计算机技术的不断发展给现代社会带来了巨大的变化，给人们的生活和生产带来了极大的便利，也改变了人们的方式。然而，在享受计算机技术便利的同时，我们也应该客观地认识到计算机网络的安全问题。黑客可以通过计算机网络的漏洞或病毒侵入计算系统。因此，对现代计算机技术来说，安全问题是一个巨大的挑战。

1.建立计算机网络安全评价体系

计算机网络本身的组成非常复杂，影响计算机网络安全的因素很多。为了进一步加强对计算机网络安全的评价，必须建立完善的计算机网络安全评价体系。

1.建立计算机网络安全评价体系应遵循的原则

1.1.1准确性

计算机网络安全评价体系中的每一个平面评价指标都必须保证其真实性和有效性，以充分反映不同阶段网络安全的技术水平。

1.1.2独立性

在选择计算机网络安全评价体系的相关评价指标时，尽量不要重复选择指标，以确保不同指标的独立性，尽量减少各指标之间的相关性，客观反映计算机网络的安全状况。

1.1.3完备性

在选择计算机网络安全评价体系的相关评价指标时，应综合考虑各种评价指标，并做出合理的选择。充分保证各选定的指标能够相当反映计算机网络安全的基本特征，充分保证评价指标表的可靠性，最终保证评价结果的准确性。

1.1.4简要性

在选择计算机网络安全评价体系评价指标的过程中，不仅要充分考虑指标的完整性，还要考虑指标评价的实际工作量和工作效率尽量选择一些最具代表性的指标，在充分保证评价结果的基础上，尽量减少指标评价的工作量。

1.2.各评价指标取值机标准化

不同评价指标描述的具体因素存在较大差距。一般来说，计算机网络安全评价指标主要分为定量和定性两个评价指标。这两个评价指标的评价重点不同，可以从不同的方面对计算机网络安全进行评价。在计算机网络安全评价的实际过程中，不同评价指标的得值不能直接比较。因此，不同的评价指标得值规则也会导致结果的差异。

2.神经网络在计算机网络安全评价中的应用

2.1计算机网络安全

所谓的计算机网络安全是利用当前的高科技技术，充分结合现代网络控制措施，充分保证计算机网络环境中各种数据的可用性、各种数据信息的完整性，充分保证各种数据的保密性。计算机网络安全可分为逻辑安全和物理安全。逻辑安全主要是指充分保证网络上各种数据的安全、完整、可用。物理安全是指通过物理手段充分保护计算机的相关设备，避免计算机在运行过程中的物理损坏。计算机网络安全主要包括保密性、完整性、可用性、可控性、可审查性五个特点，计算机网络具有较强的开放性和自由性，此外，随着现代计算机网络的快速发展，计算机网络具有国际性，因此计算机网络安全的威胁也来自多方面，计算机网络信息传输物理线路、计算机网络通信协议、软件系统建筑攻击等。

2.2神经网络计算机网络安全评价模型设计

2.2.1输入层设计

BP神经网络是一种基于误差的传播算法，广泛应用于所有神经网络模型中。在设计输入层神经元接点时，必须确保节点的数量与计算机网络安全评价指标的数量保持不变。例如，如果在计算机网络安全评价系统中设置了18个评价指标，则在设计计算机网络安全评价系统输入层神经数量时，也必须确保其数量为18。

2.2.2设计隐含层

在大量的实践中，我们知道，大多数BP实际上，神经元网络是单隐含层，隐含层中节点的数量对整个计算机网络的性能有很大的影响，必须给予足够的重视。如果在实际设计过程中，隐含层节点的数量设计太少，会严重影响计算机网络的非线性映射和网络的容错性能；如果设计节点数量过多，网络学习时间会显著增加，不仅会增加学习误差的概率，还会严重影响学习效率。因此，在设计隐含层接点的数量时，应根据经验公式进行合理的选择。

2.2.3设计输出层

输出层主要直观地反映计算机网络安全评价结果。然后充分结合评价结果，如果计算机网络BP输出层设计了两个节点，假设输出结果为（0、0）或（0、1），则计算机网络不安全，假设输出结果为（1、0）或（1、1），则计算机网络处于安全状态。.3神经网络计算机网络安全评价模型学习应用于计算机网络安全评价BP神经网络的初始连接值是任意的。因此，在建立计算机网络评价模型之前，必须学习神经网络。这样可以充分保证网络的安全评价尽可能符合用户的期望。

2.神经网络计算机网络安全评价模型验证模型验证

网络评价模型不仅要充分设计和学习，还要进一步提高其实际应用效率。通过选择样本的形式，输入样本可以验证模型的实际评价功能，确保其准确性。

3结束语

综上所述，将神经网络技术应用于计算机网络安全评价过程中，可以充分避免一定的不确定性或主观影响，保证评价结果的可靠性和真实性，为计算机安全管理提供更科学的依据。