神经网络在计算机网络安全评价中的应用研究

邓雪峰++那晨旭

摘要：计算机技术的广泛应用，使各种信息在更大范围内流动，提高了信息的共享率，充分发挥出信息的使用价值。但由于计算机网络系统的开放性，其难免受到一些漏洞或者病毒的影响，使计算机网络的安全受到严重威胁。因此，做好计算机网络安全评价工作，及时找出网络系统中存在的问题对于计算机系统的正常运转具有十分重要的意义。在本论文中，笔者首先介绍计算机网络安全评价体系应该遵循的原则，而后分析了神经网络的含义，对最后结合BP 神经网络在网络安全评价中的应用分析了网络安全评价的原理。

关键词：计算机网络 安全评价 神经系统 原理

中图分类号：TP393.08 文献标识码：A 文章编号：1007-9416（2014）12-0184-01

计算机网络技术的迅速发展给我们的日常生活提供了较大的便利，有利于实现信息资源的自由流动及共享。但随着社会的发展，我们必须重视这一一个事实 计算机网络系统中存在着各种不安全因素，严重威胁到网络系统的正常运行，给计算机用户造成了较大的损失。为了科学应对风险，相关人员都进行了专业的研究，他们力求准确科学地评价计算机网络所面临的风险，而后根据风险的特点，采取有效的措施来解决问题，进一步减少安全问题给用户造成的损失。传统的网络安全评价方法，如故障分析法、层次分析法以及灰色模型等，都为维护计算机安全作出了较大的贡献，但这些方法操作起来较为复杂，且评价的准度较低。为此，相关学者进行了深入地分析和研究，神经网络技术出现并受到大家的关注及重视。

1 计算机网络安全评价体系应该遵循的原则

作为一个复杂的体系，计算机网络系统会受到多种因素的影响，例如计算机网络运行的外部环境、网络运行现状、组织管理等。因此，在对计算机网络系统的安全进行评价时，工作人员必须充分考虑各种因素，建立科学、合理、准确的安全评价指标。建立指标的过程中，工作人员要遵循以下原则：

（1）完备性原则。也就是说，计算机网络安全的评价指标应尽可能全面，充分反映计算机网络的各种特征，保证评价结果的准确。

（2）可行性原则。评价指标应该符合实际测评工作的需要，且具有较大的可操作性。

（3）准确性原则。网络安全的评价指标内容要清楚。工作人员应严格按照评价体系的具体内容来进行操作评价。

（4）独立性原则。各个指标应该避免重复，充分反映网络系统的实际运行情况。

2 神经网络概述

神经网络系统是一种人工智能系统，它通过模仿动物神经系统的特征，来进行信息的分析与处理。通过各种算法数学模型，神经网络系统可以调节内部大量节点之间的相互关系，这也是其发挥作用的根本原理所在。神经网络系统主要有两方面的特征：非线性、非局限性、非常定性、非凸性。

正是因为这些特点，神经网路系统具有各种优越性：

（1）神经网络系统具有自学习的功能。系统可以自动识别所输入的信息，并总结规律，学会识别相关的信息并在之后的工作中自动运行。工作人员只需要输入相关的信息就可以了，神经网路可以自动识别信息并能进行有效的预测。因此，计算机神经网路系统可以为人类提供相应的经济预测、市场预测及效益预测等，有利于社会的发展。

（2）神经网络系统具有联系存储功能。

（3）神经网络系统能够自我寻找优化解，充分发挥计算机的高速运转能力，帮助使用者迅速找到解决方案。也正是因为这些优点，神经网络系统被广泛应用于计算机网络安全评价过程中。

3 计算机网络安全评价的原理——BP 神经网络在网络安全评价中的应用

在进行计算机网络安全评价时，工作人员要依据相关的评价标准，确定评价的具体内容和范围，并以此来对计算机玩了过的安全状况及关键点进行分析，最后借助相关的评价方法，测算出网络的安全级别。一般来说，网络安全级别的评价要遵循以下公式：网络安全级别=f（x1，x2，x3，...xi，..xm），其中xi表示的计算机网络安全的主要评价因子，而f指的是计算机网络安全的评价模型。由此可以看出，要保证网络安全评价的准确性，相关人员必须合理选择评价因子及评价模型。下面笔者将就BP神经网络系统评价法进行探讨。

BP神经网络系统又称为BP学习算法，其作用的过程主要包括信息的正向传播及误差信号的反向传播。在正向传播过程中，工作人员所输入的信息经过输入层运送至隐含层，经过相应的处理后，信息传至输出层。如果此时信息有误，就会产生误差信号，然后通过原来的通道进行反向传播，进行再次处理，直到最后的信息达到网络系统所要求的精度为止。作为当前应用最广泛的神经网络模型，BP神经网络系统采用的是梯度下降算法，将期望输出值与实际输出数据之间的误差降到了最低。同时，BP神经网络具有非常强的非线性的逼近能力，其算法较为简单，操作容易。但我们必须注意到，该种模型的应用过程容易陷入局部极值的情况，导致全局的搜索能力并不高。因此，在应用过程中，该种神经网络系统仍然存在着不少的问题。

4 结语

神经网络系统在计算机网络安全评价中得到了较为广泛的应用，但其本身仍然存在着一定的问题，不利于其综合性能的全部发挥。就目前情况来看，不少工作人员将PSO算法应用于BP神经网络系统中，优化了神经网络的权值，提高了其搜索范围及速度，对计算机网络安全评价工作作出了一定的贡献。在未来的实践及研究中，工作人员应该充分认识神经网络系统的局限性，加强技术研究，创新技术手段，并采取各种积极有效的措施来解决问题，力求计算机网络安全评价的结果更准确。相信本论文的撰写，对未来计算机网络安全的维护方面具有十分重要的意义。

参考文献

[1]刘秋红，徐广飞.计算机网络安全评价中神经网络的作用探究[J].煤炭技术，2013（3）：270-272.

[2]张原.模糊综合评判在网络安全评价中的应用[J].电子测试，2013（10）：252-253.

[3]郭丽娟.神经网络在计算机网络安全评价中的应用[J].价值工程，2012（21）：187-189.

[4]武仁杰.神经网络在计算机网络安全评价中的应用研究[J].计算机仿真，2011（11）：126-129.endprint