基于神經網絡的計算機網絡安全評價系統研究

肖 敏

（中國聯合網絡通信有限公司重慶分公司，重慶 400042）

基于神經網絡的計算機網絡安全評價系統研究

肖 敏

（中國聯合網絡通信有限公司重慶分公司，重慶 400042）

隨著社會信息化水平的不斷提升，計算機技術的應用范圍日益廣闊，不僅在文件處理、公司辦公中得到廣泛應用，還覆蓋到企業內部網絡與全球互聯網絡層面。計算機網絡在為人們提供工作便利時，也存在網絡安全隱患。因此，建立計算機網絡安全評價系統十分必要。文章基于神經網絡，提出構建計算機網絡安全評價系統的重要性，并設計出系統模型，旨在提高安全評價的實時性和準確性，促進我國計算機網絡安全的健康發展。

神經網絡；計算機網絡；安全評價；系統

隨著計算機技術的迅猛發展，病毒、漏洞等網絡安全問題頻發，影響計算機網絡安全的因素與安全評價結果存在非線性的關系。傳統的計算機網絡安全評價方法未明確結果與影響因素之間的關系，不具有準確性和實時性，操作流程較為復雜，例如：層次分析法、灰色模型法等。計算機網絡安全評價系統中的專家評價系統，結合專家的專業知識和工作經驗，評價缺乏一定的科學性，導致安全評價結果存在主觀性，未達到理想的評價效果。神經網絡是指由神經元連接形成的非線性自適應動態系統，基于神經網絡的計算機網絡安全評價系統對環境具有良好的適應性，可以根據工作規律進行過程識別與運算，通過自行處理模式，提高網絡安全運行效率。

1 計算機網絡安全評價系統的構建

影響計算機網絡安全的因素復雜多樣，為有效的解決網絡安全問題，對其進行安全的評價，需要構建計算機網絡安全評價系統。

1.1 計算機網絡安全評價系統的構建原則

根據真實的網絡安全技術水平設定計算機網絡安全評價指標，保證系統的準確性和實時性；確保安全評價指標的獨立性，降低評價指標之間的關聯度，避免重復現象以保證計算機網絡安全評價系統的客觀性；針對計算機網絡安全的基本特征，全面選取安全評價指標，合理的反映網絡安全評價結果；充分考慮計算機網絡安全評價系統的工作量和效率，選擇具有代表性的評價指標降低系統運行的工作量。

1.2 計算機網絡安全評價系統的指標取值與標準化

由于指標描述因素的區別，計算機網絡安全評價系統中包含兩種指標，分別是定性評價指標和定量評價指標。指標評價過程中需要根據計算機網絡安全的實際情況，進行科學合理的反映，規范評價系統的指標取值范圍，并采取標準化處理方式。定性評價的方式主要采用專家打分模式，對計算機網絡安全系統進行等級劃分。依據計算機網絡安全評價系統的實際情況，使用定量評價指標，確保有效的解決具體問題。由于衡量單位的不同，確定取值范圍位于0～1中再進行定量指標評價。為保證定性評價指標與定量評價指標進行有效比較，需要對定性評價指標采取標準化處理。

2 基于神經網絡的計算機網絡安全評價重要性

對比傳統的網絡模型，神經網絡對不完整信息的敏感度較低，因此神經網絡具有較高的容錯性，在噪音的工作環境中不易受到干擾。由于神經網絡的節點只反饋問題的具體特征，降低了不完整信息對其的不良影響。神經網絡的環境適應性較強，且具有良好的學習能力，在計算機網絡安全評價系統構建過程中，當神經網絡處于輸入或輸出模式時，其可通過自我調整降低誤差，再通過總結運行規律，實現自我訓練提升。雖然神經網絡在訓練過程中耗費的人力、物力、時間成本較高，但其工作效率得以提升，可以快速獲取結果，使用流程簡便快捷，具有可在線性，對計算機網絡安全評價系統的構建具有重要作用。

3 基于神經網絡的計算機網絡安全評價系統

BP網絡是神經網絡中應用范圍最廣的一項，本文將其作為主要研究對象，對基于神經網絡的計算機網絡安全評價系統展開研究。

3.1 計算機網絡安全評價系統模型設計

基于神經網絡的計算機網絡安全評價系統模型由三部分組成，分別是輸入層、隱含層、輸出層。其中輸入層中神經元節點的數量必須與計算機網絡安全評價系統中的指標數量保持一致。當計算機網絡安全評價系統中的二級指標是18個時，模型中的節點數量也要達到18個。計算機網絡安全評價系統模型設計的隱含層節點數量影響了神經網絡的性能，BP神經網絡主要采用單向隱含層，當隱含層中的節點數量過少時，會影響系統的容錯性，而當隱含層中的節點數量過多，會造成系統學習時間過長。為確保神經網絡下計算機網絡安全評價系統工作的穩定性，需要根據經驗公式確定隱含層的節點數量，結果表明節點數量為5個。根據計算機網絡安全評價系統的結果設計神經網絡的輸出層，將其節點數量設置為2個，其中，安全的輸出結果為（1，1）；基本安全的輸出結果為（0，1）；不安全的輸出結果為（0，1）；很不安全的輸出結果為（0，0）。

3.2 計算機網絡安全評價系統模型學習

計算機網絡安全評價系統模型需要通過神經網絡的學習和訓練，減小誤差，基于神經網絡的計算機網絡安全評價系統模型具有初始連接權值，通過有效的學習，保證計算機網絡安全評價結果與用戶要求達成一致。

3.3 計算機網絡安全評價系統模型驗證

對完成計算機網絡安全評價系統設計和學習步驟的模型進行系統驗證，選取其中的數據樣本，并輸入計算機網絡安全評價系統模型中進行驗證，保證系統的應用功能，當輸出結果與期望值保持一致時，證明該計算機網絡安全評價系統模型可以投入使用。

4 結束語

隨著神經網絡技術的應用與發展，其在計算機網絡安全評價中的應用范圍也不斷擴大。基于神經網絡的計算機網絡安全評價系統具有良好的容錯性、適應性等特點，根據計算機網絡安全的基本特征，真實地反映了網絡安全的評價結果，提高了計算機網絡安全評價系統的工作質量與效率。神經網絡在日益變化的信息化背景下還有待完善，本文希望通過加強對基于神經網絡的計算機網絡安全研究，提高我國的計算機網絡安全環境。

［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］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，（9）：55-55.

TP393

A

1671-3818（2016）10-0086-01