摘要：
为满足私有云存储系统中采用不同底层存储介质的需求，提出了一种基于插件模式的私有云存储系统的存储池设计.在数据存储层与数据管理层之间建立统一存储层，包含各类插件并基于适配插件提供的动态性能参数，由统一存储层管理器制定存储策略和IO策略，以平衡存储节点流量，提高存储池的整体性能.实验结果表明，该设计可以提高企业存储资源利用率，提升异构存储横向扩展能力，有效降低私有云存储服务的整体运营成本.

摘要：
提出了一种利用多点地质统计法实现图像重建的方法.由于传统基于线性降维的多点地质统计法不能有效处理非线性数据，因此引入等距特征映射以实现非线性数据的降维，并利用条件数据以提高重建图像的质量.实验证明，该方法有利于提高图像重建的有效性.

摘要：
研究个体在不同时间的行为规律性，以及不同个体行为之间的相似性，可以为个性化推荐以及基于位置的服务提供帮助.从手机的基站位置数据中，通过聚类方法找到参考位置，并根据参考位置，将人们杂乱无章的行为转变为到达和离开的二进制时间序列.定义二进制时间序列的相似度，利用异或算法检测个体行为模式.在Reality数据集上的实验结果表明，该方法是有效且可靠的.

摘要：
精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度，采用了一种PSO改进T-S（Takagi-Sugeno）模糊神经网络方法.分析了数据预处理对改善输入量的重要性，讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法，从而使PSO找到最优参数，然后结合历史负荷数据、相关影响因素进行预测，以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.

摘要：
长期以来窃电问题一直困扰着电力企业，它不仅损害了供电企业的合法权益，扰乱了正常的供用电秩序，而且给安全用电带来了威胁.通过机器学习算法，对电力用电数据进行分析处理，可以预测用户是否存在窃电行为.基于电力数据中用户用电量提取相关特征，结合随机森林算法，提出了一种预测用户是否具有窃电行为的方法.对比多组实验数据，调节特征数量以及算法参数，以提高预测准确率和预测速度.

摘要：
在电力系统谐波检测中，使用快速傅里叶变换法（FFT）可以得到平稳谐波信号中的频谱，从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息，很难检测到谐波发生的具体时刻，而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号，提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知，该方法可以检测稳态谐波，确定暂态谐波的突变时刻.

摘要：
深度学习技术，近年来已经广受学术界和工业界的关注，已在图像处理及分类，自然语言处理和生物医疗领域中取得卓越成果.对于存在大量高维度数据的电力领域，引入深度学习的理论具有一定的意义.介绍了深度学习的几个经典模型结构、工作原理，以及相关领域的部分研究成果，并围绕深度学习在电力领域中的研究现状展开了论述，指出了存在的不足和未来研究的方向.

摘要：
智能电表已广泛应用于智能电网的用户侧数据采集，但开放式的采集和运行环境给数据的真实性、传输的可靠性和设备的安全性都带来了挑战，甚至会对智能电网的安全运行带来不利影响.从身份认证、数据完整性角度提出了一种适用于智能电表的安全数据采集方案，能够较好地确保用户侧数据采集真实可靠；同时针对特殊指令设置了二次确认机制，结合入侵检测和深度报文检测手段，避免恶意攻击的发生.

摘要：
对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障，从而实现对电力变压器故障的诊断.针对常见的电力变压器故障，设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统，该系统具有直观、方便、可扩展性好的特点，测试结果验证了该系统的有效性.

摘要：
非侵入式负荷监测（NILM）技术通过分解总电力负荷数据，使电力用户了解不同时段各类设备的电能消耗，帮助决策者制定合理的节能计划，减少能源开支，并对节能减排具有重要作用.分析了NILM相对于传统侵入式负荷监测的优势，具有成本低、部署简单、扩展容易等特点.概述了NILM的基本框架，从监督和非监督算法两个方面进行了详细介绍.讨论了现有的数据集和算法评价指标，并指出了目前NILM面临的挑战.

摘要：
为了提高汽轮发电机组的故障诊断准确率，提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习，在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明，改进算法能够更有效地预测汽轮发电机组的故障.

摘要：
电网监测的WSN中存在网络路由路径单一、负载不均衡、生命周期短和可维护性差等问题，因此引入局部压缩感知和低占空比机制对其网络性能进行优化.对面向电网监测的无线传感器网络中存在的关键技术进行了详细分析，并具体阐述了国内外对于该领域的研究现状及进展，提出针对局部压缩感知数据的有效恢复、低占空比机制中精确时间同步、电网监测环境下传感器网络的最优化配置等3个关键问题的研究，可以延长电网监测WSN的整体生存时间，为电网监测提供有QoS保证的数据采集与传输，推动WSN在电力系统成功应用.

摘要：
为了研究工业控制网络的安全，对工业控制网络中应用最广泛的Modbus协议的安全性进行了分析.分析比较了Modbus主设备认证算法和ModbusSec认证算法两种算法的优劣，明确了今后对Modbus工控网络安全的研究方向.

摘要：
利用协议的攻击实验分析和改进协议的安全性，确保智能电表通信安全.首先在熟悉通信协议的基础上，挖掘其存在的漏洞；然后实施arp欺骗，伪造成中间人嗅探电表与采集终端的通信流量，达到篡改电能数据的目的.实验表明，协议的脆弱性会带来中间人篡改数据的风险，最终威胁智能电表的信息安全.

摘要：
数据聚合是智能电网中的重要环节，在数据聚合的过程中应达到准确、安全、高效节能等指标.通过对DGK密码体制与盲签名加密钥分配技术两种方法的对比分析，得出盲签名加密钥分配技术更加安全可靠，同时计算开销较小的结论.

摘要：
新型智能电表普及后，为了准确检测出电网中的窃电用户，可以结合机器学习的方法.为此，选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析，通过不断调整试验数据集的大小，对3种算法的效率和准确率进行测试.对比分析结果发现，随机森林算法运行的时间和数据量的大小基本呈线性关系，效率较高，且准确率稳定在86%以上，表现较好.

摘要：
云计算中有许多关键技术，而数据的安全性成为云计算发展的制约因素.描述了云安全框架，包括安全管理进程，安全需求及风险评估方法等.为了解决数据在云端存储的安全性，设计了云计算安全框架的实现方案，该框架分6个阶段3个层次来解决数据的存储问题.

摘要：
介绍了几种身份隐私保护技术，提出了基于中国剩余定理的智能电表身份认证方案，使得智能电表的真实身份得到了有效保护，在有效抵御外部攻击者的同时，使内部参与者也不能获得用户的真实身份和实时电量.与现存的几种技术相比，本方案计算成本较低，且可以有效支持电力用户数量的动态变化，满足电力用户身份认证条件的动态更新.

摘要：
数据的不断增长推动了云计算、云存储的发展，大量数据被存储到云端，数据的不断积累占据了太多存储空间.为了节省空间，重复数据删除技术被提出并广泛使用.在原始信息锁加密的基础上进行改进，引入布隆过滤器来实现重复检测，继而完成安全存储.对方案性能进行分析后发现，可以实现基本的安全机密性，并降低了计算开销.

摘要：
随着业务量的不断增长，越来越多的企业接受了云计算，数据也从本地迁移到了云端.这种新的数据存储模式也引发了众多安全问题，而如何确保云服务器中数据的完整性是其中的关键问题.数据拥有者亟需一个稳定、安全、可信的完整性审计方案，用于审核云服务器中数据的完整性和可用性.阐述了云计算环境下数据完整性系统模型和安全模型，以及云存储数据完整性审计的研究现状，并重点分析了部分经典方案，通过方案对比，指出当前方案存在的优点、缺陷，以及云服务中数据完整性验证当前仍然面临的安全与隐私挑战，并探讨了该领域未来的研究趋势.

摘要：
为满足私有云存储系统中采用不同底层存储介质的需求，提出了一种基于插件模式的私有云存储系统的存储池设计.在数据存储层与数据管理层之间建立统一存储层，包含各类插件并基于适配插件提供的动态性能参数，由统一存储层管理器制定存储策略和IO策略，以平衡存储节点流量，提高存储池的整体性能.实验结果表明，该设计可以提高企业存储资源利用率，提升异构存储横向扩展能力，有效降低私有云存储服务的整体运营成本.

摘要：
提出了一种利用多点地质统计法实现图像重建的方法.由于传统基于线性降维的多点地质统计法不能有效处理非线性数据，因此引入等距特征映射以实现非线性数据的降维，并利用条件数据以提高重建图像的质量.实验证明，该方法有利于提高图像重建的有效性.

摘要：
研究个体在不同时间的行为规律性，以及不同个体行为之间的相似性，可以为个性化推荐以及基于位置的服务提供帮助.从手机的基站位置数据中，通过聚类方法找到参考位置，并根据参考位置，将人们杂乱无章的行为转变为到达和离开的二进制时间序列.定义二进制时间序列的相似度，利用异或算法检测个体行为模式.在Reality数据集上的实验结果表明，该方法是有效且可靠的.

摘要：
精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度，采用了一种PSO改进T-S（Takagi-Sugeno）模糊神经网络方法.分析了数据预处理对改善输入量的重要性，讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法，从而使PSO找到最优参数，然后结合历史负荷数据、相关影响因素进行预测，以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.

摘要：
长期以来窃电问题一直困扰着电力企业，它不仅损害了供电企业的合法权益，扰乱了正常的供用电秩序，而且给安全用电带来了威胁.通过机器学习算法，对电力用电数据进行分析处理，可以预测用户是否存在窃电行为.基于电力数据中用户用电量提取相关特征，结合随机森林算法，提出了一种预测用户是否具有窃电行为的方法.对比多组实验数据，调节特征数量以及算法参数，以提高预测准确率和预测速度.

摘要：
在电力系统谐波检测中，使用快速傅里叶变换法（FFT）可以得到平稳谐波信号中的频谱，从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息，很难检测到谐波发生的具体时刻，而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号，提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知，该方法可以检测稳态谐波，确定暂态谐波的突变时刻.

摘要：
深度学习技术，近年来已经广受学术界和工业界的关注，已在图像处理及分类，自然语言处理和生物医疗领域中取得卓越成果.对于存在大量高维度数据的电力领域，引入深度学习的理论具有一定的意义.介绍了深度学习的几个经典模型结构、工作原理，以及相关领域的部分研究成果，并围绕深度学习在电力领域中的研究现状展开了论述，指出了存在的不足和未来研究的方向.

摘要：
智能电表已广泛应用于智能电网的用户侧数据采集，但开放式的采集和运行环境给数据的真实性、传输的可靠性和设备的安全性都带来了挑战，甚至会对智能电网的安全运行带来不利影响.从身份认证、数据完整性角度提出了一种适用于智能电表的安全数据采集方案，能够较好地确保用户侧数据采集真实可靠；同时针对特殊指令设置了二次确认机制，结合入侵检测和深度报文检测手段，避免恶意攻击的发生.

摘要：
对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障，从而实现对电力变压器故障的诊断.针对常见的电力变压器故障，设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统，该系统具有直观、方便、可扩展性好的特点，测试结果验证了该系统的有效性.

摘要：
非侵入式负荷监测（NILM）技术通过分解总电力负荷数据，使电力用户了解不同时段各类设备的电能消耗，帮助决策者制定合理的节能计划，减少能源开支，并对节能减排具有重要作用.分析了NILM相对于传统侵入式负荷监测的优势，具有成本低、部署简单、扩展容易等特点.概述了NILM的基本框架，从监督和非监督算法两个方面进行了详细介绍.讨论了现有的数据集和算法评价指标，并指出了目前NILM面临的挑战.

摘要：
为了提高汽轮发电机组的故障诊断准确率，提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习，在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明，改进算法能够更有效地预测汽轮发电机组的故障.

摘要：
电网监测的WSN中存在网络路由路径单一、负载不均衡、生命周期短和可维护性差等问题，因此引入局部压缩感知和低占空比机制对其网络性能进行优化.对面向电网监测的无线传感器网络中存在的关键技术进行了详细分析，并具体阐述了国内外对于该领域的研究现状及进展，提出针对局部压缩感知数据的有效恢复、低占空比机制中精确时间同步、电网监测环境下传感器网络的最优化配置等3个关键问题的研究，可以延长电网监测WSN的整体生存时间，为电网监测提供有QoS保证的数据采集与传输，推动WSN在电力系统成功应用.

摘要：
为了研究工业控制网络的安全，对工业控制网络中应用最广泛的Modbus协议的安全性进行了分析.分析比较了Modbus主设备认证算法和ModbusSec认证算法两种算法的优劣，明确了今后对Modbus工控网络安全的研究方向.

摘要：
利用协议的攻击实验分析和改进协议的安全性，确保智能电表通信安全.首先在熟悉通信协议的基础上，挖掘其存在的漏洞；然后实施arp欺骗，伪造成中间人嗅探电表与采集终端的通信流量，达到篡改电能数据的目的.实验表明，协议的脆弱性会带来中间人篡改数据的风险，最终威胁智能电表的信息安全.

摘要：
数据聚合是智能电网中的重要环节，在数据聚合的过程中应达到准确、安全、高效节能等指标.通过对DGK密码体制与盲签名加密钥分配技术两种方法的对比分析，得出盲签名加密钥分配技术更加安全可靠，同时计算开销较小的结论.

摘要：
新型智能电表普及后，为了准确检测出电网中的窃电用户，可以结合机器学习的方法.为此，选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析，通过不断调整试验数据集的大小，对3种算法的效率和准确率进行测试.对比分析结果发现，随机森林算法运行的时间和数据量的大小基本呈线性关系，效率较高，且准确率稳定在86%以上，表现较好.

摘要：
云计算中有许多关键技术，而数据的安全性成为云计算发展的制约因素.描述了云安全框架，包括安全管理进程，安全需求及风险评估方法等.为了解决数据在云端存储的安全性，设计了云计算安全框架的实现方案，该框架分6个阶段3个层次来解决数据的存储问题.

摘要：
介绍了几种身份隐私保护技术，提出了基于中国剩余定理的智能电表身份认证方案，使得智能电表的真实身份得到了有效保护，在有效抵御外部攻击者的同时，使内部参与者也不能获得用户的真实身份和实时电量.与现存的几种技术相比，本方案计算成本较低，且可以有效支持电力用户数量的动态变化，满足电力用户身份认证条件的动态更新.

摘要：
数据的不断增长推动了云计算、云存储的发展，大量数据被存储到云端，数据的不断积累占据了太多存储空间.为了节省空间，重复数据删除技术被提出并广泛使用.在原始信息锁加密的基础上进行改进，引入布隆过滤器来实现重复检测，继而完成安全存储.对方案性能进行分析后发现，可以实现基本的安全机密性，并降低了计算开销.

摘要：
随着业务量的不断增长，越来越多的企业接受了云计算，数据也从本地迁移到了云端.这种新的数据存储模式也引发了众多安全问题，而如何确保云服务器中数据的完整性是其中的关键问题.数据拥有者亟需一个稳定、安全、可信的完整性审计方案，用于审核云服务器中数据的完整性和可用性.阐述了云计算环境下数据完整性系统模型和安全模型，以及云存储数据完整性审计的研究现状，并重点分析了部分经典方案，通过方案对比，指出当前方案存在的优点、缺陷，以及云服务中数据完整性验证当前仍然面临的安全与隐私挑战，并探讨了该领域未来的研究趋势.

摘要：
为满足私有云存储系统中采用不同底层存储介质的需求，提出了一种基于插件模式的私有云存储系统的存储池设计.在数据存储层与数据管理层之间建立统一存储层，包含各类插件并基于适配插件提供的动态性能参数，由统一存储层管理器制定存储策略和IO策略，以平衡存储节点流量，提高存储池的整体性能.实验结果表明，该设计可以提高企业存储资源利用率，提升异构存储横向扩展能力，有效降低私有云存储服务的整体运营成本.

摘要：
提出了一种利用多点地质统计法实现图像重建的方法.由于传统基于线性降维的多点地质统计法不能有效处理非线性数据，因此引入等距特征映射以实现非线性数据的降维，并利用条件数据以提高重建图像的质量.实验证明，该方法有利于提高图像重建的有效性.

摘要：
研究个体在不同时间的行为规律性，以及不同个体行为之间的相似性，可以为个性化推荐以及基于位置的服务提供帮助.从手机的基站位置数据中，通过聚类方法找到参考位置，并根据参考位置，将人们杂乱无章的行为转变为到达和离开的二进制时间序列.定义二进制时间序列的相似度，利用异或算法检测个体行为模式.在Reality数据集上的实验结果表明，该方法是有效且可靠的.

摘要：
精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度，采用了一种PSO改进T-S（Takagi-Sugeno）模糊神经网络方法.分析了数据预处理对改善输入量的重要性，讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法，从而使PSO找到最优参数，然后结合历史负荷数据、相关影响因素进行预测，以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.

摘要：
长期以来窃电问题一直困扰着电力企业，它不仅损害了供电企业的合法权益，扰乱了正常的供用电秩序，而且给安全用电带来了威胁.通过机器学习算法，对电力用电数据进行分析处理，可以预测用户是否存在窃电行为.基于电力数据中用户用电量提取相关特征，结合随机森林算法，提出了一种预测用户是否具有窃电行为的方法.对比多组实验数据，调节特征数量以及算法参数，以提高预测准确率和预测速度.

摘要：
在电力系统谐波检测中，使用快速傅里叶变换法（FFT）可以得到平稳谐波信号中的频谱，从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息，很难检测到谐波发生的具体时刻，而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号，提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知，该方法可以检测稳态谐波，确定暂态谐波的突变时刻.

摘要：
深度学习技术，近年来已经广受学术界和工业界的关注，已在图像处理及分类，自然语言处理和生物医疗领域中取得卓越成果.对于存在大量高维度数据的电力领域，引入深度学习的理论具有一定的意义.介绍了深度学习的几个经典模型结构、工作原理，以及相关领域的部分研究成果，并围绕深度学习在电力领域中的研究现状展开了论述，指出了存在的不足和未来研究的方向.

摘要：
智能电表已广泛应用于智能电网的用户侧数据采集，但开放式的采集和运行环境给数据的真实性、传输的可靠性和设备的安全性都带来了挑战，甚至会对智能电网的安全运行带来不利影响.从身份认证、数据完整性角度提出了一种适用于智能电表的安全数据采集方案，能够较好地确保用户侧数据采集真实可靠；同时针对特殊指令设置了二次确认机制，结合入侵检测和深度报文检测手段，避免恶意攻击的发生.

摘要：
对电力变压器油中的溶解气体进行分析可以及时发现变压器的潜在故障，从而实现对电力变压器故障的诊断.针对常见的电力变压器故障，设计了基于变压器油中溶解气体分析方法和粗糙集方法的故障自动诊断系统，该系统具有直观、方便、可扩展性好的特点，测试结果验证了该系统的有效性.

摘要：
非侵入式负荷监测（NILM）技术通过分解总电力负荷数据，使电力用户了解不同时段各类设备的电能消耗，帮助决策者制定合理的节能计划，减少能源开支，并对节能减排具有重要作用.分析了NILM相对于传统侵入式负荷监测的优势，具有成本低、部署简单、扩展容易等特点.概述了NILM的基本框架，从监督和非监督算法两个方面进行了详细介绍.讨论了现有的数据集和算法评价指标，并指出了目前NILM面临的挑战.

摘要：
为了提高汽轮发电机组的故障诊断准确率，提出了基于BP神经网络改进算法的故障诊断系统.根据输入特征向量对BP神经网络进行学习，在matlab上分别采用两种算法对故障诊断模型进行测试.结果表明，改进算法能够更有效地预测汽轮发电机组的故障.

摘要：
电网监测的WSN中存在网络路由路径单一、负载不均衡、生命周期短和可维护性差等问题，因此引入局部压缩感知和低占空比机制对其网络性能进行优化.对面向电网监测的无线传感器网络中存在的关键技术进行了详细分析，并具体阐述了国内外对于该领域的研究现状及进展，提出针对局部压缩感知数据的有效恢复、低占空比机制中精确时间同步、电网监测环境下传感器网络的最优化配置等3个关键问题的研究，可以延长电网监测WSN的整体生存时间，为电网监测提供有QoS保证的数据采集与传输，推动WSN在电力系统成功应用.

摘要：
为了研究工业控制网络的安全，对工业控制网络中应用最广泛的Modbus协议的安全性进行了分析.分析比较了Modbus主设备认证算法和ModbusSec认证算法两种算法的优劣，明确了今后对Modbus工控网络安全的研究方向.

摘要：
利用协议的攻击实验分析和改进协议的安全性，确保智能电表通信安全.首先在熟悉通信协议的基础上，挖掘其存在的漏洞；然后实施arp欺骗，伪造成中间人嗅探电表与采集终端的通信流量，达到篡改电能数据的目的.实验表明，协议的脆弱性会带来中间人篡改数据的风险，最终威胁智能电表的信息安全.

摘要：
数据聚合是智能电网中的重要环节，在数据聚合的过程中应达到准确、安全、高效节能等指标.通过对DGK密码体制与盲签名加密钥分配技术两种方法的对比分析，得出盲签名加密钥分配技术更加安全可靠，同时计算开销较小的结论.

摘要：
新型智能电表普及后，为了准确检测出电网中的窃电用户，可以结合机器学习的方法.为此，选择了支持向量机、随机森林和迭代决策树3种机器学习中较常用的大数据算法进行分析，通过不断调整试验数据集的大小，对3种算法的效率和准确率进行测试.对比分析结果发现，随机森林算法运行的时间和数据量的大小基本呈线性关系，效率较高，且准确率稳定在86%以上，表现较好.

摘要：
云计算中有许多关键技术，而数据的安全性成为云计算发展的制约因素.描述了云安全框架，包括安全管理进程，安全需求及风险评估方法等.为了解决数据在云端存储的安全性，设计了云计算安全框架的实现方案，该框架分6个阶段3个层次来解决数据的存储问题.

摘要：
介绍了几种身份隐私保护技术，提出了基于中国剩余定理的智能电表身份认证方案，使得智能电表的真实身份得到了有效保护，在有效抵御外部攻击者的同时，使内部参与者也不能获得用户的真实身份和实时电量.与现存的几种技术相比，本方案计算成本较低，且可以有效支持电力用户数量的动态变化，满足电力用户身份认证条件的动态更新.

摘要：
数据的不断增长推动了云计算、云存储的发展，大量数据被存储到云端，数据的不断积累占据了太多存储空间.为了节省空间，重复数据删除技术被提出并广泛使用.在原始信息锁加密的基础上进行改进，引入布隆过滤器来实现重复检测，继而完成安全存储.对方案性能进行分析后发现，可以实现基本的安全机密性，并降低了计算开销.

摘要：
随着业务量的不断增长，越来越多的企业接受了云计算，数据也从本地迁移到了云端.这种新的数据存储模式也引发了众多安全问题，而如何确保云服务器中数据的完整性是其中的关键问题.数据拥有者亟需一个稳定、安全、可信的完整性审计方案，用于审核云服务器中数据的完整性和可用性.阐述了云计算环境下数据完整性系统模型和安全模型，以及云存储数据完整性审计的研究现状，并重点分析了部分经典方案，通过方案对比，指出当前方案存在的优点、缺陷，以及云服务中数据完整性验证当前仍然面临的安全与隐私挑战，并探讨了该领域未来的研究趋势.