AlienCat - stock.adobe.com
Wie ein KI-gesteuertes Netzwerk aussieht
Log-Analyse und Wireless-Management sind gängige KI-Anwendungen im Netzwerk. Es könnten Chatbot-Warnungen, die Überwachung digitaler Erlebnisse und Traffic Engineering dazukommen.
Es wird prognostiziert, dass die KI-Technologie viele Aspekte des IT-Betriebs beeinflussen und verbessern wird. Eine der wichtigsten Anwendungen von KI ist die Unterstützung beim Betrieb von Netzwerken.
Lassen Sie uns einige aktuelle Beispiele untersuchen, abschätzen, wie KI Netzwerke verbessern wird und diskutieren, wie ein KI-gesteuertes Netzwerk aussehen sollte.
Was ist KI?
KI ist definiert als eine Technologie, in der Regel ein Computer, der intelligentes menschliches Verhalten imitiert. KI umfasst viele Aspekte, wobei das maschinelle Lernen (ML) die beliebteste Untergruppe darstellt. Im Folgenden beschreiben wir die vier Haupttypen von ML:
- überwacht
- unüberwacht
- halbüberwacht
- verstärkt
Die ersten drei Typen werden am häufigsten in Netzwerken eingesetzt. Ziel ist es, Algorithmen zu entwickeln, die es Computern ermöglichen, zu handeln, ohne explizit programmiert zu werden.
Aktuelle Anwendungen von KI und ML
Die meisten Unternehmen beginnen gerade erst, KI für den Betrieb von Netzwerken in Betracht zu ziehen. In anderen Segmenten der IT-Branche wird ML jedoch rasch in den IT-Betrieb integriert. Tatsächlich ist die Akzeptanz so groß, dass sich ein Name für die Praxis der Bereitstellung und Wartung von ML-Systemen herausgebildet hat: MLOps.
Log-Analyse
Die Log-Analyse ist vielleicht die offensichtlichste Anwendung von KI und ML. Protokollnachrichten verwenden Formate, die sich leicht in markierte Elemente aufteilen lassen, wie in der folgenden Syslog-Nachricht gezeigt.
Die Protokollanalyse kann Zusammenhänge in den Protokolldaten aufzeigen, die sonst vielleicht nicht offensichtlich sind. So kann beispielsweise ein Ereignis immer eine Reihe anderer Ereignisse innerhalb kurzer Zeit auslösen. Oder ein Server könnte beginnen, mit anderen Servern zu kommunizieren, die ein anderes Protokoll verwenden, was möglicherweise auf die seitliche Ausbreitung von Malware hinweist.
Protokollanalyseprodukte enthalten ML, um eine erweiterte Ereigniskorrelation zu ermöglichen, versteckte Muster zu identifizieren und von IT-Mitarbeitern erlernte Muster zu erkennen.
SecOps
KI-Technologie unterstützt SecOps bei der Erkennung von Sicherheitsbedrohungen in dem Moment, in dem sie auftreten, und ermöglicht eine sofortige Reaktion auf Eindringlinge. Sie umfasst Datenquellen wie Verhaltensanalyse, Daten von Intrusion-Detection- und Intrusion-Prevention-Systemen, DDoS-Angriffsabwehr, Identifizierung von Phishing-Angriffen und Endpunktklassifizierung.
Die Verhaltensanalyse verwendet Netzwerkflussdaten, um ein Modell bekannter Kommunikationspfade für den Server-zu-Server-, Client-zu-Server- und Client-zu-Client-Verkehr zu erstellen. KI- und ML-Tools identifizieren schnell anomalen Netzwerkdatenverkehr. In diesem Fall identifiziert ein überwachter ML-Algorithmus bekannt guten (erlaubten) Verkehr. Dann kann er fragwürdige Netzwerkdatenströme zur Überprüfung hervorheben oder den Verkehr automatisch verweigern.
Ein Vorteil des Einsatzes von KI in SecOps ist die Verbesserung der Reaktionszeiten. Malware-Entwickler verwenden viele Methoden, um ihre Präsenz zu verbergen, und regelbasierte Systeme sind nicht schnell genug, um IT-Systeme sicher zu halten. Nur hoch entwickelte KI-Techniken sind geeignet, Zero-Day-Ereignisse und heimliche Bedrohungen zu erkennen.
Wireless-Management
Auch drahtlose Netzwerke können von KI und ML profitieren. So setzen Unternehmen bereits KI und ML für die Spektrumsverwaltung von Mobilfunknetzen und großen WLAN-Netzwerken ein. Wir können davon ausgehen, dass es in diesem Bereich mit der Zeit weitere Fortschritte geben wird.
Das KI-gesteuerte Netzwerk der Zukunft
Wie könnte das KI-gesteuerte Netzwerk der Zukunft aussehen? Es ist nicht schwer, von den derzeitigen Systemen auf leistungsstarke neue Lösungen zu schließen.
KI-basierte Verarbeitung könnte einen Self-Service-Chatbot antreiben, der natürliche Sprachverarbeitung nutzt, um Anfragen zu verstehen und zu beantworten, zum Beispiel: „Warum ist meine <Anwendungsname> heute langsam?“ Der Chatbot analysiert den Netzwerkpfad von einer Anwendung zum App-Server und die Leistung der Anwendung, bevor er mit seinen Ergebnissen antwortet. Seine Analyse könnte eine langsame Anwendung identifizieren, ein Netzwerkproblem aufzeigen oder melden, dass die Wahrnehmung eines Administrators falsch ist. Ein großer Vorteil ist die Fähigkeit der KI, vielschichtige Probleme zu erkennen, die auf korrelierenden Daten basieren, mit denen die Administratoren nicht gerechnet haben.
Ein KI-gestütztes System könnte auch automatisch Benachrichtigungen in Team-Kollaborationsplattformen posten, dass ein Anwendungsserver Probleme hat oder dass das Netzwerk an einem bestimmten Standort die Anwendungsleistung für einige Benutzer beeinträchtigt.
Es ist auch zu erwarten, dass KI und ML beim Traffic-Engineering in ISP-Netzwerken, bei Software-defined WANs und bei der Überwachung der digitalen Erfahrung sowie beim Sicherheitsmanagement in SASE-Netzwerken zum Einsatz kommen. Es wird Daten korrelieren, die ein traditionelles Netzwerkmanagementsystem nicht verarbeiten kann, zum Beispiel Anwendungs- und Netzwerkleistungsmetriken mit Produktverkäufen.
Es ist nur eine Frage der Zeit, bis KI und ML auf weitere Aspekte des Netzwerks angewendet werden.
