A IA tornará as operações de rede mais simples, inteligentes, seguras e rápidas.
A Inteligência Artificial (IA) está mudando a maneira como gerenciamos as redes, e essa é uma mudança necessária. Como confiamos mais todos os dias em redes e aplicativos para manter os negócios ágeis, seguros e competitivos, também precisamos de ferramentas mais avançadas para manter o controle das próprias redes. Ela tornará as operações de rede mais simples, inteligentes, seguras e rápidas.
A IA é um campo grande e crescente, com vários ramos. Na rede, existem três subcampos da IA mais relevantes:
- Processamento de linguagem natural (PNL), que inclui reconhecimento de fala e compreensão de linguagem natural.
- Aprendizado de máquina - Machine Learning (ML), no qual usamos dados para aprender padrões, para que possamos formar inferências sobre novos dados para tarefas como classificação ou previsão.
- Raciocínio de máquina (MR), que inclui o uso de bases de conhecimento específicas de domínio (fatos, relacionamentos e regras) e manipulações do conhecimento para responder a perguntas.
O papel da IA na rede baseada em intenção
Começa no topo, com a codificação do núcleo do IBN - a intenção do operador de rede. A intenção que o operador expressa, em linguagem humana ou por meio de uma interface mais tradicional, deve ser traduzida em políticas de rede e segurança.
Esta etapa pode usar o processamento de linguagem natural (PNL), bem como formas de aprendizado de máquina (ML) e raciocínio de máquina (MR). É importante usar o raciocínio da máquina, aproveitar o conhecimento específico do domínio sobre redes para determinar como realizar a intenção desejada no contexto de rede especificado.
Em seguida, a etapa de ativação entra em ação. Ele pega as políticas de rede e segurança codificadas pela etapa anterior e as associa a uma profunda compreensão da infraestrutura de rede que inclui dados em tempo real e históricos sobre seu comportamento atual. Em seguida, ele ativa ou automatiza as políticas em todos os elementos da infraestrutura de rede, otimizando idealmente para desempenho, confiabilidade e segurança.
IA é o caminho a seguir para o gerenciamento de SD-WAN
Começar com uma arquitetura SD-WAN programável é um primeiro passo importante em direção a uma visão de rede autônoma. Programável, neste caso, significa orientado por API, mas o sistema também precisa aproveitar os dados do desempenho do aplicativo e da pilha de segurança, bem como a infraestrutura de rede como entradas no sistema, para que possamos passar de um alerta simples à inteligência que permite a autocorreção.
O monitoramento de todos os elementos do sistema em tempo real (ou pelo menos quase em tempo real) exigirá o armazenamento e a análise de grandes quantidades de dados. No lado do hardware, os serviços de IaaS em nuvem tornaram isso possível. Atuar sobre as informações exigirá inteligência artificial na forma de Machine Learning.
Casos de uso para IA na SD-WAN
Existem várias maneiras de aplicar algoritmos de Machine Learning a grandes conjuntos de dados, de supervisionados a não-supervisionados (e apontados no meio), resultando em aplicações em áreas como:
- Segurança, onde padrões inesperados de tráfego de rede e padrões de solicitações contra um aplicativo podem ser detectados para impedir ataques DDoS.
- Aprimorando: o desempenho de aplicativos na rede da Internet com seleção de rota otimizada.
Olhando mais de perto, a segurança como um caso de uso, como a IA e a ML poderiam aumentar a segurança das SD-WANs? Embora a maioria das empresas ainda esteja tentando proteger suas redes com firewalls no local e dispositivos de mitigação de DDoS, elas também enfrentam ataques maiores e mais sofisticados.
Segundo as estatísticas coletadas pela Verisign no ano passado:
- Os ataques DDoS atingiram o pico em mais de 5 Gbps aproximadamente 25% das vezes
- Desafio: um ataque de múltiplos vetores em uma rede corporativa afetou a disponibilidade de serviços na Europa.
A aplicação de AIOps na base SD-WAN pode automatizar a resposta ao ataque. Em vez de reconfigurar manualmente os sistemas, a rede pode direcionar automaticamente o tráfego para diferentes centros de depuração de tráfego com base na telemetria em tempo real em torno do congestionamento da rede e do ponto de ponto, capacidade de mitigação e tipo / fonte de ataque.
Para onde vai a IA na rede?
Embora a indústria ainda esteja nos primeiros dias de aplicação do Machine Learning à rede, há vários esforços em andamento para ficar de olho. No futuro, poderemos esperar uma topologia de rede projetada por IA, combinada com o controle SDN sobre recursos.
A rede passou de um paradigma de redes independentes para uma sobreposição de conscientização da rede que permite ações inteligentes e coordenadas com base na intenção do operador.
Escreva seu comentário