信息化时代数据挖掘产生的信息安全问题

三亚学院信息与智能工程学院 邹琴琴

随着网络环境以及结构的复杂化发展，各种数据信息呈现出爆发式的增长，海量的数据信息使得信息管理工作更加的困难。所以，需要不断的加强信息安全管理工作，通过数据挖掘技术在大量的数据当中提取对社会发展以及经济增长有用的信息。目前，网络安全技术存在相应的问题，比如安全漏洞多、防护水平低等，这些在一定程度上影响到了网络信息安全性。由此可见，对信息化时代数据挖掘产生的信息安全问题进行研究具有重要的意义。

1 数据挖掘技术概述

随着人工智能等科学技术的迅速发展，使得各种数据朝着指数增长的方向发展，因此需要在海量的信息当中获取更多有价值的内容，从而满足用户的不同需求。但是不同行业对数据信息的实际需求存在着很大的差别，而通过数据挖掘技术能够在各种数据信息当中提取到有价值的内容，能够给数据的应用者提供完善的信息服务。

数据挖掘技术就是指从海量的信息当中快速地搜索到人们需要有价值的内容，利用现代化信息技术、大数据技术等获取到相关的信息资源。能够进行数据挖掘的信息数据需要是真实的、有效的，且经过获取和筛选后得到的信息需要是对社会有意义的。在数据挖掘的过程中，相应的数据库越大、信息量越大，其挖掘后的结果也更加的具有科学性、代表性，因此，数据挖掘技术的核心部分就是对数据的处理效率。

数据挖掘技术的方法主要包括数据关联、数据分类及数据聚类等。利用数据挖掘技术，第一要对数据库资源进行分析，提取出有价值的内容，同时进行加工处理，变为有利于进行数据挖掘的形式。第二，利用科学的数据算法对数据进行提取，同时进行评估，以便以简单的方式呈现给用户。大数据挖掘技术主要有数据的提取、预处理、深度挖掘以及评估等几个过程。

2 信息化时代数据挖掘产生的信息安全分析

2.1 对个人数据信息的影响

在信息化时代背景下，个人信息数据收集随处可见，海量的数据信息虽然可以给人们提供一定的便利性，然而在使用数据的过程中，该行为是不透明的，因此使得人们的隐私会受到危害。当个人用户在享受一些机构提供的服务时，往往会签订相关的免责协议书或者合同条款等，这些声明中往往包含用户协议、隐私等。当签署协议之后表明机构组织能够利用数据信息给用户提供相应的服务。在这一过程中，用户的数据信息就会传输到互联网当中。比如，当用户使用共享单车的时候，就会获取相应的位置信息以及时间等。此外，能够进行云存储服务的公司可以获取用户传输的文字、视频、语音等内容。而能够进行AI语音服务的机构就可以获取用户的位置、语音信息、关键字等。

在实际生活当中，很多因素都会使得用户隐私出现暴露。由于智能化终端的广泛应用，通过大数据技术，机构组织就可以获取用户的位置信息、声音等。当用户进行购物的过程中，与此相关的支付金额、账户、消费类型等内容也会上传到互联网当中。用户的隐私问题一直在持续的发展，且产生大量的数据，而只有“事件”才能被保护起来。但是还存在很多的连续数据也与用户的隐私相关，这部分不能得到有效的保护，给不法分子带来可乘之机。

2.2 “游离”数据对组织的影响

用户以及设备都会产生很多的数据，然而数据之外的部分信息可能也会存在一定的隐患。根据相关学者指出，现阶段互利网上仅存在20%的信息，而有80%的数据还游离在互联网之外，并且大部分是作为垃圾数据的游离状态。比如，用户设备的日常数据，手机中删除的照片、视频等。这些数据都存在被传到互联网上的可能性，当数据信息进行处理之后就能够获取到很多隐秘的信息，从而带来巨大的威胁。

除此之外，游离的数据按照目前互联网中开放性的信息资源，并且进行逻辑推理之后能够对机构等的数据安全带来威胁。当用户由于喜好等原因拍摄一些照片时，传输当网络当中的时候，这些游离的信息就会被获取到。然后分析组织再进行数据测试，利用卷积神经网络模型开展深度学习。当建立好相应的模型之后，就能够更容易的应用到数据的挖掘过程中。此外，根据人工识别分析能够获取到事件当中的主要内容。因此，在互联网当中存在的大量的游离信息能够对组织造成巨大的影响。

3 数据挖掘技术支持下信息安全对策

3.1 建立安全的网络环境

为了确保网络信息的安全，需要提高网络环境的安全性，按照现阶段行业的发展现状分析，第一，要对隔离以及访问控制技术进行科学应用与创新。其中，不仅要完成物理层面的更新，还要不断地加强逻辑层面的隔离，禁止一切未授权的网络用户访问网络资金。第二，合理的使用反病毒技术。木马病毒等是威胁信息安全的重要影响因素，因此，为了加强数据信息的安全性能，可以建立一个科学的病毒预警和防护机制，一旦受到病毒的威胁与损害时，利用病毒检测技术就能够在较短的时间内检测出来，同时完成对数据信息安全性的定性分析，及时的解决此问题。最后，在网络系统当中加入数据统计分析功能，保证系统可以对用户的访问次数及时间进行记录，并且对网络环境的使用情况及时地进行反馈，保证网络不会受到病毒的攻击。另外，还要在网络环境当中加入备份以及恢复等功能，这样不仅能够确保信息受到攻击后不被删除破坏，而且使得相应的信息在最短的时间内恢复到原来的状态。

3.2 确保数据挖掘信息的安全性

在进行数据挖掘的时候，需要确保挖掘信息的安全性，主要表现为数据的存储安全、传输安全和信息的使用安全等方面。在数据实际挖掘的过程中，第一，要使得数据信息存在物理层面的逻辑完整性，其中，逻辑完整性以及保密性是保证数据安全的核心内容。当保密数据传输的时候，数据的安全性对其挖掘操作至关重要，现阶段，在各种应用环境内，一般应用传输加密技术、数据完整性技术等来确保数据传输时的安全性。除此之外，在实际操作过程中，也要确保信息的安全性以及传输过程的准确性，防止出现信息丢失等问题。使用的安全性主要指当数据应用的时候必须对使用主体开展核验以及校准工作，防止未经授权的用户使用相应的数据资源，以便提高信息的安全性。

3.3 构建科学的数据挖掘模型

在数据挖掘技术的支撑下，解决信息安全问题需要构建科学的数据挖掘模型,可通过以下几点：

第一，可以按照关联性的分析结果来建立相关的数据模型，根据现阶段的研究技术，关联数据模型一般是利用外部攻击的相关内容进行分析和总结，同时根据现阶段应用的数据挖掘技术，展示出使用较为广泛、效果较好的攻击行为态势。对于攻击行为而言，主要包括攻击类型、源地址以及目的地址等几个部分，同时能够表现出攻击行为的主要特点。所以，在确保信息安全的过程中，需要对攻击次数较多的行为进行综合和分析，并且建立相应的数据模型，以便构建科学的数据体系。

第二，建立完善的事件预测机制。预测机制主要是指当对某一个事件的发展趋势进行跟踪调查的时候，通过数据挖掘技术里面的聚类算法，同时利用相应的演算过程判断此事件能否是大规模的网络攻击行为，而面对大规模的网络安全事件，其出现的次数并不是主要的研究内容，其中，需要重点关注的内容就是事件发生的扩散程度、面积以及相应的速度等。例如，在对数据信息进行检测的过程中，如果出现某一种木马病毒的IP地址数量迅速地增加，就需要引入充分的关注，所以出现这种事件的现象就可以看做一次网络攻击事件。除此之外，还要构建可控数量的预测模型。一般而言，可控数量的预测模型是对观察事件的受控主机的增长情况进行分析与监控，能够对事件的感染进行一个科学的判断。通过对受控主机状态的增长情况的分析，能够在未察觉异常情况前采用有效的检测方式，从而得出主机在受到攻击后其数量出现大规模的增长，可以得出受控主机状态的增长趋势。例如，在监测的过程中如果出现木马病毒等，并且主机之前从未发生过这种攻击情况，在监测的时候发现主机被病毒感染，那么主机就处于受控情况下的增长状态。

第三，可以建立分析和处理模型，此模型的建立一般是对相关的数据和事件进行处理，以便提升被控主机的处理水平。在模型分析的过程中，主要是对未处理过的主机以及处理效率等进行全面的评价，这样就能够得到主机处理能力的评价标准。

4 总结

本文通过对信息化时代数据挖掘产生的信息安全问题的研究，使我们了解到了，在信息化时代背景下，数据挖掘产生的信息安全问题日益突出，给用户的身份信息安全带来了巨大的隐患，主要体现在对个人数据信息的影响以及“游离”数据对组织的影响等两个方面。因此，需要建立安全的网络环境，确保数据挖掘信息的安全性，同时构建科学的数据挖掘模型，从而保证网络信息安全。