互联网+的到来，使网络信息技术得以更加广泛的应用，同时也增强了网络与人们之间的粘度，可依托于互联网、利用信息技术进行大规模数据中有价值信息的检索与提取，可使工作效率大幅提升，减少工作重复率，实现更加高效与智能化的办公，有利于工作及生活环境的转变。大数据背景下，基于网络信息技术，人工智能的发展日臻完善，然而对人工智能应用中的数据安全性要求更高，为此，需要基于网络信息安全保障的基础之上实现人工智能的快速发展。
1.大数据
“大数据”主要指的是运用多元化的形式，通过许多来源搜集而形成的极为庞大的数据库，这种搜集方式大多具有实时性的特点。从技术的表现当中来看，大数据与云计算之间的关系就如同硬币的正反面一般，紧密相连。大数据必然难以运用单一的计算机予以处理，必须要采用分布式的计算架构。所表现出来的特点在于对海量数据进行挖掘，但是这些内容必须要依托于计算机当中的分布式处理、分布式数据库、虚拟化技术以及云存储等内容而实现。
2.人工智能及其特点
2.1人工智能
人工智能属于全新的智能化系统，实现了信息科学、数学、心理学等多项技术的有机融合，可在对环境的感应下做出相匹配的反应，反应过程更为主动，并且反应目标清晰，且可取得更加可观的收益。现阶段，人工智能已与人们的工作生活充分融合，例如手机里的智能助理、新闻浏览中的新闻推荐和机器翻译、机器人、自动驾驶等。
2.2人工智能的特征
2.2.1模糊信息处理与协作能力更强
大数据背景下，在计算机及网络技术发展过程中，模糊性的信息体量不断增加，并且处理更加困难，而人工智能可利用模糊逻辑处理方法，无需构建数据模型便可实现信息的高效化处理。同时，面对计算机及网络技术规模化发展、结构改变的境况，在更高难度的网络管理背景下，人工智能可依赖其协作分布思维而使计算机网络实现更好的协作。
2.2.2具备非线性处理与学习能力
在计算机网络技术逐步推广应用之下，所诞生的数据信息越来越多，虽然许多信息的概念层次并不高，但其中潜藏着一定具备价值的信息。人工智能的诞生，便可实现对这些潜在信息的深入挖掘，对低层次信息进行学习，从而实现对信息的深入诠释以及进一步推理。同时人工智能可实现非线性处理，可通过机器人对人的智慧进行模仿。
2.2.3运算更快、经济性更高
得益于计算机网络技术发展速度的逐步加快，人们的工作生活对其更加依赖，然而应用过程中效率提升是一大难题，并且运行成本也相对较高。人工智能则可通过算法控制力度的加强进一步提升计算机的信息处理速度，同时也可节约资源损耗量，因而信息计算与处理的成本更低。
3.大数据信息网络技术人工智能的具体应用
3.1安全管理技术方面的应用
3.1.1数据挖掘技术
人工智能应用中，可在计算机网络技术基础上实现数据挖掘技术的融合，可以数据挖掘流程标准为依据，利用与之相对应的设备实现更加全面化的数据信息挖掘，以实现更加安全与稳定的计算机网络系统运用。可在数据挖掘技术的支持下，设置关键字、合理调节参数、充分利用技术性能实现对入侵计算机规则的学习，实现入侵系统漏洞的展现，对入侵计算机侵入系统的模式进行记录，并将之存储于系统的数据库当中，从而更为精准的实现对外部计算机入侵系统行为的识别，保障计算机网络的运行安全。如，人工智能技术可与计算机网络技术联合应用，及时发现非法侵入行为，且可短时间内完成防御系统的构建，并给予及时的报警提示。可在计算机系统支持下，利用人工智能技术精准判断非法侵入行为，并收集、记录与存储非法入侵模式及错误数据，这可大大提高计算机网络管理的安全性。
3.1.2规则式专家系统
鉴于当前网络环境日趋复杂，因而计算机网络管理的难度逐步提升，并呈现出更多的问题，为此，需要加强侵入监测系统的更新与完善，强化系统安全管理力度，从而提高计算机网络应用的安全性。人工智能技术的应用，可推进计算机网络技术的改革，可实现入侵检测系统的完善性构建，可通过数据库的建立、推理机制的健全，构建规则式专家系统。在这一系统支持下，可进一步收集多种不同的入侵模式，获取到更加全面的数据信息，通过有效的信息汇总与处理进行特定计算机代码的编译，并以此为基础进行非法侵入行为的精准判断，便可极大的提高计算机网络系统的运行安全。在计算机网络运行中，根据系统入侵判断的依据与定期或不定期更新的计算机设备，能够及时发现侵入系统的非法行为，并对侵入模式及其危害快速给予分析和判断，然后由系统快速做出反应，从而增强入侵检测准确性及效率。同时，对存在系统运行中的不利因素能及时发现，并提高侵入监测系统的性能，最终有效地加强计算机网络系统安全。
3.2系统管理及评价技术方面的应用
3.2.1智能化问题求解技术
这项技术是一种能够在给定条件下解决某类问题，并且能够在有限步骤内实现的算法。主要包含有基于状态图的搜索技术、基于谓词逻辑的推理技术、基于结构化知识表示的求解技术。其中搜索技术针对的则是状态空间、问题空间、博弈搜索，而且相同问题会有很多搜索技术，因此未来提高搜索效率，必须对最优搜索技术进行判断。另外，它的评价标准一般有两方面，即搜索空间和最优解。为了得到最优搜索，应该使用公式来计算。将人工智能技术运用在计算机网络系统管理和评价中，可以降低网络资源的浪费，加强网络资源管理效率与质量。
3.2.2专家知识库
专家知识库是专家系统的主要组成部分，将会直接影响着专家系统的使用效果。目前，专家知识库有两方面知识，即基础原理理论知识与直接或间接获得经验积累的专业知识。通过对计算机网络管理和评价的已知经验给予编码和构建数据库，可以让计算机网络管理决策得到专家的经验支持，从而更好地完成类似或相同的管理和评价方面问题。当前，这项技术已经被广泛用于计算机网络管理和评价中。
结语：在大数据发展背景下，人工智能技术运用已经得到了普及，而且涉及人类生活当中的方方面面，同时也成为未来发展过程当中的主流趋势。由此，作为相关研究人员来说，需要更进一步的针对人工智能进行推动，进而构建成人工智能化良性循环与运用。
参考文献：
[1]周挺.人工智能在大数据信息网络技术中的应用及分析[J].计算机产品与流通,2020(3):33.
[2]刘芙.大数据时代人工智能在计算机网络技术中的应用分析[J].数码世界,2019(10):252.
