摘要：在大数据时代，随着网络数据量的大幅增加，网络平台与信息设备的数据处理能力也要提升，才能够保证数据的收集、分析与存储等操作更加高效且精准，同时必须推动网络安全技术的升级，保证大数据背景下网络用户的信息安全。因此，本文基于大数据背景对信息处理技术以及网络安全技术等的应用发展趋势进行探讨，希望进一步明确未来的技术创新方向，找到技术应用的重点。

关键词：大数据技术；网络安全；信息处理技术

当今的网络数据呈现出爆发性的增长趋势，因此只有迅速升级信息处理技术，才能满足大量数据的处理需求，同时必须借助可靠的网络安全技术手段，保证大数据平台的整体安全。这正是当今的大数据背景。

1.大数据挖掘技术的常用方法总结

1.1 分类

所谓分类，主要目的是对数据库中的特别组别数据的共同特点进行挖掘，并且依照特定的分类方法进行类别区分。分类的原理是，将数据库中的数据项，借助特定的分类模型映射到特定类别范围中。这一技术适用于电商等多个系统，此处以电商平台为例。电商平台利用分类方法，可以进一步明确平台用户的不同属性特征，进而明确平台用户的分类，发现平台用户的购物习惯，分析平台用户的满意度，等等，例如平台用户的年龄段、消费额区间等。

1.2 特征

所谓特征，主要是指从数据库中提取某个组别数据中能够表述该数据集整体特征的特征式，这些特征式是数据特征的最直接表述。例如，电商平台通过提取平台用户数据库中平台用户流失因素的特征，能够更快地发现平台用户流失的特征（或自主注销，或长期无购物记录）、规律与原因，例如优惠力度不足、商品不全、商品提价等。在整理特征信息的基础上，平台能够得出更具针对性的用户挽留措施，开展有针对性的挽留活动。

1.3 聚类

所谓聚类，主要是指将某个组别数据区，依照数据的异同性分为若干不同类别，体现出雷同性的数据要确保处于同一类别范围；反之对于差异性的数据，则要纳入不同类别中。这一技术的主要适用范围是，对平台用户群体进行类别划分，并且完成用户的信息整理，进而开展相关信息的分析，包括平台用户的市场归类、购买情况等。

1.4 回归分析

回归分析主要是指将特定数据映射到实值预测变量函数，进而探索数据属性或变量关联的方式。其原理是利用数据的映射去阐述事项在数据库中的属性值或在时间上的特征，其主要体现数据序列中数据的关系以及数据序列的预测、趋势特征等信息。在电商销售过程中，这一技术能够了解平台用户的网购需求等趋势信息，防范平台用户的流失，进而方便开展有针对性的销售活动。^[1]

1.5 关联规则

所谓关联规则，主要是指结合某个事项中部分项的出现，关联了另一些项，在同一事项中出现。这一规则能够映射出数据之间隐藏的关联，或是潜在的关系。其主要用于支持电子商务平台的平台用户管理工作，通过数据库中大量平台用户相关数据的整理，以及对不同数据项之间的关系连接，能够找出数据潜在的规律，发现对市场营销成果产生影响的相关因素。这一规则不但能够提供基本的销售决策支持，同时也能够帮助发现营销风险，做好风险评估，规避诈骗行为。

1.6 Web页挖掘

随着网络的普及，网络技术的迅猛发展，Web平台的信息量越来越大，信息类型、形式也越发呈现出多样化的趋势。经营单位通过对Web平台的海量数据进行挖掘与分析，能够广泛获取金融、市场供需以及平台用户的许多相关信息。不同的信息有着不同的价值，对于不同信息的集中整理与分析，有利于加深相关单位对内部经营环境与外部市场环境的了解，以及明确内部经营信息，继而预知经营风险。

2.分布式数据库的实现原理

2.1 分布式并发控制

分布式数据库的事项管理基本任务之一便是并发控制。并发控制主要包括乐观并发、加锁并发与时间戳控制三种模式。这一控制方式的实际应用，是为了确保数据库中不同事项的同步、精准、迅速推进。这种控制方式能够保证事项并行的透明性，其运行原理主要是在多个事项并发执行的前提下，对于串行执行的次序进行决策。

2.2 分布式查询处理

分布式的查询处理，主要的应用目标是保证各个节点上查询动作的合理分布以及有序运行。这一处理方式的主要运行原理，是对数据库当中高层次查询的映射，将其转化为本地数据库操作。在查询解析的过程中，平台需要首先做好拆分处理，生成关系运算序列，用于支持代数查询，同时要将相关数据定位在各个节点，完成查询结果的汇总。

2.3 数据分片

数据分片的方式主要是指对数据进行有逻辑的、全局性的划分，形成多个有关联的逻辑片段。其适用于数据库的信息写入过于频繁，且数据量过大的情况。在这种情况下，数据库受限于设备的条件而难以扩展，因此数据处理便很难依靠一台单独的主机去支持。而将数据分散存储于多台设备，则能够提升整体性能，在切分数据的同时可以提高系统整体的可用性。数据切分的方式主要包括垂直、混合与水平切分三种，不同的切分方式适用于不同的情境。

2.4 分布式数据库的目录管理

分布式数据库的目录，其主要内容包括访问方式的描述、分级模式的描述、一致性信息以及统计数据等。数据库当中存放着大量的元数据信息，这些数据有助于系统更加精准、高效地完成数据访问。而且在处理数据，包括添加、去除、修正数据时，以及授权、安全管理过程中，平台都要用到数据库目录。此外目录也是多事项并行处理的基础，目录结构会对其性能产生直接影响。其具体分类包括全局与本地混合目录，以及分布式目录。^[2]

3.云计算技术的相关应用

3.1 物联网

在一般理解中，物联网即是互联网与实物之间的关联路径，通过传感器、定位系统、扫描器等设备，实现对实物或是过程的连接、互动以及监控。物联网系统的构建基础，其一是互联网，是基于互联网的网络信息渠道拓展与延伸；其二是用户管理端在实物上的延伸，进而实现对于实物及其运行过程的监管和信息的通信。物联网的业务量会随着其运行而呈现出不断增多的趋势，对于数据的大量计算与存储需求，会使物联网系统更加依赖云计算能力。

3.2 云安全

云安全是云计算的衍生概念，是基于云计算这一理念而产生的。其构想是，随着云平台用户的增加，使用过程中的异常便更容易被发现，因为随着大量用户的加入，无论哪个网站受到病毒的侵袭，入侵行为都会迅速被截获。也就是说，云安全平台的运行原理，是借助对于海量用户形成的软件行为网络，密集筛查运行过程中的异常，捕捉病毒以及其他入侵行为的信息，传送至服务器完成数据的分析与处理，并且第一时间分发处理策略。

3.3 云存储

云存储与云安全同样是基于云计算这一概念所产生的概念，其主要的运行原理是借助网络技术与集群应用等功能，实现对网络中的各个存储节点进行整合，并且保证其协同运行。这一平台能够面向网络上的海量用户提供可靠的数据存储以及访问等服务，适用于网络用户产生了大量数据的情境，目的是满足网络用户的信息存储和管理需求。平台可以将云计算平台转化为存储平台，进而满足数据的存储与管理需求。

4.网络安全技术

网络安全技术主要适用于网络环境的，用于维护网络系统数据、软件乃至硬件安全的防范技术。其功能实现目标包括漏洞的扫描、入侵行为的检测与预警、病毒防护、数据过滤等。大数据这一概念指代的是网络数据在规模、形式、类别上的拓展。在此背景下，数据的安全防护也必定面临着更高的要求。随着大数据的产生与发展，网络安全技术的创新是必然趋势，并且应当作为一个关键问题来探讨。^[3]

5.结语

在大数据背景下，信息处理技术发展的加速是必然趋势。随着网络数据的爆炸式增加，以及数据形式、类别的多样化，只有不断提升数据处理技术水平，拓展数据处理系统的功能，才能保证数据处理的高效性、精准性。因此，本文基于大数据背景，对计算机处理技术发展趋势进行了总结，希望通过针对信息处理技术的广泛探讨，集思广益，从而找到技术开发与应用的新方向，体现技术优势，满足新时期的数据管理需求。

参考文献：

[1]黄佰强.对基于“大数据”时代背景下计算机信息处理技术的应用探讨[J].科教导刊-电子版（中旬）,2021(7).

[2]林国庆.基于大数据背景下的计算机信息处理技术的分析[J].电脑知识与技术,2021,17(28).

[3]李琳,周庆.基于大数据的计算机信息处理技术应用与实践[J].无线互联科技,2021,18(23).

（作者简介：程欣，女，1993年生，本科，助教，研究方向：数据分析）