人工智能及大数据技术在计算机监测控制中的应用

唐超，左文涛

（1.广州科技职业技术大学，广东 广州 510800；2.广州工商学院，广东 广州 510800）

0 引言

在当今的信息化时代，借助高效的数字化系统和智能化技术可以辅助人们完成各种对精度和速度要求较高的操作。特别是受到近年来人工智能技术及其附属智能装备的红利效应，在各行业和领域的应用都陆续取得了显著成效[1]。而在计算机监测与控制领域，融合前沿科技与海量数据的新型监控模式为数据存储、传输的安全性及利用效率提高带来了发展空间。

1 大数据技术与人工智能概述

面对日渐庞大的数据量和种类丰富的数据类型，为了准确掌握数据的来源、格式和变化趋势等信息，并从中总结、提取或挖掘出利用价值，现阶段的大数据技术在数据的处理、分析、存储、安全隐私保护等层面仍存在很大的完善进步空间。另一方面，人工智能技术作为机器智能化，拟人化的典型产物，可以通过更高的准确率和操作精度在某些领域取代人类，并大幅度提高操作效率。将人工智能与大数据技术进行融合本身就具有鲜明的时代属性，现代化技术理论的融合与资源重组能进一步拓宽计算机监测和控制的应用范围，本文也将就此展开深入的探讨和分析[2]。

2 人工智能及大数据技术在计算机监测控制中的应用

2.1 计算机系统入侵检测

大数据技术中的数据挖掘则能够精准、安全的记录计算机在数据存储和传输过程中的操作过程，并通过实时监测的功能对所有数据的类型进行统一管控。结合大数据的数据仓库，定量存储等数据流处理方式，辅助实现数据的提取、转换、清洗和加载处理。此外，还可以通过特定的数据算法提取数据中的有价值信息并过滤排除无关干扰因素[3]。最终让计算机监测控制系统中运行的数据保持绝对的安全性与可靠性。除此之外，还可通过智能化的数据统计和批处理技术对错误数据和冗余数据进行归类或删除，从而保证计算机内最优化的仓储结构。同时，可以进一步提升计算机系统内数据信息安全等级。在此基础上引入人工智能技术与大数据技术进行融合则可以利用人工智能领域中的机器学习原理，实时对计算机监测控制系统的入侵行为进行检测和预警。

实践证明，利用人工智能机器学习分支中的贝叶斯分类算法能够在计算机入侵检测的应用中获得较为理想的效果。在利用大数据的数据挖掘技术从计算机网络数据流中提取入侵数据时，贝叶斯分类法可将挖掘出的数据中具有较高入侵可能性的行为序列和已知入侵序列库中的入侵行为进行比对。如果经过计算发现两个序列之间的贝叶斯概率达到一定标准则可直接判定其属于入侵行为。由此可以看出，将人工智能技术与大数据技术结合可进一步提升计算机监测控制过程的完备性与全面程度。此类安全防护手段也可以保障计算机系统运行时不必承受较大的数据处理负担。

人工智能领域当中的神经网络结构具有优异的并行计算能力。借助神经网络结构可以同时对多个线程内的入侵信号序列进行实时监测。由于神经网络在部署应用前需要经历较长时间的训练过程，且检测过程中又容易受到网络速度限制而使其性能收敛。

2.2 操作预警和故障分析

在一些需要使用计算机管理系统进行监测控制的行业和领域中，经常出现由于人为操作失误或机器运转不畅所导致的系统故障，线路故障等异常情况。这些故障在发生初期必须及时进行预警或故障报告，以便于维修人员及时对其进行修复。而在传统的计算机监测系统当中，利用被监测对象的实时数据处理和分析的方式来对故障进行预警和判断是存在很大局限性的，即无法保证其在较短的时间内对于大量数据完成准确处理。而针对这一不足，大数据技术则能充分发挥出其海量数据的快速处理能力。系统运行中所产生的数据信号经大数据监测系统进行批量处理和快速统计后，可大幅度的降低传统计算机监测过程中的内存消耗。考虑到计算机系统在进行操作预警和故障分析的过程中会经常涉及到大数据spark技术的应用。而为了降低数据缓存给处理器和存储装置所带来的压力，可充分利用spark技术自带的容错机制，在预警及故障分析处理过程中根据既有的数据生成结果重建部分丢失的数据。这样不仅提升了数据收集和处理的整体效率，也能有效避免因人工操作失误所造成的系统异常和故障。高效的数据处理机制还可进一步拓宽监测与控制的覆盖范围，显著提升了操作预警和故障分析流程的整体数据处理准确性。

在操作预警和故障分析系统功能的基础上，引入人工智能中的专家系统可进一步提升故障诊断的精度和速度。人工智能专家系统数据库中提前存储的经验数据能够针对故障的表现及异常数据值快速匹配具体的故障原因及解决方式。当遇到系统故障时，专家系统接收大数据系统处理后的异常数据并导入到对应的信息库完成故障类型的判别。之后再快速导出专家信息库中的最优解决办法，及时进行故障预警。这样既能保证计算机监测功能正常使用，也可提升诊断和修复过程的效率。

2.3 辅助管理计算机监测控制过程

人工智能系统具有强大的自我学习和总结提升能力，可将匹配好的问题求解过程与专家知识库建立关联，从而组建综合管理系统。在这一系统之下，可以对计算机监测控制过程的各类动态数据变化特性进行归类和记录。让计算机的监测控制过程中各环节的实时运行情况都能在监测控制的覆盖范围内[4]。人工智能的代理技术还可以完成日常的计算机监测控制辅助管理过程。由其负责对计算机数据信息的更新和同步实时记录，并根据专家知识库中的对应信息作为依据同步进行数据信息的分析、过滤和计算。进而为计算机的监测控制系统带来稳定的数据支持和运算能力保障。将人工智能代理技术与大数据技术组合用于计算机监测控制的辅助过程，还可为其增添自定义的功能选项。即从海量数据中提取具有分析价值的信息完成分类后，将信息分析的结果导出至监测控制人员。而计算机监控人员只需要根据收到的信息分析结果进行匹配校验即可完成数据的核对与查找。这样就大幅度的减少了人工查找、处理和分析数据的时间消耗。这些都是人工智能系统优秀学习能力的典型体现形式。除此之外，在全球学者和人工智能技术研究者的共同努力下，蕴含人工智能核心信息处理方式的算法就能得到反复的试验和论证。并且在不同版本的演化、迭代过程中，持续提升算法的运行效率与鲁棒性。算法的支撑与人工智能的学习能力和代理人工应用时的表现均密切相关，优质的算法可在既有数据、信息等资料的基础上，在技术迭代升级过程中持续改善代理技术的辅助能力。

2.4 优化计算机综合监控能力

在监测计算机系统运行过程中的主动入侵行为时，除了需要具有一定的被动防御能力之外，还需要主动侦查可能存在安全隐患及系统漏洞。而相较于传统的计算机网络防火墙来说，人工智能技术配合大数据技术所构建的数据安全防护结构能够最大程度上帮助计算机系统拦截各类有害信息，并阻挡频繁的高危访问等非法操作。利用大数据挖掘获得的智能防火墙训练数据集还能够准确地识别各类已知的非法攻击行为，并第一时间采取相应的预防措施进行防范。智能防火墙所具备的人工智能学习性还可以不断对其识别异常访问和攻击的类型进行补充和完善，进而不断提高其网络管理性能和综合监控能力[5]。

另一方面，在网络信息抓取和语义识别等技术的支持下，人工智能技术可通过最新获得的实时更新的数据访问，总结其中的不良信息并完成汇总。抓取网络上的舆情信息并参照提前设定好的警戒红线及数据走向进行预测和预警。这一功能也可帮助网络监管部门对网络信息平台的数据安全性及操作规范性进行实时监管。以上技术经过流程的简化和标准化后，具备鉴别监测功能的电子邮件平台就可以对来往的邮件、信息进行安全性的监测，准确识别垃圾邮件并自动进行分类，帮助用户实现电子邮件的智能化安全管理，全面保障用户邮箱的安全。

3 结语

综上所述，现阶段的人工智能和大数据技术在不断发展的同时，二者的融合应用也能够在计算机监测控制领域中的不同方面发挥巨大的作用。利用人工智能技术的机器学习能力和自我提升能力能够为监测功能的持续丰富带来帮助。而大数据技术的高效数据处理和分析能力也可为计算机数据系统安全的监管带来极大的应用价值。