前言：想要寫出一篇引人入勝的文章？我們特意為您整理了神經網絡下的計算機安全評價技術范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：隨著我國信息技術的不斷發展，計算機及其網絡技術已被廣泛應用到各個領域，成為人們生活與工作中不可或缺的重要工具。但隨著計算機網絡技術的不斷發展，信息安全問題也成為人們關注的焦點所在，計算機安全管理由此而生。計算機安全評價是對網絡信息進行安全管理的基礎，其中神經網絡是計算機安全評價中最常使用的一項技術，其擁有準確性高、評價全面等優勢?；诖?，結合筆者實踐工作經驗及一些自身見解，主要對基于神經網絡的計算機安全評價技術展開探討。

關鍵詞：神經網絡；計算機安全；評價技術

近年來，計算機及其網絡技術的快速發展給人們的生產、生活帶來了極大便利，但同時也帶來了相應的安全風險。在計算機網絡運營過程中，能夠影響其安全的因素眾多，比如計算機軟硬件損壞、病毒、黑客攻擊、人為操作失誤等。為了有效促進計算機及其網絡技術的發展，應嚴格防范安全問題，通過建立科學、高效的網絡安全評價系統，采取相對應的安全防范措施，不斷優化與完善計算機網絡體系，以便于其為人們提供更好的服務。

1神經網絡及計算機網絡安全的概述

1.1神經網絡簡介

神經網絡又被稱為鏈接模型，其是從生物神經網絡得到啟發而建立的。神經網絡模擬了人腦的信息處理方式，然后通過建立數學模型研究大腦行為結構及神經元的基本特征。世界上第一個神經網絡模型是由生物學家及數學家共同提出的。神經網絡復雜多變，神經元通過大量節點相互連接成網絡，并且每一個神經元都能夠處理信息，因此，神經網絡能夠同時處理海量信息。計算機學家在神經網絡模型的基礎上進行優化，設計出了感知器神經網絡模型，并將之應用到計算機網絡、工程建設以及經營管理等多個領域。

1.2計算機網絡安全

計算機網絡安全主要是指在網絡環境下，通過采用較為先進的科學技術及管理措施來保障計算機網絡體系正常運營及資料安全。廣義的計算機網絡安全包括物理安全及邏輯安全兩大部分，其中邏輯安全主要是指信息數據的完整性、保密性及可用性等方面的內容；物理安全則包括系統中的硬件及軟件等內容。計算機網絡安全具有較強的可控性及可審查性。目前，計算機網絡安全問題已成為全球共同關注的問題，同時也是相關從業人員一直努力解決的一大重要問題。

1.3計算機網絡安全評價體系的建立原則

計算機網絡安全評價體系是評價工作的基礎，其能夠科學、全面、客觀地分析與評定計算機網絡中存在的不安全因素，并給出相應的指標及解決措施，因此，在評價體系建立過程中，應綜合考慮多方面因素來設計評價指標。計算機網絡安全評價體系的建立原則主要包括以下幾個方面。（1）可行性。在安全評價體系建立之初，首先應確保構建的可行性，必須從實際條件和需求出發，因地、因需、因人制宜，以此來確保評價體系的實用性。（2）準確性。安全評價體系建立過程中，應當確保其能夠體現出計算機網絡安全的技術水平，并及時將各項安全信息反饋給檢測人員，以便于技術人員及時進行安全維護。（3）完備性。建立安全評價體系，還應確保其能夠全面反映計算機網絡安全的基本特征，以便于提高評價的準確性、真實性。（4）簡要性。安全評價體系的評價指標應具有代表性，以此來確保安全評價工作簡單、明了。（5）獨立性。由于計算機網絡是一個較為復雜的系統，因此，在其安全評價過程中，應確保各項指標的獨立性，盡量減少重復選擇及指標之間的關聯，以此來提升安全評價工作的效率和準確性。與此同時，在指標檢測過程中，應盡量選擇那些具有代表性和獨立性的指標進行檢測，以便于將計算機網絡的運行狀態和安全狀況客觀、真實地展現出來。在基于神經網絡的計算機安全評價體系中，神經網絡發揮著至關重要的作用，并且其較強的適應性為安全評價工作提供了強有力的保障，因此通過神經網絡技術，能夠創建出計算機網絡安全評價模型及仿真模型，以此來有效評估計算機網絡的安全狀況。

2基于神經網絡的計算機安全評價技術體系的建立

BP神經網絡模型是當前使用最廣泛的神經網絡模型，其主要采用最速下降法進行反向傳播，同時調整相關數值，從而將誤差降到最低。BP神經網絡模型還可以運用誤差逆傳播算法，構建起反饋多層網絡。由于BP神經網絡模型的算法簡單，更易實現，且具有良好的非線性逼近能力，因此，其也是計算機安全評價系統常用的模型之一。本文主要以BP神經網絡模型為基礎，對計算機安全評價系統展開分析。

2.1基于神經網絡的計算安全評價模型的設計

該模型主要由輸入層、隱含層及輸出層三大部分組成。（1）輸入層。BP神經網絡在設計過程中必須嚴格規定輸入層神經元節點的數量，其應與安全評價體系的評價指標數量一致，因此，神經元節點的數量應由二級指標的數量確定。比如，安全平體系中設計了10個二級指標，那么輸入層神經元節點的數量也應是10個。（2）隱含層。神經網絡安全評價模型在設計中，應采用單向隱含層，但若隱含層節點數量過多，則會大大增加神經網絡的學習時間，而若隱含層節點數量過少，又會降低神經網絡的容錯率，所以在設計過程中必須控制好隱含層的節點數量。（3）輸出層。神經網絡安全評價模型的輸出層設計關系到網絡安全評價結果，若在輸出層評價設計時，將輸出層節點設為2個，那么（1,1）的輸出結果則表示十分安全，而（1,0）則表示基本安全，（0,1）則表示不太安全，（0,0）則表示非常不安全。

2.2基于神經網絡的計算安全評價模型的學習

基于神經網絡的計算機安全評價模型構建過程中，BP神經網絡需要在模型中進行神經網絡學習，這就表示其需要完成相應的訓練工作，同時這也使得BP神經網絡具備初始連接權利。由于經過了一系列的神經網絡學習，所以后期使用中其誤差值較小，這樣才能確保安全評價結果的準確性，并保證模型使用與使用者的期望值無限接近。

2.3基于神經網絡的計算機安全評價模型的驗證

驗證安全評價模型，是為了確保其設計與學習工作的良好性，更是為了確保安全評價模型具備全面性、實用性及準確性。驗證程序主要為：首先，科學選取樣本數據，然后將樣本數據輸進模型中，經過模型的檢驗與分析，從而對計算機網絡的安全進行評價，如果所輸出的結果與對比值一致，則表明安全評價模型具有較高的準確性，可以投入使用；如果所輸出的結果與對比值存在較大的誤差，這時還應查明誤差原因，如果是模型的問題，還應對模型進行檢驗與優化，嚴重的還應重新設計，務必要確保其實用性和準確性。

3結語

綜上所述，神經網絡在計算機安全評價模型中具有至關重要的作用。因此，在構建基于神經網絡的計算機安全評價模型時，應將神經網絡的基本特征與計算機網絡運行特點緊密結合起來，并綜合考慮實際狀況和需求，然后以網絡安全評價模型構建的五大原則為基礎，從模型設計、神經網絡學習及模型驗證等幾大步驟著手，盡力創建出全面、高效、準確且實用性強的計算機網絡安全評價模型，以便于為計算機網絡安全運行提供有力的支撐。

參考文獻

[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).

[2]呂樹紅,陳康.模糊綜合評判在網絡安全評價中的研究與應用[J].計算機光盤軟件與應用,2013(22).

[3]陶躍,田迎華.多級可拓評價方法在網絡安全評價中的應用[J].吉林大學學報:信息科學版,2013(1).

[4]孫志娟,趙京,戴京濤.采用KPCA-BP神經網絡的并聯機構全局綜合性能評價方法研究[J].現代制造工程,2014(11).

[5]禹建麗,黃鴻琦.神經網絡在復雜自相關預測過程中的應用及對比研究[J].數學的實踐與認識,2016(19).

[6]耿仲華.計算機網絡安全評價中對于神經網絡的應用探究[J].網絡安全技術與應用,2014(9).

作者：吳文臣 單位：齊齊哈爾工程學院