随着市场竞争的日趋激烈,基础设施即服务(IaaS:Infrastructure as a Service)提供商要在竞争中胜出,很大程度上取决于其对产品的合理定价。考察一个拥有两种互补云计算资源的IaaS提供商,针对预留类产品的三种销售模式(单独销售、捆绑销...随着市场竞争的日趋激烈,基础设施即服务(IaaS:Infrastructure as a Service)提供商要在竞争中胜出,很大程度上取决于其对产品的合理定价。考察一个拥有两种互补云计算资源的IaaS提供商,针对预留类产品的三种销售模式(单独销售、捆绑销售和混合销售),比较不同模式下的最优定价和IaaS提供商的利润情况。研究表明:(1)对于IaaS提供商而言,选择混合销售时利润最大,若其只能选择非混合销售,则当资源间互补性较强、且用户对捆绑折扣价格较为敏感时,选择捆绑销售,否则选择单独销售。(2)对于用户而言,捆绑产品用户最偏好捆绑销售,非捆绑产品用户最偏好混合销售。(3)灵敏度分析的结果表明,当资源间互补系数越小时,IaaS提供商的利润越大,混合销售的盈利优势越不明显。展开更多
针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技...针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题。根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性。实验证明,"云训练"系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果。展开更多
针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与...针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与神经网络算法相结合,将用户当前行为网络输出值与给定阈值进行比较,以此来判断用户的行为是否异常,从而实现用户行为的异常检测.实验结果表明,相比其它类似的用户行为检测方法,该方法能更有效发现用户的异常行为.展开更多
文摘随着市场竞争的日趋激烈,基础设施即服务(IaaS:Infrastructure as a Service)提供商要在竞争中胜出,很大程度上取决于其对产品的合理定价。考察一个拥有两种互补云计算资源的IaaS提供商,针对预留类产品的三种销售模式(单独销售、捆绑销售和混合销售),比较不同模式下的最优定价和IaaS提供商的利润情况。研究表明:(1)对于IaaS提供商而言,选择混合销售时利润最大,若其只能选择非混合销售,则当资源间互补性较强、且用户对捆绑折扣价格较为敏感时,选择捆绑销售,否则选择单独销售。(2)对于用户而言,捆绑产品用户最偏好捆绑销售,非捆绑产品用户最偏好混合销售。(3)灵敏度分析的结果表明,当资源间互补系数越小时,IaaS提供商的利润越大,混合销售的盈利优势越不明显。
文摘针对网络化模拟训练真实感不强,训练效率低等问题,提出了一种Iaa S(Infrastructure as a Service)模式的"云训练"。阐述了"云训练"的体系结构和运行模式,研究了"云训练"的3项核心技术。通过GPU虚拟化技术解决云环境中终端用户3D图形图像处理能力弱的问题。根据模拟训练特点,建立用户需求模型,将模糊理论引入资源调度技术中,实现虚拟资源的动态调度;结合检查点回滚、虚拟机备份和虚拟机迁移技术,实现系统高效动态容错,保证了系统的稳定性与可靠性。实验证明,"云训练"系统改善了传统模拟训练系统中资源的按需共享能力,提升了资源利用率,保证了模拟训练效果。
文摘针对IaaS(Infrastructure as a Service)云平台中用户异常行为的检测问题,提出了一种基于用户行为模型和神经网络相结合的异常检测方法.该方法通过构造一种基于时间、地点和事件的用户行为模型,在此基础上建立用户的正常行为模式,并与神经网络算法相结合,将用户当前行为网络输出值与给定阈值进行比较,以此来判断用户的行为是否异常,从而实现用户行为的异常检测.实验结果表明,相比其它类似的用户行为检测方法,该方法能更有效发现用户的异常行为.
