大数据下电子信息应用技术探究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了大数据下电子信息应用技术探究范文，希望能给你带来灵感和参考，敬请阅读。

摘要：在互联网时代的高速发展下，社会信息化程度得到了显著提升，网络与人们生活的联系日益紧密，在大数据时代下，各类数据信息的处理要求也越来越高，随之也对电子信息应用技术提出了更为严格的要求。同时，大数据时代的数据种类也更加复杂，除了各类信息之外，还有系统日志、防火墙、网络流量、应用日志等内容，多源异构的数据对电子信息应用技术提出了挑战。本文主要以大数据时代的变化为背景，探讨大数据环境下的电子信息应用技术。

关键词：大数据时代电子信息应用技术研究

近年来，大数据得到了迅速发展。迄今为止，全世界各个领域中都有大数据的影子。当代社会是一个信息爆炸的时代，当前电子信息网络用户基数也越来越大，每天都会产生大量数据。在大数据环境下，对于电子信息应用、处理技术提出了新挑战，在大数据时代的发展下，数据的重要性日益凸显。

1对大讓的分析

大数据是电子信息、信息与通信技术的结合产物，发展至今。阿尔文？托夫勒提出：“大数据是现代社会变革和发展不容小觑的重要武器”，但是，截至目前为止，关于大数据还没有准确、统一的表述。从字面意义来看，大数据即数据体量大、爆炸性增长的数据，大数据属于全新的信息资产，依托于数据处理模式，可以让各类信息资产发挥出惊人力量。根据麦肯锡公司的定义：“大数据是指在一定时间内无法用传统数据库对数据内容进行采集、存储、分析、管理的数据集合”［11。从哲学角度来看，大数据是人类社会发展的一个必然产物，在大数据时代的到来下，各类物质、意识、思维的呈现形式都发生了显著变化，这标志着我们迎来了“万物皆数”的时代，在大数据时代中，人们需要借助数据理解万物，任何一切都是基于数据从得出，最终也会演化为数据。在大数据时代，具有几个重要特征。

1．1结合了实体与信息

在大数据时代中，各类客观事物都可以利用数据来量化，如空间、时间、科学研究、个体行为、音频、视频和图像等。大数据的主要特征就是实体与信息之间的结合，信息与实体不同，大数据时代的数据实体，为信息的理解提供了必备条件，能够将万事万物转化为可以理解的语言，利用数据化的形式做到了人机结合。以银行大厅智能机器人助理为例，不仅可以进行筒单的认知交流活动，还能够针对咨询客户的需求来做出数据分析，将客户需求转化为数字代码，利用大数据来判断其潜在需求，为其提供解决方案，不仅能够提高工作效率，也有效降低了人力成本。

1．2满足了独享与共享

大数据实现了线下、线上之间的融合，进一步扩大了信息圈，诞生了集体智慧，呈现出上升趋势。数据拥有者可以独享数据，也可以将数据上传到网络，让其他人一起共享，每个人都可以利用大数据来更新知识结构、完善认知，这类信息均是网络空间系统的重要组成，人们可以在生活中相互交流沟通，这不仅不会影响信息传递，反而能够扩大信息共享范围，构建出全新的知识体系。

1．3拥有与使用的结合

在信息社会的发展下，各类资源都表现出新的发展趋势，实现了拥有、使用之间的结合，在大数据时代到来前，人们习惯沿用传统的思维习惯，个人的信息所有权属于个人时，个人才拥有使用权，而在大数据时代中，不需要拥有就可以便利的使用，使用者、拥有者之间可以共享资源，颠覆了传统的思维方式。

2大麵时代下电子信息技术的应用特点

大数据、电子信息之间是息息相关的，电子信息的发展推动了大数据时代的进步。当前，电子信息信息处理技术也在更新迭代，在大数据时代下，对于电子信息技术的应用提出了更高要求。首先，数据处理分析更加膨胀：大数据时代下，各类数据资源越来越复杂，每天都会生成大量的信息数据资源，给互联网运营商带来一定的数据管理压力，只是单一的信息量分析，那么电子信息的分析效率并不高，很容易出现错误问题。其次，信息数据种类更加丰富：在科技的发展下，受众对于互联网的接受度越来越高，互联网中出现的大数据不仅涵盖电脑，也涵盖智能手机、移动平台终端，信息数据的来源更加多元，现有的分析技术很难满足信息处理要求。最后，信息传播过程表现出快速化，即时性的特征，在信息技术的发展下，信息传输过程表现出了实时性、高速性的特点，受众对于信息数据的及时性要求越来越高，这对于电子信息信息处理技术的要求也显著提升。

3大酬时代下电子信息应用技术

3．1分布式信息处理财

分布式信息处理技术是以GDS作为核心，应用分布式储存、分布式处理的方式来提升信息处理速度，优化读写结构。数据存储上，应用了阵列式存储方式，不仅能够对数据进行模块化管理，也能够对数据进行循环利用，提高了检索速度。在这一技术的应用上，需要构建出科学完善的信息安全体系，其内容涵盖安全技术、安全管理、安全组织机构几个部分，安全管理是在平台架构中设置的安全管理流程和安全管理制度，同时，制定科学的安全风险分析模块，从管控方面着手，利用科学的技术和方法对其中的信息进行风险识别，根据风险评估结果来制定防控预案，避免受到外来因素的影响［2］。在具体的操作方式上，需要科学制定风险评估范围，对各类业务内容进行细致调査，形成安全需求评估报告，并识别数据风险，对数据开展核实评估，将其整理为评估报告，应用科学的危险品安全威胁评估手段，对异常行为进行检测、扫描，通过渗透测试、手工检查等方式来制定风险计划，制定防控方案，让各类数据都能够处于安全环境中。同时，对于信息的采集，也要高度重视。数据是在各类安全资源中采集而来，并按照安全事件转化为存储格式，再根据关联规则来进行分析，将信息预警时间显示在平台上，如果用户需要获取信息，宣接点击按钮即可。另外，还要强化安全监控。安全监控是针对数据库、端口、服务器、网络设备应用进程进行的监控，以确保信息在存储传输中的安全，相关人员要对各类信息数据进行实时监控，构建统一的管理架构，确保符合大数据时代的信息安全管理需求，并进一步规范数据运维安全管理流程，设置接口层、业务逻辑层和采集数据层，发挥出每一层级的作用，为用户提供优质的信息服务＇

3．2信息麵挖掘技术

信息数据挖掘技术是基于大数据信息搜索、数据结构关联技术对相关数据开展系统化分析、挖掘的过程，其主要流程。

3．3分类与聚突分析

数据分类即针对数据内部节点开展分类，再借助数据分析技术，对节点做出假设判定、结构预测，预测出信息咨询方向。聚类分析、分类分析之间具有显著差异，前者是将数据划分为对象组，再以此作为基础，对数据进行快速分析。聚类分析、分类分析都会涉及语言编码技术、网络拓扑技术，因此，在数据挖掘、空间分析以及情感分析领域中，都有广泛使用。聚类分析对象是示例集合，并非单一示例，也不是传统意义上的聚类任务扩展，具有特殊之处。分类分析的方式多种多样，单一分类方式如贝叶斯、决策树、Kjfi邻、人工神经网络、支持向量机等，还有Boosting、Bagging等，各类算法的优缺点也不同，一般情况下，最为常用的就是SVM算法。

3．4关联规则学习

关联规则学习是针对大量数据分析、处理时，借助节点排序、数据对比等方式来分析数据关联规则，对复杂数据来筛选、规律的方式。在传统的二分类、多分类领域中，一个对象对应的是一个类别标记。在真实对象中，分析对象大多有着多义性的特征，以图像分类为例，一般图像常常会对应多个标记。在时代发展下，数据量越来越大，数据复杂性也更高，单一的标签学习难以满足技术发展的需求，多标签成为了目前的研究成果。如今，多标签被应用在音乐情感分类、文本分类以及图像视频等领域之中。针对多标签学习算法，其研究重点主要在于算法适应、问题转换上。问题转换可以将多标签学习转化为单标签学习，代表性的有LP、BR以及CC。在社交网络、物联网快速发展的状况下，关于挖掘数据的关联性，也成为当前业界的研究热点。实践显示，在把控好置信度、支持度基础上，利用关联规则学习，能够保障算法的精准，且算法复杂度并不是很高。就当前来看，关联规则学习还是集中在多标签学习算法上，在下一阶段，还需要将多标签学习算法、关联规则挖掘算法之间结合起来。

4结语

在大数据时代背景下，电子信息技术的作用不言而喻，对于我国信息化建设的进程产生了直接影响。大数据环境下电子信息技术的应用，需要关注到诸多问题，强化信息采集、处理和应用，提供与之相符的信息安全技术，为大数据时代的发展提供更多便利。

参考文献

［1］钱喻铐．大数据环境下的计算机网络技术在网安领域的运用［j］．网络安全技术与应用，2019，（11）：66－68．

［2］吴婷，何妞．大数据时代计算机软件技术的开发与应用浅析［J］．农家参谋，2019，（21）：171．

［3］裴衣非，韩艳，卢凤，等．大数据环境下云存储技术的应用［J］．信息与电脑興论版），2016（16）：149－150．

作者:许伦湘 单位:湖南交通工程学院