人工智能背景下计算机网络安全管理研究

毕超

关键词：人工智能；计算机网络；安全风险；安全防护技术

1引发计算机网络安全风险的主要因素

1.1计算机网络本身的特殊性

当下流行的几大数据库对于数据存储具有一定的稳定性，但在遭遇网络病毒恶意攻击后就会造成不同程度的损坏，其内部结构会出现漏洞导致数据存储效果减弱，信息安全得不到应有的保障。在没有任何网络防护措施的情况下，数据库将无法承受来自各个方面的网络病毒攻击，造成数据泄露和遗失，导致内部程序混乱甚至出现各种无端操作，进而严重影响其整体数据存储的安全性和稳定性。硬件设备和网络信息数据安全防护是密不可分的，在部分系统网络中硬件设备除了为用户提供外部操作功能外，还肩负着系统升级、系统维护、系统检查等多项任务。

1.2传统网络安全防护方式落后

通常来讲，计算机系统网络外部与内部之间存在明显边界，然而随着相关技术不断升级和更新导致其结构边界不断淡化，为丰富用户体验增强数据传输功能，现代网络系统接口及设备外接口不断增多，在方便人们操作、提升数据传输速度的同时也造成了极大的安全隐患，导致网络安全防护范围不断扩大，而安全防护措施却没有做到及时更新和升级。因此，必须利用现代技术手段不断改进和更新传统安全防护技术，积极研发新时代网络防护措施，从而保障现代网络信息数据的安全性和稳定性。

2计算机网络安全风险带来的威胁

2.1个人隐私信息被盗取

现代AI智能技术在人们生活和社会生产中发挥着重要作用，合理利用网络技术可以提高人们日常工作效率，最大限度地减少人工劳动量，从而降低企业人力资源成本，为企业创造更多的经济效益。然而，网络本身高效且开放的特性也为网络黑客非法牟利创造机会。许多非法人员和网络黑客通常以视频、图片链接和各种木马程序等方式，通过引诱用户点击使病毒侵入计算机操作系统中，从中窃取用户职位、手机号、家庭住址等相关信息，部分病毒还会对系统造成破坏，导致系统瘫痪而无法正常启动，严重威胁到广大网络用户的人身安全和财产安全。例如，当下很多不法分子通过各种手段窃取用户信息进行电信诈骗，由此可见我们的个人身份信息已经不再安全。

2.2威胁国家信息安全

国家信息安全是保障国民经济发展的核心，只有社会处于和谐稳定状态才能使人们拥有一个安全、良好的生存空间。随着各国经济与文化的交流不断深入，国与国之间的相互合作也越来越多，在互联网技术不断提升的环境下，信息交流也变得更加便捷和迅速，许多商务项目的洽谈和会议都是通过网络进行。然而，一旦出现网络安全防护漏洞，就会使一些非法人员和网络黑客通过各种方式进行攻击和破坏，严重影响国际事务的正常发展和运行，部分非法人员甚至通过窃取国家机密而从中牟利，进而严重影响国家经济发展与国际信息交流。

3基于人工智能的计算机网络安全管理路径

3.1网络安全节点控制技術应用

网络节点中通常含有大量的网络交互信息，不同节点中的不同信息所遭受的网络病毒攻击也各不相同。节点在遭受各种病毒攻击后，会产生不同程度的节点度量相关信息数据，必须应用相应的AI智能技术对其进行细节分析和处理，从而有效降低节点信息数据的互补性和冗余性。合理建设相关防护系统能够使信息处理变得更加智能化，通过处理和分类模糊数据信息来解决各类网络病毒攻击，从而保障整体网络防护系统节点的稳定性和安全性。为充分掌握D-S理论数据的真实性，提出权重D-S理论数据，必须对各种节点中存在的网络信息数据进行综合处理和分析，并合理分析权重信息，再通过融合权重信息规则对相关数据信息进行修正和处理，从而提高信息处理效率，保障整体信息节点的稳定性和安全性，具体流程如图1所示。

应将权重理念与节点中度量信息数据相互融合，从而提高节点信息在分析网络数据信息过程中的准确性，减少信息处理过程中产生的影响和数据冲突。应以信息特性及重要程度合理分配各个环节的节点权重，从而增强整体网络系统运行的稳定性，通常在分配权重时需要利用相关计算方法确定其重要程度。在对网络系统进行安全等级评估时，应适当结合各种节点信息可能发生的安全隐患进行综合性数据分析并计算网络风险概率。可通过分配函数进行节点风险发现概率计算，从而准确测评整体网络的安全等级。在实际操作过程中，可对不同的网络数据信息进行分析和识别，并设置相应等级的安全防护措施，从而有效阻挡外部网络病毒对网络地域的攻击。

3.2网络信息安全处理技术应用

AI智能具有深度学习能力，可通过计算机设备赋予，使其在面对不同网络层的环境下都可以启用自动学习模式，经过多方面网络训练后可取得大量学习信息数据，从而掌握丰富的信息处理方法并在日常运行中学习更多的网络防护手段。经过长期系统学习，不断提升AI智能系统对各种数据信息判断和预测效果，进而提高数据信息处理效率。AI智能系统所包含的技术基础在处理器中主要包括可重构数据计算、循环神经以及AI神经网络计算。AI神经网络主要由模拟神经元在计算机系统中通过各种信息交互的方式建立AI模型，而基础学习算法主要应用于神经回路网络建设。网络模型通常具有各种各样的节点，类似于不同触角的神经元，且其含有多种算法，用以数据加工、获取和过滤。在智能学习算法长期运行中节点数据存储和输出的计算方法各有不同，从而保障模型数据集的稳定性，进一步提升系统数据信息处理能力。

3.3网络入侵检测技术应用

入侵检测是一种针对病毒攻击、越权访问和各种恶意网络活动的信息识别技术。AI智能在对入侵检测网络相关技术应用分析时，可以应用系统识别和计算方法将合法网络与病毒入侵详细区别，从而提高防护系统识别外部系统攻击的准确性。利用AI智能在网络系统建立全面监控系统，对整体网络交互信息实施全面监控和识别。系统会第一时间识别异常信息数据，在遇到短时间内无法识别的信息时会将其引入自动数据处理系统，并根据以往信息分析结果进行对比，从而确定信息的安全性，若对比后仍无法确定信息状态，则会及时向系统操作界面发出警示，从而便于人工处理，保障整体网络数据信息交互的稳定性和安全性。

将AI智能技术与入侵检测技术相结合，共同建立相关防护系统，并利用AI智能中特有的信息学习功能对不同流量进行分析处理并迁移，真正使各种区域内不同数据库信息形成同一数据集信息并共享。在构建入侵检测迁移性网络过程中，必须对原始数据进行合理利用并通过系统训练使其演化成各种数据库，从而为数据信息后期识别和处理提供方便。其中，以表1随机选择的3组数据进行相关数据学习迁移实践为例。

整体数据集实验中，1号数据集中数据流量信息多存在于不同场景中，流量攻击类型也各不相同，但在病毒信息流量中却含有部分正常数据信息流量。2号数据集则属于真实网络运行，也遭受到各种类型的流量攻击，其中存在大量真实数据。在获取数据集后必须对其实施预处理，从而使训练效果达到最佳状态。并利用flow数据信息流量特征进行系统分类及处理，使其产生报文序列，同时精确划分flow形成时序性数据信息流量。在系统日常运行时可融合网络防御系统与AI智能，对潜在风险数据进行一系列分析和过滤，结合系统自主学习时产生的数据库检测信息和现有数据库信息，提升入侵检测效率和速度，进而有效增强对各种网络病毒攻击的防御效果。而3号数据中存在很多常见的流量攻击信息，集合中的数据相对准确，在每个子集中攻击数据信息类型也各不相同，但也包括部分正常的数据信息流量。

3.4网络安全识别技术应用

安全识别系统主要对人脸轮廓进行整体扫描和检测，从而达到防护效果。系统会对人脸图形实施检测和数据采集，应用固定或者移动摄像头对用户静态、动态操作及表情和位置变化信息进行详细数据采集，并通过数据分析结果进行全面系统搜索。作为一种预处理人脸信息检测方式，其在整体数据信息处理时会对人脸轮廓大小和位置分别标记，并结合面部特征加以分类，提取关键数据信息。根据不同面貌特征分别进行识别和提取，从而增强其在实际应用中的监测效果。通过AI智能系统相关功能进行深度数据信息获取、存储和对比，将人脸图像转化为数据状态，并根据数据分析结构进行一系列建模，最终达到数据与人脸模型双重检测效果。人脸图形的识别和匹配主要应用数据处理系统进行识别和计算，提取人脸模板和特征，再将其与数据库中现有数据进行一系列对比、分析和匹配。在人脸对比时需要在系统中输入适合的阈值，系统会按照閾值范围进行对比分析，从而进一步提高识别身份信息的准确性。为增强测试效果可应用神经网络进行建模并压缩参数量，从而加快数据检测和存储时间。

3.5计算机网络安全支付

将AI智能技术合理应用到网络支付相关系统运行中，可以产生防控欺诈和身份识别的作用，在保障安全网络交易方面AI智能可通过本身学习功能，对相关企业业务数据进行一系列系统学习和分析，在出现疑似网络欺诈信息时系统会第一时间启动防护模式，对相关信息进行细致检查和搜索，并标出详细信息状态和分析结果，从而保障用户信息安全，避免用户自身利益受到损失。在实际运行中，系统会根据相关信息数据创建网络节点，并对节点动态权重及重要度进行综合分析，进而形成良好的网络防护层。合理应用AI智能更加有利于数字化支付的推行，为金融业务提供良好的发展空间，同时能增强对用户账号和支付安全的防护。通过对支付相关功能实施一系列系统规划和升级，构建清晰且健全的业务产品线。比如，某网络购物平台曾将人脸支付与物联网相结合，利用智能技术推动“手机化”线上消费，整体支付过程既方便又安全。通过不断推行智慧支付，可以促进企业稳定发展。

3.6优化APT识别方式

在整体计算机网络信息数据安全防范中，应用智能技术在面对一些相对高端的病毒代码检测时仍有一定难度。为有效防止恶意病毒代码对网络系统的危害，就必须要求网络管理员对网络防护系统运行过程中出现的异常状态及时分析，并应用现代技术加以处理。合理应用智能技术能够为相关人员在处理网络问题时提供相应的问题处理参考建议，同时可提供整体系统蓝图，问题处理后系统会将处理过程存储，在遭遇类似网络问题时自动执行处理方案，从而使网络防护系统得到进一步优化和改善，在其余网络病毒及非法程序入侵时，能在最短时间内处理网络风险事件。经过一系列实际分析发现，合理应用人工智能技术进行网络防护并非单单针对某个攻击事件的处理，而是在不断应对的过程中进行长期积累和学习，实现对类似风险事件的有效预防，避免类似网络安全风险重复发生，进而提升系统本身的安全风险防护能力。

4结束语

在人工智能背景下，计算机网络技术达到了前所未有的高度，而网络黑客通过病毒入侵对信息数据安全交互的威胁也随之增多。因此，必须重视网络安全防护工作，通过应用各种网络技术建立网络信息防护网，并在实际应用中不断研究和更新，从而为企业单位和个人打造一片安全的网络空间。