本站小編為你精心準備了計算機中神經網絡的應用分析參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

【文章摘要】

社會經濟的發展以及科學技術的進步，推動了網絡技術的發展。但網絡技術在便利人們生活的同時，也為攻擊網絡提供了方便，為了有效保證計算機網絡的安全，必須要建立和完善計算機網絡安全評價體系，充分應用神經網絡，發揮出其應用的價值。一般而言，神經網絡作為一種智能人工算法技術，其具有自學習、自組織及自適應的能力，其在計算機網絡安全評價中的應用，能夠將計算機網絡安全的風險進行有效降低，降低損失。本文就對計算機網絡安全評價中神經網絡的應用進行深入分析和探討。

【關鍵詞】

計算機網絡安全評價；神經網絡；應用

網絡技術的發展，使得計算機被廣泛應用在人們的生產生活中。但是計算機技術在實際應用中存在較多的安全隱患，如黑客入侵、安全漏洞以及病毒傳播等，這些因素嚴重影響了計算機的安全運行。一般而言，在計算機網絡中，傳統的安全評價方法，其具有較為復雜的操作，無法對影響因素與安全評價結果間的關系進行準確描述，致使其安全評價結果的準確度不高。在計算機網絡安全評價中，神經網絡能形成非線性自適應的動態系統，其能快速適應環境，對自身的規律進行總結，從而進行運算、識別及控制等操作，提高工作效率。

1神經網絡概述

神經網絡模型最早提出是在20世紀40年代初期，其基礎是人體腦部對信息的處理，并充分利用數學模型，從而對生物神經元以及腦細胞結構的生理基本特征進行研究。其次在1958年，計算機科學家以神經網絡模型為基礎，增加了學習機制，在工程中應用神經網絡技術理論，并提出感知器神經網絡模型。其能及時識別聲納波，對敵方潛水艇的位置進行準確定位。上世紀80年代，科學家利用映射的拓撲性質，借助計算機，提出了映射自組織網絡模型。1982年科學家對自組織神經網絡的全局及局部的穩定性進行分析，了解到神經網絡模的實質，其是一組微分非線性方程。此外，由于神經網絡是新興領域，因此我國科學家開始對其進行長期研究工作。

2神經網絡在計算機網絡安全評價中的具體應用分析

神經網絡在計算機網絡安全評價中的具體應用，其主要表現在兩個方面：一是計算機網絡安全；二是計算機網絡安全的評價體系；三是BP神經網絡。

2.1計算機網絡安全分析計算機網絡安全，其是以先進的科學技術為依據，以網絡管理控制措施為前提，確保計算機在網絡環境中，有效保證數據信息的保密性、完整性以及可使用性。一般而言，計算機網絡安全主要包括物理安全和邏輯安全這兩類。其中物理安全是指計算機的系統設備以及相關設施，利用物理來進行保護，避免相關設施的破壞和丟失。邏輯安全是指計算機中數據信息的完整性、保密性以及可用性。計算機網絡安全，其包括對組網的硬件及系統網絡的軟件的控制管理，包括對資源的共享以及網絡服務的快捷簡便。由于計算機網絡自身的特色性，其具有自由性、國際性以及開放性，因此較易受到攻擊，如計算機軟件及硬件漏洞的攻擊、網絡通信協議的攻擊、物理傳輸線路的攻擊等就現階段而言，計算機網絡在安全方面還面臨著嚴峻的形勢，其他國家的黑客可以對計算機網絡進行攻擊，本地網絡用戶也可以對計算機網絡進行攻擊。許多計算機網絡對與用戶的技術等，沒有過多的限制，用戶能夠利用計算機在網上和獲取信息。

2.2計算機網絡安全評價體系分析為了確保計算機網絡的安全性，有效保證數據信息的完整性、保密性及可用性，必須要建立計算機網絡安全評價體系。其能對影響計算機網絡安全的因素進行科學合理及客觀全面地反映。在對計算機網絡安全進行評價時，其評價指標必須要充分考查各種影響因素，從而對評價信息進行準確反映，充分有效發揮出神經網絡的作用。

一般在計算機網絡安全評價體系中，其一級評價指標的組成包括管理安全、物理安全以及邏輯安全。其中管理安全評價指標包括安全組織體系、安全管理制度、人員安全培訓以及應急響應機制這4個二級指標。物理安全評價指標包括防電磁泄漏措施、網絡機房安全、供電安全、線路安全、容錯冗余以及設備安全這6個二級指標。邏輯安全評價指標包括數據備份、數據恢復、系統審計、訪問控制、軟件安全、數字簽名、防病毒措施、數據加密、入侵防范這9個二級指標。建立計算機網絡安全評價系統時，必須要遵循五個原則：其一是簡要性，一般計算機網絡安全評價體系中的各項指標，要簡單明了，層次分明，具有較強的代表性。其二是完備性，計算機網絡安全評價體系中的各項指標，必須要選取得當，能將計算機網絡安全中的主要特征進行全面完整地反映，從而保證評價結果的準確性以及可靠性。其三是獨立性，在對計算機網絡安全評價體系中的荷香指標進行選取時，要避免重復選擇，對指標間的關聯加以減少，從而對計算機網絡安全的實際問題進行準確具體體現。其四是準確性，計算機網絡安全評價體系中的各項指標，要能對計算機網絡安全的技術水平進行準確科學體現。其五是可行性，在建立計算機網絡安全評價體系時，必須要使其與實際的測評工作相符合，從而確保其操作和測評的順利進行。

2.3BP神經網絡分析在當前神經網絡模型中運用最為廣泛的就是BP神經網絡，其是以誤差逆傳播算法為依據，訓練的前饋多層網絡。一般來說，BP神經網絡為了有效減少網絡系統中的誤差平方和，通常采用最速下降法，并進行方向傳播，對網絡系統中的權值以及閾值進行調整。BP神經網絡模型的拓撲結構主要有輸入層、輸出層及隱層，每層神經元連接其相連的神經元，且彼此無反饋連接。就單層前饋神經網絡系統而言，其只適用于對線性可分問題進行求解；多層前饋神經網絡系統，其能對計算機網絡中的非線性問題進行求解。總體來說，BP神經網絡的非線性逼近能力較強，且算法也較為簡單，因此其能較易實現。

3結束語

神經網絡技術的發展，使得其在計算機網絡安全評價中的應用越來越廣泛。神經網絡技術具有外推性，容錯性以及適應性，能夠直接訓練數值和數據，進行自我調整來減少誤差，能有效保證計算機網絡安全評價結構的科學性和準確性，是一種可靠而有效的網絡安全評價方法。

【參考文獻】

[1]李忠武,陳麗清.計算機網絡安全評價中神經網絡的應用研究[J].現代電子技術,2014,10:80-82.

[2]原錦明.神經網絡在計算機網絡安全評價中的應用研究[J].網絡安全技術與應用,2014,04:52-53.

[3]耿仲華.計算機網絡安全評價中對于神經網絡的應用探究[J].網絡安全技術與應用,2014,09:87-88.

[4]祝永健.基于神經網絡的計算機網絡安全評價應用價值研究[J].計算機光盤軟件與應用,2014,22:179-180.

[5]馬妍.神經網絡在計算機網絡安全管理中的應用[J].計算機光盤軟件與應用,2013,21:168-169.

作者：方文超 單位：云南省紅河州蒙自縣紅河學院工學院