基于大数据和云计算的网络空间安全防御研究

钟 思，何国民，袁 煜，帅剑平，陈辉金

（桂林电子科技大学 教学实践部，广西 桂林 541004）

随着互联网与计算机信息技术的高速发展，其对人们生活、工作均产生不小的影响，改变了人们的生活方式与生产方式。大数据时代的到来，使得数据信息数量级增长，为了提高数据管理与分析水平，应该在网络管理意识下，使用大数据、云计算分析信息，还应该在相关技术应用时，积极推进网络空间安全防御工作，确保数据相关的工作可以安全进行。

1 云计算概念

云计算是信息技术、移动互联网发展等发展到一定程度后出现的产物，云计算按照用户需求处理数据信息，处理的对象都是虚拟化的，云计算处理的数据以分布形式储存，数据储存能力随之提高，其对硬件设备有较高的要求，可以为使用者提供服务，并且提供的服务有可靠、有效和安全等特征。云计算的出现，满足大众对海量信息整理与分析的需求，提高了数据的扩展性。

在我国技术水平不断提高的今天，关于云计算、信息技术与大数据的研究在持续进行着。数据以数量级的方式增长，虽然可以为大众提供更多信息，但是也增加了数据分析、储存等工作的难度。为了完成海量信息的处理任务，促使计算机需要朝新方向发展并创作出新型技术，分布式处理、云储存、虚拟化等技术应社会发展需求出现，在数据处理方面拥有较强的能力，可以降低网络运营管理花费的成本，推动网络空间运营高效地发展。

云储存技术主要应用在以下方面：（1）云计算实用性极强，会从用户实际需求中提炼关键元素，经过处理后形成指标，此类指标不受空间与时间的限制，拥有鲜明的随机性；（2）云计算可以储存大量数据，其拥有独立的数据空间，在储存数据信息的同时，可以在极大程度上提高数据的安全性，良好的保护云计算储存空间中的数据；（3）云计算拥有良好的扩展性，在云计算构建的网络环境中，为在环境中的消费者提供海量数据。在基于云计算构建的网络空间中，可以向用户提供大量数据资源，但是也存在不小的风险，分享数据可能会出现数据损坏、数据丢失等问题。另外，由于云计算网络有开放性特征可能会对网络造成安全威胁。因此，必须提高对云计算网络的安全防护水平，灵活地选择防护方式，提高网络平台的稳定性，防止平台遭到恶意攻击，出现篡改数据信息、数据信息丢失等情况[1]。

2 基于云计算的数据挖掘技术分析

2.1 基于云计算的数据挖掘研究方法

2.2.1 数据关联性挖掘法

基于云计算的数据挖掘技术处理数据时，在程序驱动下细致地分析数据信息并从中提取价值元素，能够从海量的数据中发现其存在的关系，进行集中化处理并找到关联性数据。关联性数据挖掘法应用在数据处理中，会按照数据处理需求锁定数据挖掘的待处理对象与工作范围，明确关联性研究的属性；在深度挖掘数据价值与数据间关联性前，会进行预处理操作，提高挖掘数据的完整性与真实性，最后将预处理结果储存于数据库中。

2.2.2 数据挖掘Apriori算法

Apriori算法在数据挖掘方面有不错的效果，作为挖掘关联规则的一个算法，从属于Agrawal。Apriori算法在数据挖掘方面和其他算法存在一定差异，由于海量数据存在鲜明的复杂性和冗繁性，很多数据挖掘算法存在收敛性低下的短板，但是Apriori算法不存在此方面问题。使用Apriori算法在完成数据挖掘任务的基础上，可以控制人力花费的成本。另外，在计算机仿真模拟功能的驱动下，可以提高其在海量数据挖掘方面的工作效率。

2.2.3 数据模糊性学习法

数据模糊性学习法应用在数据挖掘中，假设云计算平台内拥有一部分的信息样本，接着描述其中任意一个信息样本，选择标准差计算的方法处理信息样本，在该方式下可以达到挖掘数据信息价值和高度压缩数据信息的目的。使用数据模糊性学习法可以确定模糊隶属函数，完成函数的筛选工作，最终在云计算的基础上完成海量数据的挖掘工作，从大量数据中找到有价值的信息。在海量数据价值性因素挖掘方面，应该在激活条件的前提下，收集网络数据的结点信息，使用数据模糊性学习法需要高度关注此方面内容[2]。

2.2 基于云计算的数据挖掘体系架构

基于云计算的数据挖掘技术拥有强大的数据处理能力，可以在短时间内处理海量的数据信息，同时可以储存大量的数据信息，与以往的数据挖掘技术相比，拥有强大的数据处理能力，可以满足个人或组织机构对数据处理的需求。

基于云计算的数据挖掘体系有三层结构，分别为云计算服务层、数据挖掘处理层与用户层。云计算服务层可以储存海量数据，按照服务要求处理相关数据；数据挖掘处理层内部拥有数据挖掘算法与数据预处理，可以预处理数据信息，极大程度提高了数据处理水平，高效、便捷地推进数据挖掘与处理的工作；用户层面向用户，收到用户发出的请求后，会自动触摸功能模块并将请求传递到第二层与第一层，经过一系列动作后向用户呈现数据信息[3]。

2.3 基于云计算的数据挖掘技术的优势

处理海量数据信息使用基于云计算的数据挖掘技术，可以拥有以下几方面优势：（1）处理海量数据时可以在基于云计算的数据挖掘技术下，分布式挖掘数据信息中的价值元素，提高数据信息挖掘工作的效率，并可以从海量数据中发现关联性数据。基于云计算的数据挖掘技术拥有强大的适应能力，可以快速适应拥有不同规模的组织。比如，集团类企业处理特定数据信息，可以借助基于云计算的数据挖掘技术处理数据，可以更好地应用资源，降低对高性能设备的依赖程度。（2）开发便捷是基于云计算数据挖掘技术拥有的优势，用户在该技术下不用考虑数据分配、数据划分、计算任务调度以及数据加载等环节，可以更加便捷地推进工作；（3）基于云计算的数据挖掘技术可以高效地使用设备，进一步提高原有设备在数据挖掘方面的工作能力，强化技术在大规模数据方面的处理能力。另外，基于云计算的数据挖掘技术在数据处理中，具有良好的容错性；（4）基于云计算的数据挖掘技术在数据应用方面操作便捷，可以降低技术应用的门槛，使操作人员可以快速掌握技术的操作要点，发挥该项技术在数据挖掘中的价值。

3 传统数据挖掘和基于云计算的数据挖掘的比较

3.1 处理对象

在数据信息环境中，基于云计算的数据挖掘和传统的数据挖掘已经有了较大差异，在工作对象方面也发生了变动。传统数据挖掘主要围绕某信息系统进行数据挖掘，工作相对被动；基于云计算的数据挖掘技术拥有强大的数据处理能力，其处理的数据对象体量更加庞大、类型更加繁杂、来源更加广泛。基于数据挖掘的信息处理技术，在数据采集范围方面更加广泛，不再被动地等待信息。在数据处理方面更加便捷、高效。基于云计算的数据挖掘技术在数据处理方面，没有对数据精度提出过高的要求，所以此种方法挖掘的数据存在不确定性。

3.2 挖掘程度

传统数据挖掘和基于云计算的数据挖掘间存在一定的差异，在数据挖掘程度上比较明显，主要体现在数据挖掘的广度与深度上。在结构、模式较为复杂的数据融合在一起后，使用传统数据挖掘难以处理相关数据。基于云计算的数据挖掘可以良好地处理相关对象，借助云计算的多种计算模式和挖掘算法，多维度、全面地处理庞大数据，可以从复杂的数据中得到有价值的信息。基于云计算的数据挖掘技术，在数据处理方面更加优异，数据信息分析和处理方面的广度与深度更高，而且可以使用多种方式分析数据。传统数据挖掘技术，在数据处理方面分析方式单一，也没有形成健全、成熟的管理体系，所以在数据计算算法与挖掘方面的可拓展性较低。因为该方面因素，导致传统数据挖掘在多源异构数据处理、获取与分析方面存在较多限制，基于云计算的数据挖掘可以解决相关问题，更好地满足用户对数据工具的使用需求[4]。

4 基于大数据和云计算的网络空间安全问题

4.1 数据储存风险

云计算处理数据，使用信息是否安全主要由云数据自身储存能力决定。但是随着时间的推移，设备中储存的信息逐渐增多，会增加设备管理难度。为了提高数据信息管理水平，应该利用安全、可靠的载体储存数据，可以提高数据的可靠性与安全性。储存数据并进行数据管理的过程中，应该明确数据储存情况，确保数据储存记录完整。即便后期出现资源遗失的问题，也可以将其对使用者造成的影响进行有效控制。云计算在数据储存与分析等活动中，能否保障处理对象的安全，与设备直接相关。因此，为了保障数据储存安全，应该加强云设备管理力度。

4.2 数据传输风险

数据传输阶段容易出现安全问题，比如公司在数据传输方面，需要处理大量的工作，使得数据量也极为庞大，一般公司会将相关数据储存在内部IDC中。在大数据时代中，公司的核心竞争力主要为个人数据竞争，如果数据遗失将会对公司造成巨大的打击。在数据传输阶段容易出现各种问题，云计算的使用者应该及时进行防护工作。

4.3 数据访问风险

为从资源方面进行安全控制，需要在立足于云计算系统结构的基础上，研究资源在访问控制方面的需求，用户非访问数据是云计算系统的表现形式，其又可以分为外部数据非法访问与内部数据非法访问。在大数据平台中含有用户个人资料或重要的信息，将数据储存在远程服务器中，云计算服务商可以从中获得数据。随着云计算系统的应用，必须及时给予合理、安全、有效的防护手段，否则云计算系统容易被黑客攻破，用户储存数据的安全便难以得到保障[5]。

4.4 数据隔离风险

云计算系统应该按照用户对功能的需求进行调整，云计算系统的数据共享功能被频繁使用，一旦黑客利用云计算系统漏洞侵入系统内部，便可以随意浏览其中的信息并进行各类操作。为了防止此类情况的出现，应该提高对数据隔离的关注度。

5 基于大数据和云计算的网络空间安全防范措施

5.1 数据加密技术

在数据安全管理方面可以依托加密技术，提高数据管理工作的安全性。数据加密技术主要根据不同数据特征选择加密的方法，在数据传输阶段防止且被黑客窃取。为了提高数据在传输环节的安全性，可以选择特殊工具管理数据，保障数据安全。信息储存在云服务器中，在加密技术的保护下可以提高服务器数据信息的安全程度。

5.2 储存技术

储存技术也是应用云计算等数据管理工具时，极为重要的数据管理手段，在储存技术作用下，可以提高应用程序的管理水平。云储存是数据管理工作的重要内容，如果数据在网络储存方面出现问题，会降低数据储存管理的安全性。云计算数据储存在云服务器中，在共享环境中为工作人员服务。在共享环境中使用云计算数据，对数据计算与加密等活动提出较高的要求。因此，为了进一步提高储存技术在云计算领域的工作效果，还需要不断提升储存技术的整体水平，成为保障云数据储存的有效手段。

5.3 提高身份认证水平

在云计算、大数据的背景下，部分用户因为黑客非法入侵，导致数据流失，对自身造成不小的影响。为了解决此种情况需要提高云计算系统安全防护水平。在云计算安全防护方面选择身份认证的方法，随着工作的开展，进一步提高身份认证水平。在云计算中应该确定安全防控重点，网络机构围绕数据管理需求推进控制权管理工作。将低层身份作为身份认证的依据，在该依据下于普通文件中储存用户的账户信息，还可以验证用户的身份与密码。在身份认证下保护数据，防止后期出现数据泄漏等情况。

账号认证与数字证书认证在数据安全控制和管理方面均有不错的成效，前者处理云计算系统中的问题，系统管理人员应该加强用户账号管理强度，定期全面检查云计算系统中的账号，长时间不使用的账号一般会直接注销。在用户推出账号时，为了保障用户的统一性，应该在用户登录账号时，确保用户在同一时间和同一设备进行账号登录的操作，这是用户可以访问云计算系统的前提；利用数字证书进行认证，在先进的生物特征识别系统下，全面收集用户的信息并完成账号认证操作。使用数字证书认证的手段，使账号认证按照用户不同网域推进工作，在此种方式下用户可以在云系统中获得授权[2]。

5.4 优化数据访问方式

使用云计算系统的过程中，应该在数据访问环节使用科学的控制方法，自主访问控制与用户标签，在数据访问安全控制方面均有不错的效果。云计算系统的环境比较复杂，为了保证用户信息不会出现安全问题，一般会选用数据隔离的方式。但是部分情况下，因为控制方式不当导致不具备良好的效果，技术人员应该借助访问控制技术提高云计算系统运行的安全性，将访问控制分为根据用户角色访问与自主访问两种方式控制数据。

自主性访问控制在操作方式上相对稳定、简单，但是在具体控制方面存在兼容性差的问题。技术人员针对自主性访问控制的手段，需要将其与其他技术相互配合，由此可以控制数据访问角色，技术人员可以使用分层方案控制管理数据访问方面的工作。围绕数据安全管理要求编制分层方案，对相同角色采用用户池区别授权管理的方法，提高数据安全管理水平[6]。

在云计算系统中用户标签也是一种常用的访问控制手段，具备强制性。管理人员研究云计算环境，按照环境特征选择加入敏感标签的手段，识别工作用户。利用标签划分客体与主体，借助标签可以全面控制用户，以信用等级将主体客户分为多个类别，在此基础上进行有效的控制。设置客体标签，清晰地标注客体要求的信任级别。在数据管理阶段应用数据加密技术，使云计算系统拥有数据储存功能，可以全面、安全地管理用户信息。在用户上传信息前，加密处理传输的信息，确保信息在传输阶段不会出现安全方面的问题[7]。

6 结束语

综上所述，在大数据和云计算环境下的网络空间存在一定安全问题，会降低信息的安全程度。企业应该在此环境下分析自身数据传输、管理等方面的不足。在信息网络时代下，人们对网络的依赖性较高，数据也在此种情况下爆发增长，对企业使用云计算处理数据造成不小的威胁。企业已经习惯使用信息技术开展工作，一旦在数据传输、储存等阶段出现数据遗失、数据篡改等情况，会对企业造成沉重的打击。在大数据和云计算环境下，应该将云计算作为网络空间安全防御的重点内容。用户需要按照网络安全防护需求，建立健全、完善的管理和规则体系，提高技术的有效性，成为保障用户信息可靠性与安全性的手段。