基于人工智能的计算机网络安全技术应用研究.pdfVIP

微型计算机

网络通信与安全2025年第16期

基于人工智能的计算机网络安全技术应用研究

汪嵘明

【滇池学院，云南昆明650228】

摘 要：人工智能技术以其强大的数据处理与分析能力，为计算机网络安全领域带来新的机遇。文章在分

析人工智能在网络入侵检测、恶意代码检测、异常行为检测等环节应用现状的基础上，剖析了人工智能网络安全

技术在应用推广过程中面临的场景复杂多变、对抗样本威胁突出、安全大数据质量不一、专业人才匮乏等挑战，提

出了加强网络安全大数据建设、促进跨界融合创新、加大人才培养力度、健全法律法规等对策建议，以期为人工

智能赋能网络安全产业发展提供参考。

关键词：人工智能；计算机网络；网络安全；入侵检测；异常行为

随着互联网的快速发展和数字化转型的深入推行为树等进行建模，通过学习恶意代码与正常软件在代

进，网络安全形势日益严峻。传统的网络安全防御手段码和行为上的差异，构建恶意代码检测分类器，快速甄

难以应对日益复杂的网络攻击，亟须引入新技术、新手别未知样本，提高检出率。对恶意代码变种进行聚类分

段。人工智能技术以其强大的数据处理能力、智能决策析，研判同源变种家族，溯源攻击起源，为联动处置提

[1]

能力和自适应能力，为计算机网络安全领域注入新活供线索。

力。将人工智能技术与网络安全防护工作深度融合，能（三）人工智能技术在网络异常行为检测中的

够增强计算机网络的智能防御能力与韧性，为维护网络应用

空间安全提供有力支撑。网络异常行为通常是安全事件的前兆，及时发现并

一、人工智能在计算机网络安全中的应用处置网络异常行为，对预防网络安全事件至关重要。传

现状统异常行为检测主要依靠人工经验和阈值检测，存在

（一）人工智能技术在网络入侵检测中的应用误报、漏报较多，实时性不足等问题。人工智能可应用于

网络入侵检测是计算机网络安全防护的第一道防多个网络异常检测场景：利用无监督学习算法，提取网

线，传统入侵检测系统主要依靠特征码匹配等方法，对络实体的多维行为特征，并构建正常行为基线，通过行

未知攻击、变种攻击等检测能力不足。近年来，以机器为偏离度分析，识别蠕虫传播、僵尸网络等群体异常行

学习、深度学习为代表的人工智能技术在网络入侵检测为；利用时序模式挖掘、循环神经网络等算法，以资产

领域得到广泛应用。基于无监督学习的聚类、异常检测为视角，建模资产正常访问行为序列，通过与实时访问

等算法能够自动提取网络流量的多维特征，通过与正常日志比对，及时发现横向移动、权限提升等单一资产异

流量模型比对，快速识别未知威胁。有监督学习算法如常；对网络日志进行多维特征分析，利用图神经网络构

支持向量机、随机森林、循环神经网络等通过大量网络建网络实体交互关系知识图谱，通过关联分析、社团挖

攻防样本训练，能够建立多层次、细粒度的入侵检测模掘，识别内鬼、溯源APT攻击。

型，提高检测的准确率和实时性。（四）人工智能技术在网络安全态势感知中的

（二）人工智能技术在恶意代码检测中的应用应用

恶意代码是网络安全的主要威胁之一，传统恶意代网络安全态势感知旨在利用多源异构数据，动态刻

码检测主要依赖特征码匹配，难以应对恶意代码的快速画网络安全整体状况，及时洞悉安全威胁，预测未来安

变异。人工智能技术为恶意代码检测提供新思路。利用全态势，为主动防御提供决策支持。传统态势感知分析

深度学习算法对恶意代码的操作码序列、函数调用图、工具难以应对海量异构数据，缺乏溯源预测能力。人工