下载文档原格式
大数据技术在海洋科学研究中的应用随着人类对海洋资源的认识越来越深入，海洋科学研究已经成为了一个备受关注的领域。
而大数据技术的兴起，则对海洋科学研究提供了全新的思路和方法。
通过海洋数据的采集、存储、处理和分析，大数据技术正在为海洋科学研究注入新的动力。
一、海洋数据采集大数据技术的第一步，就是海洋数据的采集。
一方面，这种采集可以通过各种传感设备来完成，如浮标、卫星、无线传感器等等。
这些设备可以自动记录海洋环境中的物理、化学、生物参数，通过气象站、潮汐站、声纳等设备，对海水的温度、盐度、流速、压力、声测深等参数进行监测；通过水下机器人、潜水器等设备，对海洋中的生物资源如鱼类、贝类、海草等进行采集和监测；同时还可以通过卫星对全球海洋进行遥感监测。
这样通过设备自动采集得到的数据，就可以大大提高数据的质量和精度，并将海洋数据的时间和空间覆盖范围扩大到了全球。
另一方面，威海大学海洋科学学院与公安部海警局青岛海事分局等合作，在全海域启动了一项“全海域海上夜间联合巡航”科学考察计划，通过对船舶上的传感器进行数据采集，对全海域内的海上交通、生态、气象等情况进行了实时监测和分析，从而积累海洋数据、完善海洋数据信息库。
这些采集得到的数据，将存储在服务器或云计算中心中，并进行清理、整理、结构化处理，以便后续对海洋数据的分析和利用。
二、海洋数据分析一旦有足够的数据来源，大数据技术的主要任务就是将这些数据分析并转化为可视化、可理解的信息。
这些信息可以用来通过模型分析海洋生态、海流、热量传输、水文循环等复杂的物理过程。
在海洋科学研究中，大数据技术可以用于建立海洋生态模型、海流模型、温度模型、盐度模型、波浪模型等。
这些模型不仅可以成为科学研究的重要工具，而且还可以是海洋资源开发的指导性工具。
例如，预测渔业资源的丰衰期，可以帮助渔民实现最大限度的利用，而预测海冰的变化，有助于解决海洋航行的安全问题，预测风浪过程，有助于调整沿海建筑的设计等。
大数据在海洋资源管理中的应用在当今数字化时代，大数据已经成为推动各个领域发展和创新的重要力量，海洋资源管理也不例外。
海洋覆盖了地球表面的约 70%，蕴含着丰富的资源，如渔业资源、矿产资源、能源资源以及海洋生态系统服务等。
然而，海洋资源的管理面临着诸多挑战，包括资源分布的复杂性、生态系统的脆弱性以及人类活动的影响等。
大数据的应用为解决这些挑战提供了新的途径和方法。
一、大数据在海洋资源管理中的数据来源要实现大数据在海洋资源管理中的有效应用，首先需要了解数据的来源。
这些数据来源广泛，包括但不限于以下几个方面：1、卫星遥感技术卫星能够提供大范围、长时间序列的海洋观测数据，如海洋表面温度、叶绿素浓度、海冰覆盖范围等。
这些数据对于监测海洋生态系统的变化、渔业资源的分布以及海洋环境的动态具有重要意义。
2、海洋监测平台包括浮标、海洋观测站、科考船等。
它们可以实时采集海洋物理、化学和生物参数，如海水盐度、溶解氧含量、浮游生物数量等。
3、声学监测设备用于监测海洋中的鱼类活动、海洋哺乳动物的声音等，为渔业资源管理和海洋生物保护提供数据支持。
4、渔业捕捞数据包括捕捞量、捕捞地点、捕捞时间、捕捞物种等，有助于了解渔业资源的现状和变化趋势。
5、海洋地理信息系统（GIS）整合了海洋地形、海底地貌、海洋功能区划等空间数据，为海洋资源的规划和管理提供基础地理信息。
二、大数据在海洋渔业资源管理中的应用渔业资源是海洋资源的重要组成部分，大数据在渔业资源管理方面发挥着关键作用。
1、资源评估通过分析历史捕捞数据、海洋环境数据以及声学监测数据等，可以更准确地评估渔业资源的储量和可捕捞量。
这有助于制定合理的捕捞限额，避免过度捕捞导致资源枯竭。
2、渔场预测结合海洋环境数据（如温度、盐度、洋流等）和渔业捕捞数据，利用大数据分析和模型预测技术，可以预测渔场的位置和出现时间。
渔民可以根据这些预测信息更高效地进行捕捞作业，同时也有助于减少捕捞对海洋生态系统的破坏。
大数据技术在海洋资源管理中的应用海洋，占据着地球表面约 71%的面积，是地球上最为广阔和神秘的领域之一。
丰富的海洋资源对于人类的生存和发展具有极其重要的意义，涵盖了渔业、矿产、能源、旅游等多个方面。
然而，如何科学、有效地管理这些海洋资源，实现可持续利用，是摆在我们面前的重大挑战。
近年来，大数据技术的兴起为海洋资源管理带来了新的思路和方法。
大数据技术在海洋资源管理中的应用，首先体现在海洋资源的调查与监测方面。
通过卫星遥感、浮标监测、水下传感器等手段，可以获取海量的海洋环境数据，包括温度、盐度、海流、波浪、水质等。
这些数据的规模庞大、类型多样，传统的数据处理方法往往难以应对。
而大数据技术能够对这些海量数据进行快速的收集、存储和分析，帮助我们更全面、更准确地了解海洋资源的分布和变化情况。
例如，利用卫星遥感技术可以获取大范围的海洋表面温度和叶绿素浓度等信息，从而监测海洋生态系统的健康状况和渔业资源的分布。
同时，水下传感器网络可以实时监测海底的地质结构、矿产资源的分布以及海洋生态环境的细微变化。
这些数据经过大数据技术的处理和分析，可以为海洋资源的评估和规划提供科学依据。
在海洋渔业资源管理中，大数据技术发挥着重要作用。
渔业是海洋资源开发的重要领域之一，但过度捕捞和非法捕捞等问题严重威胁着渔业资源的可持续发展。
通过大数据技术，可以整合渔船的捕捞数据、渔业市场的交易数据以及海洋环境数据等，构建渔业资源评估模型。
该模型能够准确预测渔业资源的储量和捕捞量，为制定合理的捕捞配额和休渔政策提供支持。
此外，大数据技术还可以用于打击非法捕捞行为。
通过对渔船的航行轨迹、捕捞时间和地点等数据的分析，可以及时发现非法捕捞的迹象，并采取相应的监管措施。
同时，利用大数据技术还可以对渔业市场的交易数据进行监测，防止非法捕捞的渔获物进入市场流通，从而有效地保护渔业资源。
在海洋矿产资源管理方面，大数据技术也具有广阔的应用前景。
海洋中蕴藏着丰富的矿产资源，如石油、天然气、锰结核、可燃冰等。
基于大数据的海洋资源管理研究一、引言海洋，覆盖了地球表面约70%的面积，是地球上最广阔的生态系统，也是人类赖以生存和发展的重要资源宝库。
随着人类对海洋资源开发利用的不断深入，传统的海洋资源管理方式已经难以满足需求。
大数据技术的出现，为海洋资源管理带来了新的机遇和挑战。
二、大数据在海洋资源管理中的应用现状（一）海洋环境监测通过卫星遥感、浮标、传感器等设备，能够实时收集大量的海洋环境数据，如温度、盐度、酸碱度、海流、海浪等。
这些数据经过分析处理，可以帮助我们更好地了解海洋环境的变化趋势，及时发现海洋污染、生态破坏等问题。
（二）渔业资源管理利用大数据分析渔业捕捞量、渔船作业轨迹、鱼类分布等信息，能够科学评估渔业资源的状况，制定合理的捕捞限额和禁渔期，保护渔业资源的可持续发展。
（三）海洋能源开发在海洋能源开发领域，如海上风电、潮汐能等，大数据可以用于评估能源潜力、优化设备布局和运行维护，提高能源开发的效率和安全性。
（四）海洋交通运输通过对船舶航行数据、港口物流数据的分析，能够优化航线规划、提高港口运营效率、降低运输成本，同时加强海上交通安全管理。
三、大数据在海洋资源管理中面临的挑战（一）数据质量和准确性由于海洋环境的复杂性和数据采集手段的限制，所收集到的数据可能存在误差和缺失，影响数据分析的结果和决策的科学性。
（二）数据共享和整合海洋数据往往分散在不同的部门和机构中，数据格式和标准不统一，导致数据共享和整合困难，难以形成全面、系统的海洋资源数据库。
（三）数据安全和隐私保护海洋大数据涉及到国家安全、商业机密和个人隐私等问题，如果数据泄露或被滥用，将带来严重的后果。
（四）技术和人才短缺大数据技术在海洋资源管理中的应用仍处于初级阶段，相关技术和工具还不够成熟，同时缺乏具备海洋科学和大数据技术的复合型人才。
四、应对挑战的策略（一）提高数据质量加强数据采集设备的研发和改进，建立严格的数据质量控制体系，对数据进行审核、筛选和校准，确保数据的准确性和可靠性。
大数据环境下数据安全的研究一、引言随着大数据技术的快速发展和广泛应用，大数据环境下的数据安全问题日益凸显。
数据安全是指保护数据免受未经授权的访问、使用、披露、修改、损坏或破坏的能力。
在大数据环境下，数据的规模、种类和复杂性都远远超过了传统的数据处理方式，因此，传统的数据安全技术已经无法满足大数据环境下的安全需求。
本文将探讨大数据环境下数据安全的研究现状和挑战，并提出一些解决方案。
二、大数据环境下的数据安全问题1. 数据隐私保护在大数据环境下，数据的规模巨大，涉及的个人隐私信息也更加复杂和敏感。
因此，如何保护数据的隐私成为了一个重要问题。
传统的隐私保护方法，如加密和访问控制，已经无法满足大数据环境下的需求。
因此，需要开发新的隐私保护技术，如差分隐私和同态加密等。
2. 数据完整性保护在大数据环境下，数据的完整性保护也是一个重要问题。
由于大数据的特点，数据的完整性容易受到各种攻击和篡改。
因此，需要采取措施确保数据的完整性，如使用数字签名和数据校验等。
3. 数据共享和数据融合大数据的价值在于对数据进行分析和挖掘，而数据共享和数据融合是实现这一目标的关键。
然而，数据共享和数据融合也带来了数据安全的挑战。
如何在保护数据安全的前提下实现数据共享和数据融合是一个难题。
三、大数据环境下数据安全的解决方案1. 引入新的安全技术为了应对大数据环境下的数据安全挑战，需要引入新的安全技术。
例如，差分隐私技术可以在保护数据隐私的同时实现数据共享和数据挖掘；同态加密技术可以在加密的同时进行计算，从而保护数据的隐私和完整性。
2. 数据安全管理体系建立一个完整的数据安全管理体系是保障大数据环境下数据安全的关键。
该体系应包括安全策略、安全风险评估、安全控制和安全监控等。
通过合理的安全策略和控制措施，可以有效地保护数据的安全。
3. 数据安全培训和意识提升在大数据环境下，数据安全不仅仅是技术问题，还涉及到人的因素。
因此，需要开展数据安全培训，提高员工的安全意识和技能。
# 数据之海：大数据对海洋研究的影响## 引言海洋是地球上最广阔、未知的领域之一，而大数据技术的发展为海洋研究带来了新的机遇和挑战。
通过收集、分析和应用大量的海洋数据和观测信息，我们可以更好地了解海洋的生态系统、气候变化和资源分布等。
本文将探讨大数据对海洋研究的影响，并介绍其在海洋观测、生态保护、资源开发和气候预测等方面的应用和潜力。
## 1. 海洋观测与数据收集大数据为海洋观测带来了新的突破。
通过各种传感器和监测设备，我们可以收集到大量的海洋数据，如海洋温度、盐度、水流、海洋生物分布等。
大数据的应用可以帮助我们实时监测和分析海洋环境的变化，获取更全面、准确的海洋观测数据。
## 2. 海洋生态保护与管理大数据在海洋生态保护和管理方面也有着重要的应用。
通过收集和分析海洋生态数据，如海洋生物分布、海洋污染等，我们可以更好地了解海洋生态系统的状态和演变趋势。
大数据的应用可以帮助我们制定科学的保护策略，促进海洋生态环境的可持续发展。
## 3. 海洋资源开发与利用大数据在海洋资源开发和利用方面发挥着重要作用。
通过收集和分析海洋资源数据，如海洋矿产、油气资源等，我们可以更好地评估和规划海洋资源的潜力和可行性。
大数据的应用可以帮助我们实现海洋资源的智能开发和可持续利用。
## 4. 气候变化与海洋影响大数据对气候变化和海洋影响的研究也具有重要意义。
通过收集和分析海洋气象数据、海洋环流数据等，我们可以更好地了解海洋对气候变化的影响和反馈机制。
大数据的应用可以帮助我们预测和评估气候变化的趋势，提供准确的气候预测和决策支持。
## 5. 数据共享与国际合作大数据促进了海洋数据的共享和国际合作。
通过建立数据平台和共享机制，不同国家和组织之间可以更好地共享海洋数据和研究成果。
这种数据共享和合作有助于加快海洋研究的进展，推动全球海洋保护和可持续利用的发展。
## 6. 数据安全与隐私保护在应用大数据的过程中，我们也需要关注数据安全和隐私保护的问题。
大数据环境下的数据安全研究一、引言随着大数据技术的快速发展，大数据环境下的数据安全问题日益突出。
大数据的应用范围广泛，包括金融、医疗、社交网络等领域，其中包含了大量的敏感信息。
因此，保护大数据的安全性成为了一个重要的研究方向。
本文将对大数据环境下的数据安全进行研究，探讨当前存在的问题，并提出相应的解决方案。
二、大数据环境下的数据安全问题1. 数据隐私泄露：大数据环境中的数据量庞大，包含了个人身份信息、财务信息等敏感数据。
一旦这些数据泄露，将给个人和组织带来巨大的损失。
2. 数据完整性：在大数据环境下，数据的完整性是一个重要的问题。
由于数据量巨大，难以确保数据的完整性，可能受到篡改、损坏等威胁。
3. 数据访问控制：大数据环境中，数据的访问控制面临着挑战。
由于数据量大、访问频繁，传统的访问控制方法难以满足需求，需要研究更加高效、灵活的数据访问控制策略。
三、大数据环境下的数据安全研究方法1. 数据加密技术：数据加密是保护数据安全的重要手段之一。
可以采用对称加密算法或非对称加密算法对数据进行加密，确保数据在传输和存储过程中的安全性。
2. 数据脱敏技术：对于包含敏感信息的数据，可以采用数据脱敏技术，将敏感信息进行替换或删除，以保护数据的隐私性。
3. 数据备份与恢复：为了应对数据丢失或损坏的情况，需要建立完善的数据备份与恢复机制，确保数据的可靠性和完整性。
4. 数据访问控制技术：针对大数据环境中的数据访问控制问题，可以采用基于角色的访问控制、基于属性的访问控制等策略，实现对数据的精细化控制。
四、大数据环境下的数据安全解决方案1. 建立完善的数据安全管理体系：在大数据环境下，应建立一套完善的数据安全管理体系，包括数据分类、安全策略制定、安全培训等，确保数据安全工作的有效实施。
2. 强化数据加密与脱敏：采用先进的数据加密算法和数据脱敏技术，对敏感数据进行加密和脱敏处理，保护数据的隐私性。
3. 建立数据备份与恢复机制：建立定期的数据备份与恢复机制，确保数据的可靠性和完整性，防止数据丢失或损坏的情况发生。
大数据技术的应用范围非常广泛，其中海洋领域也不例外。
以下是几个大数据海洋应用案例：
1. 海洋气象预报：利用大数据分析技术，对海洋环境中的气象数据进行收集、处理、分析和建模，并利用预报模型进行分析和预测，可以提高海洋气象预报的准确性和精度，从而使相关机构能够更好地制定应对措施。
2. 海洋资源勘探：利用大数据技术对海洋资源进行勘探，如海洋生物、矿产资源等，可以有效地挖掘隐藏在海洋深处的财富，为相关行业提供有力的支持。
3. 海洋交通管制：利用大数据技术对海洋交通进行实时监管、预测和调度，可以有效提高船只行驶效率，加强海上安全保障，同时也为相关部门提供了决策参考。
4. 海洋环境保护：利用大数据技术对海洋环境进行监测、分析和预警，可以有效保护海洋生态环境，同时也可以为相关政策制定和环境治理提供依据。
5. 海洋科学研究：利用大数据技术对海洋环境和海洋生物进行数据分析和建模，可以为海洋科学研究提供更全面、更准确的数据支撑，同时也可以加速科学研究的进展。
以上是几个大数据海洋应用案例，随着技术的不断发展和应用的深入，大数据在海洋领域的应用前景将会越来越广阔。
大数据环境下的数据安全性探讨在大数据环境下，数据安全性是一个重要的议题。
随着大数据技术的快速发展和广泛应用，数据安全性的保障变得尤为重要。
本文将探讨大数据环境下的数据安全性问题，并提出相应的解决方案。
首先，大数据环境下的数据安全性问题主要体现在以下几个方面：1. 数据存储安全：大数据环境中的数据量庞大，并且分布在多个存储节点上，因此需要保证数据在存储过程中的安全性。
这包括对数据的加密、权限控制、备份和恢复等措施。
2. 数据传输安全：大数据环境中，数据的传输是一个重要的环节。
数据在传输过程中可能会受到网络攻击，因此需要采取相应的安全措施，如加密传输、身份验证等。
3. 数据处理安全：大数据环境中的数据处理过程涉及到多个节点和多个处理任务，因此需要保证数据在处理过程中的安全性。
这包括对数据的访问控制、数据完整性验证、异常检测等。
为了解决上述问题，可以采取以下的解决方案：1. 数据加密：对于大数据环境中的敏感数据，可以采用加密算法对其进行加密。
加密后的数据只有在合法的解密密钥下才能被解密，从而保证数据的机密性。
2. 权限控制：通过访问控制机制，只允许授权用户对数据进行访问和操作。
可以采用基于角色的访问控制模型，将用户分为不同的角色，并为每个角色分配相应的权限。
3. 数据备份和恢复：定期对数据进行备份，以防止数据丢失或损坏。
同时，建立完善的数据恢复机制，确保数据在发生意外情况时能够及时恢复。
4. 网络安全防护：在大数据环境中，网络安全是保障数据安全的重要环节。
可以采用防火墙、入侵检测系统等网络安全设备，对网络进行监控和防护。
5. 数据监控和异常检测：建立数据监控系统，对数据进行实时监控，及时发现异常情况。
可以采用数据挖掘和机器学习技术，对异常数据进行检测和预警。
6. 安全意识培训：加强员工的安全意识培训，提高他们对数据安全的认识和理解。
培训内容可以包括数据安全的基本知识、安全操作规范等。
综上所述，大数据环境下的数据安全性是一个复杂而重要的问题。
大数据技术在海洋科学中的应用海洋科学是研究海洋自然现象和规律的学科，涵盖了海洋物理、海洋地质、海洋化学、海洋生物等多个领域。
而大数据技术的出现，为海洋科学领域带来了很多新的机遇和挑战。
本文将讨论大数据技术在海洋科学中的应用，探讨其潜在的价值和实际落地情况。
一、海洋数据的挑战海洋是一个复杂而庞大的生态系统，其涵盖了广阔的海洋面积和深度范围，在这个过程中产生了大量的数据。
海洋数据可分为遥感数据和采集数据两大类，其中遥感数据主要来源于卫星和地球观测站等，采集数据包括了海洋浮标、潜水器、声纳测量等多种形式。
然而，海洋数据的采集和整理并非易事，这其中存在着一些挑战：1. 多源异构性：海洋数据来自于各种不同的领域和机构，形式和格式差异很大，需要进行整合和标准化。
2. 数据密度低：由于海洋的广阔性和多样性，其数据密度比较低，难以得出准确结论和预测结果。
3. 质量不一：海洋数据的采集和存储方式多种多样，其中有些可能存在误差和漏洞，对分析和模型预测造成一定的影响。
4. 数据存储难度：海洋数据体积巨大，传输和存储都存在一定的困难。
海洋数据的挑战是多方面的，难以利用传统的分析方法来准确处理和解读这些数据。
而大数据技术的应用可以将这些数据转化为有用信息，从而更好地进行分析和决策。
二、海洋科学中的大数据技术应用大数据技术在海洋科学中的应用主要包括以下几个方面：1. 海洋气候研究海洋是世界上最大的气候调节器之一，对地球气候变化有着深远的影响。
海洋科学家们运用大数据技术可以深入了解全球气候变化的过程和原因，分析海气相互作用的机制及其影响。
例如，大气海洋模式可以将海洋气候数据与大气数据进行整合，从而建立海洋环境与气候的动态变化模拟，并预测海洋温度、盐度和海洋生态等变化趋势。
2. 海洋生态研究海洋生态是研究海洋生物群落和其生态系统的学科，其结构和功能对于保持全球生态平衡和人类的发展至关重要。
大数据技术在海洋生态研究中有着广泛的应用，如对于海洋生态系统进行实时监测和预测，发现生态灾害和污染物的来源和流向等。
大数据环境下的数据安全工作探讨海 洋（中石化华北分公司，郑州，450006）摘要：大数据就是用广泛存在的应用需求、浅显易懂的方式以及可展望的经济效益，成为云计算机和移动互联网等信息技术领域的又一大热点。
然而，因数据安全与隐私等问题给大数据的发展造成了不小的影响。
本文就大数据环境下的数据安全工作展开了相应的探讨。
关键词：大数据环境；数据安全；探讨Discussion on data security work data environmentHai Yang(Sinopec North China company,Zhengzhou,450006)Abstract：Large data is to use the application demand,exist widely in easy to understand way and Prospect of economic benefit,becomes another hot technology in the field of cloud computing and mobile Internet information.However,because of data security and privacy problems for the development of large data caused no small impact.This paper carries out a corresponding discussion on data security work data environment. Keywords：large data;data security;explore0 引言由于云计算机、移动互联网等技术的迅速发展，全球的数据量都出现了巨大幅度的增长，单只是在2012年就达到了5.2万亿GB。
根据IDC（Internet Data Center，互联网数据中心）的估计，在2025年全球的数据量将增加大约100倍。
因此，大数据的时代已经来临。
大数据是一种数据量大，而且其数据的形式多样化的数据。
随着大数据的应用越来越广泛，其数据的安全问题也就更为突出，怎样在大数据环境下保护好数据的安全，对大数据的发展有着相当重要的意义。
1 大数据的含义与其特征大数据主要就是指，因数据的信息量规模相当巨大，而造成无法利用当前社会的主流工具在合理时间内完成正常的收集处理。
其更是一种以多样化数据存在的数据。
大数据的含义主要可以概括为以下几点：（1）形式多样。
形式多样主要是指其数据类型的呈现多样化。
现在大多数的数据都是以非结构化的形式出现。
比如音频、视频和图片等。
（2）超大的数据量。
大数据是无数的数据信息组成的巨大型资料，每分每秒都有非常多的数据产生，而且其级别也越来越高。
（3）介质密度相对较低。
大数据在运行的过程中，会不断的产生大量非常有价值的信息，这些信息对生产生活有着很大的帮助。
但是，因为大数据的数据信息量是非常的巨大，所以也就有着价值密度低的特点。
在一个超大型的数据统计中，其中有价值的信息可能只有很少的一部分。
2 大数据环境下可能发生的数据安全问题2.1 非结构化数据造成的安全问题在大数据的环境下，使得数据的类型变得多样化起来。
造成了多种样式的非结构化数据逐渐的占据大数据最大部分。
其中的非关系型数据储存存在着一定的漏洞，其作为新的储存技术还不够完善，造成了有着不少需要修补的地方出现，而且其服务软件的安全内置也不是十分充足，进而使得储存的过程变得过于复杂。
2.2 网络普及形成的安全问题网络化社会的逐渐形成，大数据在各个领域的数据共享就变得更加的便捷。
随着云计算创造的开放环境越来越广泛，而且其数据实行结合共享。
在这样非常暴露的平台下，大数据也就变成了黑客们的首选目标，使得其安全无法得到有效地进行保障。
2.3 技术发展过快带来的安全问题各种网络技术的迅速发展，导致开发是服务器也是变得多起来，在大数据的环境下信息资源的获取速度在增加，而数据安全的防护却没能够及时的跟上其发展的速度。
大数据的本身也存在着一定的安全漏洞，加上黑客技术在不断的进步，导致了大数据DOI：10.16520/ki.1000-8519.2015.06.069 网络出版时间：2015-05-28 16:35库安全问题更易出现。
具体发生数据安全问题的比例为43.50%、28.70%和27.80%，详见图1。
3 大数据环境下保证数据安全的具体策略3.1 建立安全的数据管理体系不论什么技术，其发展都是不存在尽头的。
因此，不管开发再多或者再好的数据安全防护技术，在时间的磨练中，迟早都是会被破解的，所以，数据安全管理体系的完善，才是有效保护数据安全关键的存在。
而数据安全管理体系，是要以规范数据平台的建设作为前提，所以要完善好数据安全管理的体系，就必须对数据安全系统的建设加以重视起来，并且合理的融合大数据时代中最先进的数据管理概念，做到对数据信息是动态进行实时的监控与管理，从而时的数据安全的防护变得规范、科学。
3.2 完善大数据的储存体系在当前的大数据操作与管理中，大多都是以服务的形式提供，大数据所使用的数据资源安全储存技术主要为虚拟化海量储存技术，其中包含了数据的隔离、数据的传输和数据的恢复等。
而要解决大数据的储存安全问题，建立完善的数据安全储存体系是关键所在，数据安全体系中包括分离加密数据、数据加密处理、密匙、合理使用过滤器和数据备份这几个部分，做好这几个方面的数据安全储存，将可以有效地做到对大数据储存的安全保护。
3.3 建造安全的数据应用体系在大数据的安全防护工作中，除了要做好对其数据的储存安全防护外，在数据的应用中，更加应该采用相对应的安全方法来确保数据的安全。
在大数据的应用安全防护中，首先，要做好的就是防止高级且连续性的攻击，所以，必须要增加对攻击的检测能力；第二步，是要做好对用户访问的控制，对不相同数据设定不对等的密码等级，控制好数据的使用频次；第三步，是做好整合工具与流程，并合理的处理好使用过后的数据；最后一步，是通过数据的分析引擎，在第一时间内找出数据中有可能存在的安全隐患，这样在整体的数据应用体系将给数据应用加上坚实的安全保护屏障。
四个步骤的具体顺序如图2所示。
图2：四个步骤的先后顺序图4 结语综上所述，要想有效地保障好数据的安全，就必须根据大数图1：大数据环境下发生数据安全问题的比例（下转78页）集包铁路既有通信传输网络采用二层结构，干线传输层为四纤SDH2.5Gbps，接入层传输网为SDH622Mbps，采用站间二纤通道保护环设计。
承载的主要业务为区间基站2M通道、电力电牵远动及视频通道、信号CTC及微机监测通道、道岔溶雪通道、数调通道、防灾系统通道、自动电话ONU通道、5T通道、信息通道、应急通道、光缆监测通道、电源环境监测通道等。
铁路的通道业务特点不同于公网，2M通道均穿透车站之间的网络保护环，集中指向铁路局调度所方向，所以以上业务需要占用整网通道，大约需占用2个STM-1通道。
从节约投资的角度考虑，在不对既有通信传输网络进行升级改造的情况下，按通道保护环的总容量计算，车站间的通道共有4个STM-1。
铁路其他业务占去2个STM-1，还剩余2个STM-1共计126个2M通道可以在车站间供视频监控业务使用。
目前视频监控中几种方案的清晰度和占用传输带宽分析如下表：集包铁路线最大区间位于三卜素车站至察素齐车站间，站间距长30.85km，该区间需要布设48台摄像机。
所以从区间至车站视频存储I类节点间所需传输带宽为：以4CIF图像计算，需要传输设备提供72M带宽，即36个2M通道。
以720P图像计算，需要传输设备提供的带宽为84M，即48个2M通道。
以1080P计算，共计需要192M带宽，即96个2M通道。
从以上分析看，采用模拟4CIF格式、720P格式、1080P格式视频方案通信传输设备带宽均可以满足。
但技术发展到今天，一部普通手机的像素都可以达到百万甚至千万，新建的安防系统如果还采用模拟技术40万像素就显得不合时宜。
而且从上面的计算可以看出，数字式720P 格式比模拟4CIF格式占用的带宽增加不了多少，数字式1080P 格式虽然图像质量更好，但占用通信传输通道也更多。
综合考虑铁路通信传输网的冗余量，建议使用720P数字高清视频方案。
3 视频存储容量选择视频存储容量大小与接入的视频点多少、每路视频图像的码流大小、每秒钟传输的图像数量，即帧率有关。
一帧就是一幅静止的画面，帧率对图像质量并不起直接的作用，帧率的高低只影响图像的连贯性。
码流是指视频文件在单位时间内使用的数据流量，也叫码率。
是视频图像经过压缩后每秒产生的数据量。
是图像质量的重要指标，在相同分辨率下，视频文件的码流越大，压缩比就越小，画面质量就越高。
码率=比特率÷8。
对于静止场景，通过调整帧率，可以在相同码流的情况下获得好的图像质量，并减少对存储容量的占用。
我国采用的PAL制电视标准，每秒为25帧。
在此帧率下，每路图像每天需要的存储容量（单位：M/天.路）=码率×3600秒×24小时÷0.9(磁盘格式化的损失10%空间)。
采用720P 格式时，每路图像30天需要的存储容量为0.68TB。
据此，察素齐车站接入视频点共计93处，按存储时间30天计算，所需最大存储容量为：2048÷8×3600秒×24小时÷0.9×93×30=64TB，一般车站，视频接入点在16~50之间，存储设备容量选用20~40TB即可。
4 结论采用数字720P激光摄像机能够在充分利用既有通信资源的基础上满足反恐视频监控的需求。
相信对恐怖分裂活动起到很强的震慑作用，并为公安部门预防恐怖袭击、分裂活动以及事后追踪、调查提供有效的技术手段。
参考文献[1] 铁总运[2013]71号 中国铁路总公司关于印发《铁路综合视频监控系统技术规范（V1.0）》的通知[2] 《铁路图像通信设计规范》TB10085-2009[3] 邓宏.网络视频监控技术在城市安防中的应用[J].中国公共安全，2010，(11)：85-88.[4] 蔡海燕. 基于高清技术的地铁视频监控系统的应用分析.科技视界2012年9月26期，[5] 紫金安防：作为一个安防人，你对激光摄像机的知识了解多少（上接64页）据环境的现状，建立起有效的数据保护方法，从而让大数据发挥出其本身应有的价值。
参考文献[1] 郭三强,郭燕锦.大数据环境下的数据安全研究[J].科技广场 ,2013,14(02):58-59.[2] 陈明奇，姜禾，张娟，等.大数据时代的美国信息网络安全新战略分析[J].信息网络安全，2012，12(08)：132-136.[3] 王珊，王会举，覃雄派，等.架构大数据：挑战、现状与展望[J].计算机学报，2011，34(10)：174-175.作者简介海洋，女，出生1982年，中石化华北分公司，信息管理，工程师，籍贯郑州。
