大數據時代人工智能在計算機網絡技術中的應用研究

德州職業技術學院 郁 陶

新興技術一直都是計算機網絡技術不斷發展的強大驅動力，包括大數據、云計算、VR、AR和人工智能在內的多種新興技術在計算機網絡領域中的廣泛應用，給網絡用戶帶來了豐富的新體驗。本文立足于大數據時代背景，分析了大數據與人工智能的關系，并以側重技術應用的角度探討人工智能在計算機網絡技術中的具體應用，包括網絡安全管理技術、網絡系統管理和評價技術兩個層面的應用；同時，列舉了人工智能在計算機網絡技術中的應用。本文將對大數據時代人工智能在計算機網絡技術中的應用進行研究。

1 大數據與人工智能的關系

大數據和人工智能都是基于計算機技術和信息通信技術發展起來的，它們可被視為信息化進程下的兩個并行分支，在各自不斷向前發展中相互影響、相輔相成。在可作為數據庫進行管理的數據中，客戶信息、運營數據、銷售數據、庫存數據等被存儲于普通數據庫中的數據信息被稱作結構化數據；另外，包括電子郵件、文本文件、圖畫、視頻等在內的，不被存儲于數據庫中的數據，被稱作非結構化數據。隨著數據量的不斷激增，結構化數據和非結構化數據均迎來了爆發式增長，相應的自然語言處理需求、圖畫與視頻解析需求、語音識別需求也在不斷積累，因此人們越來越渴望數據存儲向智能化方向發展。人工智能滿足了人們對數據存儲的需求；同時，這種不斷向上攀升的實際需求，又進一步推動了人工智能技術的優化與更新。作為新一輪科技革新和工業革新的中心驅動力，人工智能與大數據的結合，正在重塑產業運行模式，改變著人們的生活方式。

2 人工智能在計算機網絡技術中的應用分析

2.1 人工智能在計算機網絡安全管理技術中的應用分析

（1）規則生產式專家系統

人工智能可以幫助人們完成對系統入侵的檢測，在已有以數據庫建立的經驗基礎上，我們可以創建有效預防病毒入侵的計算機推理機制，使數據庫具備獨立發現和分析病毒入侵的功能，并能夠根據以往經驗對新的入侵行為進行攔截，以降低病毒入侵的發生概率。

（2）人工神經網絡

所謂人工神經網絡，就是指在智能技術的幫助下，使計算機網絡具備模擬人腦做工的能力，其特別是在容錯性和接受性方面需要有格外突出的表現。隨著大數據時代的到來，人們對海量數據被精確識別和分析的要求越來越高，如果人工神經網絡能夠在畸變和噪聲輸入模式等方面做到精確識別，那么將會極大提升工作質量。事實上，當前有關這方面的人工智能應用已經非常普遍了，特別是在與檢測系統配合使用時，檢測效率得到了進一步提升。

（3）數據挖掘技術

數據挖掘技術的核心內容是準確提取網絡連接狀態下，主機的數據流入和流出，以自身的技術性能為基礎對入侵計算機的數據信息進行學習和分析，并將新的入侵行為納入到自身數據庫中，成為最新的學習經驗，從而對外來類似或相同的入侵行為進行及時攔截。

（4）自治Agent技術

自治Agent技術的主要特點有：適應性、兼容性、自主性和十分突出的學習能力。Agent的特點決定了它對外來入侵具有較強的控制力，并且影響范圍也很廣，強大的適應性大大降低了其對外部環境的依賴程度。

2.2 人工智能在計算機網絡系統管理和評價技術中的應用分析

（1）人工智能問題求解技術

在應用人工智能問題求解技術解決某些給定條件下的問題時，我們所關注的點主要集中在搜索空間和最優解這兩個方面，并希望通過該技術自身所具有的搜索、推理和求解等功能來實現我們的實際需求。通常我們會用f×(n)=g×(n)+h×(n)這個公式來對最優解的獲取進行評估，其中g×(n)被用來表示由網絡節點s-n的最短路徑，h×(n)被用來表示網絡節點n-g的最短路徑。在網絡數據傳輸過程中，最優解的獲取可以幫助我們有效節約網絡資源，提升網絡資源的合理利用率。

（2）專家知識庫技術

專家知識庫技術主要用于幫助人們獲得更加可靠的計算機網絡管理決策和支持，進而實現安全、科學、合理的管理與評價。作為專家系統的一個重要組成部分，專家知識庫對專家系統的正常運行有著很重要的影響，這與專家知識庫通過直接和間接積累知識方式，來對計算機網絡進行編碼的操作行為和過程有很大關系。

3 人工智能應用于計算機網絡技術的幾個例子

3.1 網絡數據庫的建立與開發

大數據背景下的網絡數據庫可被理解成是海量數據與海量資源共享的結果。人工智能可幫助人們輕松實現對后臺（遠程）數據庫和本地計算機程序的精確高效的系統操作和數據管理，這要比人工操作更加精確。隨著數據量的進一步激增，人們對開發和建立網絡數據庫的要求也越來越高，區塊鏈技術便是在這樣的背景下誕生的，這項新興技術被定義為數據記錄、傳遞、存儲、管理、呈現的一種新方式。

3.2 網絡運營管理

人工智能在網絡運營管理方面的應用被視為一種托管服務，即憑借自身的檢測優勢，挖掘出潛在的站點問題，并探索網絡性能下降主要原因，以提升用戶的實際體驗感。把人工智能技術運用到運營商基站建設中，使其成為一項重要的網絡通信戰略部署，將有助于我們向自動化網絡編排更近一步。在眾多網絡運營管理項目中，流量監控始終是運營商最為關心的問題。當然，對于所有有能力實施流量管理行為的管理者來說，流量監控都是十分必要的。在整個流量監控過程中，我們所關注的點基本集中在設備容量層面上，即分析設備不足與設備過剩之間的關系，并結合具體運營情況來對兩者的關系進行調整，以實現資源利用最大化。NFV和網絡切片是我們經常應用的兩種技術，NFV是一種網絡功能虛擬化技術，它是在IT虛擬化技術基礎上提出的，它的出現使網絡設備功能不再依賴于專用硬件，資源可以充分靈活共享，實現新業務的快速開發和部署，并基于實際業務需求進行自動部署、彈性伸縮、故障隔離和自愈。通過對比傳統設備增加方式和網絡虛擬化下設備增加方式，可以很明顯看出NFV的重要性。

3.3 網絡安全防護

在網絡安全防護方面，人工智能可發揮其自身技術上的優越性，幫助我們完成應急指揮和響應服務體系的建立，確保在計算機網絡遇到重大安全問題時，我們能夠在第一時間獲得成熟的解決方案，從而最大限度降低用戶網絡安全受威脅的概率。另一方面，對人工智能領域人才的培養也是非常重要的，畢竟從當前對人工智能技術研發和應用的情況看，基于層與層之間組織合作的網絡安全防護還無法實現自動化，期待創新型人才在此方面深入研究，加以完善和解決。基于人工智能的網絡安全防護內容有很多，比如身份認證識別、惡意域名檢測、流量攻擊檢測、惡意軟件識別、垃圾郵件檢測和系統異常檢測等。

我們以惡意軟件識別為例來進行簡單說明。基于人工智能的數據挖掘算法檢測惡意代碼時，我們會根據文件特征的獲取方式、類型和分析手段的不同，將其分成四類：基于特征的分析、基于行為的分析、基于模型的分析和啟發式分析。其中，基于特征的分析一般是以n-gram等算法提取的字節序列、操作碼序列、函數調用序列、可執行文件的特征和字符串等特征來進行分析的，之后在采用人工神經網絡、決策樹模型、K近鄰等實現分類。

3.4 智能考試系統

在自動考試過程中，我們不僅對試卷質量有嚴格標準，對自動組卷實施過程也有一定的要求，比如：題型設計、試卷結構、題量分配、難度比例、知識點分布等。因此，我們首先需要去建立一個控制各項指標狀態的空間，記為D=[ ]。D中每行均由實體控制指標組成，內容包括：題號、題型、章節、難度，并通過計算機編碼將其表示成二進制。

比如，我們將D空間內的個體d_tar-get用d_request來表示，那么d_request就是試題要求指標，未要求指標就用d_void來表示。于是便有：

試題庫所有試題都被輸入相應屬性，其產生形式為：

結束語：大數據背景下，對人工智能技術的廣泛應用，推動了計算機網絡技術的不斷發展，同時也給人工智能終端的發展提供了豐富的實戰經驗。人工智能與計算機網絡技術的緊密結合，不僅改變了各行各業原有的信息生產、分發和盈利方式、結構，也直接影響了人們的日常生活。但在深入研究和實際應用人工智能技術過程中我們也發現了不少問題，結合大數據時代背景的特點，本文側重于從技術應用的角度對人工智能進行闡述，希望能夠給大家帶來幫助。