大數(shù)據(jù)時(shí)代人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用

摘要：人工智能是計(jì)算機(jī)科學(xué)的一個分支，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。在大數(shù)據(jù)時(shí)代的背景下，人工智能技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)的融合發(fā)展成為了信息技術(shù)領(lǐng)域一個新的研究熱點(diǎn)。探討人工智能在計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用及其帶來的影響，深入分析人工智能在網(wǎng)絡(luò)技術(shù)中的應(yīng)用場景，以及下一代網(wǎng)絡(luò)技術(shù)的發(fā)展方向，對人工智能時(shí)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展和應(yīng)用具有理論指導(dǎo)和實(shí)踐意義。

關(guān)鍵詞：大數(shù)據(jù)時(shí)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)性能優(yōu)化網(wǎng)絡(luò)管理

TheApplicationofArtificialIntelligenceinComputerNetworkTechnologyintheEraofBigData

LINJiaquan

GuizhouVocationalCollegeofEconomicandBusiness，Duyun，GuizhouProvince，558002China

Abstract：ArtificialIntelligence（AI）isabranchofComputerScience，andresearchinthisfieldincludesrobotics， languagerecognition，imagerecognition，naturallanguageprocessing，andexpertsystems.Inthecontextofthebigdataera，theintegrationanddevelopmentofAItechnologyandcomputernetworkshavebecomeanewresearchhotspotinthefieldofinformationtechnology.ThearticleexplorestheapplicationofAIincomputernetworktechnologyanditsimpact，deeplyanalyzestheapplicationscenariosofAIinnetworktechnology，aswellasthedevelopmentdirectionofnext-generationnetworktechnology，whichhastheoreticalguidanceandpracticalsignificanceforthedevelopmentandapplicationofcomputernetworktechnologyintheeraofAI.

KeyWords：Theeraofbigdata;Computernetworktechnology;Performanceoptimization;Networkmanagement

對人工智能在網(wǎng)絡(luò)管理和網(wǎng)絡(luò)安全領(lǐng)域應(yīng)用進(jìn)行研討，從現(xiàn)實(shí)意義出發(fā)，對其如何通過智能化數(shù)據(jù)處理和模式識別來有效提升網(wǎng)絡(luò)的自我管理能力和安全性能等問題進(jìn)行了剖析。結(jié)合大量實(shí)際案例的分析，對人工智能技術(shù)在優(yōu)化網(wǎng)絡(luò)性能，提高資源利用率等方面的巨大潛能進(jìn)行了展示。

1大數(shù)據(jù)和人工智能概述

在信息爆炸的時(shí)代，數(shù)據(jù)越來越多，這些數(shù)據(jù)中蘊(yùn)含了大量有價(jià)值的信息，如何挖掘這些數(shù)據(jù)中的價(jià)值是現(xiàn)代社會面臨的重要課題。人工智能是計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等多學(xué)科交叉的新興學(xué)科[1]。人工智能從誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域也不斷擴(kuò)大，可以預(yù)計(jì)，隨著計(jì)算機(jī)硬件和軟件技術(shù)以及網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，人工智能將在越來越多學(xué)科領(lǐng)域得到廣泛應(yīng)用。目前，人工智能領(lǐng)域最熱門的研究是機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。機(jī)器學(xué)習(xí)是從數(shù)據(jù)中發(fā)現(xiàn)模式和規(guī)律，并基于這些模式和規(guī)律做出預(yù)測和決策。深度學(xué)習(xí)是指使用深度神經(jīng)網(wǎng)絡(luò)處理圖像、語音、自然語言等數(shù)據(jù)，可以將復(fù)雜問題拆解為更小更簡單問題。目前深度學(xué)習(xí)已經(jīng)成為人工智能研究領(lǐng)域最活躍的方向之一。機(jī)器學(xué)習(xí)是通過數(shù)據(jù)集來學(xué)習(xí)模型和算法。深度學(xué)習(xí)使用監(jiān)督學(xué)習(xí)或無監(jiān)督學(xué)習(xí)來進(jìn)行數(shù)據(jù)增強(qiáng)和數(shù)據(jù)補(bǔ)全。在訓(xùn)練數(shù)據(jù)集上完成一次訓(xùn)練后，機(jī)器學(xué)習(xí)算法就可以在新數(shù)據(jù)上進(jìn)行預(yù)測或分類。深度學(xué)習(xí)可以從大量的訓(xùn)練數(shù)據(jù)中提取知識，并能利用這些知識進(jìn)行預(yù)測或分類。

人工智能技術(shù)包括感知、理解、決策與行動4個關(guān)鍵部分，分別是機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理和計(jì)算機(jī)視覺。其中，機(jī)器學(xué)習(xí)是人工智能技術(shù)中最核心的部分之一。在人工智能領(lǐng)域中，機(jī)器學(xué)習(xí)是指通過訓(xùn)練大量的數(shù)據(jù)來完成對算法性能指標(biāo)的評估。例如：監(jiān)督學(xué)習(xí)算法就是通過已知數(shù)據(jù)來進(jìn)行預(yù)測。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中重要組成部分，可以對圖像或語音進(jìn)行分類和識別；自然語言處理是指通過機(jī)器翻譯、語音識別和語義分析等技術(shù)將自然語言轉(zhuǎn)化為計(jì)算機(jī)能理解的形式。

2人工智能在網(wǎng)絡(luò)管理中的應(yīng)用

2.1自動化網(wǎng)絡(luò)配置與管理

自動化網(wǎng)絡(luò)配置與管理是隨著網(wǎng)絡(luò)復(fù)雜性的日益增長顯得尤為重要的。傳統(tǒng)的網(wǎng)絡(luò)管理以大量的人工干預(yù)為前提，不僅效率低下而且容易出錯。而應(yīng)用人工智能技術(shù)在自動化網(wǎng)絡(luò)配置與管理上則能大大提高辦事效率并提高精確度。運(yùn)用先進(jìn)的機(jī)器學(xué)習(xí)算法，使網(wǎng)絡(luò)達(dá)到自我配置、自我優(yōu)化、自我診斷和自我修復(fù)的目的[2]。

、人工智能技術(shù)使網(wǎng)絡(luò)管理工作變得更為智能高效，不僅使網(wǎng)絡(luò)運(yùn)維成本大大降低，而且通過提供更為穩(wěn)定可靠的網(wǎng)絡(luò)服務(wù)，為用戶帶來了實(shí)實(shí)在在的便利和好處。隨著人工智能技術(shù)的不斷進(jìn)步，今后網(wǎng)絡(luò)管理工作將向自動化智能化方向發(fā)展，使網(wǎng)絡(luò)系統(tǒng)能夠更靈活地適應(yīng)各種復(fù)雜多變的網(wǎng)絡(luò)環(huán)境和用戶需求，未來網(wǎng)絡(luò)管理工作將會變得更加智能高效。

2.2智能故障檢測與自我修復(fù)

網(wǎng)絡(luò)系統(tǒng)的穩(wěn)定性是網(wǎng)絡(luò)管理中的另一項(xiàng)關(guān)鍵任務(wù)。傳統(tǒng)的故障檢測往往依賴于網(wǎng)絡(luò)管理員的經(jīng)驗(yàn)和直覺，這種方法不僅耗時(shí)而且效率低下。隨著人工智能的引入，智能故障檢測與自我修復(fù)技術(shù)應(yīng)運(yùn)而生，這些技術(shù)能夠大幅提高網(wǎng)絡(luò)故障處理的速度和準(zhǔn)確性[3]。網(wǎng)絡(luò)故障診斷的主要方法包括基于硬件的診斷工具、基于軟件的診斷工具和人工智能診斷技術(shù)等。其中，基于人工智能的診斷技術(shù)已成為當(dāng)前研究的熱點(diǎn)。

3人工智能在無線網(wǎng)絡(luò)技術(shù)中的應(yīng)用

3.1無線網(wǎng)絡(luò)中的信道分配

信道分布在無線網(wǎng)絡(luò)技術(shù)的應(yīng)用中尤為重要，它對網(wǎng)絡(luò)的通信質(zhì)量和效率有著直接的影響。傳統(tǒng)的渠道分配方式，往往是在缺乏適應(yīng)環(huán)境變化能力的情況下，以固定的策略為基礎(chǔ)的。人工智能提供了一個全新的視角來解決這個問題，尤其是機(jī)器學(xué)習(xí)技術(shù)的引入。人工智能算法能夠動態(tài)地調(diào)整信道分配策略，以適應(yīng)網(wǎng)絡(luò)條件的實(shí)時(shí)變化[4]，通過對網(wǎng)絡(luò)狀態(tài)、用戶需求和環(huán)境信息的收集和分析。

通過對大量歷史數(shù)據(jù)的學(xué)習(xí)，對網(wǎng)絡(luò)負(fù)載和用戶行為進(jìn)行預(yù)測，以深度學(xué)習(xí)為核心的頻道分發(fā)模型可以實(shí)現(xiàn)更精準(zhǔn)的頻道資源分發(fā)。例如：通過分析時(shí)域和頻域特征的卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetworks，CNN）模型，可以對無線網(wǎng)絡(luò)中的干擾方式進(jìn)行有效的識別和預(yù)測，然后對信號的傳輸和接收進(jìn)行優(yōu)化。

3.2蜂窩網(wǎng)絡(luò)的智能優(yōu)化

蜂窩網(wǎng)絡(luò)是無線網(wǎng)絡(luò)技術(shù)中的一個重要組成部分，它的優(yōu)化已經(jīng)成為提升移動通信體驗(yàn)的關(guān)鍵因素之一，而人工智能的應(yīng)用于蜂窩網(wǎng)絡(luò)的優(yōu)化上，主要表現(xiàn)在網(wǎng)絡(luò)規(guī)劃資源管理、故障檢測以及恢復(fù)3個方面的利用上，借助人工智能算法，可實(shí)現(xiàn)蜂窩網(wǎng)絡(luò)的動態(tài)配置和智能管理，對網(wǎng)絡(luò)的性能和用戶體驗(yàn)進(jìn)行有效的促進(jìn)和提升。在網(wǎng)絡(luò)規(guī)劃方面，通過分析用戶分布和流量數(shù)據(jù)，人工智能算法能夠指導(dǎo)基站的選址和參數(shù)配置，以及天線的布局，實(shí)現(xiàn)網(wǎng)絡(luò)覆蓋的最優(yōu)化，從而在滿足用戶覆蓋需求的同時(shí)，降低建設(shè)成本。例如：采用遺傳算法對基站的位置進(jìn)行迭代優(yōu)化，能夠取得較好的成績。通過這種方式，網(wǎng)絡(luò)的覆蓋面能夠得到最大程度的提高，有效降低了成本。

在網(wǎng)絡(luò)資源管理上，通過實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)狀態(tài)智能地調(diào)配頻譜功率等關(guān)鍵資源，利用多目標(biāo)優(yōu)化理論最大限度地滿足用戶要求的同時(shí)，以最小化的能源消耗為目標(biāo)，實(shí)現(xiàn)蜂窩網(wǎng)絡(luò)的綠色通信，而不會因此產(chǎn)生任何資源浪費(fèi)現(xiàn)象。此外，在蜂窩網(wǎng)絡(luò)的故障檢測與恢復(fù)方面，人工智能也扮演著舉足輕重的角色。運(yùn)用機(jī)器學(xué)習(xí)技術(shù)，對故障模式進(jìn)行迅速的識別并實(shí)施相應(yīng)的恢復(fù)措施來保障網(wǎng)絡(luò)的穩(wěn)定運(yùn)行，如流量重定向，從而達(dá)到故障排除的目的。

3.3物聯(lián)網(wǎng)（IOT）網(wǎng)絡(luò)管理

作為現(xiàn)代社會的重要組成部分，物聯(lián)網(wǎng)（InternetofThings，IOT）在網(wǎng)絡(luò)管理方面的智能化成為研究熱點(diǎn)。物聯(lián)網(wǎng)設(shè)備所產(chǎn)生的數(shù)據(jù)量巨大，在大數(shù)據(jù)時(shí)代的背景下，對網(wǎng)管的要求也更高。在設(shè)備識別、數(shù)據(jù)處理、網(wǎng)絡(luò)優(yōu)化等諸多方面都體現(xiàn)了人工智能在IOT網(wǎng)絡(luò)管理中的應(yīng)用。人工智能技術(shù)可以通過對數(shù)據(jù)模式的分析，對數(shù)No1RX++dV/Jb/+/gyCXwvw==以千計(jì)的物聯(lián)網(wǎng)設(shè)備進(jìn)行準(zhǔn)確的區(qū)分和管理。例如：使用支援向量機(jī)（SupportVectorMachines，SVM）算法可以有效辨識裝置種類，而以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的算法則可以實(shí)時(shí)監(jiān)控裝置狀態(tài)。人工智能算法能夠在對海量的IOT數(shù)據(jù)進(jìn)行加工分析時(shí)，挖掘出數(shù)據(jù)的價(jià)值，從而提供個性化服務(wù)給最終用戶。如應(yīng)用聚類分析和關(guān)聯(lián)規(guī)則挖掘算法來從眾多的IOT設(shè)備數(shù)據(jù)中識別出有用的信息和模式等，就能提供更加精準(zhǔn)可靠的服務(wù)。例如：通過對傳感器數(shù)據(jù)的收集和分析，就能對工業(yè)過程進(jìn)行實(shí)時(shí)監(jiān)控和調(diào)整[5]。人工智能技術(shù)能夠在網(wǎng)絡(luò)層面進(jìn)行智能調(diào)整，如路由選擇、負(fù)載均衡等，從而提高網(wǎng)絡(luò)的穩(wěn)定性和傳輸效率。深度強(qiáng)化學(xué)習(xí)算法能夠在復(fù)雜的網(wǎng)絡(luò)環(huán)境中自主學(xué)習(xí)最優(yōu)的網(wǎng)絡(luò)配置策略，實(shí)現(xiàn)對IOT網(wǎng)絡(luò)的高效管理。

4未來趨勢

在高速發(fā)展的人工智能和大數(shù)據(jù)時(shí)代背景下，下一代網(wǎng)絡(luò)技術(shù)朝著更加智能化的網(wǎng)絡(luò)架構(gòu)演進(jìn)，這是隨著時(shí)代前進(jìn)的必然趨勢。在這一階段的發(fā)展中，網(wǎng)絡(luò)技術(shù)將在多個維度上發(fā)生革命性的變化，不僅是網(wǎng)絡(luò)的傳輸和處理效能的提高，而且包括網(wǎng)絡(luò)的自適應(yīng)能力、資源分配的智能化水平、跨平臺協(xié)同能力的增強(qiáng)等幾個方面。因此，在研究下一代網(wǎng)絡(luò)技術(shù)的發(fā)展方向時(shí)，需要重點(diǎn)關(guān)注幾個關(guān)鍵方面。要深入挖掘人工智能和大數(shù)據(jù)對下一代網(wǎng)絡(luò)技術(shù)的影響。網(wǎng)絡(luò)的自我學(xué)習(xí)能力將是今后核心競爭力的所在。在應(yīng)用人工智能算法進(jìn)行自我學(xué)習(xí)的過程中，網(wǎng)絡(luò)將具有自我優(yōu)化、自我診斷以及自我修復(fù)的能力，使網(wǎng)絡(luò)的運(yùn)行效率得到很大的提高，穩(wěn)定性得到很大的增強(qiáng)。例如：預(yù)測性分析的流量管理系統(tǒng)可以通過實(shí)時(shí)調(diào)整網(wǎng)絡(luò)資源分配策略來有效減輕網(wǎng)絡(luò)擁塞現(xiàn)象提高數(shù)據(jù)傳輸速度。所以，網(wǎng)絡(luò)的自我學(xué)習(xí)能力是當(dāng)前網(wǎng)絡(luò)技術(shù)發(fā)展的重點(diǎn)。當(dāng)今的網(wǎng)絡(luò)安全防范工作越來越依賴于智能化技術(shù)，網(wǎng)絡(luò)安全系統(tǒng)的構(gòu)成不再是單純的防火墻與入侵檢測系統(tǒng)的結(jié)合體。它將動態(tài)防御與主動預(yù)警相結(jié)合，依靠機(jī)器學(xué)習(xí)，分析歷史攻擊模式與實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)流量的異常。依靠人工智能技術(shù)快速識別潛在的安全威脅，然后迅速采取相應(yīng)的防御措施[6]。

5結(jié)語

綜上所述，研究結(jié)論是通過人工智能在大數(shù)據(jù)時(shí)代計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)中的應(yīng)用而提出的。人工智能技術(shù)的應(yīng)用使數(shù)據(jù)處理能力、管理效率和計(jì)算機(jī)網(wǎng)絡(luò)的安全性能都得到了很大的提升。在網(wǎng)絡(luò)管理方面，自動化的配置管理和智能故障檢測通過機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)得以實(shí)現(xiàn)，網(wǎng)絡(luò)穩(wěn)定性和響應(yīng)速度大大提高。在WebSecurity領(lǐng)域，AI技術(shù)可以對潛在威脅進(jìn)行有效的識別和防御，并構(gòu)建一個更強(qiáng)有力的安全防御系統(tǒng)。在性能優(yōu)化方面，網(wǎng)絡(luò)的性能和服務(wù)質(zhì)量通過對網(wǎng)絡(luò)流量的智能分析和資源分配進(jìn)行了優(yōu)化。同時(shí)，在信道分布、頻譜資源管理等方面，人工智能在無線網(wǎng)絡(luò)技術(shù)的應(yīng)用顯示出廣闊的前景。

參考文獻(xiàn)

• 郭斌，劉思聰，劉琰，等.智能物聯(lián)網(wǎng)：概念、體系架構(gòu)與關(guān)鍵技術(shù)[J].計(jì)算機(jī)學(xué)報(bào)，2023，46（11）：2259-2278.

[2]王彥峰，陳錕，王興華.基于人工智能算法的能量高效分簇路由協(xié)議[J].計(jì)算機(jī)工程與設(shè)計(jì)，2023，44（12）：3592-3598.

[3]董永杰.基于大數(shù)據(jù)技術(shù)的計(jì)算機(jī)網(wǎng)絡(luò)信息安全策略分析[J].電子技術(shù)，2024，53（1）：61-63.

[4]馬平川，張會慶.支持Scratch人工智能插件的可編程機(jī)器人[J].計(jì)算機(jī)應(yīng)用與軟件，2022，39（3）：346-349.

[5]許勇，倪宏，朱小勇.信息中心網(wǎng)絡(luò)多路徑傳輸技術(shù)研究綜述[J].網(wǎng)絡(luò)新媒體技術(shù)，2023，12（6）：1-9+20.

[6]曾英佩.結(jié)合系統(tǒng)工具及ChatGPT等大語言模型的操作系統(tǒng)教學(xué)探索[J].計(jì)算機(jī)時(shí)代，2023（12）：201-204.