計算機安全審核中大數據技術的應用

　　摘要：筆者以計算機信息安全為研究對象，分析大數據技術在信息安全系統中的具體應用，并嘗試將系統優化，結合Apriori算法的應用理念，通過算法的應用流程展現大數據技術在計算機中的具體應用，分析大數據技術維護信息安全的能力，實現網絡安全的目標。

　　關鍵詞：Apriori算法;遺傳算法;信息安全

　　推薦：《計算機安全》(月刊)創刊于2001年，由信息產業部基礎產品發展研究中心主辦。本刊是面向國內外公開發行的全面介紹網絡與計算機信息系統安全的科技月刊，一直以來，我們積極為各行各業服務，與社會各界建立密切的聯系。目前已成為行業媒體中內容豐富、普及實用的技術刊物。

　　引言

　　在大數據時代，網絡信息安全問題來自多重因素，具體包括網絡環境的開放性、人為操作的失誤問題、黑客入侵、垃圾信息干擾等。為保障網絡信息安全，可以采取的防護措施包括：增強計算機應用人員的安全防護意識、搭建防火墻、提升黑客的防護能力等。在防護措施中，以大數據技術為主導，具有良好的應用效果。

　　1計算機安全審核系統搭建

　　安全審核系統中包括多個模塊，如圖1所示，筆者分別從主機網絡、集中式與分布式、智能代理3個方面建設安全審核系統。由圖1可知，主機網絡安全審核包括基于主機的安全審核和基于網絡的安全審核。集中式安全審核系統和分布式審核系統，包括集中式安全審核和分布式安全審核。基于智能代理技術的分布式安全審核系統包括AAFID系統結構和AAFID的過濾器。主機視角開展的信息安全審核：依據系統日志識別入侵信息，針對入侵類型開展系統修復。網絡安全審核：分析網絡傳輸數據信息，保障數據安全。集中式與分布式開展的安全審核：將多個系統中的數據，實行數據采集與整合方式，加以數據分析，此方式極易引起網絡傳輸容量不足、計算能力不佳等問題;在分布式信息審核系統中，借助網絡檢測器，融合于系統環節中，實現了采集數據完整傳輸至主機的技術目標，良好解決了集中計算產生的并發性能不足、傳輸效率不佳等問題，提升了安全審核的效率。分布式信息審核運行劣勢為：引起中心系統單點失效問題、系統擴展能力不佳。由此發現，安全審核功能，在一定程度上保障了數據信息的完整性與安全性，能夠為系統運行提供數據保障。

　　2大數據技術的應用

　　2.1系統優化

　　大數據應用系統的模塊包括數據收集(采集)、數據保存(存儲)、數據分析(挖掘)和數據應用(展示)。安全審核系統如圖2所示。由圖2可知，大數據計算支持的安全審核系統中，數據收集模塊由日志、用戶行為等8個部分組成，以此保障數據收集來源，有效獲取多種結構的數據，包括結構化、半結構、非結構3種，并且從系統各模塊中獲取相關數據，包括流量類、行為類、檢測類數據信息。當數據收集完成時，應將數據完整保存在分布式層級中。存儲數據選擇的技術有多種，具體包括MySQL、HDFS等，此類數據庫能夠有效保存數據。在數據分析模塊中，采用的大數據技術為Mahout、遺傳算法等計算方式，針對數據異常事件加以分析。

　　2.2Apriori算法

　　2.2.1算法理念Apriori算法屬于應用較為廣泛的數據分析計算方式，此算法理念為：假定數據庫中含有n項數據，并用數據集符號S加以表示，即S={S1，S2，...，Sn}。與其相關聯的數據T，作為數據庫事務中的數據集合。為此，數據庫中任意事務F，均作為數據集S的分項子集，存在T∈S的關系式。其中X、Y存在關聯關系，并且滿足X被包含于I、Y，包含于Y、X與Y的交集結果為空集[1]。在總事務占比中，以D作為符號，X與Y之間的關聯支持度數值為P(X合并Y)，在X占比置信度的計算中，X與Y關聯關系的置信度數值為P(X|Y)。集合處理期間，針對數據集的多重性，有效集成數據，使之形成項集。如果數據集基數為m個，即稱為m項集。如果數據集中存在支持度較高的一項，并且其設定的支持度最小閾值以min為表示方式，將此數據集作為頻率較高的項集，即將序列全部的高頻項集有序整合，形成新的項集，并以Lm為表示方式。Apriori算法開展的數據分析流程為：①以迭代方式，查詢數據庫中現存的高頻數據集，此程序中計算數值的支持度>設定閾值;②依據用戶日志中提取的置信度的最小值分析數據價值。

　　2.2.2算法流程由數據分析可知：在Apriori算法的運行理念中，將每層搜索的數據，配合迭代的計算方式，有效獲取了高頻數據集，以數據分析技術為基礎，獲取高頻數據集，以此確定數據集之間存在的關聯關系。如圖3所示，為Apriori算法的信息核算流程。Apriori算法的圖解流程：①初始化操作，在數據庫中搜索全部數據，并確定高頻項集合S1;②將Sn-2(其中n不小于2)以自連接方式獲取n階數據，設定候選項目集合為Cn;③在備選高頻項目中，將任意子集作為剔除對象，如果n階備選項目中存在關系式為Cn-1∈Cn，并且Cn-1∉Sn-1，此種關系說明備選數據中不包含項頻數，可將其剔除;④在②、③中執行流程，對于尚未發現高階層次的項目數據，獲取數據分析序列。Apriori算法的應用實例如下，獲取了6組數據。序列1的數據集為：1、2、3、4、5、6、7。序列2的數據集為：2、5、6、9。序列3的數據集為：2、4、5。序列4的數據集為：1、3、7。序列5的數據集為：1、2、6。序列6的數據集為：2、3、6、7。結合實例的Apriori算法流程：遍歷數據集，獲取1階項目數據集，即S1={1=3，2=5，……，9=1}，S2={12，13，14，15，……，46，47，49}，令S2自主連接，獲取C3項目數據集[2]。

　　2.2.3遺傳算法遺傳算法的組成元素包括基因、染色體、適應度等，此類元素通過交叉與變異，逐漸形成算法元素。(1)基因。在遺傳學論述中，基因指DNA片段，基因含有基數較大的遺傳信息，基因作為遺傳算法中的基礎性計算單位。在遺傳算法中開展基因計算流程，可選擇二進制與整數的計算方式。(2)染色體。染色體包含多組基因，作為信息承載的介質。染色體編碼形式包括浮點數與二進制兩種方式。浮點數編碼形式指：假設種群基數為m，符號表示為xii，表示數據更迭期間，i個數據個體，基因長度設為n，則個體表示為xii屬于Rn，以xii作為n維行向量的表示方式，即可表示為xii={xii1，xii2，...，xii3}。在更迭期間，數據種群xii表示方式矩陣為主，即n×m。在種群中的矩陣以X0為表示方式，則有X0={x01，x02，...，x0n}，在矩陣中尚未發現兩行相同的數據，表示種群存在互異性。在二進制程序中，如若種群基數為m，表示方式為xii，代表數據更迭期間存在第i個數據個體，并且每個數據個體位數表示方式為1。其中，基因基數的計算可表示為L=ml。數據個體xii以ml作為表示方式，獲取其行向量數值，即xii={xii1，xii2，...，xii3}，最終以二進制編碼為計算方式，將編程轉化為實際，應采取的計算流程為：11/212)tjljfxiikmkmkvkx−=(,)=+(−)(−)(∑×(1)(3)種群。進化論中的種群概念指多組物種通過排列方式形成的群體結構。此概念融合于遺傳算法流程中，以此可知，遺傳算法種群表示的是某代染色體數量總和。在計算過程中，設定種群初始數值不小于100[3]。

　　2.2.4算法改良在進行全局數據搜索時，遺傳算法性能良好，得到廣泛應用。Apriori算法的應用優勢在于計算流程實現過程較為簡單，不足在于數據量基數較大時，數據處理能力不佳。為改善Apriori算法的應用性能，采取以遺傳算法與Apriori算法相結合的方式。數據中的有限數據集以D為表示方式，即D={d1，d2，...，dn}，此類數據集在系統中獲取了良好運行，依據Apriori算法的運行理念，開展強項集合的計算分析。在強項結合求解期間，借助遺傳算法理念，解決算法讀取數據問題，有效增強了算法性能。算法設計應遵循改良思想開展，采取二進制編碼思想，將安全關聯的相關信息，以二進制行為表示，并關聯信息連接。同時，依據計算機安全審核所具有的關聯能力，定義染色體的排列狀態，采取二進制編碼形式測定網絡的數據流量。在完成編碼的基礎上，開展適應度關系式設定。在遺傳算法中，針對Apriori算法對數據庫讀取過程存在效率不足、運行緩慢等問題，應在算法改良期間，予以解決。為此，在適應度關系式中，應包括兩個變量，即支持度、置信度。關系式為：f(x)=aS(x)+bB(x)。其中，ab表示常用數值，S(x)代表支持度數值，B(x)指置信度數值。

　　2.2.5性能分析在試驗過程中，運行系統為Windows7，內存為16GB，仿真系統為Python3.7。在試運行期間，數據來源為近階段安全審核系統中現存的數據。安全審核系統所具有的數據保存容量為500MB。其中，種群基數設定為150，變異率設定為0.13，交叉率設定為0.9。性能分析方式如下。第一，劃分次數對分析數據效率產生的影響。經試運行發現，改進算法與經典算法對比時，在劃分次數累加時，改進算法所用的運算時間較短，劃分次數對數據分析結果產生的影響較小。第二，數據分析基數對分析數據效率產生的影響。經試運行發現，在數據分析時間增加時，數據分析基數提升，改進算法數據分析所需的時間相對較少，由此說明，在調整數據分析基數中，其運算效率不變，尚未對其產生不良影響。

　　3結語

　　在物聯網背景下，安全技術逐漸成為信息領域的關鍵性技術。本文以安全審核技術為基礎，搭建具有信息安全防護與審核能力的應用型平臺，以此完善大數據技術的審核系統，分別從數據收集、數據有效保存、數據信息分析、數據應用4個角度開展審核系統設計，并且借助Apriori算法提升系統安全審核能力，保障信息安全。

　　參考文獻

　　[1]趙培琨.大數據時代計算機網絡信息安全及防護策略[J].計算機產品與流通,2020(5):36,52.

　　[2]董偉.大數據技術在計算機安全審核中應用研究[J].現代計算機,2020(10):23-29.

　　[3]侯毅.大數據環境下計算機信息安全技術探討[J].中國新通信,2020,22(6):135.