每個(gè)網(wǎng)絡(luò)應(yīng)用程序都有自己的一組功能和性能參數(shù)，這些功能和參數(shù)可能會(huì)動(dòng)態(tài)變化。由于網(wǎng)絡(luò)的多樣性和復(fù)雜性，圍繞此類網(wǎng)絡(luò)場(chǎng)景構(gòu)建的傳統(tǒng)算法或硬編碼技術(shù)是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

[[437667]]

事實(shí)證明，機(jī)器學(xué)習(xí)在幾乎所有行業(yè)都是有益的，包括網(wǎng)絡(luò)行業(yè)。機(jī)器學(xué)習(xí)可以幫助解決棘手的舊網(wǎng)絡(luò)障礙，刺激新的網(wǎng)絡(luò)應(yīng)用程序，使網(wǎng)絡(luò)變得非常方便。讓我們通過幾個(gè)用例詳細(xì)討論基本工作流程，以便更好地理解網(wǎng)絡(luò)領(lǐng)域中的應(yīng)用機(jī)器學(xué)習(xí)技術(shù)。

智能網(wǎng)絡(luò)流量管理：

隨著對(duì)物聯(lián)網(wǎng)解決方案需求的不斷增長(zhǎng)，現(xiàn)代網(wǎng)絡(luò)產(chǎn)生了大量異構(gòu)的流量數(shù)據(jù)。對(duì)于這樣一個(gè)動(dòng)態(tài)網(wǎng)絡(luò)，傳統(tǒng)的網(wǎng)絡(luò)流量監(jiān)控和數(shù)據(jù)分析網(wǎng)絡(luò)管理技術(shù)(如Ping監(jiān)控、日志文件監(jiān)控，甚至SNMP)是不夠的。它們通常缺乏實(shí)時(shí)數(shù)據(jù)的準(zhǔn)確性和有效處理。另一方面，由于設(shè)備移動(dòng)性和網(wǎng)絡(luò)異構(gòu)性，網(wǎng)絡(luò)中來自其他來源(如蜂窩或移動(dòng)設(shè)備)的流量相對(duì)顯示出更復(fù)雜的行為。

機(jī)器學(xué)習(xí)有助于在大數(shù)據(jù)系統(tǒng)和大區(qū)域網(wǎng)絡(luò)中進(jìn)行分析，以便在管理此類網(wǎng)絡(luò)時(shí)識(shí)別復(fù)雜模式。鑒于這些機(jī)會(huì)，網(wǎng)絡(luò)領(lǐng)域的研究人員將深度學(xué)習(xí)模型用于網(wǎng)絡(luò)流量監(jiān)控和分析應(yīng)用，如流量分類和預(yù)測(cè)、擁塞控制等。

1.帶內(nèi)網(wǎng)絡(luò)遙測(cè)

網(wǎng)絡(luò)遙測(cè)數(shù)據(jù)提供了有關(guān)網(wǎng)絡(luò)性能的基本指標(biāo)。這些信息通常很難解釋出來。考慮到網(wǎng)絡(luò)中的數(shù)據(jù)量和總數(shù)據(jù)量具有巨大的價(jià)值。如果使用得當(dāng)，它可以顯著提高性能。

新興技術(shù)，如帶內(nèi)網(wǎng)絡(luò)遙測(cè)，可以幫助實(shí)時(shí)收集詳細(xì)的網(wǎng)絡(luò)遙測(cè)數(shù)據(jù)。最重要的是，在這些數(shù)據(jù)集上運(yùn)行機(jī)器學(xué)習(xí)可以幫助關(guān)聯(lián)延遲、路徑、交換機(jī)、路由器、事件等之間的現(xiàn)象，這在使用傳統(tǒng)方法的大量實(shí)時(shí)數(shù)據(jù)中很難指出。

機(jī)器學(xué)習(xí)模型經(jīng)過訓(xùn)練以理解遙測(cè)數(shù)據(jù)中的相關(guān)性和模式，從而最終獲得基于歷史數(shù)據(jù)的學(xué)習(xí)預(yù)測(cè)未來的能力。這有助于管理未來的網(wǎng)絡(luò)中斷。

2.資源分配與擁塞控制

每個(gè)網(wǎng)絡(luò)基礎(chǔ)設(shè)施都有預(yù)定義的可用總吞吐量。它被進(jìn)一步分割成不同預(yù)定義帶寬的多個(gè)通道。在這樣的場(chǎng)景中，每個(gè)最終用戶的總帶寬使用量是靜態(tài)預(yù)定義的，對(duì)于網(wǎng)絡(luò)的某個(gè)部分來說，總是會(huì)出現(xiàn)瓶頸，而該部分網(wǎng)絡(luò)的使用率是壓倒性的。

為了避免這種擁塞，可以訓(xùn)練有監(jiān)督的機(jī)器學(xué)習(xí)模型來實(shí)時(shí)分析網(wǎng)絡(luò)流量，并以網(wǎng)絡(luò)經(jīng)歷最少瓶頸的方式推斷每個(gè)用戶的合適帶寬限制。

這些模型可以從網(wǎng)絡(luò)統(tǒng)計(jì)數(shù)據(jù)中學(xué)習(xí)，例如每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的總活動(dòng)用戶、每個(gè)用戶的歷史網(wǎng)絡(luò)使用數(shù)據(jù)、基于時(shí)間的數(shù)據(jù)使用模式、用戶在多個(gè)接入點(diǎn)之間的移動(dòng)等。

3.交通分類

在每個(gè)網(wǎng)絡(luò)中，都存在各種各樣的流量，如Web托管(HTTP)、文件傳輸(FTP)、安全瀏覽(HTTPS)、HTTP實(shí)時(shí)視頻流(HLS)、終端服務(wù)(SSH)等。現(xiàn)在，當(dāng)涉及到網(wǎng)絡(luò)帶寬使用時(shí)，每一種行為都有所不同，即通過FTP傳輸文件。它連續(xù)使用大量數(shù)據(jù)。

例如，如果一個(gè)視頻正在流化，它將使用數(shù)據(jù)塊和緩沖方法。當(dāng)不同類型的流量以無監(jiān)督的方式在網(wǎng)絡(luò)中運(yùn)行時(shí)，可以看到一些臨時(shí)阻塞。

為了避免這種情況，可以使用機(jī)器學(xué)習(xí)分類器對(duì)網(wǎng)絡(luò)中的流量類型進(jìn)行分析和分類。然后，這些模型可用于推斷網(wǎng)絡(luò)參數(shù)，如分配的帶寬、數(shù)據(jù)上限等，以通過改進(jìn)所服務(wù)請(qǐng)求的調(diào)度以及動(dòng)態(tài)更改分配的帶寬來幫助提高網(wǎng)絡(luò)性能。

網(wǎng)絡(luò)安全：

網(wǎng)絡(luò)攻擊數(shù)量的增加迫使組織不斷監(jiān)控和關(guān)聯(lián)整個(gè)網(wǎng)絡(luò)基礎(chǔ)設(shè)施及其用戶的數(shù)百萬外部和內(nèi)部數(shù)據(jù)點(diǎn)。手動(dòng)管理大量實(shí)時(shí)數(shù)據(jù)變得很困難。這就是機(jī)器學(xué)習(xí)幫助的地方。

機(jī)器學(xué)習(xí)可以識(shí)別網(wǎng)絡(luò)中的某些模式和異常，并在海量數(shù)據(jù)集中預(yù)測(cè)威脅，所有這些都是實(shí)時(shí)的。通過自動(dòng)化分析，網(wǎng)絡(luò)管理員可以輕松地檢測(cè)到威脅并快速隔離情況，而所需的人力更少。

1.網(wǎng)絡(luò)攻擊識(shí)別/預(yù)防

網(wǎng)絡(luò)行為是機(jī)器學(xué)習(xí)系統(tǒng)異常檢測(cè)的一個(gè)重要參數(shù)。機(jī)器學(xué)習(xí)引擎實(shí)時(shí)處理大量數(shù)據(jù)，以識(shí)別威脅、未知惡意軟件和違反策略的行為。

如果發(fā)現(xiàn)網(wǎng)絡(luò)行為在預(yù)定義的行為范圍內(nèi)，則接受網(wǎng)絡(luò)事務(wù)，否則將在系統(tǒng)中觸發(fā)警報(bào)。這可用于防止DoS、DDoS和Probe等多種攻擊。

2.防止網(wǎng)絡(luò)釣魚

誘騙某人點(diǎn)擊看似合法的惡意鏈接，然后試圖突破計(jì)算機(jī)的防御系統(tǒng)是很容易的。機(jī)器學(xué)習(xí)有助于預(yù)測(cè)可疑網(wǎng)站，幫助防止人們連接到惡意網(wǎng)站。例如，文本分類器機(jī)器學(xué)習(xí)模型可以讀取和理解URL，并首先識(shí)別那些偽造的釣魚URL。這將為最終用戶創(chuàng)造更安全的瀏覽體驗(yàn)。

網(wǎng)絡(luò)中機(jī)器學(xué)習(xí)的集成不限于上述用例。通過從網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的角度揭示機(jī)會(huì)和研究，可以在使用ML進(jìn)行網(wǎng)絡(luò)和網(wǎng)絡(luò)安全的領(lǐng)域開發(fā)解決方案，以解決尚未解決的問題。