神經網絡在計算機網絡安全評價中的應用

王亞妮

摘要：隨著計算機網絡技術的不斷發展與完善，網絡系統呈現出開放化、自由化、智能化的特性。在此背景下，計算機網絡安全問題愈發凸顯，而影響計算機網絡安全的因素相對較多，傳統的線性計算機網絡安全評價已經無法滿足計算機網絡安全管理需求。基于此，本文從神經網絡、計算機網絡安全評價相關概述出發，對神經網絡在計算機網絡安全評價中的應用進行了研究與分析，以供參考。

關鍵詞：神經網絡；計算機網絡安全評價；應用

中圖分類號：TP393.08 文獻標識碼：A 文章編號：1007-9416（2017）05-0212-01

在網絡技術創新發展與普及應用的同時，影響計算機網絡安全的因素也在不斷增加。黑客、病毒、系統漏洞等安全風險，為計算機網絡運行的安全性、穩定性帶來了極大的威脅。加強計算機網絡安全管理與評價質量，已成為計算機應用與發展的必然趨勢。神經網絡的提出與應用，在一定程度上提升了計算機網絡安全評價的精準度與實效性，成為算機網絡安全評價研究的重點內容之一。

1 神經網絡與計算機網絡安全評價概述

1.1 神經網絡

神經網絡最早起源于二十世紀四十年代初期，是由生物學家與物理學家共同研究得出的“神經網絡模型”。該模型是在人腦的神經網絡的基礎上，對人腦信息處理與傳遞過程進行模擬，并結合數學、生物學等學科知識進行結構與功能的構建，從而形成神經網絡模型。之后隨著各界學者對神經網絡模型的深入研究與拓展，神經網絡技術得到的創新發展，并明確認知到神經網絡的非線性結構特征。這在一定程度上為神經網絡在計算機網絡安全評價中的應用奠定了基礎，提出了全新的發展思路。

1.2 計算機網絡安全評價體系

計算機網絡安全評價是基于計算機網絡安全影響因素的基礎上，構建而成的計算機網絡安全管理系統。計算機網絡安全評價能夠在一定程度上實現對計算機網絡安全影響因素的客觀、全面、科學化分析與預測，并通過評價結果的信息反饋，準確探尋影響因素，進行安全管理[1]。

1.3 神經網絡在計算機網絡安全評價中應用的必要性

相對與傳統線性的計算機網絡安全評價方法而言，神經網絡的有效應用使其評價結果更為準確、客觀與全面，實現了計算機網絡安全評價體系的完善與優化。因此，神經網絡的應用已成為計算機網絡安全評價體系現代化建設的必然趨勢，具有重要應用意義。首先，神經網絡以其較強的環境適應能力，提升了計算機網絡安全評價體系數據信息輸出與輸入的效率，并在自我調節的基礎上，提升計算準確性，保證信息反饋質量。其次，神經網絡的敏感性，加快了計算機網絡安全評價運行與數據處理的速度，提升了系統的容錯性。此外，神經網絡的應用使計算機網絡安全評價具備了非線性的能力，可對多種網絡安全影響因素進行評價，確定評級等級目標，增強評價效率的同時，提高其評價準確性。

2 神經網絡在計算機網絡安全評價中的應用

2.1 計算機網絡安全風險評估模型的建立

通常情況下，要想實現神經網絡在計算機網絡安全風險評價中的有效應用，應從以下三個層面出發，構建計算機網絡安全風險評價模型[2]。

（1）評價指標：建立基于神經網絡算法的計算機網絡評價指標，用以對計算機網絡中存在的各安全影響因素種類進行顯示。通過借助神經網絡本質功能對影響計算機網絡安全的因素進行分析與整合，針對存在問題的數據信息進行查殺。（2）風險等級：通過應用神經網絡，對計算機網絡安全各項風險指標進行計算后，通過數據信息的有效反饋，評定網絡主機風險等級，包括危害程度、計算機網絡攻擊密度。（3）網絡層風險計算：基于神經網絡對計算機運行的整個網絡環境進行風險計算與評估，明確計算機網絡的整體風險因子。

2.2 神經網絡應用的優化

神經網絡應用存在一定的優點，但存在一定的缺陷，如缺乏對這個計算機系統全面化的高水平搜索能力。因此，在計算機網絡安全評價中應用神經網絡，可采取一定的措施進行優化處理，克服自身局限性，完善神經網絡應用質量。首先，對BP神經網絡的整天結構、傳遞函數以及目標矢量進行初始化，并對粒子群的多維參數進行設置，包括位置、迭代次數、規模、動量系數、速度等。其次，對BP神經網絡的單位粒子進行比較分析（歷史值與當前值的比較），從中選擇效果最佳的、價值最大的數據值進行存儲于應用。與此同時，通過對粒子慣性權值記性計算評價最適宜度值，并利用粒子群對神經網絡進行訓練。此外，對粒子進行更新與記錄，判斷系統誤差，依據誤差分析選擇神經網絡最佳權值、閡值，實現神經網絡的優化。

3 結語

總之，計算機網絡安全評價體系作為保證計算機網絡運行安全重要舉措，已成為人們研究與關注的重點。將神經網絡技術應用于計算機網絡安全評價中，可有效提升計算機網絡安全評價結果的準確性、客觀性與可靠性。隨著計算機計算、智能化技術的不斷發展，神經網絡在計算機網絡安全中的應用將具有更廣闊的空間。

參考文獻

[1]楊曉翠，劉汝濤，徐韶.神經網絡算法在計算機網絡安全評價中的應用比較[J].電腦編程技巧與維護，2016（11）：89-90.

[2]徐韶，劉汝濤.基于LM-BP神經網絡的計算機網絡安全評價[J].通訊世界，2016（13）：11.endprint