“互聯網+”人工智能在計算機網絡技術中的應用

胡晶晶 劉勇

（山東華宇工學院 山東省德州市 253034）

計算機網絡技術被應用于多個領域，實際效果顯著，有著極高的應用價值。人工智能技術出現后受到了人們重視，和計算機網絡技術有機結合起來，有助于提升應用水平。人工智能在未來有著廣闊發展空間，要用發展眼光去看待問題，將人工智能和計算機網絡技術相結合，不斷提升技術水平，促進社會更好發展。

1 人工智能

人工智能是計算機科學的范疇，是研究、開發、模擬人智能的一門新技術學科。該學科主要研究領域包括機器人、語言識別等，有著非常高的價值，如圖1 所示。簡單來說，人工智能就是模擬人的思維，可以實現更好控制，具有思考、學習等能力。人工智能技術深刻影響著人們的生活、學習等，例如智能手機、智能家電等，可以帶來更好的體驗。人工智能技術未來有著廣闊發展前景，因此要樹立起創新意識，不斷深入研究，實現技術突破，從而發揮出更大的作用。在技術發展過程中，人工智能運用在計算機網絡技術中受到了人們重視，要明確人工智能優勢，促進計算機網絡技術更好的發展[1]。

2 基于Hadoop云計算技術

云計算是一種基于互聯網的計算方式，可以將一些資源傳輸到客戶端，作為一種新型計算方式，云計算是云計算在分布式數據計算、并行計算和網絡化計算的綜合發展。目前最具代表性的云計算數據存儲技術包括GFS 和HDFS，下面進行詳細的介紹[2]。

2.1 HDFS

HDFS 是一種運行在通用硬件上的Hadoop 分布式文件系統，組成形式為Master-SLave 結構的集群服務器，不同于現有的分布式文件系統。這種系統容錯性比較高，HDFS 在大規模數據集上應用效果比較好，也可用于常規設備中。通過對POSIX 進行優化，提高了HDFS 的吞吐量，實現了以流的形式來操作數據文件，如圖2所示。

在傳統模式下受到技術條件限制，無法實現對巨量文件的操作，HDFS 應用解決了面臨問題，可以存儲操作PB 級別的文件數據。流水線作業是“一次寫入多次寫出”的方式，數據信息產生后會被復制，在其他單元節點存儲。對于價格較低的硬件而言，質量無法得到保障，在使用過程中容易發生故障，基于這一點，在設計HDFS 時要注重安全性、可靠性，這是非常重要的。HDFS 設計最開始目的是處理大量的數據信息，為了適應發展需求要提高吞吐量，但這對高延遲處理要求較高，因此低延遲的應用請求是不行的，要處理好高吞吐量和低延遲之間的關系。Name-Node 的內存大小決定了HDFS 中系統容納的文件數目。一般情況下，一個文件的大小是150 字節，當文件數量比較多時，則需要占用更大內存空間。不允許多用戶寫入及任意地方修改文件。

2.2 Map/Reduce

Map/Reduce 是一種計算模型，運用分層次獨立計算的方式來進行計算，處理速度會有所提升，適用于超大數據集的處理。Map/Reduce 實現了對大規模數據的拆分，成為了多個獨立執行的Map分任務，操作之后可以獲得某些固定的中間替換文件，Reduce 進行收集、統計。對操作者自身能力要求不是很高，即使不會專業技術也可以完成操作。

Map/Reduce 是構建在成本較低且容易擴展的低端商用服務器集群上，相比較于成本較高的服務器集群應用效果會更好。Map/Reduce 在低端機上運行，經常會發生故障，對結算結果準確性會產生不利影響，之所以一直采用Map/Reduce，主要原因是具有錯誤檢測和自我恢復機制，當出現錯誤可以及時發現并處理，保證最終結果的準確性。在傳統計算機系統下，在處理數據時要將外部數據運輸到內部數據存儲點上，處理大規模數據要耗費較長時間。Map/Reduce 通過date/code 將數據搬運到距離處理器更近的地方進行存儲，從而提高了處理效率。對于大量數據處理可以采用Map/Reduce，在外部存儲器存儲數據，外部存儲器要采用順序訪問的方式，效率比較高。擴展性是一個算法軟件的重要功能，但在長期運行中對算法性能會產生影響。Map/Reduce 具有較強適用性，即使數據規模發生變化，性能依然可以保持穩定性，具有靈活的可擴展性。

圖1：人工智能技術示意圖

圖2：HDFS 架構圖

Map/Reduce 工作原理。Map/Reduce 在客戶端啟動一個作業，客戶端向作業跟蹤器請求一個作業號。作業資源是指需要分割的信息，分割信息輸入主要目的是讓作業跟蹤器合理為某個作業啟動多少個子Map 任務或者Reduce 任務。跟蹤到作業之后，放置在隊列中，運用跟蹤器進行調度，在調度過程中，會從輸入劃分信息中獲得數據，對數據進行分割，給每個子數據分配一個Map 子任務。通常情況下，任務跟蹤器會根據實際情況，來決定所需的Map 和Reduce 子任務槽。處理Map 任務時要采用相應的任務追蹤器，主要原因是Map 任務是分配給含有該Map 任務數據信息的任務跟蹤器并把處理方法拷貝到任務跟蹤器上，這種方式稱之為數據本地化[3]。

3 “互聯網+”人工智能在計算機網絡技術中的應用

3.1 大數據技術的應用

大數據技術的快速發展，應用范圍在不斷擴大，可以滿足實際所需，發揮出有效作用。大數據具有5V 特點。在現代社會發展中，人們越來越意識到數據資源的重要性，從中可以得出重要結論，為策略制定提供參考依據，保證具有科學合理性。在“互聯網+”背景下，將大數據技術應用到計算機網絡中，大大提升了運行效率和質量，具有廣闊發展前景。網絡具有開放性特點，運行中容易受到病毒、惡意軟件的入侵，對系統運行會產生不利影響，當情況嚴重時會直接陷入癱瘓。引用大數據技術可以解決面臨問題，在計算機網絡設置智能防火墻攔截系統，對于惡意軟件、病毒等進行攔截，保證系統處于正常運行狀態中。設置防火墻，防止在使用計算機瀏覽信息中彈出其他窗口，在訪問信息過程中，訪問路徑是自動選擇的，對計算機問題進行有效處理，相比較于傳統防火墻，智能優化系統的防護效果要更好[4]。

3.2 基于多Agent的網絡服務組織技術

Agent 技術。Agent 技術是在人工智能基礎上發展而來的，是人工智能技術和網絡技術結合的產物。關于Agent 技術的定義，目前還沒有一個統一標準，從廣義角度來看，是指具有智能的任何實體，包括人類、智能硬件和智能軟件。Agent 技術已經廣泛用于工業領域中，而且范圍在不斷擴大，因此定義內容也較多。對Agent技術特征分析，主要包括以下幾個方面：

（1）自主性，可以在沒有環境命令情況下自主執行任務，和普通軟件程序有著明顯差異；

（2）交互性，gent 可以和其他Agent 使用通信語言來進行交互，從而實現協同工作。

（3）響應性，對環境的影響可以作出適當相應。

（4）主動性，對環境變化作出反應，在特定情況下采取主動行動[5]。

Agent 應用于計算機網絡的優勢分析。傳統的分布式計算基于C/S、B/S 體系結構，網絡負載是不平衡的，而且容錯能力較差。Agent 是一種新型的分布式計算工具，有效彌補了傳統模式存在的不足，具有明顯優勢。首先減少網絡寬帶及克服網絡延遲，在Agent 支持下，可以將用戶調用的程序編制成Agent 移動到客戶端執行，有效利用了硬件資源，提升了系統運行效率，從而優化網絡性能。其次是異構性，Agent 可以封裝多種網絡協議并安裝新協議，對系統異構可以進行屏蔽。在分布式計算平臺間，硬件、軟件都是異構的，由于Agent 具有獨立性，可能利用已有的應用程序，促進了無縫的系統集成。最后是健壯性和容錯性，Agent 在移動中可能會發生故障，影響到網絡正常運行，導致出現破壞的情況。為了避免這種情況出現，要創建出相同任務的多個備份，任務結束后對結果進行比較，當Agent 受到破壞時，可以采用備份。另外Agent 運用分布式容錯機制，將容錯功能分配到網站中的多個站點，系統容錯能力得到了提升。

3.3 人工智能技術的應用

規則產生式專家系統。主要應用在入侵檢測中，在檢測過程中，要求工作人員將入侵特征轉化為固定規則，構建數據庫，為專家系統評定入侵檢測提供參考依據。當計算機網絡系統遭受侵害時，利用人工智能技術可以快速檢測，并作出有效處理。數據融合技術。在現有信息處理水平的基礎上，在計算機網絡安全管理中引入人工智能技術，構建出數據融合技術。不僅可以可以收獲數據信息，還能夠實現信息數據的有效協同。在傳感器的支持下形成一個傳感系統，入侵檢測范圍更大，檢測準確性也更高，檢測效果有了明顯改善。在計算機網絡安全管理中，人工智能采用克隆選擇模糊聚類算法對計算機網絡系統安全進行檢測，按照規定流程開展，保證滿足實際所需[6]。

3.4 人工智能Agent技術的應用

人工智能Agent 技術是指人工智能代理技術，由多個部分組成，具有一定復雜性。運用人工智能Agent 技術，可以滿足用戶個性需求，對信息進行搜索，并將搜索到的信息進行準確傳遞，具有強大功能，滿足用戶自身需求，提升了滿意程度。當用戶要查詢相關信息時，人工智能Agent 技術可以進行有效分析，對信息進行篩選，保證滿足實際所需，整個過程需要更短時間。將用戶需求和人工智能Agent 技術結合起來，可以提供個性化服務，例如現代人都喜歡網購，運用人工智能Agent 技術推薦喜歡的物品，為用戶節省時間，整個過程更加的快速[7]。

4 結語

綜上所述，人工智能技術自誕生以來，處于快速發展中，其具有強大技術優勢，被廣泛應用在各個領域。目前在計算機網絡技術運用中出現了諸多問題，為了有效解決，要合理運用人工智能技術，改善系統運行效果。發揮出人工智能技術優勢，和計算機網絡有機結合，不斷優化網絡系統，提升運行安全性和穩定性。