基于灰色神经网络的云平台大数据安全风险评估

耿文莉， 高梦瑜

(哈尔滨商业大学计算机与信息工程学院, 哈尔滨 150028)

随着现代技术的发展，云计算得到越来越广泛的应用，其中基础设施服务(infrastructure as a service，IAAS)是共享底层基础设施，它面临着一个大规模的分布式环境，其核心是提供大数据存储和网络服务[1]。大数据具有海量、多源、异构、动态的特征，而云计算是一种开放式的网络计算方法，需要计算的数据被放置在公共网络系统中，用户将计算任务和数据都委托给云服务商，虽然用户的计算与存储负担减轻，但是也存在着云平台数据传输风险，用户失去对自己的计算任务、数据失去控制等风险，因而信息安全变得尤为重要。云平台大数据系统存储结构复杂、具有开放性、分布式计算和高效精准服务的特征，这些特征是云计算得以实现的最基本保障，但是没有大数据安全，云计算数据就会严重泄露、破坏，其应用将受到极大限制。为了确保大数据安全保密性、完整性和可用性，要对云计算大数据面临的安全风险进行评估，评估方法与手段直接关系到风险防范的有效性。

针对云平台数据安全问题，学者们开展了较为详细的研究，主要有对数据安全评价体系的研究，并从数据存储、数据处理两个方面进行研究，提出了云平台数据的安全管理措施与方法。

针对大数据安全问题的评价体系研究，刘芳竹等[2]在“大数据云计算信息安全问题的分析及评价体系研究”中提出评价体系的建立问题，建立贝叶斯综合评估模型，通过贝叶斯网进行数据评估，建立数据安全综合评价体系。……