本发明属于数据服务领域，具体涉及一种防泄密的数据分析系统。
背景技术：
为了从数据中发现知识并加以利用，指导人们的决策，必须对数据进行深入的分析，而不是仅仅生成简单的报表这些复杂的分析必须依赖于复杂的分析模型，很难用SQL来进行表达，统称为深度分析。大数据以其复杂性、海量化、低密度和快速生成四个显著特点，使得必须对大数据进行深度分析才能获得有用的信息或情报。
大数据的快速发展，也伴随着巨大的挑战，其中就包括数据建模问题，数据分析的核心内容之一是数据建模，通过分析现有数据的统计和语义特征，找出其中的规律，再将其概括为抽象的数据分析模型，进而为数据分析提供依据，大数据分析处理的是海量数据，由于海量数据的存在，过去的单个或少数几个模型组合已经不能适应大数据分析的需要，通过构建由众多模型构成的模型库是解决海量数据分析的有效办法。
此外，模型构建与数据分析相互影响，相互促进一方面，数据仅是对行为习惯的描述和表达，通过数据分析，能发现人们行为习惯的转变，可以通过对过去已经采集和存储的数据进行深入分析，挖掘出数据背后的规律特征，用模型对其进行高度概括和抽象，形成包含众多模型的模型库另一方面，大数据时代，数据总是在不知不觉地产生，并且由于数据的涌现性，现有的模型不能适应大数据分析的需要，因此，可以结合数据的动态变化对已有模型进行局部调整或修正，形成新的数据分析模型，或者直接提出适应大数据分析的新模型，当然，这一过程中，还包括随着其他社会因素的变化及其综合影响，大数据环境下人们行为习惯会发生彻底的改变或者涌现出一些全新的行为特征，因此需要对这些数据进行有效地监测和分析，找出新的共性特征和个性化的差异，构建与这些新的数据分析任务相适应的分析模型。
技术实现要素：
本发明的目的是克服现有技术的上述缺点，提供一种防泄密的数据分析系统。
为了实现上述目的，本发明所采用的技术方案是：一种防泄密的数据分析系统，包括依次相连接的客户端、服务器、安全计算机、数据收集终端、云数据模块；其中，所述服务器模块包括数据分析模块、知识库、模型库、数据库；所述数据分析模块分别与所述知识库、所述模型库连接；所述数据库分别与所述数据分析模块、所述知识库、所述模型库相连；所述安全计算机连接所述服务器模块中的所述数据库；所述数据分析模块还与所述客户端相连。
上述一种防泄密的数据分析系统，所述服务器和所述安全计算机之间采用单根光纤连接，所述服务器中设置有光信号接收器，所述安全计算机中设置有光信号发送器。
上述一种防泄密的数据分析系统，所述模型库还连接有模型库管理系统。
上述一种防泄密的数据分析系统，所述云数据模块为Web数据、业务系统数据、传感网数据或科学实验数据。
本发明的有益效果：本发明通过在服务器和数据收集终端之间设置安全计算机，且采用单向点对点的数据传输，实现了防泄密的功能，数据库、模型库和知识库是三大相互联系而又区别的结构，在数据分析系统已有知识库和模型库基础上，对数据库里存储的数据进行分析，得到数据分析结果，一方面将结果导入知识库作为知识储备，另一方面通过数据分析结果对模型库进行修正和丰富，三者之间形成动态的循环关系。
附图说明
下面通过附图并结合实施例具体描述本发明，本发明的优点和实现方式将会更加明显，其中附图所示内容仅用于对本发明的解释说明，而不构成对本发明的任何意义上的限制。
图1是本发明一种防泄密的数据分析系统的结构示意图；
附图标记说明：1、客户端；2、服务器；3、安全计算机；4、数据收集终端；5、云数据模块；6、数据分析模块；7、知识库；8、模型库；9、数据库。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变型和改进，这些都属于本发明保护范围。
如图1所示，一种防泄密的数据分析系统，包括依次相连接的客户端1、服务器2、安全计算机3、数据收集终端4、云数据模块5；
其中，所述服务器模块2包括数据分析模块6、知识库7、模型库8、数据库9；所述数据分析模块6分别与知识库7、模型库8连接；所述数据库9分别与数据分析模块6、知识库7、模型库8相连；所述安全计算机3连接所述服务器模块2中的数据库9；所述数据分析模块6还与所述客户端1相连。
进一步地，所述服务器2和所述安全计算机3之间使用单根光纤连接，采用单向点对点的数据传输，所述服务器2中设置有光信号接收器，所述安全计算机3中设置有光信号发送器。
进一步地，所述模型库8还连接有模型库管理系统，模型库里包含众多的可用的模型，可以将其分为简单模型与复杂模型、单一模型与组合模型，模型可以是基于传统的数理统计的数学模型，也可以是基于人工神经网络遗传进化计算和模糊系统的计算智能模型，系统决策过程可根据实际决策问题的复杂性选择单个模型或多个广义模型进行组合决策。从大数据分析的实际应用来看，数据量大且复杂，应用复杂的组合的模型也不一定能在较短时间内满足数据分析的要求，因此，在大数据分析任务过程中，模型库的优化可以从两个方面进行理解：一是对现有模型的参数进行修正，让模型更好地满足数据分析的要求；二是不断增加模型的数量，通过模型之间的组合应用实现数据分析的目标。不断地优化数据分析的模型，通过模型库和模型库管理系统的配合使用，能够扩展数据分析模型对不断涌现出的大数据的分析处理能力。
进一步地，所述云数据模块5为Web数据、业务系统数据、传感网数据或科学实验数据。
以上所述为本发明的优选应用范例，并非对本发明的限制，凡是根据本发明技术要点做出的简单修改、结构更改变化均属于本发明的保护范围之内。