大数据视域下人工智能在计算机网络技术中的应用研究

摘要：大数据时代背景下，计算机网络技术被广泛应用到人们的生产、生活和学习中，对人们的生活习惯和工作方式产生了很大影响。继大数据技术和云计算之后，人工智能应运而生，并展现出强大的优势，尤其是在计算机网络技术中更是表现出极大的应用优势。本文以大数据对人工智能的支持为着力点，分析了将人工智能应用在计算机网络技术中的价值，探讨了大数据视域下人工智能在计算机网络技术中的具体应用，旨在为相关人员提供参考和建议。

关键词：大数据；人工智能；计算机网络技术

引言

计算机网络技术在大数据的推动下发生了巨大变化，人们应用计算机网络技术可以提升信息的传输速度和传输质量。大数据背景下，信息量逐渐增大，为有效识别存在的异常数据或异常情况，应该将人工智能引入计算机网络技术中，以此提升数据处理效率和数据安全性。如何发挥人工智能的优势，促进计算机网络技术的优化和升级，成为当前需要研究的重点内容。

1. 大数据对人工智能的支持

1.1 数据采集和预处理

大数据环境下，数据的采集和预处理成为人工智能应用的重要基础，大数据技术能够高效收集各种来源的信息，如社交媒体、传感器网络、日志文件等，为人工智能系统提供庞大的数据集。这些数据集经过清洗、转换和标准化等预处理后，能够为人工智能算法提供更准确、更全面的数据输入，从而提高算法的准确性和效率。例如，在智能推荐系统中，大数据技术可以帮助收集用户的浏览历史、购买记录等信息，并通过预处理技术将这些数据转化为算法可以理解的格式，这样推荐算法就能更准确地理解用户的需求和偏好，从而提供更精准的推荐内容。

1.2 数据挖掘与分析

数据挖掘与分析是大数据技术的核心功能之一，能够帮助人工智能从海量数据中提取有价值的信息和知识。人工智能通过采取聚类、分类、关联规则挖掘等数据挖掘方法，可以发现数据中的潜在模式和关联，进而提升决策和推理能力。以金融领域为例，采用大数据分析技术对大量交易数据进行挖掘和分析，能够自动检测出异常交易模式，及时发出预警，从而帮助金融机构识别潜在的欺诈行为，更好地保护客户的资金安全[1]。数据挖掘与分析过程如图1所示。

1.3 机器学习与深度学习

大数据为机器学习和深度学习提供了丰富的训练样本和测试数据。在大数据的支持下，机器学习算法可以训练出更加精确的模型，深度学习网络也可以学习到更加复杂的特征和表示，从而使人工智能模型在图像识别、语音识别、自然语言处理等领域取得更为显著的进步。以图像识别为例，深度学习算法如卷积神经网络（CNN）需要大量的图像数据进行训练，大数据则能提供海量的图像资源，使得CNN能够学习到更加丰富的特征和表示，进而提高图像识别的准确率。机器学习与深度学习在自动驾驶、安防监控等领域具有广泛的应用前景。机器学习与深度学习的关系如图2所示。

图2 机器学习与深度学习

2. 将人工智能应用在计算机网络技术中的价值

2.1 能够提升网络运行的稳定性

大数据支持下的人工智能系统能够实时监控网络状态，及时发现并预测潜在的网络问题，如流量异常、设备故障等，通过解决这些问题可提升网络的安全性。将人工智能系统应用至计算机网络技术中，可以通过智能分析自动调整网络配置，优化网络资源分配，从而减少网络拥堵和故障发生的概率。此外，人工智能的有效应用还可以协助网络管理员进行故障排查和修复，进而大幅缩短故障恢复时间，确保网络实现持续、稳定的运行[2]。

2.2 能够提升大数据信息的处理效果

在大数据时代，信息的处理和分析可以为各项决策提供准确的依据。人工智能具有强大的数据处理能力，能够高效地处理和分析大量的数据信息，而且能够通过自然语言处理、数据挖掘等技术，自动提取数据中的关键信息，发现数据之间的潜在联系和规律，以此提高数据处理的效率，为管理者进行决策提供更为准确、全面的数据支持。因此，将人工智能应用在计算机网络技术中，可以大幅提升大数据信息的处理效果。

2.3 能够提升相应的推理水平

人工智能具备强大的推理能力，将其有效应用到计算机网络技术中，能够通过有效地学习和训练，掌握复杂的网络知识和推理规则，在此基础上，可以通过人工智能实现对网络状况的自动分析，预测网络行为，并根据网络环境的变化做出相应的调整和优化。人工智能凭借自己具有的智能推理能力，可以协助网络管理人员制定更为合理的网络管理策略，提高网络资源的利用效率。通过分析可知，将人工智能应用在计算机网络技术中，可以有效提升相应的推理水平，使网络管理更加智能化和高效化[3]。

3. 大数据视域下人工智能在计算机网络技术中的具体应用

3.1 人工智能在计算机网络系统管理与评价中的应用

人工智能在计算机网络系统管理与评价中的应用已经非常广泛。随着技术的不断进步，人工智能以其独特的智能分析和决策能力，为计算机网络系统管理带来了革命性的变革。在传统的网络系统管理中，管理员通常需要手动配置网络资源、监控网络状态，并及时处理各种网络问题，这种方式不仅效率低下，而且容易出现错误。随着人工智能的引入，使得网络系统管理变得更加智能化和自动化。在人工智能技术的支持下，网络系统能够实现自动化管理，自动调整网络资源分配，优化网络性能，并保持网络的稳定性。同时，人工智能可以实时分析网络流量、设备状态等数据，根据网络需求进行动态资源分配，从而提高网络资源的利用率，改变了以往人工操作造成的效率低下的问题，避免了资源浪费。

此外，人工智能还能对网络系统进行全面实时的评价[4]。具体来说，人工智能技术通过收集和分析网络系统的各项数据，可以评估网络性能、安全性和可靠性，及时发现并解决潜在问题，确保网络顺畅运行。这种实时评价机制使网络管理员能够及时获得关于网络状态的反馈，从而更好地进行网络管理和优化。

总之，人工智能在计算机网络系统管理与评价中的应用大幅提高了管理效率，增强了网络的性能和稳定性，为网络系统带来了更高的可用性和可靠性。随着人工智能技术的不断发展，其在计算机网络技术中的应用将会越来越广泛，也会为人们的生活和工作带来更多便利和创新。

3.2 人工智能在数据安全管理中的应用

在数据安全管理中应用人工智能时，因受大数据技术的支持和影响，可以在以下三个方面体现出重要的应用优势。

第一，人工智能在入侵检测中的运用。入侵检测是数据安全管理中的重要环节，将人工智能技术应用到该环节，主要是基于机器学习和深度学习的先进方法，对网络流量和用户行为进行精准的分析，迅速识别出不寻常的数据传输量、异常登录时间等异常模式，针对发现的异常情况，系统会立即自动采取相应的防护措施，例如，封锁可疑的IP地址或限制访问权限，从而有效地抵御各种网络攻击，有效提升网络安全的防护能力。

第二，人工智能在垃圾邮件处理中的运用。人工智能技术能够高效地识别和过滤垃圾邮件，保护用户邮箱的安全与清洁，在具体的应用过程中，人工智能通过自然语言处理和机器学习算法，可以准确判断邮件内容是否包含垃圾邮件的特征，如特定的关键词、发送者行为模式等，一旦识别出垃圾邮件，系统就会及时拦截并将其隔离，防止用户受到不必要的干扰和潜在的安全威胁[5]。

第三，人工智能在防火墙中的运用。人工智能技术为防火墙提供了更高级别的保护，使其能够更加智能地应对网络威胁。人工智能支持下的智能防火墙能够实时分析网络流量，识别并拦截恶意攻击，如DDoS攻击、SQL注入等，而且还能根据网络环境的变化，自动调整防御策略，确保网络安全的持续性和有效性。

3.3 人工智能实现agent技术

在科技日新月异的现代社会，人工智能成了一个不可或缺的技术元素，其在各个领域都展现出强大的实力，尤其是在大数据的环境下，人工智能技术更是得到了空前的应用和发展。其中，agent技术就是在这样的背景下应运而生，并且迅速在网络服务与网络管理中占据了重要的地位，该项技术主要包括两个方面。

一方面，agent技术在网络服务个性化和定制化方面展现出良好的应用优势，这主要得益于解释推理器和知识库的支持。用户在网络上进行访问时，系统会对用户的行为数据、喜好等信息进行收集并储存，随之对这些数据进行一系列的处理与分析，在这一过程中，可以借助解释推理器的功能来精确判断用户的需求。而一旦系统识别出用户感兴趣的内容，便会迅速筛选出相关数据，随之主动将获取的数据信息推送给用户，从而实现网络服务的个性化和定制化[6]。

另一方面，该技术在网络管理和网络安全领域也具有显著优势。该系统会对底层数据进行全面收集和整理，随后进行深入的分析，在这一过程中，人工智能的四大核心能力——学习能力、推理能力、自适应能力和自主能力，将得到充分发挥。当外部程序尝试访问或连接网络时，系统会迅速地进行研判，判断其是否存在潜在的风险，并会在第一时间发现并阻止病毒或恶意软件的入侵，从而最大限度地确保网络系统及其内部主机的安全，以降低外部威胁对网络环境造成的影响。

3.4 人工神经网络的运用

人工神经网络（ANN）作为人工智能领域的重要技术之一，在计算机网络技术中应用时，可以通过模拟人脑神经元的连接方式和工作原理，展现出强大的处理复杂非线性问题的能力，进而为计算机网络技术带来诸多创新应用。

其一，人工神经网络在网络故障预测领域的应用。人工神经网络在深入分析网络流量、设备状态等多维度参数时，通过学习和识别数据中的隐藏模式，能够精准地预测出潜在的网络故障。这种前瞻性预测为网络管理员提供了宝贵的时间窗口，使管理员能够在故障实际发生前采取预防措施，从而确保整个网络系统的持续稳定运行。

其二，人工神经网络在网络性能优化上发挥着重要作用。人工神经网络能够实时对网络流量进行精准监测与分析，迅速定位网络中的瓶颈与潜在问题，进而实施针对性的优化策略[7]。这种智能优化方式，不仅大幅提高了网络的传输效率，减少了数据传输的延迟和丢包，而且极大地改善了用户的网络体验，使得网络使用更为流畅、高效。

其三，人工神经网络在图像和语音识别方面应用时。人工神经网络能够精准地识别和解析复杂的图像和语音信息。另外，人工神经网络在网络安全领域应用过程中，通过学习各种网络攻击模式，能够准确地检测出隐藏在海量数据中的潜在网络威胁，从而及时进行防御和应对，这种能力无疑为网络安全提供了坚实的技术保障，使得网络环境变得更加安全、可靠。

结语

在大数据视域下，将人工智能与计算机网络技术进行深度融合，已经成为必然的发展趋势，对于推动时代发展发挥了重要的作用。从计算机网络技术的层面来看，通过应用人工智能技术，不仅提升了计算机网络的安全性和稳定性，也推动了计算机网络技术的更新与升级，使其可以应用至更广泛的领域，为推动科技发展贡献力量。

参考文献：

[1]周琴.大数据视域下人工智能在计算机网络技术中的应用[J].信息与电脑（理论版），2024，36（5）：137-139.

[2]徐阳.大数据时代下人工智能在计算机网络技术中的应用[J].电视技术，2023，47（4）：142-144.

[3]王成志.基于大数据背景下人工智能在计算机网络技术中的应用[J].软件，2022，43（7）：110-112.

[4]沙之洲.大数据时代下人工智能在计算机网络技术中的应用[J].电子元器件与信息技术，2022，6（1）：87-88.

[5]阿不都外力·阿布都瓦依提.大数据环境下人工智能在计算机网络技术中的合理应用[J].无线互联科技，2021，18（17）：9-10.

[6]徐天奕，单炜航.大数据背景下人工智能在计算机网络技术中的应用[J].计算机与网络，2021，47（12）：39.

[7]戚引松.大数据时代背景下人工智能在计算机网络技术中的应用探索[J].科技与创新，2021（8）：176-177.

作者简介：陆芸，本科，高级讲师，方向：信息技术教学研究。