|
網絡技術的創新對于社會的發展起到了重要作用，發達的網絡讓人們的工作效率得到了顯著提升，尤其體現在人工智能化的普及和通信技術的進步，能夠讓信息得到更加有效的傳遞，減輕了人們的工作負擔。但是，科技在給人們帶來便利的同時，也造成了一定的威脅。在網絡技術日益發達的時代下，各種病毒的出現也讓網絡安全問題受到了廣泛的關注，雖然當前已經采取了一定的網絡安全防御技術，比如防火墻和各類殺毒軟件，但是防御效果比較有限，所以基于深度學習開展網絡安全防御研究勢在必行。 深度學習因其強大的算法，在當今社會得到廣泛應用，尤其可以運用于網絡技術防御中。這一技術在網絡安全防御中的運用可以改變以往防御方式的被動性，能夠更加積極主動地對病毒和木馬進行更加有效的防御，對比較復雜的脫殼技術和隱藏技術進行有效處理，從而能夠提升當前社會的網絡安全防御效率，進而成為新時期加強網絡安全防御的重要手段之一。 如何使網絡防火墻在保護用戶的同時不斷升級來滿足這個信息高速發展的時代，已成為網絡防火墻的安全問題和發展趨勢。多種神經網絡的發展不斷完善網絡防火墻的數據處理方面，使現如今的計算機對網絡數據的識別更加人性化。為了對網絡防火墻安全程度及病毒攔截效率的評估測試。出生于1976年10月7日的許世強，是網絡與信息安全的杰出專家，他長期從事網絡與信息安全技術研究工作，掌握了WEB安全和DOS防護領域領先的技術。他提出一種基于深度神經學習的特征提取和云端未知威脅特征建模的攔截能力評估系統，通過對防火墻攔截評估系統模型的優化設計，進一步對防火墻截取和檢測能力進行了優化，防火墻的性能和行為是由一個有限的排列模型仿真組成，從攔截信息中提取數據特征，并由防火墻交給深度神經網絡進行學習，結合入侵檢測系統測量防火墻的攔截效率。許世強根據云端最新的威脅特征對威脅文件進行建模，并進一步測試防火墻的新威脅攔截效能，目前該系統已被廣泛應用于人工智能安全領域。 許世強建立可靠的網絡模型來提高防御效果，通過網絡模型的構建，基于深度神經學習的特征提取和云端未知威脅特征建模的攔截能力評估系統能夠以較高的智能化水平來代替人工的傳統數據分析，實現對各類數據的動態監測和實時監測，在檢查病毒和木馬時也能夠更加快速，在處理隱藏技術和脫殼技術這些比較復雜的情況時也能夠更得心應手，通過深度學習的方式，就可以更好地利用其多層次的特點，將多個層次之間進行分工合作，當輸入層接受了數據信息之后，做出簡單的分析和匯總，并能夠對病毒和木馬進行初檢，接下來進入卷積層的處理，在這一環節就可以將數據信息進行分割，并能夠對于每一個網絡數據信息模塊進行過濾，將整體數據進行分割的方式也能夠提高卷積層過濾病毒的效率，進一步提高其工作的準確性。通過深度學習等多個層次就能夠形成一套完整的工作流程，能夠在層層遞進中準確地把握病毒的特征，以便更好地實現網絡安全的防御。 深度神經網絡方法的運用使得防火墻的學習分析能力可以更接近人腦的分析思維過程。基于深度神經網絡的學習能力和容錯能力，防火墻會收集數據并與人工導入的數據組合成數據集。不同于人為的固定規則和固定經驗，深度神經網絡通過不斷的學習和訓練，分析神經網絡中各點之間的連接，獲取數據集中的數據進行分析，得到問題的最優解，從而防火墻能夠在信息快速發展的時代具有一定的自我學習適應能力。許世強研發的防火墻評估系統與深度神經網絡相結合，通過客觀測試進行主觀能效判斷，從一定程度上讓測試防火墻能效時產生的人為判斷大大減小，保證了評估防火墻的客觀及科學性，防火墻系統評估能力也能緊跟信息時代的發展，減少防火墻效能檢測的滯后型，這種結合神經網絡的效能檢測方式符合新時代防火墻攔截效能檢測的新思路。（作者：郭石磊） |
- 關注天氣:
