论基于异常数据检测的网络数据库安全管理问题

2020-05-14邱海斌

电子元器件与信息技术 2020年2期

邱海斌

（沈阳广播电视大学，辽宁沈阳 110003）

0 引言

在信息化时代背景下，数据库发展规模越来越大，在海量数据的信息时代背景下，网络数据库则是时代发展的必然产物。对于网络数据库来说，则是能够充分利用好数据以及资源的优势，用户通过浏览器或者客户端，能够实现数据库的相关的操作，方便化地开展数据查询、存储等方面的工作。针对网络数据库的发展情况来看，其更多体现出数据资源的灵活应用、共享范围逐步扩大的特点，能保证网络信息环境下的数据资源利用率得到全方位的提升，在这样的背景下，往往也意味着逐步提升了数据库用户的管理难度。在诸多外在因素的影响下，网络数据库经常处于不安全的状态中，数据的安全性问题则是网络数据库发展的关键问题，所以，为了全面重视网络数据库中的数据安全性问题，这里结合实际应用需求探讨了基于异常数据检测的网络数据库安全管理相关问题，希望能有助于今后全面提升网络数据库性能。

文献［1］主要探讨了利用知识粒度算法来开展数据库中的异常数据的处理。结合相应的知识粒度量不确定性的理论，能够结合实际需求来进行挖掘处理其中的异常数据，这种方式在实现方面较为容易实现，具有一定的简便性，但往往其表现出的稳定性比较差；文献［2］则是利用给定时序数据中相似时许序列的处理方式，来进行相关的数据库中异常数据的处理，这种算法具有反应快速特点，但往往在实际应用中表现出比较大的挖掘误差情况，这点则是应该引起充分的重视；文献［3］这是采用了并行挖掘算法，并能结合改进布尔型关联规则的方式，比较好地处理了相应存在着的外界影响因素，能够结合异常频繁模糊属性集方式来进行处理数据库中的异常数据。这种方式网管网具有较强的适应性，所能抵御外界干扰效果较好，但应该注意的则是其中所蕴含的异常数据的特征变量往往并没有表现出明显性，往往会导致存在着挖掘精度低的情况。

考虑上述算法的情况，这里可以积极思考如何发挥模糊自适应映射理论的优势来进行数据库异常数据的处理。能够结合历史数据库中异常数据的特征变量的情况，并能有效进行分段量化处理，并能有效进行相应的异常数据状态的关键数据点的集合处理，并能保障其实现相应的离散化处理。并在基础上，能够从实际需求出发来构建相应的基于模糊自适应映射网络的数据模型，并能确定相应的计算模型，以便更好实现精确化的数据挖掘处理[4]。

1 数据库异常数据检测原理

针对数据库的数据挖掘技术来说，异常数据处理则是非常重要的一个方面，经过相关的数据库异常数据挖掘处理，相比于正常状态下的数据来说，异常数据具有明显的差异性，这部分数据往往并没有在相应的误差中，而是更多体现出多类型的情况。由此可见，异常数据的行为具有较大的反差性，这点则是应该非常重视的问题，一般来说，在进行数据库的异常数据挖掘处理环节中，主要涉及到以下几个方面的内容：一是具体的数据库异常数据挖掘中，则应该进行预处理相应所涉及到的数据库中全部数据；二是异常数据处理中，则应结合相关的规则来计算相应数据之间的距离，能符合算法的要求；三是异常数据处理中，则应对于数据库中的初始数据进行变化处理，使其成为基本表的形式；四是异常数据处理中，能够进行数据库中变换后的基本表的数值转换为效用值，并能明确相应的参数数值；五是异常数据处理中，则应能进行对比相应的参数计算结果，从而判断相应的异常数据点，不断提升挖掘的准确性要求[5-6]。

2 异常数据检测的网络数据库安全管理流程

2.1 构建网络数据库中异常数据检测方式

结合网络数据库的特点来看，在进行数据提取的过程中，则应充分借助于异常数据的检测，来实现网络数据库的安全性方面的要求，特别是应结合实际应用需求角度，结合需求来构建异常数据检测路径的搭建，这样的情况下，就能形成网络数据中属性数据所构成相应的集合。在上述的基础上，结合网络数据库的实际需求情况，检测异常数据的环节中，应该重视相应的检测方式的选择。结合相应的一般情况来看，则是首先将所有数据设定为待检测数据，然后进行数据聚类中心的设置，以便更好满足相应的实际需求，在此基础上明确数据聚类半径R，并能够结合隶属度计算、数据检测偏差S，经过相应的对比分析来看，这样方可以保障如何有效开展数据检测活动，实现预期的目标数据要求，能完成网络数据库中异常数据检测要求[6]。

2.2 确定网络数据库中异常数据检测目标

结合网络数据库在实际应用情况，特别是应结合实际需求来明确网络数据库中异常数据所涉及到的检测目标的情况。在具体的应用中，网络数据库的用户利用相应网页浏览器，通过常规化的网络操作，能够实现访问互联网中的计算机网络数据库，并能按照要求进行相关的操作，满足具体的实际需求。

通过参考网络数据库的运行特征来看，能有效保障网络数据库中异常数据检测目标得到进一步明确化，并能结合实际来进行离散化处理数据库中的数据属性，在这样的情况下能够满足相关数据处理为模糊集合的要求。在此基础上，结合相应提倡数据特征来看，重点来计算相应的异常数据属性的模糊频繁值，并进行相关的判断工作。通过相关的小信任度条件的进一步优化，方能保障实现关联模糊的数据的获取，从而保证实现确定异常数据目标[7]。

3 实现异常数据检测的网络数据库安全管理步骤

结合上述分析，针对网络数据库的安全管理问题，采用上述的异常数据检测方法，所涉及到相应的算法以及布置可以从以下三个方面进行探讨。

第一步，结合网络数据库中的数据特点，从网络数据的特点考虑而采用C均值模糊聚类算法，在这样的指导下进行聚类处理相应的数据属性，根据相应的规则来明确相应数据属性的隶属度的计算；

第二步，结合相关的转换规则来处理网络数据库中的数据属性，并在一定要的要求下构建成属性模糊集，利用相应的网络数据库中的数据模糊关联规则的要求，能有效进行均值化处理相应的数据属性，在这样的情况下从而保障不同的界限数据集合[8]。

第三步，结合相应规则下的界限数据集合的情况，通过相关的检测活动，进行反复检测来判断相应的异常数据能够符合结束的条件，并据此进行相应的程序继续执行与否的判定。

通过相应的网络数据库中的数据属性离散化处理情况，再结合上述得到的相应的数据聚类中心以及所涉及到的数据聚类半径等参数，结合相应的隶属度计算、数据检测偏差等计算的参数值，这样就能综合性得到相应的异常数据检测结果。并结合后续的算法来有效处理相应的异常数据，并优化相应的结束检测条件来进行判断，从而保证实现这里所提到的异常数据检测的网络数据库安全管理的实际需求[9]。

4 仿真实验

4.1 网络数据库的异常数据检测实验准备

在进行上述算法的验证过程中，重点结合实际来开展相应的仿真实验。在具体的过程中，仿真实验对象则是为网络数据库安全管理模型，从全面提升仿真实验的有效性的角度考虑，这里选择两台PC机作为仿真实验设备，其配置为core CPU T4300，内存8G DDR3.其中，相关的数据总数为M，总共涉及到数据属性为m种，相应的异常数据标记为aj，相应属性则是为bj。根据上述方式，进行传统的安全管理方法以及本文所提出的安全管理方式进行对比分析，开展相应的安全性仿真实验对比，相应的是时间设置为一周，并结合安全性检测软件能够对于数据库的安全性进行每天的检测以及统计，并结合相关的检测所定的分数来进行分析，得到网络数据的实际运行状态，是否符合安全运行的要求[10]。