大数据时代的计算机信息安全分析

摘要：大数据时代的典型标志就是网络环境内数据流量的大幅度提升，在网络环境日渐复杂的背景下，对信息安全提出更高要求。本文以网络信息安全应用为对象，首先分析应用大数据技术的背景，随后探讨大数据技术在信息安全方面的应用策略和具体路径。

关键词：大数据;信息安全技术;应用

引言：信息安全是是一项永恒的话题，自从有了计算机系统来处理信息，有了网络来传递信息，信息安全就和计算机网络连接在一起。大数据时代的到来则为信息安全赋予新的任务和使命。鉴于计算机信息安全的重要性，有必要分析大数据与信息安全体系的结合方式。

一、应用背景

1.大数据时代，信息安全问题更严重。大数据时代的背景下，信息传输和交换日益频繁，在这个过程中，存在海量的数据，用户隐私信息泄露的问题不断加剧。同时，随着信息技术的发展和商业模式的更新，这些海量的数据很多被一些商业公司所掌握。由于这些数据既有涉及个人用户的信息，也有涉及国家的交通、地理状况、金融等方面的信息。这些信息数据的不当使用和泄露，不但危及个人用户的隐私，也危及到国家的安全。

2.大数据技术的优越性。大数据技术对于海量信息的收集、传感等环节都有突破性的革新效应。应用网络爬虫技术可以有效收集网络范围内的设备信息，并对收集的信息进行条理化管理。在数据收集传输过程中应用到传感技术，有效促进业内数据的完整收集。大数据技术对于数据的清洗和整理也有积极作用，获取的大量数据内部质量参差不齐，通过大数据技术实现对数据质量的验证以及缺陷数据的筛选效果，从而保证网络数据的完整性。大数据技术提供了完整的数据模型体系，辅助于数据挖掘工作;

3.网络安全分析的要求。网络环境内数据量的激增，网络安全分析体系的压力骤然加大，PB级别数据处理已经成为必须面对的课题。在数以PB规模的数据中，包含的因素种类、内容详尽程度显著提升，在采用多种维度分析PB级别数据的过程中，也需要面对0Day级别的数据漏洞。另一方面，数据攻击行为逐步复杂，对于数据分析效率的要求进一步提升。应用大数据技术意味着在较短时间内完成PB量级的数据处理任务，在掌控数据安全的同时提升数据挖掘准确性，可见两者集成的必要性。

二、应用策略

1.加强主机保护。计算机网络安全重点面对的课题就是主机安全，主机在计算机体系中扮演核心角色，也成为病毒攻击的重点，由此可见做好主机保护工作的重要性，通过高质量的主机保护提升主机抵御病毒的能力。大数据技术的引入，意味着病毒防护体系的布局和操作更加简便，通过简单的操作就能够轻松设置主机保护体系，最大限度减少对计算机的启闭操作，也为病毒侵入关上更多的大门。这种方式可以为计算机主机和网络环境带来更安全的环境，对于提升系统安全性大有裨益。

2.加强终端防护。大数据时代意味着海量数据的生成和存储，终端设备在数据存储中扮演主力角色，在终端存储量不断增大的情况下，加强终端防护很有必要，也是保障信息安全的重要途径。鉴于网络终端的重要性，需要采取多种手段加强网络终端安全，对于网络环境中存在的漏洞要及时检测并修补;同时积极引入新技術提升抵御病毒的能力，有效应对病毒种类变化快的特征，对于黑客的攻击也可以从容应对。与此同时要注重计算机网络安全技术本身，通过壮大数据安全技术实力提升安全防护效果。

3. 加强管治能力。对于计算机信息安全来说，从来就不单纯是一个技术问题，也是一个管理问题和法律问题。对于掌握大量信息的公司、机构，需要通过严密的管理制度和监督机制来保证不会因为工作人员的违规泄露各种信息数据。

三、应用路径

1.收集网络信息。计算机网络安全本质上属于网络服务的分支，在提供网络安全服务的过程中需要注意信息的收集。在获取足够网络信息的基础上进行处理分析。当前常见的数据采集软件有Scribe、Flume等，保证网络信息采集质量。

2.存储网络信息。大数据时代的重要特征就是数据存储规模和压力进一步扩大，物理存储的作用虽然不可替代，但是也需要注意到物理设备在存储容量方面的局限性;而且大量数据的存储意味着读写速度要求显著提升，同样触及到物理存储设备的弱点。Hadoop技术的应用提供了网络存储方式，应用HDFS存储体系实现大规模数据的存储效果。应用这种方式显著提升数据存储空间容量上限以及数据读取速度，能够在较短时间内完成海量数据存储任务，为数据网络安全创设良好条件。

3.处理网络信息。对于网络信息的处理是重要课题，大数据时代意味着网络信息的复杂度进一步提升，很多隐藏业务以及附加业务信息包含在网络信息内部，对于数据安全和分析要求更高。数据集理念的提出，促进网络信息处理质量的提升。MapReduce框架提供优质的数据集处理方案，有效消除数据集处理过程中可能存在偏差现象，保障数据集质量以及分析结果的精准性。MapReduce框架能够精确判断数据信息中的疏漏和缺陷之处，提升数据集的精准性和质量;在此基础上挖掘数据集的内在价值，通过建立预测模型的方式达到判断网络安全性的目的，MapReduce框架有效整合机器学习理念，应对网络安全事件能力明显增强。

结束语：

在数据规模膨胀的背景下，应当认识信息安全面临的威胁，也要认识到大数据技术的价值，在找到融合点的情况下推动网络安全技术不断提升;另外，也要知道大数据时代信息安全的特殊性，单纯的技术防卫并不可取，需要不断完善相关的法律制度，强化监管措施。

参考文献：

[1]刘付桂兰. 大数据时代下计算机网络信息安全问题的探讨与防范[J]. 科技经济导刊，2021，29（17）：40-41.

[2]曹仰之. 基于大数据的计算机网络信息安全防护措施研究[J]. 电脑编程技巧与维护，2021，（05）：167-168.

[3]席攀锋. 大数据时代计算机网络信息安全研究[J]. 网络安全技术与应用，2021，（05）：70-71.

[4]陈亚科. 基于大数据时代下的计算机网络安全研究[J]. 网络安全技术与应用，2021，（05）：159-161.

作者简介：涂焱楚，男，汉族，黄冈师院计算机学院教师，长期从事计算机编程、算法设计分析、Web应用开发等教学研究工作。