神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用研究

原錦明

（晉城職業(yè)技術學院 山西 048026）

0 引言

隨著計算機技術的逐步發(fā)展，人們的生活和工作在享受先進的技術帶來的巨大便利的同時，我們也應該清楚地認識到，黑客可借助漏洞、病毒入侵計算機系統(tǒng)，計算機的網(wǎng)絡安全面臨著前所未有的挑戰(zhàn)。神經(jīng)網(wǎng)絡是最近在網(wǎng)絡安全評價中應用最為廣泛的一項技術，它是通過相關模型的建構而成的人工智能算法，能夠使對計算機網(wǎng)絡安全的評價更加客觀，并且具有極高的準確性。本文將對神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價的應用的相關問題進行討論，希望能夠為今后的計算機網(wǎng)絡安全評價工作起到一定的借鑒作用。

1 計算機網(wǎng)絡安全評價體系的建立

計算機網(wǎng)絡本身是一個非常復雜的體系，影響其安全的因素也復雜多樣，為了有效地對其安全進行評價，必須建立一個完善的安全評價體系。

1.1 計算機網(wǎng)絡安全評價體系的建立應遵循的原則

1.1.1 準確性

要保證所有的評價指標必須能夠真實有效地反映評價階段的網(wǎng)絡安全的技術水平。

1.1.2 獨立性

在對評價的指標進行選取的時候，要盡量避免重復選擇；并且要盡量使各指標之間的關聯(lián)程度降低，準確客觀地反映網(wǎng)絡安全情況。

1.1.3 完備性

在進行對評價指標的選取工作時，要考慮周全，恰當選擇。確保所選擇的指標，能夠對網(wǎng)絡安全的所有基本特征都有所反映，只有做到這一點，才會使選取的指標能夠真實可靠，保證結果的準確性。

1.1.4 簡要性

雖然選擇評價指標是要保證其完備性，但是要考慮的實際的工作量和工作效率，要在眾多評價指標中選取有代表性的，在保證結果可靠的同時，也減少了工作量。

1.2 各評價指標的取值及標準化問題

在各評價指標集中，由于他們所描述的因素各有不同，包括定量評價和定性評價兩種指標，由于他們過有所側重，分別從不同的側面對計算機網(wǎng)絡的安全狀況進行反映，不能直接對各指標的取值進行比較，因此在評價中的取值規(guī)則和也相應地有所不同，并且要對兩種指標進行相應的標準化處理。

對于定量指標而言，在進行評價是，要依據(jù)所評價的網(wǎng)絡系統(tǒng)的實際情況進行取值，不能一刀切，做到具體問題具體分析。同時因為衡量的單位有所不同，進行標準化處理時，要把取值的范圍最終確定在0～1之間。

對于定性指標而言，可以聘請專家進行打分，對于不同的網(wǎng)絡系統(tǒng)根據(jù)其實際情況進行等級評價。并且為了便于與定量指標之間進行比較，也要對定性指標進行一定的標準化處理。

1.3 建立評價結果的評語集合

根據(jù)網(wǎng)絡安全的評價特性，為了便于評價指標的選取和歸納，可以就評價結果的評語建立集合，如可以分成安全、較安全、不安全、極不安全四個集合，并且附上一定的說明，這樣對評價結果的觀察便顯得一目了然。

2 借助神經(jīng)網(wǎng)絡建立計算機網(wǎng)絡安全評價的必要性

相對于傳統(tǒng)的算法，神經(jīng)網(wǎng)絡具有自身獨特的優(yōu)點，可以使網(wǎng)絡安全評價更加準確，這就決定了要借助神經(jīng)網(wǎng)絡來建立計算機網(wǎng)路安全評價體系。

2.1 較強的適應性

對于神經(jīng)網(wǎng)絡而言，它能夠很好地適應環(huán)境，并且具有較強的學習能力，當令神經(jīng)網(wǎng)絡處于輸入或輸出的模式時，它能夠自我調整來較少誤差。而且還能通過自我訓練，總結其中的規(guī)律。

2.2 容錯性

不同于傳統(tǒng)的模型，神經(jīng)網(wǎng)絡對于噪音及不完整的信息沒有很高的敏感度。因為在神經(jīng)網(wǎng)絡中，它的每一節(jié)點只對問題其中的一個特征進行反映，所以，當某一節(jié)點的輸入的信息不完整或者含有噪聲，在人工神經(jīng)網(wǎng)絡中就不會表現(xiàn)出非常明顯的影響。

2.3 可在線應用

雖然神經(jīng)網(wǎng)絡可能在訓練中投入較多的時間，但一旦完成訓練，輸入數(shù)據(jù)之后便很快能夠獲得結果。由于其獲得結果的快速性，在使用中快捷方便，具有在應用系統(tǒng)中在線應用的潛力。

3 神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用

目前，BP神經(jīng)網(wǎng)絡是在神經(jīng)網(wǎng)絡中最具有廣泛應用前景的一項，故本文選取BP神經(jīng)網(wǎng)絡作為論述的對象。BP神經(jīng)網(wǎng)絡算法的基本精神為：在學習的過程中，不斷循環(huán)往復地對樣本信號進行正向傳播和反向傳播的訓練，逐步較少信號的誤差，從而達到預定的限度，順利地進入實際應用之中。

3.1 神經(jīng)網(wǎng)絡的計算機網(wǎng)絡安全評價模型的設計

3.1.1 對輸入層的設計

BP神經(jīng)網(wǎng)絡設計的規(guī)定，輸入層中神經(jīng)元節(jié)點的數(shù)量要與評價指標的數(shù)量相吻合，也就是說在一級指標體系中有多少個二級指標，在對評價模型的輸入層設計時就要設計多少個神經(jīng)元節(jié)點與之相適應。

3.1.2 對隱含層的設計

在實踐過程中，大部分的BP網(wǎng)絡都采用單隱含層，并且隱節(jié)點數(shù)的數(shù)量會對網(wǎng)絡的性能產(chǎn)生直接的影響，因此要予以重視。如果選擇的隱含層節(jié)點的數(shù)量過少，就會影響網(wǎng)絡非線性映射及容錯性；選擇的節(jié)點數(shù)過多，又會增加學習的時間，甚至會增加學習誤差出現(xiàn)的概率，從而對學習效率產(chǎn)生一定的影響。在選擇節(jié)點時，要掌握好一個度，按照恰當?shù)慕?jīng)驗公式進行選擇。

3.1.3 對輸出層的設計

對于輸出層的設計則是對網(wǎng)絡安全評價結果的反映。根據(jù)上文設計的評價結果評語集合，如果BP網(wǎng)絡輸出層節(jié)點設計為2個，那么假如輸出的結果為（0，0）便表示極不安全，（0， 1）表示不安全，（1，0）表示較安全，（1，1）表示安全。

3.2 神經(jīng)網(wǎng)絡的計算機網(wǎng)絡安全評價模型的學習

在評價模型中的 BP神經(jīng)網(wǎng)絡，他的各層擁有任意的初始連接權值，這就要求在構建模型之前要進行神經(jīng)網(wǎng)絡訓練也就是學習。通過學習可以盡量使安全評價的結果與用戶的期望相吻合，使偏差減少的最小。

3.3 神經(jīng)網(wǎng)絡的計算機網(wǎng)絡安全評價模型的驗證

對于評價模型，不僅要對其進行設計和學習，為了保證模型的應用效能，還需要對模型進行驗證?？梢赃x取其中的一組數(shù)據(jù)作為驗證所需的樣本，然后開始進行驗證。首先要進行輸入樣本來檢驗模型的評價功能，假如評價的結果與期望值相一致，那么就說明所建立的模型具有準確性，可以投入使用。

4 結語

總而言之，在計算機網(wǎng)絡安全評價中應用神經(jīng)網(wǎng)絡技術，可以避免傳統(tǒng)評價的主觀性和不確定性，使評價結果更加真實可靠，為計算機的安全管理提供一定依據(jù)。但我們還應認識到，神經(jīng)網(wǎng)絡技術還有待完善的空間，希望通過本文就相關問題的探討和分析，能夠引起對神經(jīng)網(wǎng)絡的重視，使其逐步完善，在計算機網(wǎng)絡安全中發(fā)揮更大的作用。

[1]毛志勇.BP神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用[J].信息技術，2008（06）

[2]武仁杰.神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用研究[J].計算機仿真，2011（11）

[3]郭麗娟.神經(jīng)網(wǎng)絡在計算機網(wǎng)絡安全評價中的應用[J].價值工程，2012