大數(shù)據(jù)時代人工智能在計算機網(wǎng)絡技術(shù)中的應用研究

德州職業(yè)技術(shù)學院 郁 陶

新興技術(shù)一直都是計算機網(wǎng)絡技術(shù)不斷發(fā)展的強大驅(qū)動力，包括大數(shù)據(jù)、云計算、VR、AR和人工智能在內(nèi)的多種新興技術(shù)在計算機網(wǎng)絡領(lǐng)域中的廣泛應用，給網(wǎng)絡用戶帶來了豐富的新體驗。本文立足于大數(shù)據(jù)時代背景，分析了大數(shù)據(jù)與人工智能的關(guān)系，并以側(cè)重技術(shù)應用的角度探討人工智能在計算機網(wǎng)絡技術(shù)中的具體應用，包括網(wǎng)絡安全管理技術(shù)、網(wǎng)絡系統(tǒng)管理和評價技術(shù)兩個層面的應用；同時，列舉了人工智能在計算機網(wǎng)絡技術(shù)中的應用。本文將對大數(shù)據(jù)時代人工智能在計算機網(wǎng)絡技術(shù)中的應用進行研究。

1 大數(shù)據(jù)與人工智能的關(guān)系

大數(shù)據(jù)和人工智能都是基于計算機技術(shù)和信息通信技術(shù)發(fā)展起來的，它們可被視為信息化進程下的兩個并行分支，在各自不斷向前發(fā)展中相互影響、相輔相成。在可作為數(shù)據(jù)庫進行管理的數(shù)據(jù)中，客戶信息、運營數(shù)據(jù)、銷售數(shù)據(jù)、庫存數(shù)據(jù)等被存儲于普通數(shù)據(jù)庫中的數(shù)據(jù)信息被稱作結(jié)構(gòu)化數(shù)據(jù)；另外，包括電子郵件、文本文件、圖畫、視頻等在內(nèi)的，不被存儲于數(shù)據(jù)庫中的數(shù)據(jù)，被稱作非結(jié)構(gòu)化數(shù)據(jù)。隨著數(shù)據(jù)量的不斷激增，結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)均迎來了爆發(fā)式增長，相應的自然語言處理需求、圖畫與視頻解析需求、語音識別需求也在不斷積累，因此人們越來越渴望數(shù)據(jù)存儲向智能化方向發(fā)展。人工智能滿足了人們對數(shù)據(jù)存儲的需求；同時，這種不斷向上攀升的實際需求，又進一步推動了人工智能技術(shù)的優(yōu)化與更新。作為新一輪科技革新和工業(yè)革新的中心驅(qū)動力，人工智能與大數(shù)據(jù)的結(jié)合，正在重塑產(chǎn)業(yè)運行模式，改變著人們的生活方式。

2 人工智能在計算機網(wǎng)絡技術(shù)中的應用分析

2.1 人工智能在計算機網(wǎng)絡安全管理技術(shù)中的應用分析

（1）規(guī)則生產(chǎn)式專家系統(tǒng)

人工智能可以幫助人們完成對系統(tǒng)入侵的檢測，在已有以數(shù)據(jù)庫建立的經(jīng)驗基礎(chǔ)上，我們可以創(chuàng)建有效預防病毒入侵的計算機推理機制，使數(shù)據(jù)庫具備獨立發(fā)現(xiàn)和分析病毒入侵的功能，并能夠根據(jù)以往經(jīng)驗對新的入侵行為進行攔截，以降低病毒入侵的發(fā)生概率。

（2）人工神經(jīng)網(wǎng)絡

所謂人工神經(jīng)網(wǎng)絡，就是指在智能技術(shù)的幫助下，使計算機網(wǎng)絡具備模擬人腦做工的能力，其特別是在容錯性和接受性方面需要有格外突出的表現(xiàn)。隨著大數(shù)據(jù)時代的到來，人們對海量數(shù)據(jù)被精確識別和分析的要求越來越高，如果人工神經(jīng)網(wǎng)絡能夠在畸變和噪聲輸入模式等方面做到精確識別，那么將會極大提升工作質(zhì)量。事實上，當前有關(guān)這方面的人工智能應用已經(jīng)非常普遍了，特別是在與檢測系統(tǒng)配合使用時，檢測效率得到了進一步提升。

（3）數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)的核心內(nèi)容是準確提取網(wǎng)絡連接狀態(tài)下，主機的數(shù)據(jù)流入和流出，以自身的技術(shù)性能為基礎(chǔ)對入侵計算機的數(shù)據(jù)信息進行學習和分析，并將新的入侵行為納入到自身數(shù)據(jù)庫中，成為最新的學習經(jīng)驗，從而對外來類似或相同的入侵行為進行及時攔截。

（4）自治Agent技術(shù)

自治Agent技術(shù)的主要特點有：適應性、兼容性、自主性和十分突出的學習能力。Agent的特點決定了它對外來入侵具有較強的控制力，并且影響范圍也很廣，強大的適應性大大降低了其對外部環(huán)境的依賴程度。

2.2 人工智能在計算機網(wǎng)絡系統(tǒng)管理和評價技術(shù)中的應用分析

（1）人工智能問題求解技術(shù)

在應用人工智能問題求解技術(shù)解決某些給定條件下的問題時，我們所關(guān)注的點主要集中在搜索空間和最優(yōu)解這兩個方面，并希望通過該技術(shù)自身所具有的搜索、推理和求解等功能來實現(xiàn)我們的實際需求。通常我們會用f×(n)=g×(n)+h×(n)這個公式來對最優(yōu)解的獲取進行評估，其中g(shù)×(n)被用來表示由網(wǎng)絡節(jié)點s-n的最短路徑，h×(n)被用來表示網(wǎng)絡節(jié)點n-g的最短路徑。在網(wǎng)絡數(shù)據(jù)傳輸過程中，最優(yōu)解的獲取可以幫助我們有效節(jié)約網(wǎng)絡資源，提升網(wǎng)絡資源的合理利用率。

（2）專家知識庫技術(shù)

專家知識庫技術(shù)主要用于幫助人們獲得更加可靠的計算機網(wǎng)絡管理決策和支持，進而實現(xiàn)安全、科學、合理的管理與評價。作為專家系統(tǒng)的一個重要組成部分，專家知識庫對專家系統(tǒng)的正常運行有著很重要的影響，這與專家知識庫通過直接和間接積累知識方式，來對計算機網(wǎng)絡進行編碼的操作行為和過程有很大關(guān)系。

3 人工智能應用于計算機網(wǎng)絡技術(shù)的幾個例子

3.1 網(wǎng)絡數(shù)據(jù)庫的建立與開發(fā)

大數(shù)據(jù)背景下的網(wǎng)絡數(shù)據(jù)庫可被理解成是海量數(shù)據(jù)與海量資源共享的結(jié)果。人工智能可幫助人們輕松實現(xiàn)對后臺（遠程）數(shù)據(jù)庫和本地計算機程序的精確高效的系統(tǒng)操作和數(shù)據(jù)管理，這要比人工操作更加精確。隨著數(shù)據(jù)量的進一步激增，人們對開發(fā)和建立網(wǎng)絡數(shù)據(jù)庫的要求也越來越高，區(qū)塊鏈技術(shù)便是在這樣的背景下誕生的，這項新興技術(shù)被定義為數(shù)據(jù)記錄、傳遞、存儲、管理、呈現(xiàn)的一種新方式。

3.2 網(wǎng)絡運營管理

人工智能在網(wǎng)絡運營管理方面的應用被視為一種托管服務，即憑借自身的檢測優(yōu)勢，挖掘出潛在的站點問題，并探索網(wǎng)絡性能下降主要原因，以提升用戶的實際體驗感。把人工智能技術(shù)運用到運營商基站建設中，使其成為一項重要的網(wǎng)絡通信戰(zhàn)略部署，將有助于我們向自動化網(wǎng)絡編排更近一步。在眾多網(wǎng)絡運營管理項目中，流量監(jiān)控始終是運營商最為關(guān)心的問題。當然，對于所有有能力實施流量管理行為的管理者來說，流量監(jiān)控都是十分必要的。在整個流量監(jiān)控過程中，我們所關(guān)注的點基本集中在設備容量層面上，即分析設備不足與設備過剩之間的關(guān)系，并結(jié)合具體運營情況來對兩者的關(guān)系進行調(diào)整，以實現(xiàn)資源利用最大化。NFV和網(wǎng)絡切片是我們經(jīng)常應用的兩種技術(shù)，NFV是一種網(wǎng)絡功能虛擬化技術(shù)，它是在IT虛擬化技術(shù)基礎(chǔ)上提出的，它的出現(xiàn)使網(wǎng)絡設備功能不再依賴于專用硬件，資源可以充分靈活共享，實現(xiàn)新業(yè)務的快速開發(fā)和部署，并基于實際業(yè)務需求進行自動部署、彈性伸縮、故障隔離和自愈。通過對比傳統(tǒng)設備增加方式和網(wǎng)絡虛擬化下設備增加方式，可以很明顯看出NFV的重要性。

3.3 網(wǎng)絡安全防護

在網(wǎng)絡安全防護方面，人工智能可發(fā)揮其自身技術(shù)上的優(yōu)越性，幫助我們完成應急指揮和響應服務體系的建立，確保在計算機網(wǎng)絡遇到重大安全問題時，我們能夠在第一時間獲得成熟的解決方案，從而最大限度降低用戶網(wǎng)絡安全受威脅的概率。另一方面，對人工智能領(lǐng)域人才的培養(yǎng)也是非常重要的，畢竟從當前對人工智能技術(shù)研發(fā)和應用的情況看，基于層與層之間組織合作的網(wǎng)絡安全防護還無法實現(xiàn)自動化，期待創(chuàng)新型人才在此方面深入研究，加以完善和解決。基于人工智能的網(wǎng)絡安全防護內(nèi)容有很多，比如身份認證識別、惡意域名檢測、流量攻擊檢測、惡意軟件識別、垃圾郵件檢測和系統(tǒng)異常檢測等。

我們以惡意軟件識別為例來進行簡單說明。基于人工智能的數(shù)據(jù)挖掘算法檢測惡意代碼時，我們會根據(jù)文件特征的獲取方式、類型和分析手段的不同，將其分成四類：基于特征的分析、基于行為的分析、基于模型的分析和啟發(fā)式分析。其中，基于特征的分析一般是以n-gram等算法提取的字節(jié)序列、操作碼序列、函數(shù)調(diào)用序列、可執(zhí)行文件的特征和字符串等特征來進行分析的，之后在采用人工神經(jīng)網(wǎng)絡、決策樹模型、K近鄰等實現(xiàn)分類。

3.4 智能考試系統(tǒng)

在自動考試過程中，我們不僅對試卷質(zhì)量有嚴格標準，對自動組卷實施過程也有一定的要求，比如：題型設計、試卷結(jié)構(gòu)、題量分配、難度比例、知識點分布等。因此，我們首先需要去建立一個控制各項指標狀態(tài)的空間，記為D=[ ]。D中每行均由實體控制指標組成，內(nèi)容包括：題號、題型、章節(jié)、難度，并通過計算機編碼將其表示成二進制。

比如，我們將D空間內(nèi)的個體d_tar-get用d_request來表示，那么d_request就是試題要求指標，未要求指標就用d_void來表示。于是便有：

試題庫所有試題都被輸入相應屬性，其產(chǎn)生形式為：

結(jié)束語：大數(shù)據(jù)背景下，對人工智能技術(shù)的廣泛應用，推動了計算機網(wǎng)絡技術(shù)的不斷發(fā)展，同時也給人工智能終端的發(fā)展提供了豐富的實戰(zhàn)經(jīng)驗。人工智能與計算機網(wǎng)絡技術(shù)的緊密結(jié)合，不僅改變了各行各業(yè)原有的信息生產(chǎn)、分發(fā)和盈利方式、結(jié)構(gòu)，也直接影響了人們的日常生活。但在深入研究和實際應用人工智能技術(shù)過程中我們也發(fā)現(xiàn)了不少問題，結(jié)合大數(shù)據(jù)時代背景的特點，本文側(cè)重于從技術(shù)應用的角度對人工智能進行闡述，希望能夠給大家?guī)韼椭?/p>