神經網絡在計算機網絡安全評價中的應用

蔣瑤瑤

摘要 現如今，隨著信息技術的不斷深入到人們生活工作的各個領域，計算機網絡系統在不斷的發展與完善下已經越來越開放，越來越自由化以及智能化，這為我們帶來更多豐富的資源以及便捷性外，也帶來了很多不安全因素，同時為計算機網絡安全評價帶來了新的挑戰。本文對神經網絡與計算機網絡安全評價概述與神經網絡在計算機網絡安全評價中的應用進行了如下闡述。

[關鍵詞]神經網絡 計算機網絡安全評價 應用

計算機網絡技術的飛速發展以及其不斷地向人們的生活和工作中更加深入地滲透，使得計算機網絡安全成為人們日益關注的問題。通常影響計算機網絡安全的因素包括黑客、病毒、系統漏洞等等安全風險，從而給計算機網絡的安全運行以及穩定運行帶來極大的威脅，導致計算機用戶信息的泄露或者是個人財產的損失，因此在計算機網絡技術飛速發展的同時，其相應的計算機網絡安全管理與評價質量也要不斷進行創新和發展。本文就神經網絡與計算機網絡安全評價進行了概述，闡述了神經網絡在計算機網絡安全評價中的有效應用，正因為神經網絡能有效提升計算機網絡安全評價的精準度和實效性，便成為學者日益關注研究的對象。

1 神經網絡與計算機網絡安全評價概述

1.1 神經網絡

始于二十世紀四十年代，神經網絡的雛形誕生，生物學家和物理學家共同研究出了基于人腦神經網絡的“神經網絡模型”。人腦神經網絡具有其自身的信息處理與傳遞方式，它不同于傳統的計算機網絡安全評價的線性結構，而是能夠有效提升計算機網絡安全性的非線性評價模式。生物學家和物理學家通過對學科知識的再構建，建立了神經網絡模型。在神經網絡模型建成之后引起了各界學者的廣泛關注與研究，各界學者紛紛投入到了對神經網絡模型的深入研究與拓展，并且明確認知到神經網絡的非線性結構特征，從而為神經網絡在計算機網絡安全評價中的應用奠定了基礎，為計算機網絡安全的強化起到了一定的支持作用。

1.2 計算機網絡安全評價體系

計算機網絡安全評價體系即計算機網絡安全管理系統，計算機網絡安全管理系統通過對各種影響計算機網絡安全的因素進行有效的分析攔截從而實現計算機網絡環境的安全。計算機網絡安全評價對影響計算機網絡安全因素能夠通過其算法進行一個客觀且全面的分析過程，從而科學地預測出具有安全威脅的因素，并通過評價結果所做出的信息反饋，準確抓取出這些威脅因素，從而實現計算機網絡安全的有效管理。

1.3 神經網絡在計算機網絡安全評價中應用的必要性

隨著計算機網絡技術的不斷發展，傳統線性的計算機網絡安全評價方法已經遠遠不能適應現代計算機網絡安全評價的需求了，人們生活和工作與計算機網絡的密切關系也同樣對計算機網絡安全評價體系提出了更高的要求，從而以確保人們各類信息的安全，甚至是確保人們的財產安全。神經網絡在計算機網絡安全評價中的有效應用，是應時而生的更具有創造性與先進性的研究。神經網絡讓計算機網絡安全評價結果比以往線性網絡評價更具有準確性、客觀性預計全面性，實現了計算機網絡安全評價體系的完善與優化。所以，神經網絡在計算機網絡安全評價體系中的有效應用，是現代化建設的必然趨勢，同時也是人們面對計算機網絡安全威脅的新的要求。神經網絡應用于計算機網絡安全評價中體現了如下優勢：首先，神經網絡具有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，神經網絡對于數據處理更加的敏感，這從而提升了計算機網絡安全評價運行以及數據處理的速度，使系統的容錯性得到了有效提高。另外，神經網絡的非線性特點使計算機網絡安全評價同樣也增添了非線性的功能，能夠更大范圍地對多種網絡安全影響因素進行評價，確定評級等級目標，不僅大大提升了計算機網絡安全評價的效率，還提高了計算機網絡安全評價的準確性。

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

通過建立計算機網絡安全風險評估模型從而實現神經網絡在計算機網絡安全風險評價中的有效應用。建立計算機網絡安全風險評估模型首先要建立基于神經網絡算法的計算機網絡評價指標，通過計算機網絡評價指標來篩選排查一切影響計算機網絡安全的因素，通過神經網絡的精準性與實效性進行危險因素的整合與分析，從而實現對問題數據查殺的目的。其次，運用神經網絡在計算機網絡安全評價中的應用實現風險等級評估，通過一系列周密計算，評估出網絡主機風險等級。此外，運用神經網絡進行網絡層風險計算，從而將計算機網絡種存在的整體風險因子呈現出來。

2.2 神經網絡應用的優化

神經網絡被應用于計算機網絡安全評價中尚不成熟，相比于傳統的線性計算機網絡安全評價，神經網絡在存在精準性和實效性的同時也存在一定的缺點。例如不具備對計算機系統全面化的高水平搜索能力。所以，神經網絡在計算機網絡安全評價中的應用還需要進一步研究與優化，從而促進其完善。第一點就是要初始化BP神經網絡的整天結構、傳遞函數和目標矢量，并設置粒子群的多維參數。第二點則是通過分析與對比，從BP神經網絡的單位粒子中優中選優地進行數據值存儲。第三點使通過對粒子的更新和記錄，選擇神經網絡最佳權值、閡值，從而彌補神經網絡缺陷，實現不斷優化。

3 結語

總而言之，在人們工作與生活越來越依賴計算機網絡的前提下，將神經網絡應用于計算機網絡安全評價中是一項能夠有效提升計算機網絡安全的舉措，并且神經網絡技術也越來越受到學者的關注與研究。隨著信息技術的不斷創新與發展，神經網絡技術應用于計算機網絡安全評價中，不僅提升了計算機網絡安全評價結果的精準性，還具有更大的潛力有待發掘。

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.