數據挖掘技術在計算機網絡安全維護中的應用

韋國觀

摘要：隨著現代化社會經濟的發展，計算機網絡技術也發生著巨大的變化，但在技術創新的同時，計算機網絡病毒也隨之而來。在計算機系統運行的過程中，網絡病毒常常會在很大程度上威脅著其運行安全，進而給人們的正常生活帶來阻礙。為避免計算機內部保存的數據信息受到損害，用戶應不斷加強對數據挖掘技術的研究與應用，進而起到良好網絡病毒防御效果，幫助人們解決計算機網絡病毒所造成的危害。本文對數據挖掘技術在計算機網絡安全維護中的應用進行分析，以供參考。

關鍵詞：數據挖掘;計算機網絡;安全維護

引言

最近幾年，在我國科技水平的不斷提高下，數據挖掘技術應運而生，該技術憑借著自身高準確性、強靈活性等特征，被廣泛地應用于計算機網絡病毒防御系統設計中，不僅可以實現對病毒重要信息的快速獲取，還能提高網絡信息數據的分析和處理效果，為進一步地提高計算機網絡安全防御能力提供重要的技術支持。因此，在數據挖掘技術的應用背景下，如何科學設計計算機網絡病毒防御系統是相關人員必須思考和解決的問題。

1數據挖掘技術

數據挖掘技術也可以稱之為KDD技術，該技術實施的主要目的在于通過特定的算法幫助用戶從海量的數據信息之中挖掘到其中有價值的部分。在數據挖掘技術應用的過程中，往往會涉及模糊識別、機器學習、統計學等多方面專業知識，并依照數據準備、規律探尋以及規律展現的流程完成數據挖掘的全過程。與此同時，系統在識別數據挖掘之后會進一步帶動相關引擎發動，對所需要的信息展開進一步檢索與規律探求。結合數據挖掘技術的應用實際來看，其重點過程在于完成數據的預處理，進而完成鏈接數據表、數據凈化以及整合變量等方面的工作。在此過程中，相關工作人員應不斷加強對數據預處理工作的關注與管理，進而為數據分析工作的順利開展奠定堅實基礎。

2系統功能模塊設計

2.1檢測模塊設計

系統通過利用數據挖掘技術，從海量信息數據中分析和篩選出有價值的數據，然后，借助所構建檢測模型，分析病毒入侵系統常見特點，在此基礎上，將所篩選的數據存儲于數據庫中。檢測模塊在具體的設計中，要借助數據挖掘特點，在充分結合網絡病毒傳播特點的基礎上，完成對相關重要數據的分析和挖掘，此外，在數據挖掘技術的應用背景下，可以構建出如圖3所示的數據挖掘入侵檢測模型。

2.2后續處理模塊設計

當病毒檢測模塊和控制防御模塊設計結束后，系統需要實時檢測網絡，及時發現和處理網絡病毒，不給病毒入侵和破壞系統提供可乘之機。這就要求系統具有強大的后續處理功能，通過對網絡病毒進行后續處理，并將最終的篩查結果反饋給相應的用戶，便于用戶采取相應的防御措施。

2.3數據存儲模塊設計

數據存儲方式具有一定的多樣性和復雜性。通過利用系統后臺程序，可以實現對數據包文的提取和重組，從而獲得有價值的數據。數據存儲主要包含兩種方式，一種是數據包存儲方式，另一種是報文信息存儲方式。對于數據文件而言，在具體的存儲中，需要根據數據鏈路層的設計情況，提取出有價值的數據，同時，還要完成對數據的安全傳送和存儲。當后臺數據記錄相關信息數據被有效地存儲于數據庫后，需要借助前臺界面將這些數據直觀、形象地呈現在用戶面前，便于用戶及時查看和調用這些數據。

3相關關鍵技術

在眾多關鍵技術中，數據挖掘技術是最主要的技術之一。數據挖掘技術是從海量的大型嘈雜的數據中，提取出不容易被人直觀反映出的數據規律，這些數據都是比較有用的潛在規則。傳統的數據挖掘技術，一般是從傳統的數據挖掘技術入手，此種技術是比較有局限性的。隨著互聯網在應用和推廣過程中的原因，網絡大數據分析的技術不斷升級換代，將傳統的數據挖掘和互聯網基本理念相結合的數據分析技術是當今世界數據分析技術的最耀眼明星。網絡數據挖掘技術能夠快速準確地識別出潛在對用戶有用的信息，以及隱含在網絡中的各類行為信息等，為其提供各類不同需求的服務。目標的確定是開展數據分析工作的首要任務，確定目標的主要方法是向用戶對象開展訪談工作，對各部門的主要負責人員進行調研分析，確定最終的商業目標，從而開展商業理解分析。隨后數據挖掘工程師便要基于商業理解開展“數據理解”工作，實現對數據的收集和管理工作，數據的收集和抽取過程是要基于ETL工具進行的。數據在完成抽取以后，要進行數據的準備工作，數據的準備過程比較繁瑣，此過程是要對數據進行探索并開展修改工作，在完成修改后，為數據模型的建立提供理論依據。在完成建模后，需要對模型進行優化，并且要在數據分析的過程中不斷地對模型進行評估，經過多輪優化后，對應用策略進行發布，從而完成了一個數據挖掘周期的全部工作內容。隨著用戶應用的不斷深入，數據挖掘的策略以及模型會進行不斷的優化，直至業務規則穩定后，此種挖掘技術才得以穩定運行。

4基于數據挖掘的計算機網絡安全維護系統

隨著計算機技術的不斷發展，互聯網金融和電子商務平臺如雨后春筍般出現，并在全國范圍內全面推廣和應用，越來越多的平臺均使用數據挖掘技術開展網絡的檢測和防御工作，保護器核心數據資產不受到侵害。2013年至2015年開始，電商淘寶網和京東商城業務均吸納后開始了基于數據挖掘的數據檢測和大數據檢驗防護工作，并開展了具體算法應用工作。模型的建立是針對比較重點的突出病毒入侵而特定制定的解決方案，如果來自網站的相關數據，帶有屬性v，則可以通過分類和規則計算來進行基于規則的區分。

結束語

綜上所述，在開展計算機網絡病毒防御的過程中，數據挖掘技術在優化數據獲取、提升信息安全等方面都發揮了十分關鍵的作用，同時也進一步成為未來實現數據安全管理的核心因素。因此在日后的管理過程中，應充分發揮數據挖掘技術的重要作用，不斷加強對規則庫、數據收集、數據處理以及數據分析等應用流程的優化，為網絡安全體系的構建提供穩定的技術支撐，提升計算機網絡系統運行的穩定性。

參考文獻：

[1]趙凱，何文海，孫麗麗.基于數據挖掘技術的計算機網絡安全病毒防御策略[J].電子世界，2018（23）：53+55.

[2]聶利穎.數據挖掘技術在計算機網絡安全病毒防御中的實踐應用分析[J].電腦知識與技術，2018，14（21）：52-54.