基于神经网络的计算机网络安全评价研究

由于计算机网络信息在传播时具有开放性,部分信息未经过严格的审核,导致计算机网络面临安全漏洞和病毒等方面的威胁。神经网络是目前应用最为广泛的网络模型之一,结合神经网络构建一套安全、可靠的计算机安全评价体系,对网络安全有一定的保障作用。将神经网络有效地应用于计算机网络,有利于降低网络安全风险。文章对神经网络和计算机网络安全进行了概述,通过BP神经网络构建可靠的计算机网络安全评价体系,阐述了基于神经网络的计算机网络安全评价系统应用意义,弥补传统计算机网络安全中存在的诸多问题及不足。     

基于BP神经网络的网络安全态势预测研究

以网络系统安全运行作为出发点,从入侵检测系统和杀毒软件等安全手段中提取出可以反映网络安全运行的数据。从网络安全运行的威胁性、脆弱性、风险性和基础运行四个方面建立了一套网络安全态势评估体系。通过层次分析法对该评价体系进行计算,获得可以表征网络安全运行状态的综合安全指数。在该体系的基础上,利用BP神经网络对网络安全状态进行预测,实验结果表明,采用BP神经网络可以较好地对网络的安全态势进行预测,在相关研究领域有一定的借鉴价值。     

基于改进贝叶斯正则化BP神经网络模型的网络安全态势预测方法研究

随着互联网的迅速发展,网络安全问题越来越严重,分析及预测网络安网络安全态势,对于网络安全具有重要意义。本文在网络安全态势量化的的基础上,改进贝叶斯算法,提出一种改进型贝叶斯正则化BP神经网络模型的网络安全态势预测方法,通过模拟网络环境进行数据分析,验证了该预测方法可以减小了训练误差和预测误差,提高了对网络安全态势预测精度,证明了该方法的可行性。     

关于计算机网络信息和网络安全应用研究

关于计算机网络信息和网络安全问题,已经成为一种常见的社会性问题,严重影响社会的稳定和个人的生活。文章从计算机网络信息和网络安全相关含义出发,深入分析影响计算机网络信息和网络安全的有关因素和原因,并提出具体措施,提高计算机网络信息和网络安全管理水平。     

神经网络在计算机网络安全评价中的应用研究

神经网络是网络安全评价中使用范围最为广泛的一项技术,相对传统的网络安全评价技术,神经网络技术具有更大的优势,它能够更加客观地对计算机网络安全进行评价,具有极高的精准度。文章主要从建立计算机安全评价体系应遵循的原则出发,讨论神经网络在计算机安全评价中应用的必要性。     

浅析计算机网络安全问题及其防范措施

计算机网络技术的普及和发展为社会生产和生活提供了极大的便利,且有效促进了社会的整体发展。然而,随着计算机网络技术的广泛应用,与之相关的网络安全问题也逐渐显现出来,例如,病毒威胁与黑客入侵等。基于此,文章通过对计算机网络安全的概念进行阐述,进而对计算机网络安全问题提出了相应的解决措施,以期为确保计算机网络安全,并使计算机网络技术更好地服务于社会提供有价值的参考意见。     

基才人工神经网络的黑客入侵检测系统

网络安全已经成为计算机网络技术中非常重要的一个分支。笔者提出在黑客入侵检测系统模型设计中引入神经网络技术,建立了一个基于人工神经网络的黑客入侵检测系统模型。并且给出基于人工神经网络的黑客入侵检测系统构建体系。该系统在实际应用中收到了较好的效果。     

基于区块链的计算机通信网络安全风险评估

为实现计算机通信网络的全面安全管控,及时掌握风险态势,设计基于区块链技术的计算机通信网络安全风险评估模型。以区块链技术为基础生成私有化数据区块链并加密所有的数据区块,通过这些数据区块采集计算机通信网络数据后,对这些数据进行汇总并生成网络风险项目账本;依据计算机通信网络数据,构建计算机通信网络安全风险评估指标体系,评估计算机通信网络安全风险。测试结果显示：该模型具备良好的风险计算性能,可获取各个等级的风险,应用性良好,为网络风险管控提供可靠的链上溯源信息。     

云模型在网络安全风险评估中的应用

在网络安全问题研究中,风险评估是确保网络安全的重要方面,网络入侵行为具有不确定性,可以利用云模型将其有效集成在一起。云模型对网络安全风险评估中的不确定性有很好的表达能力,将云模型运用到网络安全风险评估领域有着很好的发展前景。文章简要介绍云模型中的相关理论,对云模型在网络安全风险评估中的应用进行分析和研究,最后给出一个云模型在网络安全风险评估中的应用实现。     

新时期网络安全主动防御体系研究

随着计算机网络技术的发展,其在各个领域得到了广泛地应用,尤其是随着大数据时代的到来,网络已经步入了人们的衣食住行等生活中,是不可或缺的组成部分,与此同时,网络安全问题日益突出。文章详细地分析了网络安全的相关因素,阐述了网络安全主动防御模型,同时深入地分析了网络安全主动防御技术的体系架构,以便人们更好地使用网络,提升网络使用感知度。     

基于小波神经网络的网络流量预测研究

主要采用小波神经网络的相关理论和方法对某小区网络的访问流量情况进行建模和预测。利用收集到的网络流量变化情况作为小波网络的训练样本,成功实现了该网络的流量预测。试验仿真结果表明,构建的小波神经网络模型可以很好地实现对网络流量的高精度预测。     

基于复杂网络的在线社会网络模型的研究

针对典型的在线社会网豆瓣网中用户之间的关系存在用户关注关系和影评关系复合的情况,利用复杂网络模型理论,根据在线社会网络演化模型的建模步骤设计了一个网络拓扑演化模型,通过仿真实验得出模型的网络特征和豆瓣网实际网络特征较为符合。     

基于ZigBee无线网络的可控组网方法研究

ZigBee无线网络中节点多采用自组网的方式入网,这种方式容易引起网络中部分节点的过度消耗。针对此种情况提出可控组网方式,通过对节点入网父节点的选择控制,可以有效的监控管理整个网络的拓扑结构和节．最分布,并延长节点和网络的寿命。通过在基于CC2530的开发系统中对可控组网方式编译和实现,验证了其可行性。     

网络环境下车联网通信协议的研究

随着我国汽车保有量的剧增以及我国计算机网络技术的不断成熟,车联网成为人们生活和工作的一项重要辅助工具,也成为政府进行交通管理的重要辅助工具。因此,对车联网通信协议和车联网的研究就显得意义重大。文章首先论述了车联网的概念以及研究背景,接着阐述了车联网通信协议的研究内容,最后列举了车联网未来的一些应用,以期能为车联网通信协议的研究者和车联网的使用者提供一些有意义的参考。     

浅谈移动通信网的网络优化

近年来随着移动通信网络的迅猛发展，在市场需求的驱动下，移动网络不断扩容，网络的规划也一再随之调整。建设周期短，发展速度快，前后工期重叠进行，造成整个通信网络的各种资源不能得到合理的应用，网络运行效率低。为使得网络资源能够合理配置和应用，移动通信网络的网络优化工作已经成为移动通信运营商提高服务水平，保障通信质量的重要工作内容。     

浅谈MANET网络攻击类型与网络安全

随着计算机网络技术的高速发展,互联网技术的应用越来越广泛.很快,由传统的防单机病毒,人们更加意识到网络安全的重要性.很多类型的攻击每天都在增加,保护计算机和网络安全是关键问题.MANET在计算机技术方面定义为移动自组网络的工作组,全称为Mobile Ad-hoc NETworks.本文描述了网络安全机密向量、网络安全完整性向量和网络安全可用性向量,并提出了MANET中的主要攻击类型.     

基于卷积神经网络的网络隐写分析方法研究

针对现有网络隐写分析算法特征提取难度大、算法适用范围单一的问题,文章提出了一种基于卷积神经网络的网络隐写分析方法。对网络数据流进行预处理,将所有数据包处理成大小相同的矩阵,最大限度地保留数据特征完整性;使用异构卷积进行特征提取,减少模型计算量及参数数量,加快模型收敛速度;取消池化层,提高模型训练效率。与传统网络隐写分析方法相比,模型能够自动提取数据特征,识别多种网络隐写算法。     

基于BP神经网络技术的网络时延预测研究

为了应对网络控制系统中普遍存在的时延,有效预测是对网络控制系统非常重要的一环。介绍了一种基于BP神经网络的时延预测研究,利用BP神经网络中的最小平方算法来决定权值、基函数中心以及隐层的单元数量。运用Matlab软件对提出的BP神经网络的预测模型进行仿真实验,结果表明提出的BP神经网络模型在预测网络时延上非常有效。     

基于改进神经网络的无线网络流量预测

考虑到无线网络流量具有极强的分散性、随机性以及混沌等特性,使用传统的ARIMA预测模型和BP神经网络模型难以对其进行精确的预测等,该文使用粒子群优化算法对BP神经网络预测模型进行优化以解决BP神经网络容易陷入局部最小值以及训练收敛速率低等问题,引入遗传算法中的自适应变异因子来以一定概率初始化部分变量解决粒子群优化算法会出现陷入局部最优解以及早熟收敛等问题。最后使用经典的CRAWDAD数据库中的无线网络流量数据对该文预测方法性能进行测试,使用稳定小波变换方法将无线网络流量数据分解,得到由1个近似分量以及3个细节分量组成的数据流。测试结果表明,该预测算法在预测性能上要优于ARIMA预测模型和BP神经网络模型。