人工智能及大數據技術在計算機監測控制中的應用

張春麗

摘要：人工智能和大數據技術擴展了計算機技術的應用面，因此研究了人工智能及大數據技術在計算機監測控制中的應用。通過優勢互補兩技術可以應用于計算機入侵檢測、操作預警與故障分析、輔助管理以及優化計算機監控能力等方面。未來可以研究人工智能和大數據技術的深度融合，進一步促進計算機監測控制領域的深度發展。

關鍵詞：人工智能;大數據技術;計算機監測控制

中圖分類號：TP18 文獻標識碼：A 文章編號：1007-9416（2020）08-0065-02

0 引言

使用計算機對在生產生活中進行檢測控制是當前最高效的方式，然而隨著相關技術的不斷涌現，計算機檢測控制的性能提升成為了研究的熱點。計算機網絡的使用者增加，帶來了計算機網絡中數據量的急劇增長，現代社會進入了“大數據”時代。大數據具有數據來源廣泛、數據量龐大、數據格式與種類豐富以及數據準確性高的特點。伴隨大數據相關研究深入的同時，對大數據的數據處理、分析、存儲以及數據隱私保護等前沿技術不斷被提出、優化，也逐漸應用至各個方面，為其應用的每一領域帶來變革性和創新[1]。

人工智能融合了多個學科的專業知識，幫助提高了人類處理數據能力以及效率。大數據與人工智能在近幾年內相互交叉、不斷融合，產生了很多新的理論、方法、技術，進一步充分擴展了計算機在相關領域的深度使用[2]。因此，本文將研究人工智能及大數據技術在計算機監測控制中的應用。

1 人工智能及大數據技術在計算機監測控制中的應用研究

1.1 計算機入侵檢測

大數據技術中的數據挖掘技術可以準確提取計算機監測控制過程中的數據與數據類型。并且通過建設大數據倉庫存儲數據可以對數據進行提取、轉換、清洗和加載處理例如采用布隆過濾的方式處理計算機監測控制過程中的數據，不僅可以準確處理錯誤數據還能對冗余數據進行刪除處理。同時，為保障安全防護的效果，利用人工智能技術中的機器學習原理，檢測對計算機監測控制的入侵行為[3]。

機器學習中的貝葉斯分類法對入侵檢測應用效果較好。大數據挖掘技術從計算機網絡中挖掘入侵數據，貝葉斯分類將挖掘到的數據中可能性的最高行為序列與已知的入侵行為序列進行對比。通過計算兩個序列之間的貝葉斯概率，判斷為入侵行為的概率。利用人工智能結合大數據技術對計算機監測控制進行安全防護，可以降低計算機系統運行時的負擔。

除此之外，利用神經網絡可以并行計算的特性，可以同時對多個入侵信號序列進行檢測。但是神經網絡在檢測時需要長時間訓練，檢測結果受到網絡收斂速度的限制。因此，神經網絡技術僅適用于對小型網絡的入侵行為進行檢測。人工智能和大數據技術除了在計算機入侵檢測方面有應用外，還可以應用于操作預警與故障處理方面。

1.2 應用于操作預警與故障分析

在某些使用計算機監測控制的行業中，需要實時對錯誤操作、以及機械、運行系統、線路等故障進行預警和故障修復處理。而傳統的數據處理方式對少量數據處理效果良好，但是對于海量數據則無法保證短時間內的處理效果。而使用大數據技術處理計算機檢測控制過程中產生的數據，能夠快速并準確地處理數據，減少對計算機工作內存的損耗。

進行操作預警與故障分析時通常利用大數據技術中Spark技術，以此減少數據集處理過程的大量數據緩存。在預警和故障分析處理過程中，Spark技術的容錯機制可以根據記錄的數據生成過程，重建部分丟失的數據。處理數據后的數據，可以縮小人工故障分析檢查的范圍，有效提高操作預警和故障分析前期的數據處理效率。

大數據技術完成操作預警和故障分析前期工作后，利用專家系統進行故障診斷。根據專家系統數據庫中存儲的大量經驗數據，形成模擬的故障診斷理論數據。當出現故障時，接收大數據技術處理后的數據并導入至對應信息庫中。科學分析故障因素，導出專家信息庫中存儲的解決方案并針對性地預警。人工智能和大數據技術可以應用于輔助管理計算機監測控制過程。

1.3 輔助管理計算機監測控制過程

利用人工智能良好的學習性能，將問題求解技術與專家知識庫建立綜合管理體系。在綜合管理體系下，針對計算機監測控制過程的動態瞬變特性，評價計算機監測控制過程中的各個環節運行情況，以保障計算機監測控制效果[4]。

此外，利用人工智能代理技術可以輔助計算機監測控制過程的信息更新等工作。以專家知識庫中的信息為管理依據，進行數據信息的分析、過濾、計算等處理操作，為計算機監測控制提供良好的數據支撐。人工智能代理技術結合大數據技術在輔助計算機監測控制過程中，根據不同功能的自定義設置，可以從海量數據中獲取相應分析角度的有價值信息，并在對信息分析后，傳遞給指定的計算機監測控制人員，這樣監控人員只需要對分析結果校驗即可，節約人員查找、處理、分析數據的時間。而且人工智能的學習性，會在相關算法的輔助下不斷優化代理過程，提升代理技術的輔助能力。

1.4 優化計算機監控能力

計算機監測控制過程中除了主動監測入侵行為外，還需要有一定的被動防御能力。相比于傳統的計算機網絡防火墻，人工智能結合大數據技術建立的智能防火墻進行了很大程度上的優化。利用大數據挖掘生成智能防火墻的訓練數據集，自動攔截有害信息、高危連接的訪問等操作，避免了用戶信息數據泄露，提高了設備網絡的安全級別[5]。與此同時，因智能防火墻具備人工智能的學習性，還可以實現對不法惡劣攻擊行為的規避與控制，提升網絡管理性能。

由于網絡大數據是實時更新的，而人工智能可以不斷學習，優化相關算法，人工智能結合大數據技術還可以有效過濾網絡上的違法、不良信息，或有效抓取網絡上的輿情信息，根據提前設定的警戒紅線以及數據走向預測進行預警，輔助網絡監管部門對網絡信息安全進行監測。將上述技術簡化后，電子郵箱運營平臺可以通過對郵件、信息的掃描與識別，甄別有害垃圾郵件，并提醒幫助用戶處理垃圾郵件，保障用戶郵箱系統安全。

以上，為本文研究的人工智能及大數據技術在計算機監測控制中應用的具體內容。

2 結語

計算機技術的飛速發展，促使了計算機網絡中數據量的指數級增長，大數據技術也隨之出現。人工智能技術是對計算機技術的進一步擴展應用，在眾多行業中也有了廣泛應用。計算機監測控制已經深入了工業生產、人們生活的方方面面。人工智能技術是以模仿人類思維而提出的技術，未來的應用前景十分廣闊。本文從實際出發研究了人工智能及大數據技術在計算機監測控制中的應用，為未來人工智能技術和大數據技術的深度優化應用打下堅實的分析基礎。

參考文獻

[1] 段汝林.大數據時代計算機軟件安全檢測技術及其應用研究[J].信息與電腦（理論版），2019（5）：211-212.

[2] 潘凡峰.淺談超低能耗人工智能（AI）無線自組網通訊技術在水資源監測中的應用[J].城市道橋與防洪，2018（8）：327-330+33-34.

[3] 孫華，賈曉婷.大數據時代人工智能在計算機網絡技術中的應用[J].信息與電腦（理論版），2018（9）：128-130.

[4] 王佳林，趙心蕊，高涵.大數據時代人工智能在計算機網絡技術中的應用研究[J].中國新通信，2020，22（2）：90.

[5] 陳菲，付忠廣，鄭玲.基于機器學習的監控大數據防沖突檢測仿真[J].計算機仿真，2019，36（4）：469-473.