神经网络在计算机网络安全评价中的应用

◆邵惠东

神经网络在计算机网络安全评价中的应用

◆邵惠东

（沈阳汽车工业学院 辽宁 110000）

计算机网络在现代生活生产中无处不在，使用计算机网络不仅符合当代信息化的发展需求，同时也使人们的工作效率提升了。但同时也有一些数据信息的存储风险并存，计算机网络的使用让一些黑客找到了可以窃取网络信息的渠道，不利于计算机安全性的提升。在计算机网络安全评价中应用神经网络，是解决计算机网络安全的重要手段，本文具体分析了神经网络在计算机网络安全评价中的应用效果以及应用意义。

神经网络；计算机网络安全；应用

0 前言

近年来，计算机不断发展，我们生活周围都离不开计算机的应用，但是在使用计算机的同时我们也要关注计算机带来的安全隐患，为了净化计算机网络环境，国家相关部门必须加大力度对其进行管理，所以在计算机网络安全评价体系中逐渐开始应用神经网络，保障了计算机的网络安全，使计算机的网络安全评价更加真实、准确。

1 计算机网络安全评价原则

计算机网络安全评价原则有以下4个方面，下面做具体分析：

1.1准确性

准确性是计算机网络安全评价的重要原则。具体来说，在设计评价指标以及实现具体评价方法的过程中，必须要准确地评估网络安全性，使计算机的安全性可以最大程度的得到保障。

1.2完整性

完整性是计算机网络安全评价的又一个重要原则，因为有很多因素都影响着计算机网络安全性的指标，所以在评价计算机网络安全的过程中，根据完整性原则，要对各个方面的指标都要全面的进行涉及，只有这次，才能科学合理的对计算机网络安全进行评价。

1.3简单性

计算机网络系统有比较复杂的构成情况，有很多需要关注的指标影响着对计算机网络的安全评估效率。为了简化这种问题，可以在这些影响到安全评估效率的指标中选择出具有代表性的指标，对其安全性进行评估，使安全评价过程简单化。

1.4独立性

降低安全评价效率的主要因素之一就是重复的安全评价，所以选择代表性的指标非常重要。为了避免重复性，要保证选择的指标里互相之间是独立的，不具有关联性，只有这样，才可以使安全评估效率进一步提高。

2 神经网络在计算机安全评价中的应用

2.1利用神经网络建立计算机网络安全评价体系

所有与计算机网络安全隐患相关的体系都是计算机网络安全评价体系，通过对神经网络特点的利用，把计算机网络安全评价体系建立起来，对计算机网络中的潜在威胁进行全面防范。第一，进行安全评价指标的建立、健全。进行计算机网络安全评价应当符合上述所说的几点原则。在评价过程中，选取的评价对象要有很强的代表性，并且层次分明。第二，虽然不同对象的评价指标略有差异，但是也把这些评价指标统一标准，可以采取不同的取值，评价指标可以反映出对象对网络安全的影响程度。第三，进行评价结果库的建立。不同评价指标的特点不同，可以以此为依据建立完整的评价结果库，评价结果可以依据安全级别进行划分，可以分为安全、较安全、不安全、危险，并且把评价的级别做详细说明，让用户可以清晰地了解计算机网络安全评价结果和产生评价结果的原因。

2.2 BP神经网络安全评价模型

神经网络在计算机网络的实际应用中，使用最为广泛的就是BP（balkpropagation）神经网络。通过不断传播训练样本信号，以最低误差进行传播是BP神经网络主要运行模式。使其在实际使用过程中，能够确保使用过程的安全性。BP神经网络可以灵敏、快速、准确的识别分类与对象，从而可以高效快速地检测诊断网络安全中的隐患。但是BP神经网络有较差的容错率和鲁棒性，在高速的安全监测中，对于精确度难以进行保障。同时由于网络隐层节点的选取方式没有统一的标准，BP神经网络算法有较差的收敛性。利用BP神经网络建立安全评价模型，首先要在输入层设计中保障为了对评价指标功用进行满足，要有足够的神经元接数量。其次对于隐含层的设计主要采用单层结构，选取节点数量时要综合考量网络性能。最后对于输入层要根据具体的安全评价结果进行设计，使安全评价的精确性得到提升。

2.3 AＲT神经网络在计算机网络安全评价中的应用

谈到网络安全，人们首先想到的是病毒木马侵害网络，或者是一些黑客入侵窃取相关人员的信息，但是网络安全不仅仅指的是这些，同时还有使用者进行的不安全操作也属于网络安全范畴。例如一些人通过网络散播虚假消息、诋毁他人、进行人身攻击、传播不健康信息、非法传播等对他人有不利影响的行为等。通过AＲT（AdaptiveＲesonaceTheory）神经网络的应用，可以进行这方面的网络安全评价。AＲT神经网络可以判断安全程度，判断的依据是对字、图像、语音、身份等信息进行识别以及搜索大量数据后找到固定模式然后进行相应的安全评价模型的建立。AＲT神经网络的优点是有较强的稳定性，有明显的聚类效果以及超强的对环境的适应能力，同时操作简单。AＲT神经网络的缺点是应用神经网络进行判断时需要有相关参数和模型的建立，同时还需要优化和学习相关网络。无论如何，针对使用者传播的信息数据，充分利用AＲT神经网络对其监测，再和模型库进行对比，然后判定使用者信息的安全程度，再进行处理，可以使网络环境进行净化，营造一个安全的网络环境。

3 计算机网络安全评价中应用神经网络的意义

在计算机网络安全评价中应用神经网络，不仅使评价的准确性和可靠性得到提升，同时还使计算机网络安全评价系统得到完善。

3.1提高计算机网络安全评价系统适应性

神经网络的适应性极强，尽管网络不同，运行环境会有差异，但是神经网络系统却可以适应的很快，同时神经网络的学习能力很强，可以自动化的调节所有数据，把数据误差进行完善和调整，这样就不会有较大的偏差出现。在运行计算机网络时，神经网络可以自动化的自我总结运行规律，对计算机网络安全评价体系不断完善，使其在评价过程中发挥自己的最大价值。

3.2提高计算机网络安全评价系统的容错性

人们在使用传统的计算机网络安全评价体系时，如果输入的信息不完整，就可能受到干扰，无法发挥计算机网络安排评价体系的作用。而在应用神经网络之后，评价体系有了更强的容错性，即使在使用计算机的过程中有很多不完整的信息输入，神经网络也会参考最初的节点，不会受到不相干信息干扰，做出错误的反应，这样评价结果更加具有准确性。

3.3神经网络实现在线应用

为了提高计算机网络安全评价的速度，在进行网络安全评价过程中，工作人员经常学习与训练神经网络，这样在应用神经网络时，就可以在人们输入数据后立即有评价效果产生，提高工作效率。随着技术的不断发展，在线使用功能也顺势而出，给人们的使用带来了很大的便利。

4 结论

综上所述，在计算机网络安全评价中应用BP神经网络，使黑客以及病毒入侵的几率降低，安全评价效率及准确度提高，网络安全评价系统不断完善，进一步使计算机网络的安全性得到提高，优化了网络环境，对各领域造成数据丢失等损失情况进行了规避，有利于我国计算机应用的快速发展。

[1]郑刚.计算机网络安全评价中神经网络的应用研究[J].网络安全技术与应用，2014.

[2]李忠武, 陈丽清.计算机网络安全评价中神经网络的应用研究[J].现代电子技术，2014.

[3]邓雪峰，那晨旭.神经网络在计算机网络安全评价中的应用研究[J].数字技术与应用，2014.

[4]胡波，李俊菊.神经网络在计算机网络安全评价中的应用[J].网络安全技术与应用，2015.

[5]孙立权，杨素锦.计算机网络安全评价中神经网络的应用[J].信息系统工程，2015.