Page 245 - 大数据背景下网络安全问题研究

» 第八章 大数据时代通信网络安全研究

快、类型多样化的特点，在此基础上紧跟前沿动态，做好积累与储备的每一个工作细
节，为用户需求做准备。同时，将大数据规划方法与传统规划数据及规划价值观相结
合，实现辅助规划的作用。
（二）大数据在通信网络优化中的应用技术

1.数据收集和筛选技术
数据收集和筛选是进行数据处理的首要步骤，尤其是对于需要把握不同用户业务
需求的通信网络而言，有效的数据收集和筛选有利于通信企业能够更加精准地对产品
用户进行定位，从而保证通信市场的占有率。随着各类通信用户的快速增长，通信网

络每日所获取到的数据量也在不断增加，面对庞杂的数据海洋，传统的数据处理软件
已经无法满足通信网络的运营需求，想要在其中捞取到有价值的数据信息必须依赖于
大数据技术的数据收集和筛选能力。大数据的数据采集由智能感知层和基础支撑层两
部分组成，智能感知层是数据采集的前端，由数据信息智能识别系统、通信网络以及

各类感知端组成。当数据元产生通信数据信息时，感知端会捕获这些数据信息，将其
输入智能识别系统进行信息识别，再将符合内容需求的通信数据通过通信网络转接到
基础支撑层。基础支撑层则是由物联网以及云端存储服务器组成，可以将这些收集到

的数据信息进行存储以便后续应用。最后，相关工作人员需要对这些数据进行价值筛
选，在庞杂的数据中选取具有应用价值的信息，并清除其他无用和错误信息，提纯整
个数据集合，再将其存储入数据库中为后续的数据分析利用打下基础。
2.数据分析和挖掘技术
一切数据信息的存在都是为了通信网络发展以及提升用户体验而服务，数据的价

值不在于数据表层所表达的信息和数据量，而是数据内在所反映的客观本质以及大量
数据流所呈现出的信息规律。只有真正对数据信息深入分析，挖掘其中蕴含的价值才
能真正发挥数据处理功能的作用，为此大数据技术强大的数据分析和挖掘能力是必不

可少的。相关工作人员在收集完所需的用户通信数据后，可以通过聚类分析、统计分
析、联想分析等手段挖掘数据背后的隐藏价值，使得数据所表达的信息明确归纳于一
个具体的类别内，总结这些数据信息的潜在规律。得到数据信息背后的价值内容后，
相关研究人员需要从中分析出目标用户的兴趣爱好、通信习惯、网络行为倾向等，构

建出一个相对完整且个性化的用户数据模型，突显目标用户的数据特征，并向其推送
针对性的服务内容，从而提升通信网络服务的精准性和质量。
3.数据存储和管理技术
大数据技术在提升通信网络数据处理能力的同时也拓展了数据存储空间，进一步

优化了通信网络架构的可拓展性。通信网络不同业务服务的数据信息往往互有关联却
又相互独立，需要进行分类存储。尤其是针对不同类型的数据信息，通信网络构建人

• 233 •