面向大数据的网络安全分析方法

随着互联网技术的飞速发展与进步,大数据平台开始进入到人们的视野,云计算、云储存、分布式计算等平台已经逐渐形成了一整套完善的系统体系。本文通过对大数据网络安全的目前形势、关联分析类型及大数据场景三方面研究,为能够准确地找到网络漏洞并及时解决这些不安全因素提供了理论依据。     

大数据时代下计算机网络安全的防范措施

现阶段,计算机技术已经深入人们生产生活的各个领域,信息化已经成为人们生活不可或缺的组成部分。随着信息化技术的不断应用,海量数据的运输在为人们生活带来方便的同时也带来了极大的安全问题。基于此,笔者针对大数据时代下计算机网络安全问题进行研究,分析计算机网络安全的特点,研究计算机网络出现的问题,并进一步探索计算机网络安全防范策略,以期为大数据时代下保障计算机网络安全作出贡献。     

大数据社会治理中的数据管理、运行与信息安全研究

大数据技术作为当前科学、金融、商业等诸多领域的热门应用,极大地改变了人们在日常交通出行、智能医疗、在线教育、电子政务等方面的工作和生活方式.然而,随着大数据技术的广泛应用,大数据资源也面临着多种安全威胁.如何做好大数据信息运行和管理,有效识别信息安全威胁,防范安全风险,对大数据技术的发展有着重要的意义.     

大数据背景下计算机网络安全防范措施

随着云计算、移动互联网、物联网等计算机技术的日益发展,人们的生活正式进入"大数据"时代。本文基于大数据的背景下探讨计算机网络存在的安全问题,以及针对这些安全问题如何做好计算机网络安全的防范措施。     

大数据背景下校园网安全防范策略探究

近年,校园信息化建设历经了校园网、数字校园、智慧校园三个阶段的发展,校园网已经代替了传统的校园管理运行方式,使校园管理更加的高效。但是,随着大数据时代的到来,信息化建设安全问题也随之越来越复杂。本文通过分析研究当前在大数据背景下校园网络的安全情况,提出了大数据环境下校园网络安全防范的具体措施。     

怎样才能彻底删除数据?

随着计算机、移动数码设备的日益普及,包括照片、视频、音乐等数据的安全问题。已经成为人们关注的焦点。尤其是近年来包括希尔顿艳照、陈冠希艳照等事件的曝光,使人们更加关注数据的安全。从专业角度讲,数据安全问题是计算机安全问题的核心,     

旅游大数据与挖掘分析研究

随着云计算、大数据等新兴技术的快速发展,旅游大数据已经引起广大学者的关注。该文介绍了大数据概念及旅游大数据的发展需求,概述了数据挖掘常用技术以及旅游大数据的挖掘技术,最后给出了数据挖掘在旅游行业的应用方向。     

大数据时代档案安全管理策略分析

随着新一轮的生产力增长和消费者盈余浪潮的到来,海量数据的挖掘和使用预示“大数据”已存在各行各业领域中,当然,档案安全管理也不例外。但是,在大数据与档案管理有效融合过程中,档案安全管理工作正面临网络、数据、现代化信息技术、系统运行等带来的风险和挑战。本研究基于大数据背景下加强档案安全管理必要性的分析,针对当前档案安全管理工作中存在的问题,提出相应的有效策略,以期对大数据时代的档案安全管理工作提质、增效提供一定借鉴。     

怎样才能彻底删除数据?

随着计算机、移动数码设备的日益普及,包括照片、视频、音乐等数据的安全问题。已经成为人们关注的焦点。尤其是近年来包括希尔顿艳照、陈冠希艳照等事件的曝光,使人们更加关注数据的安全。从专业角度讲,数据安全问题是计算机安全问题的核心,     

数据资源体系在大数据中的应用

随着互联网、大数据、人工智能等先进技术的发展,信息数据呈现几何增长.这些数据已经渗透到当今社会的各行各业,为政府和企业进行科学决策、开展各类研究、规划未来发展方向等方面提供了充分的科学依据,成为政府和企业发展中不可或缺的战略资源. 随着政府和企业智能化、信息化的转型升级,存量数据形成规模,数据质量和可用性均不高等问题逐...     

大数据时代的金融信息安全

继云计算、物联网被发明和应用之后,大数据成为了当前信息产业的又一大技术创新。大数据技术创新在给人们带来机会和挑战的同时也对现有的信息安全手段提出了更高的要求。特别是大数据技术在金融行业的应用,现在的金融信息化已全面进入信息安全管理阶段,对计算机信息系统有着高度的依赖性,金融信息安全问题日益突显。本文主要论述了大数据时代对信息安全存在的威胁,并提出了如何采取对策确保大数据环境下的金融信息安全。     

基于Hadoop的大数据信息安全监控云平台设计与研究

针对传统的大数据信息监控云平台模式单一、虚拟化程度不高,容易导致信息泄露的问题,为了提高对大数据的信息安全溯源能力,提出基于Hadoop的大数据信息安全监控云平台设计方法。在信息资源云体系下构建大数据信息安全融合模型,通过信息挖掘与匹配方法把云平台中的数据资源、物理资源进行关联性整合,方便数据安全溯源,在Hadoop平台下构建多源信息资源云,建立用户接口注册机制,采用虚拟化技术进行信息保护,实现在云平台下进行信息安全溯源。实验结果表明,采用该方法进行大数据信息安全溯源,大数据信息分类存储性能较好,对异常数据挖掘精度较高。具有较好的信息安全保护能力,确保了信息安全。     

Image retrieval from remote sensing big data: A survey

The blooming proliferation of aeronautics and astronautics platforms, together with the ever-increasing remote sensing imaging sensors on these platforms, has led to the formation of rapidly-growing earth observation data with the characteristics of large volume, large variety, large velocity, large veracity and large value, which raises awareness about the importance of large-scale image processing, fusion and mining. Unconsciously, we have entered an era of big earth data, also called remote sensing (RS) big data. Although RS big data provides great opportunities for a broad range of applications such as disaster rescue, global security, and so forth, it inevitably poses many additional processing challenges. As one of the most fundamental and important tasks in RS big data mining, image retrieval (i.e., image information mining) from RS big data has attracted continuous research interests in the last several decades. This paper mainly works for systematically reviewing the emerging achievements for image retrieval from RS big data. And then this paper further discusses the RS image retrieval based applications including fusion-oriented RS image processing, geo-localization and disaster rescue. To facilitate the quantitative evaluation of the RS image retrieval technique, this paper gives a list of publicly open datasets and evaluation metrics, and briefly recalls the mainstream methods on two representative benchmarks of RS image retrieval. Considering the latest advances from multiple domains including computer vision, machine learning and knowledge engineering, this paper points out some promising research directions towards RS big data mining. From this survey, engineers from industry may find skills to improve their RS image retrieval systems and researchers from academia may find ideas to conduct some innovative work.     

网络计算机模型下海量大数据存储系统设计

对网络计算机模型下海量大数据进行安全稳定的存储,可以提高网络计算机的使用价值,增加其使用周期。但目前的海量大数据存储方法在存储过程中,无法做到对其进行灵活高效的存储,存在大数据存储分布密度较低,存储开销较大等问题。为此,以网络计算机模型体系结构为基础,提出了一种基于ARM的海量大数据存储系统设计方法。该设计方法先利用ARM芯片对网络计算机模型下海量大数据存储系统进行硬件构造,将网络海量大数据中的可利用与不可利用数据进行分类处理,采用VISA结构根据数据分类结果对大数据存储系统软件部分进行设计,依据大数据调度模型和存储相似度特征对大数据存储的时间,质量等方面进行计算,利用计算结果对大数据传输的阈值以及分布密度进行记录,最后根据循环分段的计算方式进行冗余大数据特性压缩,并对海量大数据的常规数据和冗余数据进行存储。实验仿真证明,所提方法提高了海量大数据存储的兼容性,增强了大数据存储的精确性和灵活性。     

High-density information security storage method of big data center based on fuzzy clustering

The amounts of digital data, when it is generated for each generation, valuable information called big data, have been retained. The cluster is typically used as a research technique; this practical information mining is the process. A considerable amount of diagnosis in the context of big data is established to measure the clustering processing for big data analysis. The so-called fuzzy mechanism-only framework assembled in the security storage sector may include access to the sub-iterative method. The algorithm, based on the incentive of the design and implementation of its low computational needs fuzzy clustering algorithm, big data is possible to cluster the vast data set and biased. Handle the Random Data Storing with Optimization Fuzzy Logic algorithm (RDS-FLA) proposes random data security storage and optimization be applied to the cluster data, the fuzzy logic algorithm. Some of the large-scale data set of experimental learning data has been shown. To evaluate the vague and random data security storage and the time, the attempted performance of RDS-FLA is a form of recommendation for the execution of scalability on a big data cluster. The calculations, the complexity of time and space, run the time, cluster quality, RDS-FLA is, without affecting the quality of clustering, it is about measures in the face to show that that can be performed in a short period. Therefore, the proposed algorithm, shortening the processing time, increase the efficiently stored data security. Advantages such as optimization and efficiency of such data security costs can be determined from the algorithm's experimental results.     

大数据环境下数字档案馆信息安全保障研究

随着大数据时代的全面来临,大数据分析技术下的信息安全问题逐渐引起社会各界的普遍关注,受多种因素影响,大数据环境下数字档案馆信息安全呈现出新特点,对信息安全保障建设提出更高要求。     

大数据网络安全防御中人工智能技术的应用分析

如今,人工智能技术在各行各业中都得到了广泛的应用。而在大数据网络中,信息安全问题也一直是人们关注的重点。在大数据网络安全防御中采用人工智能技术,可以自动配置网络安全防御策略,提高网络安全的稳定性与可靠性。文章通过对人工智能技术在大数据网络安全防御中架构设计进行分析,探讨了人工智能技术在大数据网络安全防御中的应用部署﹑架构等。     

A resource-efficient encryption algorithm for multimedia big data

Nowadays, multimedia is considered to be the biggest big data as it dominates the traffic in the Internet and mobile phones. Currently symmetric encryption algorithms are used in IoT but when considering multimedia big data in IoT, symmetric encryption algorithms incur more computational cost. In this paper, we have designed and developed a resource-efficient encryption system for encrypting multimedia big data in IoT. The proposed system takes the advantages of the Feistel Encryption Scheme, an Advanced Encryption Standard (AES), and genetic algorithms. To satisfy high throughput, the GPU has also been used in the proposed system. This system is evaluated on real IoT medical multimedia data to benchmark the encryption algorithms such as MARS, RC6, 3-DES, DES, and Blowfish in terms of computational running time and throughput for both encryption and decryption processes as well as the avalanche effect. The results show that the proposed system has the lowest running time and highest throughput for both encryption and decryption processes and highest avalanche effect with compared to the existing encryption algorithms. To satisfy the security objective, the developed algorithm has better Avalanche Effect with compared to any of the other existing algorithms and hence can be incorporated in the process of encryption/decryption of any plain multimedia big data. Also, it has shown that the classical and modern ciphers have very less Avalanche Effect and hence cannot be used for encryption of confidential multimedia messages or confidential big data. The developed encryption algorithm has higher Avalanche Effect and for instance, AES in the proposed system has an Avalanche Effect of %52.50. Therefore, such system is able to secure the multimedia big data against real-time attacks.

     

基于大数据的数据库安全保障体系浅析

信息化时代的最显著特征就是数据化趋向明显,也可以说信息化时代就是大数据时代,数据潜移默化的出现在我们的生活中,构成多样的数据集合.而数据在某种情况下,又是一种无形的资产,由此带来的安全性思考也逐渐引起现代人的重视.我国基于数据安全而形成的数据库安全防御体系也逐渐完善,在数据安全方面发挥着重要的作用.本文主要针对大数据背景下,数据库安全保障体系的建立进行分析,探究我国数据库安全保障体系的建设工作,从而促进我国数据信息的安全与保密.     

大数据时代网络安全及预测技术研究

大数据时代信息技术的快速发展,依托于各类硬件防护设备的网络体系架构的异构数据量每天以指数级的量级递增,基于传统的网络安全防护技术无法有效的适用于具有海量数据的特征网络安全和分析预测等工作,因此海量数据的保存、使用、以及分析等信息挖掘和数据分析预测逐步成为社会各界重视和当前的研究趋势。本文以海量的异构数据为研究对象,识别网络安全大数据的典型特征,结合情报预测的主要方法,创新性的提出了大数据特征下的网络安全预测分析技术,提高网络安全风险识别和预测、俞静能力,有效的改善网络防护效果。