【www.zhangdahai.com--其他范文】
马海昕
山西财贸职业技术学院，山西太原，030031
对于当前网络使用中出现的问题，相关单位已经在积极利用大数据分析技术对网络异常的解决方案进行了一定的探索，但是目前成果还不显著，需要进一步的尝试和实践，从而更好地帮助用户解决难题，增强用户的体验感，使互联网技术在各个行业和各种人群中都能得到更好的利用，推进互联网管理水平的提升。网络管理是技术人员发现网络异常的直接途径和有效手段，但是由于互联网的发展，仅仅依靠网管人员的检测已经不能完全解决此类问题，因此需要利用大数据技术创造新的网络异常检测方案，这是互联网企业必须思考的问题。
①利用大数据分析能够为网络异常和出现漏洞的地方提供技术支撑。在大数据网络平台上，对于网络异常，大数据技术能够为人们提供快速的检测和分析，即在很短的时间内就能收集数据信息并对其进行检测。②利用大数据技术能够通过规范化、技术化的数据分析在最小的误差可能性下找出网络异常的原因并迅速找到解决办法，也就是说，利用大数据分析所形成的虚警指数相对于以往的多路径检测操作而言更低。③利用大数据分析还能相对地降低网络管理人员的工作量，以解决现如今巨大的网络系统所出现的大量网络异常现象。大数据技术采用数据检测形式，能够精准地选取造成网络异常的原因，因此，对于网络异常情况的出现，利用大数据分析是最为有效和现代化的方式[1]。
对网络数据进行检测的原理是利用大数据分析技术对初始数据进行精细化程度最大的分类，这极大地降低了数据检测失误。经过多次实践发现，对数据进行处理时采用初始数据分类的方法效果相当不错；
利用大数据技术处理数据，首先要调整数据格式，然后对数据进行分析，需要注意的是，要保持数据输入前后格式相同；
另外，在进行数据处理时要特别注意删除重复的数据，以此促进数据分析的整体效率，使网络异常的状况更加迅速地被解决。
用传统的思维来看，行为具有可中断性和可停止性。对于网络行为而言也是如此，通过对网络中运行的数据进行有效解析，可以对不恰当的网络行为进行相应的拦截和分解，以此防止网络受到攻击，保障网络的顺利运行。在大数据技术背景下，通过对网络异常进行检测不仅能够防止人为的网络攻击，还能减少网络用户隐私泄露的可能性，因而基于大数据的网络异常检测具有重要的实践意义，不管是在大数据的处理过程中，还是在大数据处理之后，其作用都是不言而喻的，其地位都能得到很好的体现。由于现代技术的迅速发展，网络用户人数在呈指数级增长，而网络结构也在随之不断发展升级，网络规模呈现复杂化趋势[2]。网络信息的增长给网络管理带来了一定的困难，因此需要提出新的管理模式和与时俱进的技术来促进社会信息和数据结构的完善和优化。利用基于大数据的网络异常检测方法，需要解决的问题之一就是如何快速而准确地处理大量的重复性数据，而首先注重的便是对初始数据的处理问题，通过对数据进行规范化处理，能够提升网络异常情况检测的速率，从而节省人力和财力支出，构建一个良好的网络环境。
在对数据进行优化之后，利用大数据技术设计正确的算法能够快速而准确地提取数据的特点，并对此加以分析和总结，再经过多粒度扫描的方式建立一个完整的规范化程序，不断深化算法的学习能力。强大的学习能力又能进一步通过对数据的分析构建一个灵活化的检测模型，而利用这种高效的数据检测模型会使网络异常的解决更具先进性和更加现代化。相比于以往的数据检测模型，该模型的设计更具科学性和全面性，设计的耗时也减少了，并且强化了模型的整体运作能力，因而在结合了大数据分析的优势之后，数据检测模型明显具有更大的优势。
以往的模型构建方式大都是通过人工设计并进行深入的修改和完善后得到的。针对利用大数据技术构建的网络检测模型体系，人们能够通过算法加速其构建和完善的效率；
另外，利用大数据技术中的网络检测技术把数据分类器进行了一定的优化，使得传统的弱分类器被强化和改进，减小了网络异常情况的检测误差，即使用经过强化的分类器后，网络异常的检测精确度更高了。
要真正实现对网络异常的检测，首先就要提高发现网络异常的能力和技术，然后对这些已经发现的网络异常进行分析，找出导致网络异常发生的原因，进而根据分析结果及时做出诊断并采取有效的行动阻止网络异常现象的持续。但是要进行后续操作的一个重要前提便是对于异常网络的检测和发现，因此要重视提升对网络异常的检测能力。在进行网络异常检测时，大数据分析起到了重要的作用，利用算法检测异常网络是常见且快速的检测方式，通常在编写出一个完整的判定网络异常的算法之后，就可以建立一个相当稳定的网络异常检测模型，这个检测模型可以快速地判断和识别异常网络，即这种程序化的模型可以清晰地把网络异常行为辨认和挑选出来。尽管这种方式检测的数据量变大了，但是网络的运行速度并没有因此而减慢，因为数据网络能够运行非常复杂的网络模型，所以大部分的网络异常都能得到很好的解决[3]。
在进行网络异常检测的过程中，基于大数据的检测模型会自动查找网络攻击行为，并且在查找到网络攻击行为之后还能使用自动化的程序对网络攻击进行拦截，以此防止网络受到进一步的攻击，减少因网络攻击而造成的损失。如果在大数据分析后无法有效地对异常攻击进行及时准确的拦截，系统还能提醒工作人员进行手动操作。基于大数据的网络异常检测方式除了能够自动对网络异常攻击行为进行拦截之外，还能对已拦截的网络异常攻击时间等信息进行记录，帮助相关人员快速了解情况；
并且大数据的存储能力十分强大，可以帮助相关人员进行相应的操作，使得相关工作实施起来更加顺畅。
简明清晰的实验数据是考验网络异常检测方式是否具有可行性和实际效果的有力工具，因此可以通过比较实验的途径对上文提到的检测方案进行深入检验。具体的操作方式是将一组基于大数据技术的检测方法和传统的多路径网络异常检测方法、信息融合检测方式作比较，然后对三者的检测数据进行科学的比较和衡量，最后综合各方面的要素和准确的数据得出结论。
4.1 实验准备
为了保证数据的准确性，可以首先创建一个比较真实的实验环境，这需要利用好常见的仿真工具，然后再进行实验。使用不同的手段在相同的环境中进行网络异常检测，在检测到网络异常之后计算机能够及时进行警示，同时要注意仔细记录和观察实验数据，防止数据记录错误导致的实验误差。在这个仿真环境之下，要尽可能地控制其他变量发生改变，同时要控制实验次数，实验的次数越多，数据就越完整，实验结果也就越准确。通过模拟的网络系统进行数据的收集和对比，确定具体网络参数；
另外，为了更好地保证实验的顺利实施，必须要保证宽带、网络路由器等设备具有可行性和先进性，这样能够更好地促进实验数据的收集。在进行实验时要准备好用来测试的数据样本，分别为正常的实验样本和进行测验的实验样本，同时保证这两组数据便于分析并且具有一定的差异；
同时，为了增加实验的可信度、减少主观因素，可以设置多组不同类型的数据进行实验检测。在选择好数据之后，为了进一步做好网络异常检测，就要对这些数据样本有选择地进行网络攻击，网络攻击的类型可以是多种多样的[4]。
在经过反复实验之后，对收集到的数据进行综合分析，客观、准确地对这些实验数据进行确认，排除掉一些明显带有误差的数据，但是仍然要确认数据必然存在一定的差异，最终得出一份较为准确的数据表。实验之前的准备工作是保证实验数据可靠性的重要因素，因此，每个环节都要进行严格把控，真正得出客观的检测数据，而不是带有个人的主观意愿。另外，要利用好仿真平台的搭建工具和数据检测工具，要准确地得出两组实验的比较结果和最终效用，就必须用一个直接的数据将这些结果更为直观地展现出来，因此要利用好虚警指数这一表达工具，促进实验组的数据探究。除此之外，在进行数据检测的过程中，采用基于大数据技术的网络异常检测方法与传统的多路径网络异常检测方法、信息融合异常检测方式在处理实验误差时具有一定的差异；
本文提到的异常检测方法不用首先计算实验误差，而是在输入编码之后在所搭建的数据平台中计算数据的误差，因此这种检测形式有利于网络异常的检测。
4.2 实验分析
在实验结束之后，对以上实验得出的数据加以分析，可以较为准确地得出采用基于大数据技术的网络异常检测方式和传统的多路径网络异常检测方式、信息融合检测方式的比较优势，由实验得出的数据比较三者的虚警指数，制作虚警指数图，如图1所示。
图1 虚警指数对比
对相关数据加以分析可以得出，使用传统的多路径网络异常检测和信息融合检测方式时，图中的折线起伏程度大，虚警指数不太稳定，而基于大数据技术的网络异常检测模型所测得的虚警指数曲线较为平稳，整体变化幅度不大。因此可以综合地得出结论，基于大数据技术的网络异常检测方法比较有优势，检测的效果更好、整体准确程度更高，并且虚警报警指数更低，可操作性和可利用性都很高，具有相当大的发展和运用前景。在大数据技术的深度运用上，还需要网络运营商和大数据企业共同进步、合作互利，共同促进大数据技术和网络的有机结合，促进网络整体运行能力再上一个台阶，减少网络异常现象的发生，维护网络空间秩序，使网络用户获得更好的网络体验感，防止网络异常行为对用户的权益造成侵害，进一步增强网络运营的整体水平。
利用虚警指数能够很好地反映基于大数据技术的网络异常检测方法的具体实践效果。尽管利用大数据技术进行网络检测越来越被人们重视，但是离广泛应用还有一定的距离。当今社会，网络威胁被越来越多的人所认识，并且当下网络攻击的形式在不断增加和趋于复杂化，因此对网络异常进行及时检测和采取应对措施十分重要。网络异常的检测关乎网络用户的个人信息安全，而经过以上实验可以清晰地认识到基于大数据的网络异常检测方法具有一定的优越性，值得被人们采纳和尝试。基于大数据技术的网络检测方式自动化程度高，检测速度快、能力强，因此能够有效地应对网络异常增多的现实情况。传统的网络异常检测方式自动化程度不够高，尽管检测的形式具有多样化的特点，但是更加耗时耗力，需要管理人员不断地优化和建模，而本文提到的方法能够有效地解决这些问题，有利于在网络环境进一步发展的过程中确保网络的安全，尽可能地解决网络发展过程中所引起的弊端。但它的实际利用率并不是很高，因此基于大数据技术的网络异常检测方法需要进一步地利用和完善，以此推动社会朝着信息化、数据化发展[5]。
网络的发展是一个具有两面性的过程，既有益处也有一定的弊端。但是对于如今的网络发展现状，相关人员应该自觉承担责任，尝试新的方法提高网络异常的检测能力。本文提出的基于大数据技术的网络异常检测方法，其优势不言而喻，能更加迅速和便捷地发现网络异常情况并及时发出警告，因此要推动这种方法的快速落实还需要多方协同发力、共同发展，促进这种网络异常检测方法的广泛实践和应用。网络管理是一个不断进步的过程，推进网络异常检测技术的持续进步同样是增强网络管理的一个重要过程，因此为了更好地满足人们的生活需要，要不断推进网络异常检测朝着精细化、准确化、科学化进步，为网络用户营造一个优良的网络环境。
猜你喜欢 利用检测模型 利用比例尺来计算小学生学习指导(高年级)(2022年3期)2022-11-23适用于BDS-3 PPP的随机模型导航定位学报(2022年4期)2022-08-15利用min{a，b}的积分表示解决一类绝对值不等式中等数学(2022年2期)2022-06-05自制空间站模型小天使·三年级语数英综合(2022年4期)2022-04-28模型小览（二）汽车导报(2017年5期)2017-08-03必修二 Modules 1—6综合检测题时代英语·高一(2016年6期)2017-02-27“整式的加减”检测题中学生数理化·七年级数学人教版(2016年10期)2016-12-22“整式”检测题中学生数理化·七年级数学人教版(2016年10期)2016-12-22离散型随机变量分布列的两法则和三模型中学生数理化·高二版(2016年4期)2016-05-14学会利用自己的欲望人生十六七(2015年7期)2015-02-28本文来源：http://www.zhangdahai.com/shiyongfanwen/qitafanwen/2023/0427/590067.html
