神经网络在计算机网络安全评价中的应用

祁宏伟++白海艳

摘 要

随着互联网技术逐渐发展，网络系统实现了开放性、公开性以及自由性，基于网络这样的特点，为网络带来一定的安全威胁。对于计算机网络安全进行评价，能够有效的提升计算机网络安全。传统的计算机网络安全评价效果不佳，基于神经网络的计算机网络安全评价的适用性较强。基于此，在本文中针对神经网络在计算机网络安全评价中的应用进行研究。

【关键词】神经网络 计算机网络 安全评价 应用研究

在科技高度发展的当今社会中，计算机网络技术已经逐渐应用到人们的生活、学习等不同的领域中。基于计算机网络的特性，网络为人们的生活带来便利的同时也存在着一定的信息安全隐患。在社会发展中，很多由于计算机网络安全隐患而引发的问题屡见不鲜，因此我们应当高度在重视对于计算机网络安全的评价。将神经网络应用到网络安全评价中，能够发挥出神经网络的优势，使得评价更加的全面。

1 神经网络的评价原理

1.1 原理分析

在神经网络中，BP神经网络的功能最为突出，以BP神经网络为依据，分析其在计算机网络安全评价中的应用，首先需要分析神经网络的结构。BP神经网络拓扑结构主要分为三个层别，

1.1.1 输入层

输入层的具体功能就是对外界信息的接受，将信息传输到神经单元中；

1.1.2 中间层

中间层还涵盖了单隐层和双隐层。在中间层中，对系统中的信息性能进行处理，功能接近于系统的中央处理器，最终实现信息与外界信息的交换；

1.2.3 输出层

输出层与输入层的功能相互对应，输出被中间层处理后的信息。

1.2 特点分析

基于BP神经网络在计算机网络安全中的应用，能够在神经网络的特点，基础上，提升计算机网络系统的安全性以及使得评价更加的具体。“误差方向学习”是神经网络中显著特点，神经网络误差反向学习功能能够逐一遍历计算机网络中的数据信息，对数据信息的安全性进行逐一的排查。那么何为反向学习，在进行反向学习之前，需要进行正向的学习。正向的学习环节中，能够将结果与期望输出的结果进行对比，当结果与期望值之间的误差比较大时，才会激发反向学习。神经网络在正向与反向相互结合的模式中，能够对网络系统中的故障进行反复性的排查，解决非线性映射问题。

2 神经网络在计算机网络安全评价中的运用

神经网络在计算机网络安全评价中的运用，首先需要建立计算机网络安全风险评估模型，其次，针对网络节点的功能进行详细的分析，最后，在计算机主机模块中进行数据信息的捕获。

2.1 计算机网络安全风险评估模型

将神经网络应用在计算机网络安全评价中，建立相应的风险评价模型，在实际的模型中，主要分为三个层别。

（1）基于神经网络的计算机网络系统指标层。在该指标层中能够显示出网络攻击种类，借助神经网络正向学习功能对网络攻击的数据进行分析，当发现数据信息可疑之后进行神经网络的方向学习，对网络病毒进行查杀。在正向学习过程中需要系统获取两个要素，分别网络攻击数据对于系统的安全性影响，以及网络主机系统的脆弱性；

（2）网络主机的风险计算，基于神经网络的风险计算中包含风险指数，该指数能够真实的反映出网络攻击的浓度、危险程度等；

（3）网络层风险计算，网络层的风险计算是指对整个网络进行风险评估与风险计算，涉及到了整个网络的风险值。

2.2 基于神经网络节点功能分析

基于神经网络的计算机网络安全风险检测，其所要检测与评价的方向主要分为两个方向：

（1）计算机网络主机安全风险检测系统；

（2）网络安全风险检测系统。

而在两个层级的风险检测系统中，后者也就是网络安全风险检测系统是核心的检测系统，主机安全检测系统子系统围绕着网络的大环境进行安全检测。当系统中遇到病毒侵袭时，在神经网状的网络安全风险防范系统中将会生成网络病毒攻击图。目前，神经网络攻击图主要分为两种：

（1）属性攻击图。属性攻击图的网络安全防护功能实现借助属性攻击图中的属性节点、攻击节点、“边”来实现。在神经网络中凭借属性攻击图实现典型计算机网络的访问权限、网络数据连接、以及网络数据之间相互信任关系等。

（2）状态攻击图。在神经网络中，系统安全要素节点会随着系统变化改变而发生变化。而属性攻击图与状态攻击图不同，状态攻击图是一种独立性比较强的节点，单一节点在面对网络攻击时，耐受能力比较强。然而属性节点的数量有限，在攻击环节中不会随意增加。

2.3 主机数据模块捕获

网络中所包含的数据包信息对计算机网络带来安全威胁，因此需要借助神经网络网卡的形式，对主机数据信息进行安排检测。由于网卡工作模式调节为混乱，能够向网络中的不同数据包敞开大门，因而使得不同类型的数据包都能够通过网卡进行到系统中来。该种模式对网络正常运行不产生影响，借助神经网络的数据安全评价对网络节点中的数据进行收集，捕获网络中的数据包。将这些数据包以队列的形式进行排放处理，在该模块完成功能之后就对数据进行释放与清除。这样主机数据模块捕获形式能够提升计算机网络数据包中的数据信息安全。

3 结论

综上所述，计算机网络安全评价在传统评价体系下，难以提升计算机网络安全，评价效果较差。在本文中研究基于神经网络的计算机网络安全评价，借助神经网络的优势，在计算机网络中建立风险评价模型，分析网络节点功能，以提升计算机网络安全。

参考文献

[1]崔晓红.人工神经网络技术在安全评价中的应用[D].西安：西安建筑科技大学，2005.

[2]欧阳博文.基于神经网络理论矿井通风系统安全综合评价研究[D].西安：西安科技大学，2006.

[3]毛志勇.BP神经网络在计算机网络安全评价中的应用[J].信息技术，2008（06）：45-47.

[4]史望聪.神经网络在计算机网络安全评价中的应用分析[J].自动化与仪器仪表，2016（06）：210-211.

作者单位

集宁师范学院 内蒙古自治区乌兰察布市 012000