0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)中的實(shí)際應(yīng)用

星星科技指導(dǎo)員 ? 來(lái)源:嵌入式計(jì)算設(shè)計(jì) ? 作者:Kandarp Rastey ? 2022-11-18 17:21 ? 次閱讀

對(duì)互聯(lián)網(wǎng)連接需求的快速增長(zhǎng)給改善網(wǎng)絡(luò)基礎(chǔ)設(shè)施、性能和其他關(guān)鍵參數(shù)帶來(lái)了壓力。網(wǎng)絡(luò)管理員必須遇到運(yùn)行多個(gè)網(wǎng)絡(luò)應(yīng)用程序的不同類型的網(wǎng)絡(luò)。

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),這些功能和性能參數(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,為此類網(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)。

機(jī)器學(xué)習(xí)被證明對(duì)幾乎每個(gè)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,并刺激新的網(wǎng)絡(luò)應(yīng)用程序,使網(wǎng)絡(luò)非常方便。讓我們通過(guò)幾個(gè)用例詳細(xì)討論基本工作流,以更好地了解網(wǎng)絡(luò)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)IoT) 解決方案的需求不斷增長(zhǎng),現(xiàn)代網(wǎng)絡(luò)會(huì)產(chǎn)生海量異構(gòu)流量數(shù)據(jù)。對(duì)于這樣的動(dòng)態(tài)網(wǎng)絡(luò),用于網(wǎng)絡(luò)流量監(jiān)控和數(shù)據(jù)分析的傳統(tǒng)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。他們通常缺乏實(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,來(lái)自網(wǎng)絡(luò)中其他來(lái)源(如蜂窩或移動(dòng)設(shè)備)的流量相對(duì)表現(xiàn)出更復(fù)雜的行為。

機(jī)器學(xué)習(xí)有助于大數(shù)據(jù)系統(tǒng)以及大區(qū)域網(wǎng)絡(luò)中的分析,以便在管理此類網(wǎng)絡(luò)時(shí)識(shí)別復(fù)雜的模式。著眼于這些機(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??紤]到網(wǎng)絡(luò)中通過(guò)的大小和總數(shù)據(jù)具有巨大的價(jià)值。如果使用得當(dāng),它可以大大提高性能。

帶內(nèi)網(wǎng)絡(luò)遙測(cè)等新興技術(shù)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,在此類數(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(guò)訓(xùn)練,可以理解遙測(cè)數(shù)據(jù)中的相關(guān)性和模式,最終能夠根據(jù)從歷史數(shù)據(jù)中學(xué)習(xí)的情況預(yù)測(cè)未來(lái)。這有助于管理未來(lái)的網(wǎng)絡(luò)中斷。

2. 資源分配和擁塞控制

每個(gè)網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)都有一個(gè)預(yù)定義的總吞吐量。它進(jìn)一步分為不同預(yù)定義帶寬的多個(gè)通道。在這種情況下,每個(gè)最終用戶的總帶寬使用量是靜態(tài)預(yù)定義的,網(wǎng)絡(luò)的某些部分總是會(huì)存在瓶頸,其中網(wǎng)絡(luò)被大量使用。

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(lái)實(shí)時(shí)分析網(wǎng)絡(luò)流量,并以網(wǎng)絡(luò)遇到最少瓶頸的方式推斷每個(gè)用戶的適當(dāng)帶寬限制量。

此類模型可以從網(wǎng)絡(luò)統(tǒng)計(jì)信息中學(xué)習(xí),例如每個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)的活動(dòng)用戶總數(shù)、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、用戶跨多個(gè)接入點(diǎn)的移動(dòng)等。

3. 流量分類

在每個(gè)網(wǎng)絡(luò)中,存在各種流量,如虛擬主機(jī)(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?,F(xiàn)在,在網(wǎng)絡(luò)帶寬使用方面,它們中的每一個(gè)都表現(xiàn)不同,通過(guò)FTP傳輸文件。它連續(xù)使用大量數(shù)據(jù)。

例如,如果正在流式傳輸視頻,則它使用塊中的數(shù)據(jù)和緩沖方法。當(dāng)不同類型的流量以無(wú)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)分類器來(lái)分析和分類網(wǎng)絡(luò)中的流量類型。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,通過(guò)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(lái)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(wàn)個(gè)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)變得困難。這就是機(jī)器學(xué)習(xí)的用武之地。

機(jī)器學(xué)習(xí)可以實(shí)時(shí)識(shí)別網(wǎng)絡(luò)中的某些模式和異常,并預(yù)測(cè)海量數(shù)據(jù)集中的威脅。通過(guò)自動(dòng)化此類分析,網(wǎng)絡(luò)管理員可以輕松檢測(cè)威脅并快速隔離情況,同時(shí)減少人力。

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)中用于異常檢測(cè)的重要參數(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),否則會(huì)在系統(tǒng)中觸發(fā)警報(bào)。這可用于防止多種攻擊,如 DoS、DDoS 和 Probe。

2. 網(wǎng)絡(luò)釣魚防護(hù)

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)非常容易。機(jī)器學(xué)習(xí)有助于預(yù)測(cè)可疑網(wǎng)站,以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)別這些欺騙性網(wǎng)絡(luò)釣魚 URL。這將為最終用戶創(chuàng)造更安全的瀏覽體驗(yàn)。

機(jī)器學(xué)習(xí)在網(wǎng)絡(luò)中的集成不僅限于上述用例??梢栽谑褂肕L進(jìn)行網(wǎng)絡(luò)和網(wǎng)絡(luò)安全領(lǐng)域開發(fā)解決方案,通過(guò)從網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)的角度闡明機(jī)會(huì)和研究來(lái)解決未解決的問(wèn)題。

審核編輯:郭婷

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    機(jī)器學(xué)習(xí)的數(shù)據(jù)分割方法

    機(jī)器學(xué)習(xí),數(shù)據(jù)分割是一項(xiàng)至關(guān)重要的任務(wù),它直接影響到模型的訓(xùn)練效果、泛化能力以及最終的性能評(píng)估。本文將從多個(gè)方面詳細(xì)探討機(jī)器學(xué)習(xí)
    的頭像 發(fā)表于 07-10 16:10 ?912次閱讀

    如何理解機(jī)器學(xué)習(xí)的訓(xùn)練集、驗(yàn)證集和測(cè)試集

    理解機(jī)器學(xué)習(xí)的訓(xùn)練集、驗(yàn)證集和測(cè)試集,是掌握機(jī)器學(xué)習(xí)核心概念和流程的重要一步。這三者不僅構(gòu)成了模型學(xué)習(xí)
    的頭像 發(fā)表于 07-10 15:45 ?2300次閱讀

    機(jī)器學(xué)習(xí)的數(shù)據(jù)預(yù)處理與特征工程

    機(jī)器學(xué)習(xí)的整個(gè)流程,數(shù)據(jù)預(yù)處理與特征工程是兩個(gè)至關(guān)重要的步驟。它們直接決定了模型的輸入質(zhì)量,進(jìn)而影響模型的訓(xùn)練效果和泛化能力。本文將從數(shù)據(jù)預(yù)處理和特征工程的基本概念出發(fā),詳細(xì)探討這兩個(gè)步驟的具體內(nèi)容、方法及其在
    的頭像 發(fā)表于 07-09 15:57 ?236次閱讀

    深度學(xué)習(xí)的無(wú)監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要分支,近年來(lái)在多個(gè)領(lǐng)域取得了顯著的成果,特別是在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。然而,深度學(xué)習(xí)模型的強(qiáng)大性能往往依賴于大量有標(biāo)簽的數(shù)據(jù)進(jìn)行訓(xùn)練
    的頭像 發(fā)表于 07-09 10:50 ?284次閱讀

    人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)機(jī)器學(xué)習(xí)模型的區(qū)別

    在人工智能領(lǐng)域,機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)是兩個(gè)核心概念,它們各自擁有獨(dú)特的特性和應(yīng)用場(chǎng)景。雖然它們都旨在使計(jì)算機(jī)系統(tǒng)能夠自動(dòng)從數(shù)據(jù)中學(xué)習(xí)和提升,但它們?cè)诙鄠€(gè)方面存在顯著的區(qū)別。本文將從多個(gè)維
    的頭像 發(fā)表于 07-04 14:08 ?726次閱讀

    人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機(jī)器學(xué)習(xí)(Machine Learning, ML)和深度學(xué)習(xí)(Deep Learning, DL)已成為
    的頭像 發(fā)表于 07-03 18:22 ?886次閱讀

    機(jī)器學(xué)習(xí)在數(shù)據(jù)分析的應(yīng)用

    隨著大數(shù)據(jù)時(shí)代的到來(lái),數(shù)據(jù)量的爆炸性增長(zhǎng)對(duì)數(shù)據(jù)分析提出了更高的要求。機(jī)器學(xué)習(xí)作為一種強(qiáng)大的工具,通過(guò)訓(xùn)練模型從數(shù)據(jù)中學(xué)習(xí)規(guī)律,為企業(yè)和組織提供了更高效、更準(zhǔn)確的數(shù)據(jù)分析能力。本文將深入探討機(jī)器
    的頭像 發(fā)表于 07-02 11:22 ?408次閱讀

    深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的對(duì)比

    在人工智能的浪潮機(jī)器學(xué)習(xí)和深度學(xué)習(xí)無(wú)疑是兩大核心驅(qū)動(dòng)力。它們各自以其獨(dú)特的方式推動(dòng)著技術(shù)的進(jìn)步,為眾多領(lǐng)域帶來(lái)了革命性的變化。然而,盡管它們都屬于
    的頭像 發(fā)表于 07-01 11:40 ?946次閱讀

    4芯M16插座在網(wǎng)絡(luò)工程的應(yīng)用

      德索工程師說(shuō)道4芯M16插座在網(wǎng)絡(luò)工程的應(yīng)用相當(dāng)廣泛,其獨(dú)特的設(shè)計(jì)和性能特點(diǎn)使其成為網(wǎng)絡(luò)布線不可或缺的重要組件。以下是關(guān)于4芯M16插座在網(wǎng)
    的頭像 發(fā)表于 06-15 18:05 ?175次閱讀
    4芯M16插座<b class='flag-5'>在網(wǎng)絡(luò)</b>工程<b class='flag-5'>中</b>的應(yīng)用

    3芯M16接頭在網(wǎng)絡(luò)工程的應(yīng)用

      德索工程師說(shuō)道在網(wǎng)絡(luò)工程,連接器的選擇對(duì)于整個(gè)網(wǎng)絡(luò)系統(tǒng)的性能和穩(wěn)定性至關(guān)重要。3芯M16接頭作為一種高效、穩(wěn)定的連接器類型,在網(wǎng)絡(luò)工程中發(fā)揮著不可或缺的作用。以下將詳細(xì)探討3芯M
    的頭像 發(fā)表于 06-12 17:39 ?300次閱讀
    3芯M16接頭<b class='flag-5'>在網(wǎng)絡(luò)</b>工程<b class='flag-5'>中</b>的應(yīng)用

    中繼器和集線器在網(wǎng)絡(luò)中分別起什么作用?

    的功能、工作原理以及在網(wǎng)絡(luò)的應(yīng)用。 一、中繼器 中繼器是一種物理層設(shè)備,主要用于擴(kuò)展網(wǎng)絡(luò)的傳輸距離。它的作用是將信號(hào)從一個(gè)網(wǎng)絡(luò)傳輸?shù)搅硪粋€(gè)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-20 15:20 ?1947次閱讀

    什么是SD-WAN?其在網(wǎng)絡(luò)連接的作用?SD-WAN怎么異地組網(wǎng)?

    什么是SD-WAN?其在網(wǎng)絡(luò)連接的作用?SD-WAN怎么異地組網(wǎng)? SD-WAN是一種軟件定義的廣域網(wǎng)技術(shù),它為企業(yè)提供了更靈活、智能的網(wǎng)絡(luò)連接和管理方式。傳統(tǒng)的廣域網(wǎng)依賴專有硬件設(shè)備,而
    的頭像 發(fā)表于 01-17 15:37 ?1511次閱讀

    瑞芯微RK3588核心板在網(wǎng)絡(luò)錄像機(jī)產(chǎn)品的應(yīng)用與優(yōu)勢(shì)

    瑞芯微RK3588核心板在網(wǎng)絡(luò)錄像機(jī)產(chǎn)品的應(yīng)用與優(yōu)勢(shì)-迅為電子
    的頭像 發(fā)表于 11-27 14:16 ?809次閱讀
    瑞芯微RK3588核心板<b class='flag-5'>在網(wǎng)絡(luò)</b>錄像機(jī)產(chǎn)品<b class='flag-5'>中</b>的應(yīng)用與優(yōu)勢(shì)

    淺析機(jī)器學(xué)習(xí)的基本步驟

    機(jī)器學(xué)習(xí)機(jī)器學(xué)習(xí)的效率在很大程度上取決于它所提供的數(shù)據(jù)集,數(shù)據(jù)集的大小和豐富程度也決定了最終預(yù)測(cè)的結(jié)果質(zhì)量。目前在算力方面,量子計(jì)算能
    發(fā)表于 10-30 11:13 ?353次閱讀
    淺析<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>的基本步驟

    NNI:自動(dòng)幫你做機(jī)器學(xué)習(xí)調(diào)參的神器

    。 想要在 不同的環(huán)境 加速運(yùn)行機(jī)器學(xué)習(xí)。 想要更容易 實(shí)現(xiàn)或試驗(yàn)新的機(jī)器學(xué)習(xí)算法 的研究員或數(shù)據(jù)科學(xué)家,包括:超參調(diào)優(yōu)算法,神經(jīng)
    的頭像 發(fā)表于 10-30 10:28 ?2235次閱讀
    NNI:自動(dòng)幫你做<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>調(diào)參的神器