大數據視域下人工智能在計算機網絡技術中的應用研究

摘要：大數據時代背景下，計算機網絡技術被廣泛應用到人們的生產、生活和學習中，對人們的生活習慣和工作方式產生了很大影響。繼大數據技術和云計算之后，人工智能應運而生，并展現出強大的優勢，尤其是在計算機網絡技術中更是表現出極大的應用優勢。本文以大數據對人工智能的支持為著力點，分析了將人工智能應用在計算機網絡技術中的價值，探討了大數據視域下人工智能在計算機網絡技術中的具體應用，旨在為相關人員提供參考和建議。

關鍵詞：大數據；人工智能；計算機網絡技術

引言

計算機網絡技術在大數據的推動下發生了巨大變化，人們應用計算機網絡技術可以提升信息的傳輸速度和傳輸質量。大數據背景下，信息量逐漸增大，為有效識別存在的異常數據或異常情況，應該將人工智能引入計算機網絡技術中，以此提升數據處理效率和數據安全性。如何發揮人工智能的優勢，促進計算機網絡技術的優化和升級，成為當前需要研究的重點內容。

1. 大數據對人工智能的支持

1.1 數據采集和預處理

大數據環境下，數據的采集和預處理成為人工智能應用的重要基礎，大數據技術能夠高效收集各種來源的信息，如社交媒體、傳感器網絡、日志文件等，為人工智能系統提供龐大的數據集。這些數據集經過清洗、轉換和標準化等預處理后，能夠為人工智能算法提供更準確、更全面的數據輸入，從而提高算法的準確性和效率。例如，在智能推薦系統中，大數據技術可以幫助收集用戶的瀏覽歷史、購買記錄等信息，并通過預處理技術將這些數據轉化為算法可以理解的格式，這樣推薦算法就能更準確地理解用戶的需求和偏好，從而提供更精準的推薦內容。

1.2 數據挖掘與分析

數據挖掘與分析是大數據技術的核心功能之一，能夠幫助人工智能從海量數據中提取有價值的信息和知識。人工智能通過采取聚類、分類、關聯規則挖掘等數據挖掘方法，可以發現數據中的潛在模式和關聯，進而提升決策和推理能力。以金融領域為例，采用大數據分析技術對大量交易數據進行挖掘和分析，能夠自動檢測出異常交易模式，及時發出預警，從而幫助金融機構識別潛在的欺詐行為，更好地保護客戶的資金安全[1]。數據挖掘與分析過程如圖1所示。

1.3 機器學習與深度學習

大數據為機器學習和深度學習提供了豐富的訓練樣本和測試數據。在大數據的支持下，機器學習算法可以訓練出更加精確的模型，深度學習網絡也可以學習到更加復雜的特征和表示，從而使人工智能模型在圖像識別、語音識別、自然語言處理等領域取得更為顯著的進步。以圖像識別為例，深度學習算法如卷積神經網絡（CNN）需要大量的圖像數據進行訓練，大數據則能提供海量的圖像資源，使得CNN能夠學習到更加豐富的特征和表示，進而提高圖像識別的準確率。機器學習與深度學習在自動駕駛、安防監控等領域具有廣泛的應用前景。機器學習與深度學習的關系如圖2所示。

圖2 機器學習與深度學習

2. 將人工智能應用在計算機網絡技術中的價值

2.1 能夠提升網絡運行的穩定性

大數據支持下的人工智能系統能夠實時監控網絡狀態，及時發現并預測潛在的網絡問題，如流量異常、設備故障等，通過解決這些問題可提升網絡的安全性。將人工智能系統應用至計算機網絡技術中，可以通過智能分析自動調整網絡配置，優化網絡資源分配，從而減少網絡擁堵和故障發生的概率。此外，人工智能的有效應用還可以協助網絡管理員進行故障排查和修復，進而大幅縮短故障恢復時間，確保網絡實現持續、穩定的運行[2]。

2.2 能夠提升大數據信息的處理效果

在大數據時代，信息的處理和分析可以為各項決策提供準確的依據。人工智能具有強大的數據處理能力，能夠高效地處理和分析大量的數據信息，而且能夠通過自然語言處理、數據挖掘等技術，自動提取數據中的關鍵信息，發現數據之間的潛在聯系和規律，以此提高數據處理的效率，為管理者進行決策提供更為準確、全面的數據支持。因此，將人工智能應用在計算機網絡技術中，可以大幅提升大數據信息的處理效果。

2.3 能夠提升相應的推理水平

人工智能具備強大的推理能力，將其有效應用到計算機網絡技術中，能夠通過有效地學習和訓練，掌握復雜的網絡知識和推理規則，在此基礎上，可以通過人工智能實現對網絡狀況的自動分析，預測網絡行為，并根據網絡環境的變化做出相應的調整和優化。人工智能憑借自己具有的智能推理能力，可以協助網絡管理人員制定更為合理的網絡管理策略，提高網絡資源的利用效率。通過分析可知，將人工智能應用在計算機網絡技術中，可以有效提升相應的推理水平，使網絡管理更加智能化和高效化[3]。

3. 大數據視域下人工智能在計算機網絡技術中的具體應用

3.1 人工智能在計算機網絡系統管理與評價中的應用

人工智能在計算機網絡系統管理與評價中的應用已經非常廣泛。隨著技術的不斷進步，人工智能以其獨特的智能分析和決策能力，為計算機網絡系統管理帶來了革命性的變革。在傳統的網絡系統管理中，管理員通常需要手動配置網絡資源、監控網絡狀態，并及時處理各種網絡問題，這種方式不僅效率低下，而且容易出現錯誤。隨著人工智能的引入，使得網絡系統管理變得更加智能化和自動化。在人工智能技術的支持下，網絡系統能夠實現自動化管理，自動調整網絡資源分配，優化網絡性能，并保持網絡的穩定性。同時，人工智能可以實時分析網絡流量、設備狀態等數據，根據網絡需求進行動態資源分配，從而提高網絡資源的利用率，改變了以往人工操作造成的效率低下的問題，避免了資源浪費。

此外，人工智能還能對網絡系統進行全面實時的評價[4]。具體來說，人工智能技術通過收集和分析網絡系統的各項數據，可以評估網絡性能、安全性和可靠性，及時發現并解決潛在問題，確保網絡順暢運行。這種實時評價機制使網絡管理員能夠及時獲得關于網絡狀態的反饋，從而更好地進行網絡管理和優化。

總之，人工智能在計算機網絡系統管理與評價中的應用大幅提高了管理效率，增強了網絡的性能和穩定性，為網絡系統帶來了更高的可用性和可靠性。隨著人工智能技術的不斷發展，其在計算機網絡技術中的應用將會越來越廣泛，也會為人們的生活和工作帶來更多便利和創新。

3.2 人工智能在數據安全管理中的應用

在數據安全管理中應用人工智能時，因受大數據技術的支持和影響，可以在以下三個方面體現出重要的應用優勢。

第一，人工智能在入侵檢測中的運用。入侵檢測是數據安全管理中的重要環節，將人工智能技術應用到該環節，主要是基于機器學習和深度學習的先進方法，對網絡流量和用戶行為進行精準的分析，迅速識別出不尋常的數據傳輸量、異常登錄時間等異常模式，針對發現的異常情況，系統會立即自動采取相應的防護措施，例如，封鎖可疑的IP地址或限制訪問權限，從而有效地抵御各種網絡攻擊，有效提升網絡安全的防護能力。

第二，人工智能在垃圾郵件處理中的運用。人工智能技術能夠高效地識別和過濾垃圾郵件，保護用戶郵箱的安全與清潔，在具體的應用過程中，人工智能通過自然語言處理和機器學習算法，可以準確判斷郵件內容是否包含垃圾郵件的特征，如特定的關鍵詞、發送者行為模式等，一旦識別出垃圾郵件，系統就會及時攔截并將其隔離，防止用戶受到不必要的干擾和潛在的安全威脅[5]。

第三，人工智能在防火墻中的運用。人工智能技術為防火墻提供了更高級別的保護，使其能夠更加智能地應對網絡威脅。人工智能支持下的智能防火墻能夠實時分析網絡流量，識別并攔截惡意攻擊，如DDoS攻擊、SQL注入等，而且還能根據網絡環境的變化，自動調整防御策略，確保網絡安全的持續性和有效性。

3.3 人工智能實現agent技術

在科技日新月異的現代社會，人工智能成了一個不可或缺的技術元素，其在各個領域都展現出強大的實力，尤其是在大數據的環境下，人工智能技術更是得到了空前的應用和發展。其中，agent技術就是在這樣的背景下應運而生，并且迅速在網絡服務與網絡管理中占據了重要的地位，該項技術主要包括兩個方面。

一方面，agent技術在網絡服務個性化和定制化方面展現出良好的應用優勢，這主要得益于解釋推理器和知識庫的支持。用戶在網絡上進行訪問時，系統會對用戶的行為數據、喜好等信息進行收集并儲存，隨之對這些數據進行一系列的處理與分析，在這一過程中，可以借助解釋推理器的功能來精確判斷用戶的需求。而一旦系統識別出用戶感興趣的內容，便會迅速篩選出相關數據，隨之主動將獲取的數據信息推送給用戶，從而實現網絡服務的個性化和定制化[6]。

另一方面，該技術在網絡管理和網絡安全領域也具有顯著優勢。該系統會對底層數據進行全面收集和整理，隨后進行深入的分析，在這一過程中，人工智能的四大核心能力——學習能力、推理能力、自適應能力和自主能力，將得到充分發揮。當外部程序嘗試訪問或連接網絡時，系統會迅速地進行研判，判斷其是否存在潛在的風險，并會在第一時間發現并阻止病毒或惡意軟件的入侵，從而最大限度地確保網絡系統及其內部主機的安全，以降低外部威脅對網絡環境造成的影響。

3.4 人工神經網絡的運用

人工神經網絡（ANN）作為人工智能領域的重要技術之一，在計算機網絡技術中應用時，可以通過模擬人腦神經元的連接方式和工作原理，展現出強大的處理復雜非線性問題的能力，進而為計算機網絡技術帶來諸多創新應用。

其一，人工神經網絡在網絡故障預測領域的應用。人工神經網絡在深入分析網絡流量、設備狀態等多維度參數時，通過學習和識別數據中的隱藏模式，能夠精準地預測出潛在的網絡故障。這種前瞻性預測為網絡管理員提供了寶貴的時間窗口，使管理員能夠在故障實際發生前采取預防措施，從而確保整個網絡系統的持續穩定運行。

其二，人工神經網絡在網絡性能優化上發揮著重要作用。人工神經網絡能夠實時對網絡流量進行精準監測與分析，迅速定位網絡中的瓶頸與潛在問題，進而實施針對性的優化策略[7]。這種智能優化方式，不僅大幅提高了網絡的傳輸效率，減少了數據傳輸的延遲和丟包，而且極大地改善了用戶的網絡體驗，使得網絡使用更為流暢、高效。

其三，人工神經網絡在圖像和語音識別方面應用時。人工神經網絡能夠精準地識別和解析復雜的圖像和語音信息。另外，人工神經網絡在網絡安全領域應用過程中，通過學習各種網絡攻擊模式，能夠準確地檢測出隱藏在海量數據中的潛在網絡威脅，從而及時進行防御和應對，這種能力無疑為網絡安全提供了堅實的技術保障，使得網絡環境變得更加安全、可靠。

結語

在大數據視域下，將人工智能與計算機網絡技術進行深度融合，已經成為必然的發展趨勢，對于推動時代發展發揮了重要的作用。從計算機網絡技術的層面來看，通過應用人工智能技術，不僅提升了計算機網絡的安全性和穩定性，也推動了計算機網絡技術的更新與升級，使其可以應用至更廣泛的領域，為推動科技發展貢獻力量。

參考文獻：

[1]周琴.大數據視域下人工智能在計算機網絡技術中的應用[J].信息與電腦（理論版），2024，36（5）：137-139.

[2]徐陽.大數據時代下人工智能在計算機網絡技術中的應用[J].電視技術，2023，47（4）：142-144.

[3]王成志.基于大數據背景下人工智能在計算機網絡技術中的應用[J].軟件，2022，43（7）：110-112.

[4]沙之洲.大數據時代下人工智能在計算機網絡技術中的應用[J].電子元器件與信息技術，2022，6（1）：87-88.

[5]阿不都外力·阿布都瓦依提.大數據環境下人工智能在計算機網絡技術中的合理應用[J].無線互聯科技，2021，18（17）：9-10.

[6]徐天奕，單煒航.大數據背景下人工智能在計算機網絡技術中的應用[J].計算機與網絡，2021，47（12）：39.

[7]戚引松.大數據時代背景下人工智能在計算機網絡技術中的應用探索[J].科技與創新，2021（8）：176-177.

作者簡介：陸蕓，本科，高級講師，方向：信息技術教學研究。