在互联网和数字时代，计算机信息技术彻底改变了人类的工作和生活，而互联网渗透了经济发展和社会生活的方方面面。同时，网络安全问题层出不穷，包括金融安全问题、信息泄露问题、移动支付安全问题、云计算、智能技术应用等领域面临的各种病毒木马。这反映了网络环境安全建设的不足，数据分析是网络安全建设的核心。因此，如何深入挖掘网络数据，有效分析，真实。

掌握网络安全状况是网络安全威胁面临的问题。虽然传统的网络安全数据分析技术很多，也起到了一定的作用，但在大数据时代，数据的复杂性远远超出了想象。非法窃取、篡改和损坏数据导致网络安全问题。因此，数据挖掘分析非常重要。在分析数据挖掘技术之前，我们不能忽视传统的数据分析技术:

2.1数据分类。

资料分类是以分类模型或函数为分类器，对资料进行分类处理的技术，通常是通过统计、神经网络等构建不同特征的分类器。分类数据的特性对分类效果有很大影响。

2.2数据关联分析。

顾名思义，数据关联分析是挖掘分析数据和特征之间的关联关系，作为数据预测的依据。通过对数据的相关分析，如回归分析、相关规则等。，可以实现多层次的信息挖掘。

2.3分析数据偏差。

数据偏差分析主要是寻找观察对象和参考之间的异常差异，排除正常合理的数据，重点跟踪异常和伪装的数据。通过数据偏差分析，可以找到类别中的异常、模型边缘的异常或远离模型预期的数据。除了以上数据分析技术，还有数据总结、数据分类、空间分析、数据可视化、总结学习方法等多种数据分析方法。

三是基于数据挖掘的网络安全状况分析。

数据挖掘技术的应用是为了处理网络环境中各种数据库中的大量数据信息，从而获得可参考、有意义、可用的有效数据，并通过分析数据获得大量有价值的知识。基于数据挖掘的网络安全趋势分析包括以下执行阶段:

3.1数据准备阶段。

正如前面所说，网络数据不仅庞大而且多样化，可能在网络环境中以各种形式存在，因此，在数据准备阶段，需要实现目标数据的定向转换。在数据转换过程中，需要收集数据，然后根据目标选择数据样本，然后通过预处理将数据控制在计算区间内，最后，查找、确定数据的表示特性，对数据进行压缩处理，便于下一阶段的数据挖掘。