工业大数据安全研究

文章以工业大数据为研究对象,介绍了工业大数据概念、特征,分析了工业大数据面临的安全形势,总结了我国工业大数据安全保障现状及面临的问题,并提出了加强工业大数据安全防护的对策建议。     

基于云计算的大数据分析

数据爆炸的年代多元化数据大量涌现,大数据的技术和市场正在快速发展,应充分利用现有的云计算技术对大数据进行管理分析,挖掘出数据的潜在价值,从而促进企业的生产经营活动。     

基于大数据云计算环境的数据安全研究

云计算对促进信息数据计算具有重要意义,但由于数据量大,难以有效地保护隐私数据,因此云计算中的数据安全保护环境变得更加重要。笔者分析了大数据云计算数据的安全保护,对促进建立完整的数据安全系统具有重要意义。     

基于数据安全可视化技术的大数据安全研究

互联网技术的高速发展启动了大数据时代的到来,大数据在带来巨大数据价值的同时,也迎来了信息泄漏与损坏等一系列安全性问题。而在有价值的信息逐渐被损坏后,直接加大了信息技术基础设施的脆弱性,致使其极易被攻击,因此需各式各样的网际安全与信息保障战略、方法应用于保护大数据安全。基于数据可视化技术有助于全方位且迅速发现系统的安全威胁所在,评估系统安全等级,确保基础设施安全。对此本文基于数据视角着手,根据大数据4V特征进行了安全数据分类,并汇总分析了面向不同安全数据的大数据可视化技术,以期可以帮助人们选择最佳数据可视化技术以深入挖掘大数据蕴藏的安全价值。     

基于机器学习的气象网络数据安全研究

随着气象信息化的不断推进,气象网络和数据安全面临新的挑战:气象业务系统需要进行针对性安全加固,安全防护体系在策略和部署方式方面也需要优化.现阶段,气象网络安全防护和自动化加固程度不高,依赖人工进行分析和处理.当信息数量庞大和种类繁杂时,运维效率较低且安全加固效果无法直观的核验.该文以不同业务区域的安全检测数据为基础,首...     

基于大数据分析的机器学习算法探讨

大数据重视数据的加工处理,以保障数据有效增值。随着云时代的快速发展,大数据覆盖范围逐步扩大,受到社会各界的广泛关注。现代社会发展过程中,大数据分析逐步应用于企业未来发展规划、风险评价和市场发展现状整合等方面。随着社会诸多领域的快速发展,信息流通量逐步扩大,互联网发展更加迅速,促使大数据逐步应用于各个领域。     

大数据机器学习系统综述

机器学习需要有大量的背景数据作为训练集,而大数据技术正好给机器学习带来了这样的大量数据训练集。结合机器学习和大数据技术,为了实现高效的大数据机器学习而设计的大数据机器学习系统面临着诸多的技术问题。大数据机器学习系统成为大数据技术和机器学习领域研究的重要课题。本文介绍了大数据机器学习系统应该具有的概念、特征及相关典型的大数据机器学习系统。     

基于机器学习与大数据技术的入侵检测方法研究

为有效检测网络的攻击行为,提出了基于机器学习与大数据技术的入侵检测方法。首先分析当前网络入侵检测算法,描述了大数据分析技术的网络入侵原理,然后将GRU神经网络与SVM分类算法相结合,最后使用网络入侵检测数据集进行实验。实验结果表明基于GRU-SVM模型的网络入侵检测成功率高于其他模型,网络入侵检测整体效果得到改善,保证...     

基于机器学习与大数据分析的无线通信系统安全态势感知预测

以提升无线通信系统安全态势感知预测精度为目标,基于机器学习与大数据分析研究无线通信系统安全态势感知预测。采集无线通信系统内的报警信息,通过数据清洗、数据集成等步骤预处理所采集数据,将完成预处理数据存储于数据库中,便于大数据分析技术挖掘关联规则过程中随意调取;利用模糊分区聚类的大数据关联挖掘算法区域分割处理海量关联数据挖掘关联规则,将完成关联规则挖掘的数据利用GA-RBF算法实现安全态势感知预测,并将预测结果发送至态势展示界面。实例分析结果表明,采用该方法感知预测无线通信系统安全态势精度高于99%,可满足无线通信系统安全态势预测需求。     

电子政务大数据环境下的数据安全研究

针对电子政务数据共享、业务协同、应急处置等政务业务发展需要,文章结合电子政务发展现状、存在主要问题以及技术发展需求,对数据和大数据基本术语的概念、特点和主要区别进行了分析阐述,提出了电子政务大数据的核心应用要点,并从数据本身全生命周期及大数据平台两个方面,提出了大数据环境下的政务数据安全的内容要求。     

大数据背景下机器学习研究

随着大数据时代的到来,海量数据处理具有复杂性、多样性、高维性等特点,数据挖掘难度大,传统的机器学习算法已无法很好地处理大数据问题,在此背景下机器学习算法研究成为热点。基于此,笔者分析了当前机器学习的关键技术,并运用分治算法、聚类算法、并行计算等技术让数据变得更有条理性,有效降低了数据处理分析的难度,大大提高了机器学习的能力。     

大数据时代数据安全隐私保护研究

近年来,大数据给我们的生活、工作学习带来了潜移默化的影响.然而,大数据的采集、存储以及使用过程中,都潜在着风险,使得大数据安全问题日益严重.为此,近些年提出了许多大数据安全保护技术.本文对当前大数据安全保护关键技术的研究现状进行分类阐述,分析其优缺点.     

基于大数据分析的智能客服系统研究

针对人工智能客服系统中的海量数据大数据分析需求,提出一种基于Hadoop的智能客服系统框架.为实现该系统,采用HDFS+Yarn+MapReduce对智能客服系统进行搭建;然后以智能客服系统中的工单分类为例,在构建工单分类思路的基础上,首先引入自然语言处理技术对工单进行关键词提取;然后引入贝叶斯分类模型和决策树分类模型...     

大数据环境下的数据安全研究

知识经济的时代,大数据独有的潜在价值,正被逐渐发掘。然而,对数据安全的管控,却面临诸多挑战。为此,有必要明辨大数据的本源特征,在这种根基上,提出安全管控的化解路径。从现状看,大数据特有的总环境,包含细分出来的数据存留、应用时段中的数据管控。应当接纳这些视角,对数据安全依循的保护路径,予以审慎查验,提出新思路。     

大数据时代下信息数据安全的探讨

在时代发展过程中,我们已经进入了网络时代。网络时代下,先进的信息技术层出不穷,并且,这些先进的信息技术和大数据技术运用到社会的各个领域当中,促使社会产生了日新月异的发展变化。这对整个人类社会的进步和推动有无法替代的深远影响。但是,信息技术以及大数据技术的发展是一把双刃剑,虽然为我国社会的发展提供了前所未有的机会,但也在某一定程度上产生了一些信息数据安全问题,这对我们国家、企业和个人的长远发展都有着消极的影响。在此背景下,笔者以大数据时代下信息数据安全的探究为主题,立足于大数据时代背景,展开了深度的分析。     

试论大数据云计算环境下的数据安全

大数据云计算是一种最近兴起的常用的计算方式。这种计算方式的能够借助最科学的算法将庞大的计算任务都更好地安排在计算机的组成系统中。此外,在大数据云计算的使用过程中也包含了大量的资源信息。而又因为在使用和操作的过程中非常容易出现数据安全隐患的问题,所以对大数据云计算环境下的数据安全进行分析显得尤为重要。本文主要结合大数据云计算的内涵和特点来更好地分析大数据云计算环境下的数据安全问题,并最终为如何更好地实现大数据云计算环境中的数据安全保护进行全方位的分析。     

基于分类分级的数据安全防控策略研究

【目的】大数据时代的数据量呈指数型增长,需要通过分类分级对数据进行管理。【方法】本文通过对数据进行分类分级,结合相关法律或标准,提出数据安全的两个要素：受侵害客体与受侵害程度,得到数据的安全级别,并设计了大数据安全防控模型。【结果】基于数据安全防控模型,实现基于分类分级的静态授权、对数据安全级别的动态控制、基于数据安全级别的动态授权与数据脱敏。【结论】数据的分类分级应当以法律、行业标准为依据,实施静态的分类分级工作,在此基础上采取动态定级、实时调控措施,才能保障数据安全可控。