别隐私保护机制至关重要.Р 大数据分析技术的发展为数据解释、建模、预测和模拟带来了重大的影响. 然而, 海量数据、异构Р数据结构和多样化的应用也带来了许多挑战.Р •近似分析: 随着数据集的增长和实时处理需求的提出, 对整个数据集的分析越来越难. 一个潜在的Р解决方案是给出近似结果, 例如使用近似查询. 近似的含义有两个方面: 结果的准确度和从输出中删Р除的数据组.Р •连接社交媒体: 社交媒体具有独特的性质, 如巨量性、统计冗余性和用户反馈的可用性. 不同的提Р取技术已成功用于标识从社交媒体到具体产品名称和位置等参照物. 通过连接领域间的数据和社交媒Р体, 应用能够获得更高的精确性.Р •深度分析: 大数据的一个令人兴奋的研究动机是期望获得新的领悟. 诸如机器学习等复杂的分析Р技术对发现新的知识非常必要, 而有效地使用这些分析工具包需要了解概率和统计. 安全和隐私机制Р的核心是强制的访问控制和安全通信, 多粒度访问控制, 隐私感知的数据挖掘和分析, 以及安全存储和Р管理.Р 最后, 大规模并行处理系统通常面临几个共同的问题, 而大数据的出现则放大了这些问题.Р •能量管理: 大规模计算系统的能量消耗从经济和环境的观点吸引了较大的关注. 随着数据量和分Р析需求的增长, 数据传输、存储和处理无疑将消耗更多的能量. 因此, 在大数据系统中必须提供系统级Р的能量控制和管理机制, 同时提供可扩展性和可访问性.Р •可扩展性: 大数据系统应该能够支持现在以及将来产生的巨大的数据集. 大数据系统中的所有组Р件都能扩展以解决复杂数据集的日益增长.Р •协作性: 大数据分析是一个交叉学科研究领域, 需要来自不同专业领域的专家协作挖掘数据中隐Р藏的价值. 因此需要建立一个综合的大数据基础设施, 允许不同领域的科学家和工程师访问多样的数Р据, 并应用各自的专业知识, 协作完成分析任务.Р 10
全文预览
