张荣
【摘要】 大数据时代背景下，网络安全问题备受关注，借助大数据技术构建超启发式SVM框架，能够大大减少安全风险，高效排除安全隐患。基于网络安全维护需求，合理配置超启发式SVM，从整体上提高网络安全架构有效性。本文在超启发式SVM网络安全框架介绍的基础上，分析计算机网络安全架构组成，最后重点探究大数据超启发式SVM的网络安全框架配置优化策略，旨在为同行提供借鉴。
【关键词】 大数据 超启发式SVM 网络安全框架
Discussion on Network Security Framework of Super-heuristic SVM for Big Data
Zhang Rong Technical support room of 32683 Army，Liaoning Shenyang 110821
Absrtact：
under the background of big data era， network security has attracted much attention. Using big data technology to construct super heuristic SVM framework can greatly reduce security risks and eliminate security risks efficiently. Based on the requirements of network security maintenance， the effectiveness of network security architecture is improved by rational allocation of super-heuristic SVM，. On the basis of the introduction of super heuristic SVM network security framework， this paper analyzes the composition of computer network security architecture. Finally， it focuses on the network security framework configuration optimization strategy of big data super heuristic SVM， which aims to provide reference for peers.
Keywords：
big data; hyper-heuristic SVM; network security framework
引言：
网络信息安全维护工作刻不容缓，网络安全维护人员借助大数据技术构建超启发式SVM网络安全框架，能够保证网络通信的稳定度，还能有效规避危险行为。为充分发挥超启发式SVM网络安全框架实用性，务必科学设置内核参数，改进内核类型，大大降低网络安全事故发生率。大数据时代下，多角度、深层次分析超启发式SVM的网络安全框架具有迫切性和必要性。
一、超启发式SVM网络安全框架介绍
机器学习算法细分多种，其中SVM支持向量机广泛普及，且实用性较高，为网络安全维护做出了重要贡献。大数据时代下，网络安全维护工作被提出新的要求，超启发式SVM架构在恶意软件检测中表现出快速、准确等优势，同时，能够在身份验证环节发挥把关作用[1]。超启发式框架在网络安全问题解决中起到至关重要的作用，究其本质，高层策略、底层启发式这两项内容在问题解答环节通过调整内核参数来获得最优解，SVM配置如下：
建立最优决策函数。多维度空间内完成向量映射任务，即xi映射到特征空间，一般来说，特征空间维度用W表示。决策函数自身有相应的表达式，并且在双重问题转化环节较适用，为最佳决策提出做出充足准备。进一步详解可知，自身表达式，双重问题表达式，字母含义分别为：min为最小值，w表示权重向量，C表示惩罚系数，L表示样本集数量，和分别是松弛变量（≥0）;和表示拉格朗日系数，为核函数，b为偏置向量。由于网络安全问题解决需要一段过程，所以不同阶段对应特殊函数，函数选择时，以最佳内核性能为选择标准，因此，SVM配置工作得到应有重视。
优化SVM成本函数。通过数据测试减小误差，用<参数化算法SVM，搜索空间，样本集分布D，成本函数M，统计信息S>表示。配置方案有多种，根据这一表达式创设多样配置条件，当，，实现M（θ）优化目的。需说明的是，目标函数优化环节优化算法，进而形成最优集，获得最优解。
二、计算机网络安全架构的基本组成
大数据是大型复杂数据集，它具有海量性、多样性、快速性等特征，现今半结构数据、非结构数据普遍出现，使得计算机网络安全架构调整方向发生变化，且网絡安全全面维护成为可能[2]。计算机网络安全架构由下述三部分组成，各部分间紧密联系，当其中某个环节出现安全风险，则网络安全维护人员能够立即启动应急方案，通过SVM配置优化实现网络安全隐患规避，低成本维护。各组成部分运作效能分析如下。
2.1实体安全管理
基于三维网络安全框架精心设计实体单元，在此期间参照安全机制完成网络安全服务接口与管理端口、安全显示器、管理信息库设计任务，确保网络安全、应用系统安全的维护工作常态推进。实体安全管理的服务工作独立开展，即便单体服务出现故障，则整体网络系统受影响的概率较小。SVM配置环节，内核参数（传输验证码、密钥、访问流程）在信息库内完好存储。
2.2内网协议分层管理
需要管理的层级分别包括应用层、链路层、网络传输层、物理层，在三维坐标系构建的基础上遵循分层管理原则，具体来说，针对网络通信数据加密处理，满足分层管理、分层维护需求，确保网络协议工作任务又好又快完成[3]。正常来说，应用层是安全识别的主阵地，正是因为超启发式SVM配置方案优化，所以网络安全服务范围随之扩大，换言之，网络安全风险被全面、及时排除，进而创设良好的网络环境。除此之外，通信协议传输层加密工作稳步推进，且新增用户实名认证功能，满足用户安全用网、高效用网目的。
2.3安全服务与安全机制管理
以三维坐标为视角，安全服务、安全机制管理体系分别与内网协议分层管理体系呈直角，一定程度上扩大安全覆盖面。安全服务项目细分多种，如网络实体认证、数据可用性及完成性服务、访问权限控制、网络数据保密性服务。大数据时代下，超启发式SVM网络安全框架配置以安全服务与安全机制管理为中心，既能整合安全服务管理功能，又能简化安全服务程序，实现数据加密、安全管控等目标，确保数据信息顺畅流通[4]。
三、基于大数据超启发式SVM的网络安全框架配置分析
3.1框架构建
大数据超启发式SVM框架是内核类型、内核参数等配置生成的载体，配置形成之后向SVM输送，为问题处理提供有力支持。在此期间，传递成本函数至超启发式框架，并循环执行这一操作。HH-SVM框架成为问题优化的有效手段，框架运行阶段以存档方式保存，其层次结构分成两种，即高层策略、低层启发。高层策略迭代运行，并择优选定启发式，用其处理问题，从而积累问题处理经验，同时，生成新解决方案。
低层启发式从启发式算法中分离，主要用于处理专项问题，其运行顺畅度反映出问题处理效率和质量。HH-SVM框架既具有单体项目优点，又能彰显Pareto方法实用价值，从某种程度上来看，这一框架利用与SVM配置Pareto集相近的功能保护网络安全。超启发式SVM框架支持多词条搜索，在收敛、最小化解之间探索平衡点，并全面了解高度多样性、最大化Pareto解的位置情况和变化表现。
3.2适应度计算
超启发式框架中，不用解决方案对应SVM配置，通过改变核函数参数值形成新的解决方案群。解决方案适应度计算时，针对解决方案群初始化，接下来随机向决策变量赋值，经运行得出决策变量随机值，以及下限值和上限值。深入分析得知，适应度计算过程是解决方案赋值过程，数值为解决方案、整体解决方案对比提供依据，在此期间，利用分解多目标进化算法来处理SVM配置多目标优化问题[5]。多目标优化环节，先进行目标分解，接下来通过协作处理子问题，借助标量化函数法完成给定问题分解任务，围绕单目标子问题选取多目标适应度值min。
3.3策略制定
基于自动化启发模式进行筛选，借助选择超启发层检验解决方案，从而得知解决方案的实用性和可行性。在这一过程中，通过选择机制确定启发式算法，并以多臂赌博机为辅助，有效存储启发式性能，为启发模式选择提供依据。需说明的是，不用启发式与变量存在紧密关联，其中，经验奖励、置信水平两个变量分别代表启发式搜索的平均奖励和启发式次数。超启发层应用环节的任务执行情况如下：
第一，优选解决方案。不同解决方案对应匹配池，通过多目标分析进行算法改进。不同解决方案代表子问题，当分解、支配有机结合，基于概率预测和比较进行子问题优化。借助权重向量解之间欧几里德间距得知单个子问题固定相邻解集。第二，启动启发式应用程序。在匹配池创建的基础上得出解决方案，在此期间，反复检查解决方案，经数值比较显示出标量化函数优越表现，通过数值替换实现解决方案更新，达到标准化存档要求。
3.4启发式算法
基于特定问题规则、给定解决方案来运行低层启发式算法，低层启发式单独或联合若干解决方案输入，通过适当改进形成新的解决方案[6]。超启发式SVM网络安全架构中运行不同启发式方法，满足多样问题不同阶段的解决需求。常见启发式算法包括参数化高斯变异、算术较差、差异突变、多项式突变，当经验值确定，决策变量对应的Rand上限值、下限值随之显现。
四、结束语
综上所述，恶意软件入侵现象普遍存在，为准确预测恶意软件，全面维护网络信息安全，务必科学化、合理化构建超启发式SVM的网络安全框架，并根据网络安全维护需要来优化框架性能，大大提升网络信息安全水平。日后超启发式SVM框架改进工作常态推进，取得网络安全运维的良好效果。
参 考 文 献
[1]祝阳，李欣恬.大数据时代个人数据隐私安全保护的一个分析框架[J].情报杂志，2021，40（01）：165-170.
[2]王秉，吴超.大数据驱动下情报主导的智慧安全管理：内涵与研究框架[J].图书情报工作，2020，64（11）：11-18.
[3]沙勇忠，王超.大數据驱动的公共安全风险治理——基于“结构—过程—价值”的分析框架[J].兰州大学学报（社会科学版），2020，48（02）：1-11.
[4]江宝玉.大数据信息安全风险框架及应对策略分析[J].中国新通信， 2020，22（01）：103.
[5]刘静.基于安全云计算的大数据信息管理框架研究[J].信阳农林学院学报，2018，28（04）：118-120+124.
[6]李依函，高寅生.大数据信息安全风险框架及应对方式探析[J].现代经济信息，2018（21）：312.
猜你喜欢 大数据 大数据视角下资助精准化的实现路径探析中国集体经济(2020年9期)2020-05-06大数据下智慧图书馆研究领域的可视化分析河南图书馆学刊(2020年2期)2020-05-04“互联网+”与“大数据”背景下的图书馆大东方(2019年3期)2019-10-21运用大数据创新高校党建工作的思考传播力研究(2019年20期)2019-10-21中国消费市场大数据分析报告现代营销·经营版(2019年4期)2019-04-15大数据在政府统计中的应用现代营销·经营版(2019年3期)2019-04-15对电子城建档案管理工作探讨与展望卷宗(2019年5期)2019-03-18大数据对新闻传播的影响科技传播(2018年3期)2018-02-09大数据给财会行业带来的机遇与挑战经营者(2016年12期)2016-10-21基于大数据的图书馆信息服务体系研究河南图书馆学刊(2014年1期)2014-04-22
