張榮

【摘要】 ? ?大數(shù)據(jù)時代背景下，網(wǎng)絡安全問題備受關注，借助大數(shù)據(jù)技術構建超啟發(fā)式SVM框架，能夠大大減少安全風險，高效排除安全隱患。基于網(wǎng)絡安全維護需求，合理配置超啟發(fā)式SVM，從整體上提高網(wǎng)絡安全架構有效性。本文在超啟發(fā)式SVM網(wǎng)絡安全框架介紹的基礎上，分析計算機網(wǎng)絡安全架構組成，最后重點探究大數(shù)據(jù)超啟發(fā)式SVM的網(wǎng)絡安全框架配置優(yōu)化策略，旨在為同行提供借鑒。

【關鍵詞】 ? ?大數(shù)據(jù) ? ?超啟發(fā)式SVM ? ?網(wǎng)絡安全框架

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：

網(wǎng)絡信息安全維護工作刻不容緩，網(wǎng)絡安全維護人員借助大數(shù)據(jù)技術構建超啟發(fā)式SVM網(wǎng)絡安全框架，能夠保證網(wǎng)絡通信的穩(wěn)定度，還能有效規(guī)避危險行為。為充分發(fā)揮超啟發(fā)式SVM網(wǎng)絡安全框架實用性，務必科學設置內核參數(shù)，改進內核類型，大大降低網(wǎng)絡安全事故發(fā)生率。大數(shù)據(jù)時代下，多角度、深層次分析超啟發(fā)式SVM的網(wǎng)絡安全框架具有迫切性和必要性。

一、超啟發(fā)式SVM網(wǎng)絡安全框架介紹

機器學習算法細分多種，其中SVM支持向量機廣泛普及，且實用性較高，為網(wǎng)絡安全維護做出了重要貢獻。大數(shù)據(jù)時代下，網(wǎng)絡安全維護工作被提出新的要求，超啟發(fā)式SVM架構在惡意軟件檢測中表現(xiàn)出快速、準確等優(yōu)勢，同時，能夠在身份驗證環(huán)節(jié)發(fā)揮把關作用[1]。超啟發(fā)式框架在網(wǎng)絡安全問題解決中起到至關重要的作用，究其本質，高層策略、底層啟發(fā)式這兩項內容在問題解答環(huán)節(jié)通過調整內核參數(shù)來獲得最優(yōu)解，SVM配置如下：

建立最優(yōu)決策函數(shù)。多維度空間內完成向量映射任務，即xi映射到特征空間，一般來說，特征空間維度用W表示。決策函數(shù)自身有相應的表達式，并且在雙重問題轉化環(huán)節(jié)較適用，為最佳決策提出做出充足準備。進一步詳解可知，自身表達式，雙重問題表達式，字母含義分別為：min為最小值，w表示權重向量，C表示懲罰系數(shù)，L表示樣本集數(shù)量，和分別是松弛變量（≥0）;和表示拉格朗日系數(shù)，為核函數(shù)，b為偏置向量。由于網(wǎng)絡安全問題解決需要一段過程，所以不同階段對應特殊函數(shù)，函數(shù)選擇時，以最佳內核性能為選擇標準，因此，SVM配置工作得到應有重視。

優(yōu)化SVM成本函數(shù)。通過數(shù)據(jù)測試減小誤差，用<參數(shù)化算法SVM，搜索空間，樣本集分布D，成本函數(shù)M，統(tǒng)計信息S>表示。配置方案有多種，根據(jù)這一表達式創(chuàng)設多樣配置條件，當，，實現(xiàn)M（θ）優(yōu)化目的。需說明的是，目標函數(shù)優(yōu)化環(huán)節(jié)優(yōu)化算法，進而形成最優(yōu)集，獲得最優(yōu)解。

二、計算機網(wǎng)絡安全架構的基本組成

大數(shù)據(jù)是大型復雜數(shù)據(jù)集，它具有海量性、多樣性、快速性等特征，現(xiàn)今半結構數(shù)據(jù)、非結構數(shù)據(jù)普遍出現(xiàn)，使得計算機網(wǎng)絡安全架構調整方向發(fā)生變化，且網(wǎng)絡安全全面維護成為可能[2]。計算機網(wǎng)絡安全架構由下述三部分組成，各部分間緊密聯(lián)系，當其中某個環(huán)節(jié)出現(xiàn)安全風險，則網(wǎng)絡安全維護人員能夠立即啟動應急方案，通過SVM配置優(yōu)化實現(xiàn)網(wǎng)絡安全隱患規(guī)避，低成本維護。各組成部分運作效能分析如下。

2.1實體安全管理

基于三維網(wǎng)絡安全框架精心設計實體單元，在此期間參照安全機制完成網(wǎng)絡安全服務接口與管理端口、安全顯示器、管理信息庫設計任務，確保網(wǎng)絡安全、應用系統(tǒng)安全的維護工作常態(tài)推進。實體安全管理的服務工作獨立開展，即便單體服務出現(xiàn)故障，則整體網(wǎng)絡系統(tǒng)受影響的概率較小。SVM配置環(huán)節(jié)，內核參數(shù)（傳輸驗證碼、密鑰、訪問流程）在信息庫內完好存儲。

2.2內網(wǎng)協(xié)議分層管理

需要管理的層級分別包括應用層、鏈路層、網(wǎng)絡傳輸層、物理層，在三維坐標系構建的基礎上遵循分層管理原則，具體來說，針對網(wǎng)絡通信數(shù)據(jù)加密處理，滿足分層管理、分層維護需求，確保網(wǎng)絡協(xié)議工作任務又好又快完成[3]。正常來說，應用層是安全識別的主陣地，正是因為超啟發(fā)式SVM配置方案優(yōu)化，所以網(wǎng)絡安全服務范圍隨之擴大，換言之，網(wǎng)絡安全風險被全面、及時排除，進而創(chuàng)設良好的網(wǎng)絡環(huán)境。除此之外，通信協(xié)議傳輸層加密工作穩(wěn)步推進，且新增用戶實名認證功能，滿足用戶安全用網(wǎng)、高效用網(wǎng)目的。

2.3安全服務與安全機制管理

以三維坐標為視角，安全服務、安全機制管理體系分別與內網(wǎng)協(xié)議分層管理體系呈直角，一定程度上擴大安全覆蓋面。安全服務項目細分多種，如網(wǎng)絡實體認證、數(shù)據(jù)可用性及完成性服務、訪問權限控制、網(wǎng)絡數(shù)據(jù)保密性服務。大數(shù)據(jù)時代下，超啟發(fā)式SVM網(wǎng)絡安全框架配置以安全服務與安全機制管理為中心，既能整合安全服務管理功能，又能簡化安全服務程序，實現(xiàn)數(shù)據(jù)加密、安全管控等目標，確保數(shù)據(jù)信息順暢流通[4]。

三、基于大數(shù)據(jù)超啟發(fā)式SVM的網(wǎng)絡安全框架配置分析

3.1框架構建

大數(shù)據(jù)超啟發(fā)式SVM框架是內核類型、內核參數(shù)等配置生成的載體，配置形成之后向SVM輸送，為問題處理提供有力支持。在此期間，傳遞成本函數(shù)至超啟發(fā)式框架，并循環(huán)執(zhí)行這一操作。HH-SVM框架成為問題優(yōu)化的有效手段，框架運行階段以存檔方式保存，其層次結構分成兩種，即高層策略、低層啟發(fā)。高層策略迭代運行，并擇優(yōu)選定啟發(fā)式，用其處理問題，從而積累問題處理經(jīng)驗，同時，生成新解決方案。

低層啟發(fā)式從啟發(fā)式算法中分離，主要用于處理專項問題，其運行順暢度反映出問題處理效率和質量。HH-SVM框架既具有單體項目優(yōu)點，又能彰顯Pareto方法實用價值，從某種程度上來看，這一框架利用與SVM配置Pareto集相近的功能保護網(wǎng)絡安全。超啟發(fā)式SVM框架支持多詞條搜索，在收斂、最小化解之間探索平衡點，并全面了解高度多樣性、最大化Pareto解的位置情況和變化表現(xiàn)。

3.2適應度計算

超啟發(fā)式框架中，不用解決方案對應SVM配置，通過改變核函數(shù)參數(shù)值形成新的解決方案群。解決方案適應度計算時，針對解決方案群初始化，接下來隨機向決策變量賦值，經(jīng)運行得出決策變量隨機值，以及下限值和上限值。深入分析得知，適應度計算過程是解決方案賦值過程，數(shù)值為解決方案、整體解決方案對比提供依據(jù)，在此期間，利用分解多目標進化算法來處理SVM配置多目標優(yōu)化問題[5]。多目標優(yōu)化環(huán)節(jié)，先進行目標分解，接下來通過協(xié)作處理子問題，借助標量化函數(shù)法完成給定問題分解任務，圍繞單目標子問題選取多目標適應度值min。

3.3策略制定

基于自動化啟發(fā)模式進行篩選，借助選擇超啟發(fā)層檢驗解決方案，從而得知解決方案的實用性和可行性。在這一過程中，通過選擇機制確定啟發(fā)式算法，并以多臂賭博機為輔助，有效存儲啟發(fā)式性能，為啟發(fā)模式選擇提供依據(jù)。需說明的是，不用啟發(fā)式與變量存在緊密關聯(lián)，其中，經(jīng)驗獎勵、置信水平兩個變量分別代表啟發(fā)式搜索的平均獎勵和啟發(fā)式次數(shù)。超啟發(fā)層應用環(huán)節(jié)的任務執(zhí)行情況如下：

第一，優(yōu)選解決方案。不同解決方案對應匹配池，通過多目標分析進行算法改進。不同解決方案代表子問題，當分解、支配有機結合，基于概率預測和比較進行子問題優(yōu)化。借助權重向量解之間歐幾里德間距得知單個子問題固定相鄰解集。第二，啟動啟發(fā)式應用程序。在匹配池創(chuàng)建的基礎上得出解決方案，在此期間，反復檢查解決方案，經(jīng)數(shù)值比較顯示出標量化函數(shù)優(yōu)越表現(xiàn)，通過數(shù)值替換實現(xiàn)解決方案更新，達到標準化存檔要求。

3.4啟發(fā)式算法

基于特定問題規(guī)則、給定解決方案來運行低層啟發(fā)式算法，低層啟發(fā)式單獨或聯(lián)合若干解決方案輸入，通過適當改進形成新的解決方案[6]。超啟發(fā)式SVM網(wǎng)絡安全架構中運行不同啟發(fā)式方法，滿足多樣問題不同階段的解決需求。常見啟發(fā)式算法包括參數(shù)化高斯變異、算術較差、差異突變、多項式突變，當經(jīng)驗值確定，決策變量對應的Rand上限值、下限值隨之顯現(xiàn)。

四、結束語

綜上所述，惡意軟件入侵現(xiàn)象普遍存在，為準確預測惡意軟件，全面維護網(wǎng)絡信息安全，務必科學化、合理化構建超啟發(fā)式SVM的網(wǎng)絡安全框架，并根據(jù)網(wǎng)絡安全維護需要來優(yōu)化框架性能，大大提升網(wǎng)絡信息安全水平。日后超啟發(fā)式SVM框架改進工作常態(tài)推進，取得網(wǎng)絡安全運維的良好效果。

參 ?考 ?文 ? 獻

[1]祝陽，李欣恬.大數(shù)據(jù)時代個人數(shù)據(jù)隱私安全保護的一個分析框架[J].情報雜志，2021，40（01）：165-170.

[2]王秉，吳超.大數(shù)據(jù)驅動下情報主導的智慧安全管理：內涵與研究框架[J].圖書情報工作，2020，64（11）：11-18.

[3]沙勇忠，王超.大數(shù)據(jù)驅動的公共安全風險治理——基于“結構—過程—價值”的分析框架[J].蘭州大學學報（社會科學版），2020，48（02）：1-11.

[4]江寶玉.大數(shù)據(jù)信息安全風險框架及應對策略分析[J].中國新通信， 2020，22（01）：103.

[5]劉靜.基于安全云計算的大數(shù)據(jù)信息管理框架研究[J].信陽農(nóng)林學院學報，2018，28（04）：118-120+124.

[6]李依函，高寅生.大數(shù)據(jù)信息安全風險框架及應對方式探析[J].現(xiàn)代經(jīng)濟信息，2018（21）：312.