人工智能在计算机网络技术中应用的基本方法有启发式搜索、自动规划和知识性表达。人工智能在计算机网络技术中的应用主要集中于计算机网络安全、人工神经网络、数据挖掘以及问题求解等方面。人工智能在计算机网络技术中的不断应用实践，可以推动人工智能突破发展瓶颈，同时也促进了计算机网络技术的进步。人工智能（ArtificialIntelligence）是计算机科学的一个重要分支，试图通过计算机等先进的科学技术，使产品具备类似于人类智能的反应、判断以及综合分析能力。目前，人工智能正在从专用智能应用迈向通用智能应用。我国也已经出台了《新一代人工智能发展规划》，旨在促进人工智能技术的科研、应用以及与其他技术的融合发展。融合性技术的出现与发展，既对人工智能技术产生了极大的推动作用，也使人工智能在更多的产业领域发挥其优势，促进了人们生产技术、生活水平不断提升。本文就人工智能在计算机网络技术中的应用进行论述。

1人工智能在计算机网络技术中应用的基本方法

1.1启发式搜索

计算机网络技术常用的搜索方法是盲目性搜索。其实现原理是：以发起搜索任务的网络节点为起点，依据现有的网络传输通道，向各个可能的网络传输通道传送信号，对可能达到搜索任务目标的所有方案都进行试验。人工智能运用于计算机网络技术中，将盲目性搜索转换为启发式搜索。启发式搜索具有较强的智能性。这是由于它在接收到搜索任务以后，会凭借在以前搜索任务中积累的经验与启发式的信息，将那些获得搜索目标可能性极小的方向排除掉，先对能够获得搜索目标可能性较大的路径进行搜索，搜索的资源消耗较小，搜索的效率、准确率较高。人工智能启发式搜索技术依赖于启发式策略与算法的设计，这是人工智能的核心问题，是极具潜能的人工智能技术之一。

1.2自动规划

自动规划是指人们为了解决某个比较复杂、大型的问题前，会将其划分成多个相对简单的小问题。当每一个小问题一一得到有效解决后，距离复杂的、大型的问题的解决就越来越近。智能性规划的本质是将复杂、大型问题降解后，同时降低了问题难度，从而找到解决问题的切入点与突破口。目前，自动规划方法已经被运用于高级求解系统之中，规划中每一个目标都是非常详尽、具体的，它从特定的问题状态出发，对动作进行推理，对每个有待解决问题的过程进行规划，最终达到解决问题的目标。自动规划可以快速地寻找到解决问题的方法，提高解决问题的效率。自动规划技术的发展依赖于人工智能路径选择技术的发展水平。路径选择技术如果是有序的、规范的、高效的，那么，自动规划技术的运用就更便捷、更广泛、更具有较强的适用性。

1.3知识性表达

知识性表达技术基于计算机数据处理技术实现。由于人的知识表达符号是自然语言，而机器的知识表达符号则是0和1。如何将人的知识表达符号与机器的知识表达符号进行有效衔接，形成准确率较高的对应关系，这就是知识性表达技术的主旨。能够让计算机拥有同人的大脑相同的知识、记忆或者存储，是人工智能发展的重要方向。只有让计算机的知识表达无限地接近于人脑的真实状态，才能使计算机在解决问题的过程中，尽可能迅速地找到所需要的知识，并对知识开展分析、运用，得到结果后，再执行知识表达的命令，完成知识表达问题的解决。知识性表达有一阶谓词逻辑表示法、产生式表示法和框架表示法等，几种方法各有优势与劣势。人工智能在不同的情境下，运用不同的方法完成知识性表达，以此达到人工智能的工作效果。

2人工智能在计算机网络技术中的应用

2.1计算机网络安全应用

目前，应用较为广泛的计算机网络安全技术有防火墙、入侵检测技术、反垃圾邮件技术等。人工智能融入于网络安全管理中，可以有效的提升防火墙拦截危险信息的准确性、高效性，可以提升反垃圾邮件的防御性能，可以通过对垃圾信息数据进行智能化扫描分类，提升垃圾邮件的拦截效率。人工智能运用于入侵检测技术，更是大大改善了计算机病毒、木马程序以及不安全代码的拦截效果。人工智能运用于规则产生式专家系统。规则产生式专家系统的数据库存储的都是专业经验，其知识构建的推理机制都是基于人工智能实现的。数据在接受入侵检测时，网络安全管理员会将入侵特征转变为特定的规则，形成规则数据库。凡是与数据库中的规则相符的入侵数据，都会被及时地处理。基于底层数据收集分析结构的Agent技术是面向对象实现的。它可以优化计算机网络的应用，促使Agent技术具有较强的服务与需求分析功能，在数据注册表的引导下，为数据查询人员提供需求。它可以使计算机达成并行工程思想。Agent技术每个工作流程的发起、推进以及展开，都可以依托Agent技术在分布式交互仿真环境下进行。Agent技术还可以使人与Agent语言实现自由交互，可以让一些接受技能培训的人员在仿真环境下与实训设备进行自由交互。人工智能应用于计算机网络安全管理还形成了数据融合技术。数据融合技术可以将不同传感器收集到的数据融合到一起，扩大入侵信息检测的范围，使检测更全面、检测效果更好。

2.2人工神经网络技术

人工神经网络是人工智能与计算机网络技术的融合产物。人工神经网络是通过数据的存储、分析、处理形成具有决策性特征的结果，其是模仿人脑神经元网络而创建的简单、抽象模型。在神经网络中，节点与节点之间都有着非常密切的联系，网络的数据输入与输出都依赖于网络的连接方式实现。人工神经网络技术在医学、经济学以及生物学等领域都有非常广泛的应用。在人工神经网络中，神经元处理的符号是由0和1组成的机器语言符号。机器语言符号借助于知识表达技术与人类所运用的自然符号进行自由地相互转换，以一种非程序化、适应性、大脑风格的信息处理方法，借助于计算机网络技术的分布式信息处理功能，尽可能地模仿人脑神经系统的工作方法，完成接近于人脑效果的分析。人工神经网络的实现原理明显区别于传统的人工智能技术，更是原有信息处理技术的升级与优化，它克服了基于逻辑符号的人工智能在处理直觉、非结构化信息等方面的缺陷，使人工智能技术具备更强的自适应、自组织以及高实时性的优势。

2.3数据挖掘应用技术

人工智能技术与计算机技术相融合衍生出数据挖掘技术。数据挖掘技术是为了将存在于大量数据之中有着某种特殊联系的数据提取出来，将其转变为计算机可以处理的数据，转变为用户可视化的结果。数据挖掘是基于五个环节实现的，既挖掘目的的确定、数据准备、数据挖掘、结果分析、知识同化。数据的挖掘目的决定了数据挖掘方向。仅管挖掘结果是很难预测的，探索的问题是可以预见的。数据的选择则会综合分析内、外部相关数据，从中遴选出相应的数据，为数据分析做准备，完成数据的预处理。数据挖掘之前，需要创建数据分析模型，完成挖掘后，再运用恰当的结果分析方法，对其结果进行解读。数据挖掘是一个知识发现的过程。人工智能在计算机网络中运用得最广泛的数据挖掘技术就是入侵检测。在计算机网络中，为了强化安全管理，人工智能技术会被运用于收集信息数据，再结合网络运行环境、用户需求对信息数据进行筛选，形成信息报告，将信息报告以用户的可视化形式呈现出来，由用户来做出处理决策。人工智能通过对以往入侵数据进行分析，掌握入侵数据的规律，提出保护方案。随着入侵数据库资源数量的增加，对入侵规律的把握越来越准确，入侵检测技术就更成熟。如果网络环境发生异常，数据挖掘技术就会对所有入侵数据进行全面识别，在深入把握入侵源以后，传送给用户，与用户合作制定新的防护方案。只要在特定的网络环境里出现一次入侵攻击，人工智能就会将其转变为存储记忆，有效避免再次出现类似的入侵攻击。

2.4人工智能问题求解技术

人工智能技术是为了解决复杂问题而产生的。复杂问题多指结构不良，或者非结构化的问题。解决这些问题，还没有非常成熟、有效的求解算法，只能依赖于知识的积累、探索与运用。那么，人工智能问题求解技术的实现就是计算机技术在实际运用的过程中，不断地利用知识、算法，来形成一条代价相对较小的推理路线，从而使问题得到有效的解决。求解问题的环节由目标的表示、搜索、执行三个环节组成。人工智能地求解问题的过程中，需要综合考虑到能否找到解，找到的解是否是最优解，时间复杂度，既找到解所花费的时间，还有空间复杂度，既找到解所需要的存储空间。人工智能问题求解是基于启发式搜索实现的，用限定的步数完成算法。结合计算机网络的状态图，人工智能会运用适用的逻辑推理技术对知识结构进行全方位的构建。只有网络之中的各个空间的各个状态，都得到全方位的检索，才能保证求解的最优化。当然，计算机网络上存在着不同的空间，那么选择的搜索方法也会有所差别。

作者:韩艳 单位:成都职业技术学院计算机应用