|
网络技术的创新对于社会的发展起到了重要作用，发达的网络让人们的工作效率得到了显著提升，尤其体现在人工智能化的普及和通信技术的进步，能够让信息得到更加有效的传递，减轻了人们的工作负担。但是，科技在给人们带来便利的同时，也造成了一定的威胁。在网络技术日益发达的时代下，各种病毒的出现也让网络安全问题受到了广泛的关注，虽然当前已经采取了一定的网络安全防御技术，比如防火墙和各类杀毒软件，但是防御效果比较有限，所以基于深度学习开展网络安全防御研究势在必行。 深度学习因其强大的算法，在当今社会得到广泛应用，尤其可以运用于网络技术防御中。这一技术在网络安全防御中的运用可以改变以往防御方式的被动性，能够更加积极主动地对病毒和木马进行更加有效的防御，对比较复杂的脱壳技术和隐藏技术进行有效处理，从而能够提升当前社会的网络安全防御效率，进而成为新时期加强网络安全防御的重要手段之一。 如何使网络防火墙在保护用户的同时不断升级来满足这个信息高速发展的时代，已成为网络防火墙的安全问题和发展趋势。多种神经网络的发展不断完善网络防火墙的数据处理方面，使现如今的计算机对网络数据的识别更加人性化。为了对网络防火墙安全程度及病毒拦截效率的评估测试。出生于1976年10月7日的许世强，是网络与信息安全的杰出专家，他长期从事网络与信息安全技术研究工作，掌握了WEB安全和DOS防护领域领先的技术。他提出一种基于深度神经学习的特征提取和云端未知威胁特征建模的拦截能力评估系统，通过对防火墙拦截评估系统模型的优化设计，进一步对防火墙截取和检测能力进行了优化，防火墙的性能和行为是由一个有限的排列模型仿真组成，从拦截信息中提取数据特征，并由防火墙交给深度神经网络进行学习，结合入侵检测系统测量防火墙的拦截效率。许世强根据云端最新的威胁特征对威胁文件进行建模，并进一步测试防火墙的新威胁拦截效能，目前该系统已被广泛应用于人工智能安全领域。 许世强建立可靠的网络模型来提高防御效果，通过网络模型的构建，基于深度神经学习的特征提取和云端未知威胁特征建模的拦截能力评估系统能够以较高的智能化水平来代替人工的传统数据分析，实现对各类数据的动态监测和实时监测，在检查病毒和木马时也能够更加快速，在处理隐藏技术和脱壳技术这些比较复杂的情况时也能够更得心应手，通过深度学习的方式，就可以更好地利用其多层次的特点，将多个层次之间进行分工合作，当输入层接受了数据信息之后，做出简单的分析和汇总，并能够对病毒和木马进行初检，接下来进入卷积层的处理，在这一环节就可以将数据信息进行分割，并能够对于每一个网络数据信息模块进行过滤，将整体数据进行分割的方式也能够提高卷积层过滤病毒的效率，进一步提高其工作的准确性。通过深度学习等多个层次就能够形成一套完整的工作流程，能够在层层递进中准确地把握病毒的特征，以便更好地实现网络安全的防御。 深度神经网络方法的运用使得防火墙的学习分析能力可以更接近人脑的分析思维过程。基于深度神经网络的学习能力和容错能力，防火墙会收集数据并与人工导入的数据组合成数据集。不同于人为的固定规则和固定经验，深度神经网络通过不断的学习和训练，分析神经网络中各点之间的连接，获取数据集中的数据进行分析，得到问题的最优解，从而防火墙能够在信息快速发展的时代具有一定的自我学习适应能力。许世强研发的防火墙评估系统与深度神经网络相结合，通过客观测试进行主观能效判断，从一定程度上让测试防火墙能效时产生的人为判断大大减小，保证了评估防火墙的客观及科学性，防火墙系统评估能力也能紧跟信息时代的发展，减少防火墙效能检测的滞后型，这种结合神经网络的效能检测方式符合新时代防火墙拦截效能检测的新思路。（作者：郭石磊） |
- 关注天气:
