大数据时代网络安全(精选12篇)
大数据时代网络安全 篇1
0 前言
伴随着大数据时代的不断进步和发展,互联网技术、云计算、云存储以及各种网络平台的运用技术逐渐变得成熟,在这样的背景烘托下,我们对数据平台的安全技术要求也变得越来越高,大数据时代中的数据存储安全问题的重要性也变的越来越高。在目前的信息时代中,人们能利用网络方便的记载和浏览各种自己需要的信息。在保存、浏览、记录的过程中会产生如文字、音频、视频、图片等各种大量数据。然而在存储数据的过程中,会由于各种外界因素或者操作不当等造成数据的泄露,从而危及信息存储的安全,给使用者造成了经济损失。所以,数据存储的安全问题成为了大数据时代的主流探讨问题。为了确保在利用大数据时代给我们带来便利的同时避免它所产生的各种弊端,我们必须采取各种措施,不仅要在技术上,而且还要在意识上不断进行革新,进而迎接数据网络时代给我们带来的挑战。
1 大数据时代简介
大数据在各种学科例如物理学、生物学、生态学等以及各种行业例如军事、经济、信息通讯等已经发展了很长时间。目前由于互联网时代与信息时代的双层冲击下大数据平台更加受到了人们的广泛关注。传统的数据处理往往是单一的数据搜集以及整理归纳,而大数据时代中的数据处理更加注重的是对各种数据信息进行合理的搜集、分配、采集、整理并对各种信息进行高效率、高准确性、高质量的处理。随着云计算、智慧城市以及物联网等高科技技术的不断发展,大数据正在以惊人的速度不断的增长。当今时代下的各种智能手机、PC机、平板电脑的产生为大数据的到来更是准备了大量的数据信息。由此可见,大数据不仅是信息技术产业的革命,也将成为经济金融领域的霸头。以大数据时代作为依托的当代信息企业管理模式以及转型后的政府管理模式更是给人们的生活带来了便利。因而成为了社会各行各业利益驱使下的竞争地。大数据时代具有高数据存储量、高数据处理速度、多数据类型、低数据价值“密度”的特征。这使得相关的硬件设备以及软件技术都有很大的进步。大数据功能简图如下:
2 大数据时代给我们带来的存储安全问题
为了给技术工业革命以及经济社会的发展带来福音,我们需要克服伴随大数据时代而来的一些难以预知的各种风险因素。我们将从以下几个方面来探讨大数据存储安全问题:(1)数据存储成为了信息安全攻击的对象。由于现有的安全防护措施的不完善,使得一些隐藏在大数据终端的木马病毒有机可乘给企事业单位及数据服务商带来了巨大的安全危急。隐藏在信息中的木马病毒会进入工厂的安全服务系统,进而提取相关信息从而干预工厂的安全生产。这种安全信息存储的泄露使得大量有价值的信息外传,造成了很大的经济损失。(2)个人信息的泄露。大数据时代给我们带来了很多生活便利,比如购物。不仅商家可以通过网络这一销售手段进行盈利,消费者也多了更多的渠道进行购物。这种“O2O”的模式使得商家大大的降低了销售成本,对资源的合理配置更是有很大的帮助。但是在买家与卖家的交易过程中会形成很多关于资金、个人资料等的信息。这些信息都存储于大型的数据库中。一旦发生数据存储上的漏洞使得个人信息泄露,就会给消费者及商家带来不便,并引发相应的财产损失。(3)网络设施的漏洞。网络的安全性直接关乎了数据存储的安全性。软件本身的漏洞以及网站管理者的自身疏忽都会造成网络漏洞。一些由大数据时代带来的各路黑客会利用这些漏洞对信息数据进行攻击,从而造成相应的安全威胁。
3 大数据存储安全对策
面对各种安全问题的突发,制定相应的对策至关重要。
3.1 技术方面
数据安全存储问题的频发首先是大数据技术的不完善。建立一个健全的大数据安全管理体系势在必行。这种标准化的管理体系能有效的提高信息安全的管理水平以及降低信息安全的风险。面对大数据时代带来的巨大的数据量,我们必须要制定一个最优化的方案来对数据进行快捷有效的处理。开发更多的安全工具来保障系统对数据进行全方位的开发和维护。同时,我们需要不断完善网络漏洞侦查系统,对网络漏洞以及终端的信息存储漏洞进行实时监测,以便于预防信息的外漏。无论是企业单位还是事业单位的信息安全存储管理系统都必须具有高度的安全性作为保障,这样才能更加全面的执行好本单位的任务,产生良好的经济效益。比如,我们可以在公司的信息系统内增加恶意软件的拦截功能。这样可以对日常办公过程中不经意下载的恶心软件进行有效的拦截,从而避免后续安全事故的发生,有效的制止数据的泄露,保护了公司的信息财产安全。
3.2 意识方面
我们需要增强自我信息安全保护意识,注重保护自己的信息不被窃取。在进行日常的网络浏览时,对一些潜在的危机要有一定的认知,防患于未然。政府也应该对一些敏感数据进行相应的监督,加强数据平台的管理力度,避免信息泄露的风暴。同时,媒体作为大众关注的对象,应起到教育指导的作用,对信息存储泄露的危害要不断的宣传,从而帮助公民增强安全保护意识。使得人人都有网络信息安全的意识,进而减少信息存储泄露的现象。
3.3 法律方面
大数据时代的到来使得各种数据被频繁盗出,严重影响了我们的正常生活。从法律层面上来规范各种不正当的行为极为重要。我们需要从法律层面上规范个人隐私的范围,规定相应的个人信息安全尺度,避免例如盗取个人社交网络密码以及跟风的对某事件人物的搜索、曝光。这些都给当事人造成了心理上、生理上的攻击。因此,我们需要建立一套关于数据存储安全的法律体系,对于一些违法盗窃信息危害他人人身财产安全的行为进行严厉的处罚。从而为信息存储提供有力的安全保障。
4 结语
由上述分析我们得出,大数据时代的到来给当代的网络技术产业等带来革新的同时也使得公众的生活更加的便利快捷。我们在庆幸这些大数据优势的同时也要摆脱它所带来威胁。清楚的分析信息存储安全的各种问题,及时的解决各种突发事件十分重要。我们要从公民自身出发、从政府出发、从大众媒体出发不断的提高信息存储安全意识,增加信息存储安全法律知识。不断的进行技术的革新以便适应时代发展的需要,建立正规完整的法律体系对违法行为进行严厉惩处。这样才更有利于我们受益于大数据,不断的发展大数据。
参考文献
[1]王倩,朱宏峰,刘天华.大数据安全的现状与发展J.计算机与网络,2013.
[2]何国锋.电信运营商在大数据时代的信息安全挑战和机遇探J.互联网天地,2014.
[3]施恋林.当大数据邂逅网络信息安全J.通信企业管理,2015.
[4]王帅,汪来富,金华敏等.网络安全分析中的大数据技术应用J.电信科学,2015.
大数据时代网络安全 篇2
2.1大数据成为攻击信息安全的主要载体
在传统的数据库管理中,处理信息安全潜在风险的主要办法是基于单个时间的具有针对性的实时监测,其检测成功率与准确度都比较高。而在大数据时代,其数据价值密度与传统数据库相比有所下降,因此,这也就给保障信息安全增加了难度,相关技术人员难以及时有效的从海量数据中发现信息安全威胁,进而形成信息漏洞,使其隐藏在软件系统之中,对企业、个人信息都造成威胁。
2.2信息泄露威胁加剧
不可否认的是,大数据时代给人们的生活带来了极大的便利。但对企事业单位以及个人而言,却也加剧了信息泄露的威胁。以个人而言,消费者能够通过网络,浏览、购买来自全球各地区的商品,降低了商品交易过程中所产生的时间成本与资金成本。但同时,通过网络购买商品,大量的个人信息资料都成为数据保存于网络之中,诸如收货地址、个人电话等,都面临着被泄露的危险,近几年来日益增加的网络诈骗案件便是大数据时代下消费者信息被大量泄露的最好证明。
2.3网络攻击
大数据时代信息安全需主动 篇3
在这个大数据时代,了解难以察觉的安全威胁会耗费数天甚至数月的时间。大量的互不相干的数据流难以形成简明、有条理的事件“拼图”。所采集和分析的数据量越大,看起来越混乱,重构事件所需的时间也越长。如果攻击快速且凶猛(例如拒绝服务攻击或快速传播的蠕虫),花数天或数月诊断问题会带来巨大的合规和财务影响。哪些资产真正处于威胁风险中,哪些资产有补救控制或应对措施?
为了回答这一问题,管理员需要监控所有系统的安全状况,包括访问其网络的移动设备和个人拥有设备,并及时确定优先级和补救措施。研究报告证实,只有35%的企业可以快速检测安全漏洞,多数商业机构都缺乏驾驭大数据的安全力量。现在,企业安全信息和事件管理(SIEM)越来越受到重视。这种安全技术被视为一种飞跃,即采取主动的安全分析和实时态势感知,以大数据分析的方法,实现真正针对大数据的安全管理。
现在,每周有近469000个恶意软件样本产生,它们目标更明确,手段更隐蔽,持续时间更长,有的甚至可以以一年、几年作为周期,窃取机密数据;有高达83%的企业遭受过高级持续威胁攻击……安全企业每天分析的病毒样本数量,平均在十几万单量级。可见,在信息技术、云计算和大数据为整个IT及众多行业带来机会的同时,也为企业的信息安全提出了更高的要求。
作为McAfee SIEM的核心技术,EDB可以借助高度索引的专业数据库,实现大规模高性能集成日志和事件采集。根据环境实时丰富完善数据,以获取智能信息,并针对当前和历史数据提供在线报告和分析。快速响应是其显著特点。比如实例证明:在4核8GB内存的相同环境下,传统数据库MYSQL,后台直接查询760多万条数据,统计需要花费近37s,抽取近千万级条数据时,花费43s。而在同等硬件环境下, McAfee SIEM借助EDB技术处理6000万条数据量时,数量翻了数倍,但无论统计还是抽取,虽然涉及到前台UI交换,但几乎在几秒内实时完成。
同时由于EDB无需DBA就可以进行快速部署,无需进行持续数据采集优化,只需轻点鼠标就可以深入分析所需信息,并自动关联环境和事件,所有这一切将使企业花费更少的时间在管理上,充分提高运营效率。
大数据时代,传统的事件发生后再进行清理的模式已经不适用。企业需要通过自动化分析处理与深度挖掘,将成本高昂的被动的、亡羊补牢式的事中、事后处理,转变为事前自动评估预测,采取前瞻性、优化的安全方法,让安全防护主动起来。
企业不能再孤立地解决安全难题,而是要构建综合防御体系,全面覆盖所有潜在威胁。作为SIEM安全互联平台发动机和心脏的安全信息与事件管理,可将其全球威胁智能感知系统与应用、终端、网络、数据库等其他渠道信息进行整合,对安全数据进行实时分析。此外,IPS、防火墙等技术也被融入SIEM解决方案中,与其数据捕获、关联和分析功能相结合,以提高威胁跟踪与风险评估能力,从而实现实时协作、受控响应及精确报告。受益于最新的安全互联策略,企业不会再根据有限或孤立的数据来做出临时性应对决策,而是在明确了解关联事件及其对基础设施的影响后,采取果断行动。
大数据时代的信息安全 篇4
大数据环境下信息安全面临的主要挑战
1大数据集群数据库的数据安全威胁
现在使用的大数据并不是一个控制用户进行对网页以及相关性服务数据的访问, 它不会隐藏自己, 使其它程序不能访问。在大数据中不存在“内部的”概义, 它不依靠于数据访问时的集中点。大数据把自己的系统结构充分显示给在使用它的一些程序中, 这时客户在进行操作的时候连接其它不同的节点进行通信, 要区别客户的访问权限是很困难的。
2智能终端的数据安全威胁
智能终端数据的安全问题已是当前大数据时代中最为关键的问题之一。我国现在已是智能终端数据使用的最大市场。这些终端占据了人类大部分时间, 但是也帮助人类存储了大量的数据。也使人们产生了觉得“大数据并不安全”的想法。所以智能终端数据的安全性就成为了一个非常重要的问题。如果所使智能手机感染病毒, 那手机所有的信息就会被攻击, 所造成的后果不堪设想。
3数据虚拟化带来的数据泄密威胁
大数据时代可谓是人类社会的宝藏、财富, 而虚拟化数据作为挖掘这些宝藏的工具。大数据时代中的数据虚拟化中允许用户对数据进行管理、访问、以及优化分析的方法。最为典型的即是存储数据的虚拟化技术。在这个存储数据的仓库中, 用户不知道自己的数据通过哪条路径哪个设备进行传输和存储。因此, 在虚拟化的数据存储设备中, 怎么可以实现统一化管理是一个难题, 虚拟化后, 不一样级别的数据信息都存储在一个物理介质上, 将造成越权访问、数据泄密等问题。 (1)
大数据时代信息安全应对策略
应对大数据时代的到来, 全世界各个国家都在对大数据进行不断的完善中, 可以从以下几个主要方面考虑安全策略:
第一, 出台相关政策。在我国的物联网发展已经列入到“十二五’规划中, 不过针对大数据的政策及规划还没有。由于大数据在社会中的重要性, 所以作为国家要捕捉到这一科技的竞争点, 出台相关政策法规予以支持很重要。
第二, 加强网络安全保障。大数据中信息的采集量、传输量越来越大, 种类增多, 所分析出来的信息数据极高。而且个人上传信息的频率也增多, 个人信息的私隐性很高, 在传输过程中就会引起一些信息的泄漏, 然而大数据可以利用不同渠道进行信息的收集、分析等。由此一些非法分子也利用一些非常手段进行盗取这些信息, 如果盗取成功, 就会造成不可估计的后果。因此网络安全保障在大数据时代中非常重要, 而且需要在法律法规中明确对这些信息的使用权以及所有权的规定, 需要进行严格的法律保护。
第三, 着力发展安全防护技术。当前的信息安全防护技术已经不满足某些个体的需要。大数据研究中, 针对大容量数据存储的保护技术是重中之重的科研工作, 发展新型信息安全保护技术是当前我们急需解决的重要问题。
第四, 采用新技术抵抗持续性的攻击。大数据发展过程中, 其中核心技术包括了, 人工智能、机器学习、自然语言处理、情感、网络、空间、回归、聚类分析等时间序列分析以及数据挖掘、遗传算法、神经网络、数据融介等新技术的创新应用, 已初显成效。 (2) 将计算机系统中的存储计算以及各种分析能力融合到一起, 应对由于各类路径和渠道的高级攻击, 提高了系统的实时监测能力, 是解决APT的较好方法。
结束语
大数据时代的来临将传统的信息时代体系架构之间固定的数据存储仓库变换成可以共享数据、连接数据的存储中心。使人们可以利用各种各样的数据类型, 创造新的机遇和挑战。在大数据时代的信息安全要求下, 一定要结合多方面、多角度、多层次地保证信息的安全。
摘要:在大数据时代中, 数据信息泄露、盗取问题时常发生, 许多企业和个人用户开始担心由于数据的泄露所造成各方面的损害。在本文中针对大数据时代的一些主要的信息安全问题进行了分析, 提出一些针对数据安全的解决措施。
注释
11 吴蓓, 刘海光.浅析大数据时代的信息安全[J].计算机光盘软件与应用, 2013, 15:155-156.
大数据时代广电网络的发展 篇5
面对三网融合技术的迅猛发展,互联网信息服务的能力和创新水平不断提高,网络、通信和音视频处理技术的日新月异,大数据时代的来临,音视频媒体服务的市场格局从垄断走向竞争,都为我们展现了一幅广电网络事业巨大的美好前景,也促使广电网络开始深入思考未来定位和产业发展的重大课题。
2013年,人们像传播神话一样互相启示着:银行业被“余额宝”颠覆了;电信业被“微信”颠覆了;零售业被“淘宝”颠覆了……有一篇题为《世界已经变啦!你还在沉睡吗?》的帖子在网络上疯传,“……携程网,一家没有一架飞机、没有一间酒店的公司,每天卖出的机票和开出的房间超过任何一家航空公司和酒店,业界震惊”,“卖服装的凡客诚品,仅仅成立3年时间,没有厂房和流水线、没有一家专卖店,除了设计是自己的,靠一个网站一天实现3万件男式衬衫的销售业绩,是行业巨头雅戈尔的2倍……”。小伙伴们真的惊呆了,就像是洪水包围村庄,事到如今,人人都见识了互联网的颠覆浪潮水漫金山的速度,不再幻想还有哪个山头不会被淹。但互联网革命却时不我待,靠颠覆同行起家的业界领袖们,以颠覆为天职,似乎没想放过任何一个可以被颠覆、等着被颠覆的传统领域。
广电网络是党和政府喉舌的重要组成部分,是传统的官方宣传重要通道,广大民众能否收看好电视是我们义不容辞的责任,同时用户是我们的宝贵财富,全省2014年有线电视总用户是700多万,2014 年的用户流失达50万之多,主要分流渠道是:IPTV、OTT、无线数字电视、卫星电视。
电信IPTV特点:节目数量多,有点播、回看,宽带包年,电视所有功能开放,但是面对有一定电脑基础知识的用户,电视画面偶尔又不流畅或在闪烁,观看电视容易眼睛疲劳;OTT特点:主要是点播、回看类没有实时性要求的节目,没有直播节目;无线数字电视主要正对中低档收入用户、移动商户、城郊农村等等收看国家规定的基本电视节目;卫星电视针对偏远农村用户收看电视,没有本地的士节目。
广电网络的优势主要为用户提供高清、优质、安全的直播类电视节目,根据提供的电视服务的内容不同而采取不同层次的收费,具体表现为基本电视收费,开通高清、点播、回看加收费,宽带再收费等多次收费,使得传统的用户习惯没有接收分档次收费观念,特别是点播类节目的收看在中老年人操作过程中显得操作界面复杂,难以得到用户的认可,需简化操作步骤。智慧家庭是未来技术发展的新方向,家庭智能终端连接家中所有有源电器,实现设备的远程遥控和安防监控,为生活带了便利,同时通过大数据后台的分析,实现电视节目的优先推送,广告的精确投放,客户需求分析,客户业务拓展,而要想在广电网络实现这一切,首先就是要让用户接收广电双向业务,两者对比就形成了一组新的矛盾。
如何转型巧妙化解矛盾是摆在面前的现实问题?笔者认为可以采用以下几种方式:
一、内部员工在交清一定基本费用的前提下,开通公司所有业务,让员工感受公司新业务带来的方便,也是员工及其家庭成员学习、娱乐、宣传的一个新方式,每一个家庭又会带动周围无数个家庭来体验,最终的效果是既让员工有归宿感,也会促成海量无形的广告效应;政策性的鼓励用户置换高清机顶盒,可以以旧换新、预存一定数量收视费标清机顶盒换高清机顶盒方式,增加用户的粘连度;每年抽出一些特殊时段让用户免费体验点播、回看节目,感受新业务带来不同寻常的感觉,促进公司业务的体验效果和广告效应;优化电视界面和遥控器的操作流程,一键退出和快速浏览搜索界面。
二、在推行电视业务的同时,做好宽带互联网的推介和接入工作,解决故障要站在用户的角度去看去想。传统的广电网络公司缺乏互联网业务支撑技术人员,也缺乏市场实战经验丰富的营销人员,需要一个科学的组织机构来培育,充分激发内部员工的潜力,对人才实现科学的评估,有效控制人员的进出流动、晋升选拔机制,最终达到符合现代广电网络全业务发展需要的人才有施展才华的地方,促进企业的健康发展。实现业务上想用户之所想,服务上急用户之所急。
三、智慧城市项目的推广。智慧城市就是运用信息和通信技术手段感测、分析、整合城市运行核心系统的各项关键信息,从而对包括民生、环保、公共安全、城市服务、工商业活动在内的各种需求做出智能响应。其实质是利用先进的信息技术,实现城市智慧式管理和运行,进而为城市中的人创造更美好的生活,促进城市的和谐、可持续成长。智慧城市将是未来城市信息化的发展方向,对于所有运营商来 说都将是一个全新起点,广电网络应该抓住这个机遇。柯达的破产,索尼的倒闭,诺基亚被收购,苏宁国美的转型,李宁服饰大量关店。连沃尔玛都难以招架!一个随时在变化的世界,任何一次机遇的到来,都必然经历四个阶段:看不见,看不起,看不懂,来不及; 当你嘲笑别人疯狂无知的时候,人家已经在家数钱数到手软,不要等到一切都来不及在追悔莫及。今天你看到这段话你是幸运的,因为你“看见了”,至于你,看得起,看得懂,那就看你自己了。
大数据时代信息安全的刑法保护 篇6
关键词:大数据;信息安全;刑法保护
一、引言
移动互联网以及云计算等新的技术发展使得手机以平板电脑等成为数据来源和重要的承载方式,大数据时代的到来对信息的安全保护也提出了挑战,在这一过程中对刑法在信息安全保护上的作用发挥就比较重要。通过此次对信息安全的刑法保护理论研究,就有着实质性的意义,这对信息安全的完善建设有着重要促进作用。
二、大数据的主要特征及信息安全刑法保护现状
1.大数据的主要特征分析
大数据主要是通过先进的科学技术对信息进行存储以及方便查询的技术,其自身有着鲜明的特征体现,首先在数据的类型上较多,其包含着诸多的数据,而在数据信息的体量上也比较庞大,对信息数据处理的速度较为迅速,能够更快的来满足人们实际需求。不仅如此,在价值密度方面较低,对于价值密度的高低是和数据总量大小成反比的。对当前的企业发展来说,数据正逐渐的取代人才成为企业发展的核心竞争力,能够帮助企业以及指导企业在业务流程方面有效的运营及优化。
2.大数据时代信息安全刑法保护的现状分析
处在大数据发展时代,信息安全的刑法保护过程中还有着诸多的问题有待解决,我国在个人隐私保护以及在线数据保护等方面的法律保护还相对比较缺乏,所以这就需要能够从立法以及规章制度层面进行加强对信息安全的保护,在信息安全刑法保护的具体问题上来看主要体现在数据处理过程保护的罪名体系存在着缺憾。当前我国在单行的网络犯罪的刑法还没有得到有效构建和实施,对计算机犯罪的相关规定也未独立成章,所以在计算机犯罪体系和计算机信息系统保护、数据和应用程序保护为重心,都会发生相应的流变。
另外在信息的保护的罪名体系方面的问题,我国在单独的信息法层面还没有建立,对信息保护的民事以及行政规定都是零散的出现在互联网信息服务管理办法等相关的行政法规以及法律当中。其中在以个人信息为对象的信息安全管理方面本罪中公民个人信息没有得到明确化的解释,所以在概念的具体内涵以及外延方面都没有明确化的呈现。这样在信息范围和内容就会受到局限,还有一些边缘个人信息本应当是归入到法律体系当中的,但在实际上却没有进行明确化。大数据对个人信息的挑戰就是有诸多数据单独看是公开及半公开性质,但在信息的汇总下就会转变成直接指向特定个人隐私的信息。
三、大数据时代信息安全刑法保护策略探究
第一,大数据时代的信息安全刑法保护的策略实施要能够从多方面进行,首先就是要这一发展阶段的信息安全保护的意识要能提高。大数据作为重要的资源,如果在合法以及尊重数据所有权利的前提下能够将大数据自身的魅力得以充分的体现,大数据是公民信息的一个重要部分,对人们带来方便的同时也有可能造成信息的非法利用。所以这就需要在个人信息的保护意识上进行加强,对与之相关的信息保护要能进一步的强化避免成为黑客攻击的对象。
第二,在大数据时代对信息的刑法体系的完善也比较重要,对大数据保护尤其其自身的必要性,主要就是由于传统犯罪对象的泛数据化,我国当前现有的刑法体系对数据及信息安全问题的规制都比较狭窄。在新的发展时代,数据信息的海量化以及巨大运算能力对各领域都带来了丰硕的信息价值,网络的发展已经使得愈来愈多用户和云端得到了紧密联系,在数据存储到运算平台共享等都能在大数据环境下实施。从物权到信息权方面要能够加强对财产犯罪相关的上下游犯罪的打击,可通过关键词的解释对信息安全刑法保护范围进行扩大。
第三,进行增设相应的法律条文来保障信息安全也是可行的方法,刑法解释是建立在法律的漏洞填补基础上的,在罪名的增设上,可增设妨害管理秩序罪以及扰乱公共秩序罪,在刑法中对信息安全的数据滥用罪进行详细陈述,违反国家规定及行业规范以及对信息网络数据拦截和收集、储存等后果比较严重的处一年以下有期徒刑或者拘役,并处或单处罚金;对于后果比较严重的处一年以上三年以下有期徒刑,并处或单处罚金,同时构成非法获取公民信息、侵犯商业秘密、窃取国家秘密等犯罪的,依照数罪并罚的规定处罚。
第四,对以信息为中心的非法产业链要能够严厉的打击,当前的商品经济时代逐利是人们行为的根本目标,所以在信息犯罪方面也是这样,通过大数据以及信息来获得非法利益是大数据滥用的最大动机。在这一过程中要能通过刑法进行规范大数据的合法应用,对下游非法数据交易的行为要能够进行规范化,重点是要能够对相关的立法进行完善。在我国的计算机信息系统安全的司法解释当中对非法获取计算机信息系统数据及非法控制计算机信息系统犯罪下游销售行为有了解释,这样在刑法方面就要能针对性的制定相关的条文,对隐瞒以及掩饰犯罪所得要进行处理,这样在整个信息安全的非法产业链制裁体系方面就能够得到有效完善。
四、结语
大数据时代下信息数据安全的探讨 篇7
根据IDC (互联网数据中心) , 预计在2017年将达到530亿美元, 同时Google趋势反映出大数据的关注度, 表明我们已经进入到大数据时代, 所以各国在大数据方面提出了自己的发展部署。2012年3月, 白宫网站发布《大数据研究和发展计划》, 提出将通过收集庞大并且复杂的数字资料, 获得知识和洞见以提升能力, 并协助加速在科学上发现的步伐, 强化美国国土安全。欧盟启动了“未来投资计划”, 总投资3500亿欧元推动大数据等尖端技术领域创新。2013年9月中央政治局以实施创新驱动发展战略为题举行第九次集体学习, 主题之一就是大数据的发展情况。
1 什么是大数据
1.1 大数据的概念
顾名思义, 可将翻译为大规模数据或海量数据, 因为这些数据结构较为单一, 人们还能用传统的技术和方法进行分析和处理, 所以它并不能完全概括大数据的本质内涵。实际上大数据至今没有一个权威性的定义。麦肯锡称:”数据, 已经渗透到当今每一个行业和业务职能领域, 成为重要的生产因素。人们对于海量数据的挖掘和运用, 预示着新一波生产率增长和消费者盈余浪潮的到来”。亚马逊网络服务有一个简单的定义:“大数据就是任何超过了一台计算机处理能力的庞大数据量”。大数据在维基百科中定义为:”所涉及的数据量规模巨大到无法通过当前主流软件工具, 在合理时间内达到管理、截取、处理、并整理成为帮助企业经营决策更积极目的的信息”。综上意见, “大数据”被IDC定义为:为了更经济更有效地从大容量、高频率、不同类型和结构的数据中获取价值而设计的新一代架构和技术, 用它来描述和定义信息爆炸时代产生的海量数据, 并命名与之相关的技术发展与创新。
1.2 大数据的特点
目前, 较为统一认识的是大数据具有四个基本特点:第一, 数据量大。从TB级别跃升到PB或EB级别。第二, 数据类型多。比如视频、博客、图片、音频信息等。第三, 价值密度低。比如在连续不间断监控视频中, 有价值的可能就是一两秒。第四, 处理速度快。有些数据的实时性非常强, 需要很快的速度来处理。
1.2.1 数据量大 (Volume)
这是大数据的基本属性。根据IDC估计, 到2020年, 全球数据使用量预计将达到35.2ZB。使数据规模增加的原因有很多, 首先是迅速发展和应用的互联网, 比如, 社交网络、搜索引擎等网站、传感器及移动网络等都在不停的产生数据, 促使当前数据增长比以往任何一个时期都要快。其次是随着不同传感器获取数据能力的不断提高, 获取的数据也越接近于事物本身, 描述事物的数据量也会增加。最后是采样的样本不断变大, 以前是用少的数据量描述大事物, 这样得出结论可能不准确, 随着技术的发展, 样本数目逐渐接近原始的总体数据, 高数据量带来高的精确性, 可以从更多的细节来了解事物属性, 同时所需的数据量也会显著增多。
1.2.2 数据类型多样 (Variety)
这是大数据的重要特性。当前的数据存储、处理、查询都是基于数据格式统一、事先定义好的结构化数据。但随着互联网快速发展, 涌现出大量的非结构化数据, 由于非结构化数据没有统一的结构属性, 所以在存储时, 不但要存储数据还要存储结构, 这样增加了数据存储、处理的难度。目前人们上网不但要浏览新闻、网上购物, 还要发送微博、视频聊天及上传下载文件等, 那么这些数据大部分是非结构化数据。综上所述, 即将处于主流地位的非结构化数据量已占到总数据量的75%以上, 且增长速度比结构化数据快, 那么数据的分析和处理将面临挑战。
1.2.3 数据处理速度快 (Velocity)
大数据分析区分于传统数据挖掘的显著特征。随着微信、移动网络等信息传播、获取技术的不断发展, 数据的产生也更快速和方便, 产生数据的量也越大, 即呈新摩尔定律式的快速增长, 不断产生的数据也要求有相应的处理速度来匹配, 才能使得大数据发挥有效的作用, 否则快速增长的数据不能给解决问题带来优势, 反而变成一种负担。同时, 网络中的数据是不断变化的, 通常这种数据的价值会随着时间的变化而降低, 如果数据在规定的时间节点内没有得到有效快速的处理, 那么这些大量的数据就失去了其存在的价值。此外, 在许多环境中要求能够实时处理新增的数据, 比如在京东, 亚马逊、淘宝等电子商务网站中, 就具有很强的时效性, 大数据以数据流的形式产生、消失, 且数据量的产生表现形式不是一条直线形式, 而是呈现为波浪式, 这就要求对大数据的处理要快速、实时、持续。
1.2.4 数据价值密度低 (Value)
这是大数据的重要特性。从统计学角度看, 可以对传统的结构化数据进行采样, 然后进行抽象、分析和归纳等处理, 那么在进行采样时, 样本越大, 所得到的统计结果也就越接近于事物本身。但是对于大数据通常是直接采用全部数据, 由于省去了归纳和采样, 就包含了所有的数据信息, 保障了分析结果的可靠性, 但同时也带来了许多无用的信息, 所以大数据关注的非结构化数据的价值密度偏低。如果能将它们“提纯”并迅速处理为有价值的信息, 就相当于掌握了一把能够开启宝藏大门的钥匙。目前, 如何通过强大的机器算法更迅速地完成数据的价值“提纯”, 是大数据时代亟待解决的难题。
2 国内外开展的相关工作
美国政府由于意识到大数据技术的重要性, 所以将大数据看作“未来的新石油”, 把其作为战略性技术进行大力的推动, 于是, 在2012年3月宣布投资2亿美元资金启动“大数据研究和发展计划”, 大力改善和推动与大数据有关的政策, 组织和分析工具和技术, 以提升美国利用收集的庞大且复杂的数字资料, 提炼真相的能力, 协助工程领域创新步伐、加速科学, 转变教育和学习模式, 强化美国国土安全。
国内对大数据的应用主要集中在能源/制造、公共事业、金融等三大领域。2011年12月工信部发布了物联网“十二五”规划, 把信息处理技术作为4项关键技术创新工程之一被提出来, 其中包括了海量数据存储、数据挖掘、图像视频智能分析, 这都是大数据的重要组成部分。2013年11月国家发改委正式批复同意, 国家超级计算天津中心建设“面向新兴产业的大数据处理技术研发与应用”国家地方联合工程实验室。这也是目前国家发展改革委在大数据领域批准的第一家工程实验室。这些都说明了大数据得到了国家层面的充分重视。
3 大数据技术
大数据的核心思想是对数据采集、处理、加工、挖掘、分析等, 把数据资源转化为有价值的信息, 为政府部门、企事业单位和个人创造经济价值和社会价值。
3.1 大数据采集
随着互联网、云计算和物联网的迅猛发展, 传感器、RFID射频、移动设备及社交网络等方式所产生的各种类型的非结构化、结构化的海量数据, 要获取这些数据, 必须要解决针对大数据源的感知、识别、适配、传输、接入等技术。主要是提供大数据服务平台所需的虚拟服务器, 物联网资源和非结构化、半结构化和结构化数据的数据库等基础支撑环境, 重点要攻克分布式虚拟存储技术, 大数据获取、挖掘、分析等操作的可视化接口技术, 大数据的压缩技术、网络传输与大数据隐私保护技术等。
3.2 大数据存储
从海量数据时代开始, 大量数据的长期存储、数据迁移一直都是研究的主题。目前主要存储方式有:存储局域网络 (SAN) 、网络附加存储 (NAS) 、直接外挂存储 (DAS) 和IP SAN等。这几种存储方式虽然是不同时期的产物, 但是各有特色, 数据中心往往是根据要处理的数据对象和自身的服务器数量进行选择。此外, 最近这云端存储非常流行, 其实就是一种虚拟化的存储。所谓虚拟化, 就是将原有的服务器中的硬盘空间划分为若干个独立的小空间, 这样在一台服务器上就可以提供多种存储服务, 既节约存储成本, 又提高了存储效率, 也是异构数据平台的最好选择。
3.3 大数据挖掘
数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中, 提取隐含在其中的、人们事先不知道的、又是潜在有用的信息和知识的过程。海量数据挖掘一直是热点和难点, 也是一种决策支持过程, 它主要基于人工智能、数据库、模式识别、机器学习、统计学、可视化技术等, 高度自动化地分析大量数据, 做出归纳性的推理, 从中挖掘出先前未知的并有潜在价值的信息, 帮助决策者调整市场策略, 减少风险, 做出正确的决策。
当前非结构化的数据是按TB级别增长, 以至于达到PB、EB级别, 因此无法使用常规的工具或技术来处理。由于大数据的规模是不断在扩大的, 所以在数据挖掘过程中要考虑其增长带来的影响, 因此, 大数据的挖掘需要采用云计算技术和分布式挖掘, 目前较流行的且适用于各种类型的大数据挖掘工具是Hadoop, 这个工具具有高效、高扩展、高可靠性和高容错率等特点。
3.4 大数据分析
众所周知, 在全部大数据中, 大约有80%是非结构化和半结构化数据, 而被利用的数据很少, 大部分的非结构化数据尚未得到开发利用, 所以最重要的是对大数据进行分析, 只有通过分析才能获取很多有价值的信息。那么越来越多的应用涉及到大数据, 而这些大数据的属性, 包括速度, 数量, 多样性等都是呈现了大数据不断增长的复杂性, 所以大数据的分析方法在大数据领域就显得尤为重要, 大数据分析普遍采用统计方法来进行。统计与分析主要利用分布式数据库, 或者分布式计算集群来对存储于其内的海量数据进行的分类汇总和分析等, 以满足常见的分析需求。
4 大数据面临的机遇和挑战
由于大数据会给企业和组织带来有价值的信息, 所以会形成以大数据为中心的一个完整的产业链, 在这个链上的每个节点即会产生相应的价值。但由于大数据是个新兴的产业, 所以在技术不成熟, 人才稀少及安全方面都会有一定的挑战。
4.1 机遇
大数据打破了传统信息体系架构, 将数据仓库转化为具有信息共享和连接、流动的数据池。大数据技术使人们可以利用非结构化的数据类型, 分析出有价值的信息, 从而使企业组织更加高效和智能。
(1) 大数据的应用和挖掘成为核心, 将从多个方面创造价值。大数据从采集、传输、存储, 一直到数据的挖掘和应用, 在这一系列的过程中, 会产生出多个方面价值, 这将会影响企业未来的运营模式。
(2) 在大数据使用中, 安全尤为重要, 这为企业带来发展契机。随着移动互联网、物联网等新兴IT技术迅速发展, 有价值的数据无处不在, 这对信息安全提出了更高要求。同时, 基于大数据领域出现的产品与技术将为安全分析提供新的可能性, 信息安全贯穿于大数据产业链的各个环节, 这将推动信息安全产业的大发展。
4.2 挑战
大数据发展在面临重大机遇的同时, 也面临一些挑战。
4.2.1 信息安全问题
目前, 人们生活越来越多地与互联网发生关联, 每天产生大量的数据, 如何防止非法用户对数据被篡改或窃取, 这不是一个防火墙就能满足安全要求的, 而目前中国相关法律法规还存在许多空白, 互联网监管还存在一些漏洞, 所以必须采取专门针对大数据的安全保护措施, 以满足大数据应用带来的新的安全需求。
4.2.2 人才和技术问题
设计和实施大数据解决方案, 需要专业化技术和工具, 包括建模、统计学、自然语言处理和可视化技术。目前, 我国数据产业发展仍然存在一些短板, 如核心技术缺失, 相关工具软件少, 复合型人才匮乏, 政府数据开放程度低等。大数据产业的发展, 不能光靠炒概念, 而是要遵循市场规律, 努力的把短板补上。
4.2.3 数据存储的问题
目前, 所产生的数据量正呈新摩尔定律增长, 但就数据的保存和管理来说, 目前的技术改进并不大, 而数据的易失性风险却在增加。大数据的存储将会是一个非常严重而现实的问题, 但最后还是要依赖于硬件进行处理和计算的, 所以硬件的更新换代将是大数据发展的基础。
5 结束语
随着人们对大数据的认识不断提高, 数据也将被越多的企业当作一种无形的资产, 那么与大数据相关工具的研发也将受到企业的重视, 处在大数据产业链中各个结点也将受益, 也将逐步提高自身的素质及服务水平。
摘要:随着移动互联网、便携设备和云计算技术的发展, 人类社会进入了“大数据”时代。人类产生、获取、处理和存储的数据量正以指数级别增长, 这样改变人类的生活、工作和思维方式。伴随着机遇和挑战的同时, 也有大数据本身安全问题, 如何解决这些问题, 并挖掘出有价值的信息是具有十分重要的意义。
关键词:大数据,数据挖掘,关键技术,信息安全
参考文献
[1]马建光, 姜巍.大数据的概念、特征及其应用[J].国防科技, 2013.
[2]严霄凤, 张德馨.大数据研究[J].计算机技术与发展, 2013.
大数据时代网络信息安全策略研究 篇8
经济多元化是当前经济的一个重要发展趋势,对应的,也将更大的挑战和压力带给了大数据环境下的网络信息安全,并且,人们越来越关注网络安全问题。对此,本文通过对大数据下的网络信息安全的相关内容进行分析与论述,为有关单位及工作人员的具体工作提供一定的帮助。
1 大数据时代的认识分析
近年来,人们不断地提到“大数据”时代这个词,在全球范围内,随着计算机网络技术的覆盖量的不断增加,大数据应用范围不断扩大,信息化与全球化的程度也在不断被提升。那么,数据,在各个领域和行业中都开始大量的被渗入,信息行业与互联网行业的飞速发展,表明大数据时代已经来临。通过在各个行业和领域中渗透大数据的相关内容,通过全面的感知、存储和共享数据,将一个数字化的世界构建了起来。在此基础上,人们对行业做出的决策及对整个世界的认识和看法,很多都是利用参考事实数据来完成与实现的,可以说,随着大数据时代的到来,必然引起社会的巨大变革。
2 大数据对网络信息安全产生的影响分析
2.1 安全风险
大量的数据尽管能够将更多的信息为人们提供出来,但是,它也会伴随一定的安全风险。因为在不断扩大了网络环境的开放性以后,在某种程度上网络共享平台也将有力的条件为黑客攻击提供了出来,很多隐秘和隐私的大数据将泄漏的风向增加。一旦没有合理的应用和管理这些数据,就会出现一些风险,对应的,如果这些数据关联性较强,这样对网络信息安全又会带来较大的影响。
2.2 计算机病毒
在大数据环境下,还会大量的集中和增加巨量的数据,此外,也会不断的涌现和更新计算机病毒。据统计得知,当目前位置已经约有3万多种的计算机病毒,并且,它的增长速度也再不断增加。此外,它还有着潜匿性、间不容发性和传播性的特征。一旦一台计算机被病毒侵害,这样就很可能损坏掉计算机系统,轻则导致丢失原有数据,如果问题较为严重,就会导致整个服务器结构混乱,这样应用与修复起来就会面临一定的困难,从而出现较大的网络信息安全问题。
2.3 大数据的存储
大数据背景下的数据,会以非线性的状态增长,换言之,在大数据环境下,所增长的数据量,有着较强的不确定性。特别是大数据内有大概80%左右的数据都是非结构性的,这样在存储的过程中,也会具有较强的复杂性,容易造成大数据环境下的数据管理存储混乱,这样容易导致有防护漏洞出现在数据的存储过程中。
2.4 大数据价值的保护
大数据环境下,不可以简单地从数据起初收集的目的来认识其价值,关键是它能够对其他的目标服务,可以多次被应用。所以,大数据的价值比起初阶段的价值要大很多,同各次应用所生成的价值总和是划等号的。因此,如果数据的价值被逐渐提升,对数据的信息安全进行保护,也就成为了一项重要的工作。现阶段,数据资源还没能当作一种知识产权被保护起来,对于数据的利用性与安全性的有效保护也缺乏相关法律法律的支撑,专门的数据保障法也没有被制定出来。所以,从法律角度来看,对于可能性的挪用与盗窃的防范还比较欠缺,这样,必然会将一定的隐患带给网络信息安全。
3 网络信息安全防护对策分析
3.1 将安全防范意识
工作人员在对计算机网络进行应用时,需要将安全防范意识树立起来,对于计算机所面临的种种安全隐患及各种潜在的风险能够真正地有所意识。在平时工作中,将良好的计算机网络应用习惯培养起来。对于那些来路不明的链接或者邮件,一定要非常地警惕,不应该随便打开,防止浏览不良网站。因为这其中都有可能隐藏计算机病毒,它们会通过计算机漏洞对其展开攻击,这样对计算机网络信息安全都会带来较大的威胁。所以,对网络信息安全的宣传工作必须要大力开展起来,比如,将安全技术讲座培训定期地组织起来,将工作人员的安全防范意识切实地提升,确保能够更加规范和恰当地管理和应用信息数据。
3.2 对多种技术手段进行应用
对网络信息安全防护进行强化,对当前已经掌握的技术手段要充分地进行应用,比如,病毒防范技术、网络入侵检测技术、数据加密技术、信息恢复与备份技术、网络安全扫描技术等。其中在对计算机网络安全性进行保护时,防火墙技术是最常用的技术之一。它就如同隔离层,它可以很好地防止外部病毒向内部网络入侵,对信息的传送也能够有效地进行阻挡。对于网络之间相互传输的信息能够进行安全防护方面检测,这样外界非授权的信号就不会对其带来影响。为了能够定期或者不定期地检测计算机系统,就可以应用病毒防范技术,查杀进入到计算机中的病毒,从而防止病毒侵害与影响到计算机设备,进而很好地保护数据信息的安全。
3.3 不断地研究与创新“大数据”
因为大数据有着4V的特性,特别是其类别多、结构复杂、体量大。因此,在管理这些大数据的过程中,防止简单地凭借传统的技术措施来完成。在大数据环境下,确保网络信息安全,尤其是确保大数据安全,不断地研究与创新技术,才是其中的关键点所在。比如,过去所经常应用的数据加密法,通常都是就一些规模较小的数据群体进行加密,但是它却很难满足于巨量的数据集。所以,我们只有按照不一样的数据存储要求,来适当地加密保护数据。再比如,在大数据环境,恢复和备份技术等显得那么微弱,所以,在大数据背景下,还需要进一步地创新与发展大数据的备份和恢复技术。所以,我们不但要应用全新的安全软件技术及掌握全新的安全管理理论,还应该不断地研究与创新大数据,不管是在信息存储还是在网络通信方面,都应该有效地保护其中的重要数据。
3.4 将网络安全法制化建设积极开展起来
在大数据时代背景下,全世界都非常关注网络信息安全。通过报道发现,在整个世界范围内,每20秒就会出现病毒入侵网络计算机一次,高于1/3的网络防火墙被攻陷,同时,我们国家所面临的网络维修更加严重。为了防止这种事件的出现,一方面要应用技术进行防护,另一方面,还需要法律的保护。尽管我们国家制定了很多有关网络安全方面的文件,然而,出台的规定与条例等都不具备系统性,很多法律法律都非常片面,不具备操作性。这是由于,地方性的法规及部门的规章是我国现有网络安全立法制定的主要出发点,有关网络信息安全的法律还比较缺乏。因此,在大数据背景下,为了确保网络信息的安全性,不但要加快确立网络信息安全的基本法,还应该将对网络信息安全进行维护的配套措施制定出来,对管理方法要大力进行创新,对已有的立法进行完善,大力打击损坏网络信息安全的不法行为。确保数据的开发、挖掘、保护都等能够走上正轨,从而有效地保障我国网络信息的安全。
4 结语
大数据的到来,为人们提供了更多的信息和知识,带来了新的前景和机遇。但是,也增加了网络信息安全的挑战与困难。随着网络信息安全环境的日趋严峻,我们应该将安全意识率先树立起来,努力去学习相应的网络安全知识,此外,在网络安全技术体系中应该更加积极地应用科学技术,不断加大高科技投入的力度,确保在网络信息安全防护工作中将其作用更好地发挥出来。
参考文献
[1]马颜军,张宇.大数据时代下的信息安全[J].网络安全技术与应用,2014.
[2]黄哲学,曹付元,李俊杰,陈小军.面向大数据的海云数据系统关键技术研究[J].网络新媒体技术,2012.
[3]宋欣,马骏涛.网络安全分析及防御技术[J].科技情报开发与经济,2010.
[4]彭诺,高诺.计算机网络信息安全及防护策略研究[J].计算机与数程,2011.
大数据时代网络安全 篇9
在大数据时代,信息科技的发展助力云技术、大数据在社会生产生活中的应用,数据被赋予了更多的时代价值。目前,我国有近6.9亿的网民,人手一部智能手机,电子商务、社交、求职等多样化的网络应用平台,让社会生产生活无时无刻不被信息所包围。“人———人”、“人———物”、“物———物”的互联网环境,信息数据的爆炸式发布与传播,让大众成为信息的制造者、发布者、传播者,但也面临着巨大的信息安全问题。个人信息被泄露、政府平台被黑客攻击、银行、电商客户信息泄露等,大数据时代的网络信息安全日益多元化,网络诈骗、网络黑客攻击等的屡试不爽,让大数据时代网络信息安全堪忧。本文立足于大数据时代网络信息的主要威胁,就如何构建信息安全防范体系,提出了几点建议。
2 大数据时代网络信息安全的主要威胁
大数据时代,网络信息的重要性日益突出,信息安全的有效构建直接关系到互联网的健康发展。当前,网络信息安全的威胁日益多元化,但主要集中在病毒入侵、信息窃取、操作失误、开放式互联网环境、黑客等方面,进而对网络信息安全造成威胁,影响数据的安全传输、存储及有效应用。
2.1 TCP/IP协议安全性低
互联网开放式的环境特点,对网络信息安全的保障提出了更高要求,而计算机网络自身问题的存在,决定了网络系统安全的脆弱性。特别是TCP/IP协议自身的安全缺陷,往往对网络安全构成威胁。网络信息自身的安全保障,导致协议运行中所提供的服务及功能,难以为信息安全形成全面而有效地安全保障。
2.2 计算机病毒入侵多样化
大数据时代的互联网更加忙碌,安全稳定的网络运行安全是基础。但开放式的网络环境,以及巨大的安全利益,导致计算机病毒入侵日益多样化,病毒所形成的破坏性对数据的安全传输及存储等造成较大威胁。由于病毒的潜伏性、传染性及破坏性强,并且传播的载体多样化,光盘、软件以及数据包都可以成为病毒入侵的手段,导致安全防范的安全构建,面临巨大的技术、管理等层面问题。
2.3 计算机黑客攻击日益频发
基于人为恶意攻击下的黑客行为,在破坏性等方面对网络安全也形成了较大威胁。在黑客的主动攻击之下,计算机网络安全运行可能遭受较大影响,以至于数据被截获、破坏等情况的发生。与此同时,黑客攻击行为容易导致计算机系统出现瘫痪,信息网络使用面临威胁,影响正常的网络安全及使用。
3 大数据时代网络信息安全的构建策略
大数据时代的网络信息安全构建,对安全技术、安全管理等,有了更高要求,强调安全防范体系的建立,以满足信息安全保障的需求。安全构建的基础在于依托安全技术手段,如防火墙、加密技术等方法,强化安全框架体系的建立;通过网络监控,强化网络信息安全管理,创设良好的网络环境。
3.1 运用网络信息安全技术,创设良好的安全防范体系
当前,网络信息安全形势十分严峻,大数据时代下的信息安全保障,要求网络信息安全技术的有效应用,为信息安全提供完备的防范体系。防火墙技术、加密技术都是用于网络信息安全构建的核心技术,在安全防范上具有重要的作用。
3.1.1 防火墙技术的运用
为了实现网络信息安全防护,应基于网络访问的有效控制。网络防火墙技术的运用,能够对外部用户的非法入网行为进行有效的控制,进而在很大程度上对内部网络环境构建起了安全防护体系,确保网络运行的安全稳定。如图2-1所示,是网络防护墙的模型图。由图可以知道,基于防火墙技术的运用,能够对网络传输中的数据进行有效检查,并对内部网络环境作进行有效布控,进而确保数据传输的安全。当前,防火墙基于安全技术的不同,可以分为检测性、代理型和包过滤型,要求基于实际需求,选择相应的防火墙技术。
3.1.2 互动式应用程序安全测试(IAST)的应用
IAST将静态应用程序安全测试(SAST)与动态应用程序安全测试(DAST)技术进行结合。其目的在于通过SAST与DAST技术之间的互动性,对传统安全测试技术进行优化与提升,进而有效提高安全测试的精准度。为此,在IAST的应用之下,能够排除已侦测到的漏洞是否可能遭到攻击,并判断漏洞来源在应用程序代码中的位置。
3.1.3 云端访问安全代理服务的应用
云技术的发展是大数据时代的显著特性,但云安全的防范构建,强调有效安全技术的应用。云端访问安全代理服务是部署在云端的安全策略执行点,在云端资源被“访问”时,能够套用企业的安全策略,对云进行安全保护,确保云端资源的存储安全。
3.2 切实强化网络监控,创设良好的网络信息安全环境
大数据时代面临着严峻的网络信息安全问题,如何创设良好的网络信息安全环境,强调落实网络监控的必要性与重要性。因此,一是要强化入侵检测技术的应用,强化对网络的实时监控,对入侵行为进行有效预警及防范;二是明确网络监控策略,通过有效的网络监控,提高网络运行的安全性与稳定性;三是提高网络性安全意识,规范操作行为,避免进入钓鱼网站等情况的发生;四是建立健全网络监控管理制度,明确监控管理职责,确保网络监控落实到位。
3.3 强化账号安全管理,提高安全防护措施水平
“互联网+”的大数据时代,网络信息安全的重要方面,就是如何提高用户网络账号等的安全管理,通过安全防护措施水平的提高,满足信息安全的构建需求。首先,强化对网络账号的安全管理,特别是网银账号、支付宝账号、邮箱账号的安全管理,提供安全防护等级的提高,确保账户的安全使用,避免黑客等的恶意攻击,而造成必要的数据丢失或经济损失;其次,强化对账号密码管理,通过设置特殊符号的密码,提高密码安全等级;再者,基于安全考虑,可以对密码进行定期的更换,确保密码的实时安全,消除必要的安全隐患。
4 结束语
总之,大数据时代对网络信息安全有了更高要求,要求防范体系的构建,关键在于构建完备的技术及管理保障。通过防火墙技术、加密技术和入侵检测技术的有效运用,提高网络性安全防护能力;通过安全管理等级及措施的提高,为网络信息安全构建,创设良好的内外环境,满足网络信息安全构建需求。
参考文献
[1]普星.大数据时代社交网络个人性安全问题研究[J].信息通信,2014(11).
[2]傅则恒.大数据时代网络信息安全的风险与对策[J].中国电子商务,2014(06).
大数据时代网络安全 篇10
1 大数据与网络技术发展的关系
网络应用需求的快速上升是数据量需求产生的主要来源, 我们可以从全球IP数据通信量增长的趋势中大致看到今后网络应用需求量的增长, 如图1所示。
基于网络流量的增长与网络应用需求的快速上升, IDC做出了今后几年全球数据量将迅猛增长的预期, 图2显示了从2005年~2015年间的数据存储量的增长趋势。
数据中心数据存储量增长与许多应用需求有关, 笔者认为, 其中两个领域对数据量的增长影响明显——移动互连网与物联网。近年来, 移动互连网应用快速崛起, 根据Cisco的市场报告统计, 移动互连网产生的数据量年均增长达到90%以上, 且移动终端的总量即将超过传统的PC, 这方面的增长将对全球数据量上升产生较大影响;另一方面物联网在越来越多的行业中得到了应用, “万物互联”是物联网的终极目标, 这部分是数据流量绝对增长量。物联网的时代将是传感器自动不间断上传大量数据并通过网络储存在数据中心内, 对网络与数据中心的存储量起到了推动性作用。
网络是所有数据流通的基础, 大数据的产生与网络技术的发展密切相关也是相辅相成, 通信行业与IT行业需要更为紧密的“握手”才能使数据通信不产生瓶颈。事实上, 网络基础设施也在朝着这个方向进行, 目前, 国内的城域网干线网络正在思考升级到100G的网络, 同时也在研究下一代400G的骨干。为了支持移动终端的数据量快速上升, 第4代移动通信LTE技术逐渐成熟, 4G基站正在批量建设阶段。而对于通用住宅方面已经在快速推进光纤到户 (FTTH) 1G-EPON与10G-EPON的应用, 多种网络基础设施的进步是为大数据产生与应用起到了桥梁纽带的作用。大数据与网络基础设施的发展相得益彰, 所有网络通信技术的进步是为外围网络环境的大数据铺路。如果我们把外围的网络基础环境比作人体的神经, 那么数据中心将是人体的大脑, 而所有数据量的上升需要更大规模的数据中心与其相适应, 对于数据中心内部的网络基础架构同样面临着进一步升级的需要, 布线系统作为数据中心内部连接与管理的基础设施, 对于数据中心的运行可靠性、可管理性及大数据流的支持起到了关键作用。
2 数据中心网络基础标准化发展应对大数据
根据2012版本的《数据中心电信基础设施标准》TIA 942A对于数据架构基本还采用传统的网络架构模型, 对于虚拟化的网络架构基本没有涉及。基于当前网络技术日新月异的变化状况, 云计算虚拟化的网络发展特别是采用Fabric虚拟矩阵的网络将是大型数据中心网格架构的重要发展趋势, 采用无阻塞的交换矩阵的网络结构是从网络层面应对大数据时代的技术手段之一。图3为典型的虚拟矩阵架构网络。
为应对大数据的挑战, 云计算虚拟化网络技术的应用是技术发展必然的趋势, 基于这样的网络架构的应用, 2013年北美通信工业协会TIA正式批准了新版《数据中心基础设施标准》TIA 942A-1的附录1, 该附录从主流虚拟化网络架构并结合相应布线系统管理角度进行了定义。标准中网络架构涉及胖树型 (Fat-Tree) 、全网型 (Full-Mesh) 以及混合型的模块化矩阵全网型 (POD-Interconnect-Mesh) 等多种应用方式。此标准的及时批准对支持当前及今后一段时间内的数据中心, 特别是云计算数据中心网络与布线系统的构建起到了推动与促进作用, 适应了大数据时代对网络的基础要求。
面临海量的数据存储与数据处理, 数据中心为了提高资源利用效率与数据分析计算能力, 将大量采用虚拟化云计算的技术, 包括服务器虚拟化技术、网络虚拟化技术以及存储虚拟化技术等。网络架构总体的趋势将采用大二层虚拟化的网络, 核心层采用40G/100G, 接入层采用10G的方式基本已经成为网络升级的方向。
在上述虚拟矩阵的数据中心主干网络中, 更多地将从10G网络升级到40G/100G。IEEE 803.3ba于2010年已经正式颁布采用40G/100G的网络技术标准, 数据中心主干链路88%以上小于100m的距离, 多模光纤OM3/OM4采用MTP与QSFP接口多通道并行传输的方式, 基于其良好的性价比, 被业界认为是数据中心主干链路应用的首选方案。当前标准中对于100G的应用方案采用的是10G×10的通道模型。2013年3月IEEE802.3bm标准组织成立特别工作小组研究下一代基于多模OM3万兆光纤25G×4通道支持100G最小100m的标准, 此标准对后续数据中心的应用影响明显, 增加了光纤系统的应用密度, 为后续更高级别的网络扩展提供了空间与物理基础。
基于当前数据中心内主干网络主要由光纤作为传输介质的背景, TIA标准化组织已经在研发基于电阻100Ω平衡双绞线铜缆支持40GBase-T的网络, 草案标准PN-568-C.2-1已经发行, 预计标准将于2014年正式实施, 发行后标准的编号将定义为ANSI/TIA-568-C.2-1。该标准将铜缆双绞线带宽扩展至2000MHz, 将继续采用RJ45作为接口标准。定义铜缆级别为Cat.8, 可以支持40GBase-T网络传输距离达到30m, 基本满足数据中心40G链路55%的距离。铜缆支持40G的应用是对40G标准的一个重要补充, 虽然距离比较短, 在规模较大的数据中心主干内无法成为主流。但预期铜缆方案的成本优势将对大量规模较小的数据中心建设来说, 是一种较显优势的方案, 有助于促使数据中心更快及更大范围推进40G网络的应用。
3 支持大数据网络物理层接口技术分析
当网络主干走向40G/100G的高速网络时, 数据中心接入层设备与服务器网络接口从1000M走向10G是必然趋势。过去的接入层网络速率在1000M及以下, 采用铜缆RJ45的接口模式在整体市场中处于主导地位。而当网络上升到10G时, 将有多种接口模型可供选择, 现阶段还没有一种接口在市场上形成绝对主流。当前10G接口类型较多, 技术要求的差异较大, 应用10G接口前需要对主流的技术方案进行综合评估与分析, 以确定什么方案更符合各自的要求。表1为目前市场上主流的10G接口及参数。
以上五种类型的10G接口所列出的数据仅为参考, 由于10G的技术更新速度很快, 不同时间段内对于技术指标的要求是有差异的。以上10G接口类型中, 基于功耗、端口密度、支持距离等方面思考, 笔者认为从长远来看CX4铜缆方案并不占有太大的优势。采用CX4接口的10G应用相对较少, 今后越来越少的用户会采用基于CX4接口的10G应用。而其余四种类型, 我们可以通过几个应用方向进行分析, 可以为后续10G升级做参考选择。
SFP+DAC的10G无源铜缆解决方案优点是接口功耗小, 相对成本在四种方案中较低, 延时较低, 适用于虚拟化的网络环境。缺点是支持距离太短, 只能适用于ToR (交换机置顶Top of the Rack) 的网络架构, 不可以自适应向下兼容1000M的网络应用。线缆本身故障需要与SPF+插头同步更换, 维护成本相对较高。该种解决方案应用于网络结构相对简单, 设备变动、新增与移动较少且维护管理要求不高的场合, 如业务较单一的云计算模块化数据中心或互连网数据中心等。
SFP+AOC的10G有源光缆解决方案优点是接口功耗较小, 成本比DAC略高但相比其他方案要低, 支持距离最长可达300m, 可以支持EoR等各种网络布线架构且光缆直径较小, 可以应用于高密度机柜布置;延时较低, 适应于虚拟化的网络环境。缺点是不可以自适应向下兼容1000M的网络应用, 线缆本身采用有源芯片电路, 故障率相对较高, 出现故障需要带SFP+插头连同内部光电收发芯片同步更换, 维护成本很高。该种解决方案应用于网络管理简单、设备变动、新增与移动较少且对网络连接可靠性要求不高的场合, 如云计算数据中心或第三方运维托管数据中心, 以及网络结构单一的备份数据中心等。
SFP+10GBaseE-SR的光缆解决方案优点是芯片技术成熟, 接口功耗较小;支持距离较长, OM3光纤300m及OM4光纤550m, 可以支持ToR、EoR等网络布线架构且光缆直径较小, 可以应用于高密度机柜布置;光模块与光跳线分离, 无源光跳线可靠性高、日常维护方便、维护成本相对较低, 延时较低, 灵活适应于各种类型网络环境。缺点是不可以自适应向下兼容1000M的网络应用, 总体方案成本相比较其他方案偏高。该种解决方案应用于网络结构复杂、设备变动、新增与移动比较频繁且对网络连接可靠性与管理要求较高的场合, 能适用于各类数据中心应用的需要, 特别针对于金融业、政府部门及各类企业级数据中心。
RJ45 Base-T的铜缆解决方案优点是成本相对光纤方案要低, 且可以向下自适应1000M网络。支持距离较长, 最长可达100m, 可以支持To R、EoR等网络布线架构。铜缆跳线与端口有源芯片分离, 布线可靠性高且日常维护方便, 维护成本相对较低, 灵活适应于各种类型网络环境。缺点是芯片技术还不太成熟, 功耗相对较大, 特别在长距离应用时, 线径粗不适合高密度的机柜管理, 延时相对较大, 对云计算虚拟化不利。该种解决方案应用于网络结构复杂、设备变动、新增与移动比较频繁且对网络连接可靠性要求比较高, 但对密度要求不高且对机房节能要求不高的数据中心环境, 如金融业、政府部门及各类企业级数据中心中。
需要关注的是, 10GBase-T的芯片技术仍在不断演进, 从早期10GBase-T采用130nm芯片技术到现在的40nm芯片技术, 功耗已经从超过10W每端口降到的4W~6W, 今后还将有望进一步采用28nm芯片, 预计功耗小于3W。各种10G接口技术都在进步, 不同时期的优势点也有变化, 至于何种技术在市场上能得到更多应用, 仍需拭目以待。
4 大数据提升智能基础设施管理系统的应用价值
大数据时代的数据中心布线系统, 不仅仅关注前面所述的作为10G/40G/100G的传输通道, 管理是数据中心布线的另一项非常重要却易被忽视的功能。大数据的压力迫使数据中心发挥更高运算与数据处理效率, 促进虚拟化技术在数据中心中更普遍的应用, 而网络虚拟化技术却增加了物理层管理的难度。智能基础设施管理系统以管理为核心的理念将在今后的数据中心中发挥出更大的价值。图4是虚拟化网络解决方案, 是基于数据中心330机架×4等于1320个机架的网络规模, 采用ToR的架构方式。ToR交换下行服务器机柜采用独立柜内布线的方式, 这部分不是智能基础设施管理系统实时监控的重点, 管理的重点是分布式转发核心区域, 此区域实际部署过程中若管理不善极易混乱, 采用智能基础设施管理系统对相应物理链路层路由进行主动管理, 为更复杂网络的正确实施提供了保障。
图4虚拟化网络为了降低延时提升数据转发效率, 采用了复杂的交换矩阵, 从而导致链路的连接关系非常复杂。采用传统手动工单对布线系统被动管理的方式将很难适应此类网络结构的管理, 同时项目移交后对用户的后续日常维护将造成非常大的困扰。采用智能基础设施管理系统不仅能对布线系统进行操作指引, 更重要的是智能基础设施管理系统以流程化主动纠错的模式促使管理人员遵守标准的IT流程化管理要求, 提高网络与基础设施的维护效率与管理水平, 杜绝因操作错误造成系统宕机的风险与损失。
大数据时代的数据中心网络核心交换矩阵将采用40G/100G, 核心主干物理层网络是智能基础设施管理系统的管理重点。与传统数据中心相比, 如采用相同的行业模型来分析投资回报率 (RoI) , 假设对于传统10G核心网络, 由于管理原因疏忽数据中心网络中断问题产生的损失是1个单位, 而大数据采用40G/100G网络在相同宕机时间的损失可能是4~10个单位。显然, 在大数据时代对于智能基础设施应用的投资回报率更高, 使智能基础设施管理系统应用价值得到了提升, 促进智能基础设施更广泛地应用在数据中心内。
5 结束语
大数据的时代是数据应用需求的急速增长作为驱动的源泉, 云计算是基于虚拟化技术发展而来, 不仅为大数据计算处理提供技术保障, 同时云计算本身也是一种服务模式, 从某一方面来说云计算的大量落地也是促进了大数据发展的原因之一, 两者相辅相成;另一方面从网络的基础架构来说, 在大数据与云计算相互促进的背景下, 网络基础为了不成为整体应用发展的瓶颈, 需要其技术不断的升级, 包括外围的干线网络、LTE第四代移动网络以及FTTH光纤到户等。数据中心的物理层网络是支持云计算大数据的核心, 也是迫切需要得到提升的关键基础设施, 数据中心网络物理层行业标准化发展相比实际应用需求保持一定的领先优势, 10G/40G/100G等网络基础与接口技术逐步走向成熟将为大数据铺平了道路。大数据时代数据中心网络基础的复杂性, 又使得智能基础设施管理系统的应用价值得到了良好的体现。数据中心网络基础技术应做好准备以迎接大数据时代的到来。
参考文献
[1]数据中心布线工作组《数据中心网络技术白皮书》.2012.11
[2]Large Scale Distributed Core Fabric, DELL.2012
[3]孙慧永.浅谈云计算数据中心对布线系统的影响.智能建筑与城市信息.2012.4
大数据时代网络安全 篇11
【关键词】大数据;信息发展;国家信息安全;战略对策
2013年在上海召开的“中国信息化百人大会”上,有专家提出“大数据时代”已经来临。我们每天在微博、朋友圈等社交网络每天更新照片信息,在搜索引擎上处理大量数据,使用中国移动、联通、电信等通信运营商上发送短信息等,随着信息化不断发展,我们进入了一个不折不扣的“大数据时代”。大数据在带给人们方便快捷的同时,也给国家信息安全带来了前所未有的挑战和风险。文章针对大数据给国家信息安全带来的挑战,探讨国家战略层面的调整。
一、国家信息安全角度的大数据
大数据是指所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到获取、管理、处理并整理成为帮助组织经营决策的资讯。这些数据绝大多数是“非结构化数据”,包括人们在互联网上发布的信息,数码传感器测量和传递的有关位置、运动乃至空气中化学物质变化的数据信息等。这些数据与传统数据库不同,但随着人工智能技术的发展,将这些包罗万象,意义深远的数据进行专业化“加工”后,便会实现数据的“增值”。
大数据具有容量巨大、种类繁多、处理速度快、价值密度低等特征,大型数据集的容量单位达PB乃至ZB级别,容量和规模远远超过传统数据,而且包括不同来源、不同结构、不同媒体形态的各种数据,冲破传统的结构化数据范畴,囊括了半结构化和非结构化数据。由于大数据处理量大,往往需要实时处理发布,也就带来了快速、持续的实时分析与处理的要求。大数据相对传统数据来说其本身的价值密度较低,可能连续不断的几十分钟甚至几日的监控過程,有用的数据留可能就只是短短的几秒钟。大数据并不只是人们普遍理解的“冰冰冷冷”的数值处理,它更多的包含了智能化和“以人为本”的内涵,从互联网非结构化数据的庞大宝藏中“获取知识和信息数据”,最终为人服务,推动决策的制定和价值的形成,推动社会进步。大数据对未来各行各业产生深刻的影响,更在全国范围内对政治、经济、军事、科技领域带来深远影响。2012年3月29日美国宣布投资2亿美元启动“大数据研究和发展计划”,把“大数据”上升到国家战略层面。美国政府认为,大数据是“未来的新石油”,一个国家拥有数据的规模、活性和解释运用能力将成为综合国力的重要组成部分,未来对数据的占有和控制将成为继海陆空三权外国家另一核心资产,成为各国政府竞争的新热点。
二、大数据对国家信息安全是机遇与挑战并存
大数据的迅猛发展,在成为国家综合国力发展的竞争新焦点的同时,对国家信息安全也是机遇与挑战并存。
大数据为国家信息安全的分析提供了新的可能。网络攻击总会留下些蛛丝马迹,这些痕迹都是以数据的形式藏匿于大数据当中,利用大数据技术整合和处理能更有针对性的应对国家信息安全威胁。通过对海量数据的处理和预防性分析,信息安全服务提供商可以更好的发觉网络异常行为,找出数据中的风险点,有效的识别钓鱼攻击,阻止黑客入侵,使网络攻击行为无所遁形。
随着网络信息全球化的发展,大数据成为国家赖以正常运转的“神经枢纽”,交织着民生、能源、金融等网络,把握着决定国家存亡的“命脉”。然而正是由于大数据存在于网络空间中,使得它成为更容易被“关注”到的大目标,较易收到网络攻击,一些木马和黑客藏匿于网络漏洞中,加大信息泄漏风险。像是一些销售数据、身份信息、医疗记录、证券交易信息等数据在一定程度上涉及个人信息会对国家安全和社会安全产生重大影响,汇集这些信息就可以对国家的经济、政治、民生、国防进行分析,一旦这些大数据遭到泄露,对个人乃至国家信息安全都会造成巨大损失。
三、大数据时代国家信息安全的战略调整
信息安全战略是国家战略不可分割的重要组成部分,其重要性不言而喻。面对大数据对国家信息安全的挑战以及对国家信息安全战略提出的新要求,尽管2012年我国计算机学会和通信学会也各自成立了大数据专家委员会,推动大数据的安全发展。但是目前我国尚无专门的大数据政策支持,国家信息安全在大数据时代仍显紧迫,亟需国家信息安全战略的调整。
一是加大国家信息安全的综合管理。尽快形成国家信息安全管理的总战略和方针,加强各部门、行业的整体协同管理,改变目前国家信息安全管理“九龙治水”的现状,聚合各方的资源优势,推进数据收集、储存、保留、管理、分析和共享大数据的技术进步。从国家层面进行统筹,改变现阶段群雄争霸的局面,加强我国数据信息安全。
二是加强对军队、金融等重点领域敏感数据的监管。海量数据的汇集加大了军队等敏感数据暴露的可能性。要害信息的泄露对国家信息安全的威胁是极大的,政府机构应该明确重点领域大数据的范围,加大军队等内部机构管理,制定完善的重点领域数据库管理和安全操作制度,加大日常监管,尤其是移动设备的日常安全使用,规范大数据的使用方法和流程。
三是加大技术研发和人才培养。大数据的外部环境是不断发展、不断拓展和挖掘的,这对人才和技术也提出了新的要求。“科学技术是第一生产力”,解决大数据时代的国家信息安全问题的关键也是技术的发展,大力研究基于大数据的网络攻击追踪技术,以及网络安全预防性分析技术,加大对大数据安全保障关键技术研发的资金投入,培养一批高素质、肯创新的人才,提高国家信息安全技术水平和人才水平。
大数据作为“未来的新石油”,是国家发展的竞争热点。大数据时代给国家信息安全既带来了机遇又带来了挑战。今天的中国,是一个人口大国、互联网大国,更是一个数据大国。面对汹涌而来的大数据洪流,针对大数据时代的基本特征,制定行之有效的国家信息安全战略成为紧迫而现实的重大问题。这就要求必须要加大国家层面的综合管理,加强对重点领域的监管,加大技术开发和人才培养方面的投入,多层次、多方位地维护国家信息安全。
参考文献
[1]石海明,王文超,曾华锋.大数据:国家信息安全战略边疆[J].科技日报,2014-1.
[2]胡洪彬.大数据时代国家治理能力建设的双重境遇与破解之道[J].社会主义研究,2014,4.
[3]王文超,石海明,曾华锋.刍议大数据时代地国家信息安全[J].国防科技,2013,2.
大数据时代政府网络舆情管理研究 篇12
随着世界全方位的数据化、电子化,海量信息的涌现催生了新的大数据时代。大数据与传统意义上的数据具有本质区别,具有高密度、多样性、可重用、动态性、半结构化、强调速度、重视关联等特性[1]。由于移动新闻客户端的发力,公众的信息渠道日益便捷,接受的信息量逐步增加。在保证网络舆情管理及时性、准确性的前提下,必须在管理思维、工作模式、技术方法等领域进行重大变革[2]。这对政府网络舆情管理及分析研判应对工作,提出了新的要求。
本文将从大数据研究的价值、网络舆情管理系统的技术手段及难点和政府网络舆情实践与策略4个层面对国内外相关文献进行分析、评述,并提出策略建议。
1 大数据研究的价值
大数据是开放性的数据互通互联,在技术、政务、商业、媒体等各领域都有相关应用。国内众多学者从不同方面对大数据的应用研究价值进行了表述。
马兵[3]认为,需要从最大数据采集、数据深挖、信息关联、趋势研判、内容边界等方面着手提高大数据研究的价值。
杨海龙[4]认为,大数据技术有助于提高网络舆情数据处理的效率,提高网络舆情分析的准确度和精确度,网络舆情处置能力。
葛仁余[5]认为,金融行业在发展大数据能力方面具有天然优势:在开展业务的过程中积累了海量的高价值数据,其中包括客户信息、交易流水等数据。
梅文慧认为,信息产业迎来了新一轮的产业升级。舆情产业随着信息服务产业的演进正成为一种备受关注的新型业态。在大数据背景下,新闻、出版、电视等传统信息产业部门逐步实现数字化转型,协同探索舆情产业这一新兴信息服务产业领域。
2016年,通过深度学习技术,Google研制的Alpha Go能够在围棋领域击败世界顶级选手。大数据研究在人工智能领域取得的突破发展,为辅助策略应用提供了新的研究方向。
2 舆情管理系统研究的技术手段
舆情管理系统研究需要解决数据的来源问题,数据的分析整理归纳问题及数据的表示问题。这三大问题共同组成了舆情管理系统的基本问题。
目前国内舆情管理系统很多研究成果[6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]是基于信息采集层、业务处理层及结果展示层的分层处理结构。通过采用网络爬虫等直接抓取网络数据解决数据来源问题,利用文本分类及文本情感倾向分类等方法解决数据分析整理归纳问题,采用图形化显示或舆情监控及引导系统解决数据表示问题。
3 大数据时代舆情管理系统研究的难点
随着大数据时代数据量的陡增,在舆情管理领域出现了许多过去很少遇到或处理过的问题。
3.1 信息采集层的难点
在信息采集层,目前存在的主要问题有:大数据处理结构的高密度多样性与数据检索存储工具缺失的矛盾,数据访问权限与公众隐私安全的矛盾等。
不同于特定领域海量数据结构单一可定义的特点,大数据由于结构多样、实效性高,传统的关系数据库模型已经无法动态表征大数据需要的所有数据种类。No-SQL和Hadoop等数据库在统一兼容性和效率等方面无法做到同时最优[21],因而寻找更加合适的大数据处理工具对于舆情管理而言至关重要。但由于大数据获得来源的特殊性,不同媒介平台提供了不同的API(Application Programming Interface,即应用程序编程接口,它是一些预先定义的函数,目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力,而又无需访问源码,或理解内部工作机制的细节)及不同的访问权限,在保护公众隐私和最大可能收集信息方面很难做到兼容。总之,同时满足大数据完整性及可用性要求的大数据检索存储工具目前还不成熟。
3.2 业务处理层的难点
在业务处理层,主要问题是大数据的分析处理工具不完善。
目前的舆情管理系统多数是利用文本分类方法进行研究的,而事实上图片、视频等数据根本无法用传统文本分类方式进行数据挖掘。例如:计算机无法从海量图片中挖掘出“表叔”杨达才使用的手表真假及数量,并推测出其可能违法犯罪的事实。海量数据的特点又使得人工分析处理这类信息效率低下,时效性极差。
同时,海量数据本身会使得真实数据被淹没在大量无关信息之中,提高了信息挖掘的难度,甚至得出错误的结论。而用于排除无关信息的算法本身就是一个开放性问题,解决开放性问题才是人工智能的真正挑战。例如:当无人驾驶中面对天气、路面突发状况等问题时,计算会变得无比复杂。而另一方面,部分数据重复频率高也并不代表这些数据比其他数据更重要,这对分析判断工作造成极大障碍。
3.3 结果展示层的难点
在结果展示层,大数据存在对使用者的道德水准及使用工具的科技水平过于依赖的问题。如果大数据被使用者滥用,就可能出现国家机密或商业机密泄露的情况。而使用者水平不高或使用工具不佳就可能造成应对不及时、不准确,形成误判。例如:铁道部发言人王勇平在应对媒体时的口误,新闻发布时的作假图片或不实图片,对政府公信力及舆论引导造成很多不良影响。
虽然大数据能够应用于人工智能,并应用于包括无人驾驶的诸多方面,但对自动控制等其他学科也提出了更高的要求。以当前的技术水平而言,想要彻底解决结果展示层的问题,仍然难点重重。
4 政府网络舆情的实践与建议
近年来,政府已经逐步摸索出一套层层上报,由领导批复处理工作的管理模式。通过发言人制度及舆情管理分工责任机构的建立,利用大数据技术手段分析事件关注程度、传播情况、发展趋势、网民情绪变化以致影响程度、影响人群,从而使政府机构能够预测舆情走向,辅助决策和判断。这种转变为分析研判应对工作的及时性与准确性提供了保障,是大数据时代政府网络舆情管理一次成功的尝试。针对大数据舆情管理的不足,卿立新[22]认为,应从管理体制、平台建设、技术支撑、人才队伍4个方面着手解决。
总体而言,是要解决体制、技术、人才3个方面的问题。
在体制创新上,首先要尽快出台国家层面的大数据战略规划,同时应针对媒体内容松散、公众隐私安全无法保证的问题加快数据立法。这有利于加速大数据产业的发展进程,降低大数据技术平台的建设难度。2012年,美国率先提出《大数据研究和发展计划》。我国也在“十二五国家政务信息化建设工程规划”中对信息化积极布局,但在数据立法方向,还有很长的路要走。
在技术发展上,政府应对大数据应用、技术创新企业加大扶持,建设有利于大数据发展的社会环境。企业应加快高新技术应用的速度,将最新的研究成果早日转变为生产力,产生一批类似Google、Facebook的国际知名企业,为大数据、云计算、人工智能等发展提供技术支撑。
在人才建设上,应开设专门的数据科学学科,加强各学科人才的培养交流,提升大数据应用的人才价值,从而打造出一支技术过硬、可靠的人才队伍,为大数据技术的发展、应用提供人才支持。
摘要:网络媒体作为一种新的信息传播形式,已逐渐深入到人们的日常生活。网络舆情对社会稳定和政治生活秩序的影响与日俱增。大数据的应用为政府网络舆情管理带来了机遇与挑战。文章对大数据研究的价值、网络舆情管理的技术手段及难点、舆情实践等方面进行分析评述,并提出策略建议。
【大数据时代网络安全】推荐阅读:
大数据时代下网络安全06-25
大数据时代的终端安全05-15
大数据时代中网络教育12-01
大数据时代08-21
大数据时代的数据观05-14
大数据时代来临06-22
大数据信息时代12-18
大数据时代数据库技术09-10
大数据时代的数据挖掘09-26
大数据时代的数据管理11-09