首页 > 论文范文 > 社会科学论文 > 科技论文 > 计算机软件论文 > 人工智能技术在计算机网络技术中的应用

人工智能技术在计算机网络技术中的应用

2021-04-14 193 上传者：管理员

摘要：现如今，人工智能技术已成为人们生活不可或缺的一部分。人工智能技术广泛应用于计算机网络技术中，可以满足人们的信息传输和数据运算需求。本文通过对人工智能技术的概念、应用于计算机网络中的必要性、关键技术解析及其广泛应用的分析和探讨，以此进一步推动人工智能技术融入计算机网络技术发展。

关键词：
人工智能技术
信息传输
数据运算
计算机网络技术
加入收藏

1、人工智能技术的基本概念

1.1人工智能技术的含义

人工智能技术顾名思义就是一种将人工智能化的技术，主要通过智能技术模拟人的主观意识和行为举动去完成一项任务的技术。人工智能技术主要涵盖了人工和智能两个方面，人工就是人工系统，智能就是像人一样的智能系统，主要以计算机网络技术为媒介，来模仿人的基本生活活动，完成某种任务。它是集计算机科学、语言学、心理学等多种学科的技术手段，可以实现几乎百分百类似人类智能，大大提高了人们的生活质量和工作效率[1]。

1.2人工智能技术的特征

1.2.1智能化程度高

从实践工作中看，计算机网络技术在运行过程中时而会出现各种因素干扰，使网络处于不稳定状态，都要通过人工去检测，才能恢复正常使用。然而，人工智能技术的出现，可以模拟人的活动去智能化处理和加工信息，就大大克服了无法及时全面了解和监测系统的问题，它可以全程24小时地对设备和系统进行检测和控制，网络一旦出现异常情况，不仅会及时反馈还会进行相关提示。

1.2.2逻辑处理能力强

在系统正常运转的过程中，一旦出现无法监测的复杂问题时，人工智能技术的处理能力是非常强的，它可以模拟人的逻辑思维去最大限度地处理问题，也会在其中进行模拟记忆，及时有效地解决存在的无法预知的复杂问题，大大提高了系统工作效率。

1.2.3投入成本低

人工智能技术较人工处理信息系统投入成本低，完全可以取代人去工作，它可以模拟人的意识去进行计算机网络的相关处理工作。因此，不仅能够最大限度地节约人的成本，而且还提高了整体工作效率，效率的提高就是利润。

1.3人工智能的应用

从当前发展来看，人工智能技术一定在诸多领域得以广泛应用，尤其是计算机应用技术领域。一种通过自我革新技术和知识去实现人工智能的实现，这种高级的技术方式也是通过人工智能去模仿人去工作的一种实际效果，人的思考问题方式，人的行为举止，以此提高工作效率，实现一种不可替代的生存模式。因此，衍生神经网络技术对人工智能技术领域的广泛使用是一种新的历史变化，也将在未来社会发展过程中得以迅猛发展[2]。

1.4人工智能的发展现状

现如今，人工智能技术主要是应用于计算机网络技术中，以一种特殊的技术高速优势去处理数据。人工智能技术的问世对于计算机网络技术的发展是一种新的突破和进展，对其发展起着一定的推动作用。人工智能技术不仅在文字、图片和视频等方面处理水平提高了，而且具备一定类人的思维方式，这对于解放劳动力有着一定的作用。

2、人工智能在计算机网络技术中应用的必要性

2.1网络信息的监督管理

以往的计算机网络技术在当今大数据时代很难及时有效做好信息的监督管理，也不是特别科学和准确，工作效率极低。人工智能技术的应用，不仅可以提高工作效率，还可以有规律地及时有效处理出现的信息数据问题，以此确保数据信息的稳定性和安全性。

2.2满足安全管理需求

人工智能技术极大满足了安全管理的需求，它在计算机网络技术中的广泛应用，提高了计算机网络系统安全的管理和监督，反应能力也得以敏捷，网络资源的系列问题都予以解决。当今社会方方面面都需要人工智能技术参与其中，如网络诈骗、网络传销等问题层出不穷，这就需要广泛应用人工智能技术去保障客户的信息安全，及时处理和解决网络故障，遏制网络诈骗等网络安全问题发生。另外，人工智能技术的应用，从某种程度上加强了用户使用信息的安全性，使其数据系统趋于稳定和安全。因此，计算机网络技术与人工智能技术的高度融合是十分有必要的，也是未来发展的必然趋势[3]。

3、人工智能应用于计算机网络中的关键技术解析

3.1BP神经网络脑功能

20世纪90年代，BP神经网络技术出现，是一种出现时间不长但应用范围较广的网络技术代表。BP网络能够输出或者输入相关的数学映射关系，从而加强学习和存储功能。它是集生物学、心理学和统计学等相关学科做支撑的现代网络技术，可以高度模拟人的大脑神经，去有规律地计算。随着它的广泛应用，人们开始越来越了解和熟练掌握其相关功能，如音频、视频等的处理都是要经过BP神经网络技术。它的优势就是注重数据方面的独立分析和处理，也随时引进新技术，增加新能力，不断创新和发展。

3.2支持向量机算法

支持向量机算法可以带来超强的人工智能技术，基于一种完整的样本数量，实现非线性的数据采集，从而高度准确地应用于计算机的高维度数据模式。在人工智能技术与计算机网络技术高度融合时，人工智能技术只要查找到一个与实际较符合的核函数，并进行类别区分，最终就可实现基数大的目标函数。现今，支持向量机算法广泛应用于计算机建模、地图分析等多领域，提高了建模质量，为人工智能技术与计算机网络技术高度融合提供了最大可能。

4、人工智能技术广泛应用于计算机网络技术

人工智能技术与计算机网络技术融合，必须集计算机网络技术的发展特点结合人工智能技术的强大优势，总结融合过程丰富经验做法，全面使其相互高度融合，以此快速发展计算机网络技术，使其更符合新时代发展需要，措施如下：

4.1人工智能技术在计算机网络安全管理中的应用

主要是通过人工智能技术对传统安全管理技术进行高度优化，推出全新安全管理系统。传统的安全管理技术主要包括防火墙系统、反垃圾邮件系统和入侵检测系统，但是具体运行过程中存在着诸多问题，很难及时有效处理计算机网络运行中的相关难题。然而应用人工智能技术，优化防火墙系统，提高智能识别能力，不安全的数据信息可以快速捕捉，实现精准拦截。以此提高了检测效率，并且弥补传统技术上存在的缺陷。现如今，产生式规则专家系统也是采取人工智能技术的入侵检测技术，及时发现入侵程序信息，全面提高产生式规则专家系统检测水平。但是当入侵程序的更新换代，其检测能力就会大打折扣，在某种意义上来讲还是存在一定的缺陷。人工神经网络系统的投入使用，这是一种基于人脑学习技能具有较强的学习功能新技术。它可以有效辨别噪声、畸形和入侵等的信息，其大大提高了安全管理效果[4]。

4.2人工智能技术在计算机网络评价技术中的应用

人工智能技术一般情况下，计算机网络自身具有瞬变性特点与动态性特点，这就导致管理的难度增加。采用人工智能技术的使用可以使评价更具客观性和管理功能全面性。

一方面，人工智能问题求解技术的广泛应用，其就是在一定的条件下，分析和解决一些较不易解决的问题，其主要采取了状态图的搜索技术、逻辑推理技术与结构化知识求解技术等。同等条件下同样的问题会有多个搜索技术，只有人工智能问题求解技术最快捷、最方便。人工智能问题求解技术比传统计算方式方法在效率上、资源占有上等方面都比较节约和合理。另一方面，人工智能专家知识库技术的创建推出，也使计算机网络安全管理更趋于科学，根据专家经验，结合运行实际，快速识别相关安全问题。但是，识别过程中难免会出现误差，存在一定的局限性。基于此，要从充分运用计算机网络技术的优势特点，对专家知识库进行创新发展，以此实现计算机网络的安全管理最大效果。

4.3人工智能技术在计算机网络技术中的具体应用

1)人工智能技术在网络安全管理方面的广泛应用。

近年来，计算机网络技术高速发展，人们的生活、学习和工作都便捷了，人们也开始关注网络安全问题了，各种网络安全疑难杂症也迫切要求当前的计算机网络技术更新，于是就引入人工智能技术。人工智能技术可以大幅提升网络安全管理的质量。相比较而言，传统的网络安全防范的方式方法较落后。比如传统的防火墙技术，和人工智能技术相比起来，安全性就不是特别高，容易出现安全漏洞。然而，人工智能技术应用于防火墙技术后，就极大地解决了这方面的问题，提高了识别网络安全隐患的精准度和快捷度。同时，人工智能技术也推动了入侵检测技术的长足发展。

2)人工智能技术在计算机网络系统管理中的广泛应用。

网络系统管理时，由于涉及多方面全角度的知识体系，网络的即时性和动态性又导致单纯的系统程序和专家知识库技术无法实现管理。然而，人工智能技术的投入使用，就避免了网络即时性和动态性存在的问题，提升了处理效果。使得知识库建设更加健全和完善，也可以快速查找所需信息，及时处理计算机网络系统问题。

3)人工智能Agent技术。

它是人工智能技术中的一项重要技术，它的组成要素复杂，其中包含数据库和知识域库等。因此，人工智能Agent技术与计算机网络技术融合发展，用户可以根据自身的具体情况搜索和传输所需数据，实现一种量身定制的个性化服务，这样的技术操作不仅缩短查询搜索时间，还能保证查询信息的准确率，大大提升了计算机网络的查询与使用效率。

5、结束语

综上所述，人工智能出现以后，一种模拟人的大脑进行学习而获取有用信息的智能技术，在当今时代得以高水平发展。现如今，充分运用人工智能技术去寻找大数据，使得人们的生活、工作和其他方面都得以高水平发展。尤其是人工智能技术在计算机网络技术中的广泛应用，确保了网络安全性，提高了网络管理实效性。以上传统计算机网络技术的革新发展是必然趋势，人工智能技术必将融入其发展全过程，推动整个网络科学向前发展。

参考文献：

[1]戚爽.计算机网络环境下金融信息安全保障体系的构建[J].长春金融高等专科学校学报,2015(4):78-81.

[2]贾新春,彭登永,李雷,等.城市路网的一种最优路径搜索算法[J].山西大学学报(自然科学版),2020,43(1):58-64.

[3]赵娟平,高宪文,符秀辉.改进蚁群优化算法求解移动机器人路径规划问题[J].南京理工大学学报,2011,35(5):637-641.

[4]苏晨.大数据背景下计算机网络安全及解决策略[J].南方农机,2020,51(23):153+156-157.

苏晨.人工智能技术在计算机网络技术中的应用[J].南方农机,2021,52(07):191-192.