程虹

摘要：随着计算机网络技术的飞速发展，各种网络应用平台迅速崛起，吸引力大量网络用户，然而高频率出现的计算机网络故障，严重了影响了用户信息的安全性，为此提出基于BP神经网络的计算机网络故障检测方法及维护策略。通过建立、实现基于BP神经网络的计算机网络故障检测模型，结合计算机网络故障出现的多种原因，制定计算机网络维护策略，最终实现了基于BP神经网络的计算机网络故障检测方法及维护策略。通过仿真实验证明，基于BP神经网络的计算机网络故障检测方法可以快速准确的检测出计算机网络故障，具有较高的有效性。

关键词：BP神经网络；计算机网络；网络故障检测；维护策略；

中图分类号：TN913 文献标识码：A

文章编号：1009-3044（2019）07-0173-02

通过对网络故障进行及时检测、诊断，来加强网络管理，是提高网络安全性、网络性能、网络设备利用率以及服务质量的最有效手段之一。随着网络设备和规模日益复杂化，传统网络故障检测方法不在实用，基于BP神经网络的计算机网络故障检测成为当前的使用率最高的检测方法。计算机网络故障检测就是一种故障状态集的非线性映射过程，BP神经网络模型能够对非线性映射进行很好的处理，通过搭建基于BP神经网络的计算机网络故障检测模型，依托故障检测算法，使得故障检测模型动作，得出计算机网络故障不仅仅是软件问题，还受网络硬件设备影响。因此要多方位全面的对计算机网络进行维护，确保信息数据的安全性。

1基于BP神经网络的计算机网络故障检测方法

随着网络技术的飞速发展，SNMP作为一个网络管理协议已被全面应用到计算机网络设备状态信息中，SNMP能够将计算机网络管理中地理位置分布广泛、设备数量众多、种类繁多等问题转化为简单标准化的网络管理[1]。通过检测SNMP管理信息库中的状态参数，就可获得计算机网络的运行情况，但是不能作为故障诊断的直接判断条件。因此搭建基于BP神经网络故障检测模型，通过该模型对网络参数进行分析和计算，将计算后的参数作为故障诊断的征兆量。

1.1搭建计算机网络故障检测模型

基于BP神经网络的计算机网络故障检测模型不需要预先给出判断函数，是一种自动检测识别模型。基于BP神经网络的计算机网络故障检测模型融合多种技术，利用BP神经网络和免疫算法来实现智能化检测。BP神经网络都是和免疫算法都是以生物学原理为基础的技术，二者在人工原理和生物学原理上各有异同。将免疫原理、BP神经网络应用在计算机故障检测中，可以提升计算机网络故障检测模型的性能[2]。

在计算机网络故障检测模型中，每一个计算机网络故障检测器的基本性质都相同，但是所具有的形式确各有不同。因此，每个计算机网络故障检测器的激活函数都是可变，大大提升了计算机网络故障检测模型的有效性。

1.2计算机网络故障检测的实现

通过在检测过程中不断调整网络故障参数，使得基于BP神经网络的计算机网络故障检测模型工作。当计算机网络系统中某一网络出现问题，必将影响计算机系统的正常运行。基于BP神经网络的计算机网络故障检测方法的应用，主要是为了在计算机网络系统发生故障之前，通过其对整个计算机系统自动进行检测，寻找可能会出现故障的地方，在故障发生前，通过采取数据备份、复制、转移等手段对计算机网络系统进行处理，来保证数据的完整性、安全性[3]。计算机网络故障检测算法如下所示：

Var Dp： //初始进程p

Then：//检测网络故障模块

Rp『π』：初始进程p对个计算机网络故障抗体库υ

And：//SNMP管理信息库δ中的任何一个进程都有对应的定时器；

初始化：

Dp=φ；

For all data if q do rp『q』=δ+υ；

开始检测，间隔时间ξ发送消息：

For all data if q do send to q；

接收結果， q接收到消息后，重置：

Rp『q』=δ+υ；

检测故障，当 rp『q』超间隔时间δ时：

Dp=Dp∪『q』

该计算机网络故障检测方法是以网络数据信息延迟为主要依据，ξ为信息故障检测的发送周期，网络数据节点按ξ周期发送消息，如果在一定时间内还没接收到检测应答反馈消息，则表示该计算机网络系统出现故障[4]。

通过建立、实现基于BP神经网络的计算机网络故障检测模型，得出计算机网络故障不仅仅是软件问题，还受网络硬件设备影响，即客观与主观两个方面，因此要从各个方面对计算机网络进行维护。

2计算机网络维护策略

在基于BP神经网络的计算机网络故障检测方法上，结合计算机网络故障出现的多种原因，制定计算机网络维护策略。通过合理设置相应维护体系，在网络系统中设置多重防护，实现预防为主的网络安全维护策略。

首先要增强用户网络信息安全意识，用户在实际应用计算机工作时，不要轻易打开脚本特殊的文件，以及来路不明的e-mail，尽量在各大应用平台上下载游戏程序以及软件程序，不要在不正规的网站上下载[5]。除此之外，计算机网络密码应采取数字与字母混合的方式设置，这样可以给黑客恶意攻击增加困难系数。然后还要安装防火墙软件，防火墙软件能够有效阻止黑客攻击，在计算机网络系统中设置一个安全屏障，确保计算机信息处于安全系数比较高的区域内。接下来还要在计算机网络维护中，有效隐藏IP地址，IP地址在计算机网络中的重要性不容忽视。IP地址能够将内部网络与外部网络有效转接，从而合理化控制用户的访问类型。最后用户还需提高警惕，及时备份资料，用户要将网络信息维护工作重视起来，提高警惕，日常进行杀毒，严密保管资料信息。

计算机网络维护策略主要途径是规范网络秩序，时刻保持警惕，强化网络信息安全意识，从用户自身角度将计算机网络维护水平提高。

3仿真实验

本文以计算机的四种主要网络故障诊断为实验依据，仿真验证基于BP神经网络的计算机网络故障检测方法和传统网络故障检测方法的有效性。

3.1数据准备

计算机的四种主要网络故障分别是：模块硬件故障、线路故障、配置文件错误以及网络协议错误。为了比较基于BP神经网络的计算机网络故障检测方法和传统网络故障检测方法检测速度和准确率，将多种参数设为相同值，借助Matlab的logsig函数，得出检测速度和准确率。

3.2实验分析

实验后基于BP神经网络的计算机网络故障检测方法和传统网络故障检测方法的实验结果如图1所示。

横坐标为故障检测时间，纵坐标为故障检测准确率，由图1可知，基于BP神经网络的计算机网络故障检测方法可以快速准确的检测出计算机网络故障，而传统计算机网络故障检测方法随着检测时间的增加准确率有所增加，想要确保准确率就要花费大量检测时间。由实验证明，本文提出的检测方法具有较高的有效性。

4总结

网络技术发展的主要障碍是计算机网络信息安全问题，如何及时检测出计算机网络故障，如何维护网络安全，成为來人们普遍关注的问题。通过建立、实现基于BP神经网络的计算机网络故障检测模型，结合计算机网络故障出现的多种原因，制定计算机网络维护策略，最终实现了基于BP神经网络的计算机网络故障检测方法及维护策略。希望本文能为计算机网络故障检测以及安全维护提供参考依据。

参考文献：

[1] 李笑竹，陈志军，樊小朝，等.基于ACS-SA文化基因算法的BP神经网络变压器故障诊断[J].高压电器，2018（6）.

[2] 贾嵘，李云桥，张惠智，等.基于改进BP神经网络的光伏阵列多传感器故障检测定位方法[J].太阳能学报，2018（7）.

[3] 朱文辉，黄晋英，卫洁洁，等.基于DHMM和BP神经网络的齿轮箱故障诊断研究[J].组合机床与自动化加工技术，2018（7）.

[4] 于德亮，李妍美，丁宝，等.基于思维进化算法和BP神经网络的电动潜油柱塞泵故障诊断方法[J].信息与控制，2017（6）：62-69.

[5] 张一茗，李少华，陈士刚.基于ReliefF特征量优化及BP神经网络识别的高压隔离开关故障类型与位置诊断方法[J].高压电器，2018（2）.

【通联编辑：光文玲】