KY开元·(中国)集团

大数据下网络稳定性测试基础的研究

2025-11-17 00:21

  随着计算机技术与互联网技术的快速发展,人类产生的数据量正以指数级速度迅速膨胀,海量的数据包括了很多用户信息等敏感信息,和国家的机密信息。这样难免会吸引来自世界各地的各种人为攻击,也就是我们常见的,不断发生的网络安全事件、入侵事件和不同网络事故爆发的频率明显增加。例如数据篡改、信息泄漏、数据删添、信息窃取和病毒攻击等问题。大数据具有3V特性,即Volume(海量)、Velocity(高速)和Variety(多样)。所以在大数据的通信环境下,大数据网络安全是一个综合性的问题,涉及了包括技术、管理和使用等许多方面。而网络突发事件发生往往有不确定性,不同的数据流量对网络的稳定性要求也表现出不同,大数据在数据量、数据类型和处理时效性等方面带来了新的挑战。所以在大数据下网络稳定性方面,需要准确及时有效的了解在用户行为大数据下的通信网络的稳定性表现,才能保证计算机安全得到一个最大化的保护过程。

  网络稳定性是一个全球都比较关注的重要问题,近期,美国对网络稳定性就做了这样一个说法,认为络稳定性是美国乃至全世界繁荣昌盛的基石,而且更深层次的认为网络的稳定不仅是技术问题,更是经济、政治与社会的一个综合性问题。2012年7月20日在美国总统奥巴马就在《华尔街日报》撰写专栏有这样一段文章叙述,论证网络稳定性的重要性,并指出了关于网络威胁问题,并深刻的提出这是美国所面临的最严重的经济与国家安全挑战问题之一。但是在有效维护网络安全方面,需要建立一个完善的技术架构,同时也是一个全球性都要参与事情。网络稳定性就是当网络发生入侵等突发性危机的事件过程时,计算机网络所表现出的具有抗干扰、抗毁性能力的大小,并且具有为大规模数据通信下的突发性事件提供有效帮助,保证在一定时间效益最大化和网络损失最小化。而对于在大数据环境下网络稳定性的评价需要从评价指标和稳定度思考认识。

  1、模糊层次下网络评价指标稳定度分析。模糊层次分析方法具有简便、灵活而又实用的多准则决策,是一种极容易通过编程实现的建模形式,具有比较好的实用性,能够很好的解决在设备选择问题中的定性与定量的抽象,也能够避免矩阵的一致性困难和建立的矩阵与人的思维差异问题。江南app大数据通信下的网络稳定性评价指标较多,一般采取相互直接关联性较为有效。采用模糊层次分析措施得到各种指标下的评价权重,采集的指标在大数据通信下表现出网络稳定性分析层次性,并且大量检测指标呈现出了一定的模糊性,可利用模糊层次分析措施能够得到不同指标的权重:在式中:,表示用户行为在大数据环境中网络衡量指标的权重集;是指专家对各种指标的打分评价集,而且这类集合能够从经验中得出;W表示是描述模糊互补矩阵,具有。然后在Y里各种数据量中网络稳定度测试指标的权重与达标评估系数依次进行相乘,在求和中得到单个不同指标的稳定度:。而是指在大数据环境里用户行为的网络单个指标的稳定度表现。

  2、多指标下网络的稳定性评价。多指标是相对于单指标而言,多指标通信网络组成是由大数据通信子系统、数据协调通信系统以及漏洞修补子系统三个并联系统和一个串联系统构成,在多指标大数据通信下的网络稳定性评价体系下多指标结构评估则是一个串联同并联融合的混合指标评估过程,可得到计算机网络总体指标的稳定度的运算公式为:,确保对其实时的稳定程度有一

  二、构建大数据下相应网络稳定性的区域评估模型测试对”大数据”环境下而言,最为重要的是计算系统在不规则的、随机的通信模式中存储和交换海量数据的能力,而不是进行大量浮点算术运算的能力。所以Graph500采用的是每秒遍历的边数(traversededgespersecond,TEPS)作为性能评估指标来比较超级计算机处理同类复杂问题的能力。本文采用6个反映高风险大数据通信下网络发展特征的主要指标,塑造计算机网络性能评估指标体系,指标分别为:信道宽度,紧急检测,安全检测人员比例,可承载的数据量,信道可承载量,调度能力,这些指标描述了大数据的通信环境中计算机网络的评价指标,可通过主成分分析法进行简化。假设存在n个年度,假设n=10,p个评估指标,其中p=6。

 谷歌地图 百度地图