借助人工智能改善网络自动化和安全性

通信服务提供商(CommSP)已经在省钱并从网络改造投资中获得收益。预计随着NFV功能在基础架构的各个元素(企业，无线电接入网络，无线核心，电缆和云)中扩展，这些好处将继续增加。新的5G和边缘计算用例有望带来新的收入以及必须移动，存储，处理和分析的更多数据。

业界正在寻求人工智能(AI)和机器学习(ML)，以使CommSP解决问题并为自己的业务运营和客户释放价值。例如，基于强化学习的分布式AI将在构建自动化和自我管理的网络中发挥关键作用。让我们探索一些在网络中应用AI来改善运营的示例，包括闭环自动化，加密流量分析和针对5G波束成形的无线电优化。

AI支持闭环自动化，网络优化和TCO好处

网络基础设施日益复杂，再加上与下一代服务相关的低延迟和确定性，使得无法基于传统网络管理方法和静态策略来部署和管理网络。这些方法无法扩展，并且会对运营成本产生重大影响。网络必须是动态和自动化的。

AI和ML的进步使NFV可以实现闭环自动化，这对于远程监视和管理成千上万个网络边缘位置以及数十亿个已连接设备至关重要。当与运营支持系统(OSS)集成时，基于AI的网络监视和预测性网络分析功能将检测网络异常和故障，分析根本原因并在网络中实际发生故障之前触发故障恢复/故障转移。自我监视，自我管理和自我修复的网络使动态调整资源分配和功耗成为可能，从而减少了昂贵的技术人员部署。

在英特尔，我们专注于实现AI的闭环自动化的三个关键要素– 1)平台遥测2)训练有素的AI模型和3)编排以推动实时推理。实际上，英特尔最近展示了如何使用流量预测模型来动态控制CPU和平台组件的电源状态以降低功耗，这是运营费用的主要来源。

加密的流量分析

Google估计，到2019年，所有Google网络流量中的90%以上都是经过加密的，而Gartner估计，到2019年，企业Web流量中的80%是经过加密的。尽管取得了长足的进步，但恶意参与者可能会使用加密技术来逃避检测和伪装。恶意攻击。如今，大多数企业无法查看加密流量并无法对恶意内容执行深度数据包检查，但AI承诺提供新的防护措施来抵御这些攻击。

通过使用遥测数据(例如数据包序列，数据包边界，计算操作的性质和内存访问模式)填充AI模型，我们可以有效地对加密流量进行实时入侵检测，网络隔离和预防措施。实际上，英特尔处于独特的地位，可以帮助公司利用硬件平台中的许多遥测数据，并将这些数据用于训练AI模型以进行安全分析。

用于5G波束成形的无线电优化

AI创新有望实现无线覆盖和容量优化，高级流量管理，跨频率动态分配用户以改善用户体验，动态无线电资源管理，波束成形配置，多无线电接入流量控制/管理，服务意识网络切片的资源管理等等。

MIMO技术(多输入多输出)是无线网络中最大的创新之一，它利用多个发射和接收天线扩展了无线链路的容量。这项技术带来了管理光束图案和最小化功耗的挑战。经过历史时间序列数据训练的深度学习模型可以根据设备类型，用户位置，交通行为，干扰和其他参数来持续优化波束方向图。功耗是CommSP可以应用此创新技术以节省大量运营成本的领域之一。与之前所述的闭环自动化类似，网络运营商可以根据流量模式应用经过训练的机器学习模型，

借助AI推动基础架构，运营和开发的局限性

AI和ML在改善网络性能，网络自动化和安全性方面具有巨大潜力。我们正在与众多行业生态系统中的合作伙伴和客户合作，以​​利用AI的力量解决许多网络优化和自动化问题。我邀请您加入这个充满活力的社区，超越传统网络基础架构，运营和开发的局限性，迎来以数据为中心的5G时代。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！