问题大量的相关信息能够得以记录和计算分析。大数据、云计算技术没有改变事物间的因果关系，但在大数据、云计算技术中对相关关系的开发和利用，使得数据分析对因果逻辑关系的依赖降低了，甚至更多地倾向于应用基于相关关系的数据分析，以相关关系分析为基础的验证是大数据、云计算技术的一项重要特征。在大数据、云计算技术环境下，审计人员能搜集到的审计证据大多是电子证据(秦荣生，2013)。电子证据本身就非常复杂，云计算技术使获取有因果关系的证据更加困难。审计人员应从长期依赖因果关系来搜集和发现审计证据，转变成为利用相关关系来搜集和发现审计证据。(五)大数据、云计算技术促进高效数据审计的发展

直到今天，审计人员的数字审计技术依然建立在精准的基础上。这种思维方式适用于掌握“小数据量”的情况，因为需要分析的数据很少，所以审计人员必须尽可能精准地量化被审计单位的业务。随着大数据、云计算技术成为日常生活中的一部分，审计人员应开始从一个比以前更大、更全面的角度来理解被审计单位，将“样本= 总体”植入审计人员的思维中。相比依赖于小数据和精确性的时代，大数据更强调数据的完整性和混杂性，帮助审计人员进一步接近事情的真相，“局部”和“精确”将不再是审计人员追求的目标，审计人员追求的是事物的“全貌”和“高效”。围绕大数据，一批新兴的数据挖掘、数据存储、数据处理与分析技术将不断涌现。在实施审计时，审计人员应利用大数据、云计算技术，使用分布式拓朴结构、云数据库、联网审计、数据挖掘等新型的技术手段和工具，以提高审计的效率。

(六)大数据、云计算技术促进大数据审计师的发展

大数据、云计算时代，数据的真实、可靠是大数据发挥作用的前提。这客观上要求专业人员来对大数据的真实性、可靠性进行鉴证，审计人员可以扮演这种角色，或者称为数据审计师。能对大数据真实性、可靠性进行鉴证的数据审计师应该是计算机科学、数学、统计学和审计学领域的专家，他们应有大数据分析和预测的评估能力。数据审计师应恪守公正的立场和严守保密的原则，面对海量的数据和纷繁复杂的相关关系，选取分析和预测工具，以及解读数据及数据计算结果是否真实、可靠。一旦出现争议，数据审计师有权审查与分析结果相关的运算法则、统计方法以及数据采集、挖掘和处理过程。数据审计师的出现是为满足以市场为导向来解决数据真实性、可靠性问题的需求，这与20 世纪初期为了处理财务信息虚假而出现的审计人员一样，都是为了满足新需求而出现的。

三、大数据挖掘

数据的价值只有通过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。在业界，全球著名的Google、EMC、惠普、IBM、微软等互联网公司都已经意识到大数据挖掘的重要意义。上述IT 巨头们纷纷通过收购大数据分析公司，进行技术整合，希望从大数据中挖掘更多的商业价值。数据挖掘通常需要遍历训练数据获得相关的统计信息，用于求解或优化模型参数，在大规模数据上进行频繁的数据访问需要耗费大量运算时间。数据挖掘领域长期受益于并行算法和架构的使用，使得性能逐渐提升。过去15 年来，效果尤其显著。试图将这些进步结合起来，并且提炼。GPU平台从并行上得到的性能提升十分显著。这些GPU平台由于采用并行架构，使用并行编程方法，使得计算能力呈几何级数增长。即便是图形处理、游戏编程是公认的复杂，它们也从并行化受益颇多。研究显示数据挖掘、图遍历、有限状态机是并行化未来的热门方向。MapReduce 框架已经被证明是提升GPU 运行数据挖掘算法性能的重要工具。D.Luo 等提出一种非平凡的策略用来并行一系列数据挖掘与数据挖掘问题，包括一类分类SVM 和两类分类SVM，非负最小二乘问题，及L1 正则化回归（lasso）问题。由此得到的乘法算法，可以被直截了当地在如MapReduce 和CUDA 的并行计算环境中实现。K.Shim 在MapReduce 框架下，讨论如何设计高MapReduce 算法，对当前一些基于MapReduce 的数据挖掘和数据挖掘算法进行归纳总结，以便进行大数据的分析。Junbo Zhang 等提出一种新的大数据挖掘技术，即利用MapRedue 实现并行的基于粗糙集的知识获取算法，还提出了下一步的研究方向，即集中于用基于并行技术的粗糙集算法处理非结构化数据。F.Gao 提出了一种新的近似算法使基于核的数据挖掘算法可以有效的处理大规模数据集。当前的基于核的数据挖掘算法由于需要计算核矩阵面临着可伸缩性问题，计算核矩阵需要O(N2)的时间和空间复杂度来计算和存储。该算法计算核矩阵时大幅度降低计算和内存开销，而且并没有明显影响结果的精确度。此外，通过折中结果的一些精度可以控制近似水平。它独立于随后使用的数据挖掘算法并且可以被它们使用。为了阐明近似算法的效果，在其上开发了一个变种的谱聚类算法，此外设计了一个所提出算法的基于MapReduce 的实现。在合成和真实数据集上的实验结果显示，所提出的算法可以获得显著的时间和空间节省。Christian Kaiser 等还利用MapReduce 框架分布式实现了训练一系列核函数学习机，该方法适用于基于核的分类和回归。Christian Kaiser 还介绍了一种扩展版的区域到点建模方法，来适应来自空间区域的大量数据。Yael Ben-Haim 研究了三种MapReduce 实现架构下并行决策树分类算法的设计, 并在Phoenix 共享内存架构上对SPRINT 算法进行了具体的并行实现。F.Yan 考虑了潜在狄利克雷分配（LDA）的两种推理方法——塌缩吉布斯采样（collapsed Gibbssampling，CGS）和塌缩变分贝叶斯推理（collapsedvariational Bayesian，CVB）在GPU 上的并行化问题。为解决GPU 上的有限内存限制问题，F.Yan 提出一种能有效降低内存开销的新颖数据划分方案。这种划分方案也能平衡多重处理器的计算开销，并能容易地避免内存访问冲突。他们使用数据流来处理超大的数据集。大量实验表明F.Yan 的并行推理方法得到的LDA 模型一贯地具有与串行推理方法相同的预测能力；但在一个有30 个多核处理器的GPU 上，CGS 方法得到了26倍的加速，CVB 方法得到了196 倍的加速。他们提出的划分方案和数据流方式使他们的方法在有更多多重处理器时可伸缩，而且可被作为通用技术来并行其它数据挖掘模型。Bao-Liang Lu 提出了一种并行的支持向量机，称为最小最大模块化网络(M3)，它是基“分而治之”的思想解决大规模问题的有效的学习算法。针对异构云中进行大数据分析服务的并行化问题G.Jung 提出了最大覆盖装箱算法来决定系统中多少节点、哪些节点应该应用于大数据分析的并行执行。这种方法可以使大数据进行分配使得各个计算节点可以同步的结束计算，并且使数据块的传输可以和上一个块的计算进行重叠来节省时间。实验表明，这种方法比其他的方法可以提高大约60% 的性能。在分布式系统方面，Cheng 等人 提出一个面向大规模可伸缩数据分析的可伸缩的分布式系统——GLADE。GLADE 通过用户自定义聚合（UDA）接口并且在输入数据上有效地运行来进行数据分析。文章从两个方面来论证了系统的有效性。第一，文章展示了如何使用一系列分析功能来完成数据处理。第二，文章将GLADE 与两种不同类型的系统进行比较：一个用UDA 进行改良的关系型数据库（PostgreSQL）和MapReduce(Hadoop)。然后从运行结果、伸缩性以及运行时间上对不同类型的系统进行了比较。

四、总结 大数据的超大容量自然需要容量大，速度快，安全的存储，满足这种要求的存储离不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理。同时，云计算是提高对大数据的分析与理解能力的一个可行方案。大数据的价值也只有通

过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。总之，云计算是大数据处理的核心支撑技术，是大数据挖掘的主流方式。没有互联网，就没有虚拟化技术为核心的云计算技术，没有云计算就没有大数据处理的支撑技术。

参考文献

秦荣生.大数据、云计算技术对审计的影响研究 何清.大数据与云计算

张为民.云计算: 深刻改变未来

文峰.云计算与云审计———关于未来审计的概念与框架的一些思考

Big data and cloud computing Big Data(Big Data)in recent years, more and more occasions, the concept is mentioned more and more people, And often, and cloud computing together, what is the relationship between cloud computing and big data become a hot topic.this Special report contains the following four aspects: 1.The value of big data;2.Big data challenge;3.Big data research;4.Cloud computing is the mainstream way of data mining.Through this report on our understanding of big data, as well as the understanding of the value of big data, large data processing and mining technology, large data mainly focus on “data”, provide the technology and methods of data collection, mining and analysis;Cloud computing technology focusing on “computing”, providing IT solutions.Big data and cloud computing technology can promote the development of continuous audit mode, the overall audit mode of application, the audit results of comprehensive application, the application of related evidence, the development of efficient data audit and the development of large data auditor.Strengthen big data and cloud computing technology measures of audit applications include set up long-term development strategy, accelerate the construction of the audit regulations, establish a platform, to strengthen research and development and improve the utilization ability.Keywords: big data cloud computing data mining impact on the audit policy Suggestions

第三篇：新技术—云计算与大数据

云计算与大数据

大数据时代已经悄然到来，如何应对大数据时代所带来的挑战与机遇，是我们当代大学生特别是我们计算机专业学生的一个必须面对的严峻课题。在这次课上通过陶老师的讲解以及在课后查阅相关资料，我了解到什么是大数据，什么是云计算，它们都有什么用处，有什么关系。

近几年，云计算和大数据的概念受到了学术界、商界、甚至政府的热传，一时间云计算无处不在。秉承着“按需服务”理念的云计算正高速发展，“数据即资源”的“大数据”时代已经来临。大数据利用对数据处理的实时性、有效性提出来更高要求，需要根据大数据特点对传统的常规数据处理技术进行变革，形成适用于大数据收集、存储、管理、处理、分析、共享和可视化的技术。大数据的规模效应给数据存储和管理以及数据分析带来了极大的挑战。

一、云计算概念

在课后，经过翻阅各种资料，了解到狭义的云计算是指IT基础设施的交付和使用模式。指通过网络以按需、易扩展的方式获得所需的资源；广义的云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务，这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务，它具有超大规模、虚拟化、可靠安全等独特功能。通俗的理解是，云计算的“云”就是存在于互联网上的服务器集群上的资源，它包括硬件资源和软件资源，本地计算机只需要通过互联网发送一个需求信息，远端就会有成千上万的计算机为你提供需要的资源并将结果返回到本地计算机。这样，本地计算机几乎不需要做什么，所有的处理都在云计算提供商所提供的计算机群体来完成。

Kevin Hartig：云是一个庞大的资源地，你按需购买；云是虚拟化的；云可以像自来水、电、煤气那样计费。

Jan Pritzker：云计算是用户友好的网络计算。

云计算，它是基于数据中心，强调性价比、效率、可行性的服务运营模式，这是提高高端计算利用率，同时提升低端计算事物处理能力，我们不关注本身计算机的能力，更多提供给后台，由于后台强大的处理能力完成。

二、云计算部署模式

根据云计算服务对象范围的不同，云计算有四种部署模式：私有云、社区云、公有云和混合云。私有云是由一个用户组织（例如政府、军队、企业）建立运维的云计算平台，专供组织内部人员使用，不提供对外服务。社区云也称机构云，云基础设施由多个组织共同提供，平台由多个组织共同管理。社区云被一些组织共享，为一个有共同关注点的社区或大机构提供服务。公有云的基础设施由一个提供云计算服务的大型运营商组织建立和运维，该运营组织一般是拥有大量计算资源的IT巨头，这些IT公司将云计算服务以“按需购买”的方式销售给一般用户或中小企业群体。用户只需将请求提交给云计算系统，付费租用所需的资源和服务。混合云的云基础设施是由两种或两种以上的云组成，每种云仍然保持独立，但用标准的或专用的技术将它们组合起来，具有数据和应用程序的可移植性。

三、云计算服务模式

计算就要有就算环境，一般计算环境都有硬件的一层，资源组合调度的一层即操作层，以及计算任务的应用业务的软件层。云计算提供的三种服务模式对应了计算环境的三个层面。这三种服务模式分别是基础设施即服务IaaS、软件即服务SaaS、平台即服务PaaS。

IaaS即把厂商的由多台服务器组成的“云端”基础设施，作为计量服务提供给客户。它的优点是用户只需低成本硬件，按需租用相应计算能力和存储能力，大大降低了用户在硬件上的开销。目前以Google云应用最具代表性，例如GoogleDocs、GoogleApps、Googlesites。SaaS服务提供商将应用软件统一部署在自己的服务器上，用户根据需求通过互联网向厂商订购应用软件服务，服务提供商根据客户所定软件的数量、时间的长短等因素收费，并且通过浏览器像客户提供软件的模式。对于小型企业来说，SaaS是采用先进技术的最好途径。PaaS把开发环境作为一种服务来提供。PaaS能够给企业或个人提供研发的中间件平台，提供应用程序开发、数据库、应用服务器、试验、托管及应用服务。

四、大数据

大数据（big data），或称巨量资料，就是对全球各种大规模数据资料进行深度挖掘，并进行高速度及多样式计算后，整理出来的高价值的分析结果；重点应用在国防领域建设，未来发展方向在人工智能领域，可以让计算机自主地从经验中进行学习和反馈。个人总结，大数据的特点主要有如下4点：

一是大量。存储大，计算量大。

二是数据类型多样。现在的数据类型不仅是文本形式，更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。三是处理速度快。增长速度快，处理速度要求快。四是价值密度低。浪里淘沙却弥足珍贵，数据没有办法在可忍受的时间下使用常规软件方法完成存储、管理和处理任务。

大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获得很多智能的，深入的，有价值的信息。大数据分析普遍存在的方法理论有：可视化分析、数据挖掘算法、预测性分析、语义引擎、数据质量和数据管理。

五、云计算与大数据关系

云计算和大数据是这个时代的两个王者，是一个硬币的两面，云计算是大数据的IT基础，而大数据是云计算的一个杀手级应用。张亚勤说，云计算是大数据的驱动力，而另一方面，由于数据越来越多，越来越复杂，越来越实时，这就更加需要云计算去处理，所以二者之间是相辅相成的。

本质上，云计算和大数据的关系是静与动的关系；云计算强调的是计算，这是动的概念；数据则是计算的对象，是静的概念。在实际的应用中，前者强调的是计算能力，或者看重的是存储能力；但是这样说，并不意味着两个概念如此泾渭分明。大数据需要处理大数据的能力如数据获取、清洁、转换、统计等，其实就是需要强大的计算能力，另一方面，云计算的动也好是相对而言，比如基础设施即服务中存储设备提供的主要是数据能力，所以可谓是动中有静。

如果数据是财富，那么大数据就是宝藏，而云计算就是挖掘和利用宝藏的利器。没有强大的计算能力，数据宝藏终究是镜中花，没有大数据的积淀，云计算也只能是杀鸡用的宰牛刀。

六、心得体会

通过这次课程的学习，了解到在如此快速到来的大数据革命时代，我们还有很多知识需要学习，许多思维需要转变，许多技术需要研究。职业规划中，也需要充分考虑到大数据对于自身职业的未来发展所带来的机遇和挑战。

第四篇：大数据与云计算的安全

云计算和大数据结合的安全问题

摘要：云计算的浪潮还没有过去，大数据时代已经到来。在对大数据的含义、特征、影响和意义进行系统总结的基础上，分析了大数据与云计算的关系，论述大数据和云计算的安全将给消费者和电商带来更加高效的转型。

关键字：云计算，大数据，电商

所谓通信，最简单的理解，也是最基本的理解，就是人与人沟通的方法。无论是现在的电话，还是网络，解决的最基本的问题，实际还是人与人的沟通。现代通信技术，就是随着科技的不断发展，如何采用最新的技术来不断优化通信的各种方式，让人与人的沟通变得更为便捷，有效。随着计算机技术的广泛普及与计算机远程信息处理应用的发展，云计算和大数据应运而生。、一、大数据的介绍

大数据（Big Data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）。大数据可分成大数据技术、大数据工程、大数据科学和大数据应用等领域，目前人们谈论最多的是大数据技术和大数据应用。大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和或虚拟化技术。

二、云计算的介绍

云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需求提供给计算机和其他设备。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。几年之内,云计算已从新兴技术发展成为当今的热点技术。云计算从节约成本的工具到盈利的推动器，从ISP（网络服务提供商）到电信企业，已然成功地从内置的IT 系统演变成公共的服务。然而人们担心他们在云端的数据安全。正因为此，用户应该期待看到更安全的应用程序和技术上来。许多新的加密技术，安全协议，在未来会越来越多的呈现出来。其中的安全性和遵从性的问题仍然是阻碍云计算发展的重要原因。三、二者联系和安全策略

近几年由于科技的不断发展，3G网络视频通话，移动互联网、物联网、智能手机，这些科技产品都一一涌现，充斥着我们的生活，确实互联网给我们的生活带来了方便，但同时恶意软件，黑客入侵电脑，这些人为的破坏，也影响着个人或者企业的信息安全。在这个时候新技术云计算的出现，就给传统互联网信息安全带来了希望，但同时也面临解决新的安全挑战。

多种方式应对云计算安全挑战—云计算给信息安全带来的挑战包括：第一，传统安全产品无法应对云计算环境下的网络结构和协议。在云计算环境中，可能前端的Web服务器和后端的数据库都处在一个物理服务器上，这样它们之间的网络交互直接用虚拟交换机就可以了，数据根本不经过物理交换机，如果不到物理交换机，则信息安全设备拿不到它的数据，导致对其访问控制、审计、攻击的检测，都没办法实现。第二，云计算技术特性带来一些新的安全需求。云安全架构的一个关键特点是云服务提供商所在的等级越低，云服务用户自己所要承担的安全能力和管理职责就越多。数据安全包括：数据传输、数据隔离、数据残留。应用安全包括：终端用户安全、SaaS安全、PaaS安全、IaaS安全。虚拟化安全包括：虚拟化软件、虚拟服务器等。第三，云计算环境对安全产品的计算性能提出了非常大的挑战。目前保护信息安全产品的性能已经远远落后于网络设备。大数据将会化解APT(高级持续威胁)危机—近一两年，APT攻击是非常热门的话题。简单的说就是黑客组织针对一个有价值的目标，进行长期、缓慢的，但是非常有技术含量的攻击。我们知道未来大数据和云计算将推动下一代安全数据的创新。大数据和云计算扩展了整个IT领域的计算和存储资源，给信息安全提供了信息平台和大数据处理的技术支撑，为整个信息安全产品的革新创造了一个更大的可能性。其中数据加密就是对数据信息的重新组合，只有在收发双方的基础上才能够还原网络信息，数据加密技术能够确保校园网内部信息数据的安全性与完整性，并具有一定的保密作用，从某种意义上来说它是其他安全技术的基本保证，经过加密的网络数据能够确保数据在收录、传输、使用及转换中不被第三方得知数据信息内容。

综上所述：大数据是本，云计算是术，移动互联网是用。三者紧密结合在一起才能让整个信息安全系统更有效的服务现代人们的生活。在大数据环境下，即高流量、巨大海量数据、高可靠性。更多需要通过检测、分析、发现及预警的安全保障体系，实现可靠性、可用性与安全性的完美结合；利用大数据分析，可提前、精确、有效地发现已知或未知的安全威胁；可实现数据访问的记录、分析及取证；可实现有效、精确地发现隐私数据的检测分析与防护。安全检测与大数据技术结合，利用云计算能力及大数据处理机制实现信息访问和审计，安全威胁智能的发现，隐私数据的保护。

参考文献：《大数据时代》--[英]维克托·迈尔-舍恩伯格（ViktorMayer-Schönberger）--浙江人民出版社

电子图书：《云计算安全指南》--Ronald L.Krutz，Russell Dean Vines（著）张立强(译)

姓名：孙飞龙

学号：12901337

学院：信息工程学院

第五篇：云计算与大数据学习报告

“大数据与云计算”学习报告 题目：谈谈对“大数据与云计算”技术的理解，及这两项技术对商业活动、社会进步带来哪些影响.首先我想简单谈谈何为云计算，何为大数据。云计算，是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源，其侧重的是计算，而大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产，本质就是利用计算机集群来处理大批量的数据，大数据的技术关注点在于如何将数据分发给不同的计算机进行存储和处理。其侧重的是计算的对象。

其次说说云计算与大数据的关系.可以说，大数据相当于海量数据的“数据库”，而云计算作为计算资源的底层，支撑着上层的大数据处理，前者强调的是计算能力，或者看重的存储能力。大数据需要处理大数据的能力，大数据技术是云计算技术的延伸。大数据技术涵盖了从数据的海量存储、处理到应用多方面的技术。

最后说说云计算与大数据对商业活动、社会发展的作用.云计算和大数据的出现，正在引发全球范围内深刻的技术与商业变革。技术革新对信息化发展的引领与推动作用已经毋庸置疑,而新一波以云计算和大数据为代表的新技术对我国信息化的拉动作用也正日益显现,随着云计算服务的互联,移动互联网、智慧城市等领域的渗透相互促进,形成了市场需求与技术进步双拉动的态势，对电信运营商而言，在当前智能手机、智能设备快速增长、移动互联网流量迅猛增加的情况下，大数据技术可以为运营商带来新的机会。大数据在运营商中的应用可以涵盖多个方面，包括企业管理分析如战略分析、竞争分析，运营分析如用户分析、业务分析、流量经营分析，网络管理维护优化如网络信令监测、网络运行质量分析，营销分析如精准营销、个性化推荐等计算量越来越大、数据越来越多、越来越动态、越来越实时的需求背景下被催生出来的一种基础架构和商业模式。