论文部分内容阅读
软件的质量是软件的生命,许多的开发人员和用户都非常重视软件质量问题。本文从软件测试和软件质量的概念入手来分析软件测试过程和质量控制的策略,以便在之后更好地提升软件质量。
软件测试过程的质量控制分析
【摘 要】
：
软件的质量是软件的生命,许多的开发人员和用户都非常重视软件质量问题。本文从软件测试和软件质量的概念入手来分析软件测试过程和质量控制的策略,以便在之后更好地提升软件质量。
【机 构】
：
沈阳职业技术学院 辽宁 110045
【出 处】
：
网络安全技术与应用
【发表日期】
：
2021年05期
其他文献
互联网技术的发展为人们带来了丰富的信息资源,为各行业提供了发展的便利,但是黑客、病毒等各种安全问题,导致用户的信息泄露、丢失或被篡改。本文对大数据时代互联网安全的发展情况进行了分析,从安全指标量化、感知模型架构两方面论述了安全态势系统模型的具体建立方式,提出了采集服务器、分析平台等安全态势系统应用,以期为行业相关人员提供系统设计和应用的具体思路。
情感分析作为自然语言处理领域比较热门的研究方向,备受研究人员的关注。本文从情感分析的任务出发,对情感分类、情感信息抽取、情感信息的检索与归纳三个任务进行了介绍,重点阐述了情感分类研究中基于词典、基于机器学习的情感分类方法,最后本文介绍了情感分析的应用和情感分析的研究难点。
信息时代的到来使得人们的生活方式发生了翻天覆地的变化,并且信息化数据及其相关技术已经逐渐成为人们生活中不可缺少的重要组成部分,为人们的各种活动提供着便利,而这也正是大数据的作用。依托于互联网信息系统而开展的一系列活动中,产生了大量的数据,随着技术的创新发展,数据的规模和数量也越来越多,为了能够将所有数据进行及时有效的处理,云计算技术应运而生,该技术是在互联网之下形成的交付方式之一,可以满足多个领域
由于现代社会通讯技术的发展,使得消息的传递更加方便,但同时伴随着消息被窃听,泄露,篡改的危险。为了安全的传递消息,许多加密算法随即被提出。本文主要讨论基于离散对数问题的椭圆曲线加密方案,通过结合几何与代数的思想来讨论椭圆曲线的运算规律,提出基于蒙哥马利域设计运行椭圆曲线加密解密程序,其相对于一般数域程序结果大概快了10倍。
在以往的网络环境中,人们普遍希望通过检索来获取一些信息,这样能够满足多方面的需求,例如在理财认证方面,人们就希望检索得到可靠信息,验证理财机构的可信度等,但当时通过检索得到的信息基本都是文本格式的,该格式的信息可以被随意编写,因此并不能满足可靠度方面的需求。这时人脸识别技术的出现,让人们对信息格式有了新的追求,除去以往文本格式信息以外,还希望得到人脸图像等人物信息,此类信息无法被随意编写,说明信息
随着信息技术的发展,大数据时代已经到来,在此背景下,计算机技术的应用领域也越来越广泛,给人们的生产生活带来了诸多便利。并且在计算机技术高速发展的过程中,诞生了人工智能技术,人工智能技术从出现到现在已经经历了很长时间的发展,具有诸多优势,能够运用到计算机技术当中并带来全新的改变。在大数据的辅助下,人工智能技术在网络技术中的应用能够拓展到很多方面,本文将对大数据以及人工智能的特点涵义进行阐述,分析大数
在云计算的所有安全需求中,访问控制是加强信息和云系统抵御非法访问的基本条件之一。尽管已经为云计算范例提出并实现了不同的访问控制模型,但这些模型可能无法充分满足云系统的动态和灵活性要求。提出了一个用于云计算环境的动态授权系统,该系统采用了角色、任务和用户可信度的概念,提供了被动和主动访问控制以及可信计算的特点,从而将该模型融合到更细粒度和动态的云计算环境中。
大数据时代全面到来后网络舆情发生了变化,其数据规模大幅提升、增长速度显著加快,网络舆情监管工作在这种情况下变得更加困难。鉴于此,本文就网络舆情与大数据技术的适用性展开讨论,研究大数据思维方法在网络舆情监控中的重要作用,对大数据技术应用于网络监控后可能出现的问题进行深入讨论,以期为网络舆情监控提供全新的思维方式和解决办法,对相关监管部门提供借鉴和参考。
云计算是基于互联网的新型IT服务提供架构,其是通过互联网利用集群计算的方式向用户提供服务的新型网络业务。伴随我国的云计算技术的快速进步,在当今的信息化社会中,人们对于云计算服务也提出了更高的要求,这也给云资源池的网络信息安全问题提出了更大的挑战。为了有效为用户提供安全可靠的云计算服务,不断加强云资源池的网络安全管理是十分必要的。鉴于此,文章首先对当前网络环境下云资源池存在的安全风险进行了分析,然后
实现客户管理、转变传统保险营销模式是保险行业大数据应用最重要的一个方向[1]。本文以上海市A保险公司的真实生产客户数据为基础,通过K-means训练客户样本数据,实现保险金融行业对客户的精准营销[2]。本算法基于平均轮廓系数(Average Silhouette Coefficient)寻找最优K值[8]和K-means算法搭建真实客户的聚类模型,然后基于改进的RFM客户模型进行聚类因子建模,迭代