大数据背景下计算机大数据分析与云计算网络技术研究

王虹

（山东司法警官职业学院 山东省济南市 250014）

近年来，随着我国科技领域创新，计算机、互联网等信息技术发展日新月异，并逐步应用渗透到了人们生产生活的各个领域，越来越多的终端设施和软件程序开发，输出了丰富的便捷性服务体验。大数据背景下，基于需求导向的计算机大数据分析、云计算网络技术等均获得了显著突破，进一步挖掘了大数据价值，从而更好地辅助用户决策。

1 相关内容概述

计算机大数据分析与云计算网络技术作为现前世界上最尖端的技术代表，是驱动人类社会发展更加智能化的重要支撑，现已取得了巨大的阶段性成果，应用优势愈加突出，但同时亦伴随着一定的缺陷和不足，具体相关论述如下：

1.1 计算机大数据分析

所谓大数据即是指一定时间内无法用常规软件工具对其内容进行抓取、管理和处理的数据集合，具有大量、高速、多样、真实性、低价值密度等特点。相比于传统数据仓分析，计算机大数据分析最大的优点在于，针对非结构化数据，提供了在数据中获得更多的洞察力范围。同时，传统分析基于关系数据模型发生，主体之间的关系在系统内已经被创立。但事实上，并非所有的信息都能以一种正式的方式建立关系，常常以图片、视频、RFID 等非结构化形态存在，而基于纵列数据库之外的大数据分析则显示出了超强的优势能力。尤其是计算机大数据分析的可视化功能，能够更加清晰、直观地表达数据结构及特征，增强了数据应用效果。另外，从某种维度上讲，传统分析属于定向的批量处理，在获取所需的洞察力之前，需要一定的提取、转换和ETL 时间等待，而计算机大数据分析则可基于对数据有意义的软件进行实时分析，多样化的数据挖掘算法，工作效率更高且精度更强。作为一个综合数据分析的过程，计算机大数据分析能够找出不同随机事件之间的内在关联性，从而更好地辅助用户决策。大数据背景下，计算机大数据分析的重重优势，奠定了其广泛应用基础，但在客观维度上讲，其在当前阶段的发展尚未完全成熟，存在些许方面的缺陷和不足。简单来讲，宏观信息化时代生态下，人们基于互联网的操作产生了大量数据，但随之而来的信息爆炸亦对用户的隐私安全造成了威胁，且其中充斥着大量虚假信息，甄别难度加大，如果甄别和考虑不力，则可能导致决策失误，继而带来难以挽回甚至无力承受的损失。作为大数据时代的伴生产物，计算机大数据分析开始在商业领域崭露头角，是行业人士争相追捧的利润焦点，未来发展空间不可估量。

1.2 云计算网络技术

作为分布式计算的一种，云计算即是指通过网络“云”将巨量的数据计算处理程序分解成无数个小程序，继而基于多部服务器组成的系统处理这些小程序反馈结果，并返回给用户，其在现阶段的发展可视作分布式计算、效用计算、并行计算以及负载均衡、网络存储等先进技术混合跃升的结果，具有高度的敏捷性、可靠性、扩展性、自动化等特征。综合来讲，云计算网络的存在主要包含两项任务，即将资源池变成虚拟资源，继而连接所有位置的用户到这些资源，并出现了公共云、私有云以及混合云等几种存在形态。具体而言，正是基于计算机与网络相关技术的融合，云计算将数据存储在云端，从而释放出了更多的硬盘空间，加之应用程序和进程的减少，大大改善了计算机性能，提升了其运行效率。同时，伴随着云计算网络技术开发，其存储容量近乎无限，且相当于给所有的存储数据进行了备份，其应用安全性得到了一定保障。另外，云计算还通过API 驱动的基础设施，可重新构建和部署系统，在无需任何人工干预的情况，能够对应用进行双向扩展，并基于需求预期和流量模式的合理规划，深化应用双向扩展，运营成本更低。通过有效的负载均衡，云计算网络系统创建的路由将超出访问流量转移到云环境中完整的防溢应用程序中，实现了对数据集合的高速处理。但正是基于这种高开性虚拟环境，导致云计算网络伴随着较大的安全风险。简单来讲，虽然云计算网络可对存储的数据提供备份保护，其他方面的安全性能却偏低，未经授权的用户数据有被泄露的风险。尤其是在加持了虚拟化技术之后，操作系统与底层硬件之间的关系发生了巨大变化，继而影响了运算、网络等安全性。这也正是限制云计算网络技术广泛应用的重要障碍。

2 传统数据处理的弊端

数据处理作为一项庞杂的系统化工程，涉及到数据收集、整理、检索、传输等多个环节的操作，传统运行模式下存在着诸多弊端。大数据背景下，信息爆发式增长，呈现出多样化特性，其中很多数据是没有规律可循的，使得整个处理过程愈加复杂。同时，大数据本身低价值密度的特点，在很大程度上增加了数据处理难度。以当前的数据构成来看，主要分为结构化数据和非结构化数据两类。其中，结构化数据是指以数字或符号表示的数据；非结构化数据则是指以图像、视频、网页等表示的数据。并且大数据背景下，非结构化数据呈大规模增长，结构化数据的占比越来越低，计算机大数据分析技术应用优势日臻突出。传统数据处理模式下，专业第三方单位是进行深度数据挖掘的关键，需要将数据以相对安全的方式进行对接，其中所耗费的成本无疑增加。同时，受制于有限的技术水平，传统数据处理只能对单一数据进行解析，并且仅限于简易处理，继而影响了用户对特殊事物的判定，对非结构化数据处理提出了更高的要求。基于云计算网络环境下的大数据分析，拥有了更加良好的数据传输通道，方便计算机处理工作展开。一定程度上，云计算网络技术应用进一步改善了计算机大数据分析质量，从而满足了人们对数据的多元化需求。尤其是在李克强总理“互联网+”战略部署下，云计算网络技术在人类生产生活中的应用愈加广泛，基此研发的服务器及操作系统，输出了更为便捷的服务体验。另一方面来看，计算机大数据分析强大的功能负载，有助于检索操作系统中的漏洞，并进行修补，防范黑客攻击，提高了云计算网络的安全性。

3 云计算网络技术在计算机大数据分析中的应用

云计算网络技术在计算机大数据分析中的应用，搭建起了更加顺畅的信息交互链条，为后续数据处理工作展开奠定了基础。安全始终是信息技术领域的关键一环，这也是云计算网络技术在计算机大数据分析中应用的要点，相关举措建议如下：

3.1 保障传输安全

基于云计算网络技术搭载的计算机大数据分析，拥有了更加通畅的数据传输链路，保证该环节的数据安全是关键。据相关实验证明，某种维度上，用户端数据与数据安全之间存在一定的正相关关系。简单来讲，在整个云计算网络体系结构中，随着用户数量的持续累积，交互信息呈爆发式增长态势，所触及到的大数据库生成，且构成范畴不断扩充，在这样的环境空间生态下，假设用户计算机系统遭受黑客、病毒等攻击，则可基于云计算技术的作用进行拦截，从而有效维护数据传输安全。单纯从云计算网络技术层上讲，IaaS 基础设施级和PaaS 平台级共同架构起了全部服务内容。其中，IaaS 基础设施级服务覆盖了计算机基础设备的操作和应用，包括CPU 处理、数据传递、数据存储、虚拟计算等。而PaaS 平台级服务则是指把应用服务的运行和开发环境作为一种服务提供的模式，其本身介于Iaas 和SaaS 之间。因此，可以在无需考虑底层硬件的情况下，便捷的使用安全认证等各项服务，使用户可根据自身需求实现对应操作流程的个性化部署和应用。

3.2 扎实应用安全

宏观信息化时代，计算机与互联网应用逐步渗透到人们现实生产生活的各个领域，在体验便捷服务的同时，面临着愈加严峻的安全风险。应用层的云计算网络安全建设，需充分重视身份认证工作的有效展开，基于实名制建构起完善的安全保障体系。云计算网络体系下，计算机大数据分析只能识别数字身份，为了确保操作者即为数字身份的拥有者，便产生了身份认证技术。在现行技术支撑下，主流认证主要分为三类，即基于信息秘密的认证、基于信任物体的认证、基于生物特征的认证。而基于信息秘密的认证作为应用最为广泛的身份认证方式，尤其以静态密码为典型，搭配上相应的安全程序，可在数次登陆失败后锁定账户程序。而以动态密码为代表的基于信任物体的认证，更不容易被攻击，且由于所生成的密码与使用过程存在物理隔离，几乎不可能在通讯链路上被窃取从而导致攻击失效。另外，基于生物特征的身份认证，包括指纹识别、声纹识别、DNA 识别、人体气味识别等方式。值得着重指出的是，无论何种先进的安全防范技术，唯有基于用户强烈的能动意识才能发挥作用。

3.3 加强动态监督

云计算网络技术在计算机大数据分析中的应用，以更加低廉的成本打通了信息共享路径。但数据共享也增加了信息传输的安全风险，导致各种网络安全问题层出不穷。为此就需要我们在应用计算机大数据分析与云计算网络技术的过程中，要做好对传输流程、传输数据信息等的动态化监督，建立更加完善的网络安全防护体系，最大限度消除安全威胁因子。在此过程中，可充分利用计算机大数据分析与云计算网络技术优势，动态监控整个数据传输路径，提高通道环境的安全性，一旦发现问题及时进行预警，并采取有效的应对措施，遏制黑客、病毒等攻击，最大限度地防范网络安全事故发生。云计算网络结构体系下，资源层和服务层的安全建设是关键，并针对不同等级云计算平台确定差异化的防护目标。在此过程中，依托计算机大数据分析，根据云平台租户数量及业务系统的具体情况，设立相应的安全保护标准，针对安全计算环境、安全区域边界、安全通信网络等，设计科学的技术标准要求，生成相应的运行机制，搭配上访问控制、身份识别等对接云计算平台各功能层次的安全建设。

3.4 开发相应程序

随着现代科技创新发展，人们生活、工作中对网络应用程序的要求越来越高，基于安全方面的考量，应当紧密根据病毒程序的动态发展进行开发和处理，从而使得计算机系统能够敏锐地捕捉到不法攻击的活动迹象，进一步增强其自身防御能力。一般情况下，作为运行在防火墙主机上的专门应用程序，计算机代理服务可明显改善云平台的访问速度，能够有效屏蔽不安全网址造成的系列不良反应，建构起了一层高效的计算机安全防御屏障。在计算机大数据的使用进程中，针对诸多安全威胁因子影响造成的数据丢失问题，则可通过系统备份和恢复改善，同步保证了计算机大数据分析反馈结果的一致性和完整性。目前来讲，备份的方式主要分为三类，即逻辑备份、动态备份和静态备份。其中，逻辑备份即是指基于软件技术从数据库中提取数据并写入一个输入文件，只能对数据库进行逻辑恢复，却不能按照其原有的存储特征进行物理恢复；静态备份则是备份的系统文件，动态备份则是创建一个还原点，但稳定性较差，容易受到病毒攻击。对此，可通过加装防火墙的方式防止遭受侵害。

4 结语

综上所述，大数据背景下，计算机大数据分析与云计算网络技术发展成果显著，共同架构起了人类文明发展新时代，但值得客观指出的是，其在现阶段的开发尚未完全成熟，其中仍旧存在一定的弊端和缺陷，未来可期。可进一步推动计算机大数据分析与云计算网络技术的深度融合发展，找准切入点，在保证信息足够安全的基础上，为用户提供更加便捷、丰富的体验。