论文部分内容阅读
[摘 要]在计算机网络安全评价中应用神经网络,可以从根本上提升计算机网络安全,提升传统网络安全评价效果,满足当前计算机安全需求。神经网络具有较强的适应性,可以增强计算机网络安全评价的适用性,基于此,作者结合自身工作经验,对神经网络在计算机网络安全评价中的应用进行详细的分析研究,以供相关工作人员参考。
[关键词]神经网络;计算机;网络安全评价
中图分类号:TU831 文献标识码:A 文章编号:1009-914X(2018)20-0322-01
引言:随着时代不断发展,计算机网络逐渐普及,涉及到人们生活中的各个领域,为人们带来便利。同时,人们在享受网络带来的方便同时,也受到网络安全的威胁。近年来,利用网络进行犯罪的案件逐渐呈现增长趋势,例如,个人信息遭到泄露、受到木马病毒的袭击等,为人们带来巨大的经济损失,形成严重的后果。
一、神经网络与计算机网络安全评价分析
(一)神经网络
神经网络概念由生物学与数学两个学科的知识构成,主要是模仿人类的神经系统对相关信息的处理方式,通过建立完善的数学模型,利用计算机对神经元处理或大脑处理信息的过程进行合理的模仿,进而做出最合理的判断,满足当前实际的需求。现阶段,神经网络技术已经逐渐处于成熟阶段,例如,当前的计算机领域感知器神经模型技术,可以有效的进行感知,促使计算机领域不断发展[1]。
(二)计算机网络安全评价
计算机网络安全评价主要的目的是保证计算机网络在安全的环境中正常运转,不受不良因素或安全隐患影响,保证网络安全,为人们营造良好的网络环境,提升使用效率。在实际的评价应用过程中,人们利用现有的技术对网络环境中存在的安全隐患或者危险因素进行合理的分析评估,并采取相应的措施进行合理的控制,保证网络安全,随着不断发展,逐渐形成完善的计算机网络安全评价体系。在体系建立过程中,必须遵循以下几点原则:第一点,准确性,安全评价体系的建立主要目的是识别网络中存在的安全隐患或危险因素,准确反映实际的网络安全状况。第二点,完备性,在评价过程中,应保证评价的全面性,选择的相关评价指标可以完全的对网络安全最基本特征进行反应,以此来保证结果的精确性。第三点,简要性,受其工作性质的影响,在选择指标过程中,应重点选择则具有代表性的,以此来提升工作效率。第四点,独立性,应避免选取重复的指标,从而准确的反应实际的网络情况。
二、神经网络在计算机网络安全评价中的应用分析
随着技术不断发展,神经网络在计算机网络安全评价中的应用范围较广,并发挥出积极的促进作用,保证计算机网络安全,优化网络环境,具体来说,主要包括以下几方面:
(一)建立完善的神经网络计算机网络安全评价模型
应用神经网络建立完善的计算机网络评价模型,需要从三个层别进行建立,以保证模型的合理性:
首先,系统的指标层,以神经网络为基础,建立计算机网络系统指标层,保证指标层全面的反映出网络受到的攻击与攻击的种类,利用神经网络自身的功能对实际的攻击进行分析,其主要是利用网络神经的正向学习能力,针对可疑的数据或信息进行方向学习,同时对病毒进行有效的查杀。现阶段,正向学习过程主要包含两点要素:第一点,网络主机系统自身的脆弱性;第二点,实际的网络攻击数据对相关系统的安全影响。
其次,对网络主机进行有效的风险计算,在实际的计算过程中,其神经网络的风险计算内容主要是计算风险指数,利用计算出的合理风险指数真实的对现阶段的网络风险、危险程度、网络攻击等浓度进行反应,达到网络安全评价的目的。
最后,进行网络层风险计算,该计算主要是指,对网络进行整体风险评估,并进行风險值计算,其风险值涉及的范围较广,几乎涉及整个网络。例如,下图是神经网络模型各层关系,如图1所示。
(二)建立完善的评价指标集
受计算机网络自身的性质影响,其内部构成的体系相对较为复杂,导致对计算机网络安全的影响因素也比较多,因此,在建立完善的评价指标过程中,应充分考虑各种因素的影响,并保证所有的评价指标可以合理的应对影响因素,促使整个评价模型发挥出原本的作用与评价功能,尤其是针对定量的指标进行评价时,应结合实际的系统情况进行合理的取值,而在对定性的指标进行评价时,应灵活利用专家评级方法,结合实际进行合理的情况评定,以满足实际的计算机网络安全评价需求。实际上,对指标进行合理的取值最终目的是对评价的计算机网络实际情况进行合理的反映,进而对指标的取值不能进行直接比较,需要进行合理的量化处理,以达到实际的目的。
(三)神经网络学习
在实际的学习过程中,学习神经网络需要经过一系列的学习过程,才能保证学习的有效性,具体来说,主要包含三个过程:第一个,对于相关的数据信息进行合理的收集,并保证收集的相关数据信息具有良好的覆盖性,涉及安全系统评级的各模块,可以满足现阶段计算机网络安全评价的实际需求与范围。第二个,进行有效的网络模型训练,在网络模型创建完成后,为达到最初的创建效果,需要对创建的网络模型进行合理的创建训练,保证模型的合理性。第三个,对节点数量进行设计,保证节点数量具有良好的合理性,实际上,在神经网络学习过程中,输入层中的节点设计数量会直接影响学习时间的长短,基于此,在实际的设计过程中,为保证计算机网络安全评价体系充分发挥出自身的功能作用,并提升神经网络学习效率与效果,应积极进行节点设计,保证设计的合理性[2]。
(四)灵活应用神经网络对建立的安全评价模型进行验证
在实际的神经网络应用过程中,不仅需要建立完善的模型,还需要对模型进行有效的验证,从而保证建立的模型充分发挥出自身的作用,满足实际的需求。在验证过程中,工作人员可以选择一组数据样本进行,利用实际的样本验证模型的功能,如果验证的评价结果与期望值相同,则表明创建的安全评价模型可以有效的对计算机网络安全进行评价,如果实际的评价结果与期望值存在较大的差异,则表明该模型存在问题,需要进行重新设计与验证。
结论:综上所述,神经网络在计算机网络安全评价中的应用,可以从根本上对网络环境进行保护,提升网络的安全性能。因此,工作人员应灵活利用神经网络的优势,建立完善的风险评价模型,合理对网络节点进行设计,从根本上提升计算机的网络安全,满足当前时代的需求。
参考文献
[1] 董晓明.浅析神经网络在计算机网络安全评价中的应用[J].通讯世界,2016,(07):2-3.
[2] 原锦明.神经网络在计算机网络安全评价中的应用研究[J].网络安全技术与应用,2014,(04):52-53.
[关键词]神经网络;计算机;网络安全评价
中图分类号:TU831 文献标识码:A 文章编号:1009-914X(2018)20-0322-01
引言:随着时代不断发展,计算机网络逐渐普及,涉及到人们生活中的各个领域,为人们带来便利。同时,人们在享受网络带来的方便同时,也受到网络安全的威胁。近年来,利用网络进行犯罪的案件逐渐呈现增长趋势,例如,个人信息遭到泄露、受到木马病毒的袭击等,为人们带来巨大的经济损失,形成严重的后果。
一、神经网络与计算机网络安全评价分析
(一)神经网络
神经网络概念由生物学与数学两个学科的知识构成,主要是模仿人类的神经系统对相关信息的处理方式,通过建立完善的数学模型,利用计算机对神经元处理或大脑处理信息的过程进行合理的模仿,进而做出最合理的判断,满足当前实际的需求。现阶段,神经网络技术已经逐渐处于成熟阶段,例如,当前的计算机领域感知器神经模型技术,可以有效的进行感知,促使计算机领域不断发展[1]。
(二)计算机网络安全评价
计算机网络安全评价主要的目的是保证计算机网络在安全的环境中正常运转,不受不良因素或安全隐患影响,保证网络安全,为人们营造良好的网络环境,提升使用效率。在实际的评价应用过程中,人们利用现有的技术对网络环境中存在的安全隐患或者危险因素进行合理的分析评估,并采取相应的措施进行合理的控制,保证网络安全,随着不断发展,逐渐形成完善的计算机网络安全评价体系。在体系建立过程中,必须遵循以下几点原则:第一点,准确性,安全评价体系的建立主要目的是识别网络中存在的安全隐患或危险因素,准确反映实际的网络安全状况。第二点,完备性,在评价过程中,应保证评价的全面性,选择的相关评价指标可以完全的对网络安全最基本特征进行反应,以此来保证结果的精确性。第三点,简要性,受其工作性质的影响,在选择指标过程中,应重点选择则具有代表性的,以此来提升工作效率。第四点,独立性,应避免选取重复的指标,从而准确的反应实际的网络情况。
二、神经网络在计算机网络安全评价中的应用分析
随着技术不断发展,神经网络在计算机网络安全评价中的应用范围较广,并发挥出积极的促进作用,保证计算机网络安全,优化网络环境,具体来说,主要包括以下几方面:
(一)建立完善的神经网络计算机网络安全评价模型
应用神经网络建立完善的计算机网络评价模型,需要从三个层别进行建立,以保证模型的合理性:
首先,系统的指标层,以神经网络为基础,建立计算机网络系统指标层,保证指标层全面的反映出网络受到的攻击与攻击的种类,利用神经网络自身的功能对实际的攻击进行分析,其主要是利用网络神经的正向学习能力,针对可疑的数据或信息进行方向学习,同时对病毒进行有效的查杀。现阶段,正向学习过程主要包含两点要素:第一点,网络主机系统自身的脆弱性;第二点,实际的网络攻击数据对相关系统的安全影响。
其次,对网络主机进行有效的风险计算,在实际的计算过程中,其神经网络的风险计算内容主要是计算风险指数,利用计算出的合理风险指数真实的对现阶段的网络风险、危险程度、网络攻击等浓度进行反应,达到网络安全评价的目的。
最后,进行网络层风险计算,该计算主要是指,对网络进行整体风险评估,并进行风險值计算,其风险值涉及的范围较广,几乎涉及整个网络。例如,下图是神经网络模型各层关系,如图1所示。
(二)建立完善的评价指标集
受计算机网络自身的性质影响,其内部构成的体系相对较为复杂,导致对计算机网络安全的影响因素也比较多,因此,在建立完善的评价指标过程中,应充分考虑各种因素的影响,并保证所有的评价指标可以合理的应对影响因素,促使整个评价模型发挥出原本的作用与评价功能,尤其是针对定量的指标进行评价时,应结合实际的系统情况进行合理的取值,而在对定性的指标进行评价时,应灵活利用专家评级方法,结合实际进行合理的情况评定,以满足实际的计算机网络安全评价需求。实际上,对指标进行合理的取值最终目的是对评价的计算机网络实际情况进行合理的反映,进而对指标的取值不能进行直接比较,需要进行合理的量化处理,以达到实际的目的。
(三)神经网络学习
在实际的学习过程中,学习神经网络需要经过一系列的学习过程,才能保证学习的有效性,具体来说,主要包含三个过程:第一个,对于相关的数据信息进行合理的收集,并保证收集的相关数据信息具有良好的覆盖性,涉及安全系统评级的各模块,可以满足现阶段计算机网络安全评价的实际需求与范围。第二个,进行有效的网络模型训练,在网络模型创建完成后,为达到最初的创建效果,需要对创建的网络模型进行合理的创建训练,保证模型的合理性。第三个,对节点数量进行设计,保证节点数量具有良好的合理性,实际上,在神经网络学习过程中,输入层中的节点设计数量会直接影响学习时间的长短,基于此,在实际的设计过程中,为保证计算机网络安全评价体系充分发挥出自身的功能作用,并提升神经网络学习效率与效果,应积极进行节点设计,保证设计的合理性[2]。
(四)灵活应用神经网络对建立的安全评价模型进行验证
在实际的神经网络应用过程中,不仅需要建立完善的模型,还需要对模型进行有效的验证,从而保证建立的模型充分发挥出自身的作用,满足实际的需求。在验证过程中,工作人员可以选择一组数据样本进行,利用实际的样本验证模型的功能,如果验证的评价结果与期望值相同,则表明创建的安全评价模型可以有效的对计算机网络安全进行评价,如果实际的评价结果与期望值存在较大的差异,则表明该模型存在问题,需要进行重新设计与验证。
结论:综上所述,神经网络在计算机网络安全评价中的应用,可以从根本上对网络环境进行保护,提升网络的安全性能。因此,工作人员应灵活利用神经网络的优势,建立完善的风险评价模型,合理对网络节点进行设计,从根本上提升计算机的网络安全,满足当前时代的需求。
参考文献
[1] 董晓明.浅析神经网络在计算机网络安全评价中的应用[J].通讯世界,2016,(07):2-3.
[2] 原锦明.神经网络在计算机网络安全评价中的应用研究[J].网络安全技术与应用,2014,(04):52-53.