6、大数据安全与心血管疾病预测的机器学习方法综述

大数据安全与心血管疾病预测的机器学习方法综述

1. 大数据安全问题

在当今数字化时代，大数据的重要性日益凸显。组织意识到大数据的巨大价值，利用其强大的分析工具进行决策、识别商机和提升绩效。然而，随着数据的大量消耗和使用的增加，大数据安全问题也随之而来。

1.1 大数据面临的安全挑战

• 分布式框架 ：为了快速获得数据结果，大数据实现通常将巨大的处理任务分配到不同的处理节点。但这也带来了安全隐患，所有节点都需要有适当的安全策略。例如，Hadoop 作为开源的大数据分布式系统软件，其安全程序必须安装和更新，攻击者可能利用 Map Reduce 中的映射器展示不正确的值或键对进行破坏。
• 非关系型数据库 ：传统的关系型数据库管理系统的表格结构不适用于大数据，大数据具有高度多样化和可扩展性。非关系型数据库（NoSQL）不遵循表格结构，更具可扩展性和灵活性，但它有自己的安全协议，组织在实施大数据系统时，必须在安全环境中设置数据库并采取额外的安全措施。
• 数据表示、压缩和冗余减少 ：大数据集在数据排列、数据类型含义和可访问性方面存在异质性。缺乏适当的数据表示会降低主数据的价值，阻碍有效的数据分析。此外，数据集通常存在高度冗余，压缩数据和减少冗余可以降低系统成本，但前提是不影响数据的预期价值。对于大数据中的视频数据，可以根据需要使用有损或无损压缩技术。

1.2 大数据管理生命周期

大数据管理通常包括四个阶段：
1. 数据收集阶段