УДК 004

Применение искусственного интеллекта в управлении вычислительными сетями

Гладышев-Лядов Юрий Дмитриевич – магистрант Сочинского государственного университета.

Научный руководитель Попов Дмитрий Иванович – доктор технических наук, профессор Сочинского государственного университета.

Аннотация: В статье представлен обзор актуальных методов и технологий с использованием систем искусственного интеллекта (ИИ) для мониторинга и управления компьютерными сетями. Рассматриваются ключевые аспекты, такие как автоматизация решений, предсказательный анализ, усовершенствованное обнаружение угроз, вторжений и вирусной активности. Приводятся как теоретические, так и практические примеры использования ИИ в сетях, анализируются достигнутые результаты и возможные преимущества этих технологий. В конце представлены выводы о текущем состоянии применения методов искусственного интеллекта в этой области и возможное развитие технологий для будущих приложений.

Ключевые слова: искусственный интеллект (ИИ), управление вычислительными сетями, автоматизация решений, предсказательный анализ, обнаружение угроз, кибербезопасность, оптимизация сетей.

Введение

В эпоху цифровых технологий искусственный интеллект оказывает значительное влияние на множество аспектов нашей жизни, включая способы управления вычислительными сетями. С быстрым ростом объемов данных и сложности сетевых систем, традиционные методы управления уже не могут эффективно справляться с новыми вызовами. ИИ предлагает революционные подходы, обеспечивая повышенную автоматизацию, эффективность и безопасность. Эта статья представляет собой обзор современных технологий ИИ в контексте управления вычислительными сетями, анализируя как прошлые достижения, так и перспективные инновации, которые определяют будущее этой динамично развивающейся области.

ИИ в управлении сетями ЦОД (на примере HUAWEI)

Компания Huawei [20] активно интегрирует искусственный интеллект в управление сетями в центрах обработки данных (ЦОД). Применение ИИ позволяет Huawei достигать более высокой степени автоматизации, улучшать управление ресурсами и повышать общую эффективность работы сетей. Ключевыми технологиями в этом процессе являются машинное обучение и алгоритмы автоматизации, которые способствуют оптимизации рутинных задач, обеспечению безопасности и предотвращению сбоев в работе систем [1]. Эти технологии позволяют анализировать большие объемы данных и прогнозировать потенциальные проблемы, тем самым повышая надежность и производительность сетей ЦОД. Huawei демонстрирует, как инновационное применение ИИ может радикально трансформировать традиционные подходы к управлению сетевыми ресурсами, делая их более адаптивными и эффективными [2].

В контексте использования ИИ в управлении сетями ЦОД, специфические технологии и подходы, такие как машинное обучение и автоматизация, играют ключевую роль. Машинное обучение позволяет системам анализировать большие объемы данных, выявлять закономерности и автоматически принимать решения, что значительно повышает эффективность работы сетей [1]. Эти алгоритмы способны предсказывать и предотвращать потенциальные проблемы, минимизируя время простоя и улучшая общую производительность. Автоматизация упрощает рутинные задачи и повышает надежность системы, уменьшая вероятность ошибок, связанных с человеческим фактором. Вместе эти технологии обеспечивают более безопасное и эффективное управление сетевыми ресурсами.

Трансформация управления сетями

Искусственный интеллект трансформирует подходы к управлению и мониторингу сетей [19], внося изменения в ряд ключевых аспектов:

  1. Автоматизация решений: ИИ усиливает автоматизацию [19], позволяя сетям самостоятельно адаптироваться и реагировать на изменения минимальным вмешательством человека. В статье "Анализ проблем искусственного интеллекта в среде облачных вычислений" подробно рассматриваются технические и концептуальные вызовы, связанные с интеграцией ИИ в облачные технологии. Особое внимание уделяется необходимости разработки новых подходов и решений для оптимизации этих процессов, подчеркивая важность комплексного подхода к интеграции ИИ [7,17,18].
  2. Предсказательный анализ: использование алгоритмов машинного обучения для анализа данных помогает предсказывать потенциальные сбои и проблемы, что позволяет предпринимать профилактические меры заранее, предотвращая серьезные нарушения работы сети [19].
  3. Усовершенствованное обнаружение угроз, вторжений и вирусной активности: ИИ значительно улучшает безопасность сетей, обеспечивая более эффективное и точное обнаружение угроз, вторжений и вирусной активности [3]. Системы на основе ИИ способны анализировать образцы поведения и выявлять аномалии, которые могут указывать на безопасностные риски [4,14].

Исследуя ключевые аспекты применения ИИ в управлении сетями, можно выделить следующие основные моменты:

  1. Предсказательный анализ: системы на основе ИИ могут анализировать большие объемы данных для предсказания и предотвращения сетевых сбоев и нарушений, что улучшает проактивное управление и обслуживание сетей.
  2. Усовершенствованное обнаружение угроз: применение ИИ в системах обнаружения вторжений [3], способствует более точному и быстрому выявлению угроз, вторжений и вирусной активности, существенно повышая уровень безопасности сетей [5,18].

Усовершенствованное обнаружение угроз с использованием ИИ включает несколько ключевых элементов:

  1. Обучение на основе данных: ИИ-системы обучаются на больших объемах данных, что позволяет им распознавать сложные и меняющиеся образцы угроз.
  2. Прогнозирование и профилактика: с помощью анализа данных ИИ может предсказывать потенциальные угрозы и автоматически принимать меры для их предотвращения [6,12].
  3. Быстрое обнаружение и реагирование: ИИ способен мгновенно идентифицировать угрозы и предпринимать необходимые действия, что существенно сокращает время реакции [3,13].
  4. Снижение ложных срабатываний: использование ИИ помогает уменьшить количество ложных тревог, повышая точность обнаружения настоящих угроз [9,10,11].

Эти аспекты демонстрируют, как ИИ улучшает кибербезопасность, делая системы более надежными и эффективными в обнаружении и предотвращении киберугроз.

Примеры применения и результаты

Примеры успешного применения ИИ в управлении сетями включают:

  1. Оптимизация трафика и управление сетевыми ресурсами: примером может служить использование ИИ для динамического анализа и распределения трафика в сетях больших компаний или интернет-провайдеров. ИИ помогает управлять загрузкой каналов, распределяя ресурсы таким образом, чтобы обеспечивать оптимальную скорость и качество связи.
  2. Предотвращение кибератак: применение систем на основе ИИ для обнаружения и блокировки киберугроз значительно повышает безопасность сетей. Программные продукты включают развертывание ИИ-систем для обнаружения необычных паттернов поведения в сети, которые могут указывать на кибератаки а так же уведомлять об обнаружении инцидента администратора безопасности. Системы на базе ИИ способны быстро реагировать на угрозы, блокируя вредоносный трафик и предотвращая доступ к ресурсам сети [4,15,16].
  3. Автоматизированное устранение неполадок: ИИ способен самостоятельно выявлять и устранять технические проблемы в сети, сокращая время простоя и улучшая общую производительность [19]. ИС включают развертывание ИИ для мониторинга состояния сетевого оборудования. Системы на основе ИИ могут автоматически обнаруживать и диагностировать технические проблемы, такие как неисправности оборудования или сбои в программном обеспечении, и предпринимать шаги для их устранения, а также оповещая о зафиксированном событии соответствующих специалистов, минимизируя потери времени и ресурсов на устранение инцидента.

Приведенные примеры показывают, как интеллектуальные технологии могут повысить эффективность и безопасность сетевой инфраструктуры, а также улучшить общую производительность и надежность сетевых систем. Что влечет снижение операционных затрат, уменьшение времени простоя, повышение уровня безопасности и улучшение пользовательского опыта. Эти преимущества демонстрируют важность интеграции ИИ в современные сетевые системы [8].

Заключение

В заключении статьи можно отметить, что искусственный интеллект вносит революционные изменения в управление вычислительными сетями. Изученные статьи подчеркивают, как ИИ трансформирует подходы к мониторингу, обеспечению безопасности и оптимизации сетей, привнося улучшения в автоматизацию решений, предсказательный анализ и обнаружение угроз. Результаты этих инноваций видны в повышенной эффективности, снижении операционных рисков и улучшении общей производительности сетевых систем. Эти достижения подчеркивают значительную роль ИИ в будущем управлении сетевыми технологиями и кибербезопасности.

Список литературы

  1. Гачаев А.М. Анализ компьютерных сетевых технологий в условиях искусственного интеллекта / Гачаев А.М., Магомадова З.С., Абубакаров М. С. // Индустриальная экономика – № 2. – 2023 – С.120 – 123. – URL: https://cyberleninka.ru/article/n/analiz-kompyuternyh-setevyh-tehnologiy-v-usloviyah-iskusstvennogo-intellekta (дата обращения 20.01.2024).
  2. Матюшок В.М. Мировой рынок систем и технологий искусственного интеллекта: становление и тенденции развития / Матюшок В.М., Красавина В.А., Матюшок С.В. // Вестник Российского университета дружбы народов. Серия: Экономика – № 3. – 2020 – С.505–521. – URL: http://journals.rudn.ru/economics. (дата обращения 19.01.2024).
  3. Симаворян С.Ж. Общая концепция выявления вторжений неизвестного типа на основе нейронных сетей / Симаворян С.Ж., Симонян А.Р., Попов Г.А., Улитина Е.И // Программные системы и вычислительные методы. – № 4. – 2021.– С. 23 – 45. DOI: 10.7256/2454 –0714.2021.4.37072 – URL: https://nbpublish.com/library_read_article.php?id=37072. (дата обращения 19.01.2024)
  4. Арзамасцев Н.А. Особенности использования искусственных нейронных сетей в сфере информационной безопасности / Арзамасцев Н.А. // Научно-образовательный журнал для студентов и преподавателей «StudNet» – № 5. – 2022. С. 3936 – 3945 – URL: https:// ru/article/n/osobennosti-ispolzovaniya-iskusstvennyh-neyronnyh-setey-v-sfere-informatsionnoy-bezopasnosti/viewer. (дата обращения 19.01.2024).
  5. Коцарева И.С. Основные этапы мониторинга по поиску и обнаружению скрытых атак в информационных системах / Коцарева И.С., Рябова Е.В., Симонян А.Р., Симаворян С.Ж. // Международный форум молодых исследователей. – С. 222 – 230 – УДК 007 – URL: https://sciencen.org/assets/DOI/KOF-413-Kocareva-Ryabova-Simonyan-222-230.pdf. (дата обращения 19.01.2024).
  6. Симаворян С.Ж. Процедура выявления вторжений в системах информационной безопасности на основе использования нейронных сетей. / Симаворян С.Ж., Симонян А.Р., Попов Г.А., Улитина Е.И. // Программные системы и вычислительные методы. – № 3. – 2020.– DOI: 10.7256/2454-0714.2020.3.33734 – URL: https://nbpublish.com/library_read_article.php?id=33734. (дата обращения 19.01.2024).
  7. Сюндюкова Е.В. Применение искусственного интеллекта в компьютерных сетевых технологиях / Сюндюкова Е.В. // Экономика и качество систем связи. – №1 – 2023. С. 58 – 64 УДК 004.8:004.77:004.075 – URL:https:// ru/article/n/primenenie-iskusstvennogo-intellekta-v-kompyuternyh-setevyh-tehnologiyah/viewer. (дата обращения 19.01.2024).
  8. Копырин А.С. Построение типовой системы правил вывода по базе знаний / Копырин А.С., Копырина А.О. // Программные системы и вычислительные методы. – № 1. – 2021. DOI: 10.7256/2454-0714.2021.1.34798 – URL: https://nbpublish.com/library_read_article.php?id=34798. (дата обращения 19.01.2024).
  9. Basan E. Analysis of the initial security of the robotics system. / Basan, E., Makarevich, O., Abramov, E., Popov, D. // ACM International Conference Proceeding Series, No. 11 – 2019. – URL:https://doi.org/10.1145/3357613.3357625. (дата обращения 20.01.2024).
  10. Popov D.I. Development of algorithm for control and correction of errors of digital signals, represented in system of residual classes. / Popov, D.I., Gapochkin, A.V. // 2018 International Russian Automation Conference, RusAutoCon 2018.
  11. Popov D. An algorithm of daubechieswavelet transform in the final field when processing speech signals / Popov, D., Gapochkin, A., Nekrasov, A. // Electronics (Switzerland), – 2018, – 7(7): 120. – URL: https://www.researchgate.net/publication/326503958_An_Algorithm_of_Daubechies_Wavelet_Transform_in_the_Final_Field_When_Processing_Speech_Signals (дата обращения 20.01.2024).
  12. Popov D.I. Development and application of composite logistics functions to improve the speed of training of wavelet neural networks in speech recognition systems / Popov, D.I., Gapochkin, A.V. // ARPN Journal of Engineering and Applied Sciences – 11. – NO. 1 – 2016. – pp. 73–77. – URL:http://www.arpnjournals.org/jeas/research_papers/rp_2016/jeas_0116_3300.pdf (дата обращения 20.01.2024).
  13. Popov D.I. The model for calculating the lifetime of assessment item banks and repositories / Popov, D.I., Popova, E.D. // ARPN Journal of Engineering and Applied Sciences – – 11(3). – pp. 1692–1697. – URL:https://www.semanticscholar.org/author/D.-Popov/145199278 (дата обращения 20.01.2024).
  14. Popov D.I. A knowledge testing production model based on a cognitive map for SWI-Prolog's applications / Popov, D.I., Lazareva, O.Y. // International Journal of Emerging Technologies in Learning. – – 10(6). – pp. 62–65. – URL: https://www.semanticscholar.org/paper/A-Knowledge-Testing-Production-Model-Based-on-a-Map-Popov-Lazareva/88861e2c7b44413ae650acc41167e5bf5c89e9c8145199278 (дата обращения 20.01.2024).
  15. Popov D.I. Bitmaps protective marking model to verify their integrity / Popov D.I., Belobokova, Y.A. // International Journal of Applied Engineering Research. – – 10(16). – pp. 37384–37388. – URL: https://www.scopus.com/record/display.uri?eid=2-s2.0-84942049468&origin=inward&txGid=9d9da1f479c1b42c4e91f8343326eb03 (дата обращения 20.01.2024).
  16. Ostroukh A.V. Development of the rules base for an expert system choice adaptive learning strategy / Ostroukh, A.V., Popov, D.I., Demodov D.G., Surkova, N.E. //ARPN Journal of Engineering and Applied Sciences. – Volume 10. – Issue 10. – – pp. 4430-4435. – URL: https://www.scopus.com/record/display.uri?eid=2-s2.0-84930899437&origin=inward&txGid=09d395c1467df4219912e15710e69a3d (дата обращения 20.01.2024).
  17. Попов Д.И. Подход к разработке базы правил для экспертной системы выбора адаптивной стратегии обучения / Попов Д.И., Демидов Д.Г. // Автоматизация и управление в технических системах. – – № 1-2 (9). – С. 93-102. – URL: http://journal-s.org/index.php/auts/issue/archive (дата обращения 20.01.2024).
  18. Popov , Khadzhinov A. Safety subsystem of intelligent software complex for distance learning// Proceedings 2002 IEEE International Conference on Artificial Intelligence Systems (ICAIS 2002). – DOI: 10.1109/icais.2002.1048185 (дата обращения 20.01.2024).
  19. Искусственный интеллект меняет управление и мониторинг сетей – URL: https://www.cryptopolitan.com/ru/управление-и-мониторинг-сети-ии/ (дата обращения 01.2024).
  20. Искусственный интеллект в сети ЦОД: опыт Huawei – URL: https://habr.com/ru/companies/huawei/articles/531460/ (дата обращения 01.2024).

Интересная статья? Поделись ей с другими: