刘国辉

(沈阳大学 教务处现代教育技术中心，辽宁 沈阳 110044)

随着社会信息化程度的不断加深，网络安全问题占据了越来越重要的位置。网络安全信息自动识别在网络安全问题中虽占据重要部分，但没有受到足够的重视[1]。传统网络安全信息自动识别系统在实际运行过程中，很容易出现影响网络安全的问题。这种情况下，不但会影响网络运行环境，甚至还会导致经济方面的损失。当网络安全信息自动识别系统遭受种种原因而崩溃时，对于防止数据丢失的问题往往是人们最关心的问题。传统网络安全信息自动识别系统存在的问题主要体现在三个方面，分别为信息泄漏问题、植入恶意病毒问题以及程序恶意破坏问题[2]。人工智能技术是确保网络安全并保证网络安全信息不受到恶意攻击的有效手段。在大数据背景下由于人工智能技术的逐渐成熟，人工智能技术在网络安全信息自动识别中的应用已经越来越广泛。因此，本文着重利用人工智能技术对网络安全信息自动识别系统进行研究[3]。通过神经网络整合自动识别网络安全信息的方式实现节本增效，从根本上提高网络安全信息自动识别精度。

1 基于人工智能的网络安全信息自动识别系统设计

1.1 硬件设计

结合实际网络安全信息自动识别的需要，本文设计的人工智能网络安全信息识别装置型号为HCL1215873289，内置BUN-30052689识别芯片。BUN-30052689识别芯片作为一个封装的复合型芯片，具有很好的网络安全信息自动识别能力[4]。人工智能网络安全信息识别装置整体使用人工智能技术作为核心技术。在正常情况下，人工智能网络安全信息识别装置的工作电压在3.0～4.5V之间，所承受的电流值不能大于50mA。人工智能网络安全信息识别装置尺寸为610*100*628mm；重量为10.29kg。为自动识别网络安全信息并及时进行反馈，人工智能网络安全信息识别装置特设计无线蓝牙串口通信接口，是该自动识别系统硬件中最重要的组成部分。将无线蓝牙串口通信接口的接线点设为I/0点。其中，I/0点所连接的人工智能设备主要包括：智能手机、平板电脑等[5]。可以将网络安全信息整个识别状态均视为自动识别，基于人工智能的网络安全信息自动识别系统中I/0点为3000个，系统的实际容量有3540个，I/0点数的具体分布信息，如表1所示。

表1 无线蓝牙串口通信接口I/0点数的接口信息

结合表1信息，人工智能网络安全信息识别装置通过10个串口通信端口，其主要用于通过人工智能技术经合波光将网络安全信息自动识别结果传输到远端，从而实现对网络安全信息自动识别的信息传递[6]。

1.2 软件设计

本文将设计的软件部分具体流程分为四个步骤逐步进行：收集终端数据；利用神经网络进行网络安全信息传输与处理；建立数据库；设置网络安全信息自动识别相关字[7]。在人工智能的应用背景下，通过数据采集收集终端数据，为系统自动识别功能的实现提供前提保障。尤其网络安全信息的精准采集最为重要，这是保障网络安全信息自动识别最基础的一环。而后根据人工智能领域中的神经网络进行网络安全信息传输与处理，为确保网络安全信息在传输与处理过程中不会出现信息丢失的情况，将网络安全信息自动识别偏差值设为x，可得x的计算公式，如公式(1)所示。

(1)

在公式(1)中，r指的是网络安全信息自动识别形式值；d指的是网络安全信息自动识别特征维数；B指的是网络安全信息自动识别的逻辑矢量。网络安全信息传输的实现意味着自动识别系统功能的实现[8]。除此之外，在基于人工智能的电气自动化控制系统软件设计中需要建立一个体系成熟的数据库，对自动识别到的网络安全信息进行对应的处理。将所有经过信息传输处理后的网络安全信息直接更新至数据库中，在此基础上利用数据库启动网络安全信息自动识别任务。在启动之前必须对数据库进行一定的设置，比如设置网络安全信息自动识别相关字，设网络安全信息自动识别相关字为c，则其公式如公式(2)所示。

(2)

在公式(2)中，g指的是网络安全信息自动识别的相关字向量；n指的是网络安全信息自动识别的相关字维数；u指的是网络安全信息自动识别的相关字参数。

利用人工智能技术通过相关字段完成高精度自动识别，从而提高自动识别的稳定性以及成功率[9]。至此，完成基于人工智能的网络安全信息自动识别系统软件所有流程。

通过最大后验概率方法Map针对具备稀疏分布特性的安全信息可进行以下操作，假设安全信息具备如式(3)的Laplace概率密度分布函数：

(3)

其中，β代表方差参数。充分考虑到安全信息在分离过程中幅值存在的不确定性，能够设定信源具备相同方差参数。因安全信息之间为相互独立的状态，则信源s联合概率密度函数表达式为：

(4)

因A为已知项，当x=As时，对式(4)进行最大化可得：

(5)

设定在某一时间仅存在一个信源值不是0，剩余信源值均非常小或者等于0，此点信源能够被精准地恢复。根据以上思想，综合考虑稀疏性，提出利用最小均方误差法实现盲源分离。

利用比幅法查找出仅有一个信源值不是0的点集合，因此能够获取信源在这些点中精确值。针对两个观测安全信息混合状况，假设在某一时间。仅有si信源值不是0，剩余信源值均为0，那么有：

(6)

其中，aij为已知项，能够获取仅有si不是0的全部点，在实际应用过程中选取一个容限值，当小于该值则将其判定为0。假设其点组成的集合是S，si精确值表达式为：

(7)

假设窗口中存在精准值，依据最小均方误差找到效果最好的子矩阵实现分离，找到满足公式(8)为最小值的分离矩阵当作分离子矩阵：

(8)

其中，N1代表窗口中第i个信源存在精准值点数量，sit代表第i个信源t时刻精准值，N2代表窗口宽度，也就是窗口中点的数量，sik⌒代表按照某一个分离子矩阵获取的第i个信源估计值。式(8)进行最小化能够得到最小均方误差下分离子矩阵，进而实现网络安全信息自动识别。

2 实验

2.1 实验准备

本次设计的实验硬环境包括：处理器Inter(R) Core(TM) Duo CPU、支持8线双绞线同轴电缆光纤专网、CPRS/DCMA无线公网以及无线专网；仿真实验软环境包括：EZfdsdnio仿真实验平台，整个平台使用Logo语言，主要用于对网络安全信息自动识别的仿真模拟。本次仿真实验主要内容为通过比较所提出基于人工智能的网络安全信息自动识别系统与传统识别系统的差异，分析两种识别系统对网络安全信息的自动识别率。

表2 两种方法的安全系数

表2中，AQ代表的是安全系数，DD代表的是两种不同方法的迭代次数，QK代表的是本文方法，WW代表的是文献[5]方法。

利用EZfdsdnio仿真实验平台实现对网络安全信息自动识别的数据处理，从而评定网络安全信息自动识别性能更高的识别系统。在此次仿真实验中，共设计8次实验，使用两种识别系统分别代入EZfdsdnio仿真实验平台，设置传统的识别系统为实验对照组。针对EZfdsdnio仿真实验平台测得的网络安全信息自动识别率，记录实验结果，进而判断两种识别系统对于网络安全信息的自动识别率能力。

2.2 实验结果分析与结论

根据上述设计的仿真实验步骤，采集8组实验数据，将两种识别系统下的网络安全信息自动识别率进行对比。为了更加直观地体现出两种识别系统的差异性，将实验结果在EZfdsdnio仿真实验平台界面部分以曲线图的形式进行展示，如下图1所示。

图1 网络安全信息自动识别率对比图

通过图1可得出如下的结论：本文设计的识别系统网络安全信息自动识别率最高可达89.95%，实验对照系统最高仅为50.02%，设计的识别系统自动识别能力更强，可以实现对网络安全信息自动识别。通过仿真验证结果，证明所设计的识别系统其各项功能均可以满足设计总体要求，可以广泛应用于网络安全信息自动识别方面。

结语

综上所述，基于人工智能的网络安全信息自动识别系统在网络安全信息自动识别应用中的具体优势已经显现出来。基于人工智能的网络安全信息自动识别系统是针对网络安全信息自动识别的最实用以及最可靠的手段。网络安全信息自动识别率的高低是保证网络安全信息自动识别效率以及质量的主要衡量标准，而针对网络安全信息自动识别系统进行基于人工智能的优化设计可以大幅度提高网络安全信息自动识别精度。基于人工智能的网络安全信息自动识别系统不但能够完成传统的识别系统所不能完成的任务，还能够以人工智能为核心技术，为网络安全信息自动识别领域的研究提供学术意义。