人工智能下的計算機大數據安全技術平臺建設分析

周 弢

（珠海市衛生學校 廣東 珠海 519020）

1 引言

互聯網在我國得到大范圍推廣和普及，并逐漸融入到傳統行業的發展過程中來，成為推動行業發展的一個重要動力[1]。互聯網的廣泛普及和迅猛發展催生了很多新的技術，比如大數據和人工智能等；另一方面，互聯網的發展也使得各種數據信息以指數級的速度增加，這也是大數據技術發展的一個重要前提和基礎。人工智能主要是利用計算機實現對人的思維能力認知能力邏輯能力的模擬。

互聯網環境下，海量數據的聚合一方面增加了數據處理難度，另一方面也推動了大數據技術的發展。不僅如此，大數據時代，人們可以通過對數據的挖掘和分析得到有價值的信息內容，為推動行業發展提供支撐。需要注意的是，在這個過程中，由于互聯網的開放性以及相關防護措施的不到位，使得很多數據信息很容易被竊取或者盜用，尤其是一些比較具有價值的數據信息更是受到來自不法分子的大肆竊取[2]。針對這種情況，有必要利用人工智能建設相應的計算機大數據安全技術平臺，實現對海量數據的存儲分析和查詢，同時有效保護數據信息避免被不法分子進行盜取和使用，維護用戶的數據安全。

2 網絡安全數據采集

要想有效建設計算機大數據安全技術平臺，首先要做好相關的數據采集和分析，并注重做好網絡安全漏洞數據的采集和分析。通過對網絡安全漏洞數據的采集和分析，為安全技術平臺提供全面詳細精準的服務。采集過程中，首先需要登錄具體網址，并輸入代碼，然后由計算機實施數據采集和分析，并將其存儲到指定位置[3]。

在采集過程中，針對漏洞數據的采集，主要是多個網站內的漏洞數據庫編錄的所有漏洞數據。在數據采集過程中，必須從網站自身的特征出發，要注重規避部分網站對爬蟲行為的爬墻，在實踐過程中，可以科學利用隨機分配IP地址、以及隨機分配使用網絡代碼用戶代理瀏覽器等實現對網站的保護。

為了確保數據采集質量，要結合實際采取必要措施，確保數據采集達到相應的安全性時效性標準。是采集過程中，有必要根據采集需要針對其中的程序進行完善，確保采集質量。爬蟲程序可以實現對數據采集的監控，這個過程可以對數據采集進行控制。不同的數據爬蟲程序會選擇對應的方式進行爬取，針對漏洞網頁數據的爬取，很多情況下爬蟲程序會選擇隊列式的方式進行，這種方式可以在較短時間內完成更多的工作任務，達到良好的工作效率。

在數據采集過程中，有必要針對初始種子進行定義，這是后續各項操作的一個必要前提，是實現數據采集的關鍵。完成種子定義以后，要結合漏洞數據的特征設計相應的隊列和算法。一般情況下，漏洞數據的隊列大都是網頁內的URL數據，將這些數據收集起來。爬蟲引擎在操作過程中需要實施反爬蟲對抗技術，這么做的目的在于提高下載效果，并實現數據的存儲。為了確保數據采集效果，需要關注網頁數據以及相應的關鍵詞，這是保證數據達標的關鍵，也可以提高數據采集的有效性[4]。

3 數據特征提取與脫敏

當采集的數據維度偏高，相應的也會導致數據的計算和采集更加復雜，這需要相應的時間。如果采集的數據維度特征存在差異，會直接影響到數據采集的精確度。在數據采集過程中，有必要針對維度較高的數據實時相應的降維工作。具體來講，要將高維特征數據中的相關內容進行排除，進而達到降低其維度的效果，還要注重提取數據的關鍵特征，為達到良好采集效果打下基礎。

在進行數據分類的過程中，首先要提取相關數據的特征，然后根據數據特征進行分類。可以對數據進行相應的分析和認定，并按照相關的關心系數對其進行計算，進而分析數據自身的特征，并對數據特征進行驗證，這是順利實現降維的前提，也是準確實現數據分類的關鍵。

為了實現數據脫敏，一般可以采用隨機法匿名法等，也可以根據需要采用關聯規則隱藏法，不同的方法其脫敏路徑不同，但是都能將數據實現脫敏效果。可以將匿名法和關聯規則進行結合，針對數據實時脫敏操作，進而達到預期的脫敏效果。將匿名法和關聯規則進行結合，一方面可以順利實現數據的脫敏，另一方面，還可以針對數據安全起到保護作用。在這個過程中，不僅能實現數據脫敏，也可以實現數據保護，因此具有良好實驗效果。

4 身份認證與精細化訪問控制

計算機網絡安全保護系統建設過程中，經常采用的一種方法就是對用戶的身份進行認證和加密，這種方法比較常用，其效果也較好。身份認證指的是利用計算機網絡用戶的身份確認從而實現對數據的保護[5]。加密技術也是一種比較有效的保密方法，主要是通過計算機技術對相關數據進行加密，然后進行數據傳輸，到達相應地址以后對其進行解密，這個過程可以有效保護數據避免受到其他用戶的竊取和盜用。

大數據安全技術平臺在使用過程中，主要以網址的方式接受用戶的訪問請求，因此每個用戶在大數據安全管理平臺環境下其身份都是相同的，也就是說，都是以臨時代理網址的身份進行登錄。但是這種模式有一個缺陷，就是無法將不同的用戶進行區分，因此無法為不同用戶提供針對性的服務。為了解決這個問題，可以設計一種方法，將用戶的認證身份與授權身份進行分離，并保證訪問平臺的用戶均為合法用戶。而用戶已授權身份進行訪問 時候，可以對其身份進行確認并設計相應的權限。

大數據處理必須嚴格遵守相關的法律法規和制度要求，同時還要嚴格遵守互聯網的安全協議和隱私要求。為了達到相關標準和要求，數據平臺必須制定更嚴密的訪問控制系統。在實踐過程中，可以采用屬性加密的方式對加密數據進行靈敏度共享，這可以減少密鑰的管理時間和成本，達到更好的使用效果，促進系統的健康運行。大數據安全技術平臺在運行過程中需要依托復雜的計算環境，在這個過程中，用戶對數據訪問的安全性也面臨多種需要。

大數據安全平臺技術的數據訪問和要求和特征，一般可以在訪問控制的基礎上進行設置，也就是說，在訪問控制的基礎上對大數據安全技術平臺的數據安全應用和靈敏分享進行設置。在這個過程中，主要是利用主客體屬性細粒度訪問控制的授權對用戶對相關數據的訪問權進行控制，從而一方面滿足用戶的數據使用需求，另一方面確保數據使用的安全。不僅如此，還要注重針對大數據訪問的主體客體參數指標等進行靈活性科學性設置，尤其是針對涉密數據進行實時訪問隱私事件的發生順序數據資源的修改次數等進行準確記錄，這個過程可以保護用戶數據，還可以為后續的管理控制提供必要的數據支持，為達到系統性安全性分析控制提供支撐。

5 實驗與效果分析

為了準確分析人工智能環境下的計算機大數據安全技術平臺的建設效果，可以將其與傳統的計算機大數據技術平臺的運行進行對比，尤其是分析不同平臺對數據的保護效果，以及泄露信息的風險程度。本次實驗將人工智能環境下的計算機大數據網絡安全技術平臺與傳統的計算機大數據網絡安全技術平臺進行對比，分析兩種平臺在相同網絡環境下對數據的保護效果，尤其是對用戶數據信息的保護效果，分析人工智能環境下計算機大數據網絡信息安全平臺對數據隱私的保護效果。

5.1 實驗準備

為了準確驗證兩種平臺對數據的保護作用，有必要設計三臺服務器，根據根據需要對數據和平臺進行合理分配。在實驗過程中，要根據需要對數據進行合理分配，并在不同的平臺是對數據安全進行檢測。這個實驗需要將兩個平臺置于相同環境下，因為只有這樣才能確保檢測的科學性客觀性和公正性。要根據需要設置相應的IP地址并進行分配，為順利實現實驗打下基礎。

針對其余兩個服務器分配地址。在實驗過程中，為了確保實驗的科學性、有效性可以將兩個平臺置于相同的實驗環境，在這種環境下對其隱私泄露風險進行實驗和檢測。兩個平臺在相同的數據平臺下進行運行，并對其進行相同的數據安全性檢測，可以準確對比兩種平臺對數據信息安全性的保護效果，并對比在不同平臺環境下數據的運行安全。在運行平臺的過程中，大數據處理必須嚴格遵守相關的法律法規和制度要求，同時必須嚴格遵守相關的互聯網安全協議。在這個過程中，兩個平臺必須制定相應的訪問控制系統，確保數據在運行過程中的安全性。不僅如此，還要結合需要針對特定數據進行加密，一方面方便用戶進行訪問和使用，另一方面有效提高數據的安全性，避免數據在運行過程中受到外界干擾或者盜用，提高系統安全性。

5.2 實驗結果分析

要將兩種平臺置于相同的環境下進行工作，在此基礎上觀察數據的安全性，明確不同平臺對數據安全的影響。實驗結果顯示，人工智能計算機大數據安全技術平臺能夠更好保護數據，這是因為這種系統設置了對應的數據保護系統，針對數據安全進行專業保護。與新型系統相比，傳統系統難以實現對數據安全的保護，難以達到良好的數據運行效果。將新型系統應用到很多場景下都能取得良好運行效果，都可以有效保護數據安全。在使用過程中，可以結合實際需要對訪問控制進行設計，也就是說，根據需要對大數據安全平臺的安全等級和應用進行設計，從而滿足不同的使用需要，達到精準的數據安全控制。

在這個過程中，主要是利用主客體屬性細粒度訪問控制的授權對用戶對相關數據的訪問權進行控制，從而一方面滿足用戶的數據使用需求，另一方面確保數據使用的安全。不僅如此，還要注重針對大數據訪問的主體客體參數指標等進行靈活性科學性設置，尤其是針對涉密數據進行實時訪問隱私事件的發生順序數據資源的修改次數等進行準確記錄，這個過程可以保護用戶數據，還可以為后續的管理控制提供必要的數據支持，為達到系統性安全性分析控制提供支撐。

6 結論

分析發現，傳統的數據安全技術往往難以有效保護大數據環境下的數據安全，而當前我國已經全面進入信息化時代，大數據技術得到廣泛應用。基于此，有必要開發更為安全的數據保護技術。可以依托人工智能對數據進行保護，得到更加有效的數據保護效果。研究發現，基于人工智能的計算機數據安全平臺能夠達到良好的數據保護效果，可以在多個環境和領域得到有效應用。