神經網絡在計算機網絡安全評價中的應用研究

李知穎

摘 要 計算機網絡技術的大量普及，方便了我們的日常生活，并且提高了辦公速度，但是廣泛應用計算機網絡的同時，計算機病毒、黑客等危險因素的存在對計算機網絡完全產生一定威脅。而在計算機網絡安全評價中應用神經網絡的為網絡安全提供了保障。本文主要通過結合實際情況，對計算機網絡安全評價中應用神經網絡所取得的實際應用價值進行分析，并將所取得的結果做以下分析匯報。

關鍵詞 計算機網絡；神經網絡；安全評價；應用

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2017）198-0109-02

計算機運行操作過程中的一個重要組成部分就是對計算機網絡實施的安全評價工作，而傳統的計算機網絡安全評價的表現為線性評價，而對于存在影響因素較多的情況下就無法做出綜合性的評價，評價精度方面也不夠高，而應用神經網絡可以使傳統的評價方式得以優化，提出的評價標準更為合理，是因為網絡安全造成損傷的情況得到有效降低。

1 神經網絡的作用

信息網絡技術隨著計算機技術發展，而得到快速發展進步，對計算機網絡安全產生影響的因素也隨之增加，因此為了能夠有效應對計算機網絡所具有的風險，神經網絡營運而生，并在此后對神經網絡開展了大量的研究工作，使其更加成熟。通過將簡單的神經元進行大量連接，從而能夠得到的神經結構會更加復雜，而復雜的神經結構實施相互聯系的情況下所得到的就是神經網絡[1]。神經網絡具有十分強大的信息處理能力，對信息具有儲存以及分布處理的功能，并且對信息處理能夠具有良好的包容性。對較為復雜的非線性關系也可以很好的進行處理。神經網絡對信息的處理主要是對自身所存在的節點之間的關系充分利用，并對其實施調節使工作得以完成。主要模仿人類大腦活動對作為處理信息的方式，對信息處理的靈活性及針對性更強。在對實際問題進行解決的過程中時能夠自動的對信息進行分析，從而可以制定出最佳的解決方案。隨著技術水平的逐漸發展，神經網絡技術發展的更加成熟完善。

2 安全評價的分類

安全評價的分類標準不同，依據標準所分的類別也就有所不同。分類依據系統對象可劃分為事前、事中、事后以及跟蹤評價；分類依據性質可劃分為：安全管理工作評價、原有風險評價以及現存的危險性評價；分類依據工作內容可劃分為：有害及危險因素評價、設備可靠性評價、設計評價、行為安全性評價以及安全管理工作評價；分類依據評價方法的特征可劃分為：定量評價、定性評價、綜合評價[2]。

3 神經網絡在計算機安全評網絡評價中的具體應用

3.1 計算機網絡安全評價的具體過程

進行計算機網絡安全評價的具體過程中主要分為兩個步驟：一是對計算機網絡安全評價體系進行構建，二是對BP神經系統采用粒子群優化的方法進行優化。

1）在對安全體系實施構建的過程當中，首先需要對標準化以及指標取值等問題進行考慮，由于體系中的指標較多，并且相互之間的評價因素都存在較大的差異性，所以導致了指標取值以及標準方面也存在較大差異。通過，評價方式主要分定量指標以及定性指標評價。這兩種評價方式的側重點是不同的，所以將其在實際工作的應用過程中，經常會將兩種方法結合到一起進行應用，從而對網絡安全內容的反映，可以更加全面和細致。在選擇定量指標時需要結合實際情況，使評價指標出現趨同性情況能夠得到有效避免，并且在利用標準化實施的過程中，應當對取值范圍進行明確的限定。定性標準常用的方法就是專家打分，并且對定性指標進行處理時，應當按照標準化來處理[3]。

2）針對BP神經網絡的優化方法包括：初始化BP神經網絡的函數及目標量，設置調整粒子的幾個方面，具體為初始速度、位置以及動量參數。對粒子群進行集中，從而能夠使BP神經網絡可以更加完善，并需要評價其對網絡的適應情況，將所有神經元當前的適應度情況與歷史適應度進行比較，若能夠到達歷史最高記錄的情況下，就應當對當前的神經元實施保存，并將其作為評價指標；通過計算所有粒子的慣性后，如果發現其運動速率以及位置產生變化的情況下，就需要詳細記錄對粒子群之間的適應度誤差，并且對系統適應度存在的誤差進行統計。使BP神經網絡自身所存在的缺陷得以改善，使其性能得以提高。

3.2 應用神經網絡構建計算機網絡安全模型

神經網絡構主要包括輸入層、隱含層及輸出層。針對輸入層來說，首先通過將計算機網絡安全評價指標的數量作為依據，來確定神經元節點數量，兩者的數量需要保持一致，也就是說評價模型有25個指標，神經元指標也必須要輸入25個。大多數的隱含層為單向隱含層。神經網絡性能主要是由隱含層的節點數量來決定，隱含層節點數量過多，那么神經網絡結構就會呈現復雜化，使傳輸信息的速度降低，而當節點數量較少時，會減弱其容錯力。因此，在隱含層節點的數量的選擇需要保證合理性。通過實際操作過程中所總結的經驗表明，隱含層的節點數量通常為5個，這時候的評價作用較好[4]。通常情況下，輸出層為2個節點，可以使網絡安全狀態通過將這兩個節點采取不同組合方式來表達不同等級。舉例來說，安全可以用（1，1）來表示，存在風險可以用（1，0）來表示，具有危險可以采用（0，1）來表示，0）非常危險可以用（0，0）進行表示。

3.3 設計評指標價

依據計算機網絡安全的實際情況，可以利用神經網絡將其進行安全等級劃分。安全等級主要分為安全、存在風險，存在危險以及非常危險這幾個級別。并將不同的安全等級利用顏色進行表示，使其能夠更加直觀的感受安全等級。不能依據個人喜好選擇顏色，而需要依據通用性原則，用綠色來表示安全存在危險、橙色代表危險、紅色代表非常危險。工作人員通過所接收警示信息，就能依據警示信息，對所存在的問題開展有針對性的應對工作。

3.4 提高計算機網絡的信息安全

計算機網絡的主要具有信息共享以及數據傳輸等功能，廣泛應用于信息管理、國際貿易等金融、技術及生產領域。在計算機進行傳遞信息的過程當中，神經網絡系統可以對信息起到過濾的作用。網絡傳遞信息是雙向的，無論輸入還是輸出信息，都需要通過神經網絡過濾。而構成神經網絡的輸入層、隱含層以及輸出這3個組成部分，都可以對信息起到過濾作用，信息在經過這三層過濾后，保障了其傳輸的安全性。在這三層中，起著關鍵性作用的就是隱含層。所有需要輸入的信息都需要經過隱含層，隱含層對信息經處理后，才能夠通過輸出層傳輸出去。在此期間，當發現所傳輸的信息存在異常實，可以將異常信息返回，并重新核對安全性，核對完成后在將信息重新重復上一傳輸過程，只有對信息確認無誤之后才能被傳輸出去。應用神經網絡系統使網絡安全性得以提高[5]。

4 結論

在計算機網絡安全評價工作中應用神經網絡技術，可以使傳統評價工作中所存在的主觀性以及不確定性在一定程度上都能夠得到避免，從而可以使評價工作所得出的結果能夠更具真實性，使計算機安全管理工作得到了相應的保障。雖然在計算機網絡安全評價中應用神經網絡可以帶來一定益處，但同時我們也應當對其存在的不足之處有著明確認識，通過在實際應用的過程中總結經驗，將其不斷完善，從而能夠更好提供服務。

參考文獻

[1]肖繼海.神經網絡在計算機網絡安全評價中的應用研究[J].電腦編程技巧與維護，2016，28（22）：69-70.

[2]彭英.計算機網絡安全評價中神經網絡的應用研究[J].九江學院學報（自然科學版），2016，32（3）：152.

[3]溫斯琴，王彪.基于神經網絡的計算機網絡安全評價仿真模型[J].現代電子技術，2017，40（3）：89-91.

[4]許曉燕.神經網絡在互聯網安全評價中的運用[J].湖南城市學院學報（自然科學版），2016，25（6）：63-64.

[5]耿家禮，王會穎.基于神經網絡下的計算機網絡安全評價體系研究[J].綏化學院學報，2015，35（8）：159-160.endprint