计算机网络技术中人工智能的应用

周伦钢

摘要：本文探讨了人工智能，分析了人工智能在计算机网络中的优势作用，研究了计算机网络技术中人工智能的应用。

关键词：计算机网络技术;人工智能;网络安全

中图分类号：TP182 文献标识码：A 文章编号：1007-9416（2019）11-0083-02

0 引言

目前来看，人工智能在计算机网络技术中的应用已经取得了很大的突破，无论是在生产过程中对生产资源的智能优化配置，还是在信息资源的实时共享，都极大满足社会现实需求。由此可见，人工智能在计算机网络技术中的应用已经成为了未来计算机网络的必然发展趋势，而对于人工智能应用的研究，也是非常具有现实意义的。

1 人工智能概述

人工智能是一种通过计算机程序来模拟、呈现人类智能的一门技术科学，其研究内容覆盖了生理学、计算机、语言学、心理学、医学、统计学、神经科学等多个学科的知识技能，不仅能够模拟人类的思维、意识、行动等行为模式，同时还可以用于实际生产之中，在保证高工作效率与高工作质量的前提下，用于替代人来完成各项具有高危性、复杂性的工作任务，目前已经凭借着其强大的应用价值，与基因工程、纳米科学被共同列为世界三大尖端技术[1]。

2 人工智能在计算机网络中的优势作用

2.1 低成本

与大数据等其他计算机科学技术相比，人工智能技术的应用成本是非常低的。一方面，人工智能虽然同样需要以计算机网络为基础，对各种网络信息进行解析处理，但却无需搜索各种不同的算法，而是可以直接利用控制算法来一次性完成计算任务，这种方式不仅能夠极大的节省计算资源，同时其计算效率也是非常高的。另一方面，人工智能的应用主要用来代替人类完成各项复杂、危险工作，虽然从短期上来看，人工智能机械的前期投入会比较高，但从长期上来看，其前期成本相较于在工作效率、工作质量上的提升，仍然是比较低。

2.2 学习能力

计算机网络的发展普及使得信息数据的重要性大大提升，但由于人的信息接收与处理能力比较有限，在面对庞大的信息量时很难实现信息的全面有效处理，而机械设备又无法对程序以外的信息进行处理，因此对于各种有价值信息的使用率一直都比较低。但在人工智能出现后，由于其具有着很强的学习能力，能够对各种低层次的信息进行学习与分析，并通过这样的训练来提升自身的数据处理能力，因此只要能够对人工智能进行针对性的训练，它就能够通过数据挖掘来对海量信息进行有效处理，并从中提取出有价值的信息，为分析决策提供支持，使网络信息数据得到更好的应用[2]。

2.3 推理能力

互联网的开放性与隐蔽性特点使得很多网络信息都十分模糊，即便将这些信息资源发送到网络管理系统中，由于其状态信息已经发生变化，也往往失去了利用价值。然而通过对人工智能的应用，人们则可以凭借着人工智能技术的强大推理能力来对模糊的信息数据进行处理，即便无法对系统数学模型进行准确描述，也能够通过模糊逻辑处理来对问题进行解决，这对于计算机网络管理与信息处理能力的提升是非常大的。

3 计算机网络技术中人工智能的应用

3.1 网络安全管理

在当前计算机网络环境下，网络安全问题一直是相关专家学者的研究热点，而人工智能技术作为具有强大学习能力、推理能力的计算机科学技术，其在出现后也迅速被应用到网络安全管理领域中，并为很多网络安全防护技术提供了重要支持。例如在防火墙技术的应用中，利用人工智能的智能化识别技术，在传统防火墙的基础上建立了智能防火墙，这一防火墙内部拥有单独的不良信息拦截系统，能够通过计算、统计、记忆、决策等方法来对海量的信息数据进行处理与识别，发现其网络行为特征，一旦发现其存在异常网络行为，就能够立即对其进行访问控制，从而避免网络病毒的传播。

3.2 网络系统评价

网络系统评价简单来说就是对计算机网络系统的动态化管理与控制，以使计算机系统能够保持正常稳定运行，而人工智能技术在其中的应用，则主要体现在计算机网络系统管理效果的提升上。一般来说，网络系统管理评价都是需要通过对计算机网络系统的运行检测来发现问题，并通过问题求解技术方式来对问题进行解析，找到问题解决方法，如果按照预定步骤无法完成对计算机网络系统问题的解析，那么系统运行的稳定性就无法保证。但在人工智能中专家系统的支持下，计算机网络系统却可以建立专门的数据库来积累、存储专家经验，并在发现问题后调用专家数据库中的经验方法来进行协调控制与计算，这样一来，对于计算机网络系统的评价速度能够大大提升，很多原本无法处理的问题也能够得到解决[3]。

3.3 网络入侵检测

为应对频繁、复杂的网络入侵与黑客攻击，当前计算机网络系统通常都会入侵检测技术来对网络入侵行为进行针对性的检测，但由于传统入侵检测技术的检测速度较慢，检测范围也比较局限，因此仅能阻止一部分网络入侵行为，对于一些入侵性较强的病毒或网络攻击，往往很难起到有效的方法作用。针对这一问题，一些将人工智能技术融入到了传统入侵检测系统之中，借助模糊顺发、专家系统、数据挖掘、人工神经网络技术来对访问计算机网络系统的数据进行处理与检测，在这些技术的支持下，系统对于访问数据信息的识别检测效率大大提升，一些复杂数据的识别处理问题也得到了解决，最终有效弥补了传统入侵检测技术在检测速度、检测范围上的缺陷。

3.4 汽车无人驾驶

无人驾驶技术的发展经历了一个非常漫长的阶段，在最初，由于人类驾驶员在行驶过程中所需要处理的信息十分复杂，常规计算机系统很难及时捕捉到这些信息并加以处理，因此早期的汽车无人驾驶只是依靠计算机网络技术的资源共享、信息传递、数据处理等功能进行应用，其作用主要体现在紧急呼叫、碰撞警告、自适应巡航、司机状态监控等方面，仅能够作为人类驾驶员的辅助工具，而无法独立对各种复杂问题进行处理。然而在人工智能出现并发展起来后，无人自动驾驶技术开始在人工智能技术的支持下得到了进一步的发展。一方面，由于人工智能中的图像识别、处理技术能够对物体三维表现的形状知识、距离、速度进行准确感知，因此可以利用其建立车辆视觉系统，强化车载计算机网络系统的数据处理功能，使其能够感知车辆周围的图像信息，并从中提取出有效数据用于驾驶决策。另一方面，则可以将人工智能中的深度学习模型-卷积神经网络与专家系统应用到车辆的无人驾驶系统中来，对原计算机网络系统无法处理程序以外问题的缺陷进行弥补，其中深度学习模型-卷积神经网络可以通过针对性的训练机制来帮助无人驾驶系统学习人类驾驶员的各种经验，而专家系统则可以模仿汽车驾驶领域的专家来对驾驶中出现的多样化问题进行处理，这些对于车辆无人驾驶的实现同样是非常关键的。

4 结语

总而言之，人工智能的相关研究工作在近三十年来取得了极大的突破，而其在计算机网络技术中的应用也变得愈加广泛，如网络安全管理、汽车无人驾驶、网络入侵检测等行业领域，计算机网络技术都已经与人工智能产生了密不可分的关系，而随着人工智能技术的持续发展，未来其在计算机网络技术中的运用还将取得更大的成果。

参考文献

[1] 孙昊.人工智能在计算机网络技术中的应用研究[J].科技风，2019（29）：88.

[2] 梁静.基于计算机网络技术的人工智能研究[J].轻工科技，2019（10）：79-80.

[3] 李晋宁.人工智能技术对计算机网络技术的应用及存在问题[J].计算机产品与流通，2019（10）：7.