“互联网+”人工智能在计算机网络技术中的应用

胡晶晶 刘勇

（山东华宇工学院 山东省德州市 253034）

计算机网络技术被应用于多个领域，实际效果显著，有着极高的应用价值。人工智能技术出现后受到了人们重视，和计算机网络技术有机结合起来，有助于提升应用水平。人工智能在未来有着广阔发展空间，要用发展眼光去看待问题，将人工智能和计算机网络技术相结合，不断提升技术水平，促进社会更好发展。

1 人工智能

人工智能是计算机科学的范畴，是研究、开发、模拟人智能的一门新技术学科。该学科主要研究领域包括机器人、语言识别等，有着非常高的价值，如图1 所示。简单来说，人工智能就是模拟人的思维，可以实现更好控制，具有思考、学习等能力。人工智能技术深刻影响着人们的生活、学习等，例如智能手机、智能家电等，可以带来更好的体验。人工智能技术未来有着广阔发展前景，因此要树立起创新意识，不断深入研究，实现技术突破，从而发挥出更大的作用。在技术发展过程中，人工智能运用在计算机网络技术中受到了人们重视，要明确人工智能优势，促进计算机网络技术更好的发展[1]。

2 基于Hadoop云计算技术

云计算是一种基于互联网的计算方式，可以将一些资源传输到客户端，作为一种新型计算方式，云计算是云计算在分布式数据计算、并行计算和网络化计算的综合发展。目前最具代表性的云计算数据存储技术包括GFS 和HDFS，下面进行详细的介绍[2]。

2.1 HDFS

HDFS 是一种运行在通用硬件上的Hadoop 分布式文件系统，组成形式为Master-SLave 结构的集群服务器，不同于现有的分布式文件系统。这种系统容错性比较高，HDFS 在大规模数据集上应用效果比较好，也可用于常规设备中。通过对POSIX 进行优化，提高了HDFS 的吞吐量，实现了以流的形式来操作数据文件，如图2所示。

在传统模式下受到技术条件限制，无法实现对巨量文件的操作，HDFS 应用解决了面临问题，可以存储操作PB 级别的文件数据。流水线作业是“一次写入多次写出”的方式，数据信息产生后会被复制，在其他单元节点存储。对于价格较低的硬件而言，质量无法得到保障，在使用过程中容易发生故障，基于这一点，在设计HDFS 时要注重安全性、可靠性，这是非常重要的。HDFS 设计最开始目的是处理大量的数据信息，为了适应发展需求要提高吞吐量，但这对高延迟处理要求较高，因此低延迟的应用请求是不行的，要处理好高吞吐量和低延迟之间的关系。Name-Node 的内存大小决定了HDFS 中系统容纳的文件数目。一般情况下，一个文件的大小是150 字节，当文件数量比较多时，则需要占用更大内存空间。不允许多用户写入及任意地方修改文件。

2.2 Map/Reduce

Map/Reduce 是一种计算模型，运用分层次独立计算的方式来进行计算，处理速度会有所提升，适用于超大数据集的处理。Map/Reduce 实现了对大规模数据的拆分，成为了多个独立执行的Map分任务，操作之后可以获得某些固定的中间替换文件，Reduce 进行收集、统计。对操作者自身能力要求不是很高，即使不会专业技术也可以完成操作。

Map/Reduce 是构建在成本较低且容易扩展的低端商用服务器集群上，相比较于成本较高的服务器集群应用效果会更好。Map/Reduce 在低端机上运行，经常会发生故障，对结算结果准确性会产生不利影响，之所以一直采用Map/Reduce，主要原因是具有错误检测和自我恢复机制，当出现错误可以及时发现并处理，保证最终结果的准确性。在传统计算机系统下，在处理数据时要将外部数据运输到内部数据存储点上，处理大规模数据要耗费较长时间。Map/Reduce 通过date/code 将数据搬运到距离处理器更近的地方进行存储，从而提高了处理效率。对于大量数据处理可以采用Map/Reduce，在外部存储器存储数据，外部存储器要采用顺序访问的方式，效率比较高。扩展性是一个算法软件的重要功能，但在长期运行中对算法性能会产生影响。Map/Reduce 具有较强适用性，即使数据规模发生变化，性能依然可以保持稳定性，具有灵活的可扩展性。

图1：人工智能技术示意图

图2：HDFS 架构图

Map/Reduce 工作原理。Map/Reduce 在客户端启动一个作业，客户端向作业跟踪器请求一个作业号。作业资源是指需要分割的信息，分割信息输入主要目的是让作业跟踪器合理为某个作业启动多少个子Map 任务或者Reduce 任务。跟踪到作业之后，放置在队列中，运用跟踪器进行调度，在调度过程中，会从输入划分信息中获得数据，对数据进行分割，给每个子数据分配一个Map 子任务。通常情况下，任务跟踪器会根据实际情况，来决定所需的Map 和Reduce 子任务槽。处理Map 任务时要采用相应的任务追踪器，主要原因是Map 任务是分配给含有该Map 任务数据信息的任务跟踪器并把处理方法拷贝到任务跟踪器上，这种方式称之为数据本地化[3]。

3 “互联网+”人工智能在计算机网络技术中的应用

3.1 大数据技术的应用

大数据技术的快速发展，应用范围在不断扩大，可以满足实际所需，发挥出有效作用。大数据具有5V 特点。在现代社会发展中，人们越来越意识到数据资源的重要性，从中可以得出重要结论，为策略制定提供参考依据，保证具有科学合理性。在“互联网+”背景下，将大数据技术应用到计算机网络中，大大提升了运行效率和质量，具有广阔发展前景。网络具有开放性特点，运行中容易受到病毒、恶意软件的入侵，对系统运行会产生不利影响，当情况严重时会直接陷入瘫痪。引用大数据技术可以解决面临问题，在计算机网络设置智能防火墙拦截系统，对于恶意软件、病毒等进行拦截，保证系统处于正常运行状态中。设置防火墙，防止在使用计算机浏览信息中弹出其他窗口，在访问信息过程中，访问路径是自动选择的，对计算机问题进行有效处理，相比较于传统防火墙，智能优化系统的防护效果要更好[4]。

3.2 基于多Agent的网络服务组织技术

Agent 技术。Agent 技术是在人工智能基础上发展而来的，是人工智能技术和网络技术结合的产物。关于Agent 技术的定义，目前还没有一个统一标准，从广义角度来看，是指具有智能的任何实体，包括人类、智能硬件和智能软件。Agent 技术已经广泛用于工业领域中，而且范围在不断扩大，因此定义内容也较多。对Agent技术特征分析，主要包括以下几个方面：

（1）自主性，可以在没有环境命令情况下自主执行任务，和普通软件程序有着明显差异；

（2）交互性，gent 可以和其他Agent 使用通信语言来进行交互，从而实现协同工作。

（3）响应性，对环境的影响可以作出适当相应。

（4）主动性，对环境变化作出反应，在特定情况下采取主动行动[5]。

Agent 应用于计算机网络的优势分析。传统的分布式计算基于C/S、B/S 体系结构，网络负载是不平衡的，而且容错能力较差。Agent 是一种新型的分布式计算工具，有效弥补了传统模式存在的不足，具有明显优势。首先减少网络宽带及克服网络延迟，在Agent 支持下，可以将用户调用的程序编制成Agent 移动到客户端执行，有效利用了硬件资源，提升了系统运行效率，从而优化网络性能。其次是异构性，Agent 可以封装多种网络协议并安装新协议，对系统异构可以进行屏蔽。在分布式计算平台间，硬件、软件都是异构的，由于Agent 具有独立性，可能利用已有的应用程序，促进了无缝的系统集成。最后是健壮性和容错性，Agent 在移动中可能会发生故障，影响到网络正常运行，导致出现破坏的情况。为了避免这种情况出现，要创建出相同任务的多个备份，任务结束后对结果进行比较，当Agent 受到破坏时，可以采用备份。另外Agent 运用分布式容错机制，将容错功能分配到网站中的多个站点，系统容错能力得到了提升。

3.3 人工智能技术的应用

规则产生式专家系统。主要应用在入侵检测中，在检测过程中，要求工作人员将入侵特征转化为固定规则，构建数据库，为专家系统评定入侵检测提供参考依据。当计算机网络系统遭受侵害时，利用人工智能技术可以快速检测，并作出有效处理。数据融合技术。在现有信息处理水平的基础上，在计算机网络安全管理中引入人工智能技术，构建出数据融合技术。不仅可以可以收获数据信息，还能够实现信息数据的有效协同。在传感器的支持下形成一个传感系统，入侵检测范围更大，检测准确性也更高，检测效果有了明显改善。在计算机网络安全管理中，人工智能采用克隆选择模糊聚类算法对计算机网络系统安全进行检测，按照规定流程开展，保证满足实际所需[6]。

3.4 人工智能Agent技术的应用

人工智能Agent 技术是指人工智能代理技术，由多个部分组成，具有一定复杂性。运用人工智能Agent 技术，可以满足用户个性需求，对信息进行搜索，并将搜索到的信息进行准确传递，具有强大功能，满足用户自身需求，提升了满意程度。当用户要查询相关信息时，人工智能Agent 技术可以进行有效分析，对信息进行筛选，保证满足实际所需，整个过程需要更短时间。将用户需求和人工智能Agent 技术结合起来，可以提供个性化服务，例如现代人都喜欢网购，运用人工智能Agent 技术推荐喜欢的物品，为用户节省时间，整个过程更加的快速[7]。

4 结语

综上所述，人工智能技术自诞生以来，处于快速发展中，其具有强大技术优势，被广泛应用在各个领域。目前在计算机网络技术运用中出现了诸多问题，为了有效解决，要合理运用人工智能技术，改善系统运行效果。发挥出人工智能技术优势，和计算机网络有机结合，不断优化网络系统，提升运行安全性和稳定性。