人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用

史晨瑩

（61623部隊，北京 100089）

0 引 言

21世紀(jì)已經(jīng)進入了智能化和信息化的時代，人們對計算機網(wǎng)絡(luò)技術(shù)的安全需求和突然需求已經(jīng)逐步提升，生活中已經(jīng)處處透著智能化的影子。人工智能（Artificial Intelligence，AI）技術(shù)的融入大大提高了人們的生產(chǎn)生活效率，為科學(xué)技術(shù)前沿領(lǐng)域拓展提供更多新的可能。人工智能與計算機網(wǎng)絡(luò)技術(shù)密切結(jié)合，以推動人工智能在計算機網(wǎng)絡(luò)中的應(yīng)用，充分發(fā)揮人工智能的關(guān)鍵性作用。

1 AI與計算機網(wǎng)絡(luò)技術(shù)的關(guān)系

AI是一種綜合性學(xué)科，它不僅涵蓋了計算機網(wǎng)絡(luò)技術(shù)，還包括生理學(xué)、心理學(xué)、語言學(xué)，能夠通過人類的編程，以先進的科學(xué)技術(shù)對人類社會進行模擬，向AI發(fā)出一系列的指令，進行自主學(xué)習(xí)，更好地服務(wù)于人類。AI主要發(fā)展經(jīng)歷了3個階段，包括邏輯推理、工作環(huán)境交互工作、自主學(xué)習(xí)能力[1]。

AI在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用不僅可以幫助人們做好模糊數(shù)據(jù)，對數(shù)據(jù)進行分類管理，實現(xiàn)新型的區(qū)域化和便捷性，還可以根據(jù)邏輯推導(dǎo)作用和系統(tǒng)分層管理等計算機網(wǎng)絡(luò)系統(tǒng)的功能，對各個信息進行協(xié)調(diào)調(diào)度，并進行智能化的處理，能夠大大提高數(shù)據(jù)管理的有效性和實際性，真正實現(xiàn)用戶的更深層次需求滿足[2]。

AI與計算機網(wǎng)絡(luò)技術(shù)是相互聯(lián)系、相輔相成的。AI可以設(shè)計研發(fā)出更多符合個性化需求和時代發(fā)展需要的計算機網(wǎng)絡(luò)技術(shù)，也可以讓計算機網(wǎng)絡(luò)技術(shù)滲透到各行各業(yè)當(dāng)中，利用自身經(jīng)濟的發(fā)展優(yōu)勢與各行業(yè)滲透結(jié)合，使其應(yīng)用領(lǐng)域得到更寬更深層次的延展[3]。計算機網(wǎng)絡(luò)技術(shù)的發(fā)展，也可以使AI尋求更多的發(fā)展方向，更深層次科技的發(fā)展，既可以為AI提供堅實的智力保障基礎(chǔ)，為提供好的模仿人類智慧思維助力，真正實現(xiàn)人性化發(fā)展，為人類服務(wù)。從二者的關(guān)系來看，AI在計算機網(wǎng)絡(luò)技術(shù)當(dāng)中應(yīng)用是必然的，也是必須的。

2 AI在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用

目前，互聯(lián)網(wǎng)信息化發(fā)展越發(fā)成熟，但信息安全卻受到網(wǎng)絡(luò)入侵、病毒入侵等挑戰(zhàn)。在此基礎(chǔ)上，通過AI技術(shù)優(yōu)化安全算法，實現(xiàn)各項數(shù)據(jù)優(yōu)化管理，提升數(shù)據(jù)處理效率和準(zhǔn)確度。

（1）AI具備更優(yōu)的信息深度特征，不僅有助于安全優(yōu)化過程中擴大信息規(guī)模，而且實現(xiàn)了網(wǎng)絡(luò)數(shù)據(jù)多樣化的特點[4]。

（2）AI具備管理性和穩(wěn)定性特征，在進行算法優(yōu)化調(diào)整過程中，有效增加了算法處理數(shù)據(jù)能力、數(shù)據(jù)交互性等，一定程度提升了網(wǎng)絡(luò)信息安全算法運行實現(xiàn)效率和準(zhǔn)確率。

（3）由于AI技術(shù)具備信息交叉驗證、大量數(shù)據(jù)分析等特征，當(dāng)網(wǎng)絡(luò)信息安全受到分布式入侵、密碼學(xué)入侵、協(xié)作入侵等攻擊時，AI技術(shù)通過機器學(xué)習(xí)算法深度優(yōu)化數(shù)據(jù)結(jié)構(gòu)類型、分析數(shù)據(jù)源信息、分析密碼資源信息，進而通過海量數(shù)據(jù)庫信息分類檢測分析后，實現(xiàn)安全保護系統(tǒng)的構(gòu)建等，以降低網(wǎng)絡(luò)信息遺失率，保障計算機信息系統(tǒng)更加穩(wěn)定、安全、高效的運行，同時協(xié)同優(yōu)質(zhì)算法分析實現(xiàn)信息安全[5]。

2.1 AI數(shù)據(jù)安全優(yōu)化算法及應(yīng)用優(yōu)勢分析

選取 KDDCUP99 網(wǎng)絡(luò)數(shù)據(jù)為安全算法對象，以AI及時性、高效性為技術(shù)基礎(chǔ)，通過機器學(xué)習(xí)算法對計算機網(wǎng)絡(luò)數(shù)據(jù)安全性、穩(wěn)定性、多樣性以及靈敏性等測試分析。在網(wǎng)絡(luò)數(shù)據(jù)安全運營中，病毒入侵是數(shù)據(jù)損害的主要來源，而AI面對入侵損害，能及時協(xié)同機器學(xué)習(xí)算法提前進行預(yù)估評判，相比較傳統(tǒng)數(shù)據(jù)安全算法，其工作效率、識別精度更為優(yōu)質(zhì)。

在網(wǎng)絡(luò)安全管理中，AI技術(shù)協(xié)同機器學(xué)習(xí)算法對網(wǎng)絡(luò)系統(tǒng)信息進行了解，進而實現(xiàn)對網(wǎng)絡(luò)不確定性信息可控，提升了數(shù)據(jù)安全性[6]。

在網(wǎng)絡(luò)信息安全實際應(yīng)用中，網(wǎng)絡(luò)安全算法在AI的輔助下，實現(xiàn)了對網(wǎng)絡(luò)數(shù)據(jù)安全的定期有效檢測，同時利用算法卷積運算能力，實現(xiàn)了在學(xué)習(xí)、數(shù)據(jù)處理過程等非線性方面解決問題能力的快速提升。

2.2 結(jié)果與分析

依據(jù)AI技術(shù)特征，選取ConversionMatrix 衡量網(wǎng)絡(luò)數(shù)據(jù)安全性能，并通過準(zhǔn)確率、精確率、召回率、真負(fù)率以及F度量（F-measure）等5方面進行算法優(yōu)化調(diào)整后安全性能評估分析。

（1）準(zhǔn)確率。圖1為傳統(tǒng)算法與基于AI的機器學(xué)習(xí)方法分析數(shù)據(jù)準(zhǔn)確性示意結(jié)果。通過圖1可知，傳統(tǒng)K均值聚類算法（K-means clustering algorithm，K-means）算法準(zhǔn)確性最低，為60.1%，優(yōu)化后機器學(xué)習(xí)方法 模糊光滑支持向量機（Fuzzy Smooth-Support Vector Machines，F(xiàn)S-SVM） 算法準(zhǔn)確性最高，為84.03%，兩者算法精度相差23.93個百分點，表明經(jīng)AI技術(shù)協(xié)同后機器學(xué)習(xí)算法對入侵式安全的檢測結(jié)果更優(yōu)，適用性和安全性更為出色[7]。

圖1 網(wǎng)絡(luò)數(shù)據(jù)傳統(tǒng)算法和機器學(xué)習(xí)算法間準(zhǔn)確率分析

（2）精確率。精確率是用于網(wǎng)絡(luò)安全性能比較的另一個重要參數(shù)，其精確率變化表明正確預(yù)測的攻擊與總預(yù)測攻擊的比率。比較分析后，支持向量機（Support Vector Machine，SVM）模型和FS-SVM 算法精度值分別為98.02%和97.98%，顯著優(yōu)于傳統(tǒng)算法精度。

（3）召回率。傳統(tǒng)方法與改進后方法比較示意圖如圖2所示。召回率指標(biāo)是分析預(yù)測的攻擊觀察值與實際攻擊等級中所有觀察值比率變化的重要指標(biāo)，通過圖2可知，機器學(xué)習(xí)FS-SVM 算法精度值最高（78.89%），與傳統(tǒng)方法相比，該方法具有較高的查全率，同時高召回率結(jié)果表明在網(wǎng)絡(luò)數(shù)據(jù)安全分析預(yù)測中，以對最相關(guān)數(shù)據(jù)進行了選取[8]。

圖2 傳統(tǒng)方法與改進后方法比較示意圖

（4）真負(fù)率。真負(fù)率參數(shù)是正確的正常預(yù)測與正常觀測總數(shù)比率的指標(biāo)。通過圖2可知，相較于傳統(tǒng)方法，AI模式下的機器學(xué)習(xí)算法真負(fù)率高達96.16%，相較于其余指標(biāo)結(jié)果更為出色，表明提出的模式也比傳統(tǒng)檢測到更多的正常數(shù)據(jù)。

（5）F度量。F 度量指標(biāo)用于測量分類器的有效性，同時該指標(biāo)明確精確性和召回率指標(biāo)加權(quán)平均值，F(xiàn)度量也稱為傳統(tǒng)測量或平衡F-score。它不僅考慮了假陽性和假陰性，而且提升了篩選類型，提升了數(shù)據(jù)安全性能。結(jié)果表明，該方法比傳統(tǒng)方法具有更高的故障檢測率，故障檢測率為87.41%，在入侵檢測評估參數(shù)的各個方面都有較好的性能。

以AI特征開展互聯(lián)網(wǎng)信息安全優(yōu)化算法研究，通過對AI技術(shù)的數(shù)據(jù)安全算法設(shè)計分析、數(shù)據(jù)集算法優(yōu)化分析和優(yōu)化調(diào)整后，通過Spark工具對傳統(tǒng)算法與AI技術(shù)的機器學(xué)習(xí)算法進行 5 項關(guān)鍵要素分析，并得到以下相關(guān)結(jié)論。

（1）Spark工具進行大數(shù)據(jù)入侵檢測時，具有優(yōu)化特征選擇的支持向量機F比傳統(tǒng)更適合于大數(shù)據(jù)入侵檢測。

（2）與傳統(tǒng)相比，準(zhǔn)確率、精確率、召回率、真負(fù)率和F-measure 等所有評估參數(shù)都顯示出更好的結(jié)果。

（3）與傳統(tǒng)相比，優(yōu)化的基于AI的機器學(xué)習(xí)算法所需的執(zhí)行時間更少，能有效實現(xiàn)數(shù)據(jù)分類管理、防止病毒入侵等，準(zhǔn)確地將數(shù)據(jù)分類為攻擊或正常[9]。

3 AI在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用展望

當(dāng)前AI已經(jīng)深入到人們生活的方方面面，生活中的每一臺電子產(chǎn)品都體現(xiàn)著AI以人性化為需求的發(fā)展標(biāo)準(zhǔn)。在當(dāng)前計算機網(wǎng)絡(luò)盛行的時代里，保護自身的信息安全，提高計算機系統(tǒng)運行的穩(wěn)定性，更深層次的延展計算機網(wǎng)絡(luò)技術(shù)，AI的加持是不可避免的。由于計算機網(wǎng)絡(luò)的普及，人們的工作和生活都越來越依賴于網(wǎng)絡(luò)結(jié)合AI[10]。用好計算機網(wǎng)絡(luò)，可以推動時代的發(fā)展，真正的讓人性化的需求和智能的科技，服務(wù)于我們的生活。相信不久的將來，更深層次地使AI與計算機網(wǎng)絡(luò)技術(shù)相互結(jié)合，打造更好的智能化時代。

4 結(jié) 論

綜上所述，隨著科技的發(fā)展，互聯(lián)網(wǎng)技術(shù)和AI技術(shù)都得到了前所未有的發(fā)展機遇。本文從AI與計算機網(wǎng)絡(luò)技術(shù)的關(guān)系入手，分析了AI在計算機網(wǎng)絡(luò)技術(shù)當(dāng)中的應(yīng)用，并提出了相關(guān)展望。