本站小編為你精心準備了計算機網絡安全評價思考參考范文，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。

摘要：

計算機網絡的安全評價是計算機操作和運行過程中的一個重要的環節。影響計算機網絡安全的因素有很多，例如硬件、軟件設備、計算機程序、操作方式、網絡環境等。傳統的計算機網絡安全評價是一個線性評價的過程，不能對各種影響因素進行綜合的評價，在評價的精度上也不高。神經網絡是在傳統評價方式上進行優化的一種評價手段，采用了更為合理的評價標準，然后通過專家打分的方式確定各個影響因素在評價指標中所占到的比重，最后得出計算機網絡的安全評價。

關鍵詞：

神經網絡；計算機；網絡安全評價；應用

伴隨著網絡技術的發展，計算機網絡安全的影響因素也在不斷增加，病毒、系統漏洞、黑客入侵等多種安全隱患對計算機的功能和操作都能產生了極大的影響。這些影響因素之間還會相互影響，形成錯綜復雜的非線性關系，給網絡系統安全性的定量評價帶來了極大的難度。計算機網絡安全的傳統評價方式采用的是線性評價的模式，在操作上較為復雜，且精度不高，已經無法在實際應用中發揮有效的作用。另一種專家評價方式則帶有較強的主觀性，且對專家自身的專業素質和工作經驗有著較高的要求，評價的結果往往難以驗證。神經網絡是近幾年發展起來的新型評價方式，它是由許多神經元組成的，能夠對網絡的安全性進行非線性的評價，并完成對網絡的簡單維護和控制，與傳統評價方式相比，神經網絡在評價精度和效率上都有較大的提高。

1神經網絡的特點及發展

神經網絡的提出是在上個世紀中期。生物學家和物理學家首次嘗試將兩個學科的研究結合起來，形成了神經網絡模型。這種模型是以人腦的神經網絡為模板，模擬了人腦處理信息和傳遞信息的過程。通過數學學科對網絡的結構、神經元的組成等進行研究，以及生物學對神經元的功能、作用原理等進行研究，成功模擬出了神經網絡模型。這一模型的提出為神經網絡在計算機安全評價方面的應用奠定了基礎。上個世紀中后期，計算機領域的專家將神經網絡的模型應用到了計算機網絡安全的研究上，并在原始模型的基礎上，增加了模型的感知功能，并與計算機技術進行了結合，在工程學領域進行了應用。神經網絡模型在計算機網絡上的應用能夠實現對聲波的檢測和識別，并且確定目標物的精確位置。這促進了神經網絡技術的進一步發展。上個世紀末，計算機專家又提出了一種新的映射網絡模型，利用映射中的拓撲結構，對計算機的功能進行了模擬。1982年，生物學家對神經網絡的性質進行了更深層的研究，從而發現神經網絡是一種非線性的結構，由此神經網絡為計算機網絡安全的評價提供了一條新的思路。

2計算機網絡安全評價體系概述

計算機網絡安全是現在人們關注的重點問題之一，所謂的計算機網絡安全就是指通過合理的措施確保計算機中的數據信息的安全性和可靠性。計算機網絡安全包括兩部分的內容，第一部分是邏輯安全,所謂的邏輯安全是指保證計算機中存儲的數據信息的完整性和安全性;第二部分是物理安全,所謂的物理安全是指要對計算機的硬件設施進行檢查，保證計算機的硬件設施、系統處于安全運行狀態，避免出現計算機硬件設施運行異常的情況。但需要注意的是計算機網絡安全不僅僅包括上述這些內容，隨著網絡技術的不斷發展，計算機網絡安全還應包括網絡信息共享的安全性。通過上述的分析不難發現，計算機網絡安全具有下述幾個特征。第一，計算機網絡安全具有一定的保密性，計算機網絡中傳輸的數據信息有很大一部分是需要保密的，因此為了保證網絡傳輸信息的安全，必須要加強計算機網絡安全建設；第二，計算機網絡安全具有一定的完整性，計算機中無論是存儲的數據還是傳輸的數據都應保證其完整性，這樣才能滿足相應的使用要求；第三，計算機網絡安全應具有一定的可控性，計算機網絡安全性應是處于可以控制的范圍內，如果不能滿足這一要求，則會影響計算機網絡的使用效果。近年來，隨著科學技術的不斷發展，計算機網絡安全面臨的挑戰愈加嚴峻，在這種情況下，必須要加強對計算機網絡安全的重視。計算機網絡安全評價是實現網絡安全保護的重要環節之一，只有對網絡中存在的安全隱患進行有效的評估和檢測，才能有針對性地制定解決方案，從而實現網絡的安全穩定運行。隨著評價方式的不斷豐富和評價標準的不斷完善，逐漸形成了一個完整的網絡安全評價體系。網絡安全評價體系的建立需要遵循一些基本的原則。首先是準確性原則，建立計算機網絡安全評價體系的根本目的就是要有效識別網絡中的安全隱患，確保網絡環境的安全可靠，評價的準確性直接影響了網絡安全維護的質量。其次是獨立性，要對網絡安全進行評價必須要有一定的安全標準，這就需要設置一系列的評價指標，各個指標之間都應當是相互獨立的，不應當在內容上產生重疊，防止指標之間的相互影響。第三是簡潔性原則，在確保評價準確的基礎上，要使評價的過程盡量的簡化，這樣才能提高評價的效率。第四是完善性原則，完善性就是要求指標應當包含對網絡安全性各個方面的評價，能夠從整體上反映出整個系統的運行狀態。最后是可行性原則，在選擇評價指標時應當考慮到指標能否在實際中進行操作和執行，因此，指標的設定應當盡量與實際操作結合起來。

3網絡安全體系的設定

根據網絡安全的狀況可以將計算機的網絡安全分為四個等級，分別是安全、有風險、有危險、非常危險。不同的安全等級可以采用不同的顏色進行標注。例如十分危險可以用紅色進行標注，表明網絡中存在極大的漏洞，需要立即進行處理。有危險可以用橙色進行標注，說明網絡中存在安全隱患，需要對網絡進行檢查，并進行一定的殺毒處理。有風險可以用黃色進行標注，說明網絡的運行的過程中出現了風險項，需要對網絡進行一定的檢測和調試，及時排除網絡中的風險項。安全可以用綠色來表示，說明網絡安全狀況良好，可以進行放心的使用。用顏色來表示不同的安全狀態是一種十分直觀的表示方式，能夠方便用戶在最短的時間內確認網絡的運行狀況。

4各評價指標的取值及標準化問題

計算機網絡安全評價由于各個指標所評價的因素不同，因此在指標的取值和標準上也有所不同。評價的方式主要有兩種，分別是定性評價和定量評價。這兩種評價方式的側重點有所不同，因此將兩項評價指標結合起來能夠更全面反映網絡的安全狀況。定量指標在進行取值時應當根據實際情況進行選取，不能對所有的定量指標采取一樣的評價指標。在進行標準化處理時則要將取值的范圍限定在0-1之間。對定性標準而言，采用專家打分的方式是較好的取值方式，不同的系統也要根據實際情況進行不同的等級評價。定性指標也應當進行一定的標準化處理。

5借助神經網絡建立計算機網絡安全評價的必要性

與傳統的算法相比，神經網絡算法有著明顯的優勢，例如，有較強的學習能力，能夠進行自我調解，精確度較高等。

5.1較強的適應性神經網絡具有良好的環境適應能力，當其處于輸入或輸出的狀態時，可以進行自我調節從而提高計算的精度，并對計算的過程進行反饋。

5.2容錯性神經網絡與傳統算法相比，最大的優勢在于它對噪音和不完善的信息具有較高的敏感度，這是由于神經網絡的每一個節點對應著網絡中的一個特征，當某一個節點中輸入的信息出現問題時，神經網絡能夠立即作出反應。

5.3可在線應用神經網絡運行的核心環節在訓練過程，因此在這一個階段會耗費較長的時間。一旦神經網絡完成這一個階段的工作后，就能快速的獲得計算結果，從而提高了安全評價的效率，能夠在在線系統的應用中獲得良好的效果。

6計算機網絡安全評價模型的設計

6.1輸入層輸入層的神經元節點數量應當根據計算機網絡安全評價指標的數量來確定。例如，當計算機安全評價模型中含有20個指標時，輸入層的神經元指標也必須為20個。

6.2隱含層絕大多數神經網絡的隱含層屬于單向隱含層。隱含層節點的數量直接決定著神經網絡的性能。當隱含層的數量過多時會導致神經網絡的結構過于復雜，信息傳輸的速率較低。當隱含層的節點數量較少時，神經網絡的容錯能力會減弱。因此，隱含層節點的數量必須進行合理地選擇。根據實際操作的經驗，通常隱含層的節點數量為5個時能夠起到較好的評價作用。

6.3輸出層輸出層的節點數量通常為2個，可以通過不同的組合方式來表示不同等級的網絡安全狀態。例如，（1，1）表示安全，（1，0）表示存在風險，（0，1）表示存在危險，（0，0）表示非常危險。

7計算機網絡評價的具體步驟

計算機網絡評價的具體過程分為兩個步驟：首先是構建計算機網絡安全評價體系，其次是使用粒子群優化的方法對BP神經系統進行優化，改善BP神經網絡自身的缺陷，提高其性能。BP神經網絡的優化方法有以下幾點：對BP神經網絡的目標量、函數等進行初始化；對粒子的初始速度、初始位置、動量參數等進行設置和調整；通過粒子群的集中來完善BP神經網絡的功能，對網絡的適應度作出評價；對每個神經元進行歷史適應度與當前適應度的對比，若當前的適應度是歷史最高時，就應當及時保存，并將此作為評價的標準；計算每個粒子的慣性；當粒子的位置和運動速率產生變化時，記錄粒子群之間的適應度誤差，并做好相應的記錄；對系統適應度的誤差進行統計。

8計算機網絡安全評價的原理

計算機的安全評價原理是依據相關的評價標準，先確定評價的范圍和內容，再根據網絡的實際運行狀況和安全狀態，對網絡中可能出現安全隱患的區域進行預測，并采取制定的標準進行評價，最終得到網絡安全等級。在這一過程中，合理地選擇計算機網絡的評價因素、建立正確的評價模型是關鍵的環節。計算機網絡是一個非線性的結構，安全漏洞的出現具有突發性和多變性。而神經網絡具有非線性的評價功能，用它來進行計算機網絡的安全等級評價是一種科學性較高的評價模式，能夠有效地提高評價的精度。

8.1計算機網絡安全評價指標體選擇計算機是一個十分復雜的體系，影響其安全等級的因素有很多，要確保安全評價的準確性就要建立起一個完善、合理的評價體系。計算機網絡安全評價指標的選擇應當從管理安全、物理安全、邏輯安全等幾個方面進行考慮，并采用專家系統對安全評價標準的選擇進行調整和確定，確定各個指標在最終的評價體系中所占的比重。

8.2計算機網絡安全指標的歸一化處理由于各個指標之間的評價方式有所不同，因此不同的指標之間是無法進行直接的比較的。為了便于進行指標之間的比較，并加快神經網絡的收斂速率，需要對指標進行歸一化處理。定性指標可以通過專家打分的方式進行歸一處理，定量指標則需要經過一定的公式計算進行歸一化處理。

8.3BP神經網絡算法BP神經網絡是當前最常用的一種神經網絡模型。它采用的是梯度下降的算法，可以對誤差進行反向計算，從而對網絡的閾值進行不斷的調整，減少計算的誤差。BP神經網絡具有強大的非線性逼近能力，計算方法較為簡單，但是也有一定的缺陷，例如容易陷入局部極值，從而防止了有效的收斂，此外，BP神經網絡還有全局能力不強的缺點，由于BP神經網絡采用的是反向傳播的下降算法，所以收斂速度極慢。

9神經網絡系統在計算機網絡安全中的應用

計算機網絡具有傳遞數據、分享信息的功能，當前已經在眾多領域進行了應用，包括商務、貿易、信息管理等。而網絡黑客則利用了計算機網絡的安全漏洞，對系統進行攻擊和入侵，并竊取了客戶重要的個人信息和商業信息，給用戶造成了極大的經濟損失，并對整個社會造成惡劣影響。神經網絡系統在計算機信息傳遞的過程中起到了過濾非法信息的作用。在網絡世界中，信息的傳遞是雙向的，而在神經網絡的模式下，信息的輸入和輸出都要經過神經網絡的過濾作用。神經網絡的三個組成部分，輸入層、輸出層、隱含層都對信息有過濾的作用，經過三層的過濾作用，信息的安全性有了更好的保障。在這三層中，隱含層起到了關鍵性的作用。輸入的信息都要先經過隱含層，在經過隱含層的處理后，再通過輸出層傳出。在信息傳輸的過程中，若發現信息存在異常，可以輸送回上一層進行信息的重新核對，信息重新進行上述的處理過程，直到確認信息無誤后才會輸出。神經網絡系統的應用極大地提高了網絡的安全性，從而為人們提供了一個良好的網絡環境。盡管神經網絡系統有上述的這些優點，但也存在一定的缺陷。雖然神經網絡的靈活性和適應性較強，但對缺失信息的反應不如傳統算法靈敏。在神經網絡中，一個節點只能反映一個網絡問題，一旦一個節點發生問題后，整個神經網絡都會作出相應的反應。神經網絡具有較好的延展性，可以容納多種類型的樣本數據。神經網絡還具有較好的學習適應能力，可以歸納總結運行過程中的運算規律，自動調節信息輸入輸出的形式，從而減少數據的誤差。神經網絡還能在有線網絡中進行應用，因此可以進行大范圍的推廣。大量的節點共同組成了神經網絡，相鄰的節點之間都是相互連接的，從而確保了信息傳遞的效率。神經系統能夠自動的調節節點之間的關聯，具有一定的智能化操作功能，還可以對問題進行簡單的分析。神經系統的結構較為復雜，在處理信息的過程中可以產生多種不同的組合類型，并從這些組合中優選出最佳的組合方式。但這種結構也會導致在信息處理的過程中一些細小的問題容易被忽視，在一定程度上影響信息處理的精度。一些復雜的數據采用神經網絡的處理方法速率會十分的緩慢。在輸入信息不斷增加的過程中，計算機內部的存儲壓力會顯著上升，進一步影響信息的處理速度。神經網絡與人工智能的功能還是存在一定的差距的，在性能和結構上還有進一步完善的空間。

10結束語

神經網絡是將生物學與數學進行結合的典范，將兩個學科的優勢充分的利用起來。神經網絡在計算機網絡安全評價中能夠起到良好的效果，可以在未來進行進一步的推廣應用。

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(9):11-13.

[2]鄭剛.計算機網絡安全評價中神經網絡的應用研究[J].網絡安全技術與應用,2014(7):33-36.

[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(2):86-88.

作者：李京 單位：遼寧師范大學海華學院