下面是小编给大家带来关于大数据环境下网络安全技术实践探索论文，本文共5篇，一起来看看吧，希望对您有所帮助。
篇1：大数据环境下网络安全技术实践探索论文
摘要：计算机技术和互联网技术的进步，促成了大数据的繁荣发展。在大数据时代，网络安全涉及技术、管理、使用等诸多方面，给人们带来方便的同时，也使得网络安全面临着更加严峻的挑战。本文介绍了大数据时代基本知识，并结合基于大数据时代网络安全的主要问题，提出了相应的防御手段。
关键词：大数据；网络安全；实践
0引言
近年来，大数据问题毫无疑问地成为了信息技术学术界和产业界热论的焦点。在发展过程中，数据信息已经蔓延到淘宝、微信、快递等相关领域，囊括了大量的个人隐私，反映着人们生活的各个细节。尤其是互联网的飞速发展，更加速了数据的产生速度，使其规模逐渐加大，运用大数据手段进行分析处理的需求十分迫切。整体来看，大量数据的生成和累积带来了巨大的经济价值和社会价值。但是，事物的产生与发展都是具有两面性的。对于大数据的迅猛发展，虽然推动了整个信息产业的创新发展，却也增大了网络安全管理的难度，一旦疏忽或有漏洞被不法分子利用，将造成极大的不良影响和严重后果。基于此，给大数据环境下的网络安全技术带来了机遇与挑战。
1大数据时代基本知识概述
所谓大数据，并不意味着是对数据量大小的定量描述，而是涉及更大规模的资料量，努力从这些种类繁多、数量庞大的多样数据中进行相关信息的获取，其特点是海量、多样、快速、灵活而复杂。受大量敏感信息的产生，所涉及的网络安全分析也较多。第一，物理安全分析。网络规划、网络系统设计的合理性；机房环境防潮防尘、防止电磁干扰等，这些网络的物理安全是整个网络系统安全的前提。第二，信息内容安全分析。信息的泄露与破坏，会给用户带来隐患和困扰，严重的还会泄露一些重要信息，给经济、社会和政治产生很大的影响。第三，信息传播安全分析。各种网络通信协议并不是专门为实现数据的安全通信而设计的，所以大多存在一些安全漏洞，给信息传播带来阻力，严重时将直接导致整个网络系统瘫痪。第四，管理安全分析。安全管理制度的不健全，使得网络即使出现攻击行为或违规操作，也无法寻回丢失的数据。总的来看，网络没有100%的安全，在大数据时代，网络安全建设是三分靠技术，七分靠管理。
篇2：大数据环境下网络安全技术实践探索论文
大数据有着海量、多样化、变化速度快以及价值密度低等特点，涉及采集、传输、保存、分析等多方面因素，在安全上有着很高的要求。一旦发生数据泄露，造成的影响将难以估量。具体分析，主要涉及以下几方面：
2.1用户自身安全意识不足
从当前的社会现实来看，人们普遍对信息缺乏安全意识，如办理超市会员卡，就会时常收到超市举办的活动信息；在网络上购买过化妆品，便会经常弹出关于化妆品的推荐等。事实上，很多无意中的行为已经将个人的隐私和信息泄露出去，可能并不是所有的信息泄露都会带来危险，但若这些大数据信息被不法分子破坏并利用，极有可能大幅提高了网络遭受攻击的可能性。
2.2访问权限混乱
在大数据泛滥的情况下，访问权限的设置必须引起重视。所谓访问权限，主要以保障每个用户的隐私安全，维护网络信息访问秩序为目的，根据用户身份的.标识来限制某些信息的获取。但是，随着网络发展迅猛各种信息被高速传送，信息访问权限在一定程度上存在混乱，而这也给用户的安全隐私造成了直接的风险。
2.3的增多
在网络节点不断增加的环境下，越来越多的看到了所谓大数据漏洞中的“商机”，开始利用传输过程中的漏洞来获取数据。给个人身份信息、社交信息、财产状况带来了泄露风险，甚至于还会给企业以及政府的相关敏感信息增加了附带风险。
2.4存储方面的问题
鉴于目前关系型数据库技术尚不成熟，在大数据中更多呈现的是非结构化数据，当不同类别的数据集中起来，极易造成数据存储方面的混乱。而存储方面的漏洞与缺陷又直接促生了许多的安全防护问题，会出现数据被篡改、失窃的现象。
3大数据时代下提高网络安全技术的具体方法
从大数据环境下的网络安全面临的现实问题出发，进行有针对性的相关分析，得出几方面的提高网络安全技术有效措施，对网络安全技术的提升有着良好的应用效果。具体而言，主要包括以下几方面：
3.1提高用户安全意识，培养网络安全人才
提高大数据用户的合法权益，是确保大数据进一步发展的重要前提。只有用户有意识地保护自身的数据信息的安全性，提高安全意识，才能为个人信息安全打好基础，促使用户将数据的存储与使用分开保护，并根据实际情况对数据进行加密，全方位确保数据的安全。另外，作为维护网络安全的重要部分，网络安全管理人员必须掌握更多与网络安全相关的知识，将其灵活应用于自身工作过程中，提高网络安全管理效率，使网络安全管理工作更加规范化。
3.2强化网络安全技术手段，维护系统安全
如前文所述，在大数据环境下，病毒传播、系统漏洞攻击等情况不可避免，所以在未来必须进一步强化网络安全技术手段，让整个互联网管理更标准，系统更安全。第一，访问权限控制。访问控制通常以用户身份认证为前提，通过对用户访问网络资源的权限的严格认证和控制，对用户进行身份认证，设置用户访问目录和文件的权限以及网络设备配置的权限等。这种对资源访问者的筛选，能够有效地将非法用户阻挡，实现维护系统安全的目的。第二，数据加密。采用加密算法和加密密钥将明文的数据转变成密文，可以保证信息数据存储和传输过程中的安全性。第三，网络隔离。防火墙是目前在大数据环境下网络隔离的主要形式与手段，通过分析、检测、管理和控制网络内外部之间的数据流量，进一步筛选哪些内部服务可以被外界访问，从而保护内部网络免受外部非法用户的侵入。同时，入侵检测作为防火墙技术的一种补充，其同样可以通过监测网络实现网络安全防御措施，实时保护网络安全。第四，病毒防治与预防。目前大数据环境下最理想的防止病毒攻击的方法是安装防病毒软件、定期升级病毒库、及时安装最新的安全补丁等，如此有效阻止病毒进入系统。第五，数据备份。重要的数据一旦丢失，后果不堪设想。所以，必须进行数据容灾备份。数据备份是对数据进行保护的最后一道防线，即使已经存在一系列安全设备，也要对数据进行备份，防止数据丢失，在最大限度上确保数据的安全。
3.3加强网络监管力度，做好检验及防范工作
网络安全的基础是网络监管制度，无论什么时候，具备完善的监管制度，都是进行网络安全处理的现实依据。加快大数据平台建设的同时确保信息的安全，必须严格控制数据的收集传输和使用，定时开展安全审查，定期进行安全检测与风险评估与定位；加强系统的修复工作，抢在蠕虫、等各种病毒攻击前加强防范措施；另外，还要积极建立网络安全信息管理平台，利用大数据对网络数据流进行分析，整体提升排查隐患、紧急处置的能力，达到预知网络漏洞并及时做出修补的目的。
4结语
大数据环境下的网络安全无论是从管理、使用，还是单纯的技术等方面，都面临着严峻的挑战。可以说，发展大数据已经成为行业共识，是必然趋势。在这一大环境下，我们只有树立网络安全意识，加强对大数据的深入分析，对网络安全现状及其存在的诸多漏洞与现实问题进行梳理，对病毒的侵袭进行有效的监管和防范，从提高用户安全意识，强化网络安全技术手段，加强网络监管力度等方面逐一进行完善与提升，才能保证客户信息的安全、稳定，才能为网络提供强大的安全服务，推动计算机管理技术在大数据背景下安全使用，提升各行各业的经济效益。
参考文献：
[1]万志华.大数据环境下的计算机网络信息安全问题研究[J].科技创新与研究，.
[2]姜茸,马自飞,李彤.云计算安全风险因素挖掘及应对策略[J].电子技术与软件工程，.
[3]张传勇.基于大数据时代下的网络安全问题分析[J].网络安全技术与应用，2015.
[4]邓坤.基于大数据时代下的网络安全问题分析[J].课程教育研究（学法教法研究），2016.
篇3：网络安全分析的大数据技术实践解析论文
摘要：网络信息技术的迅速发展，使得人们的生活生产变得更为方便，但是面对呈井喷式增长的数据，再加上其复杂程度越来越高，都使得网络安全面临较大威胁，网络安全问题已经引起了人们的广泛重视。本文着眼于大数据技术应用于网络安全分析中的重要性，对其实践应用进行了分析，并探究了大数据技术背景下网络安全平台的建设策略，希望对构建安全网络环境具有帮助作用。
关键词：网络安全分析；大数据技术；重要性；平台建设
0引言
网络化、信息化时代背景下，人们对互联网的依赖程度越来越高，但是网络信息安全问题也变得更为严峻，近些年所发生的网络安全事件屡见不鲜，如老牌信用机构Equifax遭攻击，1.43亿用户信息被盗事件，全球爆发WannaCrypt勒索病毒等。面对愈发复杂的网络环境以及海量增长的数据信息，传统网络安全防护技术已经无法满足实际需求，将大数据技术加以充分应用，构建网络安全平台，能够显著增强网络安全等级，是当下研究的热点。
1大数据技术应用于网络安全分析中的重要性
大数据技术具有有数据量大、种类繁多、速度快、价值密度低等特点，在网络安全分析中有着较高的应用价值，其重要性具体体现在以下几方面。第一，大数据技术可以拓宽数据存储容量，满足海量数据安全分析需求，并且在对多源数据和多阶段组合进行分析时，在保证运算效率的同时，还能确保数据的完整性。第二，大数据技术能够对网络数据进行多层级、多精度分析，理清数据间的复杂关系，找出其中潜在的安全隐患和风险，网络安全分析精度大幅提升。第三，利用大数据分析技术，可以对异构数据进行存储和分析，显著提高了网络安全分析速率，能够在更短时间内发现并解决网络安全问题[1]。第四，传统网络安全平台为结构化数据库，而基于大数据技术的'网络安全平台为分布式数据库，具有良好的经济效益，设备成本较低且性能良好，减少了系统维修费用，降低了网络安全平台构建成本。
篇4：网络安全分析的大数据技术实践解析论文
将大数据技术应用于网络安全分析方面，可以实现对日志和流量的集中化存储与分析，深层挖掘数据之间的关系，增强了网络安全检测及防防护能力。
2.1数据采集
网络安全分析需要依托全面、完整的信息数据，在应用大数据技术时，应先完成数据采集。对于每秒数百兆的日志信息来讲，可以利用Chukwa等工具对其进行采集；对于全数量数据来讲，可以使用传统数镜向方式对其进行采集[2]。
2.2数据存储
完成数据采集后，需依托数据库对其进行集中存储，在大数据技术的帮助下，数据类型存在差异时，可以采用与其相匹配的方式完成存储，不仅能够保证数据之间的明确分类，又可以方便数据查询。数据类型为即时数据时，可采用列式存储方法，先运用流式计算方式进行分析，然后存储所得结果。数据类型为日志时，为提高数据查询效率，可选用列式存储方法完成存储。另外，当数据经过标准化处理后，需要先对其进行处理，所用方法为分布式计算方法，然后再采用列式存储方法进行存储。
2.3数据查询
将大数据技术应用于网络安全分析中去，就数据查询来讲，可依托MapReduce完成[3]。系统发出查询指令后，在对应的节点位置完成处理，并将多种结果加以整合，然后可以通过检索得到自己所需数据信息。相较于传统网络安全分析平台，这种数据查询方式的指令反应及处理更为迅速，大大提高了查询效率。
2.4数据分析
基于大数据技术的网络安全分析平台，当数据类型不同时，所用分析处理方法也是不一样的。首先，如果数据类型为实时数据时，在对其进行分析和处理时，主要用到了流式计算方式、CEP技术、关联分析算法等，可以及时发现潜在的安全隐患及威胁。其次，如果数据类型为历史数据、统计结果时，在实效性方面要求并不严格，可对其进行离线处理，完成更为深入、全面的分析，所用方法主要为分布式存储与计算，既能够发现其中的风险隐患，又可以找出攻击来源。
2.5复杂数据处理
面对越来越复杂以及关联性越来越强的数据，以大数据技术为依托的网络安全分析平台，也可以更加迅速、精准地对其进行处理，包括多源异构数据、系统安全隐患以及关联性攻击行为等。以网络安全问题中常见的僵尸网络为例，借助大数据技术，不但能够从流量和DNS访问特性出发，而且能进行发散性关联分析，同时结合多方面的数据信息，可对数据进行多维度、深层次、全方位分析，确保了数据处理的有效性。
3大数据技术背景下网络安全平台建设
基于大数据技术所体现出的多方面优势，已经在网络安全分析方面得到了越来越广泛的应用，在构建网络安全平台时，需要科学设计其基础构架，并严格把控关键技术环节，充分发挥其应用价值。
3.1平台构架
以大数据技术为依托，所搭建的网络安全平台分为四个层级，包括数据采集层、数据存储层、数据挖掘分析层、数据呈现层，四个层级功能各不相同，需要分别对其进行分析。首先，数据采集层主要负责采集各种类型数据，包括即时数据、用户身份信息、日志等，实现方式为分布式采集。其次，数据存储层的能够实现海量信息的长期保存，并采用结构化、半结构化、非结构化方式对其进行统一存储，使用均衡算法将现实数据均匀分布在分布式文件系统上[4]。另外，网络安全异常的发现及溯源，则是在数据挖掘分析层完成，具体方法包括特征提取、情境分析、关联分析等，可通过检索查询对异常网络行为进行准确定位。最后，数据呈现层则可以通过可视化形式将大数据分析结果呈现出来，通过多种维度展现网络安全状态。
3.2关键技术
构建网络安全平台时，所用到的关键技术主要有数据采集技术、数据存储技术、数据分析技术等。此次研究所用数据采集技术包括Flume、Kafka、Storm等，Flume能够采用分布式方式，对来源不同的数据进行收集和整理，经过处理后将其传输至定制方。Kafka中应用了Zookeeper平台，可实现数据的集群配置管理，能够作为一个高吞吐量的分布式发布订阅系统应用，平衡数据处理环节的系统负荷。完成数据采集后，采用HDFS分布式文件系统对其进行存储，其容错性和吞吐量都比较高，使用元数据管理节点文件系统对空间命名，数据文件保存至数据节点，基本存储单位为64兆字节的数据块。数据文件会随着元数据节点的增多而减少，两者之间呈反比关系，多个文件同时被访问时，会对系统性能造成影响，而HDFS分布式文件系统的应用可有效避免这种问题。在数据分析环节，该平台所用技术为Hivc，对于非结构化数据的检索，所用语言为HiveQL，与HDFS和HBase匹配性良好。API的封装则是采用Hive完成，使用定制的插件开发和实现各种数据的处理、分析与统计。
4结束语
将大数据技术应用于网络安全分析领域，不仅能够提高分析速率、分析精准度，而且还可以降低技术成本，有着多方面显著优势，是未来网络安全防护的必然发展方向。在实际应用时，应采用层级结构构建网络安全平台，就数据采集、数据存储、数据分析等关键技术环节进行重点把控，以此来改善当前网络安全分析中的缺陷与不足，提高网络安全等级。
参考文献：
[1]孙玉.浅谈网络安全分析中的大数据技术应用[J].网络安全技术与应用，.
[2]王帅,汪来富,金华敏等.网络安全分析中的大数据技术应用[J].电信科学，.
[3]贾卫.网络安全分析中的大数据技术应用探讨[J].网络安全技术与应用，.
[4]万明秀,宋秋莲.网络安全分析中的大数据技术应用探讨[J].无线互联科技，2017.
篇5：云计算环境下数据挖掘技术分析论文
云计算环境下数据挖掘技术分析论文
摘要：随着经济社会不断发展与进步，科技信息技术为了适应社会发展的需求，也在不断地提高。云计算作为互联网发展中的一项新兴技术，渐渐成为了人们生活中不可或缺的一部分，并被广泛运用于军事领域、医疗领域与金融领域等。随着计算机的不断发展，基于云计算环境下的数据挖掘技术已经成为一项非常高效与实用的技术，它可以有效的解决传统数据挖掘方式不适合解决海量数据的问题。本文通过对云计算环境下的数据挖掘技术的分析与探讨，期望可以加深同行业工作者对数据挖掘技术的了解，为将来电子商务发展效率的提高，打下结实的基础。
关键词：数据挖掘，云计算，技术
随着移动互联网和物联网的迅速发展，如今的社会正处于大数据时代。数据的海量增加，对数据挖掘系统带来了极大的挑战。而云计算的出现便能有效解决这一难题，它可以使分布在不同计算机的数据集中在统一的云端，这样便有利于我们对数据的获取与挖掘。云计算中可弹性变化的计算能力和海量存储能力，更是为解决海量数据挖掘提供了有效的解决途径。
一、数据挖掘的内涵
数据挖掘是我们通过大量数据集进行分类以识别趋势和模式并建立关系的自动化过程。因为当今是一个大数据时代，我们需要从海量数据中提取和挖掘对我们有利的信息，从而来更好地为各种应用系统服务，如物联网、社交媒体等。而数据挖掘，就能从海量数据的挖掘到所需的信息，从而为你提供比没有使用这些工具的竞争对手更大的优势。
二、基于云计算环境下的数据挖掘技术分析
数据挖掘具有数据清理、数据变换、数据挖掘实施过程、模式评估与知识表示等8个步骤。这8个步骤，能帮我们更好地从海量数据中提取我们所需的有价值的信息。而在数据挖掘中，最重要的是数据收集处理与数据存储工作。第一，数据收集处理。我们在进行数据收集与处理时，可以先用决策树来判别是用户访问数据还是Web机器人访问数据。然后再将海量数据进行过滤、转换、清洗、整合，将其变成半结构化的XML文件进行保存。虽然现在流行用Map—Reduce模式来进行数据收集，但其开发工具还不够完善[1]。在今后的数据挖掘技术发展与完善的过程中，我们可以将结合分形维数和其他技术的方法作为新的发展方向。不断地强化数据收集处理功能，使其能更好地为各种应用系统服务。第二，数据的存储工作。云计算系统中的分布式存储策略，是运用最广泛的数据存储方式。它可以将同一个数据存储为多个副本，这在一定程度上保证了数据的可靠性，而且还不是冗余复制。而且系统中，还存在心跳检测、错误隔离等措施。虽然通过数据副本的存储方式能够有效的提高数据存储安全性，但是数据的计算速度和移动速度都比较慢，且实际的工作效率也并不理想。因此，我们在进行数据迁移的时候，可以利用MASTER系统来完成计算数据迁移工作。我们可以通过寻找数据副本进行抵制，既可以进行迁移又可以完成既定工作，这样不但使工作效果更加理想，而且实际工作效率也大幅度的提高。
三、云计算环境下数据挖掘技术的优势
利用云计算进行数据挖掘，具有以下的优点：第一，云计算环境下的数据挖掘可以隐蔽底层，这样使得我们的数据开发工作更加便利。用户不用考虑计算分配、计算调度任务与数据划分等问题，既能有效地提高工作效率，还便于我们操作；第二，云计算提高了大规模数据的处理能力和处理速度；第三，使得数据处理的成本降低，不再需要购买高性能的机器，从而有效提高了收益；第四，基于云计算的数据挖掘技术，可以使我们有效地从海量数据中挖掘出我们需要的信息，创造了良好的开发环境和应用环境，让挖掘任务变得更加简单。
四、云计算环境下数据挖掘技术面临的问题与挑战
目前，云计算还处于初级阶段，发展还不够成熟，也存在着一些问题与挑战，主要包括以下几个方面：第一，软件与服务的可信度不高。云计算要重视隐私安全问题，不断提升云计算的隐私安全保护能力，才能让用户放心使用云计算；第二，存在太多的不确定性。如数据挖掘的方法及结果、挖掘结果的评价和数据挖掘任务的描述等；第三，算法的'选择问题。不同的问题要用合适的算法和策略来进行数据的处理，云计算数据挖掘技术在这一方面还有待加强。大数据挖掘技术应用的过程中，验证技术的局限性也非常突出。在技术应用过程中，我们是通过特定分析方法及逻辑形式来发现知识[2]。在这一过程中，如果系统没有能力交互证实已发现的知识，就容易造成发现的知识不具有普遍实用性。而那些事待挖掘的数据自身可能就是错误的，这样便使得数据挖掘在有效性这方面受到一定的冲击。而我们从海量数据中挖掘到的信息，它们所构成的预言模型并不会告诉我们：一个人为什么会做某一件事及采取某个行动。为了保障数据挖掘结构的价值，用户就要对自身的数据进行一定的了解，这样才能提高数据挖掘输出结果的质量，才能更好地将挖掘到的数据为我们服务。综上所述，本文通过对云计算环境下的数据挖掘技术的分析与探讨，期望可以加深同行业工作者对数据挖掘技术的了解，为将来电子商务发展效率的提高，打下结实的基础。随着我国新兴产业战略地位不断提升，云计算成为了国家新兴产业发展的一项重点工程。我们需要不断探索与发展云计算数据挖掘技术，才能更好的满足用户的需求。据相关研究表明，云计算技术下的数据挖掘平台，相比于传统的数据挖掘方式，其数据挖掘效率高于20%。由此可见，基于云计算环境下的数据挖掘技术，不仅能满足用户规模扩大、应用目标多样等环境下的数据挖掘的应用需求，还能满足当前系统的设计需求，有利于提高数据挖掘的效率，具有更加实用价值。
参考文献：
[1]曾志华，李聪。云计算环境下频繁出现异常数据挖掘方法研究[J]。计算机仿真，2016，56（3）：339—342。
[2]黄潮。云计算环境下的海量光纤通信故障数据挖掘算法研究[J]。激光杂志，2017，38（1）：96—100。
文档为doc格式
