上海代写论文网专业提供代写毕业论文、代写本科论文服务
计算机网络中大数据和人工智能的运用
发布时间:2021-11-04

  摘    要: 阐述大数据与人工智能在计算机网络技术中的应用策略,此研究能够使人工智能与计算机网络技术结合得更加紧密,为资源整合和高效运行的可持续化带来启示。

  关键词 :     大数据,人工智能;计算机网络:计算机网络,

  Abstract: This paper expounds the application strategy of big data and artificial intelligence in computer network technology. This research can make the combination of artificial intelligence and computer network technology more closely, and bring enlightenment to the sustainability of resource integration and efficient operation.

  Keyword: big data; artificial intelligence; computer network; computer network;

  0 、引言

  网络时代如何做好对信息资源的收集、分析与运用,是近年来人工智能技术研究的重点。引入大数据后,人工智能技术与信息资源的对接精准率极大地提高。

  1 、基于大数据的人工智能在计算机网络中的优势

  安全性能大幅提高,网络性能趋于稳定。人工智能出现后,首要解决的问题是网络信息的安全。大数据不间断地在网络监控与控制系统中进行监测,实时获取数据,将收集到的信息传输给人工智能系统,从而起到控制网络信息安全的目的。其次,计算机网络技术愈加发达,网络犯罪的数量就会愈加增多。计算机只有具备灵敏的观察力和迅速的反应力,才能够有效阻断网络犯罪行为。人工智能技术可以构建智能化的系统,对计算机网络存在的故障进行针对性检查与检验,还能针对一些不确定的信息进行分析。

  推理能力不断提高,加速构建管理机制。人工智能可以从最底层的信息中获得有用的数据,然后使用各种推演方法精准化的分析信息,贯通信息的通道,把有价值的结果运用到后期的计算机网络当中。在整个过程中,人工智能最卓越的表现集中在对非线性问题的解决上。它通过模拟的方式对出现的问题进行解决,又借助大数据背景予以处理,最大程度满足了实效使用的需求。

  2 、大数据与人工智能在计算机网络中的应用

  2.1 、入侵检测系统

  大数据背景下的网络信息资源的分布特征与共享特质决定了其更易受到攻击,使网络安全受到巨大的威胁。传统的网络管理会采用以防火墙为核心的被动管理模式。该模式的巡查成本高,防御功能弱,且损毁的网络资源无法弥补。因此需要依托人工智能中的人工神经网络技术建设入侵检验系统。该系统应该包含事件发生器、事件分析器、事件数据库、相应单元等多个内容。将构建的重点从以往的防御转变为数据的收集与分析。
 

计算机网络中大数据和人工智能的运用
 

  系统构建完成后,其具体的工作原理是:数据手机模块常态化获取和监测所有流经计算机网络的数据,预处理模块进行分析处理,将与数据流转特征相符合的向量推送到数据库,数据库的神经网络系统会加以识别,自动分发到神经网络的分类模块做进一步的特征向量分析处理,由此判定进入的数据的安全性能。一旦确定这个数据具有入侵性,随即就对计算机网络系统的操作用户发出警告指令,同时系统会将攻击信息提取出来记录在日志文件中,为事后的管理系统取证提供依据。那些被判定没有入侵性质的数据则会直接进入数据样本库,为后续神经网络系统的完善提供依据(如图1)。

  图1 入侵监测系统工作原理
图1 入侵监测系统工作原理

  该入侵检测系统因为是以人工神经网络为基础的,所以不需要对知识库进行实时更新,也可以对相似度极高的信息成功的加以辨别,再加上推广和使用成本很低,完全有条件被大面积普及。但是在实际的使用过程中,还是需要着重训练人工神经网络系统,以此保持系统识别的敏锐度,让防御效果能够保持在一个恒定的水平。

  2.2 、协同防御系统

  在计算机网络安全领域下,人工智能在网络安全态势中的评估与框架构建课题受到了越来越多的重视。通过对攻击者身份、攻击意图、攻击速度、入侵行为和威胁的内部分析,得到的结论是:计算机网络平台面临的攻击是以协同模式呈现的。基于这个客观事实,以及对单点孤立防御手段缺陷的分析,必须构建相应的协同防御体系,将信任管理的方式引入进来,提高防御系统的整体性能。

  计算机网络系统的启动是在一个绝对安全的环境下实现的,我们可以称之为信任启动模型。这个模型包括三类模块:MA(管理Agent)、EA(评估Agent)以及NA(新入Agent)。假设MA测定NA是可信赖的对象,则MA需要负责完成NA的注册登记、信任更新、初始信任值分配等一系列工作。在Agent加入防御系统后,原有的Agent对其还不了解,MA就要选择可信赖的EA向NA发送测试指令。然后根据NA的完成情况对其做出信任类型的初步判断,为其分配相应的初始信任值。

  NA也有一个自运行机制,会根据EA发出的测试指令,选择更有利于Agent的内容进行测试,然后通过测试结果决定是否与MA合作。(1)为了提高计算机网络系统的整体运行性能,信任启动模块中会分别设计执行成本上界和执行成本下界两类任务,而Agent为了获得更好的初始信任值,通常会选择成本下界。(2)NA会给MA一些信息数据,让MA判定NA可以承受的防御任务成本范围,给NA发出匹配的测试。(3)在完成测试后,EA会从NA所在的初始信任值区间内随机选择一个信任值作为NA的临时信任值。(4)根据临时信任值确定防御的成本,既要确保执行任务时足够使用,又要足以清晰地判定双方的合作匹配度。接下来,如果确定可以合作,则协同防御平台构建完成。如果NA和MA的合作类型不匹配,则中止(拒绝)协作平台的建立。

  协同防御平台的构建是一个双向的过程,三类模块需要周而复始的在测试和验证之间进行信任匹配,其最终的目的是为了借助人工智能技术提高计算机网络的安全性能。

  2.3 、人工免疫系统

  计算机网络系统最容易出现的就是木马病毒。在一项针对网络安全性能的监测统计中显示,木马病毒会通过硬件、软件、邮件等任何一种形式入侵计算机网络系统。当人工智能技术引入到计算机网络系统中后,生物体免疫系统、人工免疫技术等也就被顺势引入进来,让其自适应性、广泛分布性和强记忆性等在计算机网络系统的木马检测和拦截中发挥作用了。这一整套机制发挥的原理是:以时间为轴对信息资源做离散化处理,结合进程资源的使用情况得到计算机系统序列,让计算机网络系统中的信息资源集约式管理,降低了管理的成本,也为取用监测提供了便利条件。在此基础上引入人工免疫,以抗原决定基定义系统资源,通过综合分析资源的状况,得到人工免疫和抗体本原之间的关系,这是一个长长的序列集合,序列集合中有很多相关性比较大的比值,它们需要一一进行比对,以此筛选出被淘汰的自体抗原,构建成让人工免疫系统。人工智能技术和免疫技术在针对木马病毒时产生的一个独立的模块,它的针对性很高,还能支持交互式通信,所以内容极为细化,如包含了安全日志、人机交互、通信连接口、管理控制等内容。

  2.4、 管理评价系统的运用

  人工在更多的层面完成的是方向构建与内容引导的工作。因此有必要构建一个行之有效的专家型知识库,更便捷、更高效的运用人工智能化的方式对计算机网络技术中相关的内容进行处理。考虑到人工在信息数据处理上的有限性,专家型知识库的组件重点应该放在以人为本的管理方面。通过构建完整的管理机制,支撑知识库的效能运行。

  3 、结语

  本文分析了大数据和人工智能的异同,总结了大数据背景下人工智能在计算机网络技术中运用的优势,详细列举了使用的策略,为科学合理的运用提供了横纵二切面,也督促着研究人员针对人工智能以及计算机网络技术进行深入的研究,推动这项事业良性且可持续的循环发展。

  参考文献

  [1]胡晓君大数据时代人工智能在计算机网络技术中的应用[J]信息系统工程2017(09):95.
  [2]张彬探讨人工智能在计算机网络技术中的应用[J]软件, 2012,33(11):265-266.

对应分类:
版权所有:上海论文网专业权威的论文代写、论文发表的网站,秉承信誉至上、用户为首的服务理念,服务好每一位客户
本站部分论文收集于网络,如有不慎侵犯您的权益,请您及时致电或写信告知,我们将第一时间处理,邮箱:shlunwen@163.com