基于深度學習算法的計算機網絡安全性分析

楊斯鑠

【摘要】隨著我們進入網絡互聯的時代，計算機網絡的重要性也逐漸提高，但是對于計算機網絡安全的發展還有一定發展空間。本文就是通過分析深度學習算法的基礎概念和當前計算機網絡安全的發展形式對基于深度學習算法的計算機網絡安全性進行分析。

【關鍵詞】深度學習;計算機網絡安全

引言

深度學習被人們稱為升級版的人工神經網絡，通過特征收集、數據擬合、數據建模和訓練，讓機器像人腦一樣擁有自主學習的能力，從而應對實際復雜的識別問題。而在計算機網絡中，網絡病毒是最典型的惡意入侵，如何利用深度學習識別并采取相應措施，就是本文主要涉及的內容。

1深度學習算法概述

深度學習其實就是機器學習的一個分支，在傳統神經網絡算法基礎上進行更深層次的優化研究，這個所謂的深度就是利用更多的基礎信息，擬合出更加精準，更具代表性的深度算法，以犧牲廣度為代價，追求更高的深度模型。所以說，深度學習在某種意義上來說，就是人工神經網絡的升級版本。神經網絡中各個神經元之間進行信息交互，通過神經網絡的計算分析，在輸出層輸出我們想要的信息。深度學習算法主要是讓計算機擁有人工大腦學習新知識的能力，通過迭代擬合出符合要求的算法模型，再采用AI知識庫中更多的訓練示例進行算法訓練。這樣就可以通過該模型讓計算機學習更多基礎特征，而這些基礎特征也是深度學習算法中進行各種識別功能的法寶。例如一張小狗的圖片，計算機并不能直接根據圖片看出這是一只小狗，而是將圖片信息轉換成一系列“0”“1”數據，輸入到神經網絡中，通過識別臉型、體型、身高、顏色等基礎特征來識別圖片內容。而這種算法需要用成千上萬只小狗圖片進行訓練，才能得到一個適用性廣，可移植性強，精準度高的深度學習算法。

2計算機網絡安全的現狀分析

隨著計算機時代的快步發展，計算機硬件在不斷迭代升級，軟件數據也在日益增長，我們已經步入一個全新的網絡數據互聯時代，所以在這樣一個社會條件下，計算機網絡安全技術就顯得尤為重要了。傳統的計算機網絡安全技術主要是為了建立一種系統防御機制，對計算機軟件數據進行管理和保護，防止計算機硬件、軟件數據因為某些偶然或者惡意的入侵而遭到破壞、更改和泄漏。因此，經過計算機網絡安全的不斷發展和科研人員不斷的技術更新，當前的網絡安全技術也是取得了較大進步，而我國的計算機網絡安全主要是依靠防火墻防御，防火墻就是通過限制當前終端暴露給訪問用戶的路由數來控制訪問者的訪問頻率，從而防止攻擊者使用“暴力破解”手段導致網絡安全系統癱瘓。

2.1計算機病毒影響網絡安全

計算機病毒是隨著計算機的普及而衍生的一系列不正當手段，通過對目標系統植入病毒而達到破解、訪問、修改甚至鎖定等目的。2021年7月，美國著名的IT管理軟件制造商Kaseya遭到黑客的惡意攻擊，利用公司系統漏洞鎖定公司客戶對象的信息，并利用公司終端向其發送勒索軟件，權限解鎖贖金竟高達七千萬美元。這次黑客惡意攻擊事件給Kaseya公司及其合作公司帶來了很大影響，可見計算機病毒在網絡安全中具有較高的威脅性。

2.2計算機軟件影響網絡安全

計算機行業的不斷發展，也帶領著各類計算機軟件的研發，在當前不斷新生的計算機軟件中，很容易有軟件設計缺陷，導致軟件在運行過程中會影響計算機本身的操作系統，降低軟件的使用性能。所以在計算機軟件研發時就需要開發人員和測試人員在軟件發布前對該軟件進行全面的檢修，防止此類事件的發生。在計算機軟件漏洞影響計算機本身時，主要是通過占用電腦資源或者感染病毒等手段影響網絡安全。因為在計算機軟件攜帶的某些病毒會在軟件安裝后第一時間入侵系統，導致系統信息數據丟失。

3計算機網絡的安全性質

計算機網絡安全主要體現在計算機系統的安裝過程，因為計算機系統的安裝過程需要對計算機網絡的安全性進行全方位檢查，防止出現系統漏洞而導致惡意入侵損害使用者權益。在對計算機網絡進行分析時要注意系統外部防御結構是否能夠抵御外來病毒的入侵，在系統異常發生時能否進行精準識別并采取合理的自我防護措施，以及在通過網絡傳輸層進行網絡數據傳輸時能否有效保護數據流不被截斷活更改，這些都是系統安裝時對計算機網絡安全設施的基本要求。對于計算機網絡安全的本質來說，其還是對計算機內部數據的保護是否有很好的措施，關鍵的問題還是數據方面的安全要求。這種問題也就需要技術研發人員繼續展開相應的研究工作，將計算機網絡安全實現更加人性化，更加智能化的操作，僅僅依靠系統本身的防御標準很難做到全方位的計算機網絡安全防護。通過上訴分析可以得到這樣一個結果，在計算機網絡安全性質分析中，網絡的各個層次之間都存在相互關聯的情況，并且計算機網絡發生安全故障的因素也有很多，如果不能進行準確識別進行防御，則很容易遭受惡意病毒攻擊。

4深度學習算法在計算機網絡安全的應用

通過上訴分析，我們可以知道計算機網絡風險具有多種多樣，如何對入侵病毒進行精準識別并采取合理有效的防御措施，是計算機網絡安全的核心內容。并且我們知道，深度學習是通過收集基礎特征，進行數據擬合，制作算法模型，在通過大量實際數據的訓練而形成的一種機器自我學習的效果。而計算機網絡安全任務中對入侵病毒的類型識別就可以使用深度學習的算法模式，通過算法模型對每一個訪問者進行數據分析，再將其進行分類，從而確定危險等級，當通過神經網絡計算后，對輸出結果高于某個閾值的數據流進行攔截和集中抵制，防止該類數據流進入計算機系統內部，從而達到保護計算機網絡安全的目的。

5結束語

通過以上分析能夠看出，深度學習在理論基礎在計算機網絡安全技術的開展中起著開創性的作用，提高了計算機網絡的安全性。本文通過分析深度學習、計算機網絡和深度學習在計算機網絡安全中的應用對如何采用深度學習算法保障計算機網絡安全做了簡要分析，在某種程度上加深人們對深度學習和計算機網絡安全重要性的認識。

參考文獻：

[1]肖建英.基于深度學習算法的計算機網絡安全性分析[J].無線互聯科技，2020，17（02）：22-23.

[1]董永峰，鄧亞晗，董瑤，王雅琮.基于深度學習的聚類綜述[J/OL].計算機應用：1-8 2021-10-11.