作者簡介：張力影（1988— ），女，山東樂陵人，高級工程師，碩士；研究方向：計算機(jī)網(wǎng)絡(luò)，大數(shù)據(jù)，人工智能。

摘要：隨著人工智能技術(shù)與計算機(jī)網(wǎng)絡(luò)運(yùn)維的不斷融合，現(xiàn)階段在計算機(jī)網(wǎng)絡(luò)技術(shù)層面存在著網(wǎng)絡(luò)維護(hù)人員需求量大、數(shù)據(jù)處理工作量繁重、網(wǎng)絡(luò)監(jiān)督效果較差等問題。文章通過對人工智能技術(shù)對計算機(jī)網(wǎng)絡(luò)運(yùn)維的重要性以及人工智能技術(shù)在計算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用測量兩方面的研究發(fā)現(xiàn)，人工智能技術(shù)中的漏洞挖掘技術(shù)、機(jī)器學(xué)習(xí)技術(shù)、粒子群優(yōu)化技術(shù)等對計算機(jī)網(wǎng)絡(luò)運(yùn)維有著重要的影響，以期發(fā)揮出其最大化的優(yōu)勢。

關(guān)鍵詞：人工智能技術(shù)；計算機(jī)網(wǎng)絡(luò)運(yùn)維；技術(shù)應(yīng)用

中圖分類號：TP393 文獻(xiàn)標(biāo)志碼：A

0 引言

人工智能屬于計算機(jī)科學(xué)健康發(fā)展的產(chǎn)物，在計算機(jī)網(wǎng)絡(luò)運(yùn)維中引入人工智能技術(shù)能夠提高計算機(jī)的運(yùn)行速度，幫助計算機(jī)實現(xiàn)高速運(yùn)行，最大限度地為用戶服務(wù)［1］。人工智能技術(shù)的實際含義是指研究、開發(fā)用于模擬、延伸和拓展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的科學(xué)技術(shù)，其可以對人的意識、思維的信息過程進(jìn)行模擬，因此，合理運(yùn)用人工智能技術(shù)能夠更好地為用戶服務(wù)。

1 人工智能技術(shù)在計算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用現(xiàn)狀分析

1.1 網(wǎng)絡(luò)維護(hù)人員需求增多

隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大，計算機(jī)網(wǎng)絡(luò)運(yùn)維所需要的網(wǎng)絡(luò)維護(hù)人員需求量增加［2］。在2022年上半年，全球共發(fā)生了40多起網(wǎng)絡(luò)安全事件，例如美國醫(yī)療中心數(shù)據(jù)泄露，超過130萬人受到影響，其出生日期、家庭住址、電話號碼以及銀行信息等都被泄露。網(wǎng)絡(luò)維護(hù)人員能夠有效防范網(wǎng)絡(luò)安全事件，因此其需求量日益增加。

1.2 數(shù)據(jù)處理工作量繁重

在大數(shù)據(jù)環(huán)境下，每時每刻都會產(chǎn)生海量的信息，因此數(shù)據(jù)處理工作任務(wù)量繁重［3］。在大數(shù)據(jù)時代，每個人每天所需要的信息量巨大，谷歌公司的數(shù)據(jù)顯示，每天有超過10億人進(jìn)行信息搜索，這使得計算機(jī)網(wǎng)絡(luò)技術(shù)中數(shù)據(jù)處理量巨大。

1.3 網(wǎng)絡(luò)監(jiān)督效果較差

在傳統(tǒng)的計算機(jī)網(wǎng)絡(luò)技術(shù)中，網(wǎng)絡(luò)監(jiān)督效果較差、控制能力不足［4］。由于人們在日常生活中的需要，每天都會運(yùn)用到大量的數(shù)據(jù)，但數(shù)據(jù)來源較為復(fù)雜，計算機(jī)網(wǎng)絡(luò)技術(shù)并不能夠進(jìn)行全面的篩選，控制能力不足，導(dǎo)致網(wǎng)絡(luò)監(jiān)督力度不到位。

2 人工智能技術(shù)在計算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略

2.1 人工智能技術(shù)與虛假信息

人工智能技術(shù)可以被運(yùn)用到精準(zhǔn)打擊虛假信息源頭，阻止虛假信息的生產(chǎn)。英國科技公司Logically在超過100萬篇的文章中發(fā)現(xiàn)虛假新聞有50 000個，由此可見虛假信息數(shù)量的龐大。在進(jìn)行計算機(jī)網(wǎng)絡(luò)運(yùn)維過程中，人工智能分析大規(guī)模數(shù)據(jù)的速度較快，運(yùn)作良好的計算機(jī)算法不僅能檢查文本內(nèi)容，還可以檢查元數(shù)據(jù)和圖像，并進(jìn)行核實、收集、監(jiān)控等工作，深度學(xué)習(xí)算法的推出有效地幫助了人們進(jìn)行虛假信息的篩選，推動了計算機(jī)網(wǎng)絡(luò)運(yùn)維的發(fā)展。

2.2 人工智能漏洞挖掘技術(shù)

深入研究人工智能漏洞挖掘技術(shù)，有助于快速發(fā)現(xiàn)、評估和修復(fù)信息系統(tǒng)的安全漏洞，提高對未知危險攻擊的發(fā)現(xiàn)能力、提升信息系統(tǒng)綜合防護(hù)水平。人工智能漏洞挖掘技術(shù)主要包括以下方面的內(nèi)容：二進(jìn)制程序函數(shù)的自動識別技術(shù)、智能模糊測試以及動態(tài)插樁技術(shù)。

以動態(tài)插樁技術(shù)為例，是在程序運(yùn)行時實時插入額外的代碼和數(shù)據(jù)，且永久不會改變可執(zhí)行文件?，F(xiàn)階段，在計算機(jī)網(wǎng)絡(luò)技術(shù)中被廣泛應(yīng)用的動態(tài)二進(jìn)制分析平臺有Pin，DynamoRIO和Frida等。在動態(tài)二進(jìn)制系統(tǒng)中，主要的運(yùn)行方式有兩種，一種為最常見的，即在動態(tài)二進(jìn)制系統(tǒng)的控制下從頭到尾執(zhí)行程序；另一種為將動態(tài)二進(jìn)制系統(tǒng)附加到一個已經(jīng)運(yùn)行的程序中，且以完全相同的方式被調(diào)試器從正在運(yùn)行的程序中附加或分離。動態(tài)插樁技術(shù)中，主要的執(zhí)行方式包括解釋模式、探測模式以及JIT模式3種，其中JIT模式是最常見、最常用的模式。以JIT模式為例，在JIT模式中，二進(jìn)制文件被視作一個數(shù)據(jù)，修改后的二進(jìn)制文件副本將在新的內(nèi)存區(qū)域中生成，但并不是針對整個二進(jìn)制文件，而是針對其執(zhí)行部分，因此原始的二進(jìn)制文件或可執(zhí)行文件并沒有被修改或執(zhí)行過。其主要的執(zhí)行過程如圖1所示。

2.3 人工智能機(jī)器學(xué)習(xí)技術(shù)

機(jī)器學(xué)習(xí)是人工智能的另一重要領(lǐng)域，賦予了計算機(jī)智能的特征，應(yīng)用領(lǐng)域遍及人工智能的各個方面。機(jī)器學(xué)習(xí)在實際進(jìn)行計算機(jī)網(wǎng)絡(luò)運(yùn)維時，其主要作用就是對模型參數(shù)進(jìn)行優(yōu)化。首先，技術(shù)人員要做好數(shù)據(jù)準(zhǔn)備工作，進(jìn)行模型的選擇或創(chuàng)建，在選擇模型時選擇哪種模型要根據(jù)數(shù)據(jù)類型、樣本數(shù)量以及問題本身進(jìn)行綜合考慮；其次，進(jìn)行模型的訓(xùn)練與評估，可以先進(jìn)行損失函數(shù)的預(yù)先設(shè)定，并根據(jù)實際的訓(xùn)練模型數(shù)據(jù)進(jìn)行比對，對模型進(jìn)行訓(xùn)練；最后，要對模型進(jìn)行檢測，在實際的運(yùn)用過程中發(fā)現(xiàn)模型存在的問題并進(jìn)行優(yōu)化。

2.4 人工智能粒子群優(yōu)化

人工智能粒子群的優(yōu)化是基于信息的社會共享程度，根據(jù)粒子速度和位置的兩個屬性進(jìn)行優(yōu)化的。粒子群算法的主要流程如圖2所示，在整個程序當(dāng)中，需要根據(jù)結(jié)束條件對每個粒子進(jìn)行反復(fù)的更新和記錄，直到得到最優(yōu)解并進(jìn)行畫圖保存。

2.5 人工智能Agent技術(shù)

Agent在某種意義上是一個計算實體，具有駐留性、反應(yīng)性、主動性和社會性等特征，并會在某一環(huán)境下駐留，持續(xù)性地自主發(fā)揮作用。在實際的計算機(jī)網(wǎng)絡(luò)技術(shù)中，Agent技術(shù)可以運(yùn)用到智能機(jī)器人中，智能機(jī)器人可以做到自主學(xué)習(xí)、推理、決策等。通過機(jī)器人感知、機(jī)器人規(guī)劃、機(jī)器人控制以及機(jī)器人語言幾個部分，設(shè)定完整的程序，運(yùn)用智能機(jī)器人進(jìn)行信息的篩選和處理，有效地減輕了網(wǎng)絡(luò)安全維護(hù)的人工數(shù)量，提升了工作質(zhì)量。

2.6 計算機(jī)網(wǎng)絡(luò)安全管理

在實際的計算機(jī)網(wǎng)絡(luò)運(yùn)維中，網(wǎng)絡(luò)安全主要是指在物理層面、軟件層面以及信息層面3大領(lǐng)域的網(wǎng)絡(luò)信息安全。

以信息層面的網(wǎng)絡(luò)信息安全為例，主要是保障網(wǎng)絡(luò)數(shù)據(jù)的安全，由于信息數(shù)據(jù)多是在網(wǎng)絡(luò)環(huán)境中產(chǎn)生并流轉(zhuǎn)的，因此其采集、傳輸、儲存、管理等各個環(huán)節(jié)都需要受到重視。在進(jìn)行實際的人工智能技術(shù)與計算機(jī)網(wǎng)絡(luò)運(yùn)維相融合時，技術(shù)人員要對人工智能的賦能技術(shù)加大研究力度。人工智能技術(shù)能夠?qū)W(wǎng)絡(luò)安全進(jìn)行全面感知，能夠通過自動化的分類聚合與關(guān)聯(lián)分析對大量模糊的、非線性、異構(gòu)數(shù)據(jù)進(jìn)行研究，并主動生成網(wǎng)絡(luò)威脅防御策略，形成適應(yīng)性強(qiáng)、反應(yīng)迅速靈敏的網(wǎng)絡(luò)空間防御。

2.7 K-means算法

K-means算法是一種迭代求解的聚類分析算法，被廣泛運(yùn)用到機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方面。其主要是通過中心點進(jìn)行一系列的運(yùn)算，但在實際的算法實施中，技術(shù)人員要注意避免在整個空間內(nèi)隨機(jī)生成散點，要盡可能以某幾個點為中心點并對其進(jìn)行隨機(jī)點的生成。

熟練運(yùn)用歐氏距離和曼哈頓距離，能夠在進(jìn)行K-means算法運(yùn)行時，將各個樣本分配到間隔最近的類中，幫助K-means算法實現(xiàn)快速反應(yīng)，提高整體運(yùn)行速率，幫助人工智能技術(shù)快速發(fā)現(xiàn)網(wǎng)絡(luò)系統(tǒng)中的安全問題，并進(jìn)行解決，保障計算機(jī)網(wǎng)絡(luò)運(yùn)維系統(tǒng)的安全穩(wěn)定運(yùn)行［5］。

3 人工智能技術(shù)在計算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用優(yōu)化

3.1 確保網(wǎng)絡(luò)信息的流暢

在計算機(jī)網(wǎng)絡(luò)中融合人工智能技術(shù)，能夠充分利用人工智能技術(shù)保障資源管理的可用性，保障網(wǎng)絡(luò)信息的暢通。人工智能技術(shù)中計算機(jī)視覺技術(shù)的運(yùn)用有利于將任務(wù)分解為便于管理的小塊任務(wù)，通過圖像處理操作等技術(shù)有效地促進(jìn)計算機(jī)技術(shù)的進(jìn)步。

3.2 提升協(xié)作處理能力

協(xié)作處理能力是將人工智能應(yīng)用到計算機(jī)網(wǎng)絡(luò)的一個重要優(yōu)勢。人工智能技術(shù)中自然語言處理技術(shù)能夠?qū)崿F(xiàn)人機(jī)交互，包括特征提取技術(shù)、模式匹配準(zhǔn)則和模型訓(xùn)練技術(shù)，通過人機(jī)交互，利用計算機(jī)網(wǎng)絡(luò)技術(shù)進(jìn)行協(xié)作處理，真正實現(xiàn)為用戶服務(wù)。

3.3 有利于降低資源消耗

人工智能技術(shù)精準(zhǔn)的計算結(jié)果能夠極大地防止過多不必要的人力、物力及財力的投入［6］。機(jī)器學(xué)習(xí)技術(shù)使得人工智能技術(shù)對數(shù)據(jù)的處理更加快速，將計算量和耗費(fèi)能量降到最低，智能控制等技術(shù)也大大減少了不必要的人力資源投入。

4 結(jié)語

隨著科技的進(jìn)步，人工智能技術(shù)在不斷地完善，在計算機(jī)網(wǎng)絡(luò)運(yùn)維當(dāng)中加入人工智能技術(shù)，不僅能夠提高數(shù)據(jù)的安全性，同時也存在著一定的威脅，對人工智能技術(shù)進(jìn)行不斷的深入研究，能夠有效地推動人工智能的進(jìn)步，更能夠推動計算機(jī)網(wǎng)絡(luò)技術(shù)的進(jìn)步，深化網(wǎng)絡(luò)智能化。

參考文獻(xiàn)

［1］楊婉琳.基于人工智能的網(wǎng)絡(luò)運(yùn)維優(yōu)化算法研究［J］.無線互聯(lián)科技，2022（8）：118-120，142.

［2］趙巍，張智森，肖佳康，等.基于人工智能的5G通信網(wǎng)絡(luò)運(yùn)維規(guī)劃方法［J］.長江信息通信，2022（3）：219-222.

［3］李波.基于5G通信時代人工智能在計算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用策略［J］.信息記錄材料，2021（10）：168-169.

［4］高盛軒，周傳生.基于大數(shù)據(jù)的人工智能技術(shù)在計算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略研究［J］.網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2021（9）：73-74.

［5］崔英敏.大數(shù)據(jù)時代人工智能在計算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用策略研究［J］.電子商務(wù)，2020（5）：24-25.

［6］劉金魚.計算機(jī)網(wǎng)絡(luò)運(yùn)維及安全管理設(shè)計探究［J］.網(wǎng)絡(luò)空間安全，2021（Z3）：73-77.

（編輯 沈 強(qiáng)）

Abstract： With the continuous integration of artificial intelligence technology and computer network operation and maintenance， there are some problems in the computer network technology level， such as network maintenance personnel demand， heavy data processing workload， poor network supervision effect and so on. In this paper， through the importance of artificial intelligence technology for computer network operations and the application of artificial intelligence technology in computer network operations measurement two research found that the AI technology of vulnerability mining technology， machine learning technology， particle swarm optimization technology has an important influence for computer network operations， in order to maximize its advantages.

Key words： artificial intelligence technology; computer network operation and maintenance; technology application