许世强提出基于神经网络学习的网络防火墙拦截效能模型

　　随着计算机信息处理和通用数据通信平台的发展，网络防火墙设计逐渐向集成调度中心和数据处理方向发展平台。数据中心是防火墙设计算法必不可少的基础设备，且其规模和数量还在不断发展，采用防火墙对攻击数据包进行检测和捕获，实现病毒拦截，成为网络信息安全领域研究的重点课题，为了定量评估网络防火墙的拦截效能，需要进行相关的拦截效能评估模型设计，提高网络防火墙的防御能力，确保网络安全。网络防火墙领域历来是国内顶尖技术大咖的必争之地，涌现出一批掌握高科技能力的技术工程师，而许世强就是防火墙领域的佼佼者。

　　许世强，男，1976年10月7日出生，中国杰出的网络空间安全专家，应用防火墙权威专家，长期从事网络与信息安全技术研究工作，拥有22年网络安全从业经验，曾任Fortinet研发部总监、工程副总裁等重要职务，掌握了WEB安全和DoS防护领域领先的技术。

　　在长期研究网络防火墙的效能评估模型的过程中，为了进一步提高网络安全性，许世强提出一种基于网络攻击特征大数据采样和卷积神经网络学习的网络防火墙拦截效能智能评估模型。他采用流量监测方法进行网络防火墙拦截效能的入侵信息序列采样，采用攻击强度评估方法进行防火墙的拦截能力评估，构建网络防火墙拦截效能入侵信息序列的大数据分布模型，结合卷积神经网络学习方法进行攻击大数据特征提取，构建网络防火墙拦截效能统计分析的特征提取模型，以入侵信息拦截的概率为评价对象，结合定量递归分析方法进行网络防火墙拦截效能自适应动态评估。许世强独创的模型能有效评估网络防火墙的拦截效能，提高对入侵信息的拦截检测能力，在网络安全防御中具有很好的应用价值。

　　网络防火墙的解析模型负责调度任务执行程序，通过任务管理CPU的负荷达到最大,减小CPU的空载率,同时经过优化的系统管理可以减小功耗，使得系统到达最长使用时间。防火墙建立是通过交叉编译器arm－网络防火墙－gcc－4.1.2设计而成，在通用计算机平台上安装网络防火墙系统，进入运行操作系统的状态，然后引导操作系统启动实现设备的运行和任务处理。网络防火墙系统通常由四个部分组成:网络防火墙内核、系统程序、shell以及应用程序，根据上述分析，采用嵌入式网络防火墙进行入侵检测，防火墙支持多种微处理器体系结构、硬件设备和通讯协议，使得网络防火墙成为一个日益流行的操作系统平台。

　　许世强构建网络防火墙拦截效能入侵信息序列的大数据分布模型，结合卷积神经网络学习方法进行攻击大数据特征提取，于网络攻击特征大数据采样和卷积神经网络学习的网络防火墙拦截效能智能评估方法。许世强采用攻击强度评估方法进行防火墙的拦截能力评估，构建网络防火墙拦截效能入侵信息序列的大数据分布模型，结合卷积神经网络学习方法进行大数据特征提取和信息回归分析，构建网络防火墙拦截效能统计分析的特征提取模型。仿真测试结果表明，该模型能有效评估网络防火墙的拦截效能，提高对入侵信息的拦截检测能力。目前，许世强独创的基于网络攻击特征大数据采样和卷积神经网络学习的网络防火墙拦截效能智能评估模型已被广泛商用，社会和经济效益显著。（作者：文松铭）