大数据通信过程风险识别与指标体系研究(2)

可以看出每个判断矩阵的一致性系数小于0.1，表明该矩阵的一致性是可以接受的. 每个次级折射率层的权重值为: W′B i ＝ W A i×W B i（i ＝ 1、2、3、4）（1）在等式（1）中: W B i是每个次级折射率层的Index值； W A i是与第二级索引层相对应的第一级索引的权重值. 最后，获得了大数据传播过程的风险评估指标的权重，如表2所示. 表2.大数据传播过程的风险评估指标. 第一级指示符层（A）的权重和第二级指示符层（B）的权重. 环境风险传播的权重（A1）0.1571（B11，B12，B13）=（0.025 7，0.067 2,0.058 8）传播内容风险（A2）0.316 5（B21风险识别指标，B22，B23，B24，B25， B26，B27）=（0.035 5,0.061 9,0.035 0,0.053 0,0.039 3,0.059 6,0.032 2）沟通行为风险（A3）0.328 9（B31，B32，B33，B34，B35，B36，B37， B38）=（0.025 3,0.064 2,0.053 5,0.060 7,0.027 6,0.036 3,0.03 33,0.028 0）安全管理风险（A4）0.202 9（B41，B42，B43，B44，B45）=（0.029 4，0.058 8，0.029，9，0.039，6.045 2）从表2中，我们可以看到: 风险指数的权重最高的比例表示风险指数的重要性最高，这与内容安全性是大数据传播的核心；传播环境风险指数的权重排名第二，这与传播环境的安全性是大数据安全传播的基础是一致的；安全管理风险指标的权重略低于传播环境风险指标，遵守安全法规是保证大数据传输安全的重要手段. 沟通行为风险指数的比重最小，在实际沟通过程中也相同. 一方面，由于行为风险本身的可能性和不确定性，另一方面，环境指标，含量指标和安全管理指标间接支持了行为安全的保障.

可以看出，本文构建的评价指标体系基本符合各种影响因素在实际沟通过程中的影响，具有一定的科学性和客观性. 3.4指标体系的验证为了验证指标体系的合理性，选择大学的网络环境为对象，参考构建的指标体系，并邀请信息安全领域的三位教授对网络环境进行评分，取分数结果的平均值. 各指标因子的分级规则见表3. 表3网络环境绩效评价等级评价等级无评价问题100优90〜99优80〜8918万立方数据彭应涛等: 《风险识别与指标体系研究》大数据传输过程表3（续）评估等级好70〜79一般60〜69差1〜59问题很严重，无法量化0三个级别的教授给出的评分结果均为平均值I: I = [76.00，79.33，79.67，82.33，83.67，82.67，81.00，85.33，84.67，81.33，85.67，83.67，78.00，77.33，100.00，76 .00，77.67，77.00，82.67，80.67，82.00，84.67，83.33]. 计算经验对象Y的综合得分: Y = ∑I×WB（2）在等式（2）中，WB表示每个次级指标的权重.

计算的Y ＝ 81.69. 最后，以专家的综合得分值作为最终的综合评价结果，可以看出，经验目标大学网络环境得分水平是良好的. 对综合评分结果的分析表明，该大学在传播内容安全和安全管理方面表现突出，具有更好的传播内容安全保证能力和安全管理保证机制，可以基本保证大数据传播过程中数据内容的安全性. 但是，通信环境安全和通信行为安全的性能略有不足. 其中，需要加强对通信环境突发性环境风险的应急防范，对通信行为的行为风险响应和安全保障进行改进. 因此，研究对象应注意加强对环境风险和行为风险的保护，提高大数据通信服务的质量. 4.结论安全风险评估是确定大数据发布过程的安全状态，提取数据发布过程的安全要求并按有序计划构建信息安全系统的方法，是社会各行各业提高保护水平的主要手段. 与信息安全建设的效率. 在分析一般网络传播过程模型和传播风险的基础上，建立了大数据环境下基于风险因子的传播过程模型，并结合经典的Defield方法和AHP方法讨论了网络传播过程的构建. 大数据传播过程的风险. 评价指标体系是通过大学的网络环境进行验证的. 实证分析表明，该研究与现实相关，具有一定的科学性和合理性. 但是，本文的研究存在评价指标的主观性和权重确定方法等不足，缺乏对指标体系的深入验证等问题. 有待进一步研究.

参考文献: [1] Turner V，GANTZ J F，REINSEL D等. 机会的数字世界: 丰富的数据和物联网的不断增长的价值[R] .Framingham: 国际数据公司，2014 [. 2]胡继明. 社交网络环境下的信息传播机制[J]. 情报科学，2015，33（1）: 15-18，34. [3]陈慧娟，郑晓，陈欣. 微博网络信息传播综述研究[J]. 计算机应用研究，2014，31（2）: 333-338. [4]刘晨，王玉清，周立新等. 复杂网络传播模型研究[J]. 系统科学学报，2016（2）: 81 -86 [5]冯娜，王红军，李明. 信息系统安全风险分析模型: . [3]刘晓红，李明. 风险因素的因果关系与脆弱性传播分析[J]. 情报科学，2014,256（1）: 57-73. [6]叶夏明，温福拴，尚金城，等. 电力系统信息物理安全风险的传播机制[J]. 电网技术，2015，39（11）: 3072-3079. [7]吴志军，杨义贤. 信息安全保障评价指标体系研究[J]. 计算机科学，2010，37（7）: 7-10，82. [8]黄国斌，郑琳. 大数据信息安全风险框架与对策研究［Ｊ］. 图书馆科学研究，2015（13）: 24-29. [9]刘向宇，王斌，杨晓春. 社交网络数据发布隐私保护技术综述[J]. 软件学报，2014，25（3）: 576-590. [10]朱光，冯Min，陈业，等. 大数据环境下社交网络隐私风险的模糊评估[J]. 情报科学，2016，34（9）: 94-98. [11]张玉良. 基于发生期的网络舆情风险评价指标体系[J]. 情报科学，2012（7）: 1034-1037，1043. [12]王娟，张凤丽，付冲，等. 态势感知指标体系的网络研究[J]. 作者简介: 彭应涛（1993-），男，河南商丘，硕，主要研究方向是智能信息管理；计算机应用，2007，27（8）: 1907-1960，1912. 宋绍仪（1986—），男，辽宁省营口市，讲师，主要研究方向为信息安全管理，博弈论. 方德英（1964年至今），男，原籍河南省南阳市，教授. 他的主要研究方向是信息管理和系统工程. 28,000平方米的数据

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/jisuanjixue/article-277986-2.html