安防大数据应用研究

doi:10.11959/j.issn.1000-0801.2015178

摘要/Abstract

摘要：

描述了安防大数据的几个来源，论述了安防大数据实施中存在的难题，并据此提出了安防大数据实施的要点和步骤，最后重点分析了安防大数据的整体架构、与现有视频监控平台的关系以及基于GPU的安防大数据平台的系统架构。安防大数据实施时必须根据数据特点及算法成熟度分阶段进行。

关键词: 大数据, 安防, GPU

Abstract:

Several data sources of big data on security were described，a closer look was taken at the implementation of big data platform on security，the main points and steps during the implementation were also proposed.Specially，detail analysis on the overall architecture and system structure of the big data platform on security were provided，the relationship with the existing video surveillance platform was also described.The implementation of big data platform on security must be promoted on the scale of data characteristics and algorithm maturity.

Key words: big data, security, graphics processing unit

杨德利,张涛. 安防大数据应用研究[J]. 电信科学, 2015, 31(7): 164-168.

Deli Yang,Tao Zhang. Research on Big Data Application for Security[J]. Telecommunications Science, 2015, 31(7): 164-168.

图/表 4

参考文献 6

1	列数国外智慧城市经典案例. ， 2015Foreign smart city classic case. ， 2015
2	青岛成“智慧城市”双试点首批共20个城市. ， 2013Qingdao into a“smart city”，the first pilot has 20 cities. ， 2015
3	卢风顺，宋君强，银福康等. CPU/GPU 协同并行计算研究综述. 计算机科学， 2011，38（3） Lu F S ， Song J Q ， Yin F K ，et al. Survey of CPU/GPU synergetic parallel computing. Computer Science， 2011，38（3）
4	Hong C ， Chen D ， Chen W ，et al. MapCG：writing parallel program portable between CPU and GPU. Proceedings of the 19th International Conference on Parallel Architectures and Compilation Techniques， Vienna，Austria， 2010： 217～226
5	He B ， Fang W ， Luo Q ，et al. Mars：a MapReduce framework on graphics processors. Proceedings of the 17th International Conference on Parallel Architectures and Compilation Techniques， Toronto，Canada， 2008： 260～269
6	Enmyren J ， Kessler C W . SkePU：a multi-backend skeleton programming library for multi-GPU systems. Proceedings of the 4th International Workshop on High-Level Parallel Programming and Applications， New York，NY，USA， 2010： 5～14

存储方式	优势	劣势
云存储	适合大规模数据的存储；	存储规模较小时，成本较高；
	可以进行全局管理，也可以供其他业务使用；	由于集中存储，对网络带宽要求较高
	扩展性好，在线扩容和升级方便；
	可靠性高
IP SAN存储	合适小规模数据的存储；	大规模数据存储时，成本较高；
	适合多点分布的场景	无法进行多点的全局管理

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[4]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[5]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[6]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[7]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[8]	陈志宏, 王明晓. 计算机视觉在智慧安防中的应用[J]. 电信科学, 2021, 37(8): 142-147.
[9]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[10]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[11]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[12]	程卫华,何肖嵘. 基于大数据的网页浏览质差分析方法研究[J]. 电信科学, 2020, 36(11): 174-181.
[13]	高建,陈文彬,庞建民,于华东,宋国瑞. 基于组合密钥的智能电网多源数据安全保护[J]. 电信科学, 2020, 36(1): 134-138.
[14]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[15]	鲁泽霖,李强治. 电子商务平台的演化逻辑和运营机理[J]. 电信科学, 2019, 35(7): 152-158.