基于网络数据包的大数据分析程序设计与开发

张勇强

关键词 网络数据包 大数据分析 程序设计

计算机网络的发展速度越来越快，全球信息化成为趋势。但是，由于计算机网络具备开放性、互联性等特征，导致其很容易被攻击和中病毒。因此，网络信息安全与保密是计算机发展的永恒话题，尤其是部分系统的安全管理非常重要，如军用网络、银行网络等。

1网络数据包协议程序

数据包协议程序可以收集网络中有价值的数据程序，如用户账户、密码、商用数据等，计算机网络接口在截获这部分数据之后，可以为其他计算机提供数据报文功能。网络数据包协议程序可以帮助人们分析网络数据，并结合流量查找数据中存在的问题。比如，网络的某一段存在问题，报文发送缓慢，但是人们并不知道出现问题的原因，此时使用网络数据包协议分析程序即可实现精准判断。应用数据包协议分析程序可以提高网络管理质量，对整个系统管理起到重要作用。管理人员通过数据包分析程序可以诊断计算机所存在的模糊问题（这些问题通常导致系统出现异常）以及检测计算机信息安全隐患。出现模糊问题的原因是计算机之间的异常通信记录、各种计算机协议导致系统构成复杂。因此，我们需要借助协议程序分析并确定计算机的IP 地址、信息发送详细情况、信息传输具体情况等。相关信息为信息判断提供重要依据，同时也是保证网络信息安全的重要手段。

如今，网络威胁越来越多，病毒随时会出现。造成网络安全威胁的原因主要有四个方面：（1）开放性，开放性是所有计算机的特征，同时也让计算机系统成为病毒、黑客攻击的目标，这是目标系统的固有弱点。互联网的“开放” “共享” 特性为病毒入侵提供了便利，因为开放性与私密性是计算机的灵魂，所以保护过度将会降低信息交流频率，那么互联网发展的初衷也就不复存在[1] 。（2）软件基于人的需求而研发、制作，当软件存在漏洞就会被攻击，因此该攻击也被认为是不可避免的漏洞。实际上，部分公司虽然对软件进行了反复测量、分析，但是在正式使用软件时仍旧有漏洞，即存在被攻击的可能。漏洞主要存在于操作系统、网络浏览器，正是因为漏洞的存在———部分用户将接口程序设置成开发性，黑客会试图对其进行攻击，这对数据库构成了严重威胁。（3）部分公司为追求名誉而不追究黑客的法律责任，如美国八大网站受到攻击后因为资料并没有泄露而未被曝光;部分公司在被黑客攻击之后反而悄无声息。国内部分公司为追求自身利益，一旦公司出现信息泄露的现象必然损失大量客户，因此公司在遭受黑客攻击之后，不敢立即采取法律手段保护自己，而是进行私下解决。上述“姑息养奸”行为導致黑客不减反增。（4）打击网络犯罪等法律并不完善。互联网是新时期的产物，针对互联网的立法发展十分缓慢，人们并不清楚互联网的相关法律，这对传统法律提出了挑战。比如，认定盗窃和篡改他人信息属于犯罪行为，若只是观看而不破坏他人信息则无法界定是否违法。在BBS 中，人们交流技术，讨论各种软件漏洞，分析漏洞的成因、攻击手段等，这种方式姑且认为是专业技术研究行为，但是需要警惕有人以恶劣心思使用相关技术来破坏计算机系统，避免出现犯罪现象，这也需要人们提高警惕。

2传统网络数据包分析模式

MapReduce 作为一个数据处理系统，即便处理大规模群任务也可以在短时间之内完成。该系统在运行中，可以将不同任务整合成一个大型模型实现数据处理，处理速度较快。在现代技术的支持下，尤其是借助自动化技术后，该系统的性能和整体使用效果更理想，如运算能力大大提升、可操作性强以及隐藏了复杂处理过程，从而节省了时间。此外，该系统支持学习记忆功能，能够实现数据的深度挖掘和分析，从而建立起更良好的环境。同时，该系统可以检索历史数据，当人们需要数据的时候在系统中进行检索、分析、对比，参照记忆功能即可处理剩余部分数据。因此，该技术能够节省大量空间、时间，在不断的发展中其处理性能也随之提升，能够满足更多数据处理的需求，从而实现不同类型的高端数据处理[2] 。

2.1计算模式

Big data analysis mode for traditional networkpackets 模式是现实生活中常用的技术。该技术使用周期性处理数据的方法将数据整体划分为单元格精准分析数据。划分单元格之后处理数据变少，分析时间增多，可以满足数据处理效益、处理效果等。在系统单元格中能够完成数据的分析与计算，计算中的所有处理任务由处理系统完成，这也是常见的技术性方式之一。

结合BSP 计算机模型结构状态分析，系统自动分析、汇总、整理待处理数据，它们均在划分在单元结构基础上实现。该技术的应用节省了计算时间，提高了数据处理效率。在超级处理步骤中，能够整合系统的处理器，系统启动多项处理器实现数据管理，通过调整数据形式来获取目标数据，检索参数信息，速度非常快。传统模式需要大量时间调动处理器，成本非常高，需要改进效率、时间，进行调整与分析。

2.2缺陷

该模式有超级步骤，在该环境中由于需要处理大量数据，传输消耗大量时间、处理任务量大容易达到极限，数据开发效果很难实现。在大数据开发处理中传统模式很难实现这一功能，需要合理构建存储环境，但是BSP 计算模式无法满足需要。超级处理步骤要求存储空间大，信息在传输时存在网络延迟现象，使得任务难以完成[3] 。BSP 模式存在的弊端需要引起重视，只有结合先进理念对其进行不断优化，才可以达到更好的效果。

3程序设计分析

3.1逻辑层

基于网络数据包的大数据分析逻辑层分为三个结构：S 层为分隔层，其可以避免数据分析带来的干扰;A 层表示数据的分析处理与处理中任务的稳定性，根据大数据有针对性地进行分析与规划，实现最佳处理;T 层表示对数据的加工处理。它还可以包装数据，结合系统参数对数据进行对比分析，之后优化数据。处理层将数据处理完毕之后，筛选出符合当前数据包的信息来提高任务控制效果，具体流程如图1。

在数据分析中，经过SAT 数据处理的各个任务规划非常严格，在分析处理中甚至会出现各种问题，但是在SAT 数据处理中能够充分得以解决。有关现场任务处理会受到影响，因此需要在模块的设计中设计预防步骤保证安全，大数据处理中启动程序之后就可以达到最佳分析效果。匹配对应数据分析之后能够得到更理想的效果，為提升大数据分析速度，在SAT模型中五个功能模块使用统一系统集中控制来减少中间的优化环节。该设置方式可以充分统筹各个系统的性能，优化系统运行流畅性，促进系统的合作交融，在处理完之后系统控制能力增强，转换效率增加，能够直接显示程序设计结果。

3.2基于流程实现的设计

（1）预处理

预处理的实现能够判断数据分析结果是否一致。在程序设计实现中，结合数字化先进技术、云计算技术等，在数据包基础上开展数据分析与处理实现预处理。预处理完毕后，按照需要划分模块的功能，根据任务将模块划分为不同属性后进行分析、确定属性，从而实现最终功能，并结合各项数据分析来处理对应数据。根据数据库之间的联系，确定数据库的属性。预处理能够快速筛选大量信息，及时发现问题，快速处理问题。在本次处理中，筛选、探讨都是预处理数据之后达到的效果[4] 。在模糊处理之后，筛选出来的数据就是预处理数据，进而系统对数据进行二次分析。只需要启动程序迭代就可以实现。因此，建设程序时循环流程也很重要。将多项任务结合，以提高控制性能、运行能效，为数据处理提供良好的环境。模糊处理数据之后，数据的二次分析完成，二次分析后的数据基本上都是目标数据，该过程能够在瞬间完成，节省了大量时间。部分程序如下。

（2）淘汰数据

当完成预处理、模糊处理后，观察信息之间存在的差异性，从而淘汰无用数据。系统程序将自动淘汰数据，系统将删除失效数据，为系统节省出大量空间。为解决系统数据量巨大的问题，需要对系统发展中的大数据技术参数、访问局部进行研究，并针对性地拓展系统存储内存，对分布情况进行合理设计，以优化系统架构。在最终计算中，将传感器、智能技术、自动化融为一体，对验证工具基准进行测试程序、测试性能研究。系统的设计、验证等方面不断迭代和完善，可以对大数据进行淘汰分析，使得数据高吞吐、数据存储低能耗、数据计算更高效，从而实现数据淘汰处理。

筛选完成之后，系统能够实现不同区域的跨越分析。在大数据环境中不同环境分析需求不同，可改变内部控制模式，实现对数据环境的分析。网络数据包获取速度对网络环境稳定性产生直接影响，如果控制不好，数据分析便存在系统的控制计划，数据包的稳定性也会受到影响。在程序的设计中需考虑信息传输能力，从而完成程序的开发[5] 。

（3）文件下载

系统完成数据任务之后下载文件包，将其运用在合适的控制模块中。执行程序进入检索环节后，将其应用于文件的价值判断中，若判断无用就重新获取文件，直到所确定文件夹范围与使用需求相同即完成下载。在网络数据包基础上下载到目标文件夹，才可以获得目标数据。

（4）文件使用

初始化功能是重置系统、恢复系统功能的重要技术，其能够删除大量无用信息、淘汰数据，并将所需信息引导到系统内。初始化功能能够清除、恢复与重启，甚至能实现多项控制，完善后可以取得更理想的效果。初始化不需要的数据信息会被系统处理，从而节省处理空间，为各项设计任务建设提供基础。同时，检查筛选也是一项重要功能，其可以优化、解决相关问题。文件夹的处理分析可以获得模块之间的相互配合，从而完成信息的检索。

（5）设计反思

随着互联网技术的发展，大数据技术成为人们关注的焦点，这也让数据技术渗透到诸多行业，成为促进相关领域发展的重要因素。大数据时代已经来临，为借助大数据技术实现数据计算以及满足不同行业的业务需求，以Google、Facebook、Linkedin 等为代表的互联网企业推出了大数据处理系统，在技术推动的背景下深度学习、知识计算、可视化数据等技术实现迅速发展，被广泛应用于诸多行业，促进了行业的创新。

上述设计根据处理形式上的差异，分别介绍不同的处理数据、交互处理等特征，阐述了实际设计能应用的场景和具备代表性的处理系统。随着行业不断发展，数据处理过程中平台专业化、平台化、计算实时化是主要趋势。从企业发展的实际需要来看，在系统支持下的深度学习、知识计算、社会计算等技术应用应受到相关技术人员的重视， 这对行业的发展有着重要的促进、提升作用。我们应该重视深度学习，借助传感、智能技术帮助行业实现智能化发展。随着行业的不断发展，计算机网络技术也会产生更多大数据处理系统，它们能满足不同类型的数据处理需求，为相关行业提供支持。

4结语

在物联网、互联网、云计算等技术快速发展的背景下，大数据技术的发展速度越来越快，数据渗透成为常态，影响着生产和生活的各个方面。人们高度重视数据处理、数据安全等问题，在此情况下深挖数据管理方面的内容，对各行各业的发展有积极作用。