论文部分内容阅读
摘要：计算机网络安全评价，是计算机操作重要的步骤之一，保证计算机网络安全。但计算机网络的安全运行会受到很多因素影响，有硬件因素，也有软件因素，原有的安全评价属于线性评价，评价结果缺少精度。神经网络是在原有方式的基础上，进一步创新，给出客观、公正的评价。
关键词：神经网络；计算机网络安全；应用
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）18-0191-02
网络技术会随着时代的发展而发展，很多影响网络安全的因素也随之增加，像是新型病毒、黑客等，影响计算机的操作，而这些因素也会互相影响，构成了非线性关系。神经网络是近几年新出现的一种评价方式，它包括很多神经元，能够分析非线性关系，提高了评价结果的准确性。
1神经网络的发展
神经网络这一概念最初出现于上世纪中期，是由生物学家与物理学家讨论提出，建立神经网络模型。该模型是仿照人脑神经的模式，按照人脑处理、传输信息的方式，处理并分析信息。它使用的数学学科与生物学科的知识，前者主要用于对网络结构的分析，后者是对神经元、作用原理的分析，制作出了网络模型。
20世纪中期后，计算机的研究人员把它应用在计算机网络安全领域，并增设了感知功能，用于工程领域。它的应用，可检测声波，识别声波的频率，也会明确物体所在的位置，进一步促进技术的发展，扩大应用范围。
其应用的必要性是：具有适应性，即神经网络有很轻的环境适应能力，当它进行深入输入或输出时，会自我调节，保证计算的精准度，并记录计算的过程；具有容错性，它与原有的算法相比，其优势是对信息敏感，能够快速捕捉到信息，其原因是网络中的每个节点，都对应着网络中某个应用，有应用特征，输入一个节点信息后，神经网络会及时响应；可以在线应用，其运行的中心是训练工程，所以，过程会耗费大量的时间，当它完成某个阶段的工作后，会马上计算出结果，使计算有更高的效率，在线应用中有较高的应用效果。
2计算机网络评价安全体系
计算机网络安全是当下人们关注的焦点，它是用科学有效的措施，保证数据信息的安全、可靠。其分为两方面，其一是逻辑安全，其二是物理安全，前者是确保信息的完整、安全，后者是对计算机硬件进行检查，让硬件正常运行。但除了这两方面外，还包括其他方面的内容，像是时代发展带来的信息共享。通过对上述内容的分析，可以得出：
计算机网络安全系统具有保密的特点，系统中有很多信息是需要保密的，所以，为了保证信息传输的安全，需加快网络安全建设。
计算机网络安全可以自行控制，处于可以控制的范围内，如果这项要求得不到满足，网络使用效果就会明显降低。
计算机网络安全具有完整性，计算机内存储的各项信息都是完整的，只有如此才可以达到使用的各项要求。
计算机网络安全评价可以评估系统运行的安全性，检测出其潜在安全隐患，只有如此，才会提出针对性的解决方案，以实现系统的稳定运行。当下，评价体系与方式不断增加，完善了评价体系。而评价体系的建立需遵循相应的原则：准确性原则，该评价体系建立的目标是发现系统存在安全隐患并消除，建立一个安全的网络环境，其结果的准确性直接影响网络管理的质量；独立性原则，评价体系需有自己的评价指标，每个指标独立，不会重叠或互相影响；间接性原则，保证检测结果真实性的同时，减少工作过程，提高运行效率；完善性原则，对网络安全各方面的评价能够体现出各自的运行状态；可行性原则，使用评价指标评价时，会分析指标是否具有可操作性，结合实际情况使用。
3神经网络在计算机网络安全评价中的应用
神经网络字的应用，需建立风险评价模式，并把模型分为三个层次，根据各个节点的功能客观分析，从主机模块中得到相应的信息。
3.1评估模型的建立
风险评估模型的建立，会让其从不同角度分析，预测系统运行可能存在风险。它包括的层次有以下几点：
以神经网络为基础，可以建立网络系统指标层，该层次可清晰展示出网络攻击所属的类别，利用神经网络的分析功能，分析攻击产生的数据，如果发现数据信息可疑，即可对其查杀，这属于神经网络的学习功能。学习功能运行时，能够得到两个要素，一是攻击数据对系统运行安全的影响，二是系统自身具有的脆弱性。
对于网络主机的风险预估，是利用风险指出，以真正反映网络攻击的程度，以及其浓度。
网络层的风险，是对以整个网络的风险进行评估，作出风险计算，计算整个网络具有的风险值。
同时，模型中也会根据神经网络的特点，设计输入层、隐含层与输出层。
输入层：根据神经网络设计提出的要求，输入层包含的节点数量，需等于评价指标包含的节点数量，而指标也有一级、二级之分，即输入层内的节点，要与一级指标中包含的二级指标对应。
隐含层：实践中，很多神经网络为单隐含层，而隐含层中节点的数量会决定网络的性能，对此我们给以足够的重视。也就是说，若隐含层内的节点数量不足，网络的容错性会明显降低，但如果相反，会延长学习花费的时间，提高学习的误差，降低学习效率。因此，选择节点的数量时，要根据以往的经验与计算公式，确定准确的数量。
输出层：输出层的设计会反映网络安全最后的结果。若输出层内设置的节点有两个，结果为（0，0），可以判定为输出结果非常不安全，（0，1）为不安全，（1，0）为比较安全，（1，1）为安全，这是检测结果的四个层次。
这三个层次设计并应用后，可以保证计算机网络安全评价体系得出的结果符合用户的要求，缩小了结果的偏差，提高了数据的准确性。
3.2对神经网络节点的功能分析
利用神經网络检测与评价，其工作可划分成两方面，分别是网络主机安全风险检测系统、网络安全风险检测系统。这两个安全监测系统中，网络安全风险监测系统是检测的核心，主机则是以整个大环境为主。如果系统受到病毒入侵，风险防范网络会自动生成病毒攻击图。攻击图有两类：第一类是属性攻击图，它借助防护功能中的各个节点属性，做为图中各属性、攻击节点以及“边”的基础，构出图形。属性攻击图会连接系统中的访问权限、数据等，使它们建立互为信任的关系；第二类是状态攻击图，神经网络的节点不是固定不变的，它会随着系统变化发生改变，并且图中的各个阶段具有独立性的特点，如果某个节点受到攻击，可坚持一段时间，有很强的耐受力。
3.3从主机模块中获得数据
网络终于大量的数据包，这些数据包中可能存在有风险的数据信息，给系统运行造成影响，所以，可以利用神经网络的网卡进行检测。但因为网络的工作模式较为混乱，会接纳不同类别的数据包，导致很多数据都会进入网卡，但不会影响系统运行，而是从众多数据包中，找到存在安全隐患的数据包。同时，数据包全部找出后，会按照队列的排列方式，并进行清除，从而保证数据信息模块内的信息安全。
4结束语
神经网络在计算机网络安全评价中的应用，能够使结果具有客观性，结果更加真实，为数据管理提供技术支持。但同时，神经网络虽有优势，但仍有进一步发展的空间，继续扩大其应用范围，深化应用，加大研究的力度，提高评价工作的效率与水平，保证计算机网络运行的安全。
关键词：神经网络；计算机网络安全；应用
中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2017）18-0191-02
网络技术会随着时代的发展而发展，很多影响网络安全的因素也随之增加，像是新型病毒、黑客等，影响计算机的操作，而这些因素也会互相影响，构成了非线性关系。神经网络是近几年新出现的一种评价方式，它包括很多神经元，能够分析非线性关系，提高了评价结果的准确性。
1神经网络的发展
神经网络这一概念最初出现于上世纪中期，是由生物学家与物理学家讨论提出，建立神经网络模型。该模型是仿照人脑神经的模式，按照人脑处理、传输信息的方式，处理并分析信息。它使用的数学学科与生物学科的知识，前者主要用于对网络结构的分析，后者是对神经元、作用原理的分析，制作出了网络模型。
20世纪中期后，计算机的研究人员把它应用在计算机网络安全领域，并增设了感知功能，用于工程领域。它的应用，可检测声波，识别声波的频率，也会明确物体所在的位置，进一步促进技术的发展，扩大应用范围。
其应用的必要性是：具有适应性，即神经网络有很轻的环境适应能力，当它进行深入输入或输出时，会自我调节，保证计算的精准度，并记录计算的过程；具有容错性，它与原有的算法相比，其优势是对信息敏感，能够快速捕捉到信息，其原因是网络中的每个节点，都对应着网络中某个应用，有应用特征，输入一个节点信息后，神经网络会及时响应；可以在线应用，其运行的中心是训练工程，所以，过程会耗费大量的时间，当它完成某个阶段的工作后，会马上计算出结果，使计算有更高的效率，在线应用中有较高的应用效果。
2计算机网络评价安全体系
计算机网络安全是当下人们关注的焦点，它是用科学有效的措施，保证数据信息的安全、可靠。其分为两方面，其一是逻辑安全，其二是物理安全，前者是确保信息的完整、安全，后者是对计算机硬件进行检查，让硬件正常运行。但除了这两方面外，还包括其他方面的内容，像是时代发展带来的信息共享。通过对上述内容的分析，可以得出：
计算机网络安全系统具有保密的特点，系统中有很多信息是需要保密的，所以，为了保证信息传输的安全，需加快网络安全建设。
计算机网络安全可以自行控制，处于可以控制的范围内，如果这项要求得不到满足，网络使用效果就会明显降低。
计算机网络安全具有完整性，计算机内存储的各项信息都是完整的，只有如此才可以达到使用的各项要求。
计算机网络安全评价可以评估系统运行的安全性，检测出其潜在安全隐患，只有如此，才会提出针对性的解决方案，以实现系统的稳定运行。当下，评价体系与方式不断增加，完善了评价体系。而评价体系的建立需遵循相应的原则：准确性原则，该评价体系建立的目标是发现系统存在安全隐患并消除，建立一个安全的网络环境，其结果的准确性直接影响网络管理的质量；独立性原则，评价体系需有自己的评价指标，每个指标独立，不会重叠或互相影响；间接性原则，保证检测结果真实性的同时，减少工作过程，提高运行效率；完善性原则，对网络安全各方面的评价能够体现出各自的运行状态；可行性原则，使用评价指标评价时，会分析指标是否具有可操作性，结合实际情况使用。
3神经网络在计算机网络安全评价中的应用
神经网络字的应用，需建立风险评价模式，并把模型分为三个层次，根据各个节点的功能客观分析，从主机模块中得到相应的信息。
3.1评估模型的建立
风险评估模型的建立，会让其从不同角度分析，预测系统运行可能存在风险。它包括的层次有以下几点：
以神经网络为基础，可以建立网络系统指标层，该层次可清晰展示出网络攻击所属的类别，利用神经网络的分析功能，分析攻击产生的数据，如果发现数据信息可疑，即可对其查杀，这属于神经网络的学习功能。学习功能运行时，能够得到两个要素，一是攻击数据对系统运行安全的影响，二是系统自身具有的脆弱性。
对于网络主机的风险预估，是利用风险指出，以真正反映网络攻击的程度，以及其浓度。
网络层的风险，是对以整个网络的风险进行评估，作出风险计算，计算整个网络具有的风险值。
同时，模型中也会根据神经网络的特点，设计输入层、隐含层与输出层。
输入层：根据神经网络设计提出的要求，输入层包含的节点数量，需等于评价指标包含的节点数量，而指标也有一级、二级之分，即输入层内的节点，要与一级指标中包含的二级指标对应。
隐含层：实践中，很多神经网络为单隐含层，而隐含层中节点的数量会决定网络的性能，对此我们给以足够的重视。也就是说，若隐含层内的节点数量不足，网络的容错性会明显降低，但如果相反，会延长学习花费的时间，提高学习的误差，降低学习效率。因此，选择节点的数量时，要根据以往的经验与计算公式，确定准确的数量。
输出层：输出层的设计会反映网络安全最后的结果。若输出层内设置的节点有两个，结果为（0，0），可以判定为输出结果非常不安全，（0，1）为不安全，（1，0）为比较安全，（1，1）为安全，这是检测结果的四个层次。
这三个层次设计并应用后，可以保证计算机网络安全评价体系得出的结果符合用户的要求，缩小了结果的偏差，提高了数据的准确性。
3.2对神经网络节点的功能分析
利用神經网络检测与评价，其工作可划分成两方面，分别是网络主机安全风险检测系统、网络安全风险检测系统。这两个安全监测系统中，网络安全风险监测系统是检测的核心，主机则是以整个大环境为主。如果系统受到病毒入侵，风险防范网络会自动生成病毒攻击图。攻击图有两类：第一类是属性攻击图，它借助防护功能中的各个节点属性，做为图中各属性、攻击节点以及“边”的基础，构出图形。属性攻击图会连接系统中的访问权限、数据等，使它们建立互为信任的关系；第二类是状态攻击图，神经网络的节点不是固定不变的，它会随着系统变化发生改变，并且图中的各个阶段具有独立性的特点，如果某个节点受到攻击，可坚持一段时间，有很强的耐受力。
3.3从主机模块中获得数据
网络终于大量的数据包，这些数据包中可能存在有风险的数据信息，给系统运行造成影响，所以，可以利用神经网络的网卡进行检测。但因为网络的工作模式较为混乱，会接纳不同类别的数据包，导致很多数据都会进入网卡，但不会影响系统运行，而是从众多数据包中，找到存在安全隐患的数据包。同时，数据包全部找出后，会按照队列的排列方式，并进行清除，从而保证数据信息模块内的信息安全。
4结束语
神经网络在计算机网络安全评价中的应用，能够使结果具有客观性，结果更加真实，为数据管理提供技术支持。但同时，神经网络虽有优势，但仍有进一步发展的空间，继续扩大其应用范围，深化应用，加大研究的力度，提高评价工作的效率与水平，保证计算机网络运行的安全。