人工智能在图书馆网络安全管理中应用及相关技术探讨

2020-12-31

网络安全技术与应用 2020年2期

（太原理工大学图书馆山西 030024）

随着时代的不断发展，图书馆的安全管理工作越发受到人们重视，在安全管理中融入计算机网络技术，可以使图书馆管理水平得到提升。不过，在计算机网络中存在许多不安全因素，这样就会给图书馆工作带来许多不利影响。在图书馆网络安全管理中应用人工智能技术可以提高网络的安全性和可靠性，这样就能进一步保证网络功能完善。

1 人工智能技术在图书馆网络安全管理中的优点

西方发达国家高度重视人工智能技术的应用，英国和美国陆续发布了关于人工智能技术的相关研究报告。有些发达国家认为，人工智能系统可以有效应对网络攻击和计算机病毒，可以在第一时间内发现异常情况，并采取有效的措施避免网络遭到攻击。我国也非常重视人工智能技术的研究，并特别提出要大力开展网络安全领域的人工智能技术攻关与安全产品推广工作。预计在2020年，我国会拥有完善的人工智能网络安全保障平台，该平台可以对网络安全进行及时监测和预测，及时分享具有威胁的信息，并具备深度学习能力和危机自动响应处理能力。在图书馆中应用人工智能技术，可以完成对数据的智能化、自动化采集，有效保证网络安全，还可以对危机及时预测和响应，提高图书馆网络安全管理水平[1]。

1.1 学习推理与数据处理能力优异

人工智能技术可以实现深度学习，保证图书馆中的海量数据能够得到及时的整合、预测和识别。人工智能技术可以对这些数据的特点进行提炼，再通过智能化识别的方式避免危险，不管是潜在危险还是已经发生的危险均可以得到识别和阻止。图书馆网络环境比较开放，虽然可以保证信息得到迅速传播，但也会使得图书馆陷入各种安全威胁之中，利用人工智能技术可以对模糊信息进行高效处理，其中所包含的大数据技术能够实现对数据的及时统计，使图书馆网络安全得到保障。人工智能技术可以对图书馆中的网络数据进行非线性处理，转变传统控制方式中存在的弊端。

1.2 降低资源和成本消耗

利用人工智能技术处理图书馆网络数据时，不必消耗资源和大量的成本，可代替网络管理员进行监测。传统的监测技术需要网络管理员的高度配合，一般采取静态防御的方式，这种方式的效率比较低，也不能及时对新的问题进行识别，浪费时间和人力成本。人工智能技术依靠其先进的机器学习和深度学习能力，能够对图书馆网络数据在第一时间内进行监测和识别，迅速响应问题，避免出现攻击。

1.3 良好的协作能力

人工智能技术具有良好的协作能力，可以实现图书馆网络的无缝管理。人工智能系统可以通过有效的协调，保证图书馆的网络得到统一管理，通过构建统一的安全防护体系，有效提高网络安全的防御水平。

2 人工智能技术在图书馆网络安全中的应用

随着人工智能技术的不断发展，在图书馆中开始陆续应用具有人工智能功能的软件和设备，如智能反垃圾邮件系统、智能防火墙、智能入侵检测系统等。下面就具体分析在图书馆网络安全工作中应用人工智能技术的主要表现。

2.1 智能防火墙

传统的防火墙技术存在许多弊端，由于这一技术主要采用的是逐一匹配的方式，因此通常会面临较大的工作量，而且工作效率比较低，不能及时对垃圾邮件和病毒进行处理。传统防火墙的问题处理能力也比较差，不能有效应对复杂网络中的数据。由于传统防火墙的过滤机制比较简单，因此，在应对网络攻击时往往存在许多问题。此外，传统防火墙不能对攻击的行为是否存在威胁性进行智能判断，因此需要引进先进的人工智能技术。

智能防火墙中有先进的智能化技术，这样就可以对访问图书馆的行为进行智能化识别，对潜在威胁进行有效控制，保证访问更加高效，提高图书馆的服务水平和管理水平。智能防火墙可以及时检测出潜在的攻击和问题数据，保证图书馆网络更加安全。智能防火墙可以有效避免病毒进一步传播和扩散，及时对病毒进行智能化识别，严格保证资料安全。智能防火墙可以对图书馆网络系统进行实时监控，避免病毒和黑客攻击系统。同时，智能化防火墙可以保证用户的身份得到可靠认证，对用户身份进行高科技鉴别，这样就可以避免非法用户入侵系统，有效提高图书馆网络安全性和可靠性。

2.2 智能入侵检测技术

智能入侵检测技术主要是对入侵网络和系统的行为进行有效检测，及时发现异常情况，对问题数据进行分析并形成报告，相关人员通过报告可以及时了解入侵行为，并采取有效的防范对策。入侵检测系统需要对系统的各项数据进行搜集和统计，并利用过滤或提取技术找出有参考价值的信息；分析数据是否存在问题时，一般是利用异常检测技术进行精确分析。近几年来，智能入侵检测技术在图书馆网络安全管理中的应用日益广泛，其主要是利用先进的人工智能技术进一步提高网络的安全性，并通过完善检测系统及时找出问题所在，保护系统和网络不会遭到入侵。智能入侵检测技术包含的应用比较多，这些应用可以为图书馆的网络安全管理工作保驾护航。

（1）专家系统

在入侵检测系统中，应用专家系统可以对专家的知识进行编码并形成规则库，利用这一规则库，就可以及时对入侵行为进行检测，判断这一行为是否具有危害性。专家系统的应用频率比较高，通过这一系统可以对大量数据进行智能化分析和处理，并利用智能化推理的方式对入侵行为进行精准识别。常见的专家系统推理过程分为两种，一是结合数据和符号进行推理，二是结合不确定的证据进行推理。前一种方法需要结合大量的数据才能得出推理结果，后一种方法的推理结果往往不够精确。

（2）人工神经网络

人工神经网络中包含许多处理单元，其主要是模拟人的行为，能够对用户的行为进行智能化判断。通常，人工神经网络可以和专家系统相结合，这样就可以对可疑数据进行有效的判断与处理；还可以将人工神经网络与检测系统相结合，既可以保证有价值的数据得到过滤，又可以提高数据的处理能力。此外，还可以利用数据挖掘技术提取出有价值的信息，保证在不同环境下也可以对入侵行为进行检测[2]。常见的数据挖掘技术，包括关联分析、聚类分析和序列模型。关联分析主要是对入侵行为的关联进行分析；聚类分析是对已有模型进行突破，将入侵行为进行重新描述；序列模式主要是对入侵行为的时间序列进行分析。数据挖掘技术可以对大量的信息进行处理，也可以从海量数据中提取关键数据，从而引起人们的重视。数据挖掘技术可以避免人们主观评价，其主要是以数据为依据，这样就可以进一步保证网络安全。

3 网络监测与智能反垃圾邮件系统

采用人工智能技术可以对网络数据进行深度检测，及时发现数据中存在的不利信息，并通过人工智能系统中的深度学习功能，将新型病毒进行记录。同时，人工智能技术还可以对传统的反垃圾邮件系统进行改造，通过构建智能化反垃圾邮件系统保护用户邮件的安全，及时对垃圾邮件进行检测和识别，避免垃圾邮件扩散。在腾讯企业邮箱中应用人工智能反垃圾邮箱系统可以达到良好的邮件识别和清理效果。