2 人工智能概述

自人工智能1956年被正式提出至今，几十年来取得了长足的发展，其观点也在不断地发生变革。
虽然人工智能属于打算机科学的一个分支，但它的研究却不仅仅涉及到打算机科学，还涉及如脑科学、生理学、逻辑学、措辞学、行为科学和认知科学等多重科学领域。
只有相称专业和系统的综合能力才能被称之为人工智能。
大略来说，人工智能便是“聪慧”的打算机，它可以仿照人类思维、意识、行动等行为模式，并可以帮助人们提高效率、高质量地完成一些高危繁芜的事情，同时具有一定的学习可推理能力。

事实上，人工智能的发展并不是一帆风顺的，这期间经历了很多弯曲的过程，人工智能自首次提出后，在受人追捧和快速发展的同时也饱受批评和质疑，这期间人工智能经历过两次“寒潮”。
人工智能理念提出后，人们对其期待过高且对其整体难度评估不敷，无法达到当时预期的结果。
到了20世纪70年代，人工智能研究碰着瓶颈，其研究经费也被转移到其他的项目上，人工智能此时进入了第一次低谷。
直到1980年，人工智能中专家系统的代价逐渐显现，被广泛地商用，人工智能才开始复苏。
但是好景不长，自1987年开始，苹果和IBM生产的打算机没有用到AI技能但性能却超过了价格昂贵的带有“专家系统”的通用打算机。
至此，人工智能硬件市场受到严重打击，之前的风光不再，经历了第二次寒冬。
而从20世纪90年代中期开始，随着人工智能技能尤其是神经网络技能的逐步发展，以及人们对人工智能开始抱有客不雅观理性的认知，人工智能技能才开始进入平稳发展期间。

纵不雅观人工智能发展的进程，打算机网络技能与其相辅相成，相互依赖，并且在对方的领域内都发挥着决定性的浸染。

3 打算机网络技能中存在的问题

从物理学角度来讲，打算机网络传输速率最大的便是光速。
虽然理论上量子通信可以实现超光速通信，但短期内该当还是很难超越光速。
对付打算机网络来说，要想适应飞速发展的时期，须要探求出路来填补传输速率的瓶颈，同时对数据报文交互的哀求也提出了更高的哀求。
目前，网络里的数据资源弘大，而且具有不连续、不规则的特点，这对付普通的打算机要想从中找出规律十分困难，从而很难保障数据的有效性、真实性和准确性。
因此，很大程度上降落了网络管理系统中网络掌握和网络监视的精准性。

随着互联网用户的不断增加，云打算、大数据的盛行，虽然给人们带来了便捷的体验，但人们也越来越重视用户信息的安全问题。
近年来，干系节目也多次宣布过关于个人信息透露、网络犯罪等内容。
如何有效遏制类似的犯罪并能严厉打击这种行为，则须要打算机网络技能依托人工智能，建立一套完善的网络管理机制，使其不仅能够及时、精准、有效地打击犯罪，同时还可以对网络进行数据采集、剖析并拥有相应的故障检测和处理的能力，让我们的网络环境可以康健、有序的发展。

4 打算机网络发展趋势

伴随着通信网络规模逐步扩大、用户数量快速增长以及Web2.0时期的到来，不同用户对网络中信息的需求以及个人偏好、习气都会有所不同，并且当今的网络用户已经不仅仅是信息的消费者，同时也是信息的生产者。
这就须要一个既可以供应定制或能知足不同用户需求的专门的做事网络，又能存储和传输大量多媒体信息和互联网流量的网络环境。
如果这里面没有一个聪慧的“管理者”和大的网络容量，如此繁芜的哀求是难以想像的。
人工智能的引入，使我们有能力欢迎这些寻衅。

如今网络构造异构化趋势已经日益展现，在不远的将来5G的运用还将会给网络形态带来重大调度，这样一定导致网络设备和用户终真个增长，以及网络繁芜性的增加。
在此背景下，要想保障打算机网络能够高质量的运行、掩护以及管理，除了提高网络设备容量之外，还须要借助智能化的工具和技能来提高网络整体性能。
通过引入更多的智能元素，来知足不同用户的需求、降落运营本钱、提高网络性能。

5 人工智能技能在打算机网络中的上风

随着打算机网络技能的突飞年夜进，当前的打算机网络环境具有很多光鲜的特点，如信息的瞬时性、传输速率的高速性等特点。
结合这些特点，为了更合理、高效、稳定地管理好网络系统，具有一套成熟的网络管理技能与管理方法是必不可少的。
而结合人工智能技能管理网络系统，其具备非常突出的上风。

5.1 学习能力

在打算机网络中，存在弘大的信息量，信息和观点处于不同的层次，所有的信息都有其自身的代价和意义。
然而到目前为止，还没有任何一个网络模型能够精准描述网络流量特色。
幸运的是，现在人工智能已经开始进入到认知时期，其可用性也已经得到证明。
通过人工智能超强的学习能力，机器系统能够利用已有的演习数据通过数据挖掘来处理海量数据，并通过对低层次信息的学习、剖析和推理等环节，提升干系观点的层次和等级获取更有代价的信息，从而可以提高剖析的准确性，并进一步实现网络与做事的智能化管理。

5.2 理解和推理能力

在瞬息变革的网络环境中，存在着很多模糊不愿定的信息，资源的状态信息在发送到网络管理系统时可能已经发生了变革。
而人工智能不须要准确描述系统的数学模型，恰好能够具有处理这种模糊逻辑和不愿定性推理的能力。
因此，利用人工智能其特有的推理、协作能力和模糊逻辑处理办法，可以最大限度优化打算机网络的环境，进一步提升网络管理和信息处理的能力。

5.3 协同互助的能力

由于网络的范围和规模都在不断增长，网络构造繁芜性也在快速增长，这给网络技能管理提出了更高的哀求，如果仅对网络进行单一化的管理，则难以办理网络构造繁芜的问题。
因此，不得不处理诸如网络节点之间的任务分布、通信与协作等问题。
利用人工智能的非线性协作能力可以有效地折衷网络中的不同层级的关系，实现网络各层之间的协同管理。

5.4 降落本钱

在对打算机网络信息进行解析时，一样平常都是通过搜索不同的算法得以实现。
但由于被控工具随着尺寸的增长会导致打算量的增加，进而影响了网络管理的整体速率。
而人工智能技能所采取的掌握算法可以快速、高效且一次性完成最优的打算任务，不但节省了打算资源，还可以实现对打算机网络管理的高效处理。

6 人工智能在打算机网络安全管理技能中的运用

在打算机网络安全管理技能中，最紧张的内容包括反垃圾邮件、防火墙和入侵检测3个部分，同时网络掌握和网络监视则是网络管理系统过程中最主要的两个环节。
结合人工智能在打算机网络中的这些上风，可以更好地管理打算机网络安全。

6.1 智能反垃圾邮件系统

人工智能运用在反垃圾邮件系统中，除了可以保护用户数据的安全外，最紧张的是可以检测扫描用户邮件并进行智能识别，及时创造个中的敏感信息，同时采纳有效戒备方法阻挡恶意邮件，利用户免受垃圾邮件骚扰之忧。
当前利用的腾讯企业邮箱就已经把这项人工智能反垃圾邮件系统利用在个中，效果显著。

6.2 智能防火墙系统

防火墙作为网络安全设备已被普遍运用。
传统的防火墙须要依赖网络管理员为其设置安全规则来答应什么数据包可以通过、什么数据包应被谢绝。
这里面更多的是依赖管理员来保障数据包的安全性，单就防火墙本身是无法判断一个正常的数据包和一个恶意的数据包有什么不同。
而智能防火墙引用的识别技能，可以很好地自行剖析和处理相应的数据，同时又能奥妙地领悟代理技能和过滤技能，不但可以降落打算机对数据的运算量，还能拓宽监控范围，有效地拦截对网络有害的数据流，从而更好地保障网络环境的安全。

6.3 智能入侵检测系统

在网络安全威胁日益严重的本日，入侵检测技能的主要性不言而喻。
传统的入侵检测技能在检测速率、检测范围和体系构造等方面均存在短板。
为了填补这些短板，智能入侵检测系统借助人工智能中的模糊信息识别、规则产生式专家系统、数据挖掘和人工神经网络等技能，提升入侵检测效率，并且可以最大程度地抵御来自于各方病毒入侵所带来的潜在威胁。

6.4 网络监测与掌握

要想实时地节制打算机网络中的信息，须要网络具有将数据信息上传的功能。
目前，已有诸如深度报文检测（DPI）等系统采取探针办法来搜集网络流量数据信息，同时DPI还可以进一步网络网络运行状况、网络做事质量信息以及资源利用等情形。

通过从DPI采集到的海量数据，人工智能技能可以利用其强大的理解和推理能力快速剖析并判断信息中是否存在非常。
例如，如果碰着突发大流量的情形，则人工智能系统可以推测网络中存在分布式谢绝做事（DDoS）攻击，并立即剖析软件包特性，然后折衷探针协作任务，将具有同类特色的所有软件包丢弃，从而最大限度地避免对其他网络业务造成丢失。
如果涌现新的病毒攻击或黑客入侵，人工智能还可以利用自身的学习能力将干系记录写在安全数据库中。

7 结束语

人工智能技能随着科学的不断进步而愈发完善，其在打算机网络技能中的利用也会越来越广泛，从而可以更加有效地保障数据信息的安全性，保护打算机网络系统的平稳运行。
因此，人工智能与打算机网络技能的领悟并不是有时，打算机网络的管理须要这样的“大脑”存在。
有情由相信，这种领悟发展今后能够为人们带来更多的帮助。

作者简介

葛裴，现就职于中国信息通信研究院技能与标准研究所。

联系办法：gepei@caict.ac.cn

来源：《电信网技能》2018年第5期