人工智能技術在大數據網絡安全防御中的運用

一、引言

伴隨云計算相關的智能應用逐步普及，強化大數據網絡安全防御，對于網絡安全水平與人工智能水平的進一步提升具有積極的推動作用。因此，結合大數據網絡安全防御的實際需求，剖析預警技術、智能處理及自動追蹤技術等的應用障礙，并對大數據網絡的運行狀態實施實時監測，有助于提升大數據的智能化防御水平[。

二、大數據網絡安全的影響因素分析

大數據網絡安全隱患會對網絡數據使用及網絡管理等產生直接影響。在提升用戶與管理者網絡安全素養的基礎上，注重大數據網絡安全防御技術的更新與優化，有助于增強大數據網絡安全防護效果[2]。計算機網絡及軟件核心技術在實際應用時，大多通過引人外部供應商的方式獲取，致使網絡軟件的安全系數難以得到有效保障。因此，可能出現網絡遭受攻擊或大數據被盜用的情況。大數據網絡在實際運行過程中，運行管理機制存在系統漏洞，極易被攻擊者利用。此外，網絡遭受攻擊后，數據侵入較為隱蔽，難以察覺，進而導致數據被盜用的情況發生[3]。

三、基于人工智能技術的大數據網絡安全防御體系建設

（一）大數據網絡安全防御架構設計

在人工智能技術背景下，大數據網絡安全防御需貫穿數據全流程，其中包含數據采集、數據處理、威脅檢測、系統響應等環節。數據采集是針對網絡流量、日志等相關數據進行采集，數據處理則是對已經采集的數據進行清洗與整合；威脅數據是對現有數據的安全性進行識別與分析，若存在攻擊行為，則需對相關數據進行清理與處置[4]。響應功能可迅速對威脅數據進行及時處理，以避免數據攻擊進一步擴散。基于這一理念，引入人工智能技術，并從系統數據分析、檢驗以及數據處理的層面進行優化，能夠提升大數據的網絡安全防控成效。具體框架搭建如圖1所示。

圖1大數據網絡安全防御架構

（二）大數據網絡安全防御的功能設計

1.用戶登錄功能的安全設計

契合大數據網絡安全防御的智能化防控需求，在完善大數據網絡安全防御體系時，需對用戶登錄相關信息實施加密處理，并遵循“加密保護 + 匹配處理”的基本準則，規避用戶信息被竊取的現象，進而降低大數據網絡遭受攻擊的概率。相關操作用戶在進入系統前，需注冊登錄相關賬號。在此過程中，系統應運用智能加密技術，對用戶登錄的相關信息數據予以加密處理，并將相關數據存儲于數據庫服務器，從而為用戶的下次登錄提供有效的信息驗證與支撐。在信息匹配與處理環節，需對用戶信息進行核對與管理，確保用戶登錄操作的安全[5]。

2.入侵檢測與報警功能設計

在利用人工智能技術后，則需要結合入侵數據問題，對相關數據信息進行篩選與識別，并根據數據安全防御管理要求，為安全策略制定提供相關操作的數據支撐。為提升人侵檢測與報警模塊的運行成效，在對報警響應以及檢測數據精準性等進行分析中，則需對數據協議進行分析，并借助人工智能技術，利用高性能傳感器，同步完成安全防御與操作，提高入侵報警的工作效率。具體的設計與實現如圖2所示。在針對大數據網絡不同網段進行同步檢測與分析時，可選擇利用千兆網絡適配器對需檢測的報文內容實施檢測，并借助數據檢測與精準分析，提升檢測報警的效能。

圖2入侵檢測與報警

3.智能追蹤分析

在運用大數據網絡的過程中，為避免出現數據安全風險，需對計算機網絡威脅進行分析，對攻擊源、攻擊全過程等相關信息進行解析。因此，在本功能設計中，涵蓋自動追蹤定位、網絡陷阱、智能網絡取證等子功能。通過智能控制處理手段，對相關可疑數據信息進行處置，依據清除指令，迅速清除相關追蹤信息，以保障大數據網絡的正常運轉和數據安全。例如，在對攻擊行為進行智能追蹤時，可運用深度學習算法構建攻擊行為的情報分析模型，并采用數據處理及知識推理等方法，對攻擊行為進行追蹤分析，具體的情報分析模型搭建如圖3所示。依據大數據網絡安全防御的綜合需求，可針對網絡信息數據進行轉化，并形成規范的本體結構，在數據評估與分析中，可借助情報分析檢查數據是否具有攻擊性。

若數據存在攻擊性，可在數據識別與分析的基礎上，將可信數據傳送至數據庫，針對可疑數據及惡性數據，能夠迅速追蹤根源，為后續大數據網絡運行及安全防護等工作提供決策依據。

圖3情報分析模型

4.輔助決策專家功能

在構建大數據網絡安全防御體系時，引入輔助決策專家功能，可促使網絡系統自動生成對入侵數據的處理建議與方案。通過專家系統接口，對接可疑數據信息，運用推理機與解析器，對相關可疑數據展開分析與識別。此過程中涵蓋安全策略、漏洞、人侵行為分析等相關信息。獲取相關信息數據后，給出有效的解決措施，并將數據處理結果整理成有效文本，傳輸至安全知識庫。

圖4輔助專家決策流程

所建立的事實庫用于對相關數據信息進行分析，利用學習引擎處理歷史信息數據，以實現智能防御的目標，具體操作設計如圖4所示。

5.數據備份與恢復功能

在網絡數據遭受入侵的過程中，數據損毀或丟失的情況極易出現，這將對大數據網絡安全防御以及數據應用等方面產生直接影響。因此，為解決該問題，在數據統計與分析階段，需運用機器學習和深度學習等方法，對相關網絡數據展開建模分析與處理，識別和剖析大數據網絡中存在的異常行為。在數據備份與處理環節，則需要根據大數據網絡使用頻次，對相關數據進行定期收集與更新，以保障大數據網絡信息的安全。在針對網絡內部數據進行分類識別與分析的基礎上，可通過數據備份與恢復，提升大數據網絡信息處理的綜合水平。

四、人工智能技術在大數據網絡安全防御中的應用建議

（一）應用與測試分析

依據網絡安全問題，對不同信息數據進行識別、整理和刪除，以確保大數據網絡的數據安全。在運用人工智能技術時，可在大數據網絡中添加智能算法。這是由于在處理大數據網絡信息時，大量信息并行會增加大數據網絡的運轉負荷，因此，需利用智能算法對相關數據資源進行整合，并在智能分析過程中，提高信息數據的安全性。為檢驗大數據網絡安全防御系統的防護效果，借助局域網對大數據網絡安全防御情況進行檢驗與分析。鑒于大數據的相關信息數量龐大，故選取50臺計算機同時聯網進行測試，并從用戶行為攻擊、網絡流量攻擊、系統日志攻擊以及其他類型攻擊的角度進行檢驗與分析，具體檢驗與分析結果如表1所示。

表1網絡攻擊的安全防御響應結果（單位/次）

結合表1的結果數據可知，當前大數據網絡安全防御系統能夠針對用戶行為、網絡流量及系統日志等攻擊進行有效防護，但是，針對其他類型攻擊的系統響應能力仍有提升空間。這是由于大數據網絡在實際運行過程中，面對新的攻擊行為，需借助智能算法進行學習，并將其納入數據庫。在此情況下，當第二次攻擊出現時，系統的防御會存在一定的滯后性。在逐步優化大數據網絡安全防御系統時，需增強大數據網絡的可擴展性，并從數據資源整合與拓展的視角，提升大數據網絡安全運行與控制的綜合效能。

（二）大數據網絡安全防御建議

構建大數據網絡安全防御體系需借助有效的數據監測與分析，以實現對不同網絡威脅的實時感知。在采集到信息數據后，還需對相關數據集進行處理，助力系統快速識別異常行為、威脅模式以及潛在的安全風險。同時，針對歷史數據信息，可運用深度學習算法，增強大數據網絡對未知攻擊的預測與防范能力，提升大數據網絡的適應性以及自我凈化能力。依據大數據網絡安全防御需求，還需利用隱私數據保護手段，通過加密算法、訪問控制以及身份認證等方式，對相關數據信息的存儲、傳輸、處理等過程進行保護。

五、結束語

基于人工智能的大數據網絡安全防御體系建設，對提升數據分析與數據處理水平具有促進作用。然而，在大數據網絡運行過程中，計算機網絡的入侵預防、入侵識別以及人侵清理等是提高網絡安全系數的關鍵所在。因此，在對相關硬件設備進行定期維護與管理的基礎上，還需借助人工智能技術，完善防火墻、入侵檢測與預警、專家決策等功能模塊，這有助于提升大數據網絡的運行安全性。此外，在提高大數據網絡安全防御水平方面，還需增強網絡系統的可擴展性，依據大數據網絡的功能需求，攔截可疑信息，從安全防御與系統運行的角度，逐步提高大數據網絡的安全性能。

作者單位：林琳 國家藥品監督管理局信息中心

參考文獻

[1]陳耀輝.基于大數據的網絡威脅情報分析與應對策略研究[J].網絡安全技術與應用，2024，（08）：64-68.

[2]齊德林.基于大數據技術的計算機網絡安全防御系統設計方案[J].數字通信世界，2024，（06）：52-54.

[3]孫瑜.基于大數據及人工智能技術的計算機網絡安全防御系統設計分析[J].網絡安全和信息化，2024，（02）：143-145.

[4]于匯遠.人工智能技術在大數據網絡安全策略中的應用[J].電子技術，2023，52（10）：234-235.

[5]劉王寧.大數據及人工智能技術的計算機網絡安全防御系統[J].網絡安全技術與應用，2023，（10）：67-69.