计算机网络安全评价中神经网络的应用研究

杜芸

摘要：计算机网络技术的进步，其应用范围得以扩大，加强了信息的流通性，实现了資源共享，但由于网络的开放性，出现了病毒、漏洞等威胁，难以避免的计算机网络安全问题。该文对计算机网络安全评价中神经网络的应用展开研究，概述了计算机网络安全和神经网络的概念，分析应用作用，探究了计算机网络安全评价原理、体系构建和模型设计的四方面具体应用内容，以期通过应用神经网络提高计算机网络安全评价的准确性，为同行提供参考。

关键词：计算机网络；安全评价；神经网络；应用

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2017）32-0040-02

在互联网时代背景下，计算机技术得到快速发展，资源的互通共享也为人们的生产生活带来了极大便利。但在计算机网络的使用过程中，难以避免出现病毒、漏洞、黑客等问题，影响计算机网络的安全性，进而造成用户的损失，阻碍计算机网络的长远发展。传统的计算机网络安全评价方式采用线性评价模式，操作复杂但精确度较低，难以顺应网络时代发展的潮流。专家评价模式则易受专家的业务水平和工作方式影响，难以有效验证计算机网络安全评价结果。神经网络属于新型评价方式，通过神经元对计算机网络进行非线性评价，具有效率和精度高的特点。本文对计算机网络安全评价中神经网络的应用展开研究，旨在通过有效使用新型评价模式全面维护和控制计算机网络安全，达到最佳的网络安全评价效果，为社会网络安全作出贡献。

1 计算机网络安全概述

计算机网络安全是指在计算机网络环境中，网络系统中数据受先进技术和管理措施的保护，即使外界因素的干扰，其保密性、可使用性依然可以不受影响而正常工作。计算机网络安全涉及面广，行业覆盖面大，因此，需要受到高度重视。计算机网络安全研究包括网络信息的完整性、可使用性等内容，通过网络安全管理者的信息读取、操作等内容达到保护网络安全的目的。计算机网络的安全评价结果与其影响因素之间具有非线性关系，需要采用先进的科学技术和智能管理系统进行安全保护工作。专家评价模式使用灰色模型、故障分析法等方式规避网络风险，但此类传统的网络评价模式具有操作复杂、精确度不高的劣势，在现代化信息时代将被新型技术所取代。随着计算机技术的高速发展，局域网被拓展，全球范围内信息得以共享，计算机网络能力全面提高，难以避免的计算机网络安全问题随即出现。计算机网络安全主要包括物理安全和逻辑安全两方面内容。其中，物理安全是指通过物理技术保护计算机系统等设备，避免发生破坏、丢失现象；逻辑安全是指保护计算机中的数据安全。计算机网络的自由性、开放性特点导致其极易受到攻击，例如：计算机软硬件漏洞、传输线路攻击等。计算机网络安全问题需要受到国际关注，无论是本地网络用户还是其他国家用户都将面临攻击风险，提高对计算机网络安全的关注度具有重要的现实意义。

2 神经网络概述

神经网络通过模仿动物的神经系统形成人工智能系统，并通过分析处理信息作用于计算机网络中。基于算法数学模型，神经网络通过调节网络节点之间的内部关系发挥出应用价值。非常定性、非局限性、非线性是神经网络系统具备的基本特征，此类特征使得神经网络在计算机网络安全评价中产生了一定优势。神经网络系统的自主学习性能较强，系统可以通过自动识别信息，总结出信息存在的一定规律，便于后续使用。用户输入相关信息后，神经网络系统可以基于信息规律展开自动运行，识别信息并进行有效预测，提高了工作效率。将市场、经济等数据信息输入系统，神经网络系统可以做出相关的预测分析工作，提升了预测结果的准确性，有利于促进社会的科技化发展；神经网络系统的联系存储功能在信息查找、储存操作中发挥中重要作用，用户输入相关信息后，神经网络系统通过网络节点的联系快速获取信息；自我寻找优化解功能是神经网络在高速运转过程中的重要效能，其有利于提高工作效率，能够最快速度帮助用户解决难题。神经网络的有点为其应用于计算机网络安全评价中奠定了良好基础。

3 计算机网络安全评价中神经网络的应用作用分析

神经网络作为新型的计算机网络安全评价技术，具有提高评价结果准确性、可靠性的特点。计算机网络安全评价中神经网络的应用也具有提高评价体系科学合理化的作用，具体内容如下：神经网络适应性强。计算机网络环境相对复杂，这就要求安全评价系统具有较强的适应能力，可以根据网络变化采取最具针对性的应对措施。基于神经网络学习能力强的优势，用户在计算机输入信息时，神经网络系统可以将误差降至最低，并且根据网络系统的情况总结出规律，在计算机网络安全评价中发挥出高效的应用作用；神经网络容错性高，针对计算机网络系统中不完整的信息，神经网络利用容错性强的特性，可以根据相对应节点的特征分析，降低结果产生的误差。即使节点信息不匹配时，对计算机网络安全评价也不会造成过大的不良影响；神经网络实现可在线应用。在信息化时代下，对网络运行效率提出了一定要求，神经网络在计算机网络安全评价中通过不断的训练，对于输入数据迅速产生结果，便于用户的直接使用，满足了信息化时代的应用要求。

4 计算机网络安全评价中神经网络的具体应用

4.1 计算机网络安全评价原理

根据现行相关网络评价标准，计算机网络安全评价原理在于先确定计算机网络安全评价范围，并且根据网络的运行状态，对可能存在的安全隐患做出预测，进而依照相关标准进行评价，以此确定计算机网络安全等级。运用计算机网络安全平评价原理，选择正确的评价因素，并以此构建安全评价模型，得出有效的评价结果。由于计算机网络具有相对复杂性，其为非线性结构，这将造成计算机网络安全存在多变性等特点，安全漏洞较难发现。神经网络的非线性评价功能在此发挥出重要作用，运用科学合理的安全等级评价模式改革了传统的评价方法，全面提高计算机网络安全评价的准确性。造成计算机网络漏洞的问题多种多样，选择正确的安全评价指标体系是关键。基于科学的计算机网络评价标准，充分考虑影响其安全等级的要素，从管理、物理、逻辑安全等角度出发，根据完善的计算机网络安全评价指标构建出合理的评价体系，在结合专家系统中的建议，对安全评价标准进行部分调整，以此保证评价指标在安全评价体系中的占比保持平衡。由于计算机网络中的评价指标具有差异性，导致指标之间无法直接比较，基于计算机网络安全评价原理，为便于评价指标之间的比较需要进行归一化处理，以此提高神经网络的收敛速率。通过专家系统打分的方式对计算机网络安全评价中的定性指标进行归一化处理，通过公式计算的方法对定量指标进行归一化处理，以此达到最佳的评价效果。BP神经网络的应用面广，其通过训练前馈多层网络达到安全评价的作用，属于安全误差逆传播的一种算法，是先进的计算机网络安全评价技术。BP网络通过最速下降法，采用反向传播方式，不对计算机网络系统中的权值和阈值进行调整，以此达到将系统中误差平方降至最低的目的。endprint

4.2 计算机网络安全评价体系

构建计算机网络安全评价体系有利于科学全面的分析计算机网络的安全影响因素，研究其影响问题，进而采取针对性的措施予以解决。基于多重因素选择出计算机网络安全评价指标，使其准确的反映计算机网络安全信息，并且将神经网络的功能价值发挥至最大化。计算机网络安全评价体系中的管理安全包括安全组织、人员培训等四个二级评价指标；逻辑安全包括访问控制、数据加密等九个二级评价指标；物理安全包括线路安全、设备安全等六个二级评价指标。计算机网络评价体系中的管理、逻辑、物理安全评价指标具有标准化的特性，根据衡量单位的区别，分为定性指标和定量指标，做好标准化处理后，即可满足计算机安全评价系统的取值要求。根据指标的选取特点，对计算机网络安全评价体系中的评价结果分级，包括安全、基本安全、不安全、很不安全四个级别，其中安全表示计算机系统具有良好的安全保障功能；基本安全表示计算机网络的安全保障能力基本可以维持现有运行要求；不安全表示计算机网络安全系统存在一定隐患，保障能力不足；很不安全表示计算机网络系统当前的安全形势不佳，安全保障能力严重不足。

构建计算机网络安全评价体系需要遵循一定的原则，以确保系统的有序运行。通过对计算机网络系统进行有效的监控和分析，对其运行情况作出及时的信息反馈，便于技术人员对其中存在的安全问题快速解决，恢复计算机网络的正常使用。计算机网络安全评价体系遵循的原则内容如下：其一为准确性，确保计算机网络安全评价信息的准确性是构建计算机网络安全评价体系的基本要求，以此反映出真实可靠的评价信息供技术人员使用。其二为完备性，选择计算机网络安全指标时需要对网络系统做好全面调查工作，了解系统运行特点，并以此做出准确的评价结果，确保计算机网络安全指标的可靠性。其三为简要性，由于计算机网络系统相对复杂，这对计算机网络安全评价工作提出了更高的要求，只有提高评价指标的代表性，才能在保障评价结果达标的前提下提高工作效率。其四为独立性，为减轻计算机网络安全工作量，需要避免重复选择评价指标，选择具有独立性的评价指标，客观的反映网络系统的运行情况。

4.3 计算机网络安全评价模型设计

应用神经网络设计计算机网络安全评价模型，模型由输入层、 隐匿层和输出层组成，设计遵循相关原则，确保神经网络中神经元节点的指标数满足计算机网络安全评价体系的要求，分层限定神经网络安全评价指标，确保节点的指标数与评价体系内的指标数一致，进而促进计算机网络安全评价工作的有序展开。应用神经网络于计算机网络安全评价过程中需要反复确认神经网络节点，充分发挥出神经网络的安全评价效能。有效控制神经网络节点的数量，避免因神经网络层次过多而阻碍了计算机网络的正常使用，也要避免层面节点过长影响神经网络安全评价的容错性。根据计算机网络实际运行情况，由网络专家设计出数学表达式，提高神经网络在计算机网络安全评价中的应用效果。神经网络的输出层可以显示计算机网络安全评价的结果，其中节点数为两个，安全的输出结果为（1，1）、基本安全的输出结果为（1，0）、不安全的输出结果为（0，1）、很不安全的输出结果为（0，0）。计算机网络安全评价模型设计的重点内容在于优化BP神经网络中粒子群的算法，使用粒子群优化的方式有利于完善计算机网络中的原有漏洞，达到较高的应用效能。具体内容包括：对BP神经网络中粒子群的参数、初始位置等函数值进行调整，达到初始化目标向量、结构的效果；为对计算机网络安全作出适应度评价，需要集中BP网络粒子群，训练调节神经网络；对比BP神经网络神经元的适应度情况，得出现在适应度数值和历史适应度数值，将其中的最高数值记录并保存下来，作为计算机网络安全评价标准；记录BP神经网络中粒子的的惯性、变化运动速率、适应度等数值，并做好其中的误差记录，可用于后续计算机网络系统适应度统计分析。及时更新BP神经网络粒子群中不同粒子的计算机网络安全评价适应度差值，当粒子间误差达到限值后即可结束训练。确保BP神经网络的最佳权值位于计算机网络安全评价体系中的最佳位置，以此优化计算机网络安全评价模型，达到良好的计算机网络安全评价结果。

5 结束语

随着网络技术的快速发展，神经网络这一新型网络技术应运而生，且凭借其具有的非常定性、非局限性、非线性等优势不断拓宽应用领域，取得了良好的应用效果。在计算机网络安全评价中应用神经网络，可以提高计算机网络安全评价的容错性、适应性，自我调节来降低误差，并根据用户输入的信息总结规律，应用于其他样本中。计算机网络安全评价中应用神经网络，全面提高了安全评价结果的准确性，避免因技术人员主观操作产生的不确定性，在安全评价阶段，提高安全评价结果的真实有效性。本文明确了计算机网络和神经网络的概念，并根据计算机网络安全评价原理，得出计算机网络安全评价关键在于构建计算机网络安全评价体系和模型设计，通过优化BP神经网络粒子群达到最佳的评价结果。当前，我国神经网络的具体应用还处于发展阶段，需要学習西方的先进经验，提高计算机网络安全评价的研究广度，在今后的研究中融合多元化技术，全面提高我国计算机网络的安全性。

参考文献：

[1] 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）.

[2] 郑刚. 计算机网络安全评价中神经网络的应用研究[J].网络安全技术与应用， 2014（9）.

[3] 孙立权， 杨素锦. 计算机网络安全评价中神经网络的应用[J].信息系统工程， 2015（1）.

[4] 王昱煜. 计算机网络安全评价中神经网络的应用研究[J].信息通信， 2015（4）.

[5] 杜涛. 基于神经网络的计算机网络安全评价技术[J]. 吉林工学院学报， 2015（3）.endprint