关键词:
小伙伴们反映都在为论文烦恼,小编为大家精选了《大数据系统论文范文(精选3篇)》,仅供参考,大家一起来看看吧。摘要:随着城市人口不断增加,城镇规模不断扩大,热力系统用户数据快速增长,数据种类不断增多。现有的数据管理系统已经难以跟上庞大数据管理量的要求。
第一篇:大数据系统论文范文
大数据系统中软件工程管理方法
摘 要:近年来,经济的发展,促进我国科技水平的提升。伴随着我国科学技术的不断发展,现如今的我们已然身处于大数据时代之中,以此为时代背景,软件工程技术与大数据技术互相配合,成为了影响我国社会工作速率的重点内容。考虑到我国经济社会日趋增长的发展需求,亟需软件工程技术给予大力支持,因此,相关人员需紧跟时代的脚步,以软件工程技术的开发与利用作为切入点,以期全面提升数字信息的处理效率,推动我国实行全面进步。本文就大数据系统中软件工程管理方法展开探讨。
关键词:大数据系统;软件工程;管理方法
引言
在大数据时代,我们要将大数据和软件工程技术进行有效的结合,从而提升整体的工作效率,降低生产成本,这就要求我们对于大数据和软件工程技术都有一个明确的认知,并且提出相应的解决策略。
1软件工程的定义以及基本原理
软件工程的定义有许多,不同的人对于软件工程也有不同的看法,很多学者、组织机构都分别给出了自己的定义:boehm:主要是通过是针对文件资料的开发、运行、和修复,利用所学知识来构建的计算机程序。fritzbauer:通过比较经济的方法得到在实际操作中软件的常用方法。ieee:和boehm类似也是针对文件资料的开发、运行、和修复,是一个比较系统的运行方法。现在被大多数人所接受的定义是:软件工程主要是研究如何通过一些节能的、可重复利用的方法来设计和完成软件的维护工作的软件。以及将优良的管理技术与先进的软件技术共同组合的软件开发。软件开发技术包括软件工程方法学方面、软件工具的使用和软件开发的环境等方面的内容,它是包含一个多方面的技术。软件工程的七条基本原理:(1)首先将生产周期阶段化处理,并且对每个生产阶段进行严格的管理。(2)对生产周期中的各个阶段进行严格监控,每个阶段完成后立刻进行审批坚持。(3)对生产出的产品进行检测。(4)采取先进的技术手段。(5)对于设计出的结果能进行条理清楚的审批。(6)对参与的小组成员进行精心挑选开。(7)在生产过程中不断的改进。能够完美的执行这七条基本原理,就可以在这个广阔的软件市场中站稳脚。当然必不可少的是,我们要不断跟随发展得脚步,及时更新自己的技术方法,才能取得长远的发展。
2大数据时代的软件工程的关键技术
2.1软件服务工程
我国正在以打造现代化社会为发展目标,由此使得社会对于软件服务工程的需求愈发旺盛。软件服务工程即指借助应用的工程化方法,合理使用软件开发和语言设计等工具,以此打造出一个具备较高实效性、可以有效发挥自身职能的软件工程。软件服务工程的中心内容是以将自身的服务职能完全发挥出来为基础,对实际情况加以整合与优化,進而实现管理的相互操作性。除外,由于这种服务软件仅需作用于局域网之中,就可以使自身的职能得以发挥,因此,各种电脑病毒对其造成的危害性较弱,此点极大提升了软件的安全性能,有助于增强用户体验。出于提高企业管理质量的目的,不管经营规模的大小,这些企业普遍都会更加重视软件服务工程。
2.2数据搜集以及处理
大数据对于当前社会和时代的基本作用就是不断收集社会主义发展过程中产生的数据,在不断发展的软件工程技术当中,数据的搜集、储存、分类、整理也是一个非常重要的部分,因此我们必须要将当前不断发展的软件工程技术与大数据技术互相结合,使大数据时代下的软件工程技术拥有更多的突破和创新,对产生而来的信息进行有效的整理和快速的分类,使各个软件的协同能力迅速提升,建立起一个科学、规范、完整的现代化空间进行信息的储存,这样才能够方便各行各业发展过程中的信息使用需求。
2.3进行数据信息的储存
正如之前所提到的,在大数据时代,数据信息的单位并不是G或者T,而是已经达到了ZB的量级,并且在进行数据信息储存的过程中,数据信息已经不是单纯的文字形式了,而是由文字、图像和视频共同组成的数据信息共同体,所以我们在进行数据信息储存的过程中,就要接触到大量的信息,这对于计算机的性能和储存空间提出了很大的挑战,并且这个过程中还容易造成信息的缺失。应用软件工程技术,能够大大的节省数据信息储存的空间,并且防止数据信息的缺失,提升数据信息储存的安全性。通过对软件工程技术的应用,利用云技术将数据信息进行云端储存,大大的节省了计算机的空间,并且能够储存更多的数据信息,帮助我们提升生产效率。
2.4信息安全技术的应用
大数据时代之下各行各业的发展都会产生大量的数据信息,而众多的数据和信息容易互相干扰和影响,因此为了不断提高数据的安全性,必须对数据进行进一步的管理和提升。当前必须要运用到大数据时代之下软件工程技术,对当前可能存在的网络风险进行查杀以及预防不断提高数据收集以及储存的安全性。
3大数据系统中软件工程管理
软件项目管理的主要研究对象是软件工程项目。它在项目进行的整个过程中都发挥了重要作用,在软件项目开发过程中我们需要克服可能存在的风险、发展需要的资源、技术人才、奋斗的目标等都需要有明确的认识,才可能获得技术的进步和软件开发成功。在开发过程中所耗费的资源、技术难关、成本等需要有明确的记录。这种管理在技术工作开始之前就应开始,在软件从概念到实现的过程中继续进行,当软件工程过程最后结束时才终止。我们通过科学的管理方法和经验,采用先进的管理方法,减少资源的消耗,已经成为企业未来发展的要求。要降低软件开发过程的风险、减少不必要的消耗,提高软件产品质量,就必须加强管理,而软件工程方法开发大型软件是企业过程改善和能力提升的基础。根据不同的系统设计需要要选取适宜的开发模型。在整个软件设计开发过程中,各种因素之间相互制约,为了平衡发展和影响因素之间的关系,将影响因素对发展产生的阻力降到最低,所以我们必须实时做出改变,根据不同的需求采用不同的方法,满足不同类型用户使用的需求,减少在设计过程中资源的浪费,所以在初期采取合适的反复法师非常的必要。对于如何选择合适的方法,通常需要对软件的模块化与信息隐蔽、局部特点、可视化等特征进行调整。为了更好地完成任务,首先要构建好基础,好的基础会为后续的工作减少不必要的麻烦。提供好的环境和工具也是影响完成度的重要性因素。在生产过程中的管理方法可以影响生产的进度,所以要格外注意管理的方法,提高资源的利用度,满足生产中的一些问题。
结语
随着时代和社会的发展,人们每天都在创造着大量的数据信息,数据信息迎来了井喷式的发展,人们进入了大数据时代。在大数据时代,进行数据信息的处理要耗费很多的经济资源,这就要求我们能够将软件工程技术进行有效的应用,降低大数据时代数据信息的储存和处理成本。利用软件工程技术进行数据信息的采集和储存,进行软件服务工程建设,保障数据信息的安全,进而推进软件工程技术的发展和软件工程建设。
参考文献
[1] 金科,刘艳波.基于大数据时代下软件工程关键技术的分析[J].计算机产品与流通,2019,01:20.
[2] 王祥顺.试析大数据时代下软件工程技术的应用[J].电脑编程技巧与维护,2019,08:35-37.
[3] 肖佳.大数据时代下软件工程关键技术探讨[J].电脑迷,2018(9):50.
[4] 曹海锋.大数据时代下软件工程关键技术探讨[J].中国新通信,2020,22(2):84.
[5] 丁兰.大数据时代下软件工程技术的应用[J].科技风,2020(1):78.
作者:柯晓东
第二篇:大数据背景下数据筛选在热力系统中的应用
摘要:随着城市人口不断增加,城镇规模不断扩大,热力系统用户数据快速增长,数据种类不断增多。现有的数据管理系统已经难以跟上庞大数据管理量的要求。随着互联网+时代的到来,越来越多的热力企业引进了先进的大数据管理平台,利用平台服务器和互联网+结合的优势,实现了线上线下两条线结合的数据录入、热费缴费、供热报修等传统热力企业服务功能,这种方式能够有效节约成本、提高企业效率,提升了群众使用热力服务的便捷程度。但是大数据平台带给我们便利的同时,也带来了很多新的问题和挑战。
关键词 大数据筛选;互联网+;热力缴费;热力报修;库管
1大数据系统和筛选介绍
大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。[1]
数据筛选是数据挖掘的第一步,对于数据的快速积累、分析大量数据所蕴含的价值、筛选出有价值的数据十分重要,数据筛选能够提高之前收集储存的相关数据的可用性,更有利于后期数据分析整理。数据筛选包括数据抽取、数据清理、数据加载三个部分。
2 excel筛选应用
热力公司需要储存的用户数据包括姓名、热力卡号、住址、供热面积、档案年度、应收热费、欠费等信息,这些信息的一般储存形式是存储在Excel表格中,在数据更改和筛选最多用到的就是Excel,通常的做法是利用筛选按钮配合查找功能和人工筛查,费时费力。因此利用Excel表格进行数据的查找筛选就非常重要。
在热力数据存储中,热力卡号是非常重要的一项,相当于用户的热力身份证,每一个独立的热力用户都有独一无二的热力卡号进行标识,因此在数据筛选中,充分利用热力卡号的唯一性能够帮助我们便捷的选出想要的数据。
下列一組随机热力卡号数据代表着某一类别需要处理分析的热力用户数据,现在需要将这些用户数据带入到停热用户数据总表中,去检查用户是否在停热总表中,以此作为判断网上缴费系统是否能够收取热费的标准。
在以往的此类情况中,只能将热力卡号一个个带入停热用户数据总表中筛选,费时费力。这时利用Excel数据筛选公式VLOOKUP,可以便捷的实现此类庞大的用户数据筛选任务。
VLOOKUP函数是Excel中的一个纵向查找函数,它与LOOKUP函数和HLOOKUP函数属于一类函数,在工作中都有广泛应用。功能是按列查找,最终返回该列所需查询列序所对应的值;与之对应的HLOOKUP是按行查找的。[2]该函数的语法规则如下:VLOOKUP(lookup_value,table_array,col_index_num,range_lookup),其中lookup_value表示要查找的数值,一般是字符串,table_array表示要查找的区域,col_index_num表示返回数据在查找区域的第几列数,一般是正整数,range_lookup共有两个选项,其中TRUE代表模糊匹配模式,FALSE表示精确匹配。
具体的筛选过程,将VLOOKUP公式所需的最终形式=VLOOKUP(B2,$R$1:$R$706,1,FALSE),其中$706代表R列所需要提取数据的行数,公式输入完毕后,选择公式所在列从头行开始直至B列的最后一行,选择完毕后按ctrl+D键,将所有列都键入VLOOKUP公式,其中显示#N/A的选项代表R列所列出的数据在B列所对应的行中没有相同卡号。最后通过筛选将#N/A选项排除,得到最终结果,其中B列和R列所对应的相同行中所示的卡号相同,这样B列中所列的热力卡号全部属于R列,达到了最终筛选出停热用户具体户数和信息的效果。
通过上述方式,能够实现批量用户信息在楼卡中替换、批量错误信息查找替换、随机用户数据所属类别一键筛查等等功能,解决了处理大量、随机性强的用户数据的快速筛选难题,能够有效地节约时间、人力,提升数据处理效率。具有应用广泛、通用性高的特点。
3 按键宏程序筛选应用
按键宏程序筛选的主要应用范围为网站网页,它能够利用网页元素分析、宏程序录制等功能便捷的实现对于网页数据的修改,本次应用的程序名称为按键精灵。按键精灵具有操作简便,可视化图形程度高、能用自带浏览器进行元素分析等特点。
4 Access筛选应用
热力企业在进行仓库物资管理时,需要统计入库、出库、库存、采购等事项数据,对以上数据的存储通常采用Excel、SQL数据库等形式,Access可以快速的将数据库中的大量数据进行链接处理,且可自定义程度较高,从而提高数据筛选工作的效率。
此库管数据(材料出库单)是通过ODBC数据源导入到access中,开启筛选器,选择需要筛选的字段,可以选择等于、不等于、开头是、包含、结尾是等多种筛选方式,此处需要筛选除去获得某一器件的固定值(弯管流量计),因此选择等于。
最终的筛选结果,选择等于后过滤掉不符合选项,通过这一方式,从SQL数据库中储存的数据能够被便捷直观的筛选出来,配合Access窗口程序建立模块化筛选流程,能够帮助热力企业更便捷的对库管数据进行查找,筛选,进而进行有效的分析总结。
5 结语
在即将到来的互联网+时代,无现金生活是社会发展的趋势,是信息革命带来的重要成果,热力企业推出的多种网上缴费模式(包含服务号、公众号、APP等)也是顺应了这种趋势,方便了广大用户的缴费流程,而大数据筛选便是这种便捷方式的有效保障,热力系统大数据筛选实现了互联网+时代对数据管理效率的快速提升,利用多种形式的数据筛查,能够有效的提高供热用户数据的精确度,减少人工误差,最终提升了运行效率。在热力企业中,只要有大量数据需要处理的情景,就可以在本文方法中找到合适的一种来应用,为最终建立起一套科学、标准化、自动化的信息管理系统提供帮助。
参考文献
[1]涂子沛.大数据[M].广西师范大学出版社,2012.
[2]谢柏青,张健清,刘新元.Excel教程[M].电子工业出版社,2003.
作者:刘轩端 杨明
第三篇:基于大数据的安全态势感知系统研究
摘 要:针对目前层出不穷的各类网络攻击事件,基于最新的大数据技术组件,构建集数据收集、数据处理、数据存储、数据分析、数据呈现于一体的安全态势感知系统框架。通过Flume和Kafka获取日志或网络攻击信息,使用MapReduce和Storm技术进行批量或实时分析,以达到对网络安全的感知;采用层次分析法确定指标权重,提取网络态势特征,通过分析构建判定矩阵完成对网络安全态势的评估,并利用神经网络、关联分析、时间序列画出三种预测技术;通过ECharts进行可视化图表部署,采用R语言、ECharts技术对威胁类型、攻击数据进行展示和分析,将攻击源进行可视化,从而完成安全态势的预测。系统具有高可用、可扩展、易部署等特点,能较好地支撑各类网络安全威胁的感知与预测。
关键词:网络安全;态势感知;大数据;分布式
Research on Security Situation Awareness System based on Big Data
LIU Haixia1, XU Xinlei2, RAN Yuyao1, ZHAO Xiaojuan3
(1.Keyi College, Zhejiang Sci-Tech University, Shaoxing 312369, China;
2.Hangzhou Anheng Information Technology Co., Ltd., Hangzhou 310018, China;
3.Luoyang Radio & Television University, Luoyang 471000, China)
304361324@qq.com; 25195913@qq.com; ranyuyao@126.com; 58724833@qq.com
1 引言(Introduction)
隨着网络更深入地走进人们的生活,各种对网络安全的入侵和攻击也越来越严重,给网络的入侵行为检测和预防带来很多新问题。当前,很多学者开始关注网络安全和网络预防,并对其展开研究。如LEE等[1]基于Hadoop开源软件开展了DDoS攻击检测技术实验,对存储记录的流量数据进行分析,获取较高的吞吐量;刘冬兰等[2]对电力信息系统网络安全态势感知及主动防御问题进行了研究,实现了攻击事件及安全态势的实时监控预警;王以伍等[3]利用大数据相关技术对网络运行相关海量数据进行分析、过滤、融合,识别已知和未知的安全威胁,并建立了安全体系;龚俭和FRANKE等[4-5]认为,整个态势感知过程包括态势要素获取、态势理解和态势预测。丁华东等[6]基于贝叶斯方法提出了一种网络安全态势感知混合模型,并对既定网络环境中收集到的态势指标数据进行离散化预处理,利用不同的评价方法建立相应的态势感知模型;琚安康等[7]基于开源工具集提出了一种大数据网络安全态势感知及预警架构。
综合来说,目前的研究利用大数据技术处理数据快的优势,克服了传统方法的瓶颈问题,实现了较高的数据分析效率,但对基于大数据的系统分析较少。本文将应用现有大数据技术,结合攻击检测预警技术模块,设计一种覆盖从数据获取到视图呈现各个阶段的网络安全态势感知系统,并利用大数据开源代码及Java编写工具,实现该预警系统的各个功能模块。
2 网络安全态势感知系统研究架构(Research architecture of network security situation awareness system)
结合大数据技术,对网络安全的态势需求进行分析,设计系统框架,从数据源获取到攻击可视化呈现,覆盖整个流程。系统架构采用分层设计与模块化相结合的方式进行,主要包括数据源、数据收集与预处理、数据分布式存储、数据挖掘与分析、网络安全态势评估预测、网络安全态势可视化呈现等功能模块,子模块之间通过数据逻辑通路连接,相互合作实现对网络安全态势的数据分析、攻击风险预警并呈现,如图1所示。
2.1 数据源
数据源包括网络中的硬件设备如路由器、交换机、流量采集器等;网络安全设备如防火墙、网络安全防护软件等,以及系统日志、应用日志、CPU利用率等。另外,还包括运行和维护数据(处理记录、风险评估等)、外部攻击数据(攻击方式、特点、攻击漏洞等)等。
2.2 数据收集与预处理
该模块主要收集各种网络设备产生的数据,然后经过初步整理分类,将其传入大数据平台。对需要实时分析的数据,将其直接传送给Storm。数据收集主要包括传感器(采集和发送如路由器、交换机等网络设备的数据)、网络爬虫(按照一定规则自动抓取万维网信息的程序或者脚本)、Flume日志(采用分布式收集各种设备、系统和应用中产生的日志数据,它们往往隐藏了许多有用信息)、Kafka消息(在消息传输过程中保存消息的容器或中间件,主要目的是提供消息路由、数据分发并保障消息可靠传递),并对上报数据进行统一的范式化预处理,对采集的数据进行数据归并、数据清洗等操作,然后根据不同业务把数据存储到不同的存储系统上。
2.3 数据分布式存储
数据分布式存储HDFS[8]是整体系统框架的存储基础,主要负责将采集的数据统一存储,为后面的数据处理分析、检索查询提供支持。数据分布式存储不仅支持由数据收集与预处理模块采集的各种安全数据、网络数据、攻击数据,也要为中间处理结果提供存储保障。
2.4 数据挖掘与分析
数据挖掘是指从大量的数据中挖掘出有用的信息,即从大量的不完全、不确定的实际应用数据中发现隐含的、事先未知的,但又有潜在用处的信息和知识的非平凡过程。通过聚类分析法及统计学方法,将获取的数据进行深度分析和处理,得到数据的深层价值,挖掘出隐藏度较高的攻击方式。此模块主要包括批量数据(离线)分析、实时数据流分析,其中批量数据分析采用MapReduce编程模式,实时数据流分析采用Storm架构[9]。
网络安全事件关联分析能将不同来源的报警信息进行去伪存真,从而挖掘出真正的网络攻击事件。在此系统设计中选用Storm作为流数据处理工具,对接收到的实时数据进行关联分析,分析完成后将分析结果和告警信息送入存储子系统,以供日后查询分析,或提交态势呈现子系统直接显示到可视化界面中,展示实时网络安全态势。
2.5 网络安全态势评估预测
根据网络运行状况发展变化的实际数据和历史资料,运用科学的理论、方法和各种经验、判断、知识去推测、估计、分析其在未来一定时期内可能的变化情况,是网络安全态势感知的一个重要组成部分。本系统采用层次分析法确定指标权重,提取出网络态势特征,通过分析构建判定矩阵完成对网络安全态势的评估。然后根据评估数据,采用神经网络、关联分析、时间序列画出三种预测技术,针对不同网络所处的环境,选择对应的网络安全态势预测技术,从而可以有预见性地进行安全策略的配置,实现动态的网络安全管理,预防大规模威胁网络安全事件的发生。
2.6 网络安全态势可视化呈现
对前面几个模块采集的数据进行分析、评估、预测之后,利用计算机图形学和图像处理技术,将实时数据以动态方式进行展示,将历史数据以静态或动态方式展示给用户,让用户一目了然地观看到实时的网络安全态势走向。异构的数据源和持续增长的数据量给分析人员带来了繁重的负担,这里采用R语言、Kibana等可视化技术将安全分析的结果和实时安全状态进行可视化呈现,可帮助系统管理员实现对网络整体安全态势的掌握,以应对日趋复杂的网络安全形势。
3 网络安全态势感知系统研究模块及技术(Research modules and technologies of network security situation awareness system)
3.1 系统技术分析
系统开发主要以Spring Boot、Mybatis、Hadoop、Flume、Kafka、Spark、Storm、Kibana等技术为开发框架,采用Linux centos版本作为服务器系统,通过Nginx反向代理服务器来搭建服务器,并且可以利用Nginx的特性和爬虫技术、lua脚本对请求数据进行抓取来做数据源,发送到Kafka消息队列中进行排列,通过Spark对每一条请求数据包都进行安全分析后利用MySQL数据库来存储相关数据,从而对系统的数据存储进行支撑;利用Hadoop大数据框架作为文件存储系统,通过Flume框架对日志目录进行实时监控,并传输到Spark中進行数据的处理分析和存储;最后将数据通过Spring Boot和Mybatis来开发后端建立与数据库的连接,将数据通过Kibana进行可视化呈现在前端界面,用户使用本系统完全可以通过浏览器实现管理、监测等操作。
3.2 系统功能模块
系统主要分为两大模块:管理端和可视化显示端。其中,管理端包括管理员、安全信息员两个部分。管理员主要具有用户管理、公告管理、邮件模块管理、系统参数配置管理等权限;安全信息员具有日志目录管理、漏洞库管理、规则特征库管理、脚本库管理、攻击信息管理及黑白名单信息管理等权限,另外还可以对各类事件进行分析,是整个系统的核心模块。前端显示模块,主要是对攻击信息进行及时显示与处理。详细信息如图2所示。
事件分析模块主要处于SparkStreaming数据流式处理阶段,首先触发流程为客户端向服务器发送请求通过Nginx反向代理服务器,Nginx会调用Lua脚本对请求的数据包进行流量捕获,然后直接将捕获的完整请求数据包和响应数据包格式化后发送到Kafka消息队列中等待消费者消费;随后通过消费者消费将数据消费到Spark中,通过SparkStreaming对topic进行筛选获取对应的请求数据包;接着在Spark中对数据包进行获取后拆分,逐个进行特征匹配,当匹配到特征字段就会将这段的数据包进行记录和标记,然后及时触发邮件系统,在恶意数据包存入数据库中的同时向绑定用户发送邮件告警。
3.3 基本攻击流程及分析
首先确定攻击目标:http://219.***.***.228:4**。
存在漏洞的url:
http://219.***.***.228:4**/new_list.php?id=1。
寻找网站存在的弱点,假设new_list.php的id参数存在SQL注入漏洞,构造攻击向量id={payload}(payload为攻击载荷)。发送带有攻击载荷的请求数据包,攻击成功后获取数据库名称,如图3所示。
4 网络安全态势感知系统实现(Realization of network security situation awareness system)
管理员登录后进入后台管理页面:显示当日产生的告警信息条数和拦截条数;展现系统所受威胁的类型占比;展现近七日的威胁告警和拦截条数的折线图,更好地体现出近期系统所受的威胁程度,据此可以立即采取防御措施;网口吞吐量检测实时显示服务器的网口吞吐量信息,可以直观地看出服务器的流量状态,快速辨别服务器是否存在恶意流量,如图4所示。
另外,打开事件分析模块,可以对主机威胁、紧急事件、情报事件、攻击者视角、流量等进行安全方面的分析,查找攻击来源,并对攻击过程进出进行分解,将攻击源进行可视化,如图5所示。
5 结论(Conclusion)
本文针对目前网络安全应用问题,利用大数据技术及开源工具集设计并实现了网络安全态势感知及预警系统,并在工作单位对网络安全态势感知系统进行了部署和测试,对已有安全数据进行了合理分析,能够实现对网络安全威胁事件产生预警,实时检测获取网络攻击行为,并采用可视化的方法将结果呈现出来。随后对网络安全态势感知系统进行了观测与试用,整体运行稳定,可以对大多数的安全威胁事件进行预警,效果良好。
参考文献(References)
[1] LEE Y, LEE Y. Toward scalable internet traffic measurement and analysis with hadoop[J]. ACM SIGCOMM Computer Communication Review, 2012, 43(1):5-13.
[2] 刘冬兰,刘新,张昊,等.基于大数据的网络安全态势感知及主动防御技术研究与应用[J].计算机测量与控制,2019,27(10):229-233.
[3] 王以伍,张牧.基于大数据的网络安全态势感知关键技术研究[J].电脑知识与技术,2020,16(15):43-46.
[4] 龚俭,藏小东,苏琪,等.网络安全态势感知综述[J].软件学报,2017,28(4):1010-1026.
[5] FRANKE U, BRYNIELSSON J. Cyber situational awareness a systematic review of the literature[J]. Computers & Security, 2014, 46:18-31.
[6] 丁华东,许华虎,段然,等.基于贝叶斯方法的网络安全态势感知模型[J].计算机工程,2020,46(6):130-135.
[7] 琚安康,郭渊博,朱泰铭.基于开源工具集的大数据网络安全态势感知及预警架构[J].计算机科学,2017,44(5):125-131.
[8] LUST-RING.深入理解HDFS:Hadoop分布式文件系统[EB/OL].(2016-07-15) [2020-03-05].https://blog.csdn.net/bingduanlbd/article/details/51914550#t24.
[9] 一路前行1.Storm架构与运行原理[EB/OL].(2017-08-13)[2020-03-20].https://blog.csdn.net/weiyongle1996/article/details/77142245.
作者简介:
刘海霞(1981-),女,硕士,讲师.研究领域:计算机应用,网络安全.
许鑫磊(1997-),男,本科,工程師.研究领域:网络安全与检测.
冉宇瑶(1969-),女,硕士,副教授.研究领域:计算机应用,算法分析.
赵小娟(1982-),女,硕士,讲师.研究领域:网络安全技术,信息化技术.
作者:刘海霞 许鑫磊 冉宇瑶 赵小娟
相关文章:
计算机数据库信息安全管理论文01-12
计算机信息安全论文01-12
信息安全计算机安全论文01-12
计算机信息系统安全01-12
安全管理体系计算机信息论文01-12
电力调度系统技术安全问题的相关思考01-12
数据流量预警系统论文01-12
数据库系统概论论文01-12
妇幼保健网络信息安全论文01-12
医院信息数据库管理系统论文01-12