大数据时代计算机网络安全技术分析 本文关键词：网络安全，计算机，时代，分析，数据
大数据时代计算机网络安全技术分析 本文简介：1大数据技术和计算机网络安全技术整合的必要性网络安全分析的数据量正从TB朝着PB发展，数据的内容更加细化、数据分析的维度更为多元、信息数据的发送速率也在逐步提升，0day等漏洞日益增多，多阶段组织式APT攻击发生也越发频繁，对计算机网络安全提出了更高要求。传统计算机网络安全技术在数据储存方面主要采用
大数据时代计算机网络安全技术分析 本文内容：
1大数据技术和计算机网络安全技术整合的必要性
网络安全分析的数据量正从TB朝着PB发展，数据的内容更加细化、数据分析的维度更为多元、信息数据的发送速率也在逐步提升，0day等漏洞日益增多，多阶段组织式APT攻击发生也越发频繁，对计算机网络安全提出了更高要求。传统计算机网络安全技术在数据储存方面主要采用“结构化数据库”，数据的储存成本相对较高。储存时间较长的数据容易丢失，寻本溯源较为困难，尤其是对体量较大、降噪较为困难的数据，分析效率极为低下，数据分析的准确性也难以得到保障［1］。大数据技术支持海量非结构化数据的整合、分析、储存、计算，相较于传统的数据库分析技术，处理成本更低、安全投入更低、对于非结构化数据的分析效率更高、检测的相应速度更快。同时，大数据技术能够实现精准化挖掘，支持对多维度非结构化数据的关联性分析［2］。大数据技术和计算机网络安全技术的整合是必然的发展趋势。
2大数据技术在计算机网络安全分析中的应用
根据计算机网络的运作特征，网络安全分析主要针对计算机数据流量、日志、漏洞等对象，辅助参考用户行为、业务行为、应用行为、外部情报等方面。传统的数据库分析技术，主要包括恶意代码检测、僵木蠕检测、异常流量检测、Web安全分析等内容，在整合大数据技术后，就能够在保证可靠分析的基础上，实现不同结构数据和访问日志的整合，达成高效率的储存、检索、分析、挖掘。尤其是针对APT、0day等传统计算机网络安全技术难以防范的攻击类型，大数据技术在检测、分析方面的优势更为突出［3－4］。在网络安全信息挖掘方面，大数据技术支持对海量网络数据的高效率挖掘，同时整合Scribe、Flume、Chukwa等工具，采用“分布式挖掘”的方式，对网络信息数据的挖掘速度可达到每秒数百兆。为了满足不同需求的数据储存，提高数据分析、数据查询的效率，大数据技术可有效应用Gbase、Hbase等储存方式，同时利用Hadoop分布式计算架构、Spark计算架构、Storm计算架构，实现分析数据的有效分配、储存，为高效率的数据分析处理奠定了基础［5］。在网络信息数据处理方面，针对数据的实时化分析，大数据技术能够在利用Spark、Storm、Hadoop计算架构的基础上，整合complexeventprocessing技术，实现对非结构化数据的关联性分析，发现计算机网络在运作过程中存在的异常状况。
3大数据技术和计算机网络安全技术整合分析平台
大数据技术在分析、储存、检索方面有着传统技术方法所不具备的优势，能够有效提高数据的分析效率，并具备从海量信息数据中挖掘安全问题、安全隐患的能力。以一种大数据技术和计算机网络安全技术整合的分析平台为例，可以更清楚地理解大数据技术的优势。图1基于大数据技术的网络安全分析平台架构示意图Fig.1Architectureofnetworksecurityanalysisplatformbasedonbigdatatechnology
3.1基于大数据技术的网络安全分析平台架构
如图1所示，基于大数据技术的网络安全分析平台，架构从上而下分别为数据采集层、数据储存层、数据挖掘层、数据呈现层。从数据的类型上来看，平台几乎涵盖了计算机网络在运行过程中可能会产生的所有信息，如DNS流量信息数据、Netflow流量信息数据、用户行为信息、网络配置信息、Web应用信息等。数据储存层通过分布式储存，能够实现对多样化非结构数据的长期储存。在分析平台上，数据采集、数据储存、数据挖掘分析、数据呈现可构成一个完善的整体。
3.2关键技术方法
数据挖掘技术:主要实现对网络数据的在线分析以及对日志信息、流量信息的离线统计，信息数据的统计主要借助于Hive实现。从图1可看到，为统一在线信息的采集以及离线信息的采集，平台整合了Strom、Kafka计算架构。在整合在线信息数据、离线信息数据时，实现分布式、非结构、可靠、高效率的海量信息聚合、采集，对数据经过整合处理后，将数据发送至相应的分布储存点［6］。和一般数据挖掘方法不同，平台利用Kafka来保证对流式数据的有效处理，Strom则能够对各种实时消息进行分布式处理，使得计算机网络在运作的过程中不间断进行数据读取、发送、储存。数据储存技术:挖掘出的网络信息数据主要储存在HDFS中，HDFS是目前较为成熟的分布式文件储存技术，能够在不同的数据节点储存不同种类的非结构化数据，对于海量的信息数据，HDFS还支持数据的相互导入。数据分析技术:平台数据分析利用MapＲeduce实现，MapＲeduce本身是一种较为成熟的编程模型，多用于对大于1TB数据集的并行运算，提供了一个庞大的数据计算框架，在这个框架下，数据分布存储、数据通信、容错处理均能够实现。平台还应用了Hive对数据进行统计，并利用HDFS对非结构化数据进行快速的检测、查询。
4结语
信息安全问题在大数据时代已经转变为一个数据分析问题。当前网络信息数据的规模不断增长，数据的类型越来越繁多，现有的网络安全技术难以实现精细化的高效分析。大数据技术所具有的特征能够满足当下计算机网络的安全保障需求。
参考文献:
［1］赵亮.浅谈基于大数据时代的计算机网络安全技术应用［J］．信息技术与信息化，2019，(09):135－137.
［2］尹智.网络安全探讨大数据技术及其在计算机信息系统中的运用［J］．数码世界，2019，(09):262.
［3］李玮.探索大数据时代计算机网络安全的影响因素与预防措施［J］．网络安全技术与应用，2019，(09):9－10.
［4］刘昕林.一种基于大数据的网络安全防御系统研究与设计探讨［J］．科学技术创新，2019，(26):96－97.
［5］党会博.借助大数据对网络安全事件自动分析与深度挖掘研究［J］．无线互联科技，2019，16(14):17－18.
［6］秦娅，申国伟，余红星.基于Hadoop的大规模网络安全实体识别方法［J］．智能系统学报，2019，14(05):1017－1025.
作者：唐明双 单位：长春工程学院
大数据时代计算机网络安全技术分析 来源：网络整理
免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
相关文章