Разработка общего алгоритма резервного копирования для мобильных устройств с использованием внешнего диска-Магистерская диссертация

Содержание

Введение 3
Обзор литературы 4
Глава 1. Инструментарий 5
1.1. Типы резервного копирования 5
1.2. Context Triggered Piecewise Hash 6
1.3. Кусочное хеширование 6
1.4. Алгоритм скользящего хэширования 7
1.5. Объеденный хеш алгоритм 7
1.6. Алгоритм спама 8
1.7. Сравнение подписей спама 9
1.8. Пример использования алгоритма сравнения 10
1.9. Алгоритм сравнения изображений 12
1.10. SSIM 13
1.11. Fast Feature Detection 14
1.12. Oriented FAST and Rotated BRIEF 15
1.13. Расстояние Хэмминга 16
1.14. Binary Robust Invariant Scalable Keypoints 16
Глава 2. Основной алгоритм 18
2.1. Алгоритм классификации файлов 18
2.2. Обнаружение изменённых файлов 19
Глава 3. Тестирование итогового комплекса 20
3.1. Обзор пользовательского интерфейса мобильного приложения 21
3.2. Основные выводы 25
Заключение 26
Список литературы 27
Программный код приложения 29

Введение

Резервное копирование - важная задача, поскольку отказы оборудования и программного обеспечения, а также человеческий фактор могут привести к потери важной информации. Ещё более важны резервные копии для ноутбуков и мобильных устройств поскольку они достаточно часто становятся объектами краж. В современном обществе телефон сопровождает человека большую часть его дня, не удивительно что в нем начинает хранится большое количество личной информации. Поэтому очень важно сохранить эти данные.
Несмотря на то, что современные технологии позволяют сохранять резервную копию в облачных сервисах, вероятность утечки данных хранимых на портативных накопителях намного меньше.
В рамках исследовательской работы изучим различные методы резервного копирования, а также алгоритм позволяющий определять сходства файлов. Изучив различные подходы, мы реализуем свой программный комплекс для создания резервной копии данных с мобильного устройства.
На текущий момент более 70% мобильных телефонов работают под управлением операционной системы Android [1]. Поэтому мобильное приложение разработано под данную операционную систему.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

КУРСОВЫЕ СТАТЬИ ВКР

Заключение

Основные результаты работы:
• Разработан алгоритм классификации файлов для бэкапа.
• Создан программный комплекс для определения изменённых текстовых файлов и изображений.
• Алгоритм интегрирован в мобильное Android-приложение с количеством скачиваний более 10 тысяч.
• Получены положительные отзывы от пользователей.
• По результатам работы сделан доклад на LI Международной конференции "Процессы управления и устойчивость"(CPS’20) и опубликована статья [13].

Литература

[1] GlobalStats [Электронный ресурс]: URL: https: //gs. stat counter. com /os-market-share/mobile/worldwide (дата обращения: 20.02.22).
[2] Techtarget [Электронныйресурс]: URL:https://www.techtarget. com/s earchdatabackup/feature/Full-incremental-or-differential-H ow-to-choose-the-correct-backup-type (дата обращения: 20.02.22).
[3] Pair [Электронный ресурс]: URL:https://www.pair. com/support/kb/ snapshots-and-backups-what-is-the-diffегепсе/(дата обращения: 20.02.22).
[4] Cloudian [Электронный ресурс]: URL:https: //cloudian. com/guides/ data-protection/continuous-data-protection/(дата обращения: 20.02.22).
[5] Nicholas Harbour, Defence Coumputer Forensics Lab, 2002.
[6] Jesse D. Kornblum. Identifying almost identical files using context triggered piecewise hashing // Digital Investigaton. 2006. P.91-97.
[7] Llyod Allison. Dynamic programming algorithm (DPA) for edit-distance // Monash University. 1997.
[8] Andrew Tridgell, Spamsum README, 2002.
[9] Zhou Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli. Image quality assessment: from error visibility to structural similarity // IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600-612, April 2004, doi: 10.1109/TIP.2003.819861.
[10] E. Rosten, R. Porter and T. Drummond. Faster and Better: A Machine Learning Approach to Corner Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 32, no. 1, pp. 105-119, Jan. 2010, doi: 10.1109/TPAMI.2008.275.
[11] E. Rublee, V. Rabaud, K. Konolige and G. Bradski. ORB: An efficient alternative to SIFT or SURF //2011 International Conference on Computer Vision, 2011, pp. 2564-2571, doi: 10.1109/ICCV.2011.6126544.
[12] S. Leutenegger, M. Chli and R. Y. Siegwart. BRISK: Binary Robust invariant scalable keypoints // 2011 International Conference on Computer Vision, 2011, pp. 2548-2555, doi: 10.1109/ICCV.2011.6126542.
[13] Щербаков Г. А, Сачков А. В. Разработка мобильного приложения, учитывающего предпочтения пользователя // Процессы управления и устойчивость. 2020. Т. 7. № 1. С. 304-310.