人工智能技术在计算机网络中的应用分析

张佰豪

（陕西国际商贸学院，陕西 咸阳 712000）

0 引言

互联网环境下，人工智能技术显示出独特的优势，以计算机算法为基础的人工智能成为未来发展的新趋势，对经济社会发展产生了深远影响。人工智能是一种模拟人脑的技术，包括系统推荐、BP神经网络、语言处理、支持向量机等。人工智能技术的应用能有效提高计算机运行的效率，保证系统的安全性，同时改变了传统的工作方式，以一种更加智能与高效的方式提高了各行各业的工作效率。将其应用于网络技术中，能够弥补当前计算机网络技术应用中的不足，更好地提升计算机网络技术水平，对现代网络技术的发展具有重要意义。

1 人工智能相关概述

1.1 人工智能概念

人工智能（Artificial Intelligence，AI）的概念在20 世纪60 年代被首次提出，它是一门新型的科学技术，包含了多种学科知识，表现出显著的智能特征，其研究目的是用机器替代人工来完成一些复杂的工作，减少人力物力，提高工作效率。人工智能技术涉及的领域较广，从军事到医疗、民生等领域都离不开人工智能技术的支持。其充分利用了计算机网络技术的优势并与自身特点有效结合起来，使其拥有更好的性能，并实现了大量信息的存储与快速处理[1]。目前，世界各大科技创新企业都致力于AI 的开发与应用，人工智能技术的应用已成为计算机网络技术发展的主要方向之一。

1.2 利用人工智能技术解决问题的基本方法

利用人工智能解决问题的方法主要有三种。

（1）搜索方式。其应用可以是启发式的，即人们遇到问题时首先选择的方法。目前搜索方法有两种，即盲搜索与启发式搜索。盲搜索可以测试每一种答案的可能性，启发式搜索则是排除可能性较小的结果后，对其余的结果进行搜索。该方式有助于减少不必要的答案搜索，提高问题解决效率。

（2）人们在生活中遇到问题时，往往会对问题进行深入剖析，以寻求最快的解决方案。针对小问题，可以减少搜索范围，降低问题的复杂性，从而更有利于问题的解决。在启发式信息的帮助下，规划可以促进启发式信息的进一步发展，对问题进行分类与搜索，提升解决效率。

（3）知识表达技术。即研究机械设备中知识表示的方法、可行性、一般原则等，以便于使用与修改。知识在计算机中的表达是应用计算机模拟人工智能的一个关键因素，必须熟练掌握各个领域的知识才能解决这一问题，并需要依靠计算机快速搜索需要的知识，给出参考依据，进行进一步的模拟计算和知识分析等，保证知识的有效应用[2-3]。

2 人工智能技术在计算机网络中的应用优势

2.1 强化信息数据的处理能力

大数据环境下，数据的处理量与处理难度日益增长。人工智能作为一种新型先进科学技术，能实现数据的智能分析、集成与存储，有效减少了数据井喷带来的负面影响，同时也可以积累关键数据，对数据层面进行有效管理。传统的计算机网络技术在整合处理模糊信息数据方面仍存在许多不足，无法对其进行精准处理，采用人工处理的方式又缺乏对复杂信息的处理功能，而人工智能技术通过模糊逻辑推理实现了大量模糊信息的有效处理，由此可见人工智能技术还具有非常强大的处理与协调能力。可以将人工智能与计算机网络技术相互融合，充分发挥二者各自的优势，在网络管理和信息处理中发挥出最大的作用[4]。

2.2 突破计算机能力的局限

人工智能技术是计算机技术的演变和发展，具有智能性与先进性的特点。人工智能突破了计算机能力的局限，其计算速度比普通计算机快30 倍左右，有效降低了数据计算的成本。人工智能技术以人的智慧为基础，能够通过对个体思维过程的模拟及相关程序的设置达到智能化操作的目的，它可以代替人工完成一些高难度、危险、复杂的工作。人工智能技术相比于传统的计算机技术，具有学习能力极强的优势，主要通过研究人类智慧，学习人类方法，快速分析信息处理结果。在人工智能技术的作用下，简单的数据处理系统将得到升级，低层次数据结构将得到优化，极大提高了底层计算能力。通过对大数据的采集与分析研究，人工智能可为相关决策提供科学合理的依据[5]。

2.3 运营成本低

相对于传统计算机技术，人工智能技术的运营成本明显较低，其在计算与分析数据方面能有效控制能耗，节约计算资源。例如，针对某个问题需要做市场调查时，以往采用的都是利用人力进行问卷调查的方式，不仅需要投入大量资金，且调查结果存在一定的主观性，同时，问卷调查需要对调查地点和人群进行有目的的筛选，既消耗了大量时间，又无法及时获得数据。因此整个过程运营成本较高，且调研过程复杂。而人工智能技术的运营成本很低，其应用很好地解决了传统研究模式的弊端[6]。

3 人工智能技术在计算机网络中的具体应用

3.1 在网络安全管理中的应用

由于自身的缺陷，计算机软件在程序运行过程中可能会出现一些漏洞，这些问题较难在短时间内得到解决。在这个过程中，可能会发生黑客利用这一漏洞窃取信息、开展非法活动的问题；或者在用电脑拷贝信息时可能或造成信息泄露的风险，以及用户不经意地删除了计算中的一些信息而难以恢复等。这些情况无形中都增加了计算机使用过程中的安全隐患。传统的计算机安全技术通常以计算机防火墙、反垃圾邮件系统及入侵检测系统为代表，但这些技术并不能对计算机运行过程中出现的安全问题进行快速有效的解决[7]。人工智能技术的应用提高了识别异常信息的能力，且能在较短时间捕捉风险数据并对其精确拦截，极大地提高了检测效率。此外，人工智能技术在规则产生式专家系统中的应用，还可提高入侵信息发现的速度及入侵检测数据的可靠性，有效维护了计算机的正常运行环境。

3.2 在网络系统评价中的应用

计算机网络具有瞬态性和动态性的特点，使得传统的计算机技术难以对其进行监控和管理。计算机网络系统评价能够对计算机网络系统性能进行测评以及量化网络质量。然而与计算机网络评价有关的工作通常需要人工完成，而人工评价面临着人为主观性的影响，实际评价结果可能与最终结果不一致，不符合客观评价的实际要求。人工智能技术在网络系统评价中的有效应用，可使评价以更客观、更完整的形式得以展现，其应用主要体现在以下两方面。

（1）智能求解技术。在计算机网络发展过程中，人工智能技术可以在充分融合特定网络环境的基础上解决计算机问题，从而加快计算及运行速度。智能求解技术主要利用了三种技术，即状态图搜索技术、逻辑推理技术与结构化知识求解技术。在相同条件下，虽然有不同的搜索技术，但人工智能求解技术始终为最佳的选择，需要根据实际需求选择较合适的技术，并对计算机数据信息进行科学选择与筛选，以提高整体检索率。

（2）构建专家知识资源库。专家知识资源库的创建推出，使网络系统评价从专家经验出发，结合具体案例在短时间内对一些比较困难的问题进行判断与处理，提出更合理的网络系统评价方案，但在识别过程中可能会出现一些误差。因此，在未来的发展中，应该充分发挥计算机网络技术的优势，实现专家知识资源库的改进与完善，优化网络系统评价效果[8-9]。

3.3 在数据分析中的应用

互联网背景下，由于数据的多样性与海量性，使得相应的数据处理工作在开展过程中表现出进度缓慢与效率低的问题。人工智能算法能高效完成数据的整合与分析工作。常见的人工智能算法主要有以下两种。

（1）BP 神经网络。BP 神经网络的概念于1986 年被科学家首次提出，现阶段已被广泛应用。BP 神经网络是一种基于误差反向传播算法的多层前馈神经网络，反映了人脑功能的一些特征，是对生物系统的一种模仿、简化与抽象。相比于数字计算机，BP 神经网络在结构和功能上更接近人脑，它并非按照既定程序逐步执行操作，而是通过适应环境与总结规律来执行特定操作。此外，BP 神经网络无需解释描述映射关系的数学方程便能实现大量输入与输出模式映射关系的学习与存储，被广泛应用于故障诊断与统计分析等领域[10]。

（2）支持向量机。该技术在解决小样本、非线性等问题中具有独特的优势，可用于数据分析、回归分析、模式识别等领域。只要利用人工智能技术选择相宜的核函数，支持向量机算法就可以找到最优目标函数。此外，支持向量机算法还为人工智能技术与计算机网络技术的高度融合创造了机会，能够使人工智能技术变得更强大。

4 结语

人工智能技术在计算机网络技术中的应用，使人们的生活、工作更加高效。AI 技术在数据处理、运营成本以及学习能力方面有着传统计算机技术无法比拟的优势，随着AI 的不断发展，其在计算机网络中的应用也越来越广泛。本文简要分析了人工智能技术在网络安全管理、网络系统评价以及数据分析中的应用，希望能促进计算机网络技术的进一步发展。