陳瑞
摘 要 在計算機網絡的應用過程中,網絡安全問題越來越突出。神經網絡應用在計算機網絡安全評價中起著極其重要的作用。基于此,分析研究了神經網絡在計算機網絡安全評價中的應用,并提出具體的措施提高計算機網絡安全評價的應用效率,對提高計算機網絡安全有重要的現實意義。
關鍵詞 計算機網絡安全;神經網絡;安全評價
中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708(2018)215-0112-02
1 構建計算機網絡安全評價體系一般原則
計算機網絡安全評價體系的構建才能科學客觀地反映計算機系統存在安全風險與安全隱患。因此,構建全面的合理的計算機網絡安全評價體系十分重要。經過對各種網絡安全因素的綜合考慮,在選擇計算機網絡安全評價體系指標時,要從多方面充分反映被評價的信息,在計算機網絡安全評價過程中要遵循全面合理的原則。
1)準確性原則。確保所有網絡安全評價體系的指標能夠準確反映計算機網絡系統的情況與安全風險。
2)完備性原則。要選擇合適恰當的網絡安全評價指標,這樣才能對計算機網絡安全的基本特征進行全面完整的反映,從而保證網絡安全評價體系評價結果的準確性與可靠性。
3)獨立性原則。要確保每個評價指標之間不會重復,還要盡可能減少評價指標之間的關聯性,這樣才能進一步確保計算機網絡安全評價體系真實準確地反映計算機網絡安全的實際情況,能夠有效避免評價指標之間的聯系性對評價結果的不利影響。
4)簡要性原則。要注意選擇具有一定代表性的指標要素,才能確保評價指標簡明扼要,方便操作人員確定評價結果。
5)可行性原則。要確保選擇的評價指標具有較強的可行性,方便工作人員進行操作與測評,提高工作效率。
按照這些原則構建的計算機網絡安全評價體系主要包括管理安全、物理安全以及邏輯安全三大部分構成的,在此評價內容基礎上,將神經網絡應用在計算機網絡安全評價過程中,計算機網絡安全評價效率與質量得到極大的提高,從而對計算機網絡安全有很大的幫助作用。
2 神經網絡的特點
在機器學習和認知科學領域,神經網絡(neural network)是一種模仿生物神經網絡(動物的中樞神經系統,特別是大腦)的結構和功能而形成人工智能網絡系統,神經網絡基于某種算法模型通過調節網絡節點之間的內部關系分析處理信息作用于計算機網絡中,發揮著巨大的作用,其較強的學習能力、分布式、并行性以及非線性等特點為應用于計算機網絡安全評價中奠定了良好基礎。
1)自學能力。先天因素的制約著大腦功能的發展,后天的學習及經歷可以極大地提升大腦功能。這一特性被神經網絡很好的模擬,通過信息數據的重復輸入,通過每次的實際應用學習到了經驗,為下次的應用打下良好的基礎。通過對樣本的學習,神經網絡分類、概括和聯想的能力也會極大的表現并應用到實際中。
2)分布式。在神經網絡中,單一的神經元及神經節點是不能發揮作用的,必須將其進行有效分布與組合才能表現出信息的基本特征。神經網絡的分布式特點可以將信息進行分散存儲,確保信息在神經元之間能夠有效的連接,并能完整全面的表現信息。因此,神經網絡的分布式特點是神經網絡在網絡安全評價中應用的重要特征。
3)并行性。神經網絡的并行結構特征主要指神經元接受信息后在進行處理過程中每個神經元之間是分開的,且神經元之間分別接受相應的信息進行處理,信息表現形式是并行的,不會發生交叉。且在分析處理信息時的順序也是并行的。這種并行性特征可以有效提高神經網絡處理信息的效率。
4)非線性。非線性特征可以實現神經網絡輸入與輸出的非線性映射,這樣可以使神經網絡對很多無模型的非線性關系進行模擬。是非線性系統中的重要的研究渠道。
當然,以神經網絡的特點為基礎將其應用在計算機網絡安全評價模型構建過程中,還要充分考慮神經網絡的評價原理,才能確保神經網絡在計算機網絡安全評價體系中得到更充分的應用。
要將神經網絡應用在計算機網絡安全評價中,必須遵循構建全面的合理的計算機網絡安全評價體系的原則,必須對神經網絡的特點有全面了解與掌握。
3 神經網絡在計算機網絡安全評價中的應用
神經網絡應用在計算機網絡安全評價中的應用主要集中在以下3方面:其一,利用神經網絡建立計算機網絡安全風險評估模型;其二,對神經網絡節點功能進行深入詳細的研究并加以應用到計算機網絡安全評價中;其三,利用神經網絡捕獲計算機主機模塊數據信息。具體應用過程如下。
1)基于神經網絡建立的計算機網絡安全風險評估模型。利用神經網絡建立計算機網絡風險評估模型是提高計算機網絡安全評價效果的重要過程,在實際建模中主要從以下3方面對其進行分析:
首先,建立以神經網絡為基礎的計算機網絡系統指標層。這一指標層的主要功能是顯示網絡攻擊的種類,利用神經網絡的正向學習功能分析網絡攻擊的數據信息,一旦發現數據信息的可疑之處后,就進行神經網絡的方向學習,查殺網絡中存在的病毒。在神經網絡正向學習過程中要獲取網絡攻擊數據對系統的安全性硬性以及網絡主機系統的脆弱性等要素,才能確保網絡安全風險判斷的準確性與有效性。
其次,建立以神經網絡為基礎的網絡主機風險計算。在這一計算過程中包含網絡系統的風險指數,風險指數可以真實有效地反映出網絡攻擊的危險程度與濃度等信息。
最后,建立以神經網絡為基礎的網絡層風險計算。神經網絡層的風險計算可以對整個網絡系統的風險進行評估與計算,直接獲取整個網絡的風險值。
2)神經網絡節點功能應用。以神經網絡為基礎的計算機安全風險檢測功能可以對整個網絡系統的安全風險進行檢測與評價,其檢測與評價方向主要有兩方面:其一,對計算機網絡主機的安全風險進行檢測。主機安全風險檢測是子系統,其主要功能是對網絡大環境的安全性進行檢測與評價。其二,對計算機網絡的安全風險進行檢測。計算機網絡安全風險檢測系統是核心檢測系統,一旦計算機網絡系統遭受病毒侵襲,神經網狀的網絡安全風險防范系統就會生成網絡病毒攻擊圖。
現階段,根據計算機網絡安全問題生成的神經網絡攻擊圖主要有以下兩種:第一種是屬性攻擊圖。這種神經網絡攻擊圖的計算機網絡安全防護功能主要是依靠屬性攻擊圖內的屬性節點、攻擊節點以及“邊”來實現的。在神經網絡中借助屬性攻擊圖可以實現對典型計算機網絡的訪問權限、計算機網絡數據的連接以及網絡數據間的相互信任關系等內容,對確保計算機網絡的安全性很有幫助。第二種是狀態攻擊圖。在神經網絡的實際應用過程中系統安全的要素節點會伴隨著系統的變化而發生變化。并且神經網絡的屬性攻擊圖與狀態攻擊圖存在一些差異,狀態攻擊圖的獨立性更像,是一種比較獨立的節點,因此,狀態攻擊圖單一節點在面對計算機網絡病毒攻擊時,具有較強的耐受力。而神經網絡的屬性攻擊圖的節點數量受到限制,在對網絡病毒進行攻擊的環節中節點數量不會隨意增加。
3)捕獲計算機主機模塊數據信息。在網絡使用過程中所包含的各種數據信息都可能存在病毒威脅等影響計算機網絡安全的因素。要利用神經網絡網卡的形式,檢測網絡主機的數據信息,向計算機網絡中不同的數據信息敞開大門,使不同種類的數據包都通過網卡進入到網絡系統中,利用神經網絡的數據安全評價功能對網絡節點中的數據信息進行檢測與分析,主動捕獲網絡中的數據包,然后將數據包按照隊列的形式進行排放與處理,并且在該模塊的功能完成后,還可以對使用的數據進行釋放與清除,從而確保主機數據模塊捕獲,通過這種方式能夠增強計算機網絡信息數據的安全性。
4 結論
總之,神經網絡技術的在計算機網絡安全評價體系中的應用能夠提高計算機網絡安全評價的及時性和準確性,對技術人員主觀操作產生的不確定性提供參考,并在安全評價階段,有效數據信息提高安全評價結果的真實有效性。對提高計算機網絡的安全質量以及計算機管理質量有重要的促進作用。但是,因為技術水平的局限性以及理論知識的不足,當前神經網絡技術在應用過程中仍然存在一些不足與缺陷,這就需要相關研究人員對神經網絡在應用過程中存在的不足進行分析探討,及時發現應用過程中存在的不足,根據具體的理論知識和實踐經驗找到解決問題的方法,才能有效提高計算機網絡安全評價水平,才能更好地為計算機網絡安全服務。
參考文獻
[1]黃靜.計算機網絡安全評價中神經網絡的應用研究[J].科學與信息化,2017,13(30):40-41.
[2]孫琛,謝靜宇.神經網絡在計算機網絡安全評價中的應用研究[J].電子制作,2015(14).
[3]郭強.神經網絡在計算機網絡安全評價中的應用研究[J].佳木斯職業學院學報,2017(10):383-384.
[4]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,2014,37,417(10):80-82.