Large amounts of data are hosted in

Large amounts of data are hosted in the cloud,
and cloud providers must guarantee its authenticity
and integrity to all users. Verifying the point of origin
for multisourced data is a challenge. It’s further
challenging when data are hosted with high velocity
(for example, data from millions of sensors continuously)
Preserving integrity over time when there’s
a large user base demands more scalable solutions.
For this problem, provenance-based solutions and
graph-based integrity validation models for big data
need to be researched

ผลลัพธ์ (ไทย) 1:

ข้อมูลจำนวนมากมีโฮสต์อยู่ในเมฆและผู้ให้บริการคลาวด์ต้องรับรองความถูกต้องและความสมบูรณ์ของผู้ใช้ทั้งหมด ตรวจสอบจุดกำเนิดของสำหรับข้อมูล multisourced เป็นสิ่งที่ท้าทาย จึงเพิ่มเติมกระตุ้นเมื่อมีจัดข้อมูล ด้วยความเร็วสูง(ตัวอย่าง ข้อมูลจากเซ็นเซอร์อย่างต่อเนื่องเป็นล้าน ๆ)รักษาความสมบูรณ์ของช่วงเวลาเมื่อมีฐานผู้ใช้ขนาดใหญ่ต้องการโซลูชั่นที่สามารถต่อขยายเพิ่มเติมการแก้ไขปัญหานี้ ใช้ provenance ปัญหา และรุ่นตรวจสอบความสมบูรณ์ตามกราฟสำหรับข้อมูลขนาดใหญ่จำเป็นอย่าง

ผลลัพธ์ (ไทย) 2:

ข้อมูลจำนวนมากเป็นเจ้าภาพในเมฆและผู้ให้บริการคลาวด์จะต้องรับประกันความถูกต้องและความสมบูรณ์ของผู้ใช้ทั้งหมด การตรวจสอบจุดที่มาข้อมูล multisourced เป็นสิ่งที่ท้าทาย มันเป็นอีกความท้าทายเมื่อข้อมูลที่เป็นเจ้าภาพด้วยความเร็วสูง(เช่นข้อมูลจากล้านเซ็นเซอร์อย่างต่อเนื่อง) รักษาความสมบูรณ์อยู่ตลอดเวลาเมื่อมีความต้องการของฐานผู้ใช้ขนาดใหญ่โซลูชั่นที่ปรับขนาดได้มากขึ้น. สำหรับปัญหานี้รากที่ใช้โซลูชั่นและกราฟตามการตรวจสอบความสมบูรณ์รุ่นสำหรับข้อมูลขนาดใหญ่ต้องมีการวิจัย

ผลลัพธ์ (ไทย) 3:

จำนวนมากของข้อมูลที่เป็นเจ้าภาพในเมฆ , และผู้ให้บริการเมฆจะต้องรับประกัน

ของความถูกต้องและความสมบูรณ์ของผู้ใช้ทั้งหมด การตรวจสอบประเด็น
สำหรับข้อมูล multisourced คือความท้าทาย มันท้าทายต่อไป

เมื่อข้อมูลถูกจัดด้วยความเร็วสูง ( ตัวอย่างเช่น ข้อมูลจากล้านของเซ็นเซอร์ๆ )
รักษาความซื่อสัตย์ตลอดเวลาเมื่อมี
ฐานผู้ใช้ขนาดใหญ่ความต้องการยืดหยุ่นมากขึ้นโซลูชั่น .
สำหรับปัญหานี้โซลูชั่นที่มาตามกราฟตามความสมบูรณ์และการตรวจสอบรูปแบบ

ข้อมูลใหญ่ต้องสนใจ