Page 125 - 大数据背景下网络安全问题研究

» 第五章 机器学习在网络信息安全中的应用

第五章 机器学习在网络信息安全中的应用

第一节 机器学习概述

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法
复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新

的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核
心，是使计算机具有智能的根本途径。

一、机器学习的定义及分类

（一）定义
机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识

和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将
现有内容进行知识结构划分来有效提高学习效率。
机器学习有几种定义：一是机器学习是一门人工智能的科学，该领域的主要研究

对象是人工智能，特别是如何在经验学习中改善具体算法的性能；二是机器学习是对
能通过经验自动改进的计算机算法的研究；三是机器学习是用数据或以往的经验，以
此优化计算机程序的性能标准。
（二）机器学习的分类

1.基于学习策略的分类
（1）模拟人脑的机器学习
符号学习：模拟人脑的宏观心理级学习过程，以认知心理学原理为基础，以符号

数据为输入，以符号运算为方法，用推理过程在图或状态空间中搜索，学习的目标为
概念或规则等。符号学习的典型方法有记忆学习、示例学习、演绎学习、类比学习、
解释学习等。

神经网络学习（或连接学习）：模拟人脑的微观生理级学习过程，以脑和神经科
学原理为基础，以人工神经网络为函数结构模型，以数值数据为输入，以数值运算为
方法，用迭代过程在系数向量空间中搜索，学习的目标为函数。典型的连接学习有权

值修正学习、拓扑结构学习。

• 113 •