Page 191 - 大数据技术及安全研究

第五章 数据预测与数据安全处理研究

等，是无法用传统查询统计方法来获取的。为了得到这些有用的信息，需要采用
数据挖掘分析技术，自动智能地对大数据分析、探索和挖掘，探寻数据的模式及
特征，寻找数据背后的信息变化和价值，从而最终使用蕴藏在数据中的信息和知
识。数学模型库是针对所有算法的特征，构建的一个通用库，实现了大数据格式

的“数据结构定义”。对算法参数、数学模型库、模型评估体系和挖掘分析的结
果等进行统一管理，提供了数据挖掘分析的入口。根据输入的算法参数，自动调
用挖掘分析所用的算法及其相应的模型等。
数据挖掘算法工具库针对大数据分布式存储管理、分布式计算的特性，统一

匹配各种数据挖掘算法。根据不同行业的业务需求，工具库可配置不同的算法进
行挖掘分析，具备灵活的动态扩展和分布式任务调度机制。工具库中的算法包括
但不限于分类算法引擎、关系网络分析算法引擎和图形算法引擎，算法引擎之间
可根据实际的业务数据分析需求交叉使用。数据挖掘接口封装是屏蔽底层算法的

细节差异，统一向上层提供数据挖掘的处理接口。接口封装在保证了系统功能独
立的同时增加了系统的可扩展性和灵活性，当与之互联的外围系统发生变化时，
只需修改相应接口程序即可。数据挖掘引擎是在总结、抽象数据挖掘行业类型的
基础上，提供预警型、评估型、跟踪型等多种类型的数据挖掘引擎。数据挖掘应

用调度根据电子政务、电子商务的具体业务需求，设计相应的业务模型，具备较
强的态扩展能力。
（五）信息安全大数据应用
随着大数据技术的不断创新和广泛应用，信息安全领域越来越迫切需要依托

大数据处理技术来实现网络攻击的“事前预防”“主动发现”。面向信息安全领
域的大数据分析平台在大数据采集、预处理、分布计算和挖掘分析的基础上，面
向电子政务、电子商务等不同的行业需求提供信息安全保障服务。

·179·