Искусственный интеллект захватывает мир. В мире корпоративных сетей использование ИИ начинает проникать в аспекты управления и мониторинга, давая представление о том, чего можно ожидать в будущем. Эндрю Фролич, президент компании West Gate Networks, обсуждает на портале Network Computing потенциал ИИ для автоматизации сетевых операций в ближайшем будущем.

ИИ в контексте сетевого мониторинга и управления

ИИ использует модели машинного обучения для анализа наборов данных (обучающих данных) и формулирует выводы на основе используемой структуры моделирования. С точки зрения сетевого мониторинга ИИ может использоваться для ввода данных о сетевом трафике и телеметрии с коммутационного и маршрутизирующего оборудования. На основе данных о трафике и состоянии сети формируются базовые параметры, которые затем могут использоваться для выявления, оповещения и возможного изменения конфигурации сетевых компонентов с целью оптимизации потоков трафика или выявления и устранения потенциальных вторжений.

Варианты использования ИИ для сетевого управления и мониторинга

Несмотря на то что существует множество вариантов использования ИИ, способных в скором времени изменить управление и мониторинг сетей, продемонстрировать возможности этой технологии можно на нескольких примерах существующих болевых точек NetOps и NetSecOps.

Один из примеров — использование ИИ для определения базовых параметров существующих потоков трафика приложений и последующего оповещения о любых аномалиях, которые могут свидетельствовать об инцидентах безопасности, таких как несанкционированные вторжения или ботнет-коммуникации. ИИ может использоваться не только для выявления и оповещения о подобных событиях, но и для автоматического блокирования и помещения в карантин сетевых конечных точек, участвующих в сомнительных операциях.

Второй способ использования ИИ, который может существенно помочь в устранении сбоев в работе сети, вызванных действиями человека, — это обеспечение соответствия всех добавляемых и изменяемых сетевых устройств лучшим практикам, основанным на стандартах, до того, как эти изменения будут внесены в производственную сеть. Как известно, сетевые коммутаторы и маршрутизаторы могут быть сконфигурированы с помощью тысяч сервисов и функций, которые обычно настраиваются человеком с помощью синтаксиса командной строки. ИИ может быть использован в сочетании с методологией построения сетей на основе намерений (IBN), когда администратор просто сообщает системе ИИ о намерениях бизнеса. Затем автоматика точно преобразует эти намерения в соответствующий синтаксис команд коммутатора. Это не только обеспечивает точность конфигурации, но и позволяет выявлять потенциальные конфликты, которые могут снижать производительность сети.

Наконец, ИИ может быть интегрирован в платформы сетевой оркестровки и мониторинга для автоматического обнаружения роста загрузки каналов и применения методов перенаправления трафика и балансировки нагрузки. Это противоположно статическим службам QoS и управления трафиком, которые работают на базе каждого интерфейса. Поскольку ИИ будет иметь сквозное представление о нагрузке на сетевой трафик всех устройств, критически важный для бизнеса трафик можно будет упреждающе и автоматически маршрутизировать в обход перегруженных участков.

Как предприятиям подготовиться к использованию ИИ в сетевых операциях

Важно отметить, что развертывание ИИ для целей управления и мониторинга сети потребует принятия ряда мер, прежде чем будут получены преимущества. Для тех, кто стремится внедрить ИИ в существующие сети, приведем несколько рекомендаций.

  • Стандартизация сетевых конфигураций. Командам NetOps будет крайне важно устранить несоответствия в конфигурациях коммутаторов и маршрутизаторов. Это потребуется, чтобы ИИ мог собирать единообразные конфигурационные обучающие данных для определения базовых параметров и стандартизации. На рынке уже существуют платформы оркестровки IBN, которые позволяют «выравнивать» конфигурации таким образом, чтобы сетевые политики были идентичны для каждого коммутатора или маршрутизатора.
  • Консолидация данных о состоянии и производительности сети. ИИ также будет обучаться на основе данных о потоках трафика и сетевой телеметрии, получаемых от производственных сетевых компонентов. Сегодня во многих случаях эти данные извлекаются из сетевых устройств и направляются в точечные средства мониторинга и анализа. Более оптимальным вариантом является направление всех данных о потоках/телеметрии в единое озеро данных, выступающее в качестве сетевого источника истины (NSoT). Это позволит централизовать управление всеми данными и увеличить скорость создания обучающих наборов для ИИ. Кроме того, с помощью northbound API можно будет предоставлять конкретные данные инструментам для точечных сетевых операций.

Последний совет: начните выделять ресурсы NetOps на исследование того, как лучше всего планировать интеграцию управления и мониторинга с помощью ИИ в существующие или будущие сети. ИИ больше не является модным словечком в корпоративном ИТ-пространстве, и мы не успеем оглянуться, как он уже будет здесь. Самое время начать!