人工智能技术在计算机网络中的应用

张 建

（宣城市机械电子工程学校〈安徽广德技师学院〉 安徽 宣城 242200）

0 引言

人工智能技术由人类制造，其在技术上呈现出的高智能性、强逻辑性、低投入性多维特征，主要通过计算机程序呈现。目前，人工智能技术主要涉及到生理领域、心理领域与语言领域等。人工智能技术在发展过程中，能够更加有效地辅助人类完成十分具体的智能化工作任务，为人类与计算机网络搭建较为紧密的交互路径，人工智能技术能够与计算机网络在不同角度产生技术联系，最大化释放技术效能，为人类服务，展现出较为显著的技术应用价值。

1 人工智能技术的特征

1.1 高智能性

人工智能技术最为关键的智慧表现，在于其能够对人类的思维方式进行深度理解与模仿，继而运用不同类型的算法、技术，提取高价值的信息并做出相对应的决策，解决现实问题［1］。例如，在棋类游戏、医疗诊断与自动驾驶过程中，人工智能技术凭借高智能性特征，快速提取有效数据信息，发现潜在问题并做出精准的预测与决策，有效感知环境并消除技术隐患。现阶段，人工智能技术在高智能性特征的支撑下，广泛应用在虚拟教育、市场营销等领域，提供个性化服务。

1.2 强逻辑性

计算机复杂的网络架构需要完善、科学的管理体系，确保网络正常运行。人工智能技术凭借强大的逻辑性特征，全方位管理计算机网络，快速破解计算机网络系统存在的实际问题，强化系统层次间存在的内生性逻辑，形成稳健的计算机网络运行系统，释放不同系统层次的逻辑优势，在整合系统数据信息时，完成数据信息的共享，延伸数据信息应用链路［2］。据此，人工智能技术衍生出自动化编程辅助功能，能够快速解答编程相关问题，并提供示例代码与运行建议，在辅助计算机网络系统开发工作过程中，可以根据相应的程序描述与运行需求生成片段代码，为计算机编程工作提供持续的高效支撑。

1.3 低投入性

计算机网络存在的缺陷，在无形之中加大计算机工作强度，造成计算机网络系统缺乏足够的稳定性。科学地融入人工智能技术，能够从根本上满足计算机网络系统运行过程中的稳定性需求，确保计算机持续高运行效率。人工智能技术作为十分重要的生产力，低投入性是其关键的特征，在安全网络环境下，依靠人工智能技术的高学习能力与推理能力，能够有效避免数据信息的流失，防止数据信息泄露造成的网络安全隐患与风险，将人为误差和劳动成本降低到最小化程度。

2 人工智能技术在计算机网络中的应用优势

2.1 确保计算机网络的稳健运行

从计算机网络角度看，人工智能技术能够在交换海量数据过程中，确保数据信息的快速传递，促使计算机网络系统呈现出较为迅速的动态变化，防止计算机网络在运行的同时，产生数据处理相对模糊等不稳定隐患。在应用人工智能技术时，人工智能通过深度模仿人类的思维，对数据信息进行灵活的逻辑分析和处理，配合计算机的强大运算能力，对相关数据信息实施高质量整合，不仅提升网络运行效率，还能显著降低数据信息处理过程中的资金消耗与成本损失。

2.2 网络管理工作更加便捷

计算机网络管理呈现出繁琐性，更多情况下依靠人工干预方式完成复杂的计算机网络综合管理，不仅在人力成本上花费巨大，同时在网络综合管理过程中容易产生较为重大的失误，造成对网络管理质量的干扰。人工智能技术自身具备网络化、智能化特征，能够根据大数据分析结果，高质量、高效率处理不同类型的数据信息，防止人为因素对网络综合管理造成的扰动［3］。运用人工智能技术展开多代理协作，完成复杂程度较高的网络管理工作任务，能够在计算机更新、升级过程中持续扩大计算机网络的覆盖范围，实现不同管理层交互性渗透，促使网络综合管理的简便程度更高，快速提升管理质量。人工智能技术必将以网络综合管理最为关键的核心技术，成为优化计算机网络的重要技术链路。

2.3 实现较高程度的资源节约

模糊控制主要利用模糊逻辑和推理技术进行模糊量控制，强化模糊信息的处理成效。人工智能技术巧妙运用模糊推理方法，从巨量数据中进行关键信息的提取，持续优化和提升数据的实际处理效率，降低数据检索时间，防止大量资源的消耗。面对复杂、繁琐的数据信息，人工智能技术依靠模拟人类思维自动化检索数据库，搜索有效程度较高的数据信息，提升计算机网络运行环境下的数据信息处理流程准确性，消除网络运行环境中存在的数据信息处理障碍，为计算机运行提供优质处理，在一定程度上降低数据信息处理的投入与成本。人工智能技术在计算机网络中的应用，能够更加快速、有效实现更高程度的资源节约，针对现有技术条件获得更具实效性的应用效益，运用更小的成本达到预期技术目标。

3 人工智能技术在计算机网络中的应用维度

3.1 网络入侵检测技术

入侵检测技术主要是指运用基于神经网络的网络入侵检测方法，检测与响应计算机网络系统错误进行的操作，是一种识别未经授权的访问、计算机病毒或恶意软件攻击等情况的人工智能技术手段。为应对复杂的网络入侵与攻击，解决传统网络入侵检测技术应用速度缓慢、检测范围有限的问题，通过人工智能技术与网络入侵检测系统（intrusion detection system，IDS）的融合，应用模糊算法，采用人工智能技术表达知识和推理技术的专家系统、数据挖掘与大数据神经网络处理技术，利用入侵检测框架模型执行选取、分析及表述等关联性检测步骤，快速提高计算机网络系统对数据的识别能力。在此过程中，人工智能技术与IDS 系统的角色为“安全预警机器”，能够在发现网络入侵等异常行为的同时，有效判断计算机网络安全保护措施的有效性，分析计算机网络即将面临的安全维护，为制定网络安全维护策略，提供实时有效的指导，阻断网络入侵行为对正常计算机网络运行情况的干扰，给出判断计算机网络态势安全性的保障。

3.2 网络安全节点控制技术

一般情况下，网络节点涉及到的信息较为复杂，不同网络节点在经受干扰、阻塞通信链路攻击后，通常会在节点的KUBELET 代理组件上出现更多的节点度量数据［4］。为维护计算机网络安全，需要运用人工智能技术针对性评估网络安全节点的可靠性，利用人工智能范畴下的证据推理融合（Dempster-Shafer theory， D-S）证据，形成处理、识别不同数据的专门系统，继而对网络安全性做出正确的判断，及时发现网络安全风险与安全漏洞，处理节点度量数据，提高数据处理质量。为显著提升D-S 证据理论的精准性，强化数据处理实际效果，可以将权重融合规则作为常规数据处理算法进行数据融合，确保节点度量数据的安全性。为提升网络节点的安全性，突破网络节点面临的不稳定问题，需要运用网络安全节点控制技术，强化信息处理的智能化效果，借助人工智能技术的科技力量，进一步区分模糊信息并实施快速处理。

3.3 计算机网络综合管理技术

高质量的计算机网络管理已经成为智能化延伸的关键点，这需要释放人工智能技术的技术应用优势，集成化运用专家系统（expert system， ES）、资本运营规划、自动化程序设计技术及流程等。建立满足计算机网络综合管理需求的集成网络综合管理系统，解决计算机网络综合管理过程中的具体问题。从技术应用角度看，人工智能技术在计算机网络综合管理过程中的应用，不仅能够简化网络管理难度，保证计算机网络管理综合性，同时，能够建立较为及时的网络动态与瞬态管理系统及专家知识库，迅速提升计算机网络管理的动态性，全过程提升计算机网络管理的技术水平［5］。在计算机网络系统中，计算机网络综合管理技术已经成为支撑相关领域专家正确、有效推理、判断、决策的关键技术，依靠人工智能技术能够在全面提升计算机网络系统评估与管理水平的过程中，实施数据信息分类，汇总专家经验、知识与技能，形成编写程序的代码，有效提高计算机网络管理质量。同时，针对计算机网络长期性、输入性应用人工智能技术，能够不断完善计算机网络系统评价、网络管理，强化计算机网络安全，实现针对计算机网络综合管理技术的高质量、高效率处理，顺利解决计算机网络管理过程中存在的诸多问题。

3.4 人工智能代理技术

人工智能代理技术即所谓的Agent 智能体，与传统类型的人工智能技术对比，Agent 具备较高水平的自主理解性，能够在执行复杂任务的响应过程中，及时针对周边环境予以感知、推理、规划，依靠核心功能，根据所处对象、情境实施学习、分析、处理，在集成不同情境信息后做出智能决策，不经受任何外部因素干扰的条件下自主完成工作任务［6］。现阶段，人工智能代理技术已经成为多个领域的高优越性应用技术，凭借更加人性化和个性化的应用趋向，满足计算机网络运行环境下的自主适应要求。运用Agent智能业务助理，能够在大模型技术的驱动下，针对新生数据完成智能化交互性处理，赋予计算机网络系统智能，同时，通过特定的检索程序，在计算机网络系统的指定位置完成数据信息的实时传送，完成周期性更新、同步，实现对计算机网络系统人性化优化，自动化改善系统业务质量。在人性化优化计算机网络系统过程中，人工智能技术可以在得到实时技术反馈的同时，进行自主学习与调整，通过个性化回应与服务，精准记忆历史交互内容，提供更加贴近实际需求的应答偏好，促使人工智能技术与计算机网络间形成更加流畅的自然交互。

3.5 智能化防火墙技术

智能化防火墙技术是人工智能技术在计算机网络应用过程中最为典型的技术应用代表，主要采取人工智能识别系统，针对计算机网络中存在的数据信息予以整合性处理，自动化筛选与过滤掉不具备应用价值的风险数据信息，一方面，能够降低计算机网络系统中的数据信息计算量，另一方面，能够防止病毒与黑客的袭击，整体性提高计算机网络系统在运行过程中的安全程度。智能化防火墙技术基于人工智能技术实现，在不断自学习的基础上，完成对计算机网络流量的分析和识别，可以在提升网络可靠程度的同时，精准检测到针对网络所发起的黑客攻击、数据攻击、介质访问控制（medium access control， MAC）和互通协议（internet protocol， IP）欺骗、潜在风险等恶意行为，在提供入侵防御保护的过程中，确保网络的安全性，及时阻断来自应用层的攻击［7］。智能化防火墙技术作为关键的网络安全设备，呈现出更聪明的智能表现，有效克服传统类型防火墙存在的误判缺陷，可以修正传统类型防火墙的重大假设，依靠人工智能技术将出口转变为关口，对访问控制实施效率更高的检查、识别、决定等。

3.6 数据挖掘技术

数据挖掘技术作为人工智能技术的核心，逐渐在分析、处理隐藏数据信息规律与关联性过程中，深入到多个领域。现阶段，数据挖掘技术已经是计算机网络综合管理过程中较为常用的技术，主要通过获取主机对话内容，学习入侵信息及规则，在数据库纳入上述内容后，可以通过进行数据库信息规则、输入信息规则的差异比对，识别入侵信息的安全级别，判断入侵信息携带的规则，确保计算机网络系统运行过程中运行环境的安全性［8－9］。目前，数据挖掘技术在机器学习、语言处理及计算机网络应用等领域能够产生较为关键的现实作用，通过应用分类算法、聚类算法与关联规则挖掘算法等常见的算法，数据挖掘技术能够深刻理解与分析数据信息。例如，在电商领域，数据挖掘技术可以成为计算机网络系统运行过程中，分析大量消费行为数据信息、提供针对性推荐服务的关键人工智能技术，可以有效增大满意度与转化率。由此可见，数据挖掘技术已经成为人工智能技术应用过程中，有效处理数据信息的学习方式，可以实现协同化处理任务，快速进行计算机网络系统风险问题的识别，及时发出计算机网络系统异常运行警报，为防范计算机网络安全问题的爆发提供更加稳健的技术支持［10］。

4 结语

综上所述，人工智能技术自身具备较为强大的计算机网络覆盖功能，在不同领域扮演较为关键的角色，其能够在处理数据信息过程中，依靠突出的智能学习能力，与人类的思维保持高度一致性，继而针对计算机网络系统与软硬件应用问题展开精准的预测与分析，分解计算机网络运行过程中存在的实际问题。本研究针对网络入侵检测技术、网络安全节点控制技术、计算机网络综合管理技术、人工智能代理技术、智能化防火墙技术、数据挖掘技术等应用维度，进行针对性阐释，强化计算机网络的智能化运营精度，为计算机网络技术健康、稳定发展提供现代化参考。