神经网络在互联网安全评价中的运用

许晓燕



神经网络在互联网安全评价中的运用

许晓燕

（三门峡职业技术学院，河南三门峡 472000）

神经网络在目前是比较先进的技术类型，与计算机网络安全具有密切的关系。文章针对神经网络在计算机网络安全评价中的运用展开讨论，并提出合理化建议。

神经网络；计算机网络；评价；安全

神经网络作为新的概念和新的技术，将其有效的应用到计算机网络安全评价当中，可以针对评价体系进行健全，改善过往的各项问题，整体上的可行性和积极意义都比较突出。

1 概述

1.1 神经网络的起源与发展

随着科研人员在各个领域的研究不断深入，学科之间的融合程度和融合效果，均获得了较大的提升。神经网络的概念，在很大程度上融合了数学思想、生物概念，从而形成了一个新的科目及新的内容[1]。从生物学的角度来分析，人体大脑是主要器官，并且主导人的行动和思想，大脑的运作主要是通过神经来完成的。神经网络效仿大脑的运作模式，应用数学模型的方法，针对神经元处理、传递信息的过程进行描述，并形成了健全的体系。之后，在神经网络中不断的融入先进的技术、方法、体系、算法等，形成了比较高水平的网络技术。目前，神经网络已经在各个领域中获得了广泛的应用，其创造的价值非常显著。

1.2 计算机网络安全评价体系概述

为了能够在本质上提高计算机网络的安全水平，建立了相关的评价体系，由此来对计算机网络的危险因素、安全标准等进行系统的评价处理，将得到的结果来应用到日常的维护、优化当中，完成计算机网络的持续进步。综合来看，计算机网络安全评价体系在建设的过程中，应在准确性方面提升，各项措施的执行，都要对网络运行的具体安全运行状况开展系统的分析。其次，计算机网络安全评价体系应具备独立的评价指标，指标本身具有较强的针对性，减少指标之间的互相干扰。第三，该体系应在简洁性方面努力。例如，计算机网络的运行，要在保证质量的前提下，从而保证相关评价过程、处理过程的简洁程度，否则在未来的工作中向陷入困境。

2 神经网络在网络安全评价中的运用

2.1 建立评价指标集

首先，计算机网络的内部表现为复杂的特点，现阶段的影响因素不断增多，只有建立评价指标集，才能将各个因素进行综合考虑和分析，确保计算机网络安全评价在应用过程中，能够应对更多的问题。其次，建立评价指标集后，定量指标的评价时，能够选择专家评级的方法来完成，从主观上实现了“经验化评价”的过渡，专业水平有了很大的提升，为计算机网络安全提供了更多的帮助。第三，评价指标集的应用，主要是为了充分反应被评价网络的安全状况，所以在指标的取值方面非常精确，能够与以往的情况进行精确的比较，指标的标准化处理由此成型，推动了计算机网络安全评价向前发展[2]。

2.2 建立神经网络的计算机网络安全评价模型

计算机网络安全评价工作的开展，必须拥有足够的模型支撑。随着网络用户的增多和安全需求的提升，过往采用的模型还能支持一段时间，但在未来必须要对模型进行增加和优化。将神经网络进行有效的应用，可以建立一种神经网络为基础的计算机网络评价模型。该模型的特点在于，能够将原有的评价方法和神经网络的技术进行完美融合，提升了模型的特点和功能，对于计算机网络安全评价而言，有着至关重要的推动作用。

据GIGAOM报道，近日，Facebook人工智能研究院（FAIR）开源了一系列软件库，以帮助开发者建立更大、更快的深度学习模型。开放的软件库在Facebook被称作模块。用它们替代机器学习领域常用的开发环境 Torch 中的默认模块，可以在更短的时间内训练更大规模的神经网络模型。这些模块为适用英伟达的GPU进行了优化。一部分可以用来训练大型计算机视觉系统。部分模块也可以用来训练处理不同类型数据的模型。既可以进行文本识别、图像识别，也能用于语言模型的训练。部分模块将大型卷积神经网络模型的训练速度提升了23.5倍。

本文认为，建立这个模型要分三个部分进行。第一部分是对输入层进行设计，要求所设计的神经元节点的数量与所选择的评价指标的数量一致。也就是说，在一级指标的体系中选择了几个二级指标，就要设计多少个输入层神经元节点，保证二者之间相适应。第二部分是对隐含层的设计。一般对BP神经网络进行设计时都使用单隐含层，其中，具体隐节点的数量非常重要。如果节点数过多，就会导致学习的时间过长，出现误差的概率增大，降低学习效率。如果节点数太少，会对网络非线性映射以及容错性产生不良影响。因此，在对节点进行选择时，要把握好度。第三部分是对输出层进行设计，实际上就是对评价的结果进行描述。我们假设输出层有两个节点，那么就可以用以下方式表达网络的安全性：非常安全用（1，1）表示，比较安全用（1，0）表示，不安全用（0，1）表示，非常不安全用（0，0）表示。

2.3 神经网络的学习过程

与一般的网络技术不同，神经网络在应用过程中，包含了很多智能化的内容。首先，神经网络的学习过程会搜集较多的数据与信息，大量的数据搜集后，涵盖了计算机网络安全评价的各个规模，通过建立符合客观情况的期望结果，针对网络模型开展全面的训练工作。其次，在学习时间的长短控制上，要充分考虑到具体效果的好坏、输入层设计的节点数量等因素，由此来确保计算机网络的学习水平有所提升。第三，节点个数的设置要反复的核对。计算机网络安全评价与神经网络存在一定的差异，将后者的学习过程应用到前者当中，需做出一定的改变，节点个数具有较大的影响，需慎重的设计。

2.4 针对计算机评价模型进行验证

神经网络在现阶段的开发与研究当中，除了在上述的几个方面应用中，还可以针对计算机网络安全评价模型进行全面的验证处理，观察模型当中的劣势和优势，将得到的结果作为指导，完成模型的深化和健全。例如，验证的时候可以选择其中一组数据作为样本进行模拟，对网络安全评价模型的功能进行验证。如果对样本的评价结果和期望值保持一致，就证明先前建立的模型能够对计算机网络安全进行准确评价，那么这个模型就可以投入使用。如果评价结果与期望值反差较大，就证明这个评价模型存在问题，需要对每一步进行重新检查，重新进行设计、学习、验证，直到与期望值符合。

3 总结

本文对神经网络在计算机网络安全评价中的运用展开讨论，在计算机网络安全评价中应用神经网络可以降低计算机网络安全风险，降低由于安全问题造成的各项损失。从现阶段所掌握的成果来看，由于神经网络的各项积极作用突出，因此计算机网络安全评价获得了切实的进步，体系更加健全、方法更加简单、指标更加贴合实际。

[1]耿仲华. 计算机网络安全评价中对于神经网络的应用探究[J]. 网络安全技术与应用,2014,09:87-88.

[2]陈振宇,喻文烨. 神经网络在计算机网络安全评价中的应用研究[J]. 信息通信,2015,04:139.

Application of neural network in Internet Security Evaluation

(Sanmenxia Polytechnic, Sanmenxia Henan 472000)

Neural network is currently more advanced technology, and computer network security has close relationship. Articles discussed the application of neural network in the evaluation of computer network security, and puts forward reasonable suggestions.

Neural network; Computer network; Evaluation; Safety

（责任编辑：吴 芳）

S782.15

A

10.3969/j.issn.1672-7304.2016.06.028

1672–7304(2016)06–0063–02

许晓燕（1978-），女，青海西宁人，讲师，研究方向：计算机网络。