计算机网络安全评价中神经网络的构建

1引言

计算机网络技术已经逐渐发展成为广泛应用于人们日常生产生活的重要技术，而在实际的使用过程中，却难免要遇到安全隐患，例如黑客的入侵、安全漏洞和病毒传播等。在计算机网络安全的评价体系中，神经网络的应用以其能够形成非线性自适应动态系统的特点，迅速适应网络环境，进而实现对信息的运算、识别和控制功能，提高了计算机的工作效率和安全性。

2计算机网络安全的概念

计算机的网络安全，主要指的是针对网络信息浏览和操作等过程中的安全管理，以达到提高网络信息保密性、安全性的目的，维护使用者的合法权益，最终实现整个网络的顺利运行。我国当前的计算机网络安全问题通常涉及到信息安全、计算机网络技术等多个方面，而伴随计算机网络的日益普及，其网络信息的安全问题更加为人们所重视。例如，对于企业而言，其日常经营活动中往往会运用到计算机网络，因此要求网络必须具备核心技术，对企业信息实施保护和保密，维护重要内部信息的安全性，从而维护企业利益。即便是个人在使用计算机网络时，也同样需要网络对个人信息实施控制与保护，防止泄漏或被不法分子盗取，损害人民的权益和实际利益。

3神经网络概述

3.1概念

所谓神经网络，其模型建立的基础，是人体脑部的信息处理模式作为参考，然后运用数学模型，模拟生物的神经元、脑细胞结构，以及其生理特征，最终模拟获得该神经网络模型。此后，计算机专家则以此模型为基础，添加入编制好的学习机制，然后将其应用到实际工程中，最终开发出了感知器神经网络模型。该模型具备了声纳波的识别功能，可用于探测潜艇位置等实践中。经过进一步的深入研究，相关研究人员在其中运用了映射拓扑性质，在计算机的基础之上建立了映射自组织网络模型;继而通过分析研究生物自组织神经网络，确定神经网络模的实质，获得一组微分非线性方程，然后将神经网络应用于实际，最终形成了神经网络的系统性科学研究，例如具有一定代表性的BP神经网络。

3.2神经网络的优越性

神经网络建立的基础是生物大脑结构和工作原理，因而属于人工智能系统，该系统基于计算机网络内部大量节点的关系分析，发挥出方面优越的应用性能，主要包括以下方面：

3.2.1自学功能

神经网络系统能够进行自我学习，通过自动识别正在输入的信息，自行为操作者总结相关的规律，进而形成联想的模式。其优势即在于这种对于信息的识别能力，使系统能够在之后的工作中，进行独立自动运作，从而缩短操作人员的工作时间。现有计算机神经网络系统，甚至能够实现高于联想模式的预测功能，应用于证券市场中，系统可以基于对当前股市证券、市场经济和企业现状的研究分析，预测其未来的效益，从而企业未来的良性发展，提供了有力的智能支持。

3.2.2优化系统

神经网络同时还具备了自我优化的能力，可以自行提高计算机运转能力，同时帮助操作用户，针对某些问题提出解决方案。基于此，神经网络系统被建ส议应用于计算机的网络安全评价中，以发挥其自身的优越性能。

4计算机网络安全评价中神经网络的应用

4.1计算机网络安全评价体系的构建

4.1.1构建神经网络体系的必要性

基于神经网络的计算机网络安全评价保护是多元化的，由于其对于环境的适应力较强，因而能够迅速适应周围状况，并对自身进行调整，以降低误差。另外，神经网络的自我训练使其能够在计算机网络安全评价的体系中，实现自我总结和完善。此外，神经网络还具备了良好的容错性，对于一些不完整信息、噪声等并不敏感，因而在网络节点出现问题时，不会对神经网络的整体保护产生影响。且神经网络在进行自我训练之后，能够将正常的工作效率提升至常规的4～5倍。加上神经网络对于结果的获取高效快捷，因此更加便于使用，其各方面的设置也更加人性化。

4.1.2安全评价体系构成指标

计算机网络安全的一级评价，其中的指⌚标通常包括：管理安全、物理安全以及逻辑安全，具体如下：①管理安全评价指标时二级指标，分别为安全组织体系、安全管理制度、人员安全培训以及应急响应机制;②物理安全评价指标为二级指标，包括防电磁泄漏措施、供电线路、网络机房、容错冗余以及设备安全;③逻辑安全评价指标同样是二级指标，包括数据的备份、恢复，访问的控制、软件安全、防病毒措施、系统审计ฅ、数字签名、数据加密以及入侵防范。

4.2实现评价指标的标准化

不同的评价指标集，对于影响因素的描述也存在差异，因此需要在实施定量、定性评价时有所侧重。此外，应当合理运用科学的方法，对计算机的网络安全情况作出反应，因而一定程度上影响了指标的客观对比。因此，必须保持客观的态度，对评价指标的取值规则进行调整，以实现指标的标准化。在定量指标评价时，相关工作人员应当结合计算机网络系统的实际运行状况，对其进行客观评价与取值，进行科学的分析。此外，对于不同的评价指标，应当使用不同的衡量单位，有所侧重地进行标准化处理，将取值固定到一定范围内，通常在0～1之间。而为了实现定性指标评价，则通常会采用打分的方式来客观评价计算机的网络系统机型，定性指标评价标准化。

4.3基于神经网络的计算机网络安全评价构建

4.3.1服务器维护机制规范化构建

构建计算机网络安全评价体系，其首要的任务和硬件维护的关键，即在于服务器维护。在构建服务器维护机制规范化的过程中，应当注意避免不当服务器所可能造成的伤害，要求操作人员时刻警醒，保证及时清除网卡冗余，调整服务器的荷载，以维持服务器的平衡与稳定。

4.3.2云主机的建立

以神经网络为基础建立的计算机网络安全评价体系，需要快速打造安全云主机，用以集成包括了云锁服务安全软件的所有安全防护体系，从而达到突破传统服务器安防理念，实现对于用户的实时安全服务效果。因此，构建过程中需要在云主机中使用很多快捷自动安装软件，如MYSQL、PHP、ASP等。这些软件的共同点在于均适用于对网站数据库的实时管控、对于站点信息的实时监控，以及对于计算机各种软件温度进行的调节，和WebShell病毒查杀功能。如今的计算机网络安全系统已经首创了以C/S的神经网络架构为基础的应用体系，实现了计算机端和服务器之间的远程访问与控制功能，从而提升了计算机网络对于木马、病毒和恶意代码、恶意攻击等危害的防御能力，起到保护计算机服务器与网站安全的作用。

4.3.3安全管理和服务体系的建立

基于神经网络建立起来的计算机网络安全评价体系，其作用即在于在进行安全评价时，管理人员能够提供与评价标准判定相对应的具体内容、实施范围等信息，然后针对计算机安全状况、信息技术的关键点，实施研究与分析，运用评价方法测算其安全等级。计算机网络的安全级别评价，可以按照以下公式生成评价因子，基于神经网络的计算机网络安全评价级别公式如下：f=式中：xi-计算机网络安全评价中最主要的评价因子;f-计算机网络安全评价模型主体。管理人员应当结合实际，为计算机系统选取正确的评价模型主体与安全等级，进而依据系统要求，对神经网络安全管理体系采取必要的优化措施，以做到有备无患。

4.4建立并完善评价结果评语集

基于计算机网络安全评价指标特征，可建立评价结果评语集，按照网络安全等级差异，将该评语集划分为四个集合：①第一等集合设置为“安全”;②第二等集合设置为“较为安全”;③第三等集合设置为“不安全”;④最后一个等集合则设置为“很不安全”。此外，还可以对这些集合附以说明，从而有效地位计算机使用者提供便捷的方式，来了解计算机网络安全状况，提供良性服웃务。

5结语

神经网络技术在计算机网络安全评价中的应用，实现了评价体系的自动抽提功能，体现出了外推性、容错性、适应性等优势，满足了计算机网络的在线实用性要求，在有效提高计算机网络评价客观性、正确性的同时，为用户提供了安全的使用环境，确保用户能够通过网络获得可靠、有效的数据信息。

参考文献

[1]王强.基于神经网络的计算机网络故障诊断[J].信息与电脑：理论版，2015：157~158.

[2]王嘉佳.人工神经网络计算机仿真中matlab的应用[J].数字化用户，2014：46~47.

[3]孙蓓蓓.神经网络技术在计算机通信中的应用[J].煤炭技术，2014，33：202~204.