>> 数据挖掘技术在网络入侵检测中的应用 数据挖掘在网络入侵检测中的应用分析 浅析数据挖掘在网络入侵检测中的应用 基于蚁群聚类算法的数据挖掘技术在网络入侵检测中的应用 数据挖掘技术在网络入侵检测系统中的应用 入侵检测技术在网络安全中的应用 数据挖掘在网络入侵检测系统中的应用研究 神经网络在网络入侵检测中的应用 应用于网络入侵检测的数据挖掘技术 神经网络技术在网络入侵检测模型及系统中的应用 入侵检测系统在网络信息安全中的应用 基于孤立点挖掘的入侵检测技术在网络安全中的应用 入侵检测技术在网络安全中的应用与研究 人工免疫技术在网络入侵检测系统中的应用 浅谈协议分析技术在网络入侵检测系统中的应用 入侵诱骗技术在网络安全中的应用 大数据技术在网络招聘中的应用研究 基于神经网络的BP算法研究及在网络入侵检测中的应用 数据挖掘技术在计算机网络入侵检测中的应用 基于主机和网络入侵检测的数据挖掘技术 常见问题解答 当前所在位置：，2016，5.
[2] 陈春.基于数据挖掘技术的计算机网络病毒防御分析[J].信息通信，2015（05）.
[3] 黄霜丰.基于大数据分析的通信网络监控体系[J].广西通信技术， 2015（01）.
关键词：大数据时代；计算机；网络安全
1大数据技术的应用背景
目前的大数据技术包含了基于数据收集、数据储存、数据清洁、数据挖掘和基于数据模型等。其中，数据收集主要应该包括两个部分。一方面，使用网络爬虫这一手段把出现在网络和移动设备上的各类信息都收集了起来，并且有效地对这些信息加以了管理。另一方面，使用不同类型的传感器，收集各种行业的数据。数据存储就是按照系统规定的形态来收集所需要的数据，例如物理和实测信息。显而易见，互联网技术取得了很大的进步并且仍在进步当中，这就导致了在世界范围内的数据量已经增加到很庞大的地步，我们的生活的变化可以用天翻地覆来形容。目前大数据处理方法常用的大数据技术有Spark、Hadoop以及MapReduce。大数据技术在分析数据集背后隐藏的信息时，通过机器学习等方式带来了很大的商业价值。大数据技术有很大的作用，目前的大数据技术包含了基于数据收集、数据储存、数据清洁、数据挖掘和基于数据模型等。其中，数据收集主要应该包括两个部分。一方面，使用网络爬虫这一手段把出现在网络和移动设备上的各类信息都收集了起来，并且有效地对这些信息加以了管理。另一方面，传感器的使用，尤其是在各种传感器类型的发展下，对不同行业内数据的收集起到了正向的促进作用。在对数据存储工作时，大数据的发展可以在庞大的数据内按照系统所规定的方式收集需要的大量数据，比如对物理和实测信息的收集。数据清洗所指的是对收集到的缺陷数据进行筛选及相应处理工作的过程，通过这点来保证结构的完整性。数据挖掘工作是以机器学习的方式，智能化挖掘数据中能分析得来的隐藏信息。而对于数据模型使用工作则是根据收集到的数据建立起智能模型并进行各种各样的预测。随着大数据技术的发展和进步，其在各行业的应用也愈发广泛。例如，根据大数据技术对信息进行采集和分析而建立起的银行信用卡诈骗检测模型来预防诈骗犯罪行为，同时大数据技术在财务风险评估和基因信息分析等方面也有重要的应用。
2网络安全分析技术
（1）计算机网络安全分析的作用网络安全分析收集、存储和分析网络安全日志、流量、用户方向、业务行为等信息，分析网络中存在的漏洞、潜在的网络攻击、和可能发生的网络信息盗窃威胁，诸如此类的安全威胁都能通过大数据在网络安全中的应用进行预防，大数据带来的网络安全分析的结果，能够帮助计算机在运行过程当中进行安全维护和保证计算机的稳定运行。所以大数据技术的应用可以说是网络安全维护工作和计算机网络稳定运行的基础，网络安全分析是网络安全正常运行的重要步骤之一。（2）计算机网络安全分析技术的现状目前，网络安全数据分析是一种基于网络全流量的分析技术，网络攻击给用户留下了一个可以直接用于网络跟踪的印记，网络攻击时所生成的各种网络数据不同于普通流量的网站所需要生成的各种数据，因此，通过对网络跟踪的分析，可以准确地认识和了解到网络的威胁，迅速应对各种网络攻击，最终根据这些网络攻击的取证结果做出判断。但是，随着现代互联网技术的更新和发展，会使用户在网上遭受各种形式的攻击。只依靠网络安全流程分析的技术，是无法满足各种互联网企业在保护和维持网络安全方面需求。因此，自动识别各类网络袭击、具有自适应保护功能的创新型智能化网络安全分析技术已成为当务之急。
3大数据技术和计算机网络安全技术整合的必要性
随着互联网的普及和用户的不断增多，带来了数据量的激增，同时也给网络安全分析也提出了更高的要求，网络安全分析中要处理的数据量单位从TB阶段正发展到PB阶段，在分析的过程中，所面对的内容比原来详细更多，分析时进行的维度也变得愈发多样，信息数据传输率逐渐增加，并且0day等漏洞也在增加，同时有组织性的APT式攻击发生的频率也较以往更高。这就导致数据在长期保存的过程中丢失的可能性更大，难以跟踪源头。特别是在难以降低大量干扰的数据中，对数据的分析效率也很难满足需求，分析出的结果精度也不够高。而大数据技术的合理应用让处理的效率和精度都有所提高，同时降低了处理成本和安全风险，加快了对安全问题的发现速度。与此同时，在网络安全中应用大数据技术对挖掘的准确性有实质性的提高，二者的集成在未来有巨大的前景。
4大数据时代计算机信息数据安全问题有效应对策略
（1）加强主机保护设置在计算机安全问题的案例中，实际上，各种病毒的攻击的对象往往是计算机的主机，所以说对主机做好保护，就能大大提高对攻击防范的有效性。在采用大数据对用户的主机的保护机制进行增强的前提下，用户可以做到只通过相应的功能按钮进行重置，而无须重新启动计算机，这一改进可以有效保护系统的主机，进而维护网络安全。加强主机保护是保护计算机系统安全的有效手段因此必须有效地应用这一措施（2）提高终端的安全性能在大数据时代，存储在网络终端上的数据量也在增加。持续加强终端的安全性能可以有效地提高网络信息的安全性能，保证有效地执行网络管理规则，是保护计算机网络信息安全的有效对策。为了加强网络终端的安全，不仅要及时修复网络漏洞，还必须选择有效的防范病毒入侵、使用新技术有效抵御黑客攻击的有效对策。此外，还必须实施有效的安全保护，加强数据安全技术的研究开发，不断更新云计算模式。应用新技术可以彻底消除攻击力强的病毒，消除恶意代码等相关风险因素，从而有效地运行网络终端设备，保证网络信息安全。（3）加强计算机病毒的防治能力在大数据时代持续发展的情况下，存在着越来越多种类的计算机病毒，病毒数量也在增加，对计算机病毒的应对变得困难。在计算机网络的实际运行过程中，想要实现对信息安全的有效维护，病毒处理能力的加强也是重要的途径之一，可以选择合理的对策进行计算机网络病毒的防范工作。同时计算机用户在使用计算机网络的过程中，应当形成定期的杀毒习惯，重视网络安全，在网络技术应用的过程中遵循规则，规范自身的行为，对计算机网络信息安全进行维护。
5大数据技术在计算机网络安全分析中的应用
（1）利用大数据技术收集网络信息对于互联网公司而言，在为客户提供服务的过程当中，要面对大量的数据信息，为了对这些信息进行合理妥当的处理和分析，可以使用将Flume和Scribe采集系统，有效地采集数据。（2）以大数据技术为基础的网络信息存储传统的网络数据很大，通常存储在硬盘上。虽然磁盘容量在稳步增长，但磁盘的读取速度并未跟上时代的发展。而Hadoop大数据技术和YARN分布式文件系统中使用HDFS存储数据后，无论是数据的读取速度还是精确度都有了很大的提升，能够满足实际的要求。（3）基于大数据技术的网络信息处理分析所需要的各式信息隐藏业务行为以及互联网上生成的其他各种信息的背后，大数据的应用在保证数据安全的同时，实现了对数据的高效分析。例如MapReduce框架的合理使用可以避免数据集质量问题导致的错误和不良分析结果，如数据过滤、删除不完整的数据和改进数据集。同时，还可以使用MapReduce分析经过机器学习预处理的数据集，挖掘数据背后的价值建立预测模型，准确分析网络安全性。机器学习具有良好的一般化性能，可以应对各种网络攻击。
6大数据技术和计算机网络安全技术整合分析平台
由于大数据技术优于分析、存储和检索的传统方法，因此可以有效提高数据分析的效率，具有从海量信息数据中消除安全问题和隐患的能力。以嵌入大数据技术和计算机网络安全技术的分析平台为例，可以更清楚地了解大数据技术的好处。（1）基于大数据技术的网络安全分析平台架构基于大数据技术的网络安全分析平台从上到下构成了数据获取层、数据存储层、数据挖掘层和数据显示层。从数据类型的观点来看，平台在计算机网络的运用中生成，如DNS流量信息数据、Netflow流量信息数据、用户行为信息、网络结构信息、Web应用信息等。数据存储层可以通过分布式存储实现各种非结构化数据的长期存储。在分析平台上，数据收集、数据存储、数据挖掘分析和数据显示可以形成整体。（2）主要技术方法数据挖掘技术：主要实现网络数据的在线分析和日志信息与交通信息的离线统计，信息数据的统计主要通过Hive实现。为了集成在线信息收集和离线信息收集，该平台集成了Strom和Kafka计算体系结构。在线信息数据和离线信息数据整合可以实现分布式、非结构化、可靠、高效的海量信息收集和收集，并在整合后将数据发送到相应的分布式存储点。与常见的数据挖掘方法不同，平台可以使用Kafka来保证流数据的有效处理，Strom可以传送各种实时消息，因此计算机网络在运行中可以连续读取、发送数据。数据存储技术：所挖掘的网络信息数据主要存储在目前成熟的分布式文件存储技术HDFS中，可以在不同的数据节点中存储不同类型的非结构化数据。对于大量的信息数据，HDFS还支持数据的相互导入。数据分析技术：平台数据分析由成熟的编程模型MapReduce实现，主要用于超过1TB的数据集的并行操作，可以实现数据分布式存储海量数据。此外，平台还使用Hive生成数据统计信息，并使用HDFS快速发现和查询非结构化数据。
关键词：大数据技术；网络入侵检测；数据挖掘技术
就目前情况而言，随着我国社会科技的发展，我国计算机技术、信息技术得到了快速的发展，而大数据技术则是计算机技术与信息技术发展的产物。大数据技术是一种信息收集、分析、整理与存储技术，其能够实现对多种信息数据的管理，在网络入侵检测中应用大数据技术，不仅能够提高网络入侵检测的精准度与准确度，同时还能够实现自动化、智能化的网络入侵检测管理，这对于保证计算机网络能够安全、稳定的运行具有十分重要的现实意义。
1相关理论概述
1.1大数据技术概述
大数据技术是现代信息化社会发展的必然产物，同时也是推进我国现代社会发展的重要技术。大数据是一种数据的集合，能够实现海量信息的分析、整理与存储，是以信息数据为本质的信息技术，同时，在对大数据中数据信息挖掘的过程中，能够实现对理念、模式、技术及应用的创新，从而达到不断优化、创新大数据技术的目的，促使大数据技术更适用于现代信息化社会发展的需求，为现代社会发展提供辅助型的力量。大数据其实就是一种数据库，在该数据库内存储了各行各业的各类数据信息，相关工作人员在数据库收集数据信息时，便可通过相应的技术收集到想要的信息，提高了信息收集的时效性。大数据技术即通过互联网、物联网及企业数据等建立一个数据源，经过提取、转化、加载完成数据的收集，并能够将数据存储与系统当中，在该系统中，能够实现对信息数据的自动化管理，当使用用户想要收集相关数据时，可根据权限在数据库中提取，从而使得数据变得可视化[1]。
1.2网络入侵检测概念
网络入侵检测是保证网络运行安全的重要技术，网络入侵检测主要是检测的是网络的运行状态，即计算机用户使用计算机网络的行为，并辨别用户的行为是否能够对网络产生入侵威胁，若用户的行为将对计算机网络产生入侵伤害，则网络入侵检测能够对入侵行为进行拦截，并上报网络用户，从而最大程度上保证网络的安全性，确保了网络能够平稳运行。网络入侵检测是计算机网络的内部系统，是一种重要的网络安全管理技术，利用网络入侵检测技术，能够实现对不同系统源的信息收集，并通过对这些数据信息的分析判断计算机网络的运行状况，并辨别计算机网络是否存在入侵危险，是否存在他人网络入侵攻击的问题。此外，利用网络入侵检测能够对计算机网络的运行数据实现全面的监控，当网络开始运行时，网络入侵检测便开展工作，直至计算机网络停止运行，在此过程中，网络入侵检测能够根据自动收集的网络运行状况制作成网络检测记录，并自动上传至系统保存，相关工作人员在进行网络管理时便可到系统中搜寻网络检测记录，从而为计算机网络的稳定运行提供判断支持。同时，当网络入侵检测发现存在入侵攻击时，可自动生成反应报告，并上报给相关工作人员，部分威胁网络入侵检测可以利用防基于大数据技术的网络入侵检测应用研究董天宇 黄云（安徽继远检验检测技术有限公司安徽省合肥市230088）火墙自动地域，而对于抵御难度系数较大的入侵行为，需要相关工作人员根据反应报告及时制定入侵抵御计划，从而保证计算机网络运行的安全性与稳定性[2]。
1.3常见的网络入侵方式
网络入侵是影响计算机网络使用稳定性与使用安全性的关键因素，其不仅可以导致计算机网络正常运行受到影响，同时也能够盗取网络用户计算机中的数据信息，使得网络计算机用户的数据信息泄露，使得网络计算机用户的信息安全无法得到保证，甚至有可能损坏企业的经济效益。据笔者调查研究显示，现阶段常见的网络入侵主要包括三种，分别为网络病毒入侵、网络黑客入侵及拒绝服务攻击。（1）从网络病毒入侵的角度来分析。网络病毒入侵是最为常见的网络入侵方式，其主要是在计算机网络中植入木马病毒，导致计算机网络无法正常的使用。网络病毒入侵对网络运行的损害较大，且修复难度较大，同时，现阶段由于我国网络入侵检测技术还不够成熟，且木马病毒具有较大的感染性与隐蔽性，很多木马病毒无法顺利的被检测出来，致使计算机网络很容易受到网络病毒的侵害。（2）从网络黑客入侵的角度来分析。网络黑客入侵主要是入侵技术人员根据计算机网络中的漏洞深入计算机网络系统当中，并对计算机网络实行修改、植入木马病毒等攻击行为。网络黑客入侵的主要目的为盗取计算机网络中的相关数据，或利用计算机网络指令等。（3）从拒绝服务攻击的角度来分析。拒绝服务攻击是指利用相关技术手段使得计算机网络拒绝为用户提供服务，导致用户的数据信息无法被保存，造成用户的计算机网络瘫痪或停止运行，从而引起用户的数据丢失[3]。
1.4网络入侵检测的重要作用
近年来，伴随着我国社会科技的发展，我国网络入侵检测技术在大数据技术、云计算机技术的支持下得到了快速的发展，但由于我国网络入侵检测技术起步较晚，目前仍处于发展中阶段，很多网络入侵检测产品并不完善，致使其在实际使用过程中还存在诸多的问题。首先，就目前情况而言，我国很多网络入侵检测产品的精准度不高，难以实现对入侵行为的精准把控，存在较大的漏洞，很多入侵行为发现不及时或未发现导致计算机网络运行受到了损害。其次，针对网络入侵行为的拒绝服务攻击的处理能不强，且未有完善的自动修复技术，致使还是存在较大的数据信息丢失威胁。再次，现阶段我国大部分网络入侵检测产品的独立性较强，未能实现与计算机网络其他安全部件的良好联动，致使网络入侵检测功能大打折扣，且成本增加。最后，我国大部分网络入侵检测产品未具备完善的测试评估便上市发行，致使在实际使用中适用性与功能性不强，且对于网络入侵产品的检测标准不统一，致使市场上网络入侵产品质量参差不齐。
2数据挖掘技术在网络入侵检测中的应用
数据挖掘技术是大数据技术的重要组成部分，结合业内相关研究成果与工作经验来看，该技术在网络入侵检测的应用中具有良好表现。具体来讲：
2.1系统模型与检测方法
数据挖掘技术是现阶段我国网络入侵检测中普遍使用的一种检测技术，其能够帮助网络入侵检测提高检测的精准度，促使网络入侵检测能够真正的发挥其功能与价值，同时具有成本低、流程简便的优势。数据挖掘技术是基于大数据技术下的数据信息自动收集技术，将数据挖掘技术应用于网络入侵检测中，能够实现与计算机网络其他安全部件的良好配合，达到1+1>2的目的，同时，在大数据技术的支持下，数据挖掘技术还能够实现自我学习、自我创新，从而达到优化技术的目的，促使数据挖掘技术更具备适用性。就目前情况而言，现阶段我国常用的网络入侵检测系统主要包括两种，一种是在主机上安装网络入侵检测产品，而另一种则是在网络上安装网络入侵检测系统，但无论是那种方式都存在一定的漏洞，而基于大数据的数据挖掘技术主要是将两种系统向融合，构建一个Agent检测系统，在该系统中，既能够实现对主机的入侵检测，又能够实现对网络的入侵检测，同时，能够实现智能化、自动化的检测，从而满足不同环境下入侵检测对检测系统的需求。同时，利用数据挖掘技术构建的网络入侵检测产品可以说是一种新型的网络入侵检测产品，其并不需要进行对硬件、软件的调整，而是直接将系统输入到网络系统当中，具有较强的适应力，且具备自主学习功能，能够应对多变的网络入侵手段与形式，故而能够提升网络入侵检测水平。
2.2系统架构设计
现阶段，国内外常用的网络入侵系统构架主要有两种形式，第一种为设计一个中心管理平台，在在该平台对入侵检测进行管理与控制，但该系统构架适用于小心网络管理中，若将其应用于大型网络管理中容易存在检测数据信息准确度降低的劣势。第二种网络系统构架为分布式体系构架，该构架主要是在子网上构建一个独立的系统，每一个区域均有一个系统负责入侵检测，且每一个系统均可以看做是一个个体，该种方式的系统构架能够全面、细致的检测到每一个子网络上的入侵行为，故而更适用于网络入侵检测系统的构架当中。在进行网络入侵检测系统的构架设计时，首先需要收集预处理数据源，并将预处理数据源转移到数据仓库存储，随后利用数据挖掘技术建立一个数据挖掘引擎，随后将数据信息分别输送到检测模块与规则库当中，且规则库同时需要收集管理控制模块，经过规则库分析与处理的信息也需要传送到检测模块当中，随后检测模块通过对数据信息的检测判断是否存在网络入侵行为，若发现存在入侵规则行为后，需要将信息传递到入侵相应模块当中，从而完成对网络入侵检测的全流程。
2.3数据挖掘算法在网络入侵检测中的应用
数据挖掘技术在网络入侵检测中的应用主要利用的是数据挖掘算法，数据挖掘算法主要是利用关联规则建立数据集合，由此可见，数据挖掘算法主要是挖掘网络入侵数据中的关联性，从而分析入侵属性之间的联系，利用相应规则建立数据排列，并剔除无用数据信息，从而提升了数据信息分析的准确性。关联规则在网络入侵检测中应用的主要机理为：通过应用相应的关联规则算法，可在计算机网络系统中快速发现很多未知的网络入侵检测方式，为网络入侵检测和防范提供必要的数据支撑，从而更好地保护计算机网络运行的安全性和稳定性。和其他网络入侵检测方式相比，利用关联规则算法能够快速有效的挖掘出那些未知的网络入侵方式，同时显示目前计算机用户的各种信息及行为方式，检测现有的行为方式和历史数据及行为是否一致，如果二者之问存在较大的差距，则可判定为入侵行为。在网络入侵检测方中，用户在使用计算机系统时，需要先进行登录，每登录一次可看作是一个事务，用t来表示，随着用户登录次数的更多，会形成t的事务数据库，用D来表示，D数据库有很多个不同类型的表组成。用户登录计算机系统记录样本的集合，可用T来表示；特征项的集合，用z来表示.关联规则的蕴含式为A一B，无论是A，还是B，属于z的子集，而且A和B不存在相互关联，二者之问的交集为空集。A在D中是成立的，其支持度为S，置信度为C。其中S为D中事务包含AUB的百分比，可看作是一个概率。而C则是D包含A事务的同时也包含B事务的百分比，可以看作是一个条件概率。
3结论
综上所述，网络入侵检测技术直接影响着计算机网络运行的安全性与稳定性，因此，为了提升我国网络入侵检测技术的水平，提升网络入侵检测产品的质量，保护计算机网络运行的安全，需要在网络入侵检测中融入大数据技术，并合理的运用数据挖掘算法实现对入侵数据信息的精准信息，从而提升网络入侵检测的精准度，确保不会存在入侵信息的漏失，这对于提升我国网络入侵检测产品的发展十分重要，同时也是满足我国现代信息化社会发展的必然选择。
参考文献
[1]张思松,周同旭.大数据时代下加强计算机网络安全的防范措施研究[J].铜陵学院学报,2020,19(04):103-106.
[2]靳亚洽.基于机器学习的DDoS实时网络入侵检测系统关键技术的研究[D].华南理工大学,2019.
[3]张永,杨学.大数据环境下复杂网络入侵数据智能检测平台设计[J].现代电子技术,2019,42(08):183-186.
随着近年来互联网技术的不断深入，网络安全事故也随之频频发生。出于对网络信息安全的重视，我国于2014年成立了国家安全委员会，正式将网络安全提升为国家战略部署，这同时也表示我国网络信息安全形势不容乐观，网络攻击事件处于高发状态。木马僵尸病毒、恶意勒索软件、分布式拒绝服务攻击、窃取用户敏感信息等各类网络攻击事件的数量都处于世界前列。时有发生的移动恶意程序、APT、DDOS、木马病毒等网络攻击不仅会严重阻碍网络带宽、降低网络速度、并且对电信运营商的企业声誉也会产生一定影响。根据大量数据表明，仅仅依靠传统的网络防范措施已经无法应对新一代的网络威胁，而通过精确的检测分析从而在早期预警，已经成为现阶段网络安全能力的关键所在。
1网络安全问题分析
网络安全问题不仅涉及公民隐私与信息安全，更关乎国事安全，例如雅虎的信息泄露，导致至少五亿条用户信息被窃；美国棱镜门与希拉里邮件门等等事件都使得网络安全问题进一步升级、扩大。随着互联网构架日益复杂，网络安全分析的数据量也在与日俱增，在由TB级向PB级迈进的过程，不仅数据来源丰富、内容更加细化，数据分析所需维度也更为广泛。伴随着现阶段网络性能的增长，数据源发送速率更快，对安全信息采集的速度要求也就越高，版本更新延时等导致的Odav等漏洞日渐增多，网络攻击的影响范围也就进一步扩大；例如APT此类有组织、有目标且长期潜伏渗透的多阶段组合式攻击更加难以防范，唯有分析更多种类的安全信息并融合多种手段进行检测抵御。在传统技术架构中，大多使用结构化数据库来进行数据存储，但由于数据存储的成本过高，系统往往会将原始数据进行标准化处理后再进行存储，如此易导致数据的丢失与失真以及历史数据难以保存而造成的追踪溯源困难；同时对于嘈杂的大型、非结构化数据集的执行分析以及复杂查询效率很低，导致数据的实时性及准确性难以保证，安全运营效率不高，因此传统网络安全技术已经难以满足现阶段网络安全分析的新要求。大数据技术这一概念最初由维克托.迈尔.舍恩伯格与肯尼斯.库克耶在2008年出版的《大数据时代》一书中提出的，大数据是指不采用随机分析法，而是对所有的数据进行综合分析处理。大数据技术作为现阶段信息架构发展的趋势之首，其独有的高速、多样、种类繁多以及价值密度低等特点，近年来被广泛应用于互联网的多个领域中。大数据的战略意义在于能够掌握庞大的数据信息，使海量的原始安全信息的存储与分析得以实现、分布式数据库相比传统数据库的存储成本得以降低，并且数据易于在低廉硬件上的水平扩展，极大地降低了安全投入成本；并且伴随着数据挖掘能力的大幅提高，安全信息的采集与检测响应速度更加快捷，异构及海量数据存储的支持打造了多维度、多阶段关联分析的基础，提升了分析的深度与广度。对于网络安全防御而言，通过对不同来源的数据进行综合管理、处理、分析、优化，可实现在海量数据中极速锁定目标数据，并将分析结果实时反馈，对于现阶段网络安全防御而言至关重要。
2大数据在网络安全中的应用
将大数据运用到网络安全分析中，不仅能够实现数据的优化与处理，还能够对日志与访问行为进行综合处理，从而提高事件处理效率。大数据技术在网络安全分析的效果可从以下几点具体分析：
2.1数据采集效率
大数据技术可对数据进行分布式地采集，能够实现数百兆/秒的采集速度，使得数据采集速率得到了极大的提高，这也为后续的关联分析奠定了基础。
2.2数据的存储
在网络安全分析系统中，原始数据的存储是至关重要的，大数据技术能够针对不同数据类型进行不同的数据采集，还能够主动利用不同的方式来提高数据查询的效率，比如在对日志信息进行查询时适合采用列式的存储方式，而对于分析与处理标准化的数据，则适合采用分布式的模式进行预处理，在数据处理后可将结果存放在列式存储中；或者也可以在系统中建立起MapReduce的查询模块，在进行查询的时候可直接将指令放在指定的节点，完成处理后再对各个节点进行整理，如此能够确保查询的速度与反应速度。
2.3实时数据的分析与后续数据的处理
在对实时数据的分析中，可以采用关联分析算法或CEP技术进行分析，如此能够实现对数据的采集、分析、处理的综合过程，实现了更高速度以及更高效率的处理；而对于统计结果以及数据的处理，由于这种处理对时效性要求不高，因此可以采用各种数据处理技术或是利用离线处理的方式，从而能够更好地完成系统风险、攻击方面的分析。
2.4关于复杂数据的分析
在针对不同来源、不同类型的复杂数据进行分析时，大数据技术都能够更好的完成数据的分析与查询，并且能够有效完成复杂数据与安全隐患、恶意攻击等方面的处理，当网络系统中出现了恶意破坏、攻击行为，可采用大数据技术从流量、DNS的角度出发，通过多方面的数据信息分析实现全方位的防范、抵御。
3基于大数据技术构建网络系统安全分析
在网络安全系统中引入大数据技术，主要涉及以下三个模块：
3.1数据源模块
网络安全系统中的数据及数据源会随着互联网技术的进步而倍增技术能够通过分布式采集器的形式，对系统中的软硬件进行信息采集，除了防火墙、检测系统等软件，对设备硬件的要求也在提高，比如对服务器、存储器的检查与维护工作。
3.2数据采集模块
大数据技术可将数据进行对立分析，从而构建起分布式的数据基础，能够做到原始数据从出现到删除都做出一定说明，真正实现数据的访问、追溯功能，尤其是对数据量与日俱增的今天而言，分布式数据存储能够更好地实现提高数据库的稳定性。
3.3数据分析模块
对网络安全系统的运营来说，用户的业务系统就是安全的最终保障对象，大数据分析能够在用户数据产生之初，及时进行分析、反馈，从而能够让网络用户得到更加私人化的服务体验。而对于用户而言，得其所想也会对网络系统以及大数据技术更加的信任，对于个人的安全隐私信息在系统上存储的疑虑也会大幅降低。当前网络与信息安全领域正在面临着全新的挑战，企业、组织、个人用户每天都会产生大量的安全数据，现有的安全分析技术已经难以满足高效率、精确化的安全分析所需。而大数据技术灵活、海量、快速、低成本、高容量等特有的网络安全分析能力，已经成为现阶段业界趋势所向。而对互联网企业来说，实现对数据的深度“加工处理”，则是实现数据增值的关键所在，对商业运营而言是至关重要的。
4结语
在当下时代，信息数据已经渗透到各个行业及业务领域中，成为重要的社会生产因素。正因如此，互联网数据产生的数量也在与日倍增中，这给网络安全分析工作带来了一定难度与压力，而大数据技术则能够很好的完善这一问题。在网络系统中应用大数据技术不仅能够满足人们对数据处理时所要求的高效性与精准性，并且能够在此基础上构建一套相对完善的防范预警系统，这对维护网络系统的安全起着非常关键的作用，相信大数据技术日后能够得到更加广泛的应用。
参考文献：
[1]鲁宛生.浅谈网络安全分析中大数据技术的应用[J].数码世界，2017.
【关键词】大数据；人工智能；计算机网络技术
如今计算机领域掀起了人工智能的浪潮，许多行业和技术正向着智能化方向转型，人工智能技术也因此得到了迅猛的发展。同时大数据时代的到来也给计算机网络技术提出了更高的挑战，数据信息的爆炸式猛增，以及网络环境的日益复杂，都加快了计算机网络技术的升级转型。基于此深入研究人工智能技术在计算机网络中的应用对提高网络环境的安全性以及推动计算机网络技术的进步具有重要意义。
一、大数据时代和人工智能
1、大数据时代。所谓大数据是数据的种类和数量众多的数据集，在大数据中，数据种类繁多，数量庞大，比较传统的数据库数据的真实性更高，数据的处理速度更快。在大数据时代，互联网依靠数据信息的支撑，对于如何从众多的信息中快速获取有价值的数据提出了更高的要求。大数据给我们带来了新的机遇和挑战，深入研究大数据技术，合理地在各个领域运用，将会提高数据的应用价值，给我们的生活提供更大的便利。
2、人工智能的特点及优势。相比于传统模式，人工智能技术在信息处理上速度更快，准确率更高。在大数据时代这种优势会更加明显；人工智能具有成本消耗低的特点，人工智能技术基于专家系统创建知识库和推理机，有效降低资源消耗的同时，还提升了效率；具有超强的自我学习能力，从基础的机器学习到尖端的深度学习，从简单的模式到复杂的人工神经网络，人工智能都有着优异的表现，而且其发展速度是迅猛的，在某些领域甚至已经超越了人类。
二、人工智能在计算机网络技术中的应用分析
1、安全管理中的数据挖掘技术。数据挖掘技术是一种深层次的数据分析方法，它按照给定的任务，对大量的数据进行挖掘和分析，揭示隐藏的规律，通过对网络连接等技术的准确描述，完成同主机的对话，进而找到更加有效的方法。目前基于数据挖掘的技术越来越成熟，在数据化运营中的应用也越来越广泛。数据挖掘技术极大的促进了人工智能的发展，使其在各个领域得以实现。人工智能技术结合数据挖掘技术可有效排除计算机中的安全漏洞，提高系统安全性。
2、保障网络安全。如今计算机网络环境日益复杂化，计算机网络安全化管理的重要性是不言而喻的。人工智能技术的迅速发展，对计算机网络安全的防护起着重要的作用，其中智能防火墙技术就是一个典型的例子。智能防火墙能够自主的对网络上的信息进行筛选，有选择的为用户提供信息，能够拦截有害信息，防止病毒和垃圾信息进入计算机系统。在对垃圾信息进行处理时，人工智能的入侵检测技术可以提前对这些信息进行预览，使问题尽快的被发现处理。在计算机连接互联网时，人工智能技术会对数据进行分析处理，判断计算机网络的安全状态，并反馈给用户。这些检测机制对于提高计算机网络的可靠性和安全性起着重要的作用。
3、人工智能管理。所说的人工智能系统是由软件实现的，它以知识库为基础，通过对知识库中数据的分析处理完成相应的任务，同时还能保证及时性。人工智能管理系统在能够提高工作效率的同时还可以针对不同用户提供个性化服务，在一段工作结束后，管理系统会对信息进行分析处理，有针对性的为用户提供服务。在信息查找方面，人工智能管理技术提供了自定义设置功能，使查找数据和信息更加人性化。在日常实际的使用中，人工智能管理系统这些智能化和人性化的特点，对用户工作效率的提高和时间的节省有着非常重要的意义。
4、网络管理和系统评价。在网络管理方面，由于网络环境时时刻刻都处在动态变化之中，网络环境的复杂性大大增加了网络管理工作的难度。而人工智能技术能有效解决这一问题，基于人工智能技术的网络管理将更加智能化，通过网络内部的专家知识库和问题求解技术，能够建立起一个有着综合性能的管理系统。这种智能化的管理技术不仅可以将网络管理人员从繁重的工作中解放出来同时还能有效提高计算机网络管理的质量和效率。人工智能技术中另外一个重要组成部分就是专家系统。所谓专家系统其实是知识库和推理机的综合，利用专家系统技术能够模拟由领域专家才能解决的复杂问题，提供仿真该领域专家的帮助和指导，让用户花更少的时间和费用以更便捷的方式解决专业性问题。将专家系统合理的运用于网络技术中，能有效提高网络管理效率。
关键词：大数据 广电网络 发展策略
中图分类号：TP311 文献标识码：A 文章编号：1672-3791（2017）04（b）-0005-02
人们的生活中，无论是社区网络、云计算还是移动互联网、物联网，各类智能终端产生的数据都会被存储，数据不断增多并产生了大数据。目前广电行业处于发展变革的重要时期，面临比较复杂的市场环境与变化，如移动互联、体制变革、全媒体和三网融合等，用户接受习惯和广播电视的营销模式均出现显著改变，因此，广电行业如何高效准确的使用网络大数据以促进行业的快速发展成为每个行业工作者需要思考的重要问题。
1 大数据时代的发展背景
近年来互联网发展迅猛，已经在传播、交易、政治等各个社会层面深入，影响并改变着人们的传统生活习惯，大数据在这一背景下应运而生。大数据可采集到用户的使用信息，并进行精准处理，分析出用户的行为模式与行为习惯，从而为企业的生产提供参考。对于广电行业而言，通过对大数据进行分析能够得到用户习惯与喜好，从而更好地进行资源整合与变革，作用尤为显著。
1.1 大数据含义
目前关于大数据的含义尚不明确，麦肯锡全球研究将大数据含义界定为：规模十分巨大的数据集合，通过传统的数据库软件工具获取这些数据难度较大，对这些数据很难管理、存储和分析。Gartner研究组织认为所谓大数据是指：只有在新的处理模式下，才可以充分发挥更强的洞察发现力、流程优化力及决策力，增长速度迅速、数量庞大且多样化的信息资产。大数据的主要特点表现在：数据规模巨大、数据的流传速度飞快、数据类型多样及价值密度低。在对大数据进行处理时，速度越快、越及时，获得的价值就越大。通过对大数据巨大的数据信息进行分析、预测能够得到较为可靠的结果，与以往的小数据时代比较，能够弥补很多小瑕疵。
1.2 大数据背景下广电行业受到的影响
大数据时代，广电行业受到了很大的冲击，虽然广电行业的有线渠道布局更加健全，内容制作方面具有较大的优势，然而近年来，电视收视市场的市场份额出现大量的缩水。目前世界上众多的网络巨头公司如谷歌、苹果等都通过分析客户的大数据信息来制作更加能够满足客户需要及兴趣的视频内容。以往对广播电视的内容是否优良进行评价时主要依赖于收听率及收视率等，大数据时代背景下，可供用户选择的终端明显增多、需要统计的数据形式也不断的发生变化、数量增多，若仅仅依赖于机顶盒所反馈的用户数据样本分析已经无法准确反映民众的口味。在互联网的推动下，网络电媒体的水平不断提高，电视媒体创作者已经不仅仅将电视作为节目播出的平台，网络的其他平台也可观看。
2 广电网络大数据运用的必要性
网络的快速发展使得各种智能终端快速普及，仅承载视频的终端就在PC基础上增加了Xbox、PS3、安卓、iphone、iPad、蓝光播放器及互联网电视等，而国家网络三大运营商、硬件设备商、互联网企业级内容生产商均对自己的定位进行了调整，积极参与到视频产业的制作中，并通过提供视频服务来获得相应的价值，传统的视频制作行业被颠覆。
c传统的广播电视比较，互联网在全面监测用户的操作习惯时更加方便，用户的收视习惯、收视场景及收视喜好均被大数据所掌握，通过对这些大数据分析能够在平台上向用户投放更加精准、针对性的视频内容、应用需要和广告推荐，以满足用户的其他潜在要求。目前大数据不仅用在用户群体、收视次数、收视时长等分析上，同时也用于微博传播监测、搜索引擎监测等网络维度上，从而为视频产业的参与者的业务运营提供指导，如内容推荐、内容编排、营销手段与广告投放等[1]。在以往较长时间里，有线电视一直处于霸主地位，然而在近年来受到竞争对手的冲击与用户观看习惯的改变，以OTT和IPTV为代表的IP电视发展迅速，传统的政策控制已经失效，只有顺应市场发展的需要才能够迅速发展。
网络发展迅速与大数据的背景下，传统的视频内容服务已经无法满足用户对视频的要求，因此，传统的广电网络要提高自身的竞争力，获得生存之地，必须充分运用互联网这一手段，大力发展广电网络大数据。
3 广电网络大数据应用的挑战与应对策略
3.1 挑战
虽然有线运营商掌握着大量的用户数据，然而这些数据要被充分挖掘并高效利用仍然需要较多的工作，同时面临着巨大的挑战。首先，受到市场需求转变、业务范围的扩展及网络规模不断扩大的影响，广电网络大数据规模不断增加，而原有的系统搭建已经不能适应这些零散、非结构化和无规律的大数据的存储与才处理，导致传统的数据处理平台无法线性扩容，无法更好的应对多元的数据类型与数据规模。其次，有线运营商业务经营范围逐渐增加，使得业务体系更加复杂，这就涉及到多部门的合作问题，业务流程的梳理难度明显加大。再次，大数据的特点与传统的网络业务分析特点不同，需要从多维度来分析海量的非结构化数据，广电网络要满足新的信息服务需求，就必须要构建新型的数据分析模型，挖掘大数据的深层价值。最后，广电网络以往平台比较单一，无法满足多元化、大规模数据的快速处理与分析，需要构建新型的大数据处理平台。
3.2 思考与实践
广电网络要更好的利用大数据，就需要从以下几方面入手：（1）广电网络的核心数据主要来源于电视与用户之间在互相“沟通”时的双向网络，然而目前用于采集用户收视数据的广电网络寥寥无几，基本是依靠采样的固定模式来对数据进行采集与分析，因此可信度不高。广电网络发展中用户行为数据的真实性成为其制约因素，因此急需要采集有效数据。（2）广电网络在对数据进行分析时，要从多平台收集多元数据，已实现数据的融合。目前人们在手机、PC和PAD等终端上观看视频的行为已经非常普遍，广电网络需要重视这一习惯，并对电视数据、点击流量数据、互联网数据进行融合，努力实现客户的识别与标签系统。（3）目前网络视频众多，广电网络要突出重围，就不能沿用以往电信数据集市、传统金融、数据仓库建设的老路子，需要坚持自己的特色，灵活使用数据，建设数据平台。在大数据时代，广电网络可以挖掘收视率市场监测 、广告插播市场等大数据，以求获得差异化。（4）改变以往对“数字”层面的单纯关注[2]，减少对财务指标的过多关注，将重点放在大数据的理解、采集和使用上，从而更系统、规范的使用大数据。（5）增加人才方面的投入与引进，目前广电网络数据分析的人员多是单纯的技术型人才，商业敏感性较差，因此，广电网络在引进和考核人才才时，在保证技术水平过硬的基础上，综合考察人才的商业敏感性、创新性等，同时建立完善的激励机制 。
4 结语
互联网快速发展，大数据的运用对广电网络提供了新的机遇与挑战，广电行业实现快速发展，就必须顺应时代潮流，精准管理、分析与利用用户、节目和内容的大数据，放远眼光，合理挖掘这些数据，以获得更好的发展前景。
参考文献
1 大数据分析技术
大数据技术是时代和科技发展的产物。当前，权威领域还没有对该技术有更加准确的官方解释，社会各界对大数据的定义也存在较大的区别。从总体上来说，大数据技术是通过技术的应用，来对海量数据进行处理，在立足这些海量数据基础之上，对这些数据进行专业处理和深度挖掘、分析，对各种资源进行更加合理的应用[1]。随着大数据技术的不断发展，技术已经取得了非常大的发展，在社会和生产领域中的应用越来越多，成为一种影响世界发展的关键技术，是传统技术所无法比拟的，其技术应用产物可以为高层企业决策提供非常好的参考，在基层分析中，也可以发挥非常大的作用。
2 移动通信网络
移动通信网络是一种非常好的通信传输介质，通过该网络的应用，可以有效实现客户与客户之间的通信，客户与服务器之间的通信。在实现整个通信的过程中，都需要强大的专业技术进行支持。随着我国各方面的全方位发展，社会生产和生活对移动通信的需求越来越旺盛，对通信质量要求也越来越高，对网络运行效果提出了更高的要求。为了持续保证网络运行质量，需要根据网络运行中出现的问题，及时做好网络的优化工作，保证网络的通信质量。通过大数据分析技术在网络通信中的应用，可以起到非常好的网络优化作用。但是，在该技术在给网络通信带来更好优化效果的同时，也对网络通信的进一步发展，造成了不小的影响。
3 大数据分析技术在移动通信网络优化应用中存在的问题
通过将大数据技术应用都移动通信网络的优化中，可以在很大程度上提高对网络的优化质量，为网络的更好发展和进步，提供有效的数值支撑。但是在该技术的实际应用过程中，也出现了比较多的问题，这些问题的产生，在很大程度上影响着网络技术的进一步发展和进步，下面将要对大数据分析技术在移动通信网络优化中存在的问题进行有效的分析[2]。
（1）存在着不少安全风险。大数据分析技术在移动通信网络中的主要作用，就是对移动通信网络的各种数据进行研究、处理、分析，在资源转换工作中也发挥着不小的作用。在技术的整个运用环节中，其与整个网络通信的安全因素是密不可分的，但由于当前大数据分析技术的发展还不够成熟，导致技术在运用过程中往往问题较多，很多问题的出现都会对网络通信安全造成不小的影响，严重时会造成网络数据损坏或者丢失。一旦造成重要数据丢失，就有可能对重要用户造成非常大的经济损失，严重影响客户对运营商的信任程度。
（2）移动数据存在的问题。当前移动通信网络发挥非常迅速，网络的覆盖面积也不断增加，在网络通信系统运行过程中，产生的数据资源总量也在不断增加，各类移动数据量越来越大。在对面这些海量移动数据时，大数据分析技术经常会表现出较多的不足，不能很好地完成对一系列数据的处理、分析等工作，对各种网络数据的处理也不够及时。数据方面出现的问题给移动通信企业的运营发展，造成了不小的影响，移动数据方面的问题不断突出。
4 有效的问题解决对策
（1）更好地对存储功能进行利用。大数据分析技术在移动通信网络中的应用，应该对大数据技术的存储功能进行更加充分的利用[3]。在对移动通信网络数据进行分析和处理的过程中，应该充分将大数据技术的存储功能应用起来，对于移动通信网络当中的大量数据进行有效的管理和存储，并在这个基础之上，做好对数据存储的虚拟化，将数据存储虚拟化作为处理移动数据的有效方法，在有效解决移动数据存在各种问题的同时，也可以有效降低网络运行的成本投入。
（2）不断建立和健全相关的管理体系。随着时代的不断发展，大数据分析技术在网络中应用的重要性不断突出，但其中爆发出的网络安全问题需要及时引起我们的重视。虽然大数据技术在生产和生活中的应用越来越多，但在制度和体系建设方面也暴露出来比较多的不足，需要进一步健全相关的管理体系，让大数据技术在网络优化中的应用不断规范化和标准化。此外，在技术的应用环节中，还应该做好对重要数据的安全监测工作，更进一步保障整个移动数据的安全性。当前管理体系的完善性还非常不足，各种安全风险因素往往较多，应该对这些安全风险因素有清醒的认识，通过及时采取各种有效的技术措施来有效弥补这些不足，确实保障每个移动通信网络用户数据的安全性。
（3）将大数据分析技术应用到位置信息的管理过程中。在对移动通信网络的优化过程中，用户位置信息的管理一直是难点和重点，其能更好地符合当前移动通信对用户的基本要求。在过去传统的通信过程中，由于位置管理不是非常理想，导致对移动通信网络的优化难度比较高，在移动通信基站方面就形成了非常明显的限制，各种整体性通信网络服务的限制性比较明显。为了有效解决这个问题，可以将大数据技术有效应用在对用户位置信息的分析和处理上，促进对基站的合理化建设，认真做好基站建设的位置规划，确保基站在假设完成后，可以更进一步将其作用发挥出来，避免过去数据分析不当造成的基站管理混乱情况的出现。
（4）构建非结构化的档案资源数据库。在海洋信息的使用过程中，经常采用的是非结构化的存储模式。这主要是因为海洋信息的种类太过丰富，且还处于不断增多的趋势，这对数据管理的数据库提出了新的要求。目前出现了一种新型的NoSQL数据库技术，其能有效解决非结构数据的存储管理问题，它摒弃了传统关系型数据库ACID的特性，采用分布式多节点的方式，非常适合大数据的存储和管理。由于其采用无关系的数据管理模式，这大大提高了地理信息数据的可扩展性，避免了结构化数据管理模式所带来的弊端。此外，其具有非常强大的数据读写能力，在大数据情况下，依然可以表现得非常有优势。这种数据库采用的是灵活的数据模型，无需先要建立存储字段，定义数据类型非常灵活，并且可以灵活改变数据的类型。总之，该数据库非常适合对地理信息的存储和管理，不仅占用的空间小，对于数据的管理也非常灵活，实际运行效率也很高。
关键词:大数据技术;网络信息;应用
大数据技术作为一种信息的处理模式，越来越多地被应用到各个领域当中。也可以说，大数据技术的应用预示着算计机网络信息管理进入一个全新的时代。但同时，大数据技术在网络信息管理中还存在着一些问题，这就需要相关人员对大数据技术进行不断的改革。
1大数据技术在计算机网络信息管理中存在的不足
1．1信息处理不规范问题
目前有些工作人员在对计算机网络信息处理时经常会出现数据缺失问题，这就导致了信息在处理过程中的不完整，影响信息的利用率。另外，有些信息在处理时，不能实现共享功能，这就给社会活动中信息的利用造成障碍。1．2计算机网络信息处理技术的问题大数据技术依赖于计算机网络环境，对计算机网络信息管理能力要求十分高。但目前我国一部分计算机网络信息处理中，由于计算机硬件设备的落后，导致了信息处理的速度远无法满足时展需求，无法实现数据信息的海量存储。
2大数据技术在计算机网络信息管理中的应用
大数据技术的应用对提高计算机网络信息管理效率有着至关重要的作用。大数据技术主要是指能够处理计算机网络巨大信息量的技术，其技术类型包括了大数据的采集、大数据的预处理、大数据存储管理、大数据分析及大数据应用技术。
2．1大数据技术的特点
首先，大数据技术具有能够存储巨大数据量的特点。目前人们所使用的大数据技术均是LSI技术，据统计，这种技术可以存储的数据量相当于宇宙天体三倍以上的容量。另外，计算机网络一天工作中所产生的数所量可以刻满1．68亿张光盘。这也就表明了LSI大数据技术的信息存储量已经达到了千万亿，甚至是十万亿亿以上。其次，大数据技术可以全方位收集各种类型的数据信息。大数据技术可以收集各种类型的信息资源，如:音频、视频、非结构性数据、网络文章、文本信息、公共地理位置等。例如:UPS公司早在2009年的时候，就已经实现了行车整合优化和导航大数据技术系统，并且至2003年底，该大数据系统已经实现了高速一万多条道路的使用率。同时，该公司还实现了出件率高、燃油量消耗小的目的，大大提高了企业创造经济利益最大化的能力。再次，大数据技术具有较高的商业价值。计算机网络的信息数据量是十分巨大的，其中包括了来自各平台、企业、各运输工具的数据。要想在计算机网络环境下对这些数据进行挖掘和整合，就必须要借助于大数据技术进行分析。企业可以通过大数据技术对信息的分类，选择更有利于自身发展的数据，推动企业商业化进程。最后，大数据技术是提高计算机网络工作效率的最佳途径。在计算机网络中，通常采用非关系型数据处理技术、数据群处理技术对非结构化的系统数据进行管理，从而获取最有价值的数据资源，这与传统的数据处理形式相比，大大提高了数据信息效率，避免了大量时间上的浪费。
2．2大数据技术的应用
大数据网络入侵检测技术的应用。在计算机网络信息管理中，入侵检测技术是信息安全的重要保障。首先，计算机网络信息管理中采用入侵检测技术，可以大大提高计算机网络信息的安全性和可靠性，同时对提高网络信息的保密性能也有十分重要的作用。其次，采用大数据网络入侵检测技术可以依照对信息的不同管理方式，对存在安全隐患的数据进行过滤，确保网络信息数据的安全性。最后，采用大数据网络入侵检测技术还可以实现对计算机运行情况实行监控的功能，大大提升了计算机网络运行的性能。同时也降低了计算机网络信息被袭击的风险。大数据技术在网络信息多元化管理中的应用。随着计算机网络的发展，信息资源共享已经成为了多元化发展的重要手段。在大数据技术环境下，数据的收集、分析效率会大大提升。同时，大数据技术具有存储量大的特点，更加有利于对网络各类信息进行整合，提高网络数据信息的使用率。
3提高大数据技术在计算机网络信息管理中应用能力的措施
3．1发挥政府部门的引控能力
大数据环境下所要处理的信息量十分大。因此为了确保这些信息在处理过程中的安全性和隐秘性，政府部门必须要参与进来，发挥其引控职能。首先来讲，大数据技术信息处理过程中的数据安全性对计算机网络能否正常运行有着十分重要的意义，因此政府部门在管理中要建立专门的信息评估制度，一方面可以对信息的安全性进行监控，防止不良信息的侵入。另一方面可以保护大数据信息处理环境下的数据安全性，避免个人信息的泄露。另外，加强网络信息管理的规范性，也是引导大数据技术在计算机网络信息应用管理中健康发展的必要手段。
3．2提高信息管理人员的综合管理能力
在大数据技术的信息管理中，工作人员的技术水平及综合管理能力是十分关键的。因此，首先要加强工作人员对大数据技术信息管理的重视度。其次要大量引进优秀的大数据技术信息管理人才。再次，对现有的大数据技术信息管理人员进行培训，提高管理人员的技术水平。最后，要建立一个完善的信息管理制度，保证将大数据技术在计算机网络信息管理中应用到每一个环节中，提高信息管理的有效性。
4结语
综上所述，大数据技术在计算机网络信息管理中的应用十分广泛。因此在大数据技术实际应用中，要针对不同的要求对大数据技术进行分析，发挥其最大的优势。使大数据技术能够全面推动计算机网络信息管理技术的发展。
参考文献:
［1］李燕．大数据时代人工智能在计算机网络技术中的应用［J］．数码世界，2019(10):248．
购物车(0)
