基于大数据的网络数据信息安全实时监测方法

陆斌彬

（泰州技师学院，江苏 泰州 225300）

随着网络的迅速发展，网络数据安全问题越来越受到重视，因为其已经严重威胁到了国家安全和社会的稳定[1-2]。网络的基本特征是全球范围内的互联，它极大地利用了信息资源的功能，但也正因为如此，诸如黑客攻击、内部攻击以及入侵行为等许多不安全因素不断出现。实时监测当前网络数据信息安全状况，以及网络攻击入侵和各种不安全行为，能够有效确保网络平台的正常运行、内部主机的安全性，从而维护网络数据信息的安全，为网络数据信息安全提供有效保障。因此，对网络数据信息安全进行监测具有重要意义。

目前，有不少相关领域学者针对网络数据信息安全监测进行了研究。胡冰蔚[3]等对以NTA为核心的工业数据安全监控方法进行了设计和应用，认为工业网络的监控平台已经发展到了一个新的高度。工业数据在日常维护、传输安全等方面都存在着诸多问题，其中工业数据安全监测是工业数据安全监测的核心，是实现态势感知、监测预警等关键功能的基础。该研究重点提出了基于DPI、DFI两种工业数据监测技术，并结合当前的工业网络数据安全监控技术，解决了工业数据的安全保护问题。戴震[4]等研究了主机信息安全监测控制方法，认为随着计算机与网络技术的日益普及，网络安全问题越来越突出。近几年，随着信息技术的迅速发展，网络数据信息安全入侵事件的发生率逐年增加，而网络数据信息安全监测也随之增加。本文通过对计算机主机信息安全的相关内容进行了分析，并研究了其中的问题，并对其进行了监测与控制，提出了基于大数据的网络数据信息安全实时监测方法。

1 网络数据信息安全实时监测方法

目前网络数据信息量剧增，越来越多的不安全因素影响着网络的正常运行，面对这些不安全因素，需要找到一种网络数据信息安全实时监测方法，从而保障网络的平稳运行。

1.1 网络数据信息安全因素关联分析

在网络数据信息中，影响安全性的因素之间是存在一定内在关系的，且这种关系是较为复杂的。本文基于大数据技术对其进行了研究。

首先，本文使用大数据技术[5]中的模糊等价处理方式，对网络数据信息中情景因素进行聚类处理。设两个非空集 和 之间存在模糊关系，此时二者之间的关联强度可以表示为

然后，考虑到网络数据信息是相对动态的，因此，需要对 和 进行修正处理，本文利用大数据技术计算修正度，其可以表示为

最后，通过这样的方式，获取网络数据信息安全因素之间的关系。需要注意的是，值的大小直接关系到修正的强度。因此，本文以 值为基础，对修正强度进行了划分，具体的划分方式如表1所示。

表1 安全因素关联修正强度划分

按照表1所示的方式，执行对安全因素关联的修正处理，为后续的网络数据信息安全异常行为判定提供可靠的数据基础。

1.2 网络数据信息安全异常行为判定

上述在对网络数据信息安全因素进行关联分析的基础上，将网络数据信息安全行为数据特征向量与已标记过的网络数据信息安全正常行为特征向量进行聚类算法比对[6]，通过衡量两者的关联程度，判定网络数据信息安全行为是否正常，从而实现对网络数据信息安全异常行为的判定。

1.3 网络数据信息安全实时监测

本文在得到判定的网络数据信息安全异常行为后，基于大数据技术对网络数据信息安全状态进行实时监测。

首先，为了提升网络数据信息安全实时监测的准确性，利用大数据收集网络数据信息及其所在网络环境的基础参数，并对各安全因素的利用率赋权处理，其计算方式可以表示为

然后，选取网络虚假数据信息，将其作为注入攻击的目标节点，构建该节点与网络数据信息中其节点间的依赖关系。为了确保依赖关系的可靠性，本文初始化了目标节点的脆弱值。假设在初始阶段网络数据信息的安全状态为最佳值，此时的依赖关系可以表示为

最后，在上述攻击作用下，得到网络数据信息的安全参数，而当网络数据信息的攻击并非以单一形式存在时，需要对网络数据信息的潜在攻击进行有机整合，并结合风险指标对入侵攻击带来的网络数据信息安全风险隐患进行计算，其可以表示为

2 实验测试与分析

2.1 实验环境设置

为了验证基于大数据的网络数据信息安全实时监测方法的有效性，借助IntelliJ IDEA环境，对网络数据信息安全实时监测方法进行实验测试，选取2 500 MB网络数据信息量，将文献[3]方法和文献[4]方法作为对比方法，以验证提出的基于大数据的网络数据信息安全实时监测的性能。

2.2 实验结果与分析

基于上述实验环境，为了验证所提方法的网络数据信息安全实时监测精度，将监测准确率作为评价指标，其监测准确率越高，表明该方法的网络数据信息安全实时监测精度越高。分别采用3种方法进行对比，得到3种方法的网络数据信息安全实时监测准确率对比结果，如表2所示。

表2 3种方法的网络数据信息安全实时监测准确率对比结果

根据表2实验结果可以发现，当网络数据信息量达到2 500 MB时，文献[3]方法和文献[4]方法的网络数据信息安全实时监测准确率均值分别为90.4%和92.5%，而所提方法的网络数据信息安全实时监测准确率均值为97.9%。由此可知，本文提出的方法的网络数据信息安全实时监测准确率较高，能够有效提高网络数据信息安全实时监测精度。

在此基础上，进一步验证所提方法的网络数据信息安全实时监测时间，分别采用3种方法进行对比，得到3种方法的网络数据信息安全实时监测时间对比结果，如表3所示。

表3 3种方法的网络数据信息安全实时监测时间对比结果

根据表3可以看出，随着网络数据信息量的增加，3种方法的网络数据信息安全实时监测时间随之增加。当网络数据信息量达到2 500 MB时，本文提出的方法的网络数据信息安全实时监测时间小于文献[3]方法与文献[4]方法。由此可知，所提方法的网络数据信息安全实时监测时间较短。

3 结束语

本文提出了基于大数据的网络数据信息安全实时监测方法，通过对网络数据信息安全因素进行关联分析，判定网络数据信息安全异常行为。在此基础上，基于大数据技术对网络数据信息安全状态进行实时监测，从而有效提高网络数据信息安全实时监测精度，缩短网络数据信息安全实时监测时间。■