前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數(shù)據(jù)網(wǎng)絡應用范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

大數(shù)據(jù)網(wǎng)絡應用范文第1篇

>> 數(shù)據(jù)挖掘技術在網(wǎng)絡入侵檢測中的應用 數(shù)據(jù)挖掘在網(wǎng)絡入侵檢測中的應用分析 淺析數(shù)據(jù)挖掘在網(wǎng)絡入侵檢測中的應用 基于蟻群聚類算法的數(shù)據(jù)挖掘技術在網(wǎng)絡入侵檢測中的應用 數(shù)據(jù)挖掘技術在網(wǎng)絡入侵檢測系統(tǒng)中的應用 入侵檢測技術在網(wǎng)絡安全中的應用 數(shù)據(jù)挖掘在網(wǎng)絡入侵檢測系統(tǒng)中的應用研究 神經(jīng)網(wǎng)絡在網(wǎng)絡入侵檢測中的應用 應用于網(wǎng)絡入侵檢測的數(shù)據(jù)挖掘技術 神經(jīng)網(wǎng)絡技術在網(wǎng)絡入侵檢測模型及系統(tǒng)中的應用 入侵檢測系統(tǒng)在網(wǎng)絡信息安全中的應用 基于孤立點挖掘的入侵檢測技術在網(wǎng)絡安全中的應用 入侵檢測技術在網(wǎng)絡安全中的應用與研究 人工免疫技術在網(wǎng)絡入侵檢測系統(tǒng)中的應用 淺談協(xié)議分析技術在網(wǎng)絡入侵檢測系統(tǒng)中的應用 入侵誘騙技術在網(wǎng)絡安全中的應用 大數(shù)據(jù)技術在網(wǎng)絡招聘中的應用研究 基于神經(jīng)網(wǎng)絡的BP算法研究及在網(wǎng)絡入侵檢測中的應用 數(shù)據(jù)挖掘技術在計算機網(wǎng)絡入侵檢測中的應用 基于主機和網(wǎng)絡入侵檢測的數(shù)據(jù)挖掘技術 常見問題解答 當前所在位置：，2016，5.

[2] 陳春.基于數(shù)據(jù)挖掘技術的計算機網(wǎng)絡病毒防御分析[J].信息通信，2015（05）.

[3] 黃霜豐.基于大數(shù)據(jù)分析的通信網(wǎng)絡監(jiān)控體系[J].廣西通信技術， 2015（01）.

大數(shù)據(jù)網(wǎng)絡應用范文第2篇

對于傳統(tǒng)企業(yè)來說，大數(shù)據(jù)是傳統(tǒng)企業(yè)往互聯(lián)網(wǎng)+方向改造的必經(jīng)之路，可是傳統(tǒng)企業(yè)如何將業(yè)務、產(chǎn)品、管理等進行數(shù)據(jù)化改造成為企業(yè)關注的焦點。對于互聯(lián)網(wǎng)企業(yè)來說，數(shù)據(jù)就是石油。諸多企業(yè)都意圖通過內(nèi)部數(shù)據(jù)的深入挖掘，進而獲得更好、更明智和更有效的商業(yè)決策，然而現(xiàn)實是企業(yè)內(nèi)部的龐大數(shù)據(jù)還處于相互割裂狀態(tài)，其價值很難得到挖掘和體現(xiàn)。只有打破這種數(shù)據(jù)沉睡、割裂的狀態(tài)，營造出大數(shù)據(jù)的生態(tài)環(huán)境，才能真正把大數(shù)據(jù)的價值體現(xiàn)出來。

奧維云網(wǎng)（AVC）董事長喻亮星在2016中國大數(shù)據(jù)創(chuàng)新應用大會上表示，現(xiàn)在所有的大數(shù)據(jù)公司都面臨著一些變現(xiàn)的問題，其實大數(shù)據(jù)變現(xiàn)是業(yè)界的一個共同難題，奧維云網(wǎng)結合自身優(yōu)勢去轉化，從而形成多款大數(shù)據(jù)產(chǎn)品。涵蓋了家電、家庭互聯(lián)網(wǎng)用戶、酒店、金融四大領域，研發(fā)出市場羅盤、產(chǎn)品指南、價控衛(wèi)士、評價管家、直播收視監(jiān)測平臺、酒旅魔方、動產(chǎn)融資等產(chǎn)品，當然，這僅僅是“奧維大數(shù)據(jù)戰(zhàn)略”的冰山一角。奧維云網(wǎng)（AVC）開發(fā)的大數(shù)據(jù)產(chǎn)品，具有很強的延展延伸性，后續(xù)可以延伸到更多業(yè)務場景，接下來還會開發(fā)更多跨領域的應用場景的大數(shù)據(jù)產(chǎn)品，目前已經(jīng)列出20個大數(shù)據(jù)產(chǎn)品開發(fā)計劃，預計2016年再上線8？10款大數(shù)據(jù)產(chǎn)品。

彩電業(yè)機遇與挑戰(zhàn)并存

大數(shù)據(jù)網(wǎng)絡應用范文第3篇

本文通過對云計算以及4G網(wǎng)絡的定義和特點進行分析，提出了在4G移動網(wǎng)絡平臺上采用云計算技術處理城市智能交通系統(tǒng)中的大數(shù)據(jù)問題，主要是結合二者的優(yōu)勢分析智能交通系統(tǒng)的功能，并加以實現(xiàn)，這將給緩解交通壓力、提高行車效率等提供便利。最后對未來智能交通系統(tǒng)開發(fā)與應用進行展望。

關鍵詞：4G網(wǎng)絡；大數(shù)據(jù)；云計算；智能交通；交通云

隨著人們生活水平的提高，汽車逐漸進入到普通家庭，這無疑對道路交通的要求也越來越高，為提高道路行車效率，迫切需要建設一個高性能的智能交通系統(tǒng)（IntelligentTransportationSystems，ITS），以滿足大家的需求。

1智能交通系統(tǒng)的概念

智能交通系統(tǒng)（IntelligentTransportationSystems，ITS）指的是建立在較完善的基礎設施之上，將先進的信息技術、計算機處理技術、數(shù)據(jù)通訊傳輸技術、電子傳感技術及電子控制技術等有效組合在一起，并運用于整個交通運輸管理體系中，從而能夠在大范圍、全天候發(fā)揮作用，建立起的一種準確、實時、高效的綜合運輸和管理系統(tǒng)[1]。依據(jù)智能交通系統(tǒng)的概念，我們可以看出，為了解決社會不斷增加的交通需求與有限的道路資源之間的矛盾，使有限的道路資源能被充分利用，提高人們的出行效率，保障人們出行安全，智能交通系統(tǒng)作為信息、通信、傳感與控制技術綜合運用的產(chǎn)物，能給人們帶來便捷。但目前，我國城市交通仍面臨著許多嚴重問題，如成都，作為西南地區(qū)的一個大型城市，雖然其承載能力越來越強，路網(wǎng)體系也日趨完善，但隨著汽車保有量的強勁增長，道路供需關系依然非常嚴峻。據(jù)成都市交管局數(shù)據(jù)顯示，截至2014年3月，成都地區(qū)的汽車保有量突破268.59萬輛大關，中心城區(qū)突破114.18萬輛，這個數(shù)據(jù)僅次于北京。而且成都已月均增2萬新車，并持續(xù)了62個月。一天就會產(chǎn)生數(shù)百億條GPS數(shù)據(jù)，而車牌識別信息、交通監(jiān)控視頻信息等數(shù)據(jù)量更大，交通相關的數(shù)據(jù)量也早以從TB級躍升到PB級[2]，因此，如果要實現(xiàn)對城市道路的交通流量信息、交通狀況、交通違法行為等的全面監(jiān)測，特別是承擔在交通高峰期采集、處理及分析大量的實時監(jiān)測數(shù)據(jù)的工作，整個平臺的運行壓力將會非常巨大，大數(shù)據(jù)（bigdata）就此產(chǎn)生，大數(shù)據(jù)分析交通除了流量及車輛的相關信息外，還必須包括路面情況、天氣、突況、周邊環(huán)境等諸多因素，傳統(tǒng)的交通數(shù)據(jù)分析法已很難有效處理如此龐大的數(shù)據(jù)的問題。城市智能交通應具備的特點和需求分析如下。

1.1數(shù)據(jù)信息海量化

整個城市的交通行為主體作為城市智能交通的分析對象，海量數(shù)據(jù)必然成為固有特性。

1.2應用負載變化大

城市交通流特性呈現(xiàn)出區(qū)域關聯(lián)性強，隨時間變化大的特點，系統(tǒng)需要根據(jù)實時的交通流數(shù)據(jù)，做出全面采集、分析、處理等。而傳統(tǒng)的智能交通方案由于無法在全局上統(tǒng)籌，往往會因此陷入彼此孤立的情形。

1.3高穩(wěn)定性和高可用性

只有要求城市智能交通系統(tǒng)具有高可用性和高穩(wěn)定性，才能更好地、更快捷地提供暢通、安全、高品質(zhì)的行程服務，以保障交通運輸?shù)母甙踩?、高時效和高準確性，讓政府、社會和公眾感覺到方便。而目前的很多方案中，由于各生產(chǎn)廠商繁雜、設備類型眾多、質(zhì)量參差不齊，而國內(nèi)也缺乏統(tǒng)一的標準，這樣不僅系統(tǒng)維護成本高，而且也很難做到保持智能交通系統(tǒng)的高穩(wěn)定性。

1.4數(shù)據(jù)共享需求

目前，正在建設中的智能城市交通系統(tǒng)，大量的終端設備出自不同的廠商或不同平臺，這樣就形成了許許多多的信息孤島，彼此間很難實現(xiàn)共享數(shù)據(jù)。這在很大程度上影響了系統(tǒng)功能的充分實現(xiàn)，智能交通系統(tǒng)在硬件、接口上應做的統(tǒng)一，從而使行業(yè)信息資源的全面整合與共享成為智能交通發(fā)揮整體方案優(yōu)勢、整體統(tǒng)籌資源、統(tǒng)一協(xié)調(diào)的基礎。

1.5信息實時處理性能要求高

隨著城市交通的擁堵日趨嚴重，人們在出行時要求能隨時隨地通過熟悉的方式獲取所需的出行計劃和實時的出行信息，因此，未來的智能交通需要滿足高效性、實時性的要求。

2大數(shù)據(jù)與云計算技術對智能交通系統(tǒng)的影響與應用

云計算（cloudcomputing）是將計算任務分布在大量互聯(lián)的計算機構成的資源池上，使各種應用系統(tǒng)能夠根據(jù)需要獲取存儲空間、計算力和各種軟件服務，該資源池被稱為“云”?！霸啤笔侵敢恍┛梢宰晕夜芾砗途S護的虛擬計算資源，通常包括寬帶資源、計算服務器、存儲服務器等大型服務器集群[3]。而云計算（cloudcomputing）是一種基于互聯(lián)網(wǎng)平臺的計算方式，為計算資源提供全新的計算模式，其服務方式可動態(tài)、伸縮且虛擬化，云計算技術還會將所有的計算資源匯集在一起，并通過軟件實現(xiàn)對資源的自動高效管理。這使用戶能更加專注于自己的業(yè)務，無需為繁瑣的處理細節(jié)感到煩惱。云計算技術之所以能有效處理和應對交通數(shù)據(jù)量大、可用性高、穩(wěn)定性要求高、信息實時處理要求高、應用負載波動大、數(shù)據(jù)共享需求大等問題，并能實現(xiàn)應用的靈活性，高效整合資源，降低運維成本和總能耗，很大程度上是源于其自身的高可靠性、彈性擴容性好、快速部署及按需服務的特性。云計算技術以其高度的信息部署、優(yōu)異的擴展性以及自動化IT資源調(diào)度，成為解決智能交通面臨的問題的關鍵技術手段，成為一種全新概念的信息服務模式，有助于智能交通系統(tǒng)的快速實現(xiàn)。建設基于“云計算”的智能交通系統(tǒng)，要實現(xiàn)交通信息的動態(tài)采集、分析、處理及，并及時向用戶提交動態(tài)交通信息，報告路況動態(tài)變化信息，指導用戶出行計劃，規(guī)劃用戶行車線路，從而有效提前進行分流擁堵流量，從而提高交通通行效率[4]。其具體應用如下。

（1）城市中的車、人或設備等每個交通終端節(jié)點，均可以實時地通過交通云得到基于整個城市交通信息智能分析后提供的服務。

（2）通過綜合整個城區(qū)的交通流信息及汽車的運行計劃信息，每個交通信號燈都得到高效控制，并在面控、立體多維的基礎上進行相關預測；城市交通引導系統(tǒng)也可以與交通信息個性化服務進行無縫結合。

（3）為了更智能地提高交通運行效率，拓展一個智能交通信息服務市場，運營商要相應地通過手機基站定位，向用戶提供實時的交通信息服務，這些信息與交通控制、引導相結合。隨著移動通信網(wǎng)絡的發(fā)展，從早期的2G網(wǎng)絡到3G網(wǎng)絡，再發(fā)展到當前的4G移動通信網(wǎng)絡，4G網(wǎng)絡使圖像視頻傳輸更加穩(wěn)定，決策也更具有時效性，并為智能交通系統(tǒng)提供了更多應用的可能，移動網(wǎng)絡在智能化交通信息系統(tǒng)中的運用日趨嫻熟、準確，使智能交通系統(tǒng)真正、全面、高效地服務于社會，為緩減交通壓力做出了更大的貢獻。移動網(wǎng)絡技術還有效地為智能交通系統(tǒng)的發(fā)展提供了新的發(fā)展思路。

34G移動網(wǎng)絡的網(wǎng)絡結構的核心技術及優(yōu)點

3.14G移動網(wǎng)絡的網(wǎng)絡結構的核心技術

4G移動網(wǎng)絡體系結構從下往上可分為物理網(wǎng)絡層、中間環(huán)境層、應用網(wǎng)絡層。正交頻分復用（OFDM）技術是這一代移動通信網(wǎng)絡的核心技術，該技術可以為用戶提供速率高、時延小的數(shù)據(jù)交換服務，能達到下行50Mbit/s與上行100Mbit/s的峰值速率。OFDM技術特點包括：具有良好的抗噪聲性能及抗多信道干擾能力，可擴展網(wǎng)絡結構。

3.24G移動網(wǎng)絡的優(yōu)點

3.2.1通信速度高、靈活性好4G移動通信系統(tǒng)速率可以高達到l00Mbps，甚至是150Mbps。由于4G網(wǎng)絡不僅是面向手機，還面向智能手表、控制器、眼鏡等移動智能終端設備，這些終端設備極大豐富了人們的生活，使通信變得更加靈活多樣。

3.2.2系統(tǒng)兼容性好未來的4G移動網(wǎng)絡要面向全球發(fā)展，可以預測4G移動網(wǎng)絡一定會開放出更多標準化的接口，并與全世界各種網(wǎng)絡進行高速通訊、互聯(lián)。

3.2.3網(wǎng)絡采用寬頻譜4G移動網(wǎng)絡的每個信道會占有100MHz的頻譜，是3G移動網(wǎng)絡的20倍左右。

3.2.4通訊費用低目前，很多3G移動網(wǎng)絡用戶之所以能方便地過渡到4G移動網(wǎng)絡進行通信，是因為4G移動網(wǎng)絡與3G移動網(wǎng)絡的兼容性較好，且4G移動網(wǎng)絡的系統(tǒng)采用靈活的操作方式。在加上4G移動網(wǎng)絡通訊費用相對較低，為4G移動網(wǎng)絡的快速部署創(chuàng)造了條件。

3.2.5網(wǎng)絡通信質(zhì)量高4G移動網(wǎng)絡通信時代是高質(zhì)量通信的時代，與3G移動網(wǎng)絡通信技術相比，4G移動網(wǎng)絡通信技術將在很大程度上提升大數(shù)據(jù)的交互、處理能力，特別是跟云計算技術的結合，大大提高了效率，4G移動網(wǎng)絡讓廣大人們擁有了前所未有的、便捷的移動網(wǎng)絡交互體驗，面對越來越復雜的網(wǎng)絡環(huán)境，通信質(zhì)量也得到了較好的保障，4G移動網(wǎng)絡通信也能滿足3G移動網(wǎng)絡通信尚不能覆蓋的區(qū)域。

4基于云計算的智能交通的關鍵技術

上述的需求，使大數(shù)據(jù)與云計算技術成為城市智能交通系統(tǒng)的重要支撐。為了有效地將云計算技術與跟4G網(wǎng)絡相結合，提升信息傳遞的準確性和可達性，還需解決以下幾個主要技術問題。

4.1最優(yōu)路徑規(guī)劃問題

云計算技術在智能交通系統(tǒng)中的另一個重要應用是智能交通系統(tǒng)中的最優(yōu)路徑規(guī)劃，它在各類應急系統(tǒng)及車輛路徑導航系統(tǒng)中具有重要作用。智能交通最優(yōu)路徑規(guī)劃是以交通運行數(shù)據(jù)為基礎，在云計算數(shù)據(jù)中心對各交通影響因素進行分析、處理和判斷后，再通過短訊、車載終端、GIS電子地圖等各類終端幫助信息，為道路的使用人員提供最優(yōu)路徑，引導信息及各類實時交通幫助服務信息，以提高車輛的通行效率及行車安全。

4.2智能交通流預測與出行引導問題

基于云計算的智能交通流預測與出行引導可通過物聯(lián)網(wǎng)對交通流量數(shù)據(jù)進行實時采集，對這些數(shù)據(jù)進行分析和快速處理，以便對道路交通流進行實時動態(tài)判別和準確預測，從而正確指導用戶出行，這樣必須建立起智能交通流量采集數(shù)據(jù)庫及非結構化的數(shù)據(jù)庫。

4.3智能交通事故預警處理問題

道路交通中的突發(fā)事故嚴重影響城市道路交通運行的安全性和可靠性，因此，面對突發(fā)事故，必須快速做出反應，提出處理預案，然后對其進行有效、及時地處置。基于大數(shù)據(jù)分析的交通事故應急處置方案的形成，是通過物聯(lián)網(wǎng)技術快速采集和分析交通突發(fā)事件及整個道路流量信息，迅速地進行事故故障處理，并及時發(fā)出預警信息，提前、有效和安全地疏散車流，達到不影響交通正常運行的目的。

5我國智能交通系統(tǒng)發(fā)展趨勢

眾所周知，我國4G移動網(wǎng)絡牌照已經(jīng)發(fā)放，圍繞4G移動網(wǎng)絡的各項業(yè)務也快速展開，但目前，網(wǎng)絡通訊費用并沒有下降，這對基于4G移動網(wǎng)絡智能交通系統(tǒng)的開發(fā)與使用具有較大影響，相信隨著4G網(wǎng)絡的普及、通信環(huán)境的改善、資費的下調(diào)，大數(shù)據(jù)的交互平臺將有望在許多移動設備（如手機、平板電腦）上實現(xiàn)，云計算技術也將得到更廣泛的應用。例如，未來的智能交通系統(tǒng)將會出現(xiàn)自動駕駛系統(tǒng)、大數(shù)據(jù)與智能交通、生態(tài)智能交通系統(tǒng)、移動互聯(lián)網(wǎng)與智能交通等。近年來，基于移動網(wǎng)絡智能終端的與交通相關的APP得到飛速發(fā)展，因而，移動互聯(lián)網(wǎng)技術在人們出行中的作用將越來越大。

6結語

基于4G移動網(wǎng)絡的大數(shù)據(jù)和云計算技術的智能交通系統(tǒng)是一個復雜的系統(tǒng)工程，它涵蓋了網(wǎng)絡構建、信息采集、系統(tǒng)集成及應用開發(fā)等多方面內(nèi)容，同時也涉及城市交通運行管理中的許多領域。要在4G移動網(wǎng)絡平臺上加快推進大數(shù)據(jù)和云計算技術在城市智能交通系統(tǒng)中的研究及應用，必須不斷加強技術革新、保障云安全、完善基礎設施建設，并將政府構建的基礎性開放平臺與引導科研機構、高校、企業(yè)參與應用研發(fā)相結合。

參考文獻

[1]吳忠澤．迎接中國智能交通的新時代[J].科學,2010(1):3-6．

[2]畢然,黨梅梅．智能交通系統(tǒng)標準化現(xiàn)狀及發(fā)展趨勢[J]．電信網(wǎng)技術,2011(4):44-47.

[3]趙娜,袁家斌,徐晗.智能交通系統(tǒng)綜述[J].計算機科學,2014(11):7-11.

大數(shù)據(jù)網(wǎng)絡應用范文第4篇

[關鍵詞]探地雷達 神經(jīng)網(wǎng)絡 自組織特征映射

[中圖分類號] TN95 [文獻碼] B [文章編號] 1000-405X（2015）-3-131-3

1前言

在探地雷達的數(shù)據(jù)處理中，通常采用的是類似地震數(shù)據(jù)處理中的一些手段和方法，比如去除零漂、增益處理、帶通濾波、道均衡等等，這些方法均是對整個剖面進行操作的，而我們可以通過神經(jīng)網(wǎng)絡方法，對數(shù)據(jù)體中某幾個區(qū)域進行選取，對比研究，以判斷其存在的雷同性或者差異性，來達到分類的目的，用以不同深度和區(qū)域地質(zhì)體的判別和認定。

2神經(jīng)網(wǎng)絡結構及算法

2.1神經(jīng)網(wǎng)絡結構

神經(jīng)網(wǎng)絡系統(tǒng)是用數(shù)學思維模擬人腦神經(jīng)信息處理方式的一種人工智能網(wǎng)絡，它是一個高度復雜的非線性動力學系統(tǒng)，由大量簡單的神經(jīng)元廣泛相互連接而成。神經(jīng)元一般是一個多輸入單輸出的非線性器件，它是神經(jīng)網(wǎng)絡的基本處理單元，結構模型見圖1所示。神經(jīng)網(wǎng)絡因其具有大規(guī)模并行計算、容錯性強、分布式存儲及超強學習能力等優(yōu)點，被廣泛應用于諸多領域，并取得了引人注目的成果。

經(jīng)過多年的發(fā)展，已經(jīng)發(fā)展出感知器網(wǎng)絡、BP網(wǎng)絡、徑向基網(wǎng)絡、Hopfield網(wǎng)絡、自組織網(wǎng)絡和LVQ網(wǎng)絡等等。

在已知目標向量的情況下，可以采用由導師的訓練方法，然后針對探地雷達數(shù)據(jù)的特點，這里沒有采用BP神經(jīng)網(wǎng)絡等需要導師的網(wǎng)絡進行訓練學習，而采用了無需提供導師信號的神經(jīng)網(wǎng)絡――自組織神經(jīng)網(wǎng)絡。

2.2自組織特征映射神經(jīng)網(wǎng)絡算法

自組織神經(jīng)網(wǎng)絡的無導師學習方式更類似于人類大腦認知過程，其最重要的特點是通過自動尋找樣本中的內(nèi)在規(guī)律和本質(zhì)屬性，自適應地改變網(wǎng)絡參數(shù)與結構。自組織神經(jīng)網(wǎng)絡又分為幾個內(nèi)容，自組織競爭網(wǎng)絡、特征映射網(wǎng)絡、共振理論模型等。本文采用的自組織特征映射（SOM）神經(jīng)網(wǎng)絡，是由芬蘭神經(jīng)網(wǎng)絡專家Kohonen于1981年提出的。SOM網(wǎng)絡共有兩層―輸入層和輸出層，分別模擬感知外界輸入信息的視網(wǎng)膜和做出響應的大腦皮層，對于某個特定的輸入模式，輸出層會有某個節(jié)點產(chǎn)生最大響應而獲勝，獲勝神經(jīng)元對其鄰近神經(jīng)元存在側擬制機制。

SOM網(wǎng)絡采用的學習算法稱為Kohonen算法，采用優(yōu)勝域思想，模擬生物區(qū)域神經(jīng)興奮競爭機制，其算法過程按如下步驟進行：

2.2.1初始化

給定初始學習率η（0）；建立初始優(yōu)勝鄰域Nj*（0）；給輸出層各神經(jīng)元對應的權向量賦小隨機數(shù)，并進行歸一化處理得到Wj。

2.2.2輸入模式

自組織網(wǎng)絡中選取一個輸入模式，并進行歸一化處理得到X。

2.2.3尋找獲勝神經(jīng)元

將X與輸出層所有神經(jīng)元對應的權向量Wj進行相似性比較，最相似的神經(jīng)元獲勝，權向量為Wj*：

2.2.4確定優(yōu)勝鄰域Nj*（t）

以j*為中心確定t時刻的權值調(diào)整域，優(yōu)勝鄰域內(nèi)的所有神經(jīng)元均按其離開獲勝神經(jīng)元的距離遠近不同調(diào)整權值，隨著訓練次數(shù)的增加，優(yōu)勝鄰域半徑不斷收縮。

2.2.5調(diào)整權值

只有獲勝神經(jīng)元才有權按下式學習調(diào)整其權向量Wj*：

其中η（t）隨時間變化逐漸下降到0，一般取 或

2.2.6重新歸一化處理

對經(jīng)學習調(diào)整后的權向量重新進行歸一化處理，循環(huán)計算，直到學習率η衰減到0。

3理論數(shù)值模擬應用

3.1區(qū)分方波函數(shù)

首先通過方波函數(shù)，用有導師的神經(jīng)網(wǎng)絡進行訓練，對神經(jīng)網(wǎng)絡的使用加以試驗說明。

原始數(shù)據(jù)共48道，400ms采樣時間的方波數(shù)據(jù)，200-400ms的振幅2倍于0-200ms，如圖2中a所示，將0-48道的0-100ms和300-400ms的數(shù)據(jù)拼接構成網(wǎng)絡輸入信號，目標函數(shù)為一個長度為201的向量，0-100為0，101-201為1；測試數(shù)據(jù)選取為原始數(shù)據(jù)中100-350ms部分的數(shù)據(jù)，測試目標函數(shù)為一個長度為251的向量，0-100為0，101-251為1。

通過神經(jīng)網(wǎng)絡訓練，得到圖2中b中所示結果，星號為目標曲線，紅色為輸出曲線，綠色為誤差曲線，可以看出誤差為零，訓練結果還是令人滿意的。

3.2判別模擬數(shù)據(jù)

對一個模擬數(shù)據(jù)的某一塊數(shù)據(jù)體（圖3（a）），我們采用自組織特征映射網(wǎng)絡對其進行訓練分類。

根據(jù)上述的算法，對18-37道、15-50ms采樣時間的數(shù)據(jù)進行訓練分類，在分成5類的情況下，從18道至37道網(wǎng)絡自動識別成為以下情況：4 4 4 5 5 5 2 2 2 2 2 2 3 3 3 3 1 1 1 1，其中一個數(shù)字代表一類情況，用其他道的數(shù)據(jù)測試該網(wǎng)絡時可以得到如下結果：40道返回數(shù)字1，15道返回數(shù)字4，與實際情況相符合。

可以看出SOM算法對不同的波形分類的情況還是比較理想的，當然這個分類情況和事先給定的種類也有關系，給定的種類越多，分的越細，給定的種類越少，分的越粗。對于圖3（b）中40ms附近的反射異常，在2個分類的情況下，可以方便的與圍巖分辨出來，反射異常區(qū)的各道為一個類別，圍巖區(qū)域為一個類別。

4實際數(shù)據(jù)應用

下面我們通過實際采集到的雷達數(shù)據(jù)進行訓練處理。

野外作業(yè)主機為美國GSSI公司的SIR-20型，天線為40M低頻組合天線，數(shù)據(jù)共70道，采樣長度1024ms，0.2m點測采集，64次疊加，數(shù)據(jù)為在灰?guī)r地區(qū)獲取。

數(shù)據(jù)剖面見圖4，由于工作環(huán)境為灰?guī)r地區(qū)，初步判斷B區(qū)域為反射異常，對A區(qū)域存有疑慮?，F(xiàn)根據(jù)SOM算法，應用神經(jīng)網(wǎng)絡對其進行分類辨別，通過訓練歸類，得出以下結論：A區(qū)域49-55道與B區(qū)域62-70道屬于同一類別的，56-61道屬于另外一個類別。因此認定A區(qū)域與B區(qū)域應為同一類地層反射引起，由于振幅較強，判斷為一個埋深較大的溶洞，56-61道可能由于區(qū)域含水吸收導致能量較弱，后經(jīng)開挖驗證，A區(qū)域與B區(qū)域確實為一個連通溶洞，且規(guī)模很大。

5結論

通過對方波函數(shù)的判別、模擬數(shù)據(jù)的訓練分類以及實際數(shù)據(jù)異常反射區(qū)的分類判定，可以看出神經(jīng)網(wǎng)絡方法作為一個手段來對探地雷達數(shù)據(jù)處理還是很有效果的，在一定程度上能夠滿足剖面處理的要求，達到使用的目的。本文使用無導師的網(wǎng)絡進行訓練的目的就是為了能夠自動判別分類，避免人為干預的影響，當然某些情況下以可以采用有導師的網(wǎng)絡，有針對性的進行識別。

本文得到中國地質(zhì)調(diào)查局基[2014]01-034-013項目資助。

Abstract： Get across the introduce of neural network， using the characteristic than training the network to classified， after the experimentation on square function and simulation data， finally carry on real acquisition data， identify and class the choosed area， achieve the aim to distinguish and cognizance about structure in different area on profile，satisfy the require of data process.

Keywords： GPR Neural network Self-Organizing Feature Map

參考文獻

[1]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡理論與MATLAB7實現(xiàn)[M].北京：電子工業(yè)出版社，2005.

Fei Si Technology R & D center. Neural Network Theory and MATLAB7 Implementation[M]. Beijing： Electronic Industry Press，2005.

[2]李大心.探地雷達方法與應用[M].北京：地質(zhì)出版社，1994.

Li Da-xin. Method and application of ground penetrating radar [M]. Beijing： Geology Press， 1994.

[3]翟波，楊峰，孫水明.基于二維濾波的探地雷達數(shù)據(jù)去噪研究[J].南京師范大學學報，2007，7（3）：80.

Zhai Bo， Yang Feng， Shui Ming-sun. Based on two-dimensional filtering of ground penetrating radar data denoising [J]. Nanjing Normal University， 2007，7 （3）： 80.

[4]楊峰，彭蘇萍，張全升. 地質(zhì)雷達精細處理技術方法的應用研究[J].工程勘察，2007，（4）：70-74

Yang Feng， Su Ping-peng， Zhang Quan-sheng. Ground Penetrating Radar Method for fine processing technology applied research [J]. Engineering Survey， 2007 （4） ：70-74.

[5]郝建新，魏玉峰，林雄斌，地質(zhì)雷達探測干擾因素及圖像識別研究[J].工程勘察，2008（11）：73-75.

Jian-Xin Hao， Yu-Feng Wei， Lin Xiongbin， ground penetrating radar interference factors and image recognition research[J]. Engineering Survey， 2008 （11） ：73-75.

[6] David. J. Bescoby， Gavin C. Cawley， and P. Neil Chroston. Enhanced interpretation of magnetic survey data from archaeological sites using artificial neural networks[J]. Geophysics，2006， 71，H45.

[7] Zhengping Liu and Jiaqi Liu. Seismic-controlled nonlinear extrapolation of well parameters using neural networks. Geophysics，1998，63：2035.

大數(shù)據(jù)網(wǎng)絡應用范文第5篇

Abstract： Network security in the enterprise information is more and more important， and more and more network and systems need firewall security for security protection. The level of security policy deployment quality is a key for whether the firewall device play the role of security protection. But for many complex applications in enterprise network， its data flow is often more complicated. According to the problems of enterprise network firewall policy， this paper proposes a method that using network device log analysis to identify the traffic flow. The method can discovery network traffic with low-cost， high-efficiency， and thus provide the basis for the deployment of firewall policy.

關鍵詞： 防火墻；網(wǎng)絡安全；安全策略

Key words： firewall；network security；security policy

中圖分類號：TP393 文獻標識碼：A 文章編號：1006-4311（2014）10-0223-02

0 引言

在企業(yè)網(wǎng)絡的網(wǎng)絡管理及項目建設上，防火墻的應用越來越廣泛。在一張網(wǎng)絡中部署的防火墻數(shù)目小到五六臺多則十幾臺、幾十臺。為了使每臺防火墻真正起到安全控制的作用，每臺防火墻都要根據(jù)實際的訪問需求制定出成百上千條安全策略。每條安全策略都要有針對性的對合法的數(shù)據(jù)流予以允許通過，對非法的數(shù)據(jù)流予以拒絕。在網(wǎng)絡應用日益復雜的今天，如何對現(xiàn)網(wǎng)數(shù)據(jù)流進行識別（統(tǒng)計、分析）是擺在工程技術和網(wǎng)絡維護人員面前的一個重要課題。

1 目前的識別方法及問題

目前，數(shù)據(jù)流的識別主要采用的技術有Netflow/Sflow和SPAN技術。

Netflow/Sflow技術主要是支持該技術的數(shù)據(jù)節(jié)點設備上啟用該特性，通過采集服務器到節(jié)點設備上采集數(shù)據(jù)，然后對數(shù)據(jù)進行分析整理得到網(wǎng)絡中的數(shù)據(jù)流信息。Netflow/sFlow技術能對數(shù)據(jù)網(wǎng)絡的通信流量進行詳細的行為模式分析和計量，并提供網(wǎng)絡運行的詳細統(tǒng)計數(shù)據(jù)。但是，NetFlow/sFlow支持情況受設備類型、板卡類型、軟件版本、軟件授權等條件制約，某些廠商設備甚至需要采購專用硬件。

SPAN技術（鏡像抓包）是一種基于被動偵聽原理的網(wǎng)絡分析方式。使用這種技術，可以監(jiān)視網(wǎng)絡的狀態(tài)、數(shù)據(jù)流動情況以及網(wǎng)絡上傳輸?shù)男畔ⅰ．斝畔⒁悦魑牡男问皆诰W(wǎng)絡上傳輸時，可以使用網(wǎng)絡監(jiān)聽的方式來進行記錄、分析。將網(wǎng)絡接口設置在監(jiān)聽模式，可以將網(wǎng)上傳輸?shù)脑丛床粩嗟男畔⒔孬@。但是，這種技術需要把整個數(shù)據(jù)包的信息都記錄下來，包含對于數(shù)據(jù)流分析基本沒有用處的data信息，這樣就需要處理大量的無關信息，分析效率比較低，而且對于已經(jīng)部署IDS、流量清洗等設備的節(jié)點，受到網(wǎng)絡端口鏡像SESSION數(shù)量的限制，而無法實施。

2 解決辦法

利用在路由器、交換機、防火墻設備普遍支持的訪問控制功能，在設備上部署開放的數(shù)據(jù)流抓取策略（所謂開放的數(shù)據(jù)流抓取策略，就是采用允許數(shù)據(jù)流通過的訪問控制列表或策略，以便在不影響現(xiàn)有業(yè)務流通過的前提下生成數(shù)據(jù)流日志），生成表1所示的數(shù)據(jù)流向日志（Cisco設備產(chǎn)生的log節(jié)選）。

由表1可以發(fā)現(xiàn)，每條日志中記錄了數(shù)據(jù)流的協(xié)議類型、源ip、源端口、目的ip、目的端口等信息。以上日志信息可以提取如表2所示的信息。

部署周期內(nèi)形成的日志文件記錄了本時間段內(nèi)所有數(shù)據(jù)流訪問信息。通過軟件工具對日志進行分析、抽取、統(tǒng)計、整理，就可以得到通過某一網(wǎng)絡節(jié)點的數(shù)據(jù)流信息。

利用得到的數(shù)據(jù)流信息，通過甄別、篩選、匯總，就可以形成該節(jié)點正常業(yè)務流信息，為安全策略的制定、實時維護提供依據(jù)。

由于絕大多數(shù)廠商（Cisco、Juniper、華為等）的數(shù)據(jù)網(wǎng)絡設備（防火墻、路由器、交換機）都支持這種通過部署開放策略生成數(shù)據(jù)流向日志的功能，因此，通過該方法可實現(xiàn)對多廠商、異構數(shù)據(jù)網(wǎng)絡數(shù)據(jù)流識別。

此方法相比Netflow、SPAN等數(shù)據(jù)流分析技術，特點是支持設備更廣泛、部署位置靈活，無需改變現(xiàn)網(wǎng)結構，實現(xiàn)容易、成本低，并支持海量數(shù)據(jù)的分析整理。

3 具體實施方案

①確定數(shù)據(jù)流分析方案。獲取數(shù)據(jù)流分析需求，根據(jù)需求選擇開放策略所部屬的網(wǎng)絡節(jié)點部署位置，同時編寫開放的訪問控制策略。

②部署開放控制策略并采集日志。在數(shù)據(jù)網(wǎng)絡的節(jié)點上部署開放的安全策略，數(shù)據(jù)流流經(jīng)該節(jié)點就可以生成數(shù)據(jù)訪問日志。日志采集服務器負責收集節(jié)點生成的日志，并按照預定格式生成日志文件。

③從日志文件中分析數(shù)據(jù)流。日志分析程序從日志文件中分析數(shù)據(jù)流的協(xié)議、源目的IP、端口等信息，以及節(jié)點的位置。由于每種設備的日志格式各不相同，并且中間可能夾雜其他無關冗余的日志信息，這就要求關鍵信息的提取既要準確又要快速，以便適應大數(shù)據(jù)量的計算。另外，客戶端發(fā)起源端口是可變的，能夠根據(jù)服務端的端口識別數(shù)據(jù)流，并能夠準確分析、剔除重復數(shù)據(jù)，進而統(tǒng)計出準確的數(shù)據(jù)流信息，并生成數(shù)據(jù)流結果文件。

本方法可對現(xiàn)網(wǎng)中的業(yè)務流進行有效的分析，并能根據(jù)所得的結果生成合適的安全策略，而且對數(shù)據(jù)網(wǎng)中的節(jié)點設備要求較低，無需支持Netflow/sFlow等高級特性。

筆者在實際工程中，采用本方法和自主軟件，搜集并分析了上百GB的日志文件，并把得到的結果運用在實際的網(wǎng)絡安全項目中的多種類型的防火墻的策略部署工作中，大大提高了工作效率和準確性，對今后實施此類工程中的安全策略部署具有極強的指導和借鑒意義。

4 結論

本文分析了在企業(yè)網(wǎng)絡中采用網(wǎng)絡設備日志分析，實現(xiàn)識別業(yè)務數(shù)據(jù)流的方法，并為制定滿足系統(tǒng)防護需求的防火墻安全策略提供了一套切實可行的方案。在企業(yè)信息化系統(tǒng)中部署和維護防火墻策略的過程中，可以借鑒和參考。

參考文獻：

[1]喬輝.淺談多重異構防火墻網(wǎng)絡環(huán)境下的安全策略管理[J].中國電子商務，2012（2）.