人工智能及其在计算机网络技术中的运用探析

施明君

（武汉交通职业学院 湖北 武汉 430000）

0 引言

在二十世纪的第三次科技革命中诞生了电子计算机，自此一场涉及信息技术、生物技术等众多领域的信息技术变革应运而生。科学技术的飞速发展实现了电子计算机的联网，从而使得人与人之间的信息交换不再受时间及空间的限制，促使生活、生产、办公实现了智能化运行。在科学与技术的紧密连接下计算机探索的领域也在快速拓展，学科分支不断分化，研究领域逐渐深入。作为计算机网络科学的一个重要分支，人工智能着力于挖掘智能的本质，并对人类的思维和意识进行信息模拟[1]，能以省时省力的方式代替人类进行部分难度系数较高的工作。人工智能应用领域的拓展能够提升社会生产质量，促进场景资源开放，从而以高水平的应用效率助力经济及科学技术稳健发展。

1 人工智能的概念

人工智能是一门基于计算机科学并与哲学、心理学等学科融合的交叉新型学科，致力于模拟人类智能并实现深层次拓展及延伸[2]。在人工智能不断发展的过程中，研发人员试图通过对人的思维过程进行模拟来了解智能的本质，并借此创造出能与人类智能反应方式相似的智能化机器。由于人工智能涉及的学科非常广泛，因此其研究领域众多，包括图像识别、智能仿生机器人、专家系统等。

2 人工智能细分领域

人工智能经过六十余年的发展，目前的研究内容主要集中在六大细分领域，即：

2.1 深度学习

深度学习起源于人工神经网络研究[3]，通过建立模拟真实人脑思维的神经网络对低层特征进行组合形成抽象高层特征，最终使机器拥有与人类相似的习得能力。深度学习使机器能够获取声音、文字、图像和视频等数据，并对识别的数据进行解释及加工，帮助解决了很多模式识别领域的复杂问题。

2.2 自然语言处理

自然语言处理将人类交流用语作为对象，利用计算机技术对其进行分解、处理及加工，对接收的语言信息进行量化研究，从而促使计算机对自然语言实现可读可解。自然语言在人机之间的通信可以实现对人类部分脑力劳动的替代，包括回答问题、查阅文件、汇总资料等与自然语言处理息息相关的加工处理活动。自然语言处理技术在日常生活中的一个广泛应用是智能语音机器人，通过对自然语言分析，语音机器人能进行情绪识别、描绘用户画像，实现信息智能化管理。

2.3 计算机视觉

计算机视觉是一种机器视觉，它能够代替人眼利用摄影设备以及电脑对目标进行识别、追踪，并将获取的图像进行加工处理，使计算机能从真实世界中提取信息，最终观察、感知并适应外界环境。目前，计算机视觉技术的一个重要研究目标是建立成熟的视觉系统，通过视觉反馈抓取敏感信息，完成既定任务。例如，国产新能源汽车品牌极氪利用计算机视觉技术研发出了“羚羊避险”功能，在全速域主动巡航控制（LCC+ACC）启动时，车身周围的高清摄像头能够快速捕捉道路障碍物，预判危险，对障碍物进行主动避让。

2.4 智能机器人

区分智能机器人与普通机器人的要素主要有三个：一是运动要素，智能机器人能够对外界信息刺激做出反应；二是思考要素，对所获取的要素信息进行分析，并做出相应反馈；三是感觉要素，智能机器人能及时感知外界环境的状态以及变化。近年来出现的智能机器人具备信息传感器以及效应器，能通过视、听、触、闻获取关键信息并做出反应。在未来，智能机器人还需要具备思维能力，提升自主学习、信息处理效率。

2.5 自动程序设计

自动程序设计是人工智能和软件工程的共同研究方向，是指对指定问题的描述进行分析，自动编写并生成满足条件的程序，它的任务是完成一个程序系统设计，接受高级目标输入，随后输出能完成既定目标的具体程序。自动程序设计包含两方面的内容，一是程序综合，二是程序验证。程序综合能够完成自动编程，用户只需要提出诉求，机器便能自动完成任务，无需告知机器具体操作步骤。而程序验证则能够自动进行正确性检查，提高任务完成质量。

2.6 数据挖掘

数据挖掘指的是对数据库中的大量数据进行逐一分析，通过寻找数据中的规律，汇总出隐藏且有利用价值的潜在信息。数据挖掘是一项基于计算机科学的决策支持研究，可以通过数据统计、机器学习、技术可视化等途径高度智能化、自动化地分析相关数据，进行归纳性总结，帮助决策者做出最优化选择。

3 人工智能的优势

3.1 提升社会生产力水平

从投资、技术以及人力资源角度来看，随着新一代信息技术例如大数据、区块链、云计算等的发展，网络虚拟空间与物理社会空间的融通结合使原本独立的数据计算成为了驱动社会经济发展的关键要素，人工智能成为了推动融合产业部门发展的催化剂，将投资者、核心技术以及人力资源紧密相连。以龙头企业为例，其依托于传统行业具有市场优势，叠加与大学、科研机构合作等获得的人工智能技术，能进一步实现专用性技术累积提升生产效率。人工智能在产业领域的应用场景搭建能够在很大程度上提高社会生产力水平，推动人类社会进入智能经济时代。

3.2 减少资源消耗

计算机在进行数据查找时通常会将海量数据进行机械化分层筛选，再将分类后的数据进行精细查找，而人工智能在进行数据抓取时则会使用模糊控制法对目标数据进行提取[4]，这种非机械化的操作方式能够大大节省筛选时间，从而从源头提升数据处理的效率。因此，人工智能可以节省计算机网络资源，在减少操作时间的基础上进一步降低操作成本。

3.3 优化网络管理结构

在网络覆盖率不断提高的信息化社会，各种生产、生活活动都与计算机网络紧密相连，网络能突破时间和空间的限制，在很大程度上简化工作流程，提升办事效率。在网络技术被频繁使用的背景下，其技术迭代的频率也在不断提升，因此为了保证计算机网络系统的正常运行，网络管理的水平也需要与时俱进。人工智能具有多代理协作功能，可以提升分层管理型网络管理结构中各管理层的沟通速度，使网络管理更加便捷，进而促进网络管理的结构优化，使网络管理水平得到有效提高。

4 人工智能在计算机网络中的具体运用

4.1 计算机网络安全中的人工智能

4.1.1 高级威胁检测

为了保障计算机网络的正常运行，系统需要具备提前识别各类网络攻击的能力，在受到攻击之前即做好应对准备。以恶意文件检测为例，以人工智能为基础的查杀引擎往往效率高于传统的特征码查杀引擎，这就得益于具备泛化能力的神经网络、机器学习（ML）等AI技术。通过使用此类技术，可以进行针对已知样本的训练，从而在未知样本集中进行运用并发现新型的未知恶意文件。在对黑样本的分析中发现，新攻击向量往往来源于对原有攻击手段的整合、更新以及优化而不是独立于原攻击手段的全新向量，因此未知的威胁与已有威胁是具有相似性的。而AI算法的一个特点就是通过对已有数据进行深度学习，得出数据中的固定模式，最终通过对相似性的检测识别未知威胁。因此，人工智能让计算机具备接收数据并从中学习的能力，不断优化算法，对流程进行可行性分析并做出必要调整，从而实现对网络威胁的高精度预测，在系统漏洞被利用之前先行检测出异常。

4.1.2 身份验证及密码保护

传统的身份验证方式例如输入密码等在信息化社会已不能满足人们对身份信息验证的要求，人工智能则可以弥补基于生物识别的身份验证系统的缺陷[5]，创建出一个可靠的验证系统。以苹果公司（Apple）的面部识别系统Face ID为例，最初在2017年被应用于iPhone X系列手机，并继续被应用于最新iPhone 14系列手机中。该系统通过神经引擎以及红外传感器对用户面部特征进行采集并深度分析，最终通过人工智能程序自动生成基于用户面部信息的详细模型。传统的验证方式尚有概率通过反复尝试完成身份验证，而基于用户生物信息的智能身份识别系统则能保证身份验证的真实有效性。

4.1.3 钓鱼检测

网络钓鱼是网络攻击的一种常见策略，也是黑客进行非法系统访问的主要方式。攻击者利用如垃圾邮件、虚假网站等手段进行网络诈骗，诱使受骗者泄露身份证号码、银行卡密码等私人资料。以基于向量搜索引擎的钓鱼网站检测方法为例，首先利用自编码器模型对各类钓鱼网站首页图片的特征进行提取，再利用向量搜索引擎对提取的特征进行储存及搜索，最后对搜索结果进行匹配，将通过阈值筛选的目标网站进行WHOIS及域名信息对比，最终检测出钓鱼网站。具体流程主要包括六个阶段，分别是：

数据募集阶段，对各种钓鱼网站的首页图片进行收集；

模型训练阶段，将收集的首页图片用作训练集进行自编码器模型训练；

特征提取阶段，使用训练成熟的自编码器模型对钓鱼网站的图片特征进行提取，在向量搜索引擎中插入特征向量并同时得到ID，将向量属性以及ID插入SQL数据库；

钓鱼检测阶段：利用向量搜索引擎进行特征向量搜索，根据得到的ID进行SQL数据库查询；

阈值调试阶段，对匹配的阈值进行调试；

信息查询阶段，对于高于阈值的网站，要对其所匹配的真实网站的域名备案信息以及WHOIS信息进行查询，并将查询后的信息与钓鱼网站的信息进行比对。

流程示意图见图1。

图1 钓鱼网站检测流程

4.2 计算机网络管理中的人工智能

人工智能在计算机网络管理中的应用主要通过两种方式实现，一种是模拟法，另一种是编程技术。模拟法指的是在人工智能的帮助下采用与生物机体所用方法类似的方法完成模拟化效果，编程技术则指采用编程手段使系统进行智能化运转。通常来说，为了实现系统智能最大化，两种方式可以结合使用，即按照设定编程逻辑进行仿生化模拟，完成智慧化系统的设计。例如，智能Agent检索系统可以为使用者提供独立索引系统，专门针对指定用户进行设计，进行特定语义识别，从而实现个性化信息搜索及管理，如图2所示。

图2 智能Agent检索系统工作流程

4.3 人工智能为数据分析提供源动力

数据分析在人工智能的加入下已经从人工手动分析数据发展至利用智能应用程序进行决策支持。AI驱动分析采用机器学习（ML）、自然语言生成等一系列技术手段实现了自动化数据管理流程，可以发现大型数据库中的隐藏模式，寻找趋势并提供可操作性建议[6]。人工智能的介入使组织内部数据分析能力明显增强，提升数据处理时效，降低重复工作时间。

4.3.1 人工智能提升数据分析的方法

首先，通过机器学习，人工智能可以自动分析数据，发现数据中隐藏的规律并将其总结后为使用者提供决策支持。其次，人工智能可以自行生成数据报告并以自然语言生成的方式降低解读难度。最后，人工智能的自然语言查询功能可以使组织的所有参与者都能快速获取目标数据，并根据自动化分析得出对应见解。

4.3.2 人工智能在数据分析中的运行流程

简化数据准备。传统的数据分析中包含了大量数据清理工作，此类工作往往耗时较长且边际效用较低。人工智能参与下的数据分析能够自动提取、转换以及加载数据，并且这些数据能够直接用于后期分析步骤。

自动生成洞察力。人工智能数据分析能将上一流程中已经提取的成熟数据进行自动化分析，并根据分析结果提供指导性决策。此流程区别于人工分析，往往耗时短且准确率较高。

提供数据查询。人工智能数据分析能够满足用户的提问需求，在自然语言查询和自然语言生成的帮助下，它能够将进行查询的自然语言转化成机器语言，再将决策以通俗易懂的方式进行输出。这种数据分析方式使双向交流变为可能，提升用户获得决策的时效。

扩大用户群体。智能数据查询系统使数据分析不再局限于专业技术人员，组织中的每一个参与者都能够使用智能分析完成对数据的研究[7]。这种分析方式能够使分析工具的使用群体显著增加。

自发生成报告。在完成数据的提取、分析、查询等步骤后，智能数据分析流程还可以高速生成基于数据本身的结论，此类结论可以直接应用于报告的自动编写。报告的自动编写功能可以显著减少报告生成时间，提升工作流效率。

5 结语

人工智能经过长时间的发展已经成为世界最重要的科学研究领域之一，随着社会经济水平的不断提高以及科学技术的飞速发展，它与人类日常生活逐渐紧密的融合，普及范围也变得愈加广泛。进一步了解人工智能的含义及其深度融合的细分领域有助于了解人工智能在计算机网络技术中的应用场景。人工智能不仅能够提升计算机网络管理的效率，还能有效保障计算机网络的安全运行，通过智能化数据分析，人工智能还能够提升用户网络使用体验并显著提升使用者的工作效率。总之，人工智能技术在计算机网络技术发展的当下以及未来还有着广阔的应用空间，合理使用人工智能技术能够进一步促进计算机网络技术的进步。