關于神經網絡在計算機網絡安全評價中的應用探析

摘 要：隨著計算機網絡時代的發展，其相關技術水平也取得了飛躍式的進步，而網絡安全則是計算機發展中最讓人關注的問題。計算機已經不再是傳統對文件單一式的處理方式，而是利用網絡信息實現更為復雜的辦公服務。如何在使用過程中保證網絡安全，是計算機網絡技術所面臨的難題，而神經網絡能為網絡安全評價起到一定的作用。因此，本文對神經網絡在計算機網絡安全評價中的應用作出探析。

關鍵詞：神經網絡；計算機網絡安全評價；應用探析

現如今，人們的日常生活和工作都已經離不開計算機，但各類安全風險也屢次出現在使用過程中，給用戶帶來很多的擔憂和不便。神經網絡在多個方面都具有智能人工算法技術，如組織能力和適應能力等，能為計算機網絡安全評價起到了極大的作用。

1 神經網絡的概念

（一）神經網絡的發展

神經網絡（neural network，NN）是對神經單元通過大量處理，而組建的網絡復雜結構，具有簡化和模擬人體大腦的功能。在儲存信息上，神經網絡的學習能力和適用能力都很強大，并具有十分可觀的容錯能力，是傳統信息算法的有效突破，可以將處理信息的方式按照人體大腦思維模式來進行。人工神經網絡于20世紀40年代開始初步研究，同時對MP神經元模型有了認識。到了20世紀50年代末，研究者們通過MP神經元模型將感知器這一實物進行了設計。美國國防部于20世紀90年代初對神經網絡的各個應用領域進行了進一步開發，第一是地震信號監測；第二是識別目標；第三是識別和處理聲吶信號等，并具有很大的進展。神經網絡技術在中國的起步開始于20世紀80年代末，雖然起步較落后于其它國家，但在研究成果上也有很大的成效。

（二）神經網絡的特點

神經網絡的特點可以分為四點，第一是學習能力；第二是分布式；第三是并行性；第四是非線性等。首先，較好的學習能力是神經網絡的主要特點，其可以根據抽象訓練而得到樣本的相關數據特征，這不僅說明神經網絡的智能運用，更是充分體現了強大的網絡計算機適應功能。其次，分布式在傳統計算機中是串行運行的，在不同的單元中儲存信息，如果其中一個存儲單元遭到破壞都將對整個信息存儲造成影響。但在神經網絡中，其是通過神經元來分散儲存信息，連接權值和單獨的神經元必須進行組織才能發揮作用。如果損壞到連接權值或是單一神經元，不會影響到整體信息，這是神經系統具有強大穩定性和容錯能力的表現。同時，在外界干擾下輸入信號，不會產生較大畸變的輸出信號。再次，神經網絡的聯想能力通過分布式的結構來實現，其主要體現在對人體大腦結構通過網絡來進行模擬。在信息被神經元接收并進行處理時，每個神經元都是單獨的，對接收信息進行分別處理再各自輸出，這是神經網絡的并行性，其具有極高效率的信息處理能力。最后是神經網絡的非線性，其能對輸入和輸出的非線性映射有效實現，輸入與輸出的分線性關系通過神經網絡，可以對大部分無模型的非線性關系加以模擬，是研究非線性系統的主要途徑。

2 計算機所存在的網絡安全問題

計算機所面對的網絡安全問題大致可以分為幾類，第一是病毒危害；第二是黑客攻擊；第三是IP地址盜用等。網絡安全有保密性、完整性、可用性、可控性、可審查性等五個方面的特點。網絡安全問題中，計算機病毒是最常見的，具有極大的破壞性和隱蔽性，并具有高傳播速度。常見的計算機病毒有蠕蟲和震網等，其能嚴重破壞計算機網絡，要對其進行清除也有很大難度。近年來，黑客攻擊頻率也在不斷增加，且具有一定的目的性，這些黑客為了窺探他人隱私，對用戶計算機隱私進行竊取。部分黑客的目的是為了報復或抗議某些事件，對公共網絡和政府網絡進行大肆攻擊，企圖對網頁內容進行篡改，造成一定的社會負面影響。另外，IP地址盜用也是計算機網絡安全中的主要問題，對用戶IP進行盜取，并騷擾和破壞使用用戶的個人信息等，給用戶的個人信息安全帶來了極大隱患。

3 計算機網絡安全評價中神經網絡的應用

（一）安全評價體系的建立

計算機網絡安全評價對于計算機相關安全隱患都有所包含，其可以通過神經網絡來對網絡安全評價體系進行建立，預防潛在威脅對計算機網絡造成的破壞。第一步需要對安全評價指標進行確立，其應當具有最基本的幾項原則，第一是獨立；第二是準確；第三是可靠。在進行評價時，應當選擇評價對象強層分明的代表性。第二步是對評價指標進行各項標準化和取值。由于每個評價指標具有不同對象的評價，所以每個評價指標的標準和取值也是有差別的。第三步是評價結果庫的建立，其完整的建立應當根據不同評價指標的不同特點來進行參考。如要對網絡安全級別進行結果評價，可以分為幾個等級，第一是安全；第二是比較安全；第三是不安全；第四是嚴重危害等，并對每個評價做出詳細的說明，使計算機網絡安全形成的原因、結果和評價得到用戶的清楚認識。要對網絡安全評價體系進行建立，可以通過幾個原則來進行，第一是準確性；第二是完整性；第三是獨立性；第四是簡要性。

（二）BP神經網絡的應用

在計算機網絡的應用中，使用最為廣泛的是BP（Back Propagation）神經網絡。BP神經網絡具有學習、記憶和自適應等能力，能夠有效處理非線性、不確定性或模糊關系。BP神經網絡通過對樣本信號不斷傳播和訓練，保證最低限度的誤差傳播，其在實際應用過程中，具有很大的安全作用。在識別對象和分類上，BP神經網絡的靈敏度都十分優越，可以對網絡安全中心進行快速的診斷和監督。但是，BP神經網絡的缺陷在于魯棒性和容錯率相對較低，在快速實現安全監測的同時，難以保證準確度。另外，收斂效果不佳也是BP神經網絡算法存在的問題，其缺少標準統一的網絡隱層節點。安全評價模型依靠BP神經網絡來建立，首先要使神經元接數量在輸入層設計中達到評價指標。然后利用單層結構來設計隱層含，對選取的節點數量進行網絡綜合考量。最后是安全評價結果利用輸入層來進行設計，以保證精確性的安全評價。

（三）ART神經網絡的應用

ART（Adaptive Resonance Theory）神經網絡，即自適應共振理論神經網絡，是一種自組織神經網絡結構，是無教師的學習網絡。ART能自組織地產生對環境認識編碼。ART神經網絡適用的網絡安全評價包括有謠言散播和攻擊他人等一些非安全性操作。在功能上來講，ART主要對語音、圖像、文字等進行識別，對其安全程度進行判斷，并通過搜索大量數據來對模式建立固定的安全評價模型。ART神經網絡的優勢在于穩定性強、聚類效果好，其適應能力能在多變復雜的環境進行轉變，且算法相對簡單。但是，ART的缺陷在于是對模型和參數進行確定，還需學習和優化其網絡結構。ART神經網絡可以有效監測對信息數據的傳播，然后通過模型庫來對比傳播信息的安全程度，并作出相對應的處理程序。所以，ART可以為用戶的網絡環境起到凈化作用，帶來安全良性的網絡空間。

4 結束語

在計算機網絡的快速發展中，網絡安全是使用者們最為擔心的障礙。神經網絡通過高科技技術手段，可以對計算機網絡安全評價體系做出全面優化，保證網絡安全的精確性和穩定性。

參考文獻

[1]李忠武，陳麗清. 計算機網絡安全評價中神經網絡的應用研究[J]. 現代電子技術，2014，10：80-82.

[2]岳陽. 基于BP神經網絡的計算機網絡安全評估[J]. 電腦知識與技術，2013，18：4303-4307.

[3]孫立權，楊素錦. 計算機網絡安全評價中神經網絡的應用[J]. 信息系統工程，2015，01：81.

作者簡介

羅超（1982-），男，湖北仙桃，本科，工程師，計算機/網絡/信息安全。