Page 133 - 大数据背景下网络安全问题研究

» 第五章 机器学习在网络信息安全中的应用

多机器学习方法是建立在内存理论基础上的。大数据还无法装载进计算机内存的情况
下，是无法进行诸多算法的处理的，因此应提出新的机器学习算法，以适应大数据处
理的需要。大数据环境下的机器学习算法，依据一定的性能标准，对学习结果的重要
程度可以予以忽视。采用分布式和并行计算的方式进行分治策略的实施，可以规避掉

噪声数据和冗余带来的干扰，降低存储耗费，同时提高学习算法的运行效率。
随着大数据时代各行业对数据分析需求的持续增加，通过机器学习高效地获取知
识，已逐渐成为当今机器学习技术发展的主要推动力。大数据时代的机器学习更强调
“学习本身是手段”机器学习成为一种支持和服务技术。如何基于机器学习对复杂多

样的数据进行深层次的分析，更高效地利用信息成为当前大数据环境下机器学习研究
的主要方向。所以，机器学习越来越朝着智能数据分析的方向发展，并已成为智能数
据分析技术的一个重要源泉。另外，在大数据时代，随着数据产生速度的持续加快，
数据的体量有了前所未有的增长，而需要分析的新的数据种类也在不断涌现，如文本

的理解、文本情感的分析、图像的检索和理解、图形和网络数据的分析等。使得大数
据机器学习和数据挖掘等智能计算技术在大数据智能化分析处理应用中具有极其重要
的作用。在2014年12月中国计算机学会（CCF）大数据专家委员会上通过数百位大数

据相关领域学者和技术专家投票推选出的“2015年大数据十大热点技术与发展趋势”
中，结合机器学习等智能计算技术的大数据分析技术被推选为大数据领域第一大研究
热点和发展趋势。

二、常见机器学习的应用研究

（一）机器学习在农业中的应用
1.在农业领域的应用现状
机器学习可以应用农业全产业链中，从育种、生产经营管理到农业数据决策，改

造提升农业产业的效率和效益，促进农业提质增效，全面促进农业资源的高效合理流
动，解决资源分布不均衡的问题，促进城乡融合发展，对于服务“三农”具有确实的
意义。
（1）在农作物及动物、微生物育种方面的应用

机器学习可以利用长序列个性化作物数据预测基因的表现，从大量的组合中筛选
出好的组合，机器学习还可以帮助育种学家在育种平台上模拟作物的生长，以评估不
同生态要素组合下的作物表现，从而加速作物育种速度，缩短作物育种周期。
（2）在作物病虫害防治方面的应用

利用机器学习能实现更精准的病虫害诊断，避免人工病虫害诊断速度慢、诊断不
准确等问题。利用大数据技术，可以更加全面地动态评估病虫害对作物及其环境的影

• 121 •