Page 96 - 大数据云计算技术与通信安全研究

Research on Big Data Cloud Computing Technology and Communication Security
大数据云计算技术与通信安全研究

第七步：完成对动态数据的搜集。
根据上述采集过程完成对网络通信信号的动态采集后，开始进行动态数据原
始信号的还原。在还原的过后，还需要利用大数据融合的方式，持续完成对动态
数据流应用程序的使用。假设在这一过程中，网络通信息号的信噪比处于较小的

范围内，则动态数据的传输速度会逐渐减缓；反之，信噪比高时传输速度更快。
由于网络通信信号当中的动态数据是由多种不同系统生成，因此差异性较大，数
据之间的相互影响较为强烈。针对这一问题，在对网络通信信号动态数据进行还
原的过程中，可通过将不同数据信息转换为位数较小的“痕迹”的方式，再从目

标节点中进行演绎，以此完成对网络通信信号在模型当中的还原。
网络通信信号动态还原过程中，需要特别注意对信噪比还原和异源异型信号
干扰的处理。信噪比的高低影响着信号传输效率。在实际网络通信中，由于接入
设备不同，产生的信号信噪比强弱迥异，在采集信号样本时，如果疏密度选择过

大，会引起信号信噪比不能被可靠还原，造成建模失效。因此需要在计算量允许
的情况下，尽可能减小信号采集样本疏密度，提高模型颗粒度。异源异型信号的
互相干扰问题，也是影响模型真实度的重要因素，容易造成通信信号动态还原失
真。在采集信号样本以及信号动态还原中，需要区分所采集信号的来源和类型。

根据不同的信号源、不同的信号类型（如音频、视频、图片、字符串等），按照
不同的采集规则区别对待，分类整理后再使用还原算法进行信号动态还原。
（三）基于信息大数据融合的通信信号融合
为实现对网络通信信号的融合，本书采用信息大数据融合技术，对信号当中

的动态数据进行关联组合，以此提高对信号传输效率估算的准确性。利用数学和
技术工具，从网络通信环境当中对动态数据信息进行采集。根据采集后需要的不
同融合程度，将融合划分为数据层、特征层和决策层。在数据层当中，针对网络
通信信号信息源输入的原始动态数据进行融合处理。基于信息大数据融合的背景，

数据层中的数据具有丰富、多样、历史相关等特点，因此在信号融合中，需要在
数据层设置多样信息采集点，以便于信号的融合。在特征层中，主要完成对特征
性数据在模型当中的导入和导出，结合上述提到的网络通信信号样本采集矩阵，
对网络通信信号的目标动态数据信息进行提取，并在空间坐标轴当中进行针对性

特征处理。最后，在决策层当中，在已知实际网络通信信号传输效率的基础上，
对来自不同渠道上的动态数据信息进行获取，以此定位当前网络通信信号的实时

82