通过机器学习和人工智能实现SDN

  • 时间:
  • 浏览:0

服务提供者无缘无故为触发修复过程或网络扩展定义特定的阈值。如今,决策通常基于单个数据点,累似 于资源利用率阈值或误码率。原先 什儿 法律办法忽略了否则 有用的信息。当事人面,预测性维护可全面了解网络及其所应用组件的形态。否则什儿 预测性维护都并能并能 在由故障由于的停机事先生成警告。。



用例

下图显示了智能算法预测的信号性能与实际网络数据之间的比较。随着数据集的不断增加,该法律办法达到了适合实时网络部署的准确度。

AI还希望被应用到广域网安全性方面。各种多样化的攻击模式和零日攻击显然是人工智能的另兩个 多多有趣应用。否则期望最高的领域是网络优化。

将AI和ML运用到网络规划,设计和运营方面大伙儿儿仍趋于稳定早期阶段。预测性维护或网络优化等使用案例为降低网络成本带来了希望。SDN是闭环自动化的关键先决条件。

ML和AI的力量

预测性维护

有否则 否则 证据证明了宽度学习和(狭义)人工智能的力量。当谷歌DeepMind的AlphaGo战胜了最好的围棋手时,专家群体对什儿 前所未有的游戏法律办法感到困惑。在诊断和治疗方面,IBM Watson的表现始终优于癌症专家。显然,在多样化程度很高和几滴 多样信息的清况 下,人工智都并能并能 都并能 在传输速率和传输速率上与人类竞争。

在大伙儿儿的网络中引入人工智能是另兩个 多多重大举措,它影响到网络技术,但也以什儿 破坏性的法律办法影响着运营流程。有针对性的防止已有明选则义的应用应用应用程序领域的大大问题 是另兩个 多多明智的选则。原先 不仅都并能并能 获得经验,否则都并能并能 将对网络的改进法律办法稳定地运用到操作中并与底层网络架构保持一致。下面概述了另兩个 多多实际例子,并强调了SDN的相关性。



设计另兩个 多多光学层并能 另兩个 多多高技能的光子传输专家,该专家并能 具有多能级调制、光纤色散和非线性以及放大光学系统的瞬态形态的知识。否则并能 激活另兩个 多多新的波长,则并能 应用多样化的软件工具来计算性能。这使得在大型光学系统中的自动波长路由变得多样化。

原文发布时间为:2018-11-29

凭借其对网络多样化和新收入流的优势,软件定义网络无疑否则引起了服务提供商的强烈兴趣。该技术的核心是将物理网络功能与软件控制分离,创建开放式交换机和控制软件的生态系统,以实现快速创新和易于集成的新环境。







服务提供商眼中的SDN现状

为了了解SDN的删改潜力,大伙儿儿并能 将重点从自动化转移到自动化操作。要全面了解网络清况 、可用资源和服务需求,智能算法是值得推荐的。闭环控制最初由人控制激活,通过开放的SDN接口,闭环控制将在网络可编程的应用应用应用程序中得到发展。

嘴笨 标准化和稳定的接口嘴笨 是SDN广泛采用的必要先决条件,但服务提供者并能 另兩个 多多积极的业务案例,从人工控制转向自动化网络控制。目前,集成和维护新接口所需的额外工作以及额外的中央控制实例似乎抵消了自动化的成本优势。

SDN是实现基于ML和AI的高级操作法律办法的关键推动因素。多样化对底层网络的控制应该是实现自治网络路由的第一步。否则忽视什儿 点否则带来巨大的损失,正如比尔盖茨所强调的:“企业使用的任何技术的第每根规则是,将自动化应用于高效操作将提高传输速率。其次,自动化应用于低传输速率的操作将降低传输速率。“否则那么 基于模型的层次化网络抽象,网络操作的多样化就不否则成功。

对SDN的更广泛的看法

像原先 的案例让服务提供商对AI抱有宽度期望,大伙儿儿希望AI在网络成本和运营方面起作用。下图显示了去年年底TMF的调查结果(TMF趋势分析:AI - 现在时间; 2017年12月)。供应商被问及最相关的用例。

供应商在改进业务方面寄予厚望,主否则 否则 为了提高资源利用的传输速率。如上文所述,运营工作应建立在多样化和精简的网络之上。具有开放控制和层次抽象的SDN是实现什儿 前提的最有希望的法律办法。更重要的是,应该另兩个 多多多机制来快速捕获来自网络及其操作的任何有用数据。基于模型的遥测流被认为是从分散的网络有效地架构设计 所需数据的首选法律办法。

机器学习开辟了防止什儿 大大问题 的新途径。代替数值计算,系统行为通过由从几滴 网络架构设计 的真实数据训练的神经算法来估计。事实证明,什儿 法律办法在预测光子网络中的信号性能方面是删改准确的,与自动SDN控制相结合,构建了自主操作的基础。

光子网络中的网络优化

开放社区在为应用应用程序控制定义接口和协议方面投入了几滴 精力。开放式协议与开源控制器相结合,现已在否则 展示中得到证明,突出了多供应商和多运营商网络中资源抽象和控制的优势。然而,尽管什儿 技术目前在数据中心得到广泛应用,但否则服务提供商网络的业务挑战,使用SDN技术的实时网络的清况 仍然很少。

ADVA的网络运营中心采用了什儿 法律办法,管理多个客户的网络。网络中数据是不断地被捕获的,否则再用神经网络的法律办法分析哪几个数据,否则故障组件都并能并能 在网络故障趋于稳定事先被识别出来。将AI与自动流量控制相结合,这使服务提供商并能抢先检测到受影响的接口/组件并在零停机时进行维修,即使对于网络的非冗余次责也是那么 。原先 都并能并能 以更具成本效益的法律办法开辟了设计和运营网络的新法律办法。