Application创新应用198电子技术第52卷第5期（总第558期）2023年5月者不同特性之间的融合互补。而数据挖掘则能够从海量信息数据当中挖掘与学习更加价值含量更高的数据信息，因此也是现如今网络安全工作中研究的重点内容之一。数据融合与数据挖掘技术之间相互协调作业，在针对网络现状当中的多源数据开展分析与融合挖掘，可以更加精准的获取大量价值较高的数据信息。数据特征提取技术。网络安全态势特征提取这种技术手段首先就是借助于各种各样的数据算法处理，将规模较大的网络安全管理相关数据信息借助于数据融合技术，生成一组或多组在特定值域范围之内的数据数值，这些数据数值能够对当前的网络工作状态进行显示，同时也能够反映出当前的网络运行是否具有严重威胁与风险，或者已经遭受了各种威胁并充分分析现如今的网络运行状态。对于现如今的网络安全管理工作来说，特征提取针对所在区域网络开展风险评估与威胁预测工作具有十分关键的影响，同时更是网络安全态势感知风险评估工作开展的基础所在。由此可见，数据特征提取技术在大数据的网络安全态势感知系统当中十分重要。态势预测。态势预测属于一种结合特定科学依0引言在网络安全管理工作发展过程中，有关网络安全态势感知的相关概念逐渐受到了更多关注。在当前的时代背景下，基于大数据的网络安全态势感知技术多种多样，包括数据融合和挖掘技术、数据特征提取技术、态势预测、可视化展现技术等，都属于十分先进的网络技术手段。特别是在如今的大数据环境中，网络安全问题越来越频发。因此，加强网络安全管理，合理运用大数据的网络安全态势感知系统以及相关技术手段，已经成为该行业当中的一种共识，需要相关技术人员一同努力，致力于不断完善与优化，以提高网络安全管理效果。1大数据的网络安全态势感知技术的特点数据融合和挖掘技术。由于多源数据通常来源于不同的设备当中，并且具有的存储格式、存储质量以及存储格式也各不相同。只要我们需要针对这些多种多样的多源数据开展预处理工作，进行归规范化的整合，就可以有效为网络安全态势感知提供更加全面、精准、大量的数据源。也就是说数据融合技术的根本任务就是实现对多源数据相同特性或基金项目：教育部产学研创新基金项目（2020ITA07026），湖南省教育科学研究工作协会2021年度科研课题（XJKX21A056），部省共建国家职业教育创新发展高地理论实践研究工作课题（ZJGD2021262）。作者简介：张人杰，湖南邮电职业技术学院网络信息中心，...
