随着互联网技术的飞速发展，云计算技术的应用也越发广泛，大数据时代的到来让网络信息安全成为了一个重要议题。数据挖掘技术的应用，为网络信息安全提供了新的技术支持手段，通过构建完善的安全防范模型，能在一定程度上提升网络信息的安全性。本文将针对当前网络信息安全环境下的安全风险因素进行分析，并探讨数据挖掘技术支持下的网络信息安全对策。
关键词：数据挖掘技术、网络信息、安全、对策
一、网络安全威胁分析
1.1 网络木马及僵尸网络
网络木马和僵尸网络主要是通过计算机系统漏洞和病毒的自动传播功能，将隐藏的病毒导入服务器和客户端，导致与计算机网络相连的设备都被病毒感染。
1.2 P2P下的Dos攻击
P2P网络因其隐蔽性、可拓展性和开放性的特点，被部分违法人员利用，通过伪装恶意信息如木马、病毒、蠕虫等方式，对网络资源使用者进行攻击，导致网络信息系统的损坏。
1.3 拒绝服务攻击
拒绝服务攻击是网络安全威胁的主要方面之一，攻击者通过连续的服务请求指令，造成服务器资源供给功能失效，拒绝正常网络通信服务，最终可能导致服务器崩溃。
二、数据挖掘技术支持下的网络信息安全管理模型构建
2.1 数据挖掘技术概述
数据挖掘技术是基于用户行为的移动数据分析平台，它具备实时全量采集用户行为的能力。在实际应用中，数据挖掘技术涉及数据变换、数据清理、数据挖掘实施过程、模式评估和知识表示等环节。数据挖掘主要是通过选择合适的分析工具，采用统计方法、事例推理、决策树、规则推理、模糊集、神经网络、遗传算法等方法对数据信息进行处理，从而获得所需分析信息。
2.2 网络信息安全管理模型中的数据挖掘算法
网络信息安全管理模型中的数据挖掘算法主要包括分类算法和序列分析算法。分类算法通过分析数据训练形式构建分类属性模型，并根据模型数据库元组分析方式进行属性类别分析，以实现分类规则的明确和模型预估精确程度的分析。序列分析算法则基于数据记录的相关性分析，进行交易序列模式挖掘，以获得用户规定的最小支持频繁序列，并结合数据关联规则进行序列模式的选择和原始数据序列功能的设置。
2.3 基于数据挖掘的入侵检测模式构建
基于数据挖掘的入侵检测系统包括数据采集、数据预处理、数据决策、数据算法等方面。数据采集及预处理主要是通过程序内数据截取，并将其转化为ASCII格式网络数据包。进一步分类处理可形成多种网络连接形式的网络数据包。在数据挖掘环节，需要整合计算机网络内部用户行为数据、当前计算机业务数据，并进行数据噪声去除处理，以保证数据挖掘的高效性。数据目标确定后，需结合关联规则数据库、序列模式分析算法、系统网络算法等进行数据挖掘实施。
数据挖掘技术在网络信息安全领域内具有重要的应用价值。通过采用合适的数据挖掘算法和构建有效的网络信息安全管理模型，可以对网络安全威胁进行有效的识别和防范，从而在大数据时代背景下，更好地保障网络信息的安全性。随着技术的不断进步，数据挖掘技术在网络安全领域的应用将会更加深入和广泛，为网络信息安全提供更加强有力的技术支撑。
