基于PCA的BP神经网络异常数据识别在信息安全中的应用

李小华

(延安职业技术学院 公共课教学部，陕西 延安 716000)

0 引言

计算机技术的迅猛发展促生了大数据和信息化的诞生，这给人们的生活和工作带来了极大便利，例如2020年年初，在新型冠状肺炎疫情防控过程中，通过手机信号、出行记录等大数据，就能比较容易地追踪到密切接触人群。人们在享受诸多便利的同时，信息化也将人们的(隐私)信息暴露在了互联网中，如果不对其加以严格的保护，就意味着每个人都可能被他人一览无余。同样地，如果不对商业数据、政治机密等信息加以保护，造成的后果将会不堪设想[1-3]。近年来，不断有团队致力于信息安全方面的研究，尤其在BP神经网络和主成分分析法(PCA)等方面的研究成果颇丰[4-5]。现有研究发现，基于BP神经网络的模型虽然能较好地完成系统安全漏洞检测和病毒传播等不利于信息安全的因素的识别，但它在异常数据检测方面的能力明显欠缺[6]。而PCA技术在保留源数据特征基础上的降维处理方法，正好能够弥补基于BP神经网络模型的缺陷[7]。为此，本研究就基于主成分分析法的BP神经网络的异常数据识别技术在信息安全中的应用展开研究，旨在为大数据时代信息安全的实现提供理论支持。

1 基本原理

1.1 主成分分析法(PCA)基本原理

大数据展现在人们面前的第一特征就是数据量巨大，如今更是需要以Z(10亿个T)作为单位去衡量，保障信息安全，首先应该具备大数据的处理能力[8-9]。但面对如此庞大的数据群，如果所有数据均做处理，对计算机的性能要求极高、数据处理所需时间长。……