骆文亮 四川职业技术学院

前言：现阶段，计算机的应用已经普及化，对于计算机网络网络安全评价提出了更高的要求，如何利用新技术提升计算机网络安全评价水平已经成为集中关注的问题。基于此，笔者针对神经网络在计算机网络安全评价中的应用展开的分析讨论具有现实意义。

1.神经网络概述

神经网络也被称为连接模式，其是基于生物神经网络而兴起的学科，起源于20世纪四十年代。美国著名心理学家W Mcculloch首先提出了神经网络的数字模型，自此拉开了这一学科的序幕，然后FRosenblatt基于神经元的数学模型研制出了“感知机”，这是将神经网络首次应用于实践的探索。从20世纪八十年代中期开始，在社会与经济飞速发展的时代背景下，现代科学技术的大力推动下，神经网络这一学科的研究掀起了新高潮，这一技术呈现了飞速发展的态势，同时在实践中的应用不断广泛，如今神经网络在自动化控制、市场预测等诸多领域受到广泛青睐。

2.基于神经网络的计算机网络安全评价

2.1 计算机网络安全评价

计算机网络运行过程中将会面临诸多方面的风险，为了确保计算机网络的安全运行，才有先进的科学技术对网络当中所存在的各类型危险因素做出综合性的评估与分析，之后采取针对性的措施对其实施有效的防范，就是所谓的计算机网络安全评价。在电子计算机技术应用普及化、网络信息技术迅猛发展的时代背景下，评估方法日渐丰富，逐渐形成了安全评价体系。在构建这一评价体系的时候，需要集中遵循以下几个方面的要点：其一就是准确性。构建计算机网络安全评价体系的根本目的就是有效识别运行过程当中所存在的各类型不安全因素，对于计算机网络运行的安全系数进行精准的反应。其二是独立性。在对计算机网络安全性实施评价之前，往往需要选取不尽相同的指标，而在选择指标的时候一定要注意各个指标之间所存在的关联性特征，尽量保证每一指标的独立性，规避指标与指标之间的相互干扰。其三是简洁性。也就是在满足计算机网络安全评价的基础之上，尽量使得评价的过程是简单可行的。其四是完备性，也就要求所选择的评价指标体系可以全面而系统的对计算机运行网络的安全情况反映出来。其五是可行性。也就是在选择某一个或者某系列评价指标的时候，一定要与实际工作需要以及情况联系紧密，确保其是适用可行的。

2.2 神经网络在计算机网络安全评价中的应用

信息化时代的全面到来，计算机网络得到了普及化应用，为社会生产生活提供了极大的便利，同时也使得计算机安全防范更加重要，于是人们开始探索将神经网络有效应用于计算机网络安全评价实践当中，具体应用过程中如下所述：

第一，评价指标体系的组建。众所周知，计算机网络内部的组成是复杂化的，这也就使得对计算机网络安全运行产生影响的因素是多元化的。基于此，我们在建立安全评价体系的时候应该对多元化的因素进行综合性的思考，切实保证所构建起来得评价指标体系可以系统而全面的反应出各类型的安全风险因素，从而安全评价指标体系能够切实有效的发挥其功能与作用。在对定量指标实施评价的时候，要结合系统的实际情况来取值；而对定性指标实施评价的时候，就可以利用专家评级的方法。在具体操作中应该结合实际工作需要实施等级评定。由于指标的取值的根本目的就是真实性的反映网络安全性能，所以取值是不可以实施直接性的比对的，需要对其实施标准化处理。

第二，构建基于神经网络的安全评价模型。基于神经网络的计算机网络安全评价模型包括三个部分：（1）输入层的设计与构建。在设计实践中要结合评价指标体系的实际情况进行，要求在所构建的指标体系中的工具有多少个评价指标就应该设计出多少个神经元点，也就是说是在评价指标体系中所含的二级指标的数量应该与输入神经元点的数量保持一致，从而使得二者之间具有相互适应性。第二，隐含层的设计与建立。现阶段基于神经网络的计算机网络评价体系中都应用隐含层，在其中具体的隐节点的数量是非常关键的。如果隐节点的数量过多，那么就会使得学习的时间很长，这样就会使得评价的过程中出现误差的几率比较大，不利于高效率的学习。而如果隐节点的数量过少，就会对网络非线性的映射以及容错性产生不良的影响。在设计中，一定要集中把握隐节点的数量。第三，输出层的设计与建立。这实际上就是对安全评价结果实施描述的过程，假设在输出层当中具有两个节点，那么就可以利用以下方式对计算机网络安全进行描述：用（1，1）表示非常安全，用（1，0）表示比较安全，用（0，1）表示不安全，用（0，0）表示是非常不安全。

第三，神经网络的学习。在神经网络的输入层、隐含层、输出层当中包含全部的初始连接权值，所有神经网络在构建模型之前要进行学习，从而降低工作当中的误差。首先，应该对相关数据进行搜集，所搜集到的数据应该涉及到各类型计算机网络安全评价的模型，在构建出期望结果之后，对网络模型实施训练。在学习的过程中呈现的结果是否时效性与输入层设计与组建时候所确定的节点数量是直接关联的。基于此，合理化的设计节点的个数是有利于提高学习效率的，可以使得基于神经网络的计算机网络安全评价结果与用户的期望值更加接近。

结语：综上所述，计算机网络安全评价是现阶段集中关注的问题，将神经网络有效应用于计算机安全评价当中可以使得评价体系具备更强的适应性与容错性。希望通过文章的阐述，可以使得相关技术人员清晰的认识到计算机网络安全评价的重要性与必要性，同时明确基于神经网络的计算机网络安全评价体系的优势所在，结合工作实践与实际需求，有效将神经网络应用于计算机网络安全评价当中，进而提高计算机网络安全评价工作的时效性。