基于人工智能的網絡安全技術

摘 要 現階段我國的網絡技術的發展比較迅速，各行業在網絡技術的應用下，大大促進了產業結構優化，提高了生產力水平。但是網絡在給人們帶來方便的同時，也存在著安全隱患，加強網絡的安全保障就顯得比較關鍵。基于此，本文先就我國網絡安全的現狀以及網絡安全特征簡要闡述，然后就人工智能技術及其應用優勢加以分析，最后探究基于人工智能的網絡安全技術，希望能通過此次理論研究，有助于保障網絡的使用安全。

【關鍵詞】人工智能 網絡安全 技術應用優勢

網絡技術的普遍應用改變了人們的生活以及工作方式，已經有愈來愈多的人依賴網絡技術，并成為行業發展的一個重要基礎支持技術。人工智能技術是基于計算機以及智能技術的新技術，人工智能的網絡安全技術的應用，能大大提高網絡安全，在未來人工智能的技術應用將會有廣闊的前景。

1 我國網絡安全的現狀以及網絡安全特征體現

1.1 我國網絡安全的現狀分析

互聯網技術的迅速發展背景下，計算機網絡資源共享水平得到了提高，但是在互聯網的安全問題方面也愈來愈突出。如根據美國FBI統計，其每年網絡安全問題帶來的經濟損失就高達75億美元。全球受到網絡入侵計算機事件二十秒就會發生一起。根據這些調查的情況我們能夠了解，網絡安全問題一直成為難以攻克的難題，尤其是在當前的互聯網技術的廣泛應用下，信息資源共享性的加強，使得世界的網絡逐漸形成一個整體，大量的信息流動如果不能保障網絡安全就必然會帶來很大的損失。

而我國的網絡技術的應用時間并不是很長，但是在發展的速度上是比較快的，尤其近幾年的互聯網技術應用水平得到了顯著提高，并在人工智能等領域有著諸多的突破。無論網絡技術如何應用，網絡安全是最為基礎的課題，只有保障了網絡安全才能更好的發揮網絡技術的積極作用。而從當前我國的網絡安全問題來看，還存在著諸多亟需解決的問題。從人為角度來說網絡安全威脅主要就是信息泄露，信息泄露就破壞了網絡系統保密性，造成信息泄露的主要威脅就是業務流分析以及網絡監聽和漏洞利用等等。網絡安全威脅中拒絕服務攻擊也是比較突出的，主要是對信息資源科合法的訪問被非法拒絕或推遲和時間密切相關操作。還有是完整性的破壞安全威脅，這一方式就是利用了網絡系統漏洞或者是病毒等方式來進行實現的。而計算機網絡安全的威脅表現形式中的篡改是比較常見的，這一威脅發生的時候攻擊者對合法用戶間通訊信息加以修改或是刪除等，造成信息的破壞，這是積極侵犯者，破壞力比較大。

1.2 我國網絡安全特征體現

1.2.1 完整性特征

網絡安全是信息安全的一個引申，網絡安全有著鮮明的特征體現。有完整性的特征，也就是在沒有經過授權的情況下，數據不可進行改變，信息在存儲以及傳輸中要保持不被篡改和丟失等，這是網絡安全的一個基礎特征體現。

1.2.2 保密性特征

網絡安全特征中保密性特征也比較突出，主要就是信息不能泄露給非授權用戶以及實體等，保障信息的安全。

1.2.3 可用性特征

可用性特征主要是可被授權實體訪問并能按照需求使用的特征，也就是在需要的時候能不能存取所需要的信息。對于網絡安全的含義在隨著不斷的發展和角度的不同也會發生變化，從用戶以及網絡運行管理者角度對網絡安全的含義都有著不同的理解。

2 人工智能技術及其在網絡安全管理中的應用價值

2.1 人工智能技術

人工智能是網絡科學的一個重要分支，在當前人工智能理論在網絡安全管理當中已經得到了廣泛應用，并發揮著重要作用，大大提高了網絡安全保護的力度。人工智能技術作為研究開發模擬人類腦力活力的新技術，這是結合人類智能活動行為規律研發的人工智能系統，可在與計算機技術的結合下實現智能行為操作。對人工智能技術的應用時，是多個學科知識進行的交叉融合，所以人工智能技術的綜合性特征比較突出。人工智能和思維科學是實踐和理論的關系，人工智能屬于邏輯思維，人工智能在計算機上實現主要是通過兩種方式。一個方式就是使用傳統編程技術，從而讓系統呈現智能化的效果，這一方法也被稱為是工程學的方法。還有一種實現方式就是模擬法，不只是要看效果，實現方法和人類或是生物機體所有方法淚滴，例如人工神經網絡以及遺傳算法就是此類。

2.2 人工智能技術在網絡安全管理中的應用價值

2.2.1 模糊信息處理能力強

人工智能技術在網絡安全管理當中應用有著重要價值，基于人工智能的網絡安全技術應用，有著處理不確定以及不可知問題能力，這就對網絡安全的保障起到促進作用。網絡的應用過程中，要加強對系統中的各種安全威脅加以清理，保障系統安全運行。網絡系統的運行是處在開放環境下的，信息獲得的速度也比較快，加上信息更新速度迅速，網絡安全的管理工作就要對網絡使用中的問題及時解決，有的信息不確定，而對人工智能技術的應用后，就能對信息分析然后及時處理，結合這些不準確以及不確定信息，進行控制管理網絡資源，在信息的處理能力上的作用發揮比較突出。

2.2.2 資源消耗小

網絡安全的保障采取傳統安全防御技術效率相對較低，網絡安全防御管理就要使用大量資源數據，造成整體的網絡安全的保障成本比較高。采用人工智能技術的應用就有著傳統防御技術所不具備的優勢，人工智能技術的應用中消耗資源比較少，計算成本比較低，采取控制算法能夠準確進行信息計算，這樣就能大大提高信息資源利用效率，也能從成本上有效降低，這對網絡技術的進一步推廣就提供了良好條件。

2.2.3 協作能力強

網絡安全的保障工作是復雜的，網絡規模在不斷的擴大以及結構的復雜化情況下，也對網絡安全的防護管理增加了難度，對網絡單一管理就很難及時處理，要采用協助處理的方式，這一層次化處理方式的網絡安全管理概念，強調網絡安全防御管理間的協作。對于層次化的安全管理主要是分成三個層次，上層對中層管理者輪詢監督，中層對下層監督，構成完整多層的監督體系。人工智能技術的進一步發展下，應用其中后就能提高網絡安全的防御能力水平。endprint

2.2.4 非線性處理能力強

我國的網絡結構復雜，網絡安全管理工作實施中就會面對各方面的因素影響。網絡結構是拓撲結構計算機網絡就成為非線性控制對象，傳統的控制技術就不能有效控制。因為傳統控制理論是技術操作實現，缺少智能化技術及理論，網絡非線性處理能力比較薄弱。而人工智能技術的應用就將計算機科學和人類學進行技術理論進行了有機融合，這樣就大大提高了非線性處理的能力，也能加強網絡的安全管理。

2.2.5 強大的學習推理能力

網絡安全的保障工作在傳統的方式是預防和控制，并沒有涉及到學習能力，網絡信息處理就存在不確定性。新型的人工智能技術應用，就能夠將多種學科進行有機的結合起來，并具備了學習能力，以及能夠對信息實施推理。網絡用戶的增加使得信息處理數據也不斷增加，對網絡安全防御要求也在增加。人工智能技術的學習推理能力的發揮，就能有效進行學習，保障網絡安全防御應用空間的擴大，對信息處理的效率也在進一步提高。

3 基于人工智能的網絡安全技術應用

人工智能技術支持下的網絡安全的保障就有著堅強后盾，把人工智能和網絡安全管理緊密結合，能夠大大提高網絡技術的應用水平，有效保障網絡運行的安全。筆者就基于人工智能的網絡安全技術的應用進行如下探究：

3.1 人工智能垃圾郵件安全檢測技術應用

互聯網技術的廣泛應用下，人們對郵箱的應用比較常見，尤其是在工作當中郵件成為信息文件傳輸的重要方式。而在郵件的使用過程中，就有一些不法分子通過利用漏洞發送不法信息，如果是郵件接收方打開點擊郵件中的鏈接，就會造成電腦死機或者是信息泄露等安全威脅。對這些垃圾郵件的安全防護，采用人工智能的技術應用，采用智能型反垃圾郵件系統應用就可避免垃圾郵箱進入內部網絡系統，能夠起到及時監測的作用。通過垃圾啟發式掃描引擎的使用，就能對郵件信息實施分析統計評分，智能化的垃圾郵箱系統能夠結合這些評分以及組織策略刪除郵件信息，檢測到垃圾郵件的時候就會直接進行刪除，這樣就能有效避免了人為誤操作，也能大大降低網絡安全威脅。

3.2 智能防火墻安全技術的應用

網絡安全的保障技術應用中，基于人工智能的防火墻技術作為隔離控制技術，能夠通過預定義安全策略對內外網通信強制訪問控制。這一安全防護技術所包含的子技術比較多，有狀態監測技術以及包過濾技術等。如包過濾技術的應用主要是網絡層中對數據包進行選擇，結合系統設定好的過濾邏輯檢查數據包的安全性，對數據包源地址和目標地址等進行檢測，最后決定是否讓其通過。再有就是狀態檢測技術的應用，這是連接狀態的檢測機制，技術應用中屬于同一連接所有包作為整體數據流看待，從而構成連接狀態表，和傳統包過濾防火墻技術相比較來看，有著比較強的靈活和安全性，對主句和數據的安全保障發揮著重要作用。

3.3 克隆選擇模糊聚類算法檢測技術

基于人工智能的網絡安全技術的應用，入侵檢測技術是比較關鍵的，檢測技術的應用主要是對信息的收集分析，當發現了惡意以及違反安全策略行為信息的時候進行及時防御。克隆選擇模糊聚類算法異常檢測技術的應用，有著比較強的入侵檢測控制能力，對檢測的效率和降低誤報率都有著積極作用。對于聚類分析而言，主要是將網絡信息根據最大內相似性和小類間現實性分組構建聚類分析數據模型。模糊聚類目標函數如下：

聚類分析是結合樣本集中樣本特征進行建立多種聚類方法的。而在克隆選擇方面也是重點，主要是結合生物學當中免疫系統進行建立的選擇算法，算法結合了隨機搜索以及進化搜索等建立了克隆算子，其收斂速度比較大。克隆選擇模糊聚類算法的流程為：初始化抗體群落——克隆操作——免疫基因操作——克隆選擇操作——克隆死亡操作——一步迭代算子——抗體編碼——克隆操作。網絡的不可知風險檢測率就是異常檢測方法的關鍵指標，在檢測的時候就主要有攻擊類別Probing、U2R、Dos，根據相應的檢測效果來看（如表1），前兩者優于后者檢測效果。從而能夠得知，Dos入侵偽裝成合法身份進行網絡攻擊，這樣就和正常數據相似，所以檢測率比較低，這一方法對檢測網絡安全未知入侵行為就能發揮積極作用。

3.4 人工神經網絡系統及模糊識別系統應用

網絡安全的保障措施實施中，通過人工神經網絡系統的應用對保障網絡安全也能發揮積極作用，因該系統的分別能力比較高，能有效識別帶有噪音或畸變入侵模式，自適應能力就比較突出。人工神經網絡系統和專家系統適應范圍有著不同，其主要是在生物神經網絡基礎上發展的，所以有著一定學習和理解以及計算能力對信息的存儲以及處理和識別的速度就比較快，也能建立基于時間序列預測模型，對檢測入侵病毒的效率以及能力也得到了有效提高。另外，對于模糊識別系統的應用，也能夠有效識別病毒，可推斷是何種類型病毒，這樣就能有助于得到精確的結果，保障網絡的安全。

4 結語

綜上所述，基于人工智能的網絡安全技術的應用，是保障網絡正常運行的關鍵技術，在當前人工智能技術的迅速發展下，也為網絡安全環境的優化起到了促進作用。通過此次對人工智能網絡安全技術的相關探究希望能有助于保障網絡安全。

參考文獻

[1]趙海龍，紀澍琴.入侵檢測系統的研究與展望[J].電腦知識與技術（學術交流），2016（15）.

[2]林楊，劉貴全，楊立身.基于改進SVM方法的入侵檢測[J].計算機工程，2016（14）.

[3]李瑋，范九倫.基于新的聚類算法的入侵檢測[J].計算機工程，2016（07）.

[4]黃光球，彭緒友，呂定全.基于密度的異常挖掘智能網絡入侵檢測系統設計與實現[J].微計算機信息，2016（23）.

[5]郎風華，鮮繼清.基于格貼近度的模糊異常檢測方法[J].計算機工程與應用，2015（23）.

[6]王興柱，樓新遠.基于智能的分布式網絡入侵檢測系統[J].現代計算機（專業版），2015（02）.

[7]李娜，秦拯，張大方，陳蜀宇.基于Markov Chain的協議異常檢測模型[J].計算機科學，2015（10）.

[8]饒鮮，董春曦，楊紹全.基于支持向量機的入侵檢測系統[J].軟件學報，2016（04）.

作者簡介

郭華（1988-），女，山西省運城市人。現為山西農業大學信息學院教師。研究方向為人工智能及應用。

作者單位

山西農業大學信息學院 山西省晉中市太谷縣 030800endprint