神经网络范文精选

[摘 要]在计算机网络安全评价中，针对计算机网络安全评价问题，应采取有效的安全评价方法，准确描述各网络安全指标，有效避免网络受到漏洞、病毒入侵，应用神经网络，可以确保网络安全，减少网络安全问题的发生。以下本篇分析在网络安全评价中神经网络的应用。

[关键词]神经网络、网络安全评价、网络安全

中图分类号：TP183 文献标识码：A 文章编号：1009-914X（2015）13-0301-01

引言

对于计算机网络安全评价中，优化计算机网络安全评价方法，应用神经网络，发挥非线性安全评价能力，提升计算机网络安全评价速度，有助于提高网络安全评价的精度。以下对此做具体分析。

1、网络安全评价与神经网络

1.2 计算机网络安全评价

网络安全评价，就是针对影响计算机网络安全的因素，建立全面、合理的评价指标，能够客观、科学地反映网络安全影响因素。网络安全评价，应具备、可行性、简要性、独立性、完备性、准确性，这样才可以准确反映评价信息。

摘 要随着经济的不断发展，科技的提高，开阔了各个行业的发展前景，计算机网络得到良好改善。随着社会经济的发展，计算机成为人们日常生活必备用品，但是要想计算机网络迅速发展，还需要提高运行能力和整体性能，使计算机不断满足当下社会的需求。计算机网络模型具备储存信息、使信息规划等不同特点，保证使用人员能够快速搜索所需要信息。同时，计算机网络还具备优化的优势，使信息联想，计算机神经网络算法可以构造全面的信息储存库，保证信息储存和信息处理。

【关键词】计算机网络模型 神经网络算法

计算机网络在人们日常生活越来越重要，被广泛应用到各个行业。随着社会不断发展，人们需求不断加高，使计算机得到良好改善，目前，计算机网络运用集线式服务器来实现网络互连，促进网络发展。但是也有很大弊端，过多的联想信息虽然满足人们需求，但是对技术的要求也更加苛刻，现有的技术满足不了计算机网络运行，使人们日常操作不方便。为了解决这一问题，研究人员需要全面优化计算机网络，提高运行能力和性能，运用神经网络算法，使计算机更加适合现代社会发展，储存更多信息。

1 神经网络算法概论分析

1.1 神经网络算法整体概论

神经网络算法是按照人体大脑的思维方式进行模拟，根据逻辑思维进行推理，将信息概念化形成人们认知的符号，呈现在显示屏前。根据逻辑符号按照一定模式进行指令构造，使计算机执行。目前，神经网络被广泛使用，使直观性的思维方式分布式存储信息，建立理论模型。

优化网络的神经网络主要是Hopfield神经网络，是1982年由美国物理学家提出的，它能够模拟神经网络的记忆机理，是全连接的神经网络。Hopfield神经网络中的每个神经元都能够信号输出，还能够将信号通过其他神经元为自己反馈，那么其也称之为反馈性神经网络。

1.2 优化神经网络基本基础

1计算机网络安全管理概述

一般而言,计算机网路安全管理指的是计算机在连接网络后进行信息的交换、浏览以及下载的过程中,对信息安全进行有效的管理,防止信息被他人窃取或者破坏。随着信息时代的到来,越来越多的人对计算机产生了很强的依赖,从儿童到老年人,计算机的影响无处不在,随着计算机的普及,人们在使用计算机的过程中对其安全性就有了顾忌。对于计算机网络,只要连接互联网,随时都存在被攻击的可能,相对而言,没有任何计算机是绝对的安全或者是不受到任何的攻击。运用计算机网络技术进行攻击或者盗取个人信息或者是企业信息的事件凡乎每年都会发生,计算机网络存在严重的安全隐患。所以,要及时的认识以及了解计算机网络面临的安全隐患,积极的采取相应的措施加强对计算机网络安全的管理

2神经网络在计算机网络安全管理应用的现状

2.1对神经网络在计算机安全管理运用中的重视程度不够。计算机网络安全是因特网发展的最基础的目的,但与此同时近乎所有的计算机网络在开创以及不断的发展过程中都趋向于实用以及便利,相反却在一定程度卜没有重视对计算机的安全管理,更没有将神经网络技术运用到计算机的安全管理中,进而对计算机网络的安全管理留下了严重的隐患。另外,神经网络在计算机网络安全管理中主要是对计算机的网络安全进行评估,然而由于不重视对神经网络在计算机网络安全管理中的运用,使得没有建立良好的计算机网络安全评价标准体系。

2.2对神经网络在计算机网络安全评价模型的设计和实际运用不够合理。一般来说,神经网络在计算机网络安全管理中主要是对计算机网络安全进行一定的评估,在对其进行评估的过程中,就需要设计一定的计算机网络安全评价模型,主要包含刊浦俞入层、输出层以及隐含层的设计;但是,目前神经网络在计算机网络安全管理中对于评价模型的设计还没有将这三方面有效的联系起来、除此之外,对神经网络在计算机网络安全管理的实际运用中,不能科学、合理的实现计算机网络安全管理评价模型运用,不注重对评价模型的学习以及不关注对评价模型进行有效的验证。

3加强神经网络在计算机网络安全管理中的应用采取的措施

3.1神经网络在计算机网络安全管理中要科学、合理的设计网络安全评价模型。神经网络在计算机网络安全管理中要科学。合理的设计网络安全评价模型,以便更好的实现计算机网络安全、高效的运行。为此,计算机网络安全评价模型需要进行一下设计:首先是对输入层的设计,一般来说,神经网络在计算机网络安全管理运用中,对于输入层考虑的是神经元的节点数以及评价指标的数量,尽可能的使这两者数量保持一致。其次是对隐含层的设计,对于隐含层的设计需要注意的是若某个连续函数在任意的闭区间中,可以通过在隐含层里的神经网络来靠近,大多数情况下,神经网络通常运用的是单隐含层。最后是输出层的设计,神经网络的输出层设计主要是获得计算机网络安全管理评价的最终结果,例如可以设置计算机网络安全管理评价的输出层节点数为2,那么相应的输出结果(l,)l指的是非常安全、(o,)l指的是较不安全、(,l山指的是基本安全以及(,0切指的是非常的不安全。

3.2神经网络在计算机网络安全管理运用中要对评价模型进行有效的验证。需要注意的是,神经网络在计算机网络安全管理运用中要对评价模型进行有效的验证,一般体现在一下几方面:首先是要关注评价模型的实现,为了实现神经网络在计算机网络安全管理中的良好运用,就要依据客户满意的评价模型,运用计算机网络技术创建设置含有输入层、隐含层以及输出层的神经网络模型,然后再对网络安全进行检验。其次是要注意对评价模型的学习,在对计算机网络安全进行评价之前,需要对神经网络进行标准化的处理,才能尽可能的减少对计算机网络安全管理评价中的误差。最后要注意对评价模型进行验证,当神经网络经过标准化处理以及在计l章机网络安全评价之后,就需要刊输出的结果进行一定的验证,以便确定神经网络对计算机网络安全的评价输出结果是否与期望的评价结果相一致,进一步验证神经网络在计算机网络安全管理中安全评价模型的准确与否。

0引言

信息技术的发展繁荣给人类带来了机遇与挑战，为了应对计算机网络技术的安全问题人们引入了神经网络体系。从仿生学角度来说计算机神经网络体系仿照了人脑的工作方法。人脑具有接受信息，分析信息，处理信息的能力。科学家从中获得启发将这一方法引入了计算机安全防御中去，并形成了计算机安全评价的标准。

1计算机神经网络体系

人们为了因对计算机迅猛发展带来的危机在上世纪40年代就提出了神经网络体的设想，并对此加以研究实验。自80年代后已经成为人们评价计算机网络安全的重要标准。大量简单的神经元通过相互连接形成更复杂的神经结构，神经结构之间相互连接最终形成神经网络体系。神经网络体系具有十分强的的信息处理工能，可以存储分布、处理分布，有包容性和学习能力，能够处理非线性的复杂关系，是一个成长型的系统。神经网络系统通过调节自身节点之间的关系，来完成对信息的分析处理，模仿人的大脑对信息的处理方式。其具有很强的灵活性和针对性，可以进行初步的理性分析，优化其自身的信息资料库，找寻最优的解决方案。计算机神经网络系统是人类迈向人工智能化时代的一大创举，随着人工智能技术的不断进步，更加智能的机器人将随之产生。

2计算机网络安全的评估标准

计算机的使用者们根据当前计算机的使用状态制定了一系列的计算机网络安全现行标准。

2.1网络安全的定义

网络安全指的就是人们在运用互联网时信息的安全保密不被窃取和恶意破坏，系统、软件设备、硬件设备都处在良好的状态中。在计算机系统运行时不会受到木马病毒、恶意插件的攻击。信息安全、密码安全、通信安全等领域的安全都处在网络安全的范畴之中。计算机网络安全有四大原则：可控性原则，即计算机网络信息的传播控制在一定的范围内，网络上流传的信息要在法律允许的范围之内，网络管理者可以通过网络对其进行有力的控制。完整性原则，即网络数据信息未经过官方和其发行者的授权不可以私人篡改，保持网络数据的完整性就是保证网络信息的可用性。可用性原则，即网络使用者当前是否能够使用网络中的信息。保密性原则，即对计算机网络数据进行访问时，不得随意泄露信息给未获得网络授权的用户。在这个信息全球化的时代，网络安全是人们生活安全中至关重要的一项。

1计算机网络连接增强优化

计算机网络拓扑结构主要是指计算机连接网络之后，其自身设备与传输媒介所共同组成的一种物理构成模式，其网络拓扑结构的形式主要是由通信子网来决定的，其结构的主要功能是实现数据信息的网络共享、处理及交换，并要在一定程度上提升网络数据信息运行的可靠性，站在网络拓扑的结构来讲，计算机网络结构的主要部分是链路与结点，计算机网络实质上是由一组结点以及多条链路所共同组成的一种模拟结构。计算机网络通常表示为：G=<V，E>，其中V表示的是网络结点集，E表示的是链路集，如果应用Va来表示结构中增加的结点集，Eb来表示增加的连接集，那么就能够得到其拓扑扩展的计算机网络结构为G’=<V’，E’>。

2基于计算机网络连接优化中的神经网络算法

本次研究中分析的均场神经网络算法实际上是一种神经网络算法与均场退火技术相结合的算法，应用这种方法能够有效的增强计算机的网络连接，并且达到更优化、更快的连接效果，这其实是一种利润最大化的网络优化算法，其能够最大限度的提高计算机网络的性价比。

2.1神经网络算法

人工神经网络属于非线性动力学系统，其能够对信息进行分布式的存储及协同处理，其在人工神经网络之上的人工神经网络系统的基础之上，应用网络算法及网络模型进行各种信号的处理，或者是对某种运行模式进行识别，从而建立其一个独立的专家系统，或者是构成机器人，当前在多个领域中，人工神经网络系统都得到了广泛的应用，在该基础上所发展起来的人工神经网络算法是一种监督性的学习算法，人们对于其重视程度逐渐增加，但是在实际的应用中，其存在收敛速度较慢的缺陷，难以保证将收敛程度压制到全局的最小点，容易导致计算机网络学习及记忆不稳定性增强的问题，这会对计算机网络的连接效果造成直接的影响，做好其网络连接的优化非常的必要。

2.2均场神经网络算法

在基于计算机网络连接增强优化下的均场神经网络算法的研究中，对其网络效果进行判断，需要建立起一个完整的场均神经网络模型，在模型的构建过程中，应该做好函数法构造过程中的目标函数的构建问题，具体的构建方式表现为：应用Si来表示Hopfield计算网络中的一个神经元状态，并且规定当Si=1时，表示的含义是网络选中了连接i，可以实现正常的连接，当Si=0时，表示的含义是：网络中没有选中连接i，网络无法实现正常连接，再应用罚函数法就结构来进行网络模型的创建。

【摘要】针对网络流量在时序上的复杂非线性特征，采用径向基函数神经网络对网络流量时间序列进行预测。用自相关分析技术分析时间序列的延迟特性，建立了基于MATLAB6.5环境下径向基神经网络的网络流量预测模型，并用本校网络流量数据进行了验证。结果表明，该模型拟合精度和预测精度较高、计算速度较快。

【关键词】神经网络；网络流量；预测径向基算法；BP算法

随着网络的迅速发展，网络上承载的业务和应用日益丰富。加强网络管理、有效提高网络运行速度和利用率，网络流量预测是关键，也就是对网络出口的流量发展进行动态分析，并在定性基础上对流量进行定量的计算。有很多种因素可以影响网络流量，在实际发生的时间序列中，弱相依性、突变性和随机性等复杂非线性特征对网络流量预测都存在很大的影响，而且在以往的学者中针对于这些特点所构建的数学模型也不是很完善，还不够成熟。针对这些特点本文将在时间序列的预测中结合使用径向基神经网络的方法，在时间序列的延迟性中运用自相关分析技术进行合理分析，建立基于MATLAB6.5环境下的黑龙江信息技术职业学院网络出口流量预测的径向基神经网络数学模型，并对实际网络出口流量数据惊醒有效的验证。

1、建立径向基神经网络流量的预测模型

对于网络流量这样的非线性系统进行建模时，本文采用径向基神经网络技术，针对隐层节点的数量处选择合理的改进方法。经过实际操作的甄选后选择网络流量的均方误差的目标值为0.001，隐层节点数选择最大为23个。除此之外，为了保证径向基神经网络泛化能力的良好运行，并且保证径向基函数的输人输出范围足够大，就需要对输入的训练值进行postmnmx归一化处理。

从隐含层到输出层之间的权值是基于径向基神经网络函数来调整，并采用线性传递函数进行实现的，综合考虑，这样就不存在在局部会出现极小点的问题。对于这种基于径向基神经网络的局部函数，会有很快的网络学习速度，对于函数迫近时的收敛速度问题，能够很好地克服。

2、算例分析

对基于径向基神经网络函数是有一定的精度要求的，本文采用newrb函数进行设计，并满足函数的精度要求。函数格式为：net=newrb（a，b，m，n），采用基于径向基神经网络函数进行逼近原始函数时，newrb函数能够自动增加基于径向基神经网络的隐层神经元，直到均方误差满足为止。对于输入向量矩阵、目标向量矩阵、均方误差和径向基的分布分别使用式中变量a，b，m，n来表示。

摘要：随着经济的不断发展，科技的提高，开阔了各个行业的发展前景，计算机网络得到良好改善。随着社会经济的发展，计算机成为人们日常生活必备用品，但是要想计算机网络迅速发展，还需要提高运行能力和整体性能，使计算机不断满足当下社会的需求。计算机网络模型具备储存信息、使信息规划等不同特点，保证使用人员能够快速搜索所需要信息。同时，计算机网络还具备优化的优势，使信息联想，计算机神经网络算法可以构造全面的信息储存库，保证信息储存和信息处理。

关键词：计算机网络模型；神经网络算法

计算机网络在人们日常生活越来越重要，被广泛应用到各个行业。随着社会不断发展，人们需求不断加高，使计算机得到良好改善，目前，计算机网络运用集线式服务器来实现网络互连，促进网络发展。但是也有很大弊端，过多的联想信息虽然满足人们需求，但是对技术的要求也更加苛刻，现有的技术满足不了计算机网络运行，使人们日常操作不方便。为了解决这一问题，研究人员需要全面优化计算机网络，提高运行能力和性能，运用神经网络算法，使计算机更加适合现代社会发展，储存更多信息。

1神经网络算法概论分析

1.1神经网络算法整体概论神经网络算法是按照人体大脑的思维方式进行模拟，根据逻辑思维进行推理，将信息概念化形成人们认知的符号，呈现在显示屏前。根据逻辑符号按照一定模式进行指令构造，使计算机执行。目前，神经网络被广泛使用，使直观性的思维方式分布式存储信息，建立理论模型。优化网络的神经网络主要是Hop?eld神经网络，是1982年由美国物理学家提出的，它能够模拟神经网络的记忆机理，是全连接的神经网络。Hop?eld神经网络中的每个神经元都能够信号输出，还能够将信号通过其他神经元为自己反馈，那么其也称之为反馈性神经网络。

1.2优化神经网络基本基础Hop?eld神经网络是通过能量函数分析系统，结合储存系统和二元系统的神经网络，Hop?eld神经网络能收敛到稳定的平衡状态，并以其认为样本信息，具备联想记忆能力，使某种残缺信息进行回想还原，回忆成完整信息。但是Hop?eld神经网络记忆储存量有限，而且大多数信息是不稳定的，合理优化计算机联想问题，使Hop?eld神经网络能够建设模型。

1.3神经网络算法优化步骤简述人工神经网络是模拟思维，大多是根据逻辑思维进行简化，创造指令使计算机执行。神经网络算法是按照人体思维进行建设，通过反应问题的方法来表述神经思维的解；利用有效条件和能量参数来构造网络系统，使神经网络算法更加可靠；大多数动态信息需要神经网络来根据动态方程计算，得出数据参数来进行储存。

2神经网络算法的特点与应用

摘要：预测网络流量虽然有很多方法，但是用小波神经网络来进行预测是准确率最高的，这种方法集成了小波变换和神经网络的优点。本文主要对小波神经网络及网络流量预测进行了分析，进一步证明了小波神经网络的优势和可行性。

关键词：小波；神经网络；网络流量；预测

Abstract: predict the network traffic while there are many ways, but the use of wavelet neural network to predict accuracy is the highest, this kind of method integration of the wavelet transform and neural network advantages. This paper mainly to the wavelet neural network and the network traffic prediction are analyzed, and the further proof that the wavelet neural network advantages and feasibility.

Keywords: small wave. Neural network; Network flow; forecast

中图分类号：F272.1文献标识码：A 文章编号：

随着网络的迅猛发展，网络拥塞的现象越来越严重，此时预测网络流量显得如此重要。网络流量是一个复杂的系统工程，其具有很多特性，如突发性、长相关等。预测网络流量方法很多，如用小波变换、用神经网络等，这些方法虽然都能够实现预测网络流量，但是由于这些方法的局限性，预测结果的准确率有所不同。因此，找出一个准确率高的方法进行网络流量预测是非常关键的。

1.小波神经网络

1.1小波神经网络的结构形式

【 摘 要 】 随着我国经济的发展，科技得到了很大进步，网络技术应用到各个行业中，人们在享受方便、快捷的同时，也会出现很多网络安全问题，给网络的正常运行带来一定的风险。为了降低安全风险需要采用神经网络对网络进行安全评价和实施的管理，这对降低网络安全有很大作用。由于网络安全评价有很大不足，使评价结果出现不同程度的失真，所以为了更好第维护网络正常运行，有必要通过神经网络来实现网络安全评价。本文主要阐述了网络安全评价中神经网络的应用。

【 关键词 】 网络安全评价；神经网络；实践应用

1 引言

随着我国网络技术的不断发展，信息划时代已经到来，信息技术遍布于各个领域中，并且在不同领域中有很好的应用。互联网的使用在我国比较多，在改变人们生活方式的同时，也在很大程度上提高了人们的生活质量。

在此前提下，网络安全已经成为人们关注的焦点问题，需要网络研究人员采用神经网络对网络安全进行必要的评价和监控，挖掘出网络问题的不同因素。选用不同的方法来顺利实施安全评价，在很大程度要保证评价的科学性和真实性，由此神经网络技术的应用能够保证网络安全评价的客观性。

2 计算机网络安全评价原理

在计算机网络安全评价中，安全评价有很大的发展空间和效果，评价对象呈现出一个多元化趋势，不单单是对系统的评价。系统的组成要素并不单一，建立有自身的目标范围，由此可以说明网络的建设也是通过这种方法进行。系统虽然是人们开发的产物，但是在很大程度上系统之间也有很大差异，有关研究者需要在差异的前提下实现对内涵的了解，对其中出现的一些信息和数据进行必要的掌握和明确。在网络进行安全评价中，其中的关联性对研究对象来说起到了决定性的作用，主要分析了研究对象的变动情况。安全评价原理中最为重要的就是惯性原理，它是安全评价中尤为重要的一个组成部分，惯性原理以角度的变化对研究对象进行研究，在研究的过程中会产生很大的不间断性，根据这种不间断性可以对研究对象未来的发展方向进行明确，给予清晰的定位。网络安全评估原理还可以用质变和量变之间的关系来实现。

3 神经网络在计算机网络安全评价的应用

脑细胞的联接方式非常重要，从中可以获得好多关于主人的有用信息。

人的智商与性格都是由大脑结构决定的，这是不争的事实。早年间科学家们主要关心脑细胞的数量和质量，后来发现人的脑细胞数量是基本固定的，质量也不容易评估，从这方面入手很难做研究。相比之下，脑细胞之间的神经联接却是不断在变化的，而且很可能更重要。

这一点不难理解。两台不同的电脑，一台非常高档但没有联网，另一台价格低廉但却联了网，哪台更好用？答案是不言而喻的。问题在于，大脑神经细胞的数量本身就是一个天文数字，它们之间的神经联接网络更是复杂异常，科学家们一直缺乏有效的研究手段，这方面的进展相当缓慢。

磁共振弥散张量成像（Diffusion Tensor Imaging）技术的出现解决了这个问题，这种技术可以实时测量大脑中水分子的流动情况，从而间接地衡量神经细胞之间信号通讯的强度和方向。有了这项技术，科学家们就可以研究活人的脑神经联接情况了，神经网络的秘密正在逐渐被揭开。

比如，曾经有研究显示，人在发育过程中大脑的神经联接会经历数次自我修整的过程，即把不必要的联接断掉，仿佛在剪枝一样。农民给果树剪枝是为了集中力量结果子，大脑的自我修整可以帮助主人更好地集中精力，不因周围的无效刺激而分散脑力。

这个自我修整过程是大脑发育当中极为重要的步骤，为了更准确地搞清这一过程的细节，来自英国纽卡斯尔大学（Newcastle University）的科学家马科斯·凯瑟（Marcus Kaiser）博士及其同事们招募了121位年龄在4-40岁之间的志愿者，用磁共振弥散张量成像技术扫描了他们的大脑，发现这个自我修整过程是有选择性的，同一区域（比如负责听觉的单元）内部的神经联接被清理的几率很高，而联接不同区域（比如负责听觉的单元和负责视觉的单元），尤其是距离较远的两个区域的神经联接则大部分被保留了下来。

仔细想想大脑这么做是有道理的。首先，距离越远的神经联接在建立的时候肯定越困难，因此也就越宝贵，不能轻易地被清理掉。其次，不同的区域之间的信息交流肯定比同一区域之内的信息交流更重要，比如你从闺蜜那里得来的信息很可能是重复的，而一个生活在异国他乡的朋友传递给你的信息往往就很宝贵了，这样的神经联接价值更大，理应保留。事实上，已知很多神经性疾病的患者都是在远距离神经联接上出了差错，比如癫痫、自闭症和精神分裂症等都是如此。

凯瑟博士将研究结果写成论文，发表在2013年12月15日出版的《大脑皮层》（Cerebral Cortex）杂志上。该文还提到了一个细节，女孩的大脑自我修整过程发生得比男孩早，也许这就是为什么女孩的智力发育开始得比男孩早的原因。