GABP神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)方面的實(shí)施分析

閆馳

摘要：計(jì)算機(jī)網(wǎng)絡(luò)的普及，為人們的工作和生活提供了很大的便利，但是其也帶來(lái)了相應(yīng)的信息安全問(wèn)題，做好計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)工作非常重要。常規(guī)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)可以借助防火墻、殺毒軟件等實(shí)現(xiàn)，而在面對(duì)復(fù)雜的計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)用領(lǐng)域時(shí)，需要采用具備良好可操作性，適用范圍更廣的安全評(píng)價(jià)方法。該文就GABP神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)方面的應(yīng)用實(shí)施進(jìn)行了討論，希望能夠?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)安全管理提供參考。

關(guān)鍵詞：GABP神經(jīng)網(wǎng)絡(luò)算法;計(jì)算機(jī)網(wǎng)絡(luò);實(shí)施

中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）27-0070-02

計(jì)算機(jī)網(wǎng)絡(luò)開(kāi)始滲透到人們?nèi)粘Ｉ畹姆椒矫婷?，?jì)算機(jī)網(wǎng)絡(luò)在發(fā)展中，也面臨著相應(yīng)的安全問(wèn)題，尤其是在計(jì)算機(jī)網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大，網(wǎng)絡(luò)結(jié)構(gòu)越發(fā)復(fù)雜的情況下，網(wǎng)絡(luò)安全漏洞也在不斷增長(zhǎng)，一些不法分子可能會(huì)利用這些漏洞進(jìn)行信息的竊取和破壞，嚴(yán)重影響了網(wǎng)絡(luò)信息安全。

1 神經(jīng)網(wǎng)絡(luò)和GABP神經(jīng)網(wǎng)絡(luò)算法概述

1.1 神經(jīng)網(wǎng)絡(luò)概述

神經(jīng)網(wǎng)絡(luò)（Neural Networks，NNS）是一種特殊的算法數(shù)學(xué)模型，能夠?qū)?dòng)物神經(jīng)網(wǎng)絡(luò)的行為特征進(jìn)行模仿，實(shí)現(xiàn)分布式并行信息的有效處理。神經(jīng)網(wǎng)絡(luò)本身能夠依靠系統(tǒng)的復(fù)雜程度，借助內(nèi)部節(jié)點(diǎn)相互連接關(guān)系調(diào)節(jié)的方式，達(dá)到預(yù)期的信息處理目標(biāo)。依照模型結(jié)構(gòu)，可以將人工神經(jīng)網(wǎng)絡(luò)分為兩種不同的類型，一種是前饋型網(wǎng)絡(luò)，從數(shù)學(xué)角度可以將其認(rèn)定是一種規(guī)模較大的非線性映射系統(tǒng)，也被稱為多層感知機(jī)網(wǎng)絡(luò);另一種是反饋型網(wǎng)絡(luò)，屬于大規(guī)模非線性動(dòng)力學(xué)系統(tǒng)，也被稱為Hopfield網(wǎng)絡(luò)。依照學(xué)習(xí)方式，可以將神經(jīng)網(wǎng)絡(luò)分為非監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)、半監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)和監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)。

1.2 GABP神經(jīng)網(wǎng)絡(luò)算法

GABP神經(jīng)網(wǎng)絡(luò)算法是遺傳算法（GA）和BP神經(jīng)網(wǎng)絡(luò)算法的結(jié)合，GA算法是一種借鑒生物界進(jìn)化規(guī)律提出的算法，能夠借助數(shù)學(xué)的方式，通過(guò)計(jì)算機(jī)仿真運(yùn)算，將數(shù)學(xué)問(wèn)題的求解轉(zhuǎn)化成類似于生物進(jìn)化中的染色體基因交叉變異過(guò)程，在面對(duì)優(yōu)化組合問(wèn)題時(shí)，GA算法能夠更快的得到最優(yōu)結(jié)果，因此被廣泛地應(yīng)用在組合優(yōu)化、信號(hào)處理、自適應(yīng)控制等領(lǐng)域。BP神經(jīng)網(wǎng)絡(luò)算法是以BP神經(jīng)網(wǎng)絡(luò)現(xiàn)有的算法為基礎(chǔ)，任意選擇一組權(quán)值，將給定的目標(biāo)輸出直接當(dāng)成是線性方程中的代數(shù)和，進(jìn)行線性方程組的構(gòu)建，并通過(guò)解方程組的方式，得到待求權(quán)，能夠?qū)鹘y(tǒng)方法收斂速度緩慢、局部極小等問(wèn)題進(jìn)行解決。

2 GABP神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)方面的實(shí)施

2.1 算法系統(tǒng)設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果可以分為四個(gè)矩陣，矩陣輸入節(jié)點(diǎn)為i，隱含節(jié)點(diǎn)為j，輸出節(jié)點(diǎn)為K，則存在：

借助GA算法，能夠?qū)P神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，整合優(yōu)化過(guò)程可以通過(guò)上述矩陣進(jìn)行。

在針對(duì)基于GABP神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)安全評(píng)價(jià)系統(tǒng)進(jìn)行設(shè)計(jì)時(shí)，需要將關(guān)注的重點(diǎn)放在幾個(gè)方面：

首先是輸入模塊。輸入模塊實(shí)際上不僅僅負(fù)責(zé)數(shù)據(jù)的輸入，還需要對(duì)數(shù)據(jù)進(jìn)行初步處理，可以將其分為兩個(gè)子模塊，在數(shù)據(jù)輸入模塊中，需要確定好初始指標(biāo)，將其指定到入選體系內(nèi)，結(jié)合安全系統(tǒng)的實(shí)際需求以及相關(guān)政策法規(guī)，對(duì)初始狀態(tài)下的指標(biāo)體系集進(jìn)行明確，依照形成的體系集來(lái)對(duì)數(shù)據(jù)采集系統(tǒng)進(jìn)行構(gòu)建。

其次是運(yùn)算模塊。運(yùn)算模塊同樣可以分為兩個(gè)子模塊，一是指標(biāo)分析模塊，能夠從數(shù)據(jù)指標(biāo)的角度進(jìn)行分析，將數(shù)據(jù)和指標(biāo)的相互關(guān)系體現(xiàn)出來(lái)，借助這個(gè)關(guān)系，可以對(duì)指標(biāo)數(shù)據(jù)的特性進(jìn)行分析，也可以對(duì)指標(biāo)群類組合特性進(jìn)行研究;二是評(píng)價(jià)模型分析模塊，能夠?qū)ο到y(tǒng)安全狀態(tài)進(jìn)行描述，把握系統(tǒng)中存在的安全問(wèn)題，提出相應(yīng)的預(yù)警。

然后是輸出模塊。在復(fù)雜的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)系統(tǒng)中，輸出模塊需要包含多個(gè)目標(biāo)子模塊：一是安全監(jiān)測(cè)模塊，能夠?qū)τ?jì)算機(jī)網(wǎng)絡(luò)當(dāng)前所處的安全狀態(tài)進(jìn)行評(píng)價(jià);二是安全預(yù)警模塊，可以從計(jì)算機(jī)網(wǎng)絡(luò)的實(shí)際情況出發(fā)，隨時(shí)開(kāi)展預(yù)警處理，對(duì)可能出現(xiàn)的安全問(wèn)題進(jìn)行提示報(bào)警;三是安全控制模塊，能夠?qū)Πl(fā)送的安全預(yù)警信息進(jìn)行判斷，結(jié)合制定出的規(guī)范化安全指標(biāo)，實(shí)現(xiàn)管理控制，保證系統(tǒng)運(yùn)行的安全性和穩(wěn)定性;四是直觀顯示模塊，能夠?qū)⑾到y(tǒng)中存在的安全問(wèn)題借助圖表等形式，直觀展示出來(lái)。

最后是定性定量。在數(shù)據(jù)輸入環(huán)節(jié)，借助相應(yīng)的參數(shù)運(yùn)作情況，對(duì)安全系統(tǒng)的演化形式進(jìn)行分析，經(jīng)由相應(yīng)的分析模式，得到變化規(guī)律不同的參數(shù)，并對(duì)其進(jìn)行分類評(píng)價(jià)。在分類評(píng)價(jià)過(guò)程中，因?yàn)椴煌蛩氐挠绊?，?huì)引發(fā)各種各樣的定性及定量問(wèn)題，而想要對(duì)這些問(wèn)題進(jìn)行解決，必須關(guān)注問(wèn)題的類型。就目前而言，神經(jīng)網(wǎng)絡(luò)尤其是BP神經(jīng)網(wǎng)絡(luò)在解決復(fù)雜計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)問(wèn)題方面，發(fā)揮著非常積極的作用。

2.2 算法系統(tǒng)實(shí)現(xiàn)

2.2.1 做好權(quán)系編碼

從目前來(lái)看，神經(jīng)網(wǎng)絡(luò)權(quán)系數(shù)編碼采用的多是實(shí)數(shù)編碼或者二進(jìn)制編碼的方式，從方便遺傳算法實(shí)施的角度，很多時(shí)候二進(jìn)制編碼是最佳選擇，不過(guò)若神經(jīng)網(wǎng)絡(luò)中存在有多維高精度的數(shù)值需求，二進(jìn)制編碼可能在部分層面出現(xiàn)一定缺陷和問(wèn)題，影響整個(gè)編碼過(guò)程的順利實(shí)施。而在對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全進(jìn)行評(píng)價(jià)的過(guò)程中，得到的變量數(shù)量在100個(gè)左右，如果盲目地選擇二進(jìn)制編碼來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)系數(shù)進(jìn)行編碼，則可能無(wú)法達(dá)到最佳的執(zhí)行狀態(tài)?；诖耍瑥臐M足計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)需求的角度，在借助GABP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建相應(yīng)評(píng)價(jià)系統(tǒng)的過(guò)程中，可以選擇實(shí)數(shù)編碼，即借助實(shí)數(shù)的方式，將神經(jīng)網(wǎng)絡(luò)中不同的連接權(quán)值表示出來(lái)，配合相應(yīng)的遺傳操作，能夠同時(shí)完成兩組實(shí)數(shù)的直接操作，也可以將染色個(gè)體直觀的展示出來(lái)。

2.2.2 關(guān)注函數(shù)處理

遺傳操作環(huán)節(jié)，需要同時(shí)針對(duì)多個(gè)個(gè)體進(jìn)行操作，使得個(gè)體可以組成相應(yīng)的群體，需要注意的是，在這個(gè)過(guò)程中，需要從群體多樣性的角度，做好對(duì)于種群規(guī)模的嚴(yán)格控制。為了能夠進(jìn)一步提升GA算法的檢索效率，在對(duì)群體進(jìn)行初始化操作時(shí)，必須保障問(wèn)題空間分布的均勻性，將所有可能存在的影響因素全部考慮在內(nèi)。種群大小popsize可以選擇50，依照實(shí)際情況將元素取值范圍限定在[-1，1]，在這個(gè)范圍內(nèi)隨機(jī)獲取一個(gè)數(shù)值作為初始值，構(gòu)建起相應(yīng)的初始種群。

對(duì)照實(shí)際情況分析，當(dāng)神經(jīng)網(wǎng)絡(luò)中隱含層節(jié)點(diǎn)數(shù)量增加時(shí)，網(wǎng)絡(luò)訓(xùn)練誤差也會(huì)隨之減小，當(dāng)節(jié)點(diǎn)數(shù)量達(dá)到5及以上時(shí)，網(wǎng)絡(luò)訓(xùn)練誤差雖然依然會(huì)減小，不過(guò)減小的速率會(huì)逐漸趨于穩(wěn)定，預(yù)測(cè)模型的誤差也會(huì)逐漸變小。從這個(gè)角度分析，伴隨著隱含層節(jié)點(diǎn)數(shù)量的增長(zhǎng)，神經(jīng)網(wǎng)絡(luò)本身的學(xué)習(xí)能力也會(huì)逐漸得到增強(qiáng)，繼而帶動(dòng)模型理解能力的強(qiáng)化。在隱含層節(jié)點(diǎn)的數(shù)量達(dá)到一定程度后，能夠?qū)崿F(xiàn)對(duì)于各類誤差的有效控制，但是也會(huì)在一定程度上影響網(wǎng)絡(luò)所具備的預(yù)測(cè)能力，換言之，若隱含層節(jié)點(diǎn)數(shù)量過(guò)多，導(dǎo)致神經(jīng)網(wǎng)絡(luò)過(guò)度飽和，則會(huì)引發(fā)學(xué)習(xí)因子過(guò)剩的情況，導(dǎo)致噪聲的出現(xiàn)，使得網(wǎng)絡(luò)整體性能受到很大影響。隱層節(jié)點(diǎn)的數(shù)量在5-8之間時(shí)，預(yù)測(cè)誤差與訓(xùn)練誤差的組合能夠達(dá)到最佳狀態(tài)。

2.2.3 研究結(jié)論分析

本文主要從兩個(gè)方面進(jìn)行研究：一是網(wǎng)絡(luò)結(jié)構(gòu)要素評(píng)估，核心體現(xiàn)在計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)保密性評(píng)估方面，基于GABP神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)估中，相應(yīng)的態(tài)勢(shì)評(píng)估結(jié)果如圖1所示。結(jié)合圖1分析，在該網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中，態(tài)勢(shì)值呈現(xiàn)出了持續(xù)下降的趨勢(shì);二是網(wǎng)絡(luò)整體安全綜合性評(píng)估，這里采用了歷史增量平均模型進(jìn)行評(píng)估，對(duì)應(yīng)的態(tài)勢(shì)評(píng)估結(jié)果如圖2所示。結(jié)合圖2分析，在相應(yīng)時(shí)期內(nèi)，網(wǎng)絡(luò)的綜合整體安全性態(tài)勢(shì)始終處于相對(duì)較高的位置，計(jì)算機(jī)網(wǎng)絡(luò)的安全綜合性能整體表現(xiàn)為連續(xù)抬升的趨勢(shì)。

3 結(jié)束語(yǔ)

無(wú)論是病毒還是其他網(wǎng)絡(luò)攻擊，都會(huì)嚴(yán)重影響計(jì)算機(jī)網(wǎng)絡(luò)的運(yùn)行安全，而網(wǎng)絡(luò)本身的復(fù)雜性以及不同攻擊方式之間的相互聯(lián)系，使得常規(guī)的計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)估方法暴露出很多不足，無(wú)法得到準(zhǔn)確可靠的評(píng)估結(jié)果。以GA遺傳算法和BP神經(jīng)網(wǎng)絡(luò)算法為支撐，就GABP神經(jīng)網(wǎng)絡(luò)算法在計(jì)算機(jī)網(wǎng)絡(luò)安全評(píng)價(jià)中的應(yīng)用進(jìn)行了研究，以此為基礎(chǔ)，對(duì)計(jì)算機(jī)網(wǎng)絡(luò)安全態(tài)勢(shì)進(jìn)行了評(píng)估，也取得了比較理想的效果。

參考文獻(xiàn)：

[1] 劉三滿，賈王晶.基于神經(jīng)網(wǎng)絡(luò)算法的網(wǎng)絡(luò)安全檢測(cè)和防護(hù)[J].山西電子技術(shù)，2020（6）：48-51.

[2] 李康.多模態(tài)特征融合的網(wǎng)絡(luò)安全態(tài)勢(shì)評(píng)估[J].電子科技，2020，33（12）：28-31.

【通聯(lián)編輯：代影】