人工智能技术在通信网络安全管理中应用研究.pdfVIP

数据安全中国宽带▪2025年8月

人工智能技术在通信网络安全管理中应用研究

■楼锡东

传统BP神经网络算法在解决通信网络安全管理问题时存在容易陷入局部最优、耗时长问题。为解决该

【摘要】

算法存在问题，本文提出了将层次分析法与BP神经网络算法融合，改进算法核心思想为对通信指标进行量化，提升了

评估准确性。仿真结果表明，改进算法运行效率和预测精度优于传统BP算法。

BP神经网络算法；层次分析法；网络安全

【关键词】

DOI：10.20167/j.cnki.ISSN1673-7911.2025.08.13

0引言描频率、漏洞修复率、覆盖范围；防毒软件的病毒库更

近年来，随着移动互联网和物联网的不断发展，通新频率、病毒查杀率、实时监控有效性。（5）数据安全，

信网络安全性已成为衡量其发展水平的重要指标。当前指标包括数据加密的传输加密覆盖率、存储加密覆盖率、

通信网络安全威胁包括数据泄露、网络攻击、恶意APP密钥管理安全性；数字签名的代码签名应用率、文档签

软件传播，这些威胁给人们带来了巨大财产损失。提升名应用率；访问控制的权限管理严格性、身份认证强度、

通信网络安全性是当前急需解决的问题。传统通信网络访问控制策略有效性；数据备份的备份频率、恢复测试

安全评价采用经验评估模式，这种方法难以满足复杂网有效性、异地备份完备性[1-2]。

络。随着BP神经网络算法不断成熟，已将其应用到通信1.2通信网络安全评价流程

网络安全管理，结果表明，BP算法在通信网络安全管理根据通信网络安全评价指标，不难发现通信网络安

中能够识别出网络风险。BP算法在运行过程中存在的问全评估具有层次结构，为此本文采用层次分析法进行通

题是容易陷入局部最优、耗时长，在面对复杂的通信网信网络安全评价。图1为评价流程图。

P34

络时已经不能满足，为解决该问题，本文提出将层次分确定目标

析法与BP算法融合构建一种新的算法。

确定目标

1通信网络安全评价建立层次结构模型

建立层次结构模型

1.1通信网络安全评价指标构建判断矩阵