周 弢

（珠海市卫生学校 广东 珠海 519020）

1 引言

互联网在我国得到大范围推广和普及，并逐渐融入到传统行业的发展过程中来，成为推动行业发展的一个重要动力[1]。互联网的广泛普及和迅猛发展催生了很多新的技术，比如大数据和人工智能等；另一方面，互联网的发展也使得各种数据信息以指数级的速度增加，这也是大数据技术发展的一个重要前提和基础。人工智能主要是利用计算机实现对人的思维能力认知能力逻辑能力的模拟。

互联网环境下，海量数据的聚合一方面增加了数据处理难度，另一方面也推动了大数据技术的发展。不仅如此，大数据时代，人们可以通过对数据的挖掘和分析得到有价值的信息内容，为推动行业发展提供支撑。需要注意的是，在这个过程中，由于互联网的开放性以及相关防护措施的不到位，使得很多数据信息很容易被窃取或者盗用，尤其是一些比较具有价值的数据信息更是受到来自不法分子的大肆窃取[2]。针对这种情况，有必要利用人工智能建设相应的计算机大数据安全技术平台，实现对海量数据的存储分析和查询，同时有效保护数据信息避免被不法分子进行盗取和使用，维护用户的数据安全。

2 网络安全数据采集

要想有效建设计算机大数据安全技术平台，首先要做好相关的数据采集和分析，并注重做好网络安全漏洞数据的采集和分析。通过对网络安全漏洞数据的采集和分析，为安全技术平台提供全面详细精准的服务。采集过程中，首先需要登录具体网址，并输入代码，然后由计算机实施数据采集和分析，并将其存储到指定位置[3]。

在采集过程中，针对漏洞数据的采集，主要是多个网站内的漏洞数据库编录的所有漏洞数据。在数据采集过程中，必须从网站自身的特征出发，要注重规避部分网站对爬虫行为的爬墙，在实践过程中，可以科学利用随机分配IP地址、以及随机分配使用网络代码用户代理浏览器等实现对网站的保护。

为了确保数据采集质量，要结合实际采取必要措施，确保数据采集达到相应的安全性时效性标准。是采集过程中，有必要根据采集需要针对其中的程序进行完善，确保采集质量。爬虫程序可以实现对数据采集的监控，这个过程可以对数据采集进行控制。不同的数据爬虫程序会选择对应的方式进行爬取，针对漏洞网页数据的爬取，很多情况下爬虫程序会选择队列式的方式进行，这种方式可以在较短时间内完成更多的工作任务，达到良好的工作效率。

在数据采集过程中，有必要针对初始种子进行定义，这是后续各项操作的一个必要前提，是实现数据采集的关键。完成种子定义以后，要结合漏洞数据的特征设计相应的队列和算法。一般情况下，漏洞数据的队列大都是网页内的URL数据，将这些数据收集起来。爬虫引擎在操作过程中需要实施反爬虫对抗技术，这么做的目的在于提高下载效果，并实现数据的存储。为了确保数据采集效果，需要关注网页数据以及相应的关键词，这是保证数据达标的关键，也可以提高数据采集的有效性[4]。

3 数据特征提取与脱敏

当采集的数据维度偏高，相应的也会导致数据的计算和采集更加复杂，这需要相应的时间。如果采集的数据维度特征存在差异，会直接影响到数据采集的精确度。在数据采集过程中，有必要针对维度较高的数据实时相应的降维工作。具体来讲，要将高维特征数据中的相关内容进行排除，进而达到降低其维度的效果，还要注重提取数据的关键特征，为达到良好采集效果打下基础。

在进行数据分类的过程中，首先要提取相关数据的特征，然后根据数据特征进行分类。可以对数据进行相应的分析和认定，并按照相关的关心系数对其进行计算，进而分析数据自身的特征，并对数据特征进行验证，这是顺利实现降维的前提，也是准确实现数据分类的关键。

为了实现数据脱敏，一般可以采用随机法匿名法等，也可以根据需要采用关联规则隐藏法，不同的方法其脱敏路径不同，但是都能将数据实现脱敏效果。可以将匿名法和关联规则进行结合，针对数据实时脱敏操作，进而达到预期的脱敏效果。将匿名法和关联规则进行结合，一方面可以顺利实现数据的脱敏，另一方面，还可以针对数据安全起到保护作用。在这个过程中，不仅能实现数据脱敏，也可以实现数据保护，因此具有良好实验效果。

4 身份认证与精细化访问控制

计算机网络安全保护系统建设过程中，经常采用的一种方法就是对用户的身份进行认证和加密，这种方法比较常用，其效果也较好。身份认证指的是利用计算机网络用户的身份确认从而实现对数据的保护[5]。加密技术也是一种比较有效的保密方法，主要是通过计算机技术对相关数据进行加密，然后进行数据传输，到达相应地址以后对其进行解密，这个过程可以有效保护数据避免受到其他用户的窃取和盗用。

大数据安全技术平台在使用过程中，主要以网址的方式接受用户的访问请求，因此每个用户在大数据安全管理平台环境下其身份都是相同的，也就是说，都是以临时代理网址的身份进行登录。但是这种模式有一个缺陷，就是无法将不同的用户进行区分，因此无法为不同用户提供针对性的服务。为了解决这个问题，可以设计一种方法，将用户的认证身份与授权身份进行分离，并保证访问平台的用户均为合法用户。而用户已授权身份进行访问 时候，可以对其身份进行确认并设计相应的权限。

大数据处理必须严格遵守相关的法律法规和制度要求，同时还要严格遵守互联网的安全协议和隐私要求。为了达到相关标准和要求，数据平台必须制定更严密的访问控制系统。在实践过程中，可以采用属性加密的方式对加密数据进行灵敏度共享，这可以减少密钥的管理时间和成本，达到更好的使用效果，促进系统的健康运行。大数据安全技术平台在运行过程中需要依托复杂的计算环境，在这个过程中，用户对数据访问的安全性也面临多种需要。

大数据安全平台技术的数据访问和要求和特征，一般可以在访问控制的基础上进行设置，也就是说，在访问控制的基础上对大数据安全技术平台的数据安全应用和灵敏分享进行设置。在这个过程中，主要是利用主客体属性细粒度访问控制的授权对用户对相关数据的访问权进行控制，从而一方面满足用户的数据使用需求，另一方面确保数据使用的安全。不仅如此，还要注重针对大数据访问的主体客体参数指标等进行灵活性科学性设置，尤其是针对涉密数据进行实时访问隐私事件的发生顺序数据资源的修改次数等进行准确记录，这个过程可以保护用户数据，还可以为后续的管理控制提供必要的数据支持，为达到系统性安全性分析控制提供支撑。

5 实验与效果分析

为了准确分析人工智能环境下的计算机大数据安全技术平台的建设效果，可以将其与传统的计算机大数据技术平台的运行进行对比，尤其是分析不同平台对数据的保护效果，以及泄露信息的风险程度。本次实验将人工智能环境下的计算机大数据网络安全技术平台与传统的计算机大数据网络安全技术平台进行对比，分析两种平台在相同网络环境下对数据的保护效果，尤其是对用户数据信息的保护效果，分析人工智能环境下计算机大数据网络信息安全平台对数据隐私的保护效果。

5.1 实验准备

为了准确验证两种平台对数据的保护作用，有必要设计三台服务器，根据根据需要对数据和平台进行合理分配。在实验过程中，要根据需要对数据进行合理分配，并在不同的平台是对数据安全进行检测。这个实验需要将两个平台置于相同环境下，因为只有这样才能确保检测的科学性客观性和公正性。要根据需要设置相应的IP地址并进行分配，为顺利实现实验打下基础。

针对其余两个服务器分配地址。在实验过程中，为了确保实验的科学性、有效性可以将两个平台置于相同的实验环境，在这种环境下对其隐私泄露风险进行实验和检测。两个平台在相同的数据平台下进行运行，并对其进行相同的数据安全性检测，可以准确对比两种平台对数据信息安全性的保护效果，并对比在不同平台环境下数据的运行安全。在运行平台的过程中，大数据处理必须严格遵守相关的法律法规和制度要求，同时必须严格遵守相关的互联网安全协议。在这个过程中，两个平台必须制定相应的访问控制系统，确保数据在运行过程中的安全性。不仅如此，还要结合需要针对特定数据进行加密，一方面方便用户进行访问和使用，另一方面有效提高数据的安全性，避免数据在运行过程中受到外界干扰或者盗用，提高系统安全性。

5.2 实验结果分析

要将两种平台置于相同的环境下进行工作，在此基础上观察数据的安全性，明确不同平台对数据安全的影响。实验结果显示，人工智能计算机大数据安全技术平台能够更好保护数据，这是因为这种系统设置了对应的数据保护系统，针对数据安全进行专业保护。与新型系统相比，传统系统难以实现对数据安全的保护，难以达到良好的数据运行效果。将新型系统应用到很多场景下都能取得良好运行效果，都可以有效保护数据安全。在使用过程中，可以结合实际需要对访问控制进行设计，也就是说，根据需要对大数据安全平台的安全等级和应用进行设计，从而满足不同的使用需要，达到精准的数据安全控制。

在这个过程中，主要是利用主客体属性细粒度访问控制的授权对用户对相关数据的访问权进行控制，从而一方面满足用户的数据使用需求，另一方面确保数据使用的安全。不仅如此，还要注重针对大数据访问的主体客体参数指标等进行灵活性科学性设置，尤其是针对涉密数据进行实时访问隐私事件的发生顺序数据资源的修改次数等进行准确记录，这个过程可以保护用户数据，还可以为后续的管理控制提供必要的数据支持，为达到系统性安全性分析控制提供支撑。

6 结论

分析发现，传统的数据安全技术往往难以有效保护大数据环境下的数据安全，而当前我国已经全面进入信息化时代，大数据技术得到广泛应用。基于此，有必要开发更为安全的数据保护技术。可以依托人工智能对数据进行保护，得到更加有效的数据保护效果。研究发现，基于人工智能的计算机数据安全平台能够达到良好的数据保护效果，可以在多个环境和领域得到有效应用。