浅析大数据时代下:“互联网”对电子信息安全传输的影响

自从互联网以来,行业专家一直在谈论通过零售、社交媒体产生的大数据和物联网(IOT),以及存储和分析这些数据带来的挑战及怎样为己所用,现在大家普遍的想法主要在于大数据的应用价值。不止于此,大数据早已对各行各业的渗透,大大推动了社会生产和生活,未来必将产生重大而深远的影响。

目前,互联网模式下 大数据无处不在,理解大数据和网络之间的相互作用,包括互联网,是一个重要组成部分,规划你的网络结构和网络运营管理。大数据应用于各个行业,包括金融、汽车、餐饮、电信、能源、体能和娱乐等在内的社会各行各业都已经融入了大数据的印迹,下面详细介绍一下五个方面 大数据在互联网中的具体应用,以及其未来确定的工作方式。

1、流量传输模式的改变

大流量网络模式正在变得更快,大数据主要以大批量处理,并且涉及数据中心内部以及经常在数据中心之间的服务器集群之间的巨大数据传输。这意味着源于客户端-服务器交互的经典南北网络流量模式正日益被大型东西方流量模式改变。

大数据可以对网络基础设施产生更大的需求。确保你已经把大数据流分解成你的网络容量计划。了解你的交换机和路由器在更频繁的交通高峰和低谷下是如何工作的,因为那些大流量会间歇性地出现。

2、流量传输的管理

网络流量管理变得越来越重要,准备大数据不仅仅意味着增加网络带宽。非常大的业务流可以支配所有其他业务,类似于备份例程的效果。与应该在非工作时间运行的备份例程不同,BigDataProcess将是一个普通的业务例程,可以在一天中的任何时间执行。管理大数据流与其他流量的交互,以防止对延迟敏感的应用程序(如统一通信)产生不适当的影响,将是至关重要的。当需要更新 类似服务类(COS)的管理设计,大数据流的存在使其更加适应于长时间的工作。

3、联网和分布式拒绝服务攻击

大数据环境下的数据流处理实时性要求高,数据计算要求持续性和高可靠性。分布式数据流处理系统(DDSPS)能解决大数据环境下的数据流处理问题,它除具备分布式系统的可扩展性和容错性优势外,还具有高的实时处理能力。详细介绍了组成基于大数据的分布式数据流处理系统的四个子系统及其关键技术,讨论和比较了各个子系统的不同技术方案;同时介绍一种分布式拒绝服务(DDo S)攻击检测数据流处理系统结构案例,其研究内容能为大数据环境下的数据流处理理论研究和应用技术开发提供技术参考。

4、云端网络计算

当谈到在云端实施大数据战略时,好消息是你会有很多选择。但是,这同时也是一个坏消息。来自Forrester Research最近的一份报告强调,尽管大数据云服务很强大,他们也有可能造成混乱,从而需要企业采用比传统的方式更加灵活,琐碎的方法。该报告的结论是:在云计算领域中没有一种服务是适合所有状况的。物联网对应了互联网的感觉和运动神经系统。云计算是互联网的核心硬件层和核心软件层的集合,也是互联网中枢神经系统萌芽。大数据代表了互联网的信息层(数据海洋),是互联网智慧和意识产生的基础。包括物联网,传统互联网,移动互联网在源源不断的向互联网大数据层汇聚数据和接受数据。云计算与物联网推动大数据发展。

5、网络监控

大数据下的网络监控数据,网络每时每刻都会上报海量事件、告警、安全、配置、网络、流量、调试等各种类型的消息。其中最重要的,是当出现异常时,大家需要知道发生了啥,是不是有某人在一个特定的时刻点在某地在某设备上做了一些大家不希望做的事。大数据看起来像大量的零售数据,但是它也可以像数以百万计的物联网数据和网络交互流。随着网络行业越来越依赖于交通流数据来理解这些动态,监控数据的增长随着网络本身的容量而急剧增加。网络监控(如NetFlow)可以在某些情况下每分钟生成数百万的数据记录。累积在任何时间段,这本身就变成了大数据。网络小组需要有适当的策略来处理这些海量数据,同时保留足够的细节以便能够进行有效的取证和知情的操作决策。


支持
我来说两句 0  条评论

返回顶部