神经网络在计算机网络安全评价中的应用研究

马乐巴音郭楞职业技术学院



神经网络在计算机网络安全评价中的应用研究

马乐
巴音郭楞职业技术学院

摘要：随着计算机技术的不断发展，网络安全成为人们非常担忧的问题。为了满足人们对网络安全方面的需求，计算机网络安全评价体系应运而生。而神经网络是一种在适应能力、组织能力以及学习能力方面都较强的智能人工算法技术，能够对计算机网络安全评价起到极大的促进作用。本文主要从神经网络与计算机网络安全评价概述、计算机网络安全评价中对神经网络的应用以及在计算机网络安全评价中使用神经网络的意义三个方面，对计算机网络评价安全以及神经网络的相关问题进行了论述。

关键词：神经网络；计算机；网络安全；应用

近年来，计算机技术的发展日新月异。但随之而来的，使人们对信息安全的担忧。如何提高计算机网络安全是一个亟待解决的问题。计算机网络安全评价体系就在这样的背景下产生了。而在这一体系中，神经网络起到了非常大的作用。

一、神经网络与计算机网络安全评价概述

计算机网络安全评价体系建立的目的是对网络环境中的危险因素进行识别，并采取一定的措施进行控制。在建立网络安全评价体系时，要确保系统能够对危险因素进行准确识别。而且在进行评价之前，要先设置不同的相互之间既有关联又有一定独立性的评价指标。同时既要保证评价过程的简洁，也要保证评价结果的可靠。此外，还要使所设定的指标能够对计算机的整个系统进行全面、准确的反映。

神经网络是根据人脑对外界信息进行处理的模式来设计的。神经网络通过数学模型对神经元处理及传递信息的过程进行模仿以及研究，相关研究者们经过不断努力，研发出了适用于计算机网络安全评价体系的神经网络。

二、计算机网络安全评价中对神经网络的应用

从目前的应用现状来看，在计算机网络安全评价中BP神经网络的应用范围最广，而且所取得的效果也是非常理想的。其具体的应用过程主要包括以下几方面。

1、建立评价指标集

在计算机网络中，能够对其安全性能产生影响的因素是非常多的。也就是说，在设置评价指导时要兼顾各个因素，确定评价指标能够对每一个因素都进行考核，最终使评价模型整体上发挥出最大功能。具体来说，在对定量指标进行评价时，要以系统的具体状况为标准进行取值；而在对定性标准进行评价时，则要采用专家评级的方式。由于指标取值的主要目的是对网络的安全状况进行反映的，而且这些取值无法用来直接比较，因此必须首先使用标准化方法对这些指标进行处理。

2、建立神经网络的计算机网络安全评价模型

建立神经网络的计算机网络安全评价模型的流程大致可分为三个步骤。第一，设计输入层。输入层的要求是所设计的神经元节点的数量与所选择的评价指标的数量相同。这种设计的目的是使两者之间相互适应。第二，设计隐含层。就目前的技术来说，隐含层都为单隐含层。在设计时要对具体的隐节点的数量多加重视。节点数量过多或过多都会对系统性能产生影响。节点过少时，会使网络的非线性映射以及容错性受到影响；节点过多时，系统的学习时间就会过长，从而导致系统产生误差的可能性增加。第三，设计输出层。换句话说，就是对系统的评价结果进行输出。

3、神经网络学习

评价模型中所包含的输入层、隐含层以及输出层必须将所有的初始连接权值包含在内，这就使得神经网络要先进行学习，然后再进行构建模型，如此才能更好的减少误差。神经网络进行学习的过程包括：首先，对数据进行收集。所收集的数据要具备覆盖计算机网络安全评价的所有范围的特点。当期望结果建立完成后，对网络模型进行训练。在神经网络的学习过程中，输入层所设计的节点的数量对学习时间的长短和学习效果都会产生较大的影响。因此为了保证学习效果和网络安全评价体系的性能，必须对节点数量进行合理设置。

4、使用神经网络验证网络安全评价模型的性能

BP（Back Propagation）神经网络在网络安全评价模型中所起的作用一方面是对其进行设计以及学习，另一方面也要对其性能进行验证。进行验证时可选出一组数据作为样本，以此来对评价模型的性能进行验证。如果验证结果和期望值相同，那么说明之前所建立的模型在对网络安全进行评价时具有较高的准确性和可靠性，符合被投入使用的标准。如果结果不同或差别较大，则表示模型还需要改进。

三、在计算机网络安全评价中使用神经网络的意义

1、提高系统的适应性

神经网络在适应各种各样的运行环境的速度方面具有无可比拟的优势，因此能够有效提高系统的适应性。而且，神经网络的学习能力也较强，它在对数据进行计算的过程中，能够通过对自身不断调整的方式来降低误差发生的可能性以及误差范围。此外，神经网络还能对计算机网络系统的运行规律进行总结，这种概括及总结能力对整个评价系统来说是非常重要的。

2、提高系统的容错性

与传统的评价方式相比，神经网络能够使系统的容错性更高。在计算机的运行过程中，所产生的不完整信息是非常多的。神经网络在对这些不完整信息的感知方面的灵敏度并不是很高，因此不会对评价过程产生影响，最终使得评价结果与期望值之间的差距达到最小。神经网络对这些信息的感知度并不是非常灵敏的原因是系统中的节点是相互对应的。也就是说，如果节点信息与特征不能对应，那么神经网络就不会产生反应，由此不会受到无关信息的影响。

四、结束语

综上所述，计算机网络安全评价系统在目前的计算机系统中是非常重要的，它能够对信息数据的保密性和完整性、计算机系统的网络软件起到很好的保护作用，同时对网络攻击、软件漏洞攻击等起到非常好的防护作用，从而从整体上提高计算机网络的使用性能。而在网络安全评价系统中，神经网络以其强大的学习能力、组织能力以及适应能力有效提高了网络安全评价系统的功能。因此在网络安全评价系统中，要加大对神经网络的使用力度，保证系统的性能。

参考文献：

[1]李震宇.基于神经网络的计算机网络安全评价研究[J].电子制作，2014，(19).

[2]胡春.基于神经网络的计算机网络安全评估体系研究[J].电脑知识与技术，2015，(30).

[3]王谢玮.基于神经网络下的计算机网络安全评价体系[J].中国新通信，2015，(22).

[4]李忠武，陈丽清.计算机网络安全评价中神经网络的应用研究[J].现代电子技术，2014，(10).