机器学习是一个现代的奇迹，但是与任何新技术一样，未来的意见也有所不同。有些将其标记为时尚，而另一些则看到无限的应用程序。
我们坚定地在乐观的阵营中。即使它继续开发，机器学习已经广泛理解，开源库和云计算引擎使每个软件工程师都可以访问该技术。最重要的是，机器学习解决方案正在进入企业网络。我们已经看到机器学习应用于网络管理，企业安全和物联网等问题。
+也在网络世界上：足球竞猜app软件微软希望将机器学习带入主流+
随着各种企业网络供应商和初创公司都结合了机器学习，他们正在采用非常相似的体系结构，从而加强了我们查看网络的方式的变化。
由于多种原因，机器学习引擎几乎总是生活在云中。首先，它们具有重大的计算和存储要求，云是这些的最佳场所。然后，可以通过跨客户汇总来扩展数据集：如果在一个站点发生了事件，并且在另一个站点上看到了类似的情况，则更容易预测会发生什么。云服务可实现频繁的更新，随着这些技术的不断发展，可以调整DEVOPS。
尽管该引擎是云的居民，但数据来自企业网络：某些解决方案使用SPAN端口来收集用户数据，而其他解决方案则来自其他网络功能，例如DHCP，Firewalls，网络管理站和其他网络功能，身份验证服务器。大多数使用组合。这些解决方案需要将设备放置在现场，在本地收集数据，然后将其压缩并对其进行加密以将其传输到云。
一旦数据到达云，就可以对其进行处理。这通常需要一些领域知识。例如，专家通过识别何时何时超出正常或安全阈值来确定模型。对于Wi-Fi连接，它们可能会标记过多的错误或检索，低信号级别或链接速度，或者出于安全目的，用户将文件上传到遥远国家 /地区的地址。这些事件已记录下来，然后喂入标识模式和簇的引擎，得出结论，例如：自下午3点以来，该建筑物中37％的用户一直在看到不可接受的性能。星期五。
机器学习系统确定问题的根本原因
从大量数据中确定重要的趋势本身很有用，但是这些系统进一步发展并寻求诊断根本原因。有时，问题可以链接到特定事件，例如配置更改或对客户家庭的软件升级。或引擎可以在同一站点或其他地方比较类似情况，并建议更改以提高性能。上面“ 37％的用户”的补救措施可能是：“将（This）AP的传输功率提高到13 dBm。”
建议补救措施很有帮助，而且通常与企业的愿望一样多。但是，通过修改WLAN配置或黑名单用户，使机器学习引擎自动实现推荐更改相对简单。这需要将API激活到客户的网络设备上。
一般体系结构 - 从现场设备进行培训，将其压缩和加密以将其传输到云，处理异常，识别顶级问题及其原因以及在网络中实施更正 - 可用于许多不同的解决方案。我们已经看到了一些。
网络管理一直试图从大量嘈杂的事件中提取头条新闻。从历史上看，这是通过阈值，图形和简单的统计技术实现的。机器学习提供了更强大的见解，因为它可以在多个维度和站点范围内识别大量数据集中的变化模式。
有机会从新的方向与企业安全联系。机器学习引擎不会依靠网守（例如防火墙和用户身份验证），而是会观看内部用户流量数据包来建立模式，更重要的是，用户行为的变化。该监视可以检测到受损的用户帐户或心怀不满的员工的数据泄露，否则这些数据可能不会被抓到多个月。
随着物联网的增长，机器学习可以通过识别，分类和监视其他人可能附加到网络上的无头设备来帮助网络工程师。这为网络上受损或感染的设备提供了警报，并恢复了IT组织的一些可见性和控制。
这些机器学习解决方案表明了企业网络体系结构的重点变化。现有的网络元素感知事件和流量流，但现在通过API向云居民服务报告，然后确定操作并通过API指导网络元素来强制执行这些操作。网络的智能和服务功能与连通性和流量转发分开 - 可以将其视为软件定义网络（SDN）体系结构的实用实现。