- 相關推薦
基于神經網絡的計算機網絡安全評價研究論文
神經網絡是目前應用最為廣泛的網絡模型之一，結合神經網絡構建一套安全、可靠的計算機安全評價體系，對網絡安全有一定的保障作用。將神經網絡有效地應用于計算機網絡，有利于降低網絡安全風險。文章對神經網絡和計算機網絡安全進行了概述，通過BP神經網絡構建可靠的計算機網絡安全評價體系，闡述了基于神經網絡的計算機網絡安全評價系統應用意義，彌補傳統計算機網絡安全中存在的諸多問題及不足。
計算機網絡的快速發展和技術的廣泛應用給人們的生產生活提供了便利，但同時，也帶來了一些不容忽視的安全隱患。近年來，影響計算機安全的因素很多，例如犯罪團伙利用網絡等高科技進行犯罪的案例屢見不鮮。對此進行嚴格防范，更好地促進計算機和互聯網的發展，需要對計算機網絡安全進行評價，建立安全、有效的計算機網絡評價系統，網絡安全評價體系可以對整個計算機網絡進行評估和分析，完善評價體系，使系統更準確、可靠，其中使用率最高的則是神經網絡。
1 神經網絡的概述
1.1 神經網絡的簡介
神經網絡又被稱為鏈接模型，它效仿了生物神經網絡而建立，它以人腦的信息處理方式為基礎，采用建立數學模型的方式研究大腦行為結構和生物神經元基本特征，世界上第一個神經網絡模型是由數學家和生物學家共同提出。神經網絡復雜多變，它是由神經元內部通過大量節點進行相互連接形成的一種網絡結構，其中每個神經元都可處理信息，從而達到處理海量信息的規模。隨后，計算機學家在原有的神經網絡模型的基礎上增加了學習機制，將神經網絡技術應用在工程中，設計出了感知器神經網絡模型，我國的計算機學家和數學家通過對神經網絡的分析，展開長期的研究工作，掌握了模型的實質，研究表明，神經網絡模型適合應用在不同的研究領域。
1.2 神經網絡的功能
神經網絡是一項人工智能系統，是通過生物神經網絡的工作原理建立而來，它的應用具有全方位的優越性能。計算機神經網絡系統還可實現預測功能，此功能為聯想模式的升級版，主要運用于市場和企業中，例如股票等證券市場，預測功能可對股市證券和企業的未來效益進行預測分析，基于計算機的神經網絡為市場和企業的發展提供了強有力的支持。正是有這些優越性能，神經網絡系統在計算機網絡安全評價過程中，才能發揮出最大的價值。
2 計算機網絡安全概述
2.1 計算機網絡安全的簡介
計算機網絡安全是指在網絡環境中，采用先進的科學技術和網絡管理控制措施來保證計算機資料能得以安全及完整的保護。計算機網絡安全由邏輯安全和物理安全兩大重要部分組成：第一，計算機的邏輯安全是指其中信息數據的保密性、完整性及可用性方面的內容;第二，物理安全包括了系統中的組網硬件和相關軟件等方面內容，其具有可控性及可審查性等特點。在當今的計算機網絡環境中，安全問題是關鍵，由于網絡的開放自由性導致信息在傳播過程中會受到硬件漏洞或者通訊協議方面的攻擊，這不僅給本地用戶帶來威脅，對國際網絡市場也是一種挑戰。
2.2 計算機網絡安全評價體系的建立
計算機網絡安全評價體系的建立是對網絡安全評價的一個強有力保障，該體系能全面、科學、客觀的體現計算機網絡中存在的不安全因素并且給出相對應的解決措施，所以應該根據多種綜合因素設立評價體系中的評價指標，從而準確地反映評價信息，計算機網絡安全評價系統的構建原則是：第一，可行性。在計算機網絡安全評價體系構建過程中，結合實際的測評條件，因地制宜，才能有效的進行測評和操作。第二，準確性。在計算機網絡安全評價體系的構建過程中，應當對網絡安全的技術水平進行真實的體現，及時且準確的對安全信息進行監測分析再反饋到計算機網絡中，使技術人員及時有效的解決產生的問題。第三，完備性。建立的安全評價體系，需確保所選指標對網絡安全基本特征有全面的反映，進而提高評價結果的真實可靠性。第四，簡要性。在選取評價指標的過程中，要選取具有代表性的，保證結果準確可靠從而降低工作量。第五，獨立性。計算機網絡是一個復雜多變的系統，在選取各項評價指標時，要避免出現重復選擇的情況，減少指標間的關聯度，從而客觀準確的將計算機網絡安全運行狀態展現出來。計算機安全網絡存在一定風險性，在安全保護上也存在難度，遵守以上原則，在實際工作應用中，提高計算機網絡的工作質量和效率。
3 基于神經網絡的計算機網絡安全評價系統
在神經網絡模型中，使用最為廣泛的是BP神經網絡模型，它采用最速下降法進行反向傳播，調整相關數值，將誤差降至最低。BP神經網絡模型還通過誤差逆傳播算法，訓練前饋多層網絡。其算法簡單，容易實現，具有非線性逼近能力。本文以BP神經網絡為研究對象，對計算機網絡安全評價進行分析。
3.1 神經網絡的計算機網絡安全評價模型設計
基于神經網絡設計的計算機網絡安全評價模型，由3個部分組成，分別是輸入層、隱含層和輸出層：(1)輸入層。BP神經網絡在設計的過程中規定輸入層神經元節點的數量，與計算機網絡安全評價指標數量必須一致，所以對模型輸入層中神經元節點的數量確定需由二級指標的數量完成。例如，在安全評價體系中設計了10個二級指標，在計算機網絡安全評價模型中輸入層神經元節點數量也必須是10個。(2)BP神經網絡模型在設計的過程中，采用單向隱含層，如果隱含層中的節點數過多會延長神經網絡學習時間，如果隱含層節點數的數量過少則會降低神經網絡的容錯能力。所以隱含層中的節點數量對網絡性能有較大的影響。(3)輸出層。BP神經網絡在輸出層的設計工作即反映網絡安全評價結果，依據輸入層的評價設計，將輸出層的節點數設為2個，則(1，1)的輸出結果表示非常安全，(1，0)的輸出結果基本安全，(0，1)的輸出結果表示不安全，(0，0)的輸出結果表示非常不安全。
3.2 神經網絡的計算機網絡安全評價模型學習
BP神經網絡在計算機網絡安全評價模型中需完成神經網絡的學習，也就表示其在模型構建前需進行神經網絡的訓練工作，這使BP神經網絡具有初始連接權，在完成神經網絡的學習后，減少誤差值，保證安全評價結果和使用者期望值達成一致。
3.3 神經網絡的計算機網絡安全評價模型驗證
為確保計算機網絡安全模型的應用效能，在完成設計與學習工作后，對其進行驗證，首先選取樣本數據，再將樣本數據輸入到模型中，通過模型內部檢驗分析，完成評價功能的應用，如果輸出的安全評價結果與期望值達成一致，則說明基于神經網絡的計算機網絡安全評價模型具有準確性，可以使用。
4 結語
隨著社會的發展，科學的進步，越來越多的先進信息技術和網絡技術得以應用，計算機網絡是一個復雜的系統，其中存在一定的風險性，計算機網絡的安全問題是目前亟待解決的關鍵問題。在當前社會，神經網絡技術廣泛應用于各大領域，將神經網絡模型與計算機網絡安全相結合，遵守可行性、準確性、完備性、簡要性、獨立性原則，構建一個網絡安全評價體系。有利于對計算機安全管理奠定基礎，基于神經網絡的計算機網絡安全評價體系能使評價結果更具真實性和可靠性，但目前的神經網絡技術并不十分成熟，根據其應用特點，將神經網絡技術與其他技術相融合的發展問題，仍值得廣大學者深入研究。通過本文的分析與研究，認識到神經網絡的發展及特點，針對其功能的優越性，加大對神經網絡的重視，提高安全評價體系對環境的適應力，提升體系的容錯性，實現在線應用模式，促進其在計算機網絡安全中的進一步完善和發展，為計算機網絡安全評價提供保障，使神經網絡在計算機網絡安全評價中發揮更大的作用。
【基于神經網絡的計算機網絡安全評價研究論文】相關文章：
網絡安全評價中神經網絡的實踐應用10-26
醫院計算機網絡安全的研究論文10-11
淺談基于計算機網絡安全及防范策略論文10-12
高職院校計算機教學評價體系研究論文10-12
基于以人為本的小學教育管理研究論文10-11
基于崗位定制的高職計算機專業論文10-12
基于質量評價的區域經濟管理研究10-26
基于跨境電子商務的外貿轉型升級研究論文10-12
基于新形勢下對小學教育管理的研究論文10-10