神经网络在计算机网络安全评价中的应用

王亚妮

摘要：随着计算机网络技术的不断发展与完善，网络系统呈现出开放化、自由化、智能化的特性。在此背景下，计算机网络安全问题愈发凸显，而影响计算机网络安全的因素相对较多，传统的线性计算机网络安全评价已经无法满足计算机网络安全管理需求。基于此，本文从神经网络、计算机网络安全评价相关概述出发，对神经网络在计算机网络安全评价中的应用进行了研究与分析，以供参考。

关键词：神经网络；计算机网络安全评价；应用

中图分类号：TP393.08 文献标识码：A 文章编号：1007-9416（2017）05-0212-01

在网络技术创新发展与普及应用的同时，影响计算机网络安全的因素也在不断增加。黑客、病毒、系统漏洞等安全风险，为计算机网络运行的安全性、稳定性带来了极大的威胁。加强计算机网络安全管理与评价质量，已成为计算机应用与发展的必然趋势。神经网络的提出与应用，在一定程度上提升了计算机网络安全评价的精准度与实效性，成为算机网络安全评价研究的重点内容之一。

1 神经网络与计算机网络安全评价概述

1.1 神经网络

神经网络最早起源于二十世纪四十年代初期，是由生物学家与物理学家共同研究得出的“神经网络模型”。该模型是在人脑的神经网络的基础上，对人脑信息处理与传递过程进行模拟，并结合数学、生物学等学科知识进行结构与功能的构建，从而形成神经网络模型。之后随着各界学者对神经网络模型的深入研究与拓展，神经网络技术得到的创新发展，并明确认知到神经网络的非线性结构特征。这在一定程度上为神经网络在计算机网络安全评价中的应用奠定了基础，提出了全新的发展思路。

1.2 计算机网络安全评价体系

计算机网络安全评价是基于计算机网络安全影响因素的基础上，构建而成的计算机网络安全管理系统。计算机网络安全评价能够在一定程度上实现对计算机网络安全影响因素的客观、全面、科学化分析与预测，并通过评价结果的信息反馈，准确探寻影响因素，进行安全管理[1]。

1.3 神经网络在计算机网络安全评价中应用的必要性

相对与传统线性的计算机网络安全评价方法而言，神经网络的有效应用使其评价结果更为准确、客观与全面，实现了计算机网络安全评价体系的完善与优化。因此，神经网络的应用已成为计算机网络安全评价体系现代化建设的必然趋势，具有重要应用意义。首先，神经网络以其较强的环境适应能力，提升了计算机网络安全评价体系数据信息输出与输入的效率，并在自我调节的基础上，提升计算准确性，保证信息反馈质量。其次，神经网络的敏感性，加快了计算机网络安全评价运行与数据处理的速度，提升了系统的容错性。此外，神经网络的应用使计算机网络安全评价具备了非线性的能力，可对多种网络安全影响因素进行评价，确定评级等级目标，增强评价效率的同时，提高其评价准确性。

2 神经网络在计算机网络安全评价中的应用

2.1 计算机网络安全风险评估模型的建立

通常情况下，要想实现神经网络在计算机网络安全风险评价中的有效应用，应从以下三个层面出发，构建计算机网络安全风险评价模型[2]。

（1）评价指标：建立基于神经网络算法的计算机网络评价指标，用以对计算机网络中存在的各安全影响因素種类进行显示。通过借助神经网络本质功能对影响计算机网络安全的因素进行分析与整合，针对存在问题的数据信息进行查杀。（2）风险等级：通过应用神经网络，对计算机网络安全各项风险指标进行计算后，通过数据信息的有效反馈，评定网络主机风险等级，包括危害程度、计算机网络攻击密度。（3）网络层风险计算：基于神经网络对计算机运行的整个网络环境进行风险计算与评估，明确计算机网络的整体风险因子。

2.2 神经网络应用的优化

神经网络应用存在一定的优点，但存在一定的缺陷，如缺乏对这个计算机系统全面化的高水平搜索能力。因此，在计算机网络安全评价中应用神经网络，可采取一定的措施进行优化处理，克服自身局限性，完善神经网络应用质量。首先，对BP神经网络的整天结构、传递函数以及目标矢量进行初始化，并对粒子群的多维参数进行设置，包括位置、迭代次数、规模、动量系数、速度等。其次，对BP神经网络的单位粒子进行比较分析（历史值与当前值的比较），从中选择效果最佳的、价值最大的数据值进行存储于应用。与此同时，通过对粒子惯性权值记性计算评价最适宜度值，并利用粒子群对神经网络进行训练。此外，对粒子进行更新与记录，判断系统误差，依据误差分析选择神经网络最佳权值、阂值，实现神经网络的优化。

3 结语

总之，计算机网络安全评价体系作为保证计算机网络运行安全重要举措，已成为人们研究与关注的重点。将神经网络技术应用于计算机网络安全评价中，可有效提升计算机网络安全评价结果的准确性、客观性与可靠性。随着计算机计算、智能化技术的不断发展，神经网络在计算机网络安全中的应用将具有更广阔的空间。

参考文献

[1]杨晓翠，刘汝涛，徐韶.神经网络算法在计算机网络安全评价中的应用比较[J].电脑编程技巧与维护，2016（11）：89-90.

[2]徐韶，刘汝涛.基于LM-BP神经网络的计算机网络安全评价[J].通讯世界，2016（13）：11.endprint