深度学习算法下的计算机网络安全性探究

时间：2024-09-03

◆袁炳夏

深度学习算法下的计算机网络安全性探究

◆袁炳夏

（惠州学院广东 516007）

现如今，计算机已经成为人们生产生活的必需品，计算机的存在简化了人们的工作，丰富了人们的生活。日常生活中的大多数工作都需要通过计算机来完成，容易被一些不法分子钻空子，这就使得人们对计算机网络安全的重视程度日渐提升。本文将分析深度学习算法对计算机网络安全的影响以及基于深度学习算法如何能够保障计算机网络的安全。

深度学习算法；计算机网络；安全性

我国的计算机技术正处于飞速发展的阶段，并且计算机技术几乎涵盖了各个领域，所以，就会有不法分子想利用计算机网络安全的漏洞赚取巨大的利益，对计算机网络安全造成了严重威胁。因此，计算机网络安全也就伴随着计算机技术发展了起来，并且逐渐得到了人们的重视。计算机网络安全的维护需要耗费大量的人力、物力成本，且传统的针对方法效率较低，所以需要引进深度学习算法来帮助程序员构建新的计算机网络安全体系。

1 深度学习算法

深度学习算法能够帮助计算机程序员分析更多的数据，简化复杂重复的分析过程。深度学习算法在基于深度学习算法的网络安全构建中，将关注焦点放在具体的问题中，通过算法确定其特征量，最后通过训练学习，抽取关键信息的方式来完成数据处理。举个例子；在僵尸网络中，深度学习算法需要对其关键特征建立模型，进而才能对其进行全面有效的识别，然后相关数据就会被记录在算法中，特征量越多，算法的识别概率也就越准确，而且特征量直接决定了深度算法最终的识别效率。采取深度算法能够提升计算网络识别安全漏洞的效率，能够提升整个计算机网络的智慧程度，尽量减少人为的干预，减少计算机维护的成本[1]。现如今，深度学习算法已经被广泛应用于计算机网络的安全系统中，其对于网页漏洞、不良信息的识别效率远远高于人本身审核的效率，这对庞大计算机网络下的安全具有重要意义。而且深度学习算法在不同的领域发挥着不同的作用，其快速识别信息并且分类的功能简化了人们的工作，在此算法的加持下，人们的工作效率、社会的治理效率得到了较大的提升。

2 计算机网络安全的现状

在深度学习算法出现以前，计算机网络的安全保障工作一直面临巨大的压力，计算机网络的安全保障工作存在不少漏洞，其主要因素有以下几种：

首先最常见的是计算机病毒，计算机病毒有着传播范围广、传播速度快等特点，一旦计算机网络感染病毒，病毒就可以通过网络系统进入每台计算机终端，整个计算机都会受到病毒的影响，部分病毒还会窃取人们工作的重要信息，导致数据损坏，严重影响人们的生产生活。而部分不法分子为了谋求更加巨大的利益还会提升病毒的毒性，以窃取更多行业或者是技术数据，严重危害了国家的信息安全[2]。有些病毒的特征并不是那么的明显，而且还会有潜伏期，一般新入职的程序员并不能有效识别这些病毒，当这个病毒已经影响了相当大一部分计算机的时候其病毒的性状才会显现出来，进而对整个计算机网络安全系统造成巨大的影响。

然后就是计算机软件，为了满足用户的需求，现如今的计算机软件更新迭代的速度飞快，在设计软件的过程中，相关设计人员需要考虑各种因素的影响，尽量消除不良影响，以提升整个软件的使用效能，保证软件的正常使用。而数量众多的软件有一部分来源不明，在非正常渠道下载的软件可能会被黑客串改过关键代码，进而在暗中窃取用户数据，所以设计人员需要不定期对软件进行维护，避免病毒被植入软件而影响用户的正常使用，但这个维护的过程是阶段性的，黑客很容易找到维护的空挡进行病毒植入，窃取消费者关键信息。如果要实现24小时连续监控，将耗费大量的人力与物力，这也是传统网络安全系统共同的局限性问题。

3 基于深度学习算法的网络安全应用

网络安全系统的作用在于保护各种基础设施、重要数据信息等，使它们免受各种外来因素的破坏，在建立保护网络的过程中需要应用到各种技术。

3.1 构建计算机网络拓扑结构模型

许多国家迫切需要建立网络安全体系，以捍卫国家网络主权，在未来，网络也将成为国家博弈的重要阵地，在建立网络安全体系时根据具体的网络环境建立合适的数学模型可以增加深度学习算法的识别能力。拓扑模型主要能够完善计算机网络的结构和功能。而且拓扑模型本身需要定位安全系统的工作模型，并且连接不同的设备，广泛收集计算机设备的状态信息，实时监控以保障各个计算机的数据安全。

3.2 加密技术

主要的加密技术为电子标签RFID技术，这是一种无线通信技术，能够对计算机网络通信实时加密。当前科研人员对RFID技术相当感兴趣，对于此项技术的研究也较为深入，包括基于此技术研发的Hsah-Lock协议，分布式RFID询问—应答认证协议、Hash链协议、David的数字图书馆RFID协议、LCAP协议、随机化Hash—Lock协议和基于杂凑的ID变化协议等。这些加密技术在一定程度上保障了计算机网络的正常运行。

3.3 认证技术

认证技术是一种识别技术，能够对一些软件的权限申请进行有效识别，精准识别以防止不良软件获得计算机的关键权限。在深度学习算法的加持下，认证技术会随着该技术模型的认证量而提升认证的准确性，通过认证排除潜在的计算机本身的安全威胁。认证技术已是计算机网络安全中一项关键技术，是计算机网络的基础部分。应用最多的认证技术主要代表有X590认证、预认证等等。

3.4 入侵保护机制

目前我们已经加强了对威胁计算机网络安全的因素的排查，但也难免会有难以识别的因素，所以有必要建立一种被入侵后的查杀技术，尽量减少病毒对计算机安全网络造成影响。建立入侵保护机制，在发现逃过检测进入计算机网络的病毒后，计算机系统能够调度资源对威胁进行精准查杀。入侵检测系统包含网络侵入检测、主机系统安全检测、软件安全组件的安全检测。防御与攻击并行，才能构建完整的网络防护体系，构建绿色健康的生态网络。

在深度学习算法的加持下，以上的技术都能通过自主学习进而建立自己的数据库，并且自主性不断增强，所能服务的范围也将不断增大，相关技术人员+深度学习算法能够更好保障计算机网络系统的安全运行。

4 基于深度学习算法的网络安全性分析

4.1 计算网络的安全定义

对于计算机网络安全的分析要从几个方面进行，在进行计算机系统安装的时候，最容易遭到病毒的入侵，在这个阶段需要对计算机系统本身的整体性能进行全面的分析，对计算机网络的环境进行整体监测，判断其在安装计算机系统的过程中是否具有抵抗病毒病毒入侵的能力，是否能够保证计算机信息的安全。所谓计算机网络安全可以归结为计算机信息的安全，所以我们的目标非常明确，就是保障计算机系统中的信息不被窃取与篡改。因此，如果需要借助计算机系统进行更加高效的办公，将一些关键数据录入计算机系统，就需要对计算机本身的数据进行全面的保护。如果想要对计算机网络进行全面的保护就必然要引入基于深度学习的智能算法，现如今的计算机网络的运行速度是远超人脑的，人本身是不能应对计算机网络中如此庞大的计算量的，且传统的抗病毒算法太过死板，应对多变复杂的计算机网络病毒难以识别。基于深度学习算法的计算机网络计算可以基于病毒根本的特征进行识别并查杀，这就是新时代下的计算机网络安全问题的最优解。

4.2 分析计算机数据安全

计算机网络安全是保障整个计算机网络生态正常的基础，计算机网络中，每天都在传递大量的信息数据，信息数据也是整个计算机网络重要的组成部分，因此在进行计算机网络分析中对计算机网络中流动的数据进行分析是计算机网络安全分析中重要的组成部分。而基于深度学习算法的计算网络安全系统在其中的作用就为识别异常数据。基于拓扑算法的数据分析，并且由深度学习算法的数据支持，能够在计算机外部实现设备的相互连接，多设备连接大大提升了系统的安全性能。如果黑客想要入侵计算机，就需要在众多的设备中找到合适的入口，找到正确的入口后还需要继续破解防火墙等屏障，操作难度非常高，一般的黑客是无法突破的，即使突破了外围的防火墙，深度学习算法就像计算机网络内的白细胞，能够精准识别并且查杀入侵的病毒，从而实现计算机网络的全方面的保护。

4.3 攻击类型的分析

目前网络上的威胁主要是定向攻击，一些不法人员为了窃取客户的信息数据，利用计算机网络本身存在的安全隐患对计算机进行攻击，进而窃取计算机中的关键信息，而且不法人员有庞大的计算机网络做掩护，通常情况下计算机很难识别。而且这类型的入侵方式多变，经过第一次对病毒进行识别并优化了相应的防火系统后，第二次，攻击者可能又会变一种方式入侵计算机网络，防不胜防。所以需要基于深度学习算法的特征识别技术，对其攻击目标、攻击特征、攻击方式等特征进行有效分析，并以此对系统做出自动适当的修正，根据实际结果与具体情况，做出相应的反应，在面对病毒攻击的过程中使计算机网络本身具备一定的抵抗病毒的自主性。

根据对计算机网络系统的安全进行分析，我们可以看到深度学习算法在计算机网络安全的应用，其能够在构建计算机网络安全系统中体现出其独特的优势。要实现计算机网络的良好发展，进一步深度发展计算机网络技术，就需要先确认计算机网络未来的发展方向，在未来，各个终端设备将会通过计算机网络技术连接得更加紧密，这需要计算机网络安全人员为适应技术的发展与需求继续开发计算机安全技术。