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在網絡安全評價中的應用范文，希望能給你帶來靈感和參考，敬請閱讀。

計算機技術的不斷發展為現代社會帶來了巨大的改變，為人們的生活、生產帶來了極大的便利性，同時也讓人們方式的發生了改變。但是，在享受計算機技術便利性的同時也要客觀的認識到計算機網絡的安全問題，黑客通過計算機網絡的漏洞或者病毒等形式的可以入侵計算系統，因此，對現代計算機技術來說安全問題是一項巨大的挑戰。

1計算機網絡安全評價體系的建立

計算機網絡自身組成就非常復雜，而影響計算機網絡安全的因素也有很多，為了進一步強化對計算機網絡安全的評價，就必須要建立起完善的計算機網絡安全評價體系。

1.1計算機網絡安全評價體系的建立應遵循的原則

1.1.1準確性

計算機網絡安全評價體系中的每一項平評價指標必須要保證其真實性以及有效性，這樣才能將網絡安全在不同階段的技術水平充分體現出來。

1.1.2獨立性

在選取計算機網絡安全評價體系的相關評價指標的時候，盡量不要對指標進行重復選擇，這樣才能保證不同指標指標的保持一定的獨立性，將各種指標之間的關聯性降到最低，這樣才能將計算機網絡的安全狀況客觀的反映出來。

1.1.3完備性

在選取計算機網絡安全評價體系相關評價指標選擇的時候，要對各種評價指標進行全面的考慮，并進行合理的選擇。要充分保證每一項選取的指標能夠將計算機網絡安全的基本特征都可觀的反映出來，只有這樣才能充分保證評價指標表的可靠性，并最終保證評價結果的準確性。

1.1.4簡要性

在進行計算機網絡安全評價體系評價指標選擇的過程中既要充分考慮指標的完備性，同時也要兼顧指標評價的實際工作量以及工效率，要盡量選擇一些最具代表性的指標，在充分保證評價結果的基礎上，最大程度的減少指標評價的工作量。

1.2各評價指標的取值機標準化問題

不同的評價指標描述的具體因素有很大的差距，總體來說計算機網絡安全的評價指標主要分為定量以及定性等兩種評價指標，這兩種評價指標的評價側重點不同，能夠分別從不同的側面對計算機網絡安全進行評價，在實際的計算機網絡安全評價過程中不能直接將不同評價指標得取值進行對比，因此，評價指標得取值規則的不同同樣會造成結果的差異，因此必須要對不同指標進行相應的標準化處理。

2計算機網絡安全評價中神經網絡的應用

2.1計算機網絡安全

所謂的計算機網絡安全是利用的當下的高新科技，并充分結合現代的網絡管控措施來充分保證計算機的網絡環境中各種數據的可利用性、各種數據信息的完整性、充分保證各種數據保密性等得到最好的保護。計算機網絡安全主要可以分為邏輯安全以及物理安全。其中邏輯安全主要指的是要充分保證網絡上各種數據得安全、完整、可用。而物理安全則指的是采取物理的手段來對的計算機的相關設備進行充分保護，這樣就能避免計算機在運行過程中受到物理損壞。計算機網絡安全主要包含了保密性、完成性、可用性、可控性、可審查性等五個特征，計算機網絡具有較強得開放性以及自由行性，另外，隨著現代計算機網絡的快速發展，計算機網絡已經具備了國際性，因此計算機網絡安全收到的威脅也來自多方面，計算機網絡信息傳輸的物理線路遭受的攻擊、計算機的網路通信協議遭受攻擊，軟件系統樓攻擊等。

2.2神經網絡的計算機網絡安全評價模型設計

2.2.1輸入層設計

BP神經網絡是一種基于誤差的傳播算法，在目前的所有神經網絡模型中應用最為廣泛的一種。在進行輸入層神經元接點設計的時候一定要保證節點的數量與計算機網絡安全評價指標數量保持一直。例如，如果計算機網絡安全評價的體系中設置了18個評價指標，那么在進行計算機網絡安全評價體系輸入層神經數量設計的時候也必須要保證其數量為18。

2.2.2設計隱含層

在大量實踐中我們知道，多數BP神經元網絡在實際的時候采用都是單隱含層，而且隱含層中節點的數量對整個計算機網絡的性能有很大的影響，必須要給予足夠的重視。如果在實際設計過程中，隱含層節點的數量設計過少，就會對計算機網絡得非線性映射以及網絡的容錯性能產生嚴重的影響；而如果設計的節點數量過多則會造成網絡得學習時間大幅增加，不僅會造成學習誤差出現的概率增加，同時還嚴重的影響學習的效率。因此，在進行隱含層接點數量設計的時候要按照經驗公式來進行合理的選擇。

2.2.3進行輸出層的設計

輸出層主要是對計算機網絡安全評價結果進行直觀的反映。然后充分結合評價結果評語結合，如果計算機網絡BP輸出層的節點設計了2個，而假定其輸出結果為（0,0）或者（0,1），則表示計算機網絡不安全，而假定其輸出結果為（1,0）或者（1,1）那么就表示計算機網絡處于安全狀態。2.3神經網絡的計算機網絡安全評價模型學習在進行計算機網絡安全評價的過程中應用BP神經網絡，其各個層中的初始連接的權值是任意的，因此，在建立計算機網絡評價模型前必須要對神經網絡進行學習。這樣就能充分保證針對網絡的安全評價盡量保證與用戶期望值相吻合。

2.4神經網絡得計算機網絡安全評價模型驗證

網絡評價模型不僅要進行充分的設計和學習，同時為了進一步提升其實際應用效能，必須要對模型進行良好的驗證。通過選取樣本的形式，將樣本輸入其中就能驗證模型實際的評價功能，保證其準確性。

3結束語

綜上所述，將神經網絡技術應用到計算機網絡安全評價過程中，其實際的評價結果可以充分避免出現一定的不確定性或者主觀影響，這樣就能保證評價結果的可靠性和真實性，從而為計算機的安全管理提供了更加科學的依據。

參考文獻

[1]鄒小花,方宣杰,楊文遠.基于神經網絡的復雜計算機網絡安全評價指標體系建立及應用研究[J].電腦知識與技術,2018,14(01):212-213+219.

[2]劉紅霞.基于神經網絡的計算機網絡安全評價仿真模型研究[J].通訊世界,2017(08):77-78.

作者：張釗 單位：四川大學信息管理中心