浅谈人工智能在计算机网络技术中的应用

◆张茂

浅谈人工智能在计算机网络技术中的应用

◆张茂

（兰州石化职业技术学院 甘肃 ）

随着科技的进步、大数据的发展，人工智能的发展日新月异。人工智能能完成很多人工无法完成的任务，且工作更为高效、安全。本文主要阐述了人工智能的概念，分析了人工智能在计算机网络中的应用，并探讨了大数据时代，人工智能和网络的结合，使模式识别、故障诊断、统计分析的结果更为准确、高效、可靠，旨在推动人工智能的发展，促使民众的生活以及工作效率得以显著提升。

AI技术；计算机网络技术；大数据

1 概述

1.1 定义

人工智能（Artificial Intelligence，AI）技术是计算机网络发展至今的一个高科技产物，小到扫地机器人，大到无人驾驶飞机，军事、医疗、民生等方方面面均留下了AI的身影。AI技术充分借助了计算机网络技术的优势，和自身特征进行有效结合，促使其拥有更加优质的性能，且能够存贮海量信息，并借此展开相应的信息处理。美国麻省理工学院的温斯顿教授说“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作”。即AI技术是一种应用计算机的软硬件模拟人类思维、借助程序以及算法高速处理、解决问题的基本理论和方法。AI技术主要借助先进的现代信息技术实现，和以往的计算机处理相比，更加精准高效[1]。

1.2 AI的重要性

大数据环境下，随着计算机技术的飞速发展，AI技术应运而生。AI技术在计算机网络技术的助力下，在很大程度上能够帮助人们安全、可靠、高效地完成一些风险性较高的工作，AI技术的应用能够改变计算机信息模式，将传统的被动转化成主动，降低网络信息泄露的风险。且采用AI技术对网络环境展开有效监控，能在第一时间找出问题，及时展开相应的补救作业，由此实现对信息的动态化管理，从整体的视角展开工作，实现质量以及效率的提升。因此在今后的社会发展中AI技术将发挥出更为重要的作用[2]。

2 AI技术在计算机网络中的应用

2.1 人工智能在数据分析中的应用

大数据时代，可以通过数据分析获取很多现场的运行参数及其特征，反映现场的实际工作情况。但由于数据具有种类多、基数大等特征，在展开数据收集时，相应的工作会呈现出缓慢、效率低的状态。在数据入库后需对其展开较为严格的整合、进行数据的有效性分析作业，这也是进行数据收集的根本出发点[5]。因此出现了数据分析师这一职业，但是人工处理过程中周期长、准确率低，难免由于工作疏忽造成数据信息混乱，采用人工智能算法则可更好完成数据分析、处理工作。最常见的AI算法有BP神经网络和支持向量机两种。

BP神经网络，是1986年由Rumelhart和McCelland为首的科学家小组提出的，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络反映了人脑功能的若干基本特性，但并非生物系统的逼真描述，只是某种模仿、简化和抽象。与数字计算机比较，人工神经网络在构成原理和功能特点等方面更加接近人脑，它不是按给定的程序一步一步地执行运算，而是能够自身适应环境、总结规律、完成某种运算、识别或过程控制；能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程，因此广泛应用于统计分析，软测量、故障诊断等领域。

支持向量机（Support Vector Machine，SVM）是Corinna Cortes和Vapnik等人于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，可用于数据分析、识别模式、分类和回归分析、故障诊断等领域中。只要借助AI技术选择合适的核函数，SVM算法就能找到最优目标函数。同时，SVM算法也给AI技术与计算机网络技术的高度融合带来了相应的机会[3]，从而促使AI变得更强大，更可靠。

2.2 人工智能在网络安全中的应用

计算机软件由于自身缺陷，在程序运转过程中往往可能会出现一些漏洞，这些问题在短时间内又无法进行相应的处理，从而有可能发生黑客窃取信息的情况，进而借助这一漏洞展开一些非法勾当；或者在计算机进行拷贝信息等作业时，存在着信息泄露的可能；又或者在计算机使用的过程中，用户不经意间删除了某些信息，较难恢复等等。上述种种情况均增加了计算机使用过程中的安全隐患[4]。

计算机传统安全技术，通常表现为防火墙、入侵检测、反垃圾邮件及木马查杀等系统，但这些系统无法在第一时间对计算机运行出现的问题进行高效的解决。借助AI技术对传统安全进行有效优化，强化异常信息的识别能力，进而打造出全新的安全系统，能够在很短的时间内实现对风险数据的捕捉，且以此展开精准拦截，显著提升检测的效率。同时，将人工智能应用于产生式规则专家系统中，提升了入侵检测的能力，可在第一时间发现入侵信息。当入侵程序进行更新时，其对应的检测能力会出现减弱，此时借助AI人工神经网络系统展开训练，该系统能够进行相应的技能学习，并会对入侵的信息进行高效的研判，较大地提升算法检测的安全性[6]。

2.3 人工智能在网络评价技术中的应用

网络通信过程中，由于运营商的诸多限制，互联互通情况较差，同省不同ISP之间的相互访问、相同ISP的高峰时段相互访问，错误的链路路由，均会导致网络延时较大。现代网络中通过AI技术构建计算模型，将网络中由于传输延时，路由队列，对端处理所构成的RTT（Round Trip Time）往返延时，丢包等一系列关系到网络质量的数据进行有效计算后，得出的优化评价及改善算法称为网络评价算法。AI技术的高效应用，能够促使评价以更加客观完整的形式得以体现。首先，在智能求解技术方面，主要采取了状态图的搜索技术、逻辑推理技术及结构化知识求解技术等。在条件一致的情况下，虽然存在有不同的搜索技术，但AI求解为最佳的选择。AI求解技术在效率、资源占有等方面比较节约，比传统计算方式更为合理。其次，AI专家知识库技术的创建推出，也促使安全管理呈现出更加合理的态势，从专家经验出发，联系运用到具体案例，能够在较短的时间内研判及处理一些相对困难的问题。当然，在识别的过程中可能会有一定的误差，具有一定的局限性[7]。因此，在今后的发展中，更应该发挥计算机网络技术的长处，实现对专家知识库的完善，促使安全管理效果能够最优化。

3 结束语

综上所述，AI技术与计算机网络的结合，使我们的工作、生活更为高效、安全。首先，AI的应用，在计算机网络系统管理作业中，在知识体系方面会呈现出全角度的特点，借助各种机器学习算法和专家知识库，弥补了网络动态性方面的不足。其次，AI的应用，使防火墙技术大大增加，研判网络安全风险的精准度随之提升，进而使网络安全质量得到了显著的强化。再次，通过AI技术构建计算模型，可以构建网络评价算法，进而改善网络传输质量等问题。最后，通过AI技术和计算机网络技术的融合发展，用户可以根据自身的具体情况搜索和传输所需数据，实现一种量身定制的个性化服务，这样的技术操作不仅缩短了查询搜索时间，还能保证查询信息的准确率，大大提升了计算机网络的查询与使用效率。虽然AI技术能够帮助人们完成各种复杂的工作，甚至能代替人类到极其危险的环境中进行探测，但人工智能不是人的智能，不能完全代替人脑，还有很多问题亟待进一步的解决。

[1]宋晶.计算机网络发展中的AI技术应用与研究[J].网络安全技术与应用，2021（04）：100-101.

[2]郭福燕，黄稳稳.大数据下AI计算机网络技术中的发展探究[J].网络安全技术与应用，2021（04）：102-103.

[3]韩玲玲.大数据时代AI在计算机网络技术中的应用[J].电子世界，2021（05）：170-171.

[4]许帮汉，周杭燕，吴天赐，王雪，蔡政英.AI在计算机网络技术中的应用研究[J].网络安全技术与应用，2021（03）：134-135.

[5]胡斌彦.大数据环境下AI在计算机网络技术中的应用[J].数字通信世界，2021（03）：172-173.

[6]许兴财.AI在计算机网络技术中的应用[J].电子技术与软件工程，2021（05）：38-39.

[7]刘菲，赵瑞锋，尤毅，顾博川，唐曹超.基于大数据时代AI在计算机网络技术中的应用[J].电子技术与软件工程，2021（05）：177-178.