计算机软件工程中数据挖掘技术运用分析

摘要：随着现代化计算机技术的高速发展，数据处理量日渐增长，由此数据挖掘技术在各个相关领域上都具有更加广泛的运用前景。本文在清晰认知计算机软件工程中数据挖掘技术作用的基础上，通过查阅大量的信息资料，提出一系列具体的分析方向，如深挖信息价值、记录执行数据、检测软件漏洞等等，旨在可以为从事数据挖掘技术深度探究的相关人员，提供一定程度上的参考。

关键词：计算机；软件工程；数据挖掘技术

引言：在大数据分析领域中数据挖掘技术属于一个新兴的概念，其能够对计算机软件工程中庞大的数据量进行高质量挖掘，提取出更高价值的密度型信息要点。因此，为更好地完成工程的设计和规划，相关人员需变革传统的技术运用手段，采取效率更高的处理方法，提升各项参数影响因素记录、检测的精准性，进一步实现重要数据的最优化利用。

1计算机软件工程中数据挖掘技术的作用

开展数据挖掘技术的深层应用研究，在计算机软件工程设计、规划中具有相当重要的意义和价值。第一，数据信息获取方便。数据挖掘技术涉及的业务范围更广，能够结合基本的信息特征进行整合、分析，最终为软件产品的用户提供快速检索服务，方便其及时掌握需求的各方面资料。第二，数据录入正确性高。该技术不仅在运算方面效率更高，还不会造成数据丢失、混乱或者出错问题。针对庞大的数据量来说，能保留有价值信息，增加录入正确的概率。第三，加快数据的处理效率。这一技术可从全方位、多角度分析信息的真实性、可靠性以及价值高低，促进数据优化，增加可读性，提升运算的水平和质控效率。

2计算机软件工程中数据挖掘技术运用的具体分析

2.1深挖信息价值

计算机软件工程应用大数据挖掘技术时，能帮助用户全面掌握需求数据，扩大工程的涉及范围，精准划分多样化的信息，降低处理的复杂程度。一般来说，使用软件产品时需对数据进行统一、集成式的管理，确保相关的程序能在开发阶段实现同步更新，最大限度保证产品构思设计的运用质量。工作人员应准确识别、分析待处理软件内的可更替数据量和类型，充分发挥数据挖掘技术的优势，以便能够缩短处理的时间，精准抓住问题产生的原因，定向完善核心的支撑数据源。若要加强代码构件的提取、掌握工作成效，应结合代码的特点建立关键元素检索模块，深入探究其构成的逻辑底层，了解相关联的计算机语言编程技巧，开发特定的搜索类软件（如百度、谷歌等），简化程序的多重开发难度。

同时为深挖数据源中的信息价值，应深入分析、重构人员的组织、分配关系，结合软件开发的具体要求，做好需求侧的协调分配。这个过程中需遵循模块设计的基本原则，构建功能更加齐全的软件系统，落实涉及各个相关领域信息价值挖掘工作高效的职责划分、任务指派。举例来说，应在挖掘人力资源组织关系期间，通过系统功能中的版本控制模块，实行有序的统一修改，并进一步挖掘、探究软件更新后的历史资源档案，确定模块间的依存联系，继而用界面的形式直观反映开发结构。此外，内部所有关联的员工要和用户之间，构成相对可靠且稳定的交接网络，其会随着后续网络复杂度的上升，灵活适配各项基本参数的预调整，确保项目管理工作可以顺利开展，达到符合实情变化趋势的理想指标。

2.2记录执行数据

数据挖掘技术可应用在记录软件执行数据上，这能有效确保信息挖掘的真实价值得到显著提升。第一步，需对软件产品的程序采取全面研究、分析、处理。尽量在排查过程中找到可能存在的异常问题，以期可以改善程序的运行环境，大幅增加基础性能，为其达到预期的判断指标提供有力保证。工作人员需全方位检查配置、安装的路径，以逆向的建模方法，将数据结构分析做到位，促使后期的维护工作能通过更加合理的形式开展[1]。第二步，工作人员应及时发掘系统运行中存在的漏洞，采取科学的处理手段，给出符合标准的解决方案。第三步，应对程序运行规约实行定期检测、记录，主要针对跟踪程序的执行效率和质量，展开完善性的全新视角分析，争取第一时间察觉异常的响应状态，调控不同模块代码间的协议生效顺序性。若跟踪信息校验结果是准确的，则可应用逆向建模思想分析有关的程序代码，查验用户操作期间的安全性，做好预防性维护。另外，还可把流程简化，如：以初步统装的方法展开对系统全方位、多层次分析后，应采集、整合和管理软件程序对应的API接口。期间需加装信息数据的精细化过滤，找准跟踪处理的具体对象和判别准则，最终构成特定的程序规约模型，按照功能表征的信息执行并完成处理方案。

2.3检测软件漏洞

计算机软件工程可采用数据挖掘技术检测运行时可能存在的系统漏洞，从运维的角度提高程序开发效率，确保系统的日常运作具有较高稳定性、安全性，进一步为后期增加异常隐患发现和处理质效打下良好的基础。漏洞是指系统中存在的一些功能性或者安全性的逻辑缺陷，包括威胁、损坏计算安全性的所有因素，是其在硬件、软件、协议具体实现上拥有的不足、缺陷。常用的漏洞挖掘分析技术有很多类型，如手工测试技术（manual testing）、静态分析技术（static analysis）、Fuzzing技术、动态分析技术（runtime analysis）、比对和二进制比对技术（Diff and BinDiff）等。举例来说，可利用静态或者动态分析方法来提取程序的各类参数，如API调用、二进制字符串和软件行为，捕获文件特征。随后配合分类、聚类的智能技术，在分析特征的基础上，自动将文件执行不同的类别分组，查询、校验问题所处的代码片段。

静态分析是指运用数据挖掘技术通过对词法、语法、语义展开分析，发现潜在安全问题的源程序静态扫描分析。着重关注函数调用、返回状态的检查，若存在未进行边界查验或结果不正确的、由用户输入、缓冲端口进入指针运算的程序，则可根据具体的运行状况，判定其是否归属于漏洞以及详细的划分级别[2]。源代码扫描是对开放代码区数据的检测，其中核查对象是否符合安全性原则的文件命名规则、组成结构、函数、堆栈指针等，发现可能隐含的安全隐患。该种方法需熟练了解、掌握编程语言和审查规则，能够用表达式的匹配方式校验源代码，但由于程序运行过程中各参数都是动态变化的，其很难发现运行阶段的软件漏洞。

动态分析是指以调试器作为运行的底层，通过观察执行状况、内存使用现状和其他的多类因素，运用数据挖掘技术找到软件产品运行潜在风险的操作。设置断点的动态跟踪目标程序，对数据流开展双向分析，并以特殊的数据触发隐藏错误，完善结果分析的正确性，确定存在缺陷的具体位置。该方法不利用源代码，只需观察程序运行表现，即可验证目标软件功能是否有漏洞，如用户端输入引发的缓冲区溢出问题。同时需认知到该方法的局限性，数据挖掘效率相对较低，很难找准分析点，自动化实现的可能性不大。还要求工作人员非常熟悉目标系统，具有十分丰富的运维检测经验。另外，软件产品的功能工程越多、数据处理量越大，动态分析法受到的制约也就越大。

结论：新时期，数据挖掘技术不断普及、发展，为有效促进计算机软件工程顺利转型，相关人员应树立与时俱进的工作观念，结合未来市场的演变需求，把其与软件高质量管理充分融合。基于此，在工程中应用该技术能确保软件产品获得适宜的优化和升级，为客户方提供更加强大的优质服务，助推大数据领域科技走向全新的研究方向。

参考文献：

[1]徐东.数据挖掘技术在计算机软件工程中的运用[J].数字技术与应用，2023，41（06）：137-140.

[2]周弘.计算机软件工程中数据挖掘技术应用[J].数字技术与应用，2022，40（11）：129-131.

作者一姓名：徐杨泽华 ；性别：男 ； 出生年月：2001.4.3 ；籍贯：贵州省安顺市 民族：汉 ；最高学历：本科