前言：中文期刊網精心挑選了計算機網絡的理解范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
計算機網絡的理解范文1
【關健詞】 計算機信息 管理技術 網絡安全
隨著我國的計算機信息管理技術發展的越來越好，也隨之進入了我們的學習，工作，生活中來。國家也越來越注重網絡發展，也將大量的人力，精力，金錢投入到網絡安全監管技術中來。近幾年，各大公司，學校，公共場所都將計算機信息管理技術放在首位。尤其是公司的運用，他們把計算機信息管理技術應用到公司的管理中，這不僅節省了公司時間，也大大降低了公司經濟成本。
網絡的應用雖然給我們帶了便捷的同時，也給我們的生活帶來了不便。隨著科技的發展，網絡安全問題也隨之展現出來，計算機病毒、網絡黑客也逐漸增多，這也給人們的正常的工作和平時生活帶來了巨大的影響。所以，加強計算機信息管理技術在網絡安全中的應用是非常重要的。它不僅促進了我國的社會信息化的發展，同時也保護了我們的網絡安全。
一、網絡安全所面臨的危險
隨著我國科技發展越來越好，基于這種大環境的影響，計算機信息管理技術也隨著在各個領域中充分發揮著自身的作用。具統計顯示，截止到14年底，我們國家的網絡用戶已經突破了六億人口，而手機用戶就已經突破了五億人口，而我國的網絡用戶和手機用戶的數量還呈現逐漸上升的趨勢。除此之外，我國只有不到20%的公司沒有應用到互聯網技術，由此我們可以得知，互聯網技術已經不只走進我們的日常生活，同時也促進了我國居民經濟的快速發展。因此，我們可以看出，計算機信息管理技術在網絡安全中起著重要的作用。隨著時代的不斷進步，計算機信息管理技術也會被人們廣泛的應用，因此，加強計算機信息管理技術在網絡安全的保護力度，這樣不僅可以推動我國社會的更好發展，同時也更好的服務于我們的社會生活。除此之外，為了消除網絡世界中的安全隱患，就要加強計算機信息管理技術在網絡安全的保護力度。目前我們在網絡中常常見到的安全隱患的現象主要有惡意修改網站、網絡黑客惡意散播謠言、木馬病毒等等。對于這些網絡問題，我們只能借助加強計算機信息管理技術在網絡安全的保護力度，才可以有效的處理這些網絡安全問題，進而使網絡安全得到保障。
二、計算機信息管理技術在維護網絡安全中所存在的問題
2.1信息管理技術中監測技術不高
在網絡技術中經常出現的安全問題主要包含兩方面，第一是計算機經常遭到網絡黑客的惡意破壞；第二是計算機經常受到非法入侵或者木馬病毒攻擊等，隨著計算機信息管理技術中檢測技術的不斷更新，網絡安全問題也會隨之向復雜化發展，導致信息管理技術中監測技術的更新速度有時不能很好的應對網絡安全問題的發展速度。例如，在10年年底時，美軍保存的伊拉克戰爭的重要機密文件被“維基解密”病毒所泄露出來，這給美國的軍事機密造成了一定的影響，而導致這一現象發生的主要因素就是信息管理技術中監測技術不高，如果美國軍方當時加強信息管理技術中的監測技術的管理力度，就不會出現此事件的出現。
2.2信息管理技術中的加密技術不完善
為了保證網絡信息安全，我們常常采用多種計算機信息管理技術，其中加密技術就是保護網絡信息安全的技術之一。而加密技術的主要原理就是將重要信息盡心加密處理，經過加密處理文件將轉換成無意義文件，到接收人員對加密文件完成解密后，機密技術子才能將加密文件還原為普通文件。該技術可以有效的保護了信息的安全，同時阻止了黑客和木馬病毒的侵入。但是隨著科技的不斷進步，傳統的加密技術以及無法滿足現代化的需求，加密技術已經不能很好的保護信息的安全。因此，要想加強網絡信息的安全，就要將加密技術進一步完善。
三、網絡安全問題的實際解決辦法
3.1加強管理人員的防范意識，注重培養網絡人才
近幾年來，由于科技發展越來越好，信息網絡時代也逐步進入我們的生活中來，網絡安全問題逐漸增多，我國也開始注重網絡人才的培養，這也為我國的計算機的應用和今后的發展奠定了基礎，同時也給我國的網絡信息安全的監管力度提供了有利的條件。在應用計算機信息管理技術的過程中，加強管理人員的防范意識是非常重要的，在網絡存在安全隱患的時候，管理人員可以第一時間發現問題，通過自身的專業知識和技術有效的將安全問題進行處理，進而達到計算機信息安全管理的目的。
3.2加強風險控制力度
當網絡中存在安全風險時，會給計算機信息管理技術造成一定的影響，使得計算機信息管理技術不能充分發揮出自身的作用。所以，在計算機信息管理技術中加強風險控制力度，可以有效的維護網絡安全。為了推進計算機信息管理技術可以有效的起到維護網絡安全的作用，首先要加強風險控制力度，在出現安全隱患時可以有效的引起管理人員的注意，根據不同的情況采用相應的防護措施。其次，還要將以前的經驗教訓進行總結，來完善自己的專業技術和經驗。最后，建立預警系統，當存在安全風險時可以及時發出警報，引起管理人員的注意，采取有效的防護措施，阻止安全風險進一步拓展的機會。
3.3把安全管理制度中存在的不足進行完善
要想保證網路信息安全性，推進計算機信息管理技術的發展，建立完善的安全管理制度是非常必要的。例如，在對計算機網絡信息進行日常管理時，可以借助完善的人才管理力度，提高人才的引進力度，選擇具備高素質、高能力的專業人才。與此同時，加強對專業人才的培訓力度，增加管理人員的鵝專業技術和職業修養，進而提高整個管理人員團隊的專業素養，給計算機信息管理技術的網絡安全提供高素質、高技能的人才做支撐。除此之外，還可以結合實際情況，適當建立完善的網絡安全管理，并且組建專業的安全管理團隊，安排人員定期對網絡中軟件、硬件進行檢查，網絡安全運行中的軟硬件進行及時更新，從而確保了軟硬件具有加高的安全性能，為計算機信息管理技術的有效運行創造一個安全的環境。
四、結束語
網絡的廣泛應用，與我們的生活，工作，學習有著密切的聯系，那加強網絡信息的安全保護也是現在最重要的責任，隨著信息網絡的快速發展，那網絡中隨處可見的安全隱患也會逐漸增多，那需要我們做的也只有加強計算機信息管理技術在網絡安全的管理力度。
在面對問題時，主動追擊，加強防護，找到更好的防護措施，例如加強風險控制力度、把安全管理制度中存在的不足進行完善等。那本篇文章就是根據現在網絡存在的安全問題提出幾點建議。在面對網絡信息安丘按問題時，我們要保持清醒的頭腦，及時建立防護措施，提出相關的解決對策，從而保護我們用戶的自身利益。
參 考 文 獻
[1]張統豪. 計算機信息管理技術在網絡安全中的應用[J]. 計算機光盤軟件與應用，2012，v.15；No.20623：57+88.
計算機網絡的理解范文2
關鍵詞： 高維BP神經網絡； 粒子群算法； 神經網絡； 結構優化
中圖分類號： TN711?34； TP311 文獻標識碼： A 文章編號： 1004?373X（2017）03?0157?03
Research on a neural network structure optimization method based on
high?dimensional particle swarm optimization
HUANG Yu1， 2
（1. College of Computer Science， Chongqing University， Chongqing 400044， China； 2. Yibin Vocational and Technical College， Yibin 644003， China）
Abstract： In order to eliminate the shortcomings of the traditional BP neural network in the operation process， a neural network optimization method based on the high?dimensional particle swarm optimization algorithm is proposed. The acceleration constant with random variation is introduced into the high?dimensional PSO algorithm to acquire the optimal weight to optimize and train the BP neural network. The optimized high?dimensional BP neural network is applied to the automatic detection of the traffic incident. The trained data is performed with class test with the detection and training algorithm， and its result is compared with those tested with the traditional BP neural network algorithm and classical event detection algorithm. The results show that the detection rate and performance of the algorithm optimized with high?dimensional particle swarm optimization BP neural network algorithm are better than those optimized with BP neural network algorithm and classical algorithm， the values of 2 test samples are different with the expected values of 97 and 50 test samples， the rest samples can meet the test requirement， and the average optimal testing time is half of the detection time of the traditional BP neural network. The optimized BP neural network algorithm has excellent performance.
Keywords： high?dimensional BP neural network； particle swarm optimization； neural network； structure optimization
0 引 言
目前關于高維多目標優化問題的理論和方法大都限于少數幾種算法，如NSGA?II算法，粒子群優化（PSO）算法。粒子群優化算法是Kennedy等受到飛鳥集群活動的啟發而提出的一類新興的基于集群智能優化算法[1?5]。相比進化算法，PSO具有易于實現和收斂速度快等優勢。近年來PSO在多目標優化領域的研究上取得了較大進展[6?9]，在神經網絡訓練、復雜函數優化、圖像處理、工業系統優化等領域應用廣泛[10]，PSO在特性的函數優化問題上更是發揮著重要作用，這些特性函數通常具備維數高、非線性、規模大、非凸和不可微等特點，一般計算方法運算困難。針對粒子群優化算法的優點以及傳統BP神經網絡存在的諸如較慢的收斂速度、較低的學習效率，并且在計算過程中較難計算出局部極小值等問題[11?14]，提出一種基于高維粒子群算法的神經網絡優化方法，結合二者優點使其更好地應用于實際中。
1 基于高維PSO算法的BP神經網絡優化
1.1 高維PSO算法簡介
粒子群算法是一種集群行為的計算方法，在不局限于二維空間，考慮高維時，即是高維PSO算法。設搜索空間為[D]維，粒子集群是由[M]個粒子組成，其中，第[i]個粒子的空間位置表示為[Xi=xi1，xi2，…，xiD，i=][1，2，…，M，]其飛行速度應表示為[Vi=][vi1，vi2，…，viD。]將空間位置和飛行速度數值代入優化目標函數中，從而計算出用于衡量[x]優劣的適應值。假設粒子[i]搜索到的最優位置為[Pi=pi1，pi2，…，piD，]整個粒子群搜索到的最優位置記為[PK=pK1，pK2，…，pKD。]此時，對于每一代粒子，其第[d]維[1≤d≤D]的速度和位置根據式（1），式（2）迭代：
[vktt+1=ut?vitt+c1r1pid-xidt+c2r2pid-xidt] （1）
[xidt+1=xidt+vidt+1] （2）
[ut=umax-umax-umintitmax] （3）
式中：[ut]代表慣性權值數值，一般為線性慣性權值，慣性權值的作用是提高粒子群算法的全局、局部優化能力；[t]代表現在的迭代次數；[itmax]代表迭代的最大次數；[c1]和[c2]代表學習因子；[r1，r2]代表在[0，1] 范圍內變化的兩個隨機數值。
粒子位置的更新如圖1所示。
1.2 BP神經網絡
BP神經網絡在結構上一般由輸入層、隱含層、輸出層三層構成，屬于多層前饋神經網絡，包括輸入信號前向傳遞和誤差反向傳播兩個過程。BP神經網絡廣泛應用在各種預測模型中。網絡結構一般只需單個隱含層就能以任意精度逼近任意有理函數。訓練樣本的輸入、輸出向量的維數分別決定了網絡的輸入、輸出層神經節點個數，典型的只有單個隱含層、單個輸出的BP神經網絡結構如圖2所示。
在圖2中，[xi=x1，x2，…，xn]代表一組BP神經網絡的輸入向量；[y]代表一組BP神經網絡的目標輸出值；[wij]代表輸入層和隱含層兩層級之間的連接權值；[wj1]代表隱含層和輸出層兩層級之間的連接權值。[aj，b]分別為隱含層和輸出層的節點閾值。若設隱含層節點個數為[m，]則[j=1，2，…，m=1，]在輸入信號前向傳遞過程中，[xi]從輸入層逐層傳輸到隱含層和輸出層，由傳輸過程中各層連接權值矢量、閾值矢量和相應的激勵函數計算，得出輸出層的預測輸出值[Y，]若預測值[y]與目標值[Y]之間有誤差，則誤差部分轉入反向逐層傳遞，沿誤差減小的方向調整網絡各層連接的權值、閾值。反復執行以上過程，使得BP神經網絡的預測值不斷逼近實際輸出值。
1.3 PSO算法的優化
在實驗過程中，種群的中間粒子更容易得到全局最優位置而不是PSO算法中的所有粒子。因此，本文基于PSO算法并采用慣性因子[σ，]慣性因子更容易追蹤種群中最優粒子的位置并確保速度連續變化，即粒子下一時段的運行速度是在上一時段\行速度的基礎上迭代產生的，提高了PSO算法的性能，該優化算法稱為帶慣性項的粒子群算法。采用慣性因子[σ]后，新的粒子速度公式為：
[Vidt+1=σVidt+c1r1Pid-Xidt+c2r2Pgd-Xidt] （4）
優化后的PSO算法更容易找到最優位置。在最優位置找尋過程中，如果粒子探索的程度是在新的方向則被稱為探測，而仍然在原始軌跡搜索則稱為開發。探測和開發是找尋最優位置的必經過程，調整粒子探測和開發程度可以更好地找尋最優位置并達到優化效果。所以，常將隨機變化的加速常數[c1]和[c2]應用到帶慣性項的粒子群算法，代表粒子向個體極值和全局極值推進過程中的隨機加速權值，從而動態改變探測和開發所占的比例，使其盡快找到全局最優位置，該優化算法稱為引入慣性項和隨機加速常數的粒子群算法。其中，加速常數[c1]和[c2]定義為：
[c1=random（a）+tTmax] （5）
[c2=random（b）-tTmax] （6）
式中：[random（a）]和[random（b）]代表系統隨機生成的數；[t，Tmax]代表當前進化代數和最大進化代數。
1.4 BP網絡權值優化方法
由BP網絡的三層結構可知，用[ujht]代表輸入層和隱含層的網絡權值，[wkj（t）]代表隱含層和輸出層的網絡權值，[θk]代表輸出節點閾值，[θj]代表隱含層節點閾值。具體更新公式如下：
[wkjt+1=wkjt+αδkHj] （7）
[ujht+1=ujht+αkσjIh] （8）
[θKt+1=θKt+βδk] （9）
[θjt+1=θjt+βσj] （10）
式中：[Hj]代表隱含層節點[j]的輸出信號；[Ih]代表輸入層節點[h]的輸入信號；[δk]代表輸出層節點[k]的誤差；[σj]代表隱含層節點[j]的誤差；[α， β]代表學習參數，參數取值范圍為0.1～0.9。
1.5 高維粒子群BP的算法實現
高維粒子群優化BP神經網絡需要確定網絡的拓撲結構，根據網絡的拓撲結構確定粒子搜索空間的維數，即粒子長度，以誤差均方值作為基準調節BP網絡中的權值和閾值，以粒子群優化的適應度函數作為BP網絡誤差的反傳函數，據此建立誤差均方值與粒子群優化的適應度函數的對等關系，目標函數的表達式如下：
[fi=1Nk=1Nyk-ymk2] （11）
式中：[N]代表總訓練樣本數；[fi]代表目標函數的誤差平方和；[y（k）]代表目標函數的目標輸出值；[ym（k）]代表目標函數的實際輸出值。
改進粒子群算法尋優的具體步驟如下：
（1） 初始化粒子群參數。初始化粒子群規模、最大迭代次數[Tmax、]學習因子[c1]和[c2、]慣性權重[wmax]和[wmin]在特定位置與速度范圍內隨機初始化位置向量和速度向量。
（2） 初始化BP神經網絡。由實際情況確定BP神經網絡的拓撲結構，并建立下一步運算的網絡模型，進一步明確粒子維度。
（3） 輸入網絡訓練樣本。通過步驟（1），步驟（2）初始化的位置向量輸入網絡訓練樣本，確定網絡的權值和閾值，計算出期望輸出的誤差均方值和實際輸出的誤差均方值，由二者的誤差均方值可以得到粒子群的適應度函數。在粒子群適應度函數的基礎上結合位置和慣性因子可以計算粒子新的運動位置和運動速度。
（4） 迭代運算。確定每個粒子的個體極值和全局極值：粒子[i]的適應度值[fi]與個體最優值[Pbest]比較，如果小于[Pbest]則取代它作為當前的個體最優；適應度值[fi]與全局極值[gbest]比較， 如果小于[gbest]則取代它作為當前的全局最優。當停止迭代時，會得到粒子在全局的最優位置，此時需要把該數值作為BP網絡的最后權重值，映射為BP神經網絡的權值和閾值。
（5） 將樣本數據源中訓練樣本輸入到已確定的網絡模型中進行訓練，用測試樣本做預測。
2 高維粒子群BP算法實例仿真
高維粒子群BP算法仿真實驗的實驗數據采集自沈陽市和平區易發生交通擁堵的某一路段，采集方式是在測試車輛上安裝激光測距儀和 GPS設備，采樣時間設置為2 s，采樣時間段為早、中、晚高峰期三小時的時間區間，并多次測量采集數據，選擇每組中發生事件的實驗數據為6 rain，參照上述標準共采集150組樣本數據，把樣本數據歸一化。將100組訓練數據、50組測試數據輸入到Matlab進行運算，電腦內存為8 GB，利用本文的高維粒子群算法的BP神經網絡優化算法訓練，最后將測試樣本分類判別，檢驗最后的計算性能。部分原始樣本數據見表1。
設置高維粒子群算法的參數，其中，種群數量設置為[m=30，]維數設置為[D=12×13+13×4+4=212，]加速因子設置為[c1=c2=1.50，]慣性因子設置為[ω=0.720，]速度最大值[Vmax=1，]速度最小值[Vmin=-1，]位置最大值為5，位置最小值為?5，最大迭代次數[N=100。]當計算循環過程達到終止迭代次數時則終止計算。
通常采用交通事件的檢測率（DR）、平均檢測時間（MTTD）、誤判率（FAR）評價交通事件自動檢測的算法效率。通過采用本文優化的計算方法對采集到的數據進行分類訓練等一系列計算分析，并將最終分析結果和經典事件檢測算法、BP神經網絡算法比較。結果表明，經過優化后的高維粒子群BP神經網絡的檢測率、算法性能均優于經典算法和BP神經網絡算法，其中97，50個測試樣本中僅有2個測試樣本與應該達到的數值不一致，其他樣本都滿足測試要求，并且平均優化測試時間是傳統BP神經網絡檢測時間的一半，結果對比見表2。
3 結 語
本文基于高S粒子群算法的BP神經網絡結構優化方法，改進了傳統運算方法的檢測時間長、收斂速度慢的缺點，且容易實現，是一種新興的群智能優化算法，優化全面，適用范圍廣泛，具有較高的精度和較好的擬合性能。
參考文獻
[1] 姚爾果，閆秋粉，南振岐，等.基于改進粒子群算法的BP神經網絡模型研究[J].佳木斯大學學報（自然科學版），2012，31（1）：107?109.
[2] 謝錚桂，鐘少丹，韋玉科.改進的粒子群算法及收斂性分析[J].計算機工程與應用，2011，47（1）：46?49.
[3] 閏紀如.粒子群優化的神經網絡在交通流預測中的應用[D].杭州：浙江工業大學，2013.
[4] 劉洪波，王秀坤，孟軍.神經網絡基于粒子群優化的學習算法研究[J].小型微型計算機系統，2005，26（4）：638?640.
[5] 胡衛東，曹文貴.基于改進粒子群算法的BP神經網絡在邊坡穩定性評價中的應用[J].湖南理工學院學報（自然科學版），2014，27（2）：71?77.
[6] 劉坤，譚營，何新貴.基于粒子群優化的過程神經網絡學習算法[J].北京大學學報（自然科學版），2011，47（2）：238?244.
[7] 徐以山，曾碧，尹秀文，等.基于改進粒子群算法的BP神經網絡及其應用[J].計算機工程與應用，2009，45（35）：233?235.
[8] 張德慧，張德育，劉清云，等.基于粒子群算法的BP神經網絡優化技術[J].計算機工程與設計，2015，36（5）：1322?1328.
[9] 肖俊生，任諱龍，李文濤.基于粒子群算法優化BP神經網絡漏鋼預報的研究[J].計算機測量與控制，2015，23（4）：1302?1305.
[10] 沈學利，張紅巖，張紀鎖.改進粒子群算法對BP神經網絡的優化[J].計算機系統應用，2010（2）：57?61.
[11] 江麗，王愛平.基于粒子群與BP混合算法的神經網絡學習方法[J].計算機應用，2012，32（z2）：13?15.
[12] 徐大明，周超，孫傳恒，等.基于粒子群優化BP神經網絡的水產養殖水溫及pH預測模型[J].漁業現代化，2016，43（1）：24?30.
計算機網絡的理解范文3
1.1計算機網絡實驗教學需獨立設課
提升計算機網絡實驗教學的效率，首先需要開設獨立的計算機網絡實驗課程，其目的在于實驗教學不再完全依附于理論課程，其獨立設課，不需要與理論課程同步進行。計算機網絡實驗教學的目的在于幫助提高學生的實驗素質，培養其實驗與創新能力，教學任務往往通過一些設計性、研究性與驗證性的實驗活動，幫學生掌握網絡分析、管理、應用和設計能力，從而提升學生的綜合網絡能力與素質。計算機網絡實驗教學是對理論教學的補充與深化，獨立設課，能夠讓學生認識到實驗課程的重要性，樹立正確的學習理念，明確學習態度，從而加強對理論與實踐的結合。通過理論知識指導實踐，能夠引導學生在實驗中遇到的問題運用理論知識來解決，體現計算機網絡實驗課程和理論課程的互相融合，相輔相成。
1.2建立層次化的網絡實驗教學體系
針對目前國內計算機網絡實驗教學的狀況，需要建立一個層次化的計算機網絡實驗教學體系，注意培養學生的網絡創新能力、編程設計能力、網絡應用能力和工程實踐能力等，可以分三個層次構建教學體系：第一層次實驗主要以計算機網絡基礎課程為主，開設基本的網絡技能實驗課程，包括網絡素材的搜集與使用、網絡的基本故障定位與判斷和網絡的基本接入實驗等，主要培養學生的網絡應用能力。第二層次實驗主要是計算機網絡原理課程，開設網絡協議仿真實驗，加強學生對計算機網絡原理知識的認識與理解，主要培養學生對網絡原理的理解與應用能力。第三層次實驗是面向網絡管理與工程課程為主，開設網絡管理與網絡工程的實驗項目，以此來培養學生的工程實踐能力、創新能力、網絡管理能力和編程能力。
1.3完善計算機網絡實驗教學的內容
計算機網絡課程比較復雜，理論性較強，包括計算機軟件、硬件與通信等。通過實驗教學具體操作，可以培養學生的網絡分析、管理、應用、設計和分析等能力，能夠加深對計算機網絡理論知識的認識和理解。在計算機網絡實驗教學過程中，各個實驗之間的關系聯系緊密，后續實驗往往需要以之前的實驗為基礎，實驗綜合性較強、知識跨度較大，因此對實驗教學的要求較高。計算機網絡實驗內容的設計與完善在整個教學活動中，地位十分重要，是提升教學水平與質量的突破口。因此，計算機網絡教師需要制定和完善實驗教學內容，根據教學大綱要求和實驗條件，在實驗教學中貫穿理論知識，保證實驗內容的可操作性與先進性，還可以設置層次性實驗項目，從而開展靈活性、科學性和層次性的計算機網絡實踐教學活動。
1.4創新計算機網絡實驗教學的項目
在計算機網絡教學中，運用創新型的實驗教學項目，目的在于與強化學生網絡方案的設計能力、網絡工程實踐能力、網絡理論的系統應用能力與團體項目的創造能力等。目前主要包括以下兩個網絡實驗項目：第一，要求學生根據具體情況，設計出一些網絡解決方案，包括實驗室機房組網、辦公室組網、網吧組網和宿舍組網等，可以提升學生對計算機網絡知識的綜合運用能力，包括理論和實踐等。第二，IPV6實驗，學校根據自身網絡實驗室機房的田徑，讓學生親身參與IPV6實驗，包括其協議的安裝、局域網的互聯、IPV6和IPV4的相互連接及轉換、登錄訪問、服務器的設置與IPV6服務的應用等。通過這些創新型的網絡實驗教學項目，主要培養學生的動手實踐能力，從而提升計算機網絡技術應用的綜合能力。
1.5計算機網絡實驗教學的組織管理
在計算機網絡實驗教學過程中，需要強調教師的主導作用，樹立學生為教學主體地位，加強教師在教學中的引導、管理與組織作用。在每一個計算機網絡實驗項目開始之前，教師都應該詳細的講解該實驗項目的理論知識點、實驗內容、實驗目的、實驗中的與難點等，然后引導學生進行實驗。在實驗過程中，教師要多加巡視，發現問題首先讓學生自主處理，如果較為困難可以給學生給予一定的氣氛和指導。學生在實驗完成后，需要結語實驗過程，分析實驗結果，而計算機網絡教師要根據學生的實驗報告進行結語反思，從而使學生在網絡實驗項目中積累經驗，掌握更多的實驗技巧，提升計算機網絡實驗能力，同時還能夠加深對計算機網絡理論知識的學習與理解。
2結語
計算機網絡的理解范文4
關鍵詞：網絡熵 計算機網絡 攻擊 安全性 效果 定量評估 方法 分析
中圖分類號：G623.58 文獻標識碼：A 文章編號：1672-3791（2013）02（b）-0018-01
隨著計算機技術以及網絡信息技術在實際應用中的不斷發展進步，計算機網絡安全的要求也隨之提高。比如，在信息安全領域，對于信息安全的內涵理解就在不斷的延伸擴展，由原來的對于信息安全的保密性理解，逐漸擴展成為不僅包含信息保密性，更包括信息的完整性以及可用性、可靠性、不可否認性等，同時在進行信息安全保護的過程中，也逐漸發展并包含了對于信息攻擊以及防范、檢測、控制、管理、評估等多方面的安全防護理論以及技術等。在現代的信息管理系統中，對于信息安全的管理主要核心就是對于信息安全密碼的應用與管理，實現對于信息安全密碼的應用管理，首先需要通過進行可信信息系統的建立與評估，在此基礎上，實現對于信息密碼安全管理。計算機網絡攻擊效果的評估是信息系統安全綜合評估的重要組成部分，進行計算機網絡攻擊效果的評估，不僅有利于提高計算機信息系統在復雜網絡環境下的突發網絡攻擊應對能力，而且對于計算機網絡攻擊反擊也具有一定的應對參考作用。
1 計算機網絡安全性能指標的選取分析
在進行計算機網絡攻擊效果的定量評估過程中，要實現對于計算機網絡攻擊效果的評估分析，首先需要通過選取計算機網絡安全性能指標因素，對于計算機網絡攻擊前后的安全變化情況進行分析的基礎上，才能實現對于計算機網絡攻擊效果的評估。
通常情況下，進行計算機網絡攻擊的目的，就是為了破壞計算機網絡的安全特性，是計算機網絡失效或者是達到降低的效果。因此，通過對于計算機網絡攻擊前后安全性能指標的選取分析，來實現對于計算機網絡攻擊前后安全性能的變化描述，并且計算機網絡攻擊前后的安全性能指標差值，就是進行計算網絡攻擊效果評價的重要標準。本文主要通過系統分析法，通過對于計算機網絡安全機制的研究分析，通過計算機網絡安全機制以及準則、指標三級特性，實現對于計算機網絡攻擊效果的評估。通常情況下，計算機網絡安全機制主要包含計算機網絡的放繞過性、防篡改性以及可驗證性、正確性、可用性等各種性能機制，而計算機網絡安全的準則則主要包含防更改性、多樣性以及隔離性、多重性、強制性等各要素，而通常情況下，根據計算機網絡安全指標的測量結果，對于計算機網絡的安全特性又可以分為布爾型、實數型以及分級數值等各種類型，并且在進行網絡安全性能指標的選取過程中，進行安全性能指標的選取，還需要根據整體性或者是時效性等選擇原則要求進行選取實施，比較麻煩并且繁雜，在實際選擇評估應用中，需要注意結合指標選取實際情況進行簡化選取實施。
2 基于網絡熵的網絡攻擊效果計算分析
2.1 網絡熵的含義概述
通常情況下，在進行計算機網絡攻擊效果的評估過程中，進行網絡安全性能指標的簡化選取之后，由于進行網絡攻擊效果的評估只是對于網絡攻擊前后的安全性能變化的評估分析，因此，評估分析過程中可以使用網絡熵對于網絡安全性能情況進行描述評價，通常情況下網絡熵的值越小，那么就表示計算機網絡系統的安全性能越好，而一旦計算機網絡在服務運行過程中受到攻擊，那么網絡服務的性能就會下降，同時計算機網絡系統的穩定性就會受到破壞，網絡熵值也會增加。一般用下列公式（1）所示的網絡熵差值對于計算機網絡攻擊效果進行表示描述。
2.2 單個網絡安全指標網絡熵差計算方法
在計算機網絡安全性能指標因素中，根據計算機網絡安全機制以及準則等的不同，會有各方面不同的對于網絡安全性能產生影響的重要指標因素，比較復雜并且繁多，因此，在實際計算機網路安全性能指標的選取中，應注意進行簡化選擇。以計算機網絡系統的可用性為例，在確定網絡安全可用性的影響指標后，對于網絡熵差值的計算方法如下。
根據計算機可用性的影響指標因素情況，主要有網絡數據吞吐量、網絡信道利用率以及網絡延遲情況、延遲抖動頻率等，其中用S1表示計算機網絡攻擊前的吞吐量情況，用S2計算機網絡攻擊后的吞吐量情況，根據相關要求原則，那么網絡數據流量在該項指標的攻擊效果可表示為下列公式（2）所示。
2.3 計算機網絡系統的網絡熵差值計算
根據上述對于計算機網絡安全性能單個指標的網絡熵差值計算表示分析，在進行整個計算機網絡系統的網絡熵差值的計算中，就是在進行安全性能指標權重值確定的情況下，通過對于計算機網絡安全性能指標的權重因素的網絡熵差值計算，來實現對于計算機網絡系統網絡熵差值的計算描述。如下公式（4）所示，就是系統網絡熵為H情況下，用H’表示網絡攻擊后系統的網絡熵值，那么對于網絡攻擊效果的計算就可以表示為如下公式所示。
3 結語
總之，基于網絡熵的計算機網絡攻擊效果定量評估方法，是通過網絡熵描述理論，在對于計算機網絡安全性能指標權重因素的定量計算分析基礎上實現的，對于計算機網絡攻擊效果的評估具有一定的適用性。
參考文獻
[1] 張義榮，鮮明，王國玉.一種基于網絡熵的計算機網絡攻擊效果定量評估方法[J].通信學報，2004（11）.
[2] 王桐桐.計算機網絡安全面臨的問題及防范措施[J].都市家教，2012（9）.
[3] 黃祖文.計算機網絡運行中常見安全威脅與防范措施[J].中國新通信，2012（22）.
計算機網絡的理解范文5
關鍵詞：計算機網絡基礎 案例教學 中職
當今社會，計算機網絡應用已遍及各行各業，并對社會發展、生產結構、人們日常生活產生了影響與沖擊。計算機網絡已逐步成為一門新興學科，許多相關專業都開設了課程，但是在教學中仍有許多值得研究的問題。
一、中職計算機網絡基礎教學的特點
計算機網絡基礎是職業學校計算機專業的必修課，有著較強的理論性和抽象性，同時涉及大量的概念。而中職學生大多理論學習熱情不高，缺乏鉆研精神，學習目標不明確。基于學生的這些特點，多數學校采用了基于模擬軟件的操作，采用以理論為主的教材，教學模式僵化，學生對學習缺乏興趣。
二、案例在計算機網絡基礎教學中的重要性
學生對概念理解的相對較慢，在準確、深入程度上也有著很大的差距，嚴重影響了學生學習的積極性。教師若能在教學中創設與客觀世界類似的，便于感知、體驗的真實案例并加以分析，把學習的主動權交給學生，讓學生在實踐中體會艱辛和樂趣，調動學生學習的主觀能動性，從而培養學生的探索精神與分析問題的能力。所以，改變單一的教學方法、激發學生的學習興趣，案例驅動教學就顯得尤為重要。
三、案例在計算機網絡基礎教學中的應用
在計算機網絡基礎的教學中引入案例，學生通過對案例進行分析、討論和交流，不僅可以加深對原理和概念的理解，也可以提高分析和解決問題的能力。那么應如何在計算機網絡基礎教學中應用案例呢？本文從以下幾個方面闡述。
1.利用案例，使問題具體化，激發學生興趣
計算機網絡的體系結構本身非常復雜、理論概念多又抽象，學生初次接觸網絡，不免會覺得乏味，長期如此，學生就會失去信心，產生懈怠的心里。教師可以利用案例教學將復雜抽象的理論逐步分解，變復雜為簡單，化抽象為具體。如講解路由器，我們可以引入案例——小明家里有三臺電腦，通過一個交換機將三臺電腦組建了家庭局域網，現在想讓家里的電腦都能上網，還需要什么設備呢？講解路由器的作用，我們可以引入案例——交通圖中的交通指示牌。應用學生生活中切實存在的例子，使問題簡單化，具體化，從而激發學生的興趣。
2.利用多個案例，使學生加深對問題的理解
在課堂學習中，通過對案例的分析、理解，學生對計算機網絡知識有了一定的掌握，但是學生的理解往往是對本案例，不會舉一反三，或者有些學生止于當時，下次再操作類似問題時則表示困難。所以，對于學生，教師應該列舉多個類案例加以練習，以達到對問題的深刻理解。如講解交換機的VLAN劃分，學生需記一些命令，這時教師可以列舉案例——學校的局域網可以按不同的教學樓劃分，也可以按年級劃分，還可以按專業去劃分等。通過多個案例的操作，讓學生在不斷地練習中記住命令，以此加深對交換機VLAN的理解。
3.利用案例，提高學生的實踐能力
在計算機網絡基礎教學過程中，教師通過對案例的分析，引入一系列的實踐活動，把課堂上所學知識應用于生活實踐。同時教師應有相應的準備和鋪墊，再布置實驗內容，讓學生去思考、實踐，綜合應用所學到的知識去解決生活中實際的問題，提高實踐能力。 如講解一臺主機網絡不通時，可以通過引入案例——假設學生作為一公司的網絡管理員，如果有電腦不能上網，應該怎么去解決？通過對實際問題的解決，讓學生提高了自己的實踐動手能力。
四、小結
在計算機網絡基礎教學中利用案例，能夠充分調動學生學習的積極性，也提高了學生實際動手能力和探索、 合作、創新能力，所以在計算機網絡教學中合理、有效地使用案例將會很好地解決傳統教學中遇到的問題。
參考文獻：
[1]錢方明.改進案例教學,提高案例教學質量[J].嘉興學院學報,2002(S1).
[2]隋曉杰 石萍.淺談案例驅動法在計算機教學中的作用[J]. 商情,2011(7).
計算機網絡的理解范文6
關鍵詞：網絡體系結構；教學內容；教學結構
中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2013）34-7822-02
21世紀，隨著數字化、網絡化、信息化時代的到來，Internet對人類的生活、學習、工作產生了極大的影響?！队嬎銠C網絡》課程作為Internet的理論基礎成為各大高校計算機相關專業的核心課程，甚至一些非計算機專業也把《計算機網絡》列為必修課程。希望通過該課程的學習，使學生掌握計算機網絡的基本原理、一些典型網絡的結構特點及其具體實現。但該課程內容抽象、涉及概念多、知識面廣，所以對于教師的講授和學生的學習都有一定的難度，找到一種合適的教學方法，對于計算機網絡課程的教與學都會起到推波助瀾的作用。
1 體系結構在計算機網絡課程中的重要性
隨著Internet的普及，從幾歲的孩子到白發老人都很輕松的學會了上網，在校大學生對于Internet的掌握和使用更是已經達到非常熟練的程度，但是計算機網絡理論知識和技術的掌握卻不是那么容易。計算機網絡和Internet是兩個不同的概念，但其關聯密切，彼此的發展又起到相互促進的作用。為了讓學生更好的掌握計算機網絡抽象復雜的概念以及相關知識，結合Internet實際應用是一種非常有效的方法。因此在計算機網絡課程的講解過程中，教師應該想辦法把看不見摸不著的抽象理論結合學生的實際應用去講解，這樣學生更好理解相關知識。
體系結構是計算機網絡分層模型及各層協議的集合，是計算機網絡的骨架。在計算機的網絡體系結構中，參考模型主要有OSI參考模型和TCP/IP參考模型兩種，其中OSI參考模型的設計初衷是制定一個適用于全世界的計算機網絡的統一標準，從技術上追求一種理想的狀態，但由于其模型和協議自身存在的一些缺陷，導致其缺乏市場及商業推動力，沒能達到預期設計的目標。而TCP/IP參考模型經歷了40多年的實踐檢驗，并且已經成功贏得大量的用戶和投資，也正是TCP/IP的成功促進了Internet的發展，同時Internet的發展又進一步擴大了TCP/IP的影響，因此基于TCP/IP體系結構、結合Internet的實際應用去講解計算機網絡理論知識是值得研究的一個課題。
2 常用的計算機網絡教學方法及其問題
2.1 從教學內容的角度
《計算機網絡》課程所涉及的教學內容很多，從原理、技術到應用，再到相關設備的管理，涉及OSI參考模型，TCP/IP參考模型，路由器、交換機管理配置，DNS、WWW等常用的網絡服務器管理配置等。這些內容是教學重點也是難點所在，概念非常抽象，學生很難理解接受，從而導致上課積極性不高、厭學等問題。針對這樣的問題，通常在教學方法上有如下的一些解決手段。
1）針對一些抽象的名詞概念采用類比的方法講解。如講述網絡體系結構中分層概念的時候，可以與大家熟知的郵政通信系統進行類比，郵政通信系統可以分為三層：用戶、郵局和運輸部門，用戶位于最高層，運輸部門位于最底層，各司其職，各盡其責，上一層對下一層提出要求，下一層完成上一層提出的要求，為上一層提供服務，對等層之間和上下層之間存在相應的約定，上一層要打包之后再交給下一層。這樣學生就比較容易理解為什么要劃分層次了，以及層與層之間的數據傳輸過程。
2）通過Internet的使用熟悉相關的知識點。如學生結合他們上網經常使用的QQ聊天工具、E-Mail的使用以及瀏覽網頁，去思考計算機網絡的工作原理，以及分層的結構在應用過程中的體現。同時結合實驗課程的安排，讓學生自己動手搭建小型的局域網，自己動手配置FTP服務器、E-Mail服務器、Web服務器等，在配置的過程中，加深對原理知識的掌握。
3）改變傳統的教學模式。傳統的教學模式是以“教”為主，教師以多媒體教學為主要手段，結合動畫演示，使抽象的理論形象化、復雜的過程簡單化，提高學生的學習興趣，深化對教學內容的理解。但計算機網絡課程本身集理論和應用于一身，僅僅采用傳統的授課模式，不能讓學生更好的對抽象性的知識點理解和應用，倡導采用現場教學、討論式教學、探究式教學等多重教學方法，以激發學生自主學習能力。并且安排并帶領學生參觀校園網，介紹該校園網的拓撲結構、軟硬件設施，使學生對計算機網絡有更直觀認識。同時教材的選擇也要有一定的靈活性，在教學過程中加入前沿技術的講解，讓學生了解網絡當前的發展狀況，既開闊視野，又提高學習興趣。
4）改進考核方式，加大實踐比例。傳統的考核方式主要是以理論考核為主，實驗考核所占比例較低。但《計算機網絡》作為一門應用型課程，對學生的實際動手能力要求應該更嚴格，因此在最終的考核方式中，應該加大實踐考核所占的比例。
2.2從教學結構的角度
教學結構的安排上，通常采用自底向上的順序，也就是按著網絡的分層結構，從最底層物理層開始講解，自下而上，逐層學習。一般計算機網絡教材的編寫結構也是這種順序，符合計算機網絡的發展規律，從物理層開始，也就是通信的基礎知識開始介紹，也符合人們由簡單到復雜的學習認識規律。但是隨著網絡技術的成熟，因特網的普及，網絡的協議逐漸穩定，TCP/IP成為了因特網事實標準。尤其今天信息時代的到來，計算機網絡領域內的許多革命性創新都發生在應用層，人們的注意力轉移到開發更多能滿足人們需要的應用層產品。
同時，從學生的角度考慮，在學習計算機網絡相關的原理技術之前，他們早早就接觸，甚至都已經能夠很熟練使用的一些軟件，正是應用層的產品。因此，仍然沿用傳統的自底向上的教學結構安排，反而讓學生更難去理解分層的概念，更難接收網絡中的一些抽象的概念。
3 基于TCP/IP體系結構的教學方法研究
3.1 從教學內容方向研究
上述研究中，采用類比的方法、借助Internet的方法、改變傳統教學模式的方法以及改進考核方式的方法，都有很多值得借鑒的地方，結合TCP/IP體系結構，在這些方法的基礎上，做出了進一步的研究。
首先，從教學內容的安排上，把教學重點放在TCP/IP協議集上，加大實踐教學的力度。讓學生結合Internet的使用，通過對協議的分析和學習，來進一步深入的掌握理論知識。比如利用WireShark協議分析工具進行協議數據包的抓包、分析，從而完成對各層關鍵協議的解析，使學生能很好的掌握協議的細節。利用網絡仿真工具如NS2，可以進一步從視覺上真正理解協議的工作原理，比多媒體課件中的動畫更能直觀的體現協議的運行過程。
其次，要不斷的跟蹤國內外的先進技術，不能把教學內容僅僅局限于教材內容上。對于教材中所涉及的一些已經逐漸被淘汰的技術，要及時刪減，比如X.25、ATM等。對于下一代的互聯網給予更多的關注，IPv6協議的研究、核心路由和交換問題的介紹等。
最后，還要根據不同專業的學生安排不同的教學內容。對于計算機專業和非計算機專業學生，對計算機基礎知識的掌握程度不同，同時學生本身也存在能力差異，因此，針對不能專業的學生要，適當的調整教學學時和教學內容的安排。
3.2 從教學結構方向研究
目前的教材和計算機網絡體系結構的研究方向仍然是以層次性的體系結構為主，因此，我們的教學結構安排也仍然遵循基于層次的網絡教學方法，以TCP/IP體系結構為教學主體路線。上述研究表明，自底向上的教學結構安排已經不能適應實際的教學需求。我們采用自頂向下的方法來安排教學結構，這種教學方法強調應用，以實用為原則，要求任課教師有較高的實踐水平，較強的課堂組織能力。
首先是應用層，TCP/IP協議集中應用層的協議最多，學生接觸的也是最多的，比如瀏覽網頁用到的http協議，應用層給應用進程傳輸過來的數據加上http頭部，緊接著將處理后的數據傳給傳輸層，傳輸層會對數據重新打包加上TCP頭部或UDP頭部，再交給網絡層處理。網絡層的主要協議是IP協議，其中IP地址是關鍵知識點，IP地址與MAC地址的關系及轉換方法可以在介紹體系結構之前作為重點講解，這樣在數據交付的過程中涉及到這部分內容的時候，學生就很好理解，從而保證對網絡體系結構學習的整體性和連貫性。經過網絡層的路由選擇和處理后，數據交給數據鏈路層，加上幀頭和幀尾，這樣整個信息交付的過程很自然的從高層過渡到下面各層。按照自頂向下的方法進行教學結構的安排，對于老師的講解和學生的學習過程都會達到事半功倍的效果。
綜上所述，針對《計算機網絡》課程本身的特點，本著培養應用型人才的教學理念，教師在教學過程中必須結合實際，力爭通過有效的教學方法的研究，使《計算機網絡》的教與學能達到最好的教學效果。
參考文獻：
[1] 謝希仁.計算機網絡[M]. 5版.北京：電子工業出版社，2012：23-33.
[2] 郝興偉.計算機網絡技術及應用[M].北京：高等教育出版社，2013：48-66.
[3] 劉淑婷.基于層次性網絡體系結構教學方法的研究[J].教法研究，2012（6）：50-51.
