導語：計算機網絡安全評價應用探析一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：計算機網絡在各大領域中得到了廣泛的應用，給社會發展以及生產技術帶來了發展機遇。與此同時，計算機網絡安全問題成為了當前社會各界關注的主要問題。目前，可通過一些常用的工具軟件來對其網絡進行掃描及評估，但對一些較為復雜化的計算機網絡應用領域而言，需找到具有操作性強、適用面廣、人為干擾小的安全評價方法，才能滿足當前高速發展的計算機網絡安全控制需求。

關鍵詞：GABP神經網絡算法；計算機；網絡安全

隨著計算機的普及及網絡技術的發展，我國已進入網絡時代，互聯網規模的擴展及應用得到了不斷發展。進入網絡時代，互聯網已成為人們社交、生活、生產、科技、教育等方面不可缺少的重要組成部分。在這樣的發展形勢下，網絡所表現出的基礎性及全局性作用更加強勢。但在計算機網絡得到進一步發展時，其安全問題對所有涉及領域形成了巨大影響。尤其是計算網絡的復雜化結構及大規模化特點，呈現出許多安全漏洞。一些不法分子利用漏洞對其網絡進行入侵，對整個網絡系統的信息安全形成了威脅。

1復雜計算機網絡安全評價流程

對計算機網絡安全評價系統而言，在進行設計時需要對其網絡進行安全狀態演化規律進行預測，最基本的功能是對安全過程進行監測，并對所得結果深度識別。在進行安全評價時，需要通過幾個模塊來實現，即:輸入、輸出、運算。1.1輸入模塊。輸入模塊主要是通過數據輸入與處理兩個子模塊組成。(1)數據輸入模塊。此模塊需要對初始指標明確，并將其指定到入選體系中。再結合安全系統了解實際目標及國家制定安全政策來明確初始狀態下的指標體系集，按照所形成的指標體系集構建相應的數據采集系統。(2)數據處理模塊。數據處理模塊主要負責數據運行前的預處理工作。其中包含許多運算，最終通過標準化指標來對預處理后的數據進行分析。整個運算過程主要是以均值比、常量乘或除等形式進行運算，可以讓所運算結果更加精準。1.2運算模塊。運算模塊主要是通過指標分析與評價模型分析兩個子模塊組成。(1)指標分析模塊。此模塊主要是基于指標數據來進行分析，并能體現數據與指標所存在的關系。通過此關系可分析指標數據所具有的特性，同時，還可針對指標群類組合特性進行具體分析。(2)評價模型分析模塊。此模塊主要是描述系統的安全狀態，通過對其整體安全狀態的描述，精準地對系統安全問題進行預警[1]。其整個模塊需要通過安全系統狀態信號、指標轉折點確定和安全系統行為特征值預測。1.3輸出模塊。復雜計算機網絡安全評價中的輸出模塊，主要是通過以下幾個目標子模塊來組成：(1)安全監測模塊。主要負責當前安全狀態進行評價。(2)安全預警模塊。為系統隨時進行預警處理，并對即將出現的問題進行報警提示。(3)安全控制模塊。通過對安全預警模塊所發送的預警信息進行判斷，然后再結合所制定的規范化安全指標來進行合理控制，最終確保系統安全、穩定運行。(4)直觀顯示模塊。此模塊可將整個系統內所出現的安全問題以圖表的形式直觀地表現出來。1.4定性、定量問題的解決。在進行相關數據輸入時，需要通過相應的參數運作分析整個安全系統的演化形式。通過分析模式獲取到不同變化規律的參數，然后根據所獲取到的參數來進行分類評價。分類評價過程中由于不同因素的影響，產生非常多的定性以及定量問題。要解決這問題，需要根據不同類型問題來尋找相應的解決方案。當前在復雜計算機網絡安全評價過程中，較為主流解決問題的主要方法是人工神經網絡方法。相對較模糊的黑箱系統，則可通過集中專家定性評價的德菲爾方法解決。

2GABP神經網絡在計算機網絡安全評價中的仿真模型構建

BP神經網絡訓練結果主要劃分為四個矩陣，其矩陣的設定可將輸入節點設定為i，隱含節點設定為j，輸出節點設定為K。2.1輸入層到隱含層的權值矩陣：2.2隱含層閡值矩陣：2.3隱含層到輸出層權值矩陣：2.4輸出層閡值矩陣：在進行相應的優化工作過程中，針對BP神經網絡權值進行優化時，可利用GA來進行優化。整個優化過程主要是對1、2、3、4矩陣進行優化，讓其組成相應的染色體串，然后再對其進行編碼。

3GA算法實現

3.1利用實數編碼進行權系編碼。對神經網絡權系數而言，需要借助編碼并將其按照相應的組合形式將其神經網絡權系數進行組合，在通過相應組合后可獲取相應的遺傳算法染色個體。在進行編碼時，可通過許多方式來進行。當前較為主流的編碼方式為二進制編碼與實數編碼等方式。根據遺傳算法來進行分析，其算法通常情況下所采用的為二進制編碼。但如果在多維高精度數值需求下采用二進制編碼，在一定層面上會出現問題，并對整個編碼過程形成一定的阻礙。在進行計算機網絡安全評價時，整個過程會形成近100個變量。如果選擇二進制編碼來完成權系編碼，則無法實現最佳的執行狀態[2]，因此，可利用實數編碼來完成權系編碼。所謂實數編碼是指，將不同的連接權值通過實數的方式來進行表示。通過遺傳操作可以針對兩組實數來進行直接操作，還可通過直觀的表示來反映染色個體。3.2初始化及適應度函數。在進行遺傳操作過程中，可針對諸多個體同時進行操作。通過遺傳操作實現將不同個體組成群體的目的。但需要基于群體多樣性的層面來進行種群規模考慮。此外，為了提高GA搜索效率，群體在進行初始狀態時，需要對整個問題空間均勻分布。綜合許多影響因素進行考量，種群大小popsize可以設定為50，并明確不同元素的取值范圍[-1,1]，通過隨機獲取一個值來當作初始值，然后將其形成初始種群。從某個層面上來分析，如果隱含層節點數目在一定程度上有所增加。網絡訓練誤差也會隨之而慢慢減小。如果節點數達到5時，網絡訓練誤差減小速率會基本穩定。預測模型誤差會向較小的方向發展。從而可證明隨著B隱層節點數目的增加，網絡學習能力也會隨之增強，其模型的理解能力也會在兩者增加的情況下而不斷增強。此外，如果隱層節點數目數量增加達到相應定量值時，雖然可以在一定程度上會減少許多誤差[3]，但網絡預測能力會受到影響。從而可以證明過多的隱層節點，網絡出現過度飽和時，會出現過剩的學習因子產生，從而出現對其網絡產生影響的噪聲，使整個網絡性能在一定程度上有所下降。當隱層節點達到5-8時，網絡訓練誤差和預測誤差組合則可以達到一個最佳狀態。經過相關實驗表明，針對此三個節點數目進行預測時，其準確度會達到最佳狀態。

4結語

總之，通過選擇GA算法可實現補償，構建一個基于GABP神經網絡算法仿真模型，并將其應用于計算機網絡安全評價中。通過所構建的仿真模型，結合不同子模塊與支撐平臺，可對小型復雜網絡進行全方位測試評估，并將其系統安全狀況的趨勢圖直觀地向用戶展現。

參考文獻：

[1]張天舟.GABP算法的復雜計算機網絡安全評價中的應用[D].成都:電子科技大學碩士論文,2015.

[2]庫察那.Java軟件體系結構設計模式標準指南[M].北京:電子工業出版社,2006:358.

[3]占俊.基于自適應BP神經網絡的計算機網絡安全評價[J].現代電子技術,2015,38(23).

作者:劉向明 單位:桐城師范高等專科學校