大数据是在计算机领域被首次提出的一项专有名词，随着大数据技术的变革和应用渠道的拓展，现如今，大数据技术已经融入经济、社会、政治甚至文化发展领域中，成为不同领域工作模式变革和数字化发展的关键支持技术。大数据背景下的社会变革迅速，通信网络的建设已经成为个人生活和企业构建不可缺少的重要环节，个人隐私、商业机密等重要通信内容都需要依赖网络条件进行传达和存储，在此过程中一旦受到不法人员的信息侵袭，通信网络安全就会无法得到保障。因此，探究大数据背景下通信网络安全管理策略就显得极为必要。
1大数据下通信网络技术应用
1.1防火墙与加密系统应用
防火墙在当前网络防御应用率非常高，作为一种在内部、外部网络和专用、公用网络之间的有力安全屏障，防火墙能够凭借隔离操作和访问控制功能过滤掉多数不法访问要求，控制安全性较差用户的访问权限，这无疑是给通信安全安装了一道保险门。通信加密是弥补网络漏洞、防止信息泄露的关键环节，常见有密码加密、扩散加密、物理加密等多种加密形式，与防火墙联用相当于为通信网络安全加上了一把大锁。但是无论再高超的防火墙技术与加密系统，随着时间的推移，职业黑客和信息盗窃不法分子仍然能够找到其中漏洞，这就说明通信网络安全屏障需要不断更新迭代。因此，在大数据背景下，通信技术人员应该利用大数据的信息收集能力，提升自身技术上限，对既往防火墙与加密系统开展研究和更新，建立技术领先意识，将安全性和使用性能更高的系统应用于网络通信中。
1.2异常通信数据采集与分析
大数据的一大优点就是信息收集的广泛性和迅速性，这一优点应用于通信网络安全管理时，能够与通信技术相配合，建立出具有优秀发展前景的异常通信数据采集与分析系统。这一系统主要包含数据采集和集成分析两个模块，其中数据采集模块是整个系统运行的关键环节。从数据广泛性来看，数据采集工作需要涵盖用户数据、传输数据、流量监测、漏洞更新、事件日志等，从数据抓取过程来看，可靠而稳定的信息抓取设备是数据采集的基础。大数据技术的应用面非常广泛，采集完成的数据需要经历大数据技术的筛选和挖掘，异常结果需要依靠大数据进行可视化呈现和数据备份。异常通信数据采集与分析系统在企业通信安全管理中的应用价值最高，通过对企业通信网络信息的抓取和分析，许多还未成为高风险的通信安全事件都能够得到提前控制，这对降低企业信息管理成本，减少重要商业信息泄露概率有重要作用[1]。
2基于数据挖掘的分析
移动通话中将产生大量的测量数据,系统都将完全记录该部分信息数据。 由于这样的数据是海量的,根据系统预先定义的 KPI 统计指标,网管系统将有选择性地生成大量的统计报表,用来反映网络质量。 以通信网络接入性能类指标为例,统计报表包括:寻呼成功率、信道可用率、信道拥赛率、信道分配成功率、信道可用率、信道拥赛率、信道分配成功率、通信接通率等,这些指标每小时对每个基站、每个小区都有相应的数值。从信令面到业务面全方面的分析业务质量、用户感知等指标;还通过智能关联并提取 A 口及 Abis 口信令数据,以对OMC 和DT 数据形成补充,对问题小区、用户投诉能做到准确的还原与再现,同时建立真正的用户行为模型。 通过从用户侧模拟、网络侧关联、平台侧统计,多角度地提取相关数据,能全面地发现网络中存在的问题,同时为定位问题原因和提出解决方案提供基础。传统的运维一般采用“事后驱动”模式,即当小区内设备产生告警或者用户投诉量大时,才对该小区进行处理,这导致所有的响应都是补救式的,极大地影响了用户感知。 本文采用大数据一体化分析模式,将整个网络作为整体考虑,综合分析路测信令、设备告警和用户投诉等信息,主动发现问题,同时在发现某一小区存在问题后,平台会对网络内其它小区进行评估,通过地理近似、用户行为模型近似等特征寻找可能出现相同问题的小区,进而发现其他小区存在的隐患问题。 通过采用大数据分析模式,将网络运维由传统的补救式转变为发现式,提高隐患问题点的发现能力,提升用户感知。在移动通信网络运维中,故障现象和故障原因之间的关系是复杂的、非线性的,给网络运维人员分析、处理和解决问题带来很大的难度。 难以建立故障原因与症状之间的精确数学模型,是一个复杂的非线性系统,多数情况下只能凭借工程师的经验来综合判断。 大数据分析适合不同环境的智能化故障诊断模型,这些诊断模型能加快网络运维工程师对故障诊断的定位和解决的速度。 专家系统固化了现有的网络运维经验,在一定程度上可克服资料和经验上的不足,从而对问题进行定位,并提出相应的解决方案,显得更加客观、合理。平台通过数据挖掘在网络运维中应用的分析,并针对现在运维体系存在的缺陷及实际运维工作的需求,后台维护人员通过数据挖掘利用可以将现有优化系统统一起来,形成一个统一分析、统一处理的系统,同时更多地运用计算机、数据库、数据挖掘、人工智能等现代化技术对网络进行智能化分析,找出网络存在的问题并给出解决方案[2]。
3大数据分析技术在网络故障诊断的应用
平台首先对大量多源的原始数据进行采集、收集、储存,然后对这些数据进行过滤与分析等多重处理,再利用大数据进行排除和判断,对通信网络故障问题定位,最后通过后台展示和决策功能,为通信运维工程师、通信运维管理者、通信参与者提供高效率的服务。 整个平台采用分层架构设计,分数据采集层、数据处理层、数据应用层 3 层,每层通过接口和相关协议进行数据交互,每个功能都是低耦合高内聚,具有很强的鲁棒性。 数据采集层主要将网络的基站数据、参数数据、工单数据、话务数据、湿度数据、温度数据通过数据采集层收集到大数据平台中,数据处理层对数据进行提取、格式识别、数据编码,同时对海量异构数据进行处理,然后进行储存,通过相关的容器中介进行数据转化。 数据转化后,同时需要对不完整的数据进行补缺操作,对缺少的数据进行修正,并按照相关的规律算法进行需求补齐。 数据应用层根据不同的使用者的需求,实现网络覆盖优化、网络干扰、网络故障定位、网络故障分析、处理反馈等功能[3]。
结束语
综上所述，大数据背景下的通信安全同时面临着机遇和挑战，站在辩证思想角度来说，这样的机遇和挑战是合理的，一种事物想要得到长足发展，必定是在各种挑战中获得经验从而进步。因此，对影响通信网络安全的因素进行发掘，对既往安全管理情况进行剖析是提高通信网络安全管理策略的有效性的有力方式，对通信网络安全管理策略展开了详细讨论，希望能够通过技术革新和人员培训等策略的提出，为我们通信网络安全壁垒的建设添砖加瓦。
参考文献：
[1]杨洪平.大数据技术在5G通信网络中的应用研究[J].江西通信科技,2020(04):11-13+16.DOI:10.16714/j.cnki.36-1115/tn.2020.04.004.
[2]丁佳伟.大数据技术在5G通信网络中的应用[J].计算机产品与流通,2020(07):30.
[3]林和宗.大数据技术在5G通信网络中的应用[J].科技创新与应用,2020(06):183-184.
