的协助下人工智能(AI)和机器学习(ML),预测网络技术尽早提醒管理员可能网络问题,并提供可能的解决方案。
AI和ML算法用于预测网络技术已经成为关键,主要与德勤咨询和鲍勃Hersch说我们领导对平台和基础设施。“预测网络技术利用人工神经网络和利用模型来分析数据,学习模式,并做出预测,”他说。“人工智能和ML显著提高了可观测性,应用程序的可见性,并且能够应对网络和其他问题。”
虽然预测网络技术取得了令人印象深刻的进步在过去的几年中,许多开发人员和观察人士相信,最好的尚未到来。“现在可用的工具和系统,但就像最重要的技术演进存在风险的早期采用者,发展甚至是如何评估的有效性的转变在飞行,”大卫·莱辛说,技术研究和咨询公司的董事研究小组。
预测分析预测不再仅仅是网络中断和积极处理带宽和应用程序性能的问题,首席技术官班夏皮罗说Tangoe电信软件和服务提供者。“预测分析是目前应用于网络和周围的问题帮助解决的缺点SD-WAN,尤其是提供者扩张的问题和需要更广泛的承运人服务管理和telecom-cost优化,”他说。“这些已经成为时代的交易更大的问题MPLS————和两架服务宽带服务包括潜在的数以百计的互联网服务提供商。”
人工智能是预测网络前进。
人工智能的最新发展是最重要的预测网络技术的发展。“基于云计算的人工智能技术可以改善信息传递到网络技术人员的质量和速度,给他们一个有价值的工具调查中断等问题,”帕特里克MeLampy说,瞻博网络研究员。“人工智能可以检测异常比人类更快,甚至可以分析异常的根源,帮助指导技术人员理解和修复问题的速度比以前更快了。”
人工智能工具的集成预测网络技术也有可能成为一种改变经济地位的手段。“成熟的人工智能和ML工具,服务提供商和组织都可以减少的成本问题的发现和解决,“MeLampy说。除了底线的经济效益,AI有助于简化管理,企业内或在一个服务提供者的组合。“平均时间修复是减少,提高最终用户满意,”他说。
主要解决方案策略师布莱恩Woodworth multicloud网络技术公司女飞行员,说,预测网络技术将在未来几年迅速推进。它已经帮助快速有效地解决网络问题。“人工智能可以关联警报和错误条件在许多不同的系统,发现相关的模式在几分钟甚至几秒钟,将人类几小时或几天,”他说。
预测网络技术还可以大大减少假阳性的数量塞进日志和错误分析,导致更聪明和有用的警报,Woodworth说。“你不能治愈一些你不发现,”他说。“例如,之前你改变周围的网络路由问题,你必须知道这个问题在哪里。”Self-healing networks based on AI and ML provide better recommendations on how to recover from errors and avoid outages.
在数据中心预测建模效果最好。2020欧洲杯预赛
网络行为分析研究网络数据,例如端口,协议,性能,和geo ip数据,提醒每当有重大变化在网络行为可能表示一个威胁。“在未来,这些数据可以输入一个人工智能模型,可以帮助确认是否威胁是真实的,然后提出建议如何解决这个问题通过改变网络,“Woodworth说。“这种预测建模效果最好在私人网络,数据中心,因为[的]人类有完全控制所有网络组件和数据生成”。2020欧洲杯预赛
公共网络,包括连接到互联网,任务变得更具挑战性。学习模型必须设计来补偿系统,并不直接控制或提供不完整的数据集。这意味着学习模式会让更少的准确的预测和可能需要调整由人类来弥补丢失的数据,Woodworth说。
是完全有效的,先进的人工智能和ML模型应该运行的生产水平和规模错误修复,史密斯说。“决策者需要信任建模结果和技术赞助商需要执行操作有效,”他说。
与此同时,云计算技术的进步和图形处理单元(gpu)正在建模到一个新的水平。“开源和商业框架正在帮助组织部署毫升行动迅速和大规模减少风险所需的时间和复杂性为人工智能配置云计算和开源系统,”玛吉·史密斯说,董事总经理应用情报、咨询公司埃森哲联邦服务。
史密斯说,几个主要的云提供商已经实现人工智能模型优化和管理功能。技术可以在工具如亚马逊SageMaker,谷歌AI平台,Azure机器学习工作室。“开源框架,如TensorRT和拥抱面临额外的机会接受模型监测和效率,”史密斯说。
预测网络分析云计算和工作负载。
大局,预测基于ai网络不是尽可能多的关于网络它是关于云工作负载,交付,和用户终端设备(如笔记本电脑和移动设备。“通过理解workloads-the网络流量产生,延迟需求,和谁消费数据和所需的高保真数据预测网络如何被识别支持自动适应虚拟私有云(vpc),“Curt Aubley说,风险和金融咨询董事总经理,我们网络在商业咨询公司德勤detect-and-respond领袖。
微观细分、负载平衡器和交通塑造者都是有助于优化交货。“相同的高保真数据用于网络的建设将集中人工智能还可以用来补充网络安全团队的整合扩展安全分析、检测和响应数据湖泊”Aubley说。人工智能模型用于检测异常,未知的未知,横向运动。“从云工作负载,使用相同的高保真数据网络,和端点为不同的用例可以帮助确保机密性、完整性和可用性的应用程序所需的业务或政府网络风险管理。”
路由器、无线应用程序、交换机和其他各种通用网络设备通常不收集特定于用户的数据。当应用程序性能监控工具测量用户数据,他们不能与成果转化为积极的网络行为。“网络必须成为用户和应用程序知道为了收集必要的数据类型构建可行的模型使用人工智能和预测技术,“MeLampy说。“如果一个解决方案不测量每个用户体验,它不会成功。”
规范的分析是未来。
神经形态计算的新兴领域,基于芯片架构设计的模仿人类大脑结构,承诺提供高效的ML边缘设备上。“预测网络技术是如此强大,因为它能够摄入信号和对设备故障做出准确的预测来优化维护,”吉尔Dror说,首席技术官SmartSense监测技术提供者。他说,神经形态计算将变得更加强大,当它从预测规范的分析,建议应该做些什么来确保未来的结果。
神经计算的芯片架构是面向智能决策在边缘设备,Dror说。这两种技术的结合将使预测网络技术更强大的领域,”他说。
组织包括IBM、英特尔、高通正在开发神经形态的计算机技术。“一些公司已经发布了神经形态计算芯片研发的目的,如IBM的英特尔Loihi TrueNorth芯片和芯片,“Dror说。这些芯片还没有一般用于商业用途,并很有可能至少会有好几年的研究和开发在神经形态计算成为主流技术。“一旦变得可行,影响将是巨大的,”他预测。