葛 裴 中国信息通信研究院技术与标准研究所助理工程师
随着近些年科技日新月异的发展,人工智能、云计算、大数据等词成为当今的热搜词汇。人工智能可谓是其中的“当红炸子鸡”,无论是国内还是国外,都得到了相当高的关注,并且人工智能在越来越多领域扮演着举足轻重的地位。而计算机网络发展至今,单纯的数据运算、问题求解和功能搜索等已经很难适应网络飞速发展的需求,加之当今人们越来越重视网络信息安全方面的问题,因此将人工智能与计算机网络技术进行一定程度上的融合,使二者共同发展,具有空前而深远的影响。
自人工智能1956年被正式提出至今,几十年来取得了长足的发展,其概念也在不断地发生变化。虽然人工智能属于计算机科学的一个分支,但它的研究却不仅仅涉及到计算机科学,还涉及如脑科学、心理学、逻辑学、语言学、行为科学和认知科学等多重科学领域。只有相当专业和系统的综合能力才能被称之为人工智能。简单来说,人工智能就是“智慧”的计算机,它可以模拟人类思维、意识、行动等行为模式,并可以帮助人们提高效率、高质量地完成一些高危复杂的工作,同时具有一定的学习可推理能力。
事实上,人工智能的发展并不是一帆风顺的,这期间经历了很多曲折的过程,人工智能自首次提出后,在受人追捧和快速发展的同时也饱受批评和质疑,这期间人工智能经历过两次“寒潮”。由于人工智能理念提出后,人们对该项目期待过高且对项目整体难度评估不足,无法达到当时预期的结果。到了20世纪70年代,人工智能研究遇到瓶颈,其研究经费也被转移到其他的项目上,人工智能此时进入了第一次低谷。直到1980年,人工智能中专家系统的价值逐渐体现,被广泛地商用,人工智能才开始复苏。但是好景不长,自1987年开始苹果和IBM生产的计算机没有用到AI技术但性能却超过了价格昂贵的带有“专家系统”的通用计算机。至此,人工智能硬件市场受到严重打击,之前的风光不再,经历了第二次寒冬。而从20世纪90年代中期开始,随着人工智能技术尤其是神经网络技术的逐步发展,以及人们对人工智能开始抱有客观理性的认知,人工智能技术才开始进入平稳发展时期。
纵观人工智能发展的历程,计算机网络技术与其相辅相成,相互依赖,并且在对方的领域内都发挥着决定性的作用。
从物理学角度来讲,计算机网络传输速度最大的就是光速。虽然理论上量子通信可以实现超光速通信,但短期内应该还是很难超越光速。对于计算机网络来说,要想适应飞速发展的时代,需要寻找出路来弥补传输速度的瓶颈,同时对数据报文交互的要求也提出了更高的要求。目前,网络里的数据资源庞大,而且具有不连续、不规则的特点,这对于普通的计算机要想从中找出规律十分困难,从而很难保障数据的有效性、真实性和准确性。因此,很大程度上降低了网络管理系统中网络控制和网络监视的精准性。
随着互联网用户的不断增加,云计算、大数据的盛行,虽然给人们带来了便捷的体验,但人们也越来越重视用户信息的安全问题。近年来,相关节目也多次报道过关于个人信息泄露、网络犯罪等内容。如何有效遏制类似的犯罪并能严厉打击这种行为,则需要计算机网络技术依托人工智能,建立一套完善的网络管理机制,使其不仅能够及时、精准、有效地打击犯罪,同时还可以对网络进行数据采集、分析并拥有相应的故障检测和处理的能力,让我们的网络环境可以健康、有序的发展。
伴随着通信网络规模逐步扩大、用户数量快速增长以及Web2.0时代的到来,不同用户对网络中信息的需求以及个人偏好、习惯都会有所不同,并且当今的网络用户已经不仅仅是信息的消费者,同时也是信息的生产者。这就需要一个既可以提供定制或能满足不同用户需求的专门的服务网络,又能存储和传输大量多媒体信息和互联网流量的网络环境。如果这里面没有一个智慧的“管理者”和大的网络容量,如此复杂的要求是难以想像的。人工智能的引入,使我们有能力迎接这些挑战。
如今网络结构异构化趋势已经日益展现,在不远的将来5G的应用还将会给网络形态带来重大调整,这样必然导致网络设备和用户终端的增长,以及网络复杂性的增加。在此背景下,要想保障计算机网络能够高质量的运行、维护以及管理,除了提高网络设备容量之外,还需要借助智能化的工具和技术来提高网络整体性能。通过引入更多的智能元素,来满足不同用户的需求、降低运营成本、提高网络性能。
随着计算机网络技术的突飞猛进,当前的计算机网络环境具有很多鲜明的特点,如信息的瞬时性、传输速度的高速性等特点。结合这些特点,为了更合理、高效、稳定地管理好网络系统,具有一套成熟的网络管理技术与管理方法是必不可少的。而结合人工智能技术管理网络系统,其具备非常突出的优势。
在计算机网络中,存在庞大的信息量,信息和概念处于不同的层次,所有的信息都有其自身的价值和意义。然而到目前为止,还没有任何一个网络模型能够精准描绘网络流量特征。幸运的是,现在人工智能已经开始进入到认知时代,其可用性也已经得到证实。通过人工智能超强的学习能力,机器系统能够利用已有的训练数据通过数据挖掘来处理海量数据,并通过对低层次信息的学习、分析和推理等环节,提升相关概念的层次和等级获取更有价值的信息,从而可以提高分析的准确性,并进一步实现网络与服务的智能化管理。
在瞬息变化的网络环境中,存在着很多模糊不确定的信息,资源的状态信息在发送到网络管理系统时可能已经发生了变化。而人工智能不需要准确描述系统的数学模型,恰好能够具有处理这种模糊逻辑和不确定性推理的能力。因此,利用人工智能其特有的推理、协作能力和模糊逻辑处理方式,可以最大限度优化计算机网络的环境,进一步提升网络管理和信息处理的能力。
由于网络的范围和规模都在不断增长,网络结构复杂性也在快速增长,这给网络技术管理提出了更高的要求,如果仅对网络进行单一化的管理,则难以解决网络结构复杂的问题。因此,不得不处理诸如网络节点之间的任务分布、通信与协作等问题。利用人工智能的非线性协作能力可以有效地协调网络中的不同层级的关系,实现网络各层之间的协同管理。
在对计算机网络信息进行解析时,一般都是通过搜索不同的算法得以实现。但由于被控对象随着尺寸的增长会导致计算量的增加,进而影响了网络管理的整体速度。而人工智能技术所采用的控制算法可以快速、高效且一次性完成最优的计算任务,不但节省了计算资源,还可以实现对计算机网络管理的高效处理。
在计算机网络安全管理技术中,最主要的内容包括反垃圾邮件、防火墙和入侵检测3个部分,同时网络控制和网络监视则是网络管理系统过程中最重要的两个环节。结合人工智能在计算机网络中的这些优势,可以更好地管理计算机网络安全。
人工智能应用在反垃圾邮件系统中,除了可以保护用户数据的安全外,最主要的是可以检测扫描用户邮件并进行智能识别,及时发现其中的敏感信息,同时采取有效防范措施阻止恶意邮件,使用户免受垃圾邮件骚扰之忧。当前使用的腾讯企业邮箱就已经把这项人工智能反垃圾邮件系统运用在其中,效果显著。
防火墙作为网络安全设备已被普遍应用。传统的防火墙需要依靠网络管理员为其设置安全规则来准许什么数据包可以通过、什么数据包应被拒绝。这里面更多的是依靠管理员来保障数据包的安全性,单就防火墙本身是无法判断一个正常的数据包和一个恶意的数据包有什么不同。而智能防火墙引用的识别技术,可以很好地自行分析和处理相应的数据,同时又能巧妙地融合代理技术和过滤技术,不但可以降低计算机对数据的运算量,还能拓宽监控范围,有效地拦截对网络有害的数据流,从而更好地保障网络环境的安全。
在网络安全威胁日益严重的今天,入侵检测技术的重要性不言而喻。传统的入侵检测技术在检测速度、检测范围和体系结构等方面均存在短板。为了弥补这些短板,智能入侵检测系统借助人工智能中的模糊信息识别、规则产生式专家系统、数据挖掘和人工神经网络等技术,提升入侵检测效率,并且可以最大程度地抵御来自于各方病毒入侵所带来的潜在威胁。
要想实时地掌握计算机网络中的信息,需要网络具有将数据信息上传的功能。目前,已有诸如深度报文检测(DPI)等系统采用探针方式来搜集网络流量数据信息,同时DPI还可以进一步收集网络运行状况、网络服务质量信息以及资源使用等情况。
通过从DPI采集到的海量数据,人工智能技术可以利用其强大的理解和推理能力快速分析并判断信息中是否存在异常。例如,如果遇到突发大流量的情况,则人工智能系统可以推测网络中存在分布式拒绝服务(DDoS)攻击,并立即分析软件包特性,然后协调探针协作任务,将具有同类特征的所有软件包丢弃,从而最大限度地避免对其他网络业务造成损失。如果出现新的病毒攻击或黑客入侵,人工智能还可以利用自身的学习能力将相关记录写在安全数据库中。
人工智能技术随着科学的不断进步而愈发完善,其在计算机网络技术中的运用也会越来越广泛,从而可以更加有效地保障数据信息的安全性,保护计算机网络系统的平稳运行。因此,人工智能与计算机网络技术的融合并不是偶然,计算机网络的管理需要这样的“大脑”存在。有理由相信,这种融合发展今后能够为人们带来更多的帮助。
参考文献
[1]黄震.人工智能在计算机网络技术中的应用解析[J].科教导刊-电子版(上旬),2017,12(34):242-243.
[2]郝登山.人工智能在计算机网络技术中的应用分析[J].中国信通信,2016,1:87-89.
[3]姜学东,王昊欣.人工智能在计算机网络技术中的应用研究[J].电子测试,2017,12:120-121.
[4]张霁.人工智能在计算机网络技术中的应用探讨[J].电子世界,2018,1:45-46.