人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用與實(shí)踐

成都職業(yè)技術(shù)學(xué)院 韓 艷

人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中應(yīng)用的基本方法有啟發(fā)式搜索、自動(dòng)規(guī)劃和知識(shí)性表達(dá)。人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用主要集中于計(jì)算機(jī)網(wǎng)絡(luò)安全、人工神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘以及問題求解等方面。人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的不斷應(yīng)用實(shí)踐，可以推動(dòng)人工智能突破發(fā)展瓶頸，同時(shí)也促進(jìn)了計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的進(jìn)步。

人工智能（Artificial Intelligence）是計(jì)算機(jī)科學(xué)的一個(gè)重要分支，試圖通過計(jì)算機(jī)等先進(jìn)的科學(xué)技術(shù)，使產(chǎn)品具備類似于人類智能的反應(yīng)、判斷以及綜合分析能力。目前，人工智能正在從專用智能應(yīng)用邁向通用智能應(yīng)用。我國也已經(jīng)出臺(tái)了《新一代人工智能發(fā)展規(guī)劃》，旨在促進(jìn)人工智能技術(shù)的科研、應(yīng)用以及與其他技術(shù)的融合發(fā)展。融合性技術(shù)的出現(xiàn)與發(fā)展，既對(duì)人工智能技術(shù)產(chǎn)生了極大的推動(dòng)作用，也使人工智能在更多的產(chǎn)業(yè)領(lǐng)域發(fā)揮其優(yōu)勢(shì)，促進(jìn)了人們生產(chǎn)技術(shù)、生活水平不斷提升。本文就人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用進(jìn)行論述。

1 人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中應(yīng)用的基本方法

1.1 啟發(fā)式搜索

計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)常用的搜索方法是盲目性搜索。其實(shí)現(xiàn)原理是：以發(fā)起搜索任務(wù)的網(wǎng)絡(luò)節(jié)點(diǎn)為起點(diǎn)，依據(jù)現(xiàn)有的網(wǎng)絡(luò)傳輸通道，向各個(gè)可能的網(wǎng)絡(luò)傳輸通道傳送信號(hào)，對(duì)可能達(dá)到搜索任務(wù)目標(biāo)的所有方案都進(jìn)行試驗(yàn)。人工智能運(yùn)用于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中，將盲目性搜索轉(zhuǎn)換為啟發(fā)式搜索。啟發(fā)式搜索具有較強(qiáng)的智能性。這是由于它在接收到搜索任務(wù)以后，會(huì)憑借在以前搜索任務(wù)中積累的經(jīng)驗(yàn)與啟發(fā)式的信息，將那些獲得搜索目標(biāo)可能性極小的方向排除掉，先對(duì)能夠獲得搜索目標(biāo)可能性較大的路徑進(jìn)行搜索，搜索的資源消耗較小，搜索的效率、準(zhǔn)確率較高。人工智能啟發(fā)式搜索技術(shù)依賴于啟發(fā)式策略與算法的設(shè)計(jì)，這是人工智能的核心問題，是極具潛能的人工智能技術(shù)之一。

1.2 自動(dòng)規(guī)劃

自動(dòng)規(guī)劃是指人們?yōu)榱私鉀Q某個(gè)比較復(fù)雜、大型的問題前，會(huì)將其劃分成多個(gè)相對(duì)簡(jiǎn)單的小問題。當(dāng)每一個(gè)小問題一一得到有效解決后，距離復(fù)雜的、大型的問題的解決就越來越近。智能性規(guī)劃的本質(zhì)是將復(fù)雜、大型問題降解后，同時(shí)降低了問題難度，從而找到解決問題的切入點(diǎn)與突破口。目前，自動(dòng)規(guī)劃方法已經(jīng)被運(yùn)用于高級(jí)求解系統(tǒng)之中，規(guī)劃中每一個(gè)目標(biāo)都是非常詳盡、具體的，它從特定的問題狀態(tài)出發(fā)，對(duì)動(dòng)作進(jìn)行推理，對(duì)每個(gè)有待解決問題的過程進(jìn)行規(guī)劃，最終達(dá)到解決問題的目標(biāo)。自動(dòng)規(guī)劃可以快速地尋找到解決問題的方法，提高解決問題的效率。自動(dòng)規(guī)劃技術(shù)的發(fā)展依賴于人工智能路徑選擇技術(shù)的發(fā)展水平。路徑選擇技術(shù)如果是有序的、規(guī)范的、高效的，那么，自動(dòng)規(guī)劃技術(shù)的運(yùn)用就更便捷、更廣泛、更具有較強(qiáng)的適用性。

1.3 知識(shí)性表達(dá)

知識(shí)性表達(dá)技術(shù)基于計(jì)算機(jī)數(shù)據(jù)處理技術(shù)實(shí)現(xiàn)。由于人的知識(shí)表達(dá)符號(hào)是自然語言，而機(jī)器的知識(shí)表達(dá)符號(hào)則是0和1。如何將人的知識(shí)表達(dá)符號(hào)與機(jī)器的知識(shí)表達(dá)符號(hào)進(jìn)行有效銜接，形成準(zhǔn)確率較高的對(duì)應(yīng)關(guān)系，這就是知識(shí)性表達(dá)技術(shù)的主旨。能夠讓計(jì)算機(jī)擁有同人的大腦相同的知識(shí)、記憶或者存儲(chǔ)，是人工智能發(fā)展的重要方向。只有讓計(jì)算機(jī)的知識(shí)表達(dá)無限地接近于人腦的真實(shí)狀態(tài)，才能使計(jì)算機(jī)在解決問題的過程中，盡可能迅速地找到所需要的知識(shí)，并對(duì)知識(shí)開展分析、運(yùn)用，得到結(jié)果后，再執(zhí)行知識(shí)表達(dá)的命令，完成知識(shí)表達(dá)問題的解決。知識(shí)性表達(dá)有一階謂詞邏輯表示法、產(chǎn)生式表示法和框架表示法等，幾種方法各有優(yōu)勢(shì)與劣勢(shì)。人工智能在不同的情境下，運(yùn)用不同的方法完成知識(shí)性表達(dá)，以此達(dá)到人工智能的工作效果。

2 人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用

2.1 計(jì)算機(jī)網(wǎng)絡(luò)安全應(yīng)用

目前，應(yīng)用較為廣泛的計(jì)算機(jī)網(wǎng)絡(luò)安全技術(shù)有防火墻、入侵檢測(cè)技術(shù)、反垃圾郵件技術(shù)等。人工智能融入于網(wǎng)絡(luò)安全管理中，可以有效的提升防火墻攔截危險(xiǎn)信息的準(zhǔn)確性、高效性，可以提升反垃圾郵件的防御性能，可以通過對(duì)垃圾信息數(shù)據(jù)進(jìn)行智能化掃描分類，提升垃圾郵件的攔截效率。人工智能運(yùn)用于入侵檢測(cè)技術(shù)，更是大大改善了計(jì)算機(jī)病毒、木馬程序以及不安全代碼的攔截效果。人工智能運(yùn)用于規(guī)則產(chǎn)生式專家系統(tǒng)。規(guī)則產(chǎn)生式專家系統(tǒng)的數(shù)據(jù)庫存儲(chǔ)的都是專業(yè)經(jīng)驗(yàn)，其知識(shí)構(gòu)建的推理機(jī)制都是基于人工智能實(shí)現(xiàn)的。數(shù)據(jù)在接受入侵檢測(cè)時(shí)，網(wǎng)絡(luò)安全管理員會(huì)將入侵特征轉(zhuǎn)變?yōu)樘囟ǖ囊?guī)則，形成規(guī)則數(shù)據(jù)庫。凡是與數(shù)據(jù)庫中的規(guī)則相符的入侵?jǐn)?shù)據(jù)，都會(huì)被及時(shí)地處理。基于底層數(shù)據(jù)收集分析結(jié)構(gòu)的Agent技術(shù)是面向?qū)ο髮?shí)現(xiàn)的。它可以優(yōu)化計(jì)算機(jī)網(wǎng)絡(luò)的應(yīng)用，促使Agent技術(shù)具有較強(qiáng)的服務(wù)與需求分析功能，在數(shù)據(jù)注冊(cè)表的引導(dǎo)下，為數(shù)據(jù)查詢?nèi)藛T提供需求。它可以使計(jì)算機(jī)達(dá)成并行工程思想。Agent技術(shù)每個(gè)工作流程的發(fā)起、推進(jìn)以及展開，都可以依托Agent技術(shù)在分布式交互仿真環(huán)境下進(jìn)行。Agent技術(shù)還可以使人與Agent語言實(shí)現(xiàn)自由交互，可以讓一些接受技能培訓(xùn)的人員在仿真環(huán)境下與實(shí)訓(xùn)設(shè)備進(jìn)行自由交互。人工智能應(yīng)用于計(jì)算機(jī)網(wǎng)絡(luò)安全管理還形成了數(shù)據(jù)融合技術(shù)。數(shù)據(jù)融合技術(shù)可以將不同傳感器收集到的數(shù)據(jù)融合到一起，擴(kuò)大入侵信息檢測(cè)的范圍，使檢測(cè)更全面、檢測(cè)效果更好。

2.2 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)是人工智能與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的融合產(chǎn)物。人工神經(jīng)網(wǎng)絡(luò)是通過數(shù)據(jù)的存儲(chǔ)、分析、處理形成具有決策性特征的結(jié)果，其是模仿人腦神經(jīng)元網(wǎng)絡(luò)而創(chuàng)建的簡(jiǎn)單、抽象模型。在神經(jīng)網(wǎng)絡(luò)中，節(jié)點(diǎn)與節(jié)點(diǎn)之間都有著非常密切的聯(lián)系，網(wǎng)絡(luò)的數(shù)據(jù)輸入與輸出都依賴于網(wǎng)絡(luò)的連接方式實(shí)現(xiàn)。人工神經(jīng)網(wǎng)絡(luò)技術(shù)在醫(yī)學(xué)、經(jīng)濟(jì)學(xué)以及生物學(xué)等領(lǐng)域都有非常廣泛的應(yīng)用。在人工神經(jīng)網(wǎng)絡(luò)中，神經(jīng)元處理的符號(hào)是由0和1組成的機(jī)器語言符號(hào)。機(jī)器語言符號(hào)借助于知識(shí)表達(dá)技術(shù)與人類所運(yùn)用的自然符號(hào)進(jìn)行自由地相互轉(zhuǎn)換，以一種非程序化、適應(yīng)性、大腦風(fēng)格的信息處理方法，借助于計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的分布式信息處理功能，盡可能地模仿人腦神經(jīng)系統(tǒng)的工作方法，完成接近于人腦效果的分析。人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)原理明顯區(qū)別于傳統(tǒng)的人工智能技術(shù)，更是原有信息處理技術(shù)的升級(jí)與優(yōu)化，它克服了基于邏輯符號(hào)的人工智能在處理直覺、非結(jié)構(gòu)化信息等方面的缺陷，使人工智能技術(shù)具備更強(qiáng)的自適應(yīng)、自組織以及高實(shí)時(shí)性的優(yōu)勢(shì)。

2.3 數(shù)據(jù)挖掘應(yīng)用技術(shù)

人工智能技術(shù)與計(jì)算機(jī)技術(shù)相融合衍生出數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘技術(shù)是為了將存在于大量數(shù)據(jù)之中有著某種特殊聯(lián)系的數(shù)據(jù)提取出來，將其轉(zhuǎn)變?yōu)橛?jì)算機(jī)可以處理的數(shù)據(jù)，轉(zhuǎn)變?yōu)橛脩艨梢暬慕Y(jié)果。數(shù)據(jù)挖掘是基于五個(gè)環(huán)節(jié)實(shí)現(xiàn)的，既挖掘目的的確定、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘、結(jié)果分析、知識(shí)同化。數(shù)據(jù)的挖掘目的決定了數(shù)據(jù)挖掘方向。僅管挖掘結(jié)果是很難預(yù)測(cè)的，探索的問題是可以預(yù)見的。數(shù)據(jù)的選擇則會(huì)綜合分析內(nèi)、外部相關(guān)數(shù)據(jù)，從中遴選出相應(yīng)的數(shù)據(jù)，為數(shù)據(jù)分析做準(zhǔn)備，完成數(shù)據(jù)的預(yù)處理。數(shù)據(jù)挖掘之前，需要?jiǎng)?chuàng)建數(shù)據(jù)分析模型，完成挖掘后，再運(yùn)用恰當(dāng)?shù)慕Y(jié)果分析方法，對(duì)其結(jié)果進(jìn)行解讀。數(shù)據(jù)挖掘是一個(gè)知識(shí)發(fā)現(xiàn)的過程。人工智能在計(jì)算機(jī)網(wǎng)絡(luò)中運(yùn)用得最廣泛的數(shù)據(jù)挖掘技術(shù)就是入侵檢測(cè)。在計(jì)算機(jī)網(wǎng)絡(luò)中，為了強(qiáng)化安全管理，人工智能技術(shù)會(huì)被運(yùn)用于收集信息數(shù)據(jù)，再結(jié)合網(wǎng)絡(luò)運(yùn)行環(huán)境、用戶需求對(duì)信息數(shù)據(jù)進(jìn)行篩選，形成信息報(bào)告，將信息報(bào)告以用戶的可視化形式呈現(xiàn)出來，由用戶來做出處理決策。人工智能通過對(duì)以往入侵?jǐn)?shù)據(jù)進(jìn)行分析，掌握入侵?jǐn)?shù)據(jù)的規(guī)律，提出保護(hù)方案。隨著入侵?jǐn)?shù)據(jù)庫資源數(shù)量的增加，對(duì)入侵規(guī)律的把握越來越準(zhǔn)確，入侵檢測(cè)技術(shù)就更成熟。如果網(wǎng)絡(luò)環(huán)境發(fā)生異常，數(shù)據(jù)挖掘技術(shù)就會(huì)對(duì)所有入侵?jǐn)?shù)據(jù)進(jìn)行全面識(shí)別，在深入把握入侵源以后，傳送給用戶，與用戶合作制定新的防護(hù)方案。只要在特定的網(wǎng)絡(luò)環(huán)境里出現(xiàn)一次入侵攻擊，人工智能就會(huì)將其轉(zhuǎn)變?yōu)榇鎯?chǔ)記憶，有效避免再次出現(xiàn)類似的入侵攻擊。

2.4 人工智能問題求解技術(shù)

人工智能技術(shù)是為了解決復(fù)雜問題而產(chǎn)生的。復(fù)雜問題多指結(jié)構(gòu)不良，或者非結(jié)構(gòu)化的問題。解決這些問題，還沒有非常成熟、有效的求解算法，只能依賴于知識(shí)的積累、探索與運(yùn)用。那么，人工智能問題求解技術(shù)的實(shí)現(xiàn)就是計(jì)算機(jī)技術(shù)在實(shí)際運(yùn)用的過程中，不斷地利用知識(shí)、算法，來形成一條代價(jià)相對(duì)較小的推理路線，從而使問題得到有效的解決。求解問題的環(huán)節(jié)由目標(biāo)的表示、搜索、執(zhí)行三個(gè)環(huán)節(jié)組成。人工智能地求解問題的過程中，需要綜合考慮到能否找到解，找到的解是否是最優(yōu)解，時(shí)間復(fù)雜度，既找到解所花費(fèi)的時(shí)間，還有空間復(fù)雜度，既找到解所需要的存儲(chǔ)空間。人工智能問題求解是基于啟發(fā)式搜索實(shí)現(xiàn)的，用限定的步數(shù)完成算法。結(jié)合計(jì)算機(jī)網(wǎng)絡(luò)的狀態(tài)圖，人工智能會(huì)運(yùn)用適用的邏輯推理技術(shù)對(duì)知識(shí)結(jié)構(gòu)進(jìn)行全方位的構(gòu)建。只有網(wǎng)絡(luò)之中的各個(gè)空間的各個(gè)狀態(tài)，都得到全方位的檢索，才能保證求解的最優(yōu)化。當(dāng)然，計(jì)算機(jī)網(wǎng)絡(luò)上存在著不同的空間，那么選擇的搜索方法也會(huì)有所差別。