人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用

崔煜昆

北京航空航天大學(xué)計算機學(xué)院

人工智能在計算機網(wǎng)絡(luò)技術(shù)中的應(yīng)用

崔煜昆

北京航空航天大學(xué)計算機學(xué)院

信息通信技術(shù)（ICT）的發(fā)展對行業(yè)構(gòu)成了不錯的挑戰(zhàn)，涉及諸如可擴展性，網(wǎng)絡(luò)安全性，能源管理，網(wǎng)絡(luò)監(jiān)控等問題。幾種人工智能工具可以應(yīng)用于解決目前的許多ICT挑戰(zhàn)。本文介紹人工智能（AI）技術(shù)在兩個主要問題類別中的實際應(yīng)用：物聯(lián)網(wǎng)的人工智能和用于管理傳統(tǒng)電信網(wǎng)絡(luò)中的故障和安全問題的AI技術(shù)。因此，我們將介紹我們的研究工作，將AI應(yīng)用于不同的領(lǐng)域，描述當(dāng)前最先進的技術(shù)，實施的解決方案以及主要的實驗結(jié)果。本章將展示在各種領(lǐng)域為ICT解決方案添加智能層所取得的各種益處。

人工智能；物聯(lián)網(wǎng)；電信網(wǎng)絡(luò)；機器學(xué)習(xí)

引言

本章介紹用于創(chuàng)建網(wǎng)絡(luò)智能的人工智能技術(shù)，介紹網(wǎng)絡(luò)解決方案以利用人工智能帶來的好處。我們將討論不同的平臺和應(yīng)用，采用RFID技術(shù)，醫(yī)療傳感器（用于解決諸如流行病預(yù)測等問題）和機器人，討論這些系統(tǒng)帶來的主要挑戰(zhàn)。

1.AI在網(wǎng)絡(luò)技術(shù)中的應(yīng)用簡介

1.1 AI在物聯(lián)網(wǎng)中的應(yīng)用

人工智能技術(shù)越來越多地被用于物聯(lián)網(wǎng)日益增長的領(lǐng)域，日常物品與之相連。這些技術(shù)可能包括啟發(fā)式搜索算法，machine learning技術(shù)，確定性或概率狀態(tài)機，知識推理系統(tǒng)，圖形理論或環(huán)境感知等。

1.2 AI在電信網(wǎng)絡(luò)中的應(yīng)用

電信網(wǎng)絡(luò)現(xiàn)在是非常復(fù)雜的系統(tǒng)。單個網(wǎng)絡(luò)路由器可能會在其上運行數(shù)百萬條軟件代碼行。另外，大量的網(wǎng)絡(luò)組件需要被管理故障和安全問題的網(wǎng)絡(luò)管理解決方案進行監(jiān)控和遠程配置。然而，故障預(yù)測正變得越來越復(fù)雜。另外，目前在傳統(tǒng)電信網(wǎng)絡(luò)上產(chǎn)生了很多報警，處理的主要問題不是缺乏信息，而是來自眾多元素的過多報警。AI技術(shù)對于減少這些技術(shù)至關(guān)重要。

2.AI在流行病預(yù)測網(wǎng)絡(luò)中的應(yīng)用

2.1 技術(shù)前沿

疾病，信息和社會支持是影響網(wǎng)絡(luò)節(jié)點的衛(wèi)生相關(guān)因素之一。AIDS出現(xiàn)后，社交網(wǎng)絡(luò)分析被證明適合感染性接觸追蹤。傳染病調(diào)查的社會網(wǎng)絡(luò)通常只是通過個人接觸來建立的，因為這些接觸是傳播疾病的最可追溯的手段。盡管如此，除了通過個人接觸以外的其他機制傳播的疾病，將地理接觸納入社會網(wǎng)絡(luò)的一種用來分析疾病傳播的方法已被證明可以揭示隱藏的聯(lián)系。

2.2 架構(gòu)實現(xiàn)

通過采用適當(dāng)?shù)臄?shù)學(xué)公式和指標(biāo)，然后評估給定流行病學(xué)專家的社會聯(lián)系網(wǎng)絡(luò)，從而評估疫情的曙光概率。這個模塊背后的想法是網(wǎng)絡(luò)性質(zhì)和應(yīng)用于流行病學(xué)的分析方法的相關(guān)性。更準(zhǔn)確地說，是等效常數(shù)與流行閾值之間的關(guān)系。實際上，按照方法學(xué)標(biāo)準(zhǔn)和可擴展性的原因，希望這個模塊能夠輕松地使用內(nèi)存并快速運行，而在可擴展性方面，它的代碼應(yīng)該比較容易閱讀和修改。另外，有必要找到一個可以獲得可行數(shù)據(jù)分析的過程。

3.AI在電信網(wǎng)絡(luò)報警預(yù)測中的應(yīng)用

3.1 技術(shù)前沿

Markovmodel是FSM的擴展，具有概率轉(zhuǎn)換。隱型markov model模型進一步擴展了馬可夫鏈模型。它用于建模簡單的隨機過程，其中我們有多個狀態(tài)，每個狀態(tài)對應(yīng)于可觀察事件。而HMM可以用作序列分類器，其中類標(biāo)簽在我們的例子中是目標(biāo)事件。ANN可以對報警序列進行分類，即使輸入數(shù)據(jù)有噪聲，也可以通過監(jiān)督訓(xùn)練用向量編碼的報警模式進行訓(xùn)練。

3.2 架構(gòu)與實現(xiàn)

關(guān)于擬議的預(yù)防性監(jiān)控系統(tǒng)架構(gòu)，分類過程有N個類，每個類都引用一個目標(biāo)事件。為此，創(chuàng)建了N個評估引擎（EE）實例。EE是為每個目標(biāo)事件創(chuàng)建的機器學(xué)習(xí)實例。我們基于Acceptor FSM實現(xiàn)它，因此EE包含知識庫中每個序列模式的一個有限狀態(tài)機。系統(tǒng)具有離線流程，負責(zé)預(yù)處理報警數(shù)據(jù)，執(zhí)行模式挖掘算法，生成學(xué)習(xí)模式的知識庫。在線流程表示使用通過知識庫模式創(chuàng)建的評估引擎對測試事件序列的評估。決策者具有選擇似然概率大于閾值的預(yù)測的作用。

4.AI用于電信網(wǎng)絡(luò)上客戶端分析的多重神經(jīng)網(wǎng)絡(luò)

網(wǎng)絡(luò)流量監(jiān)控是主動和被動管理各種維度網(wǎng)絡(luò)的重要活動，可以通過觀察數(shù)據(jù)包或流程來執(zhí)行。在科學(xué)界做出了巨大的努力，其目標(biāo)是了解交通和多樣化應(yīng)用的特點如何影響網(wǎng)絡(luò)基礎(chǔ)設(shè)施的行為。因此，測量策略以及AI技術(shù)可以為識別異常行為（例如網(wǎng)絡(luò)流量的提升或突然增加）帶來重要貢獻。

4.1 技術(shù)前沿

盡管在路由器（如CISCONetflow）中存在的工具的幫助下，監(jiān)控活動已成為主流，但仍然存在一些必須解決的問題。目前，基于測量（包或流）的交通監(jiān)控的主要障礙是鏈路容量的可伸縮性不足。那是，具有高容量的鏈路的流量監(jiān)控產(chǎn)生了大量的數(shù)據(jù)。隨著鏈路的容量和流量的增加，跨越路由器的每個流的保持計數(shù)器變得昂貴且難以執(zhí)行。

深度數(shù)據(jù)包檢測（DPI）涉及到跨網(wǎng)絡(luò)的數(shù)據(jù)包的完整分析，不僅檢查報頭，如淺包檢測（SPI）的情況，還包括其主體。

現(xiàn)代網(wǎng)絡(luò)設(shè)備使用深度包檢測來執(zhí)行復(fù)雜的服務(wù)，如檢測和防止入侵，流量整形，負載平衡，防火墻，垃圾郵件檢測和防病毒等。深度分組檢測構(gòu)成了一個強大的機制，用于執(zhí)行數(shù)據(jù)包標(biāo)準(zhǔn)的對應(yīng)關(guān)系。

4.2 架構(gòu)與實現(xiàn)

我們的解決方案不是試圖阻止P2P流量，而是針對P2P流量和其他網(wǎng)絡(luò)數(shù)據(jù)（如多媒體，游戲等）的客戶端使用情況進行分析，以便根據(jù)其消費的網(wǎng)絡(luò)資源。構(gòu)想了一種新的架構(gòu)，采用反向傳播神經(jīng)網(wǎng)絡(luò)進行用戶個人資料學(xué)習(xí)。

5.結(jié)語

AI技術(shù)作為一種計算機和互聯(lián)網(wǎng)中的新興技術(shù)，已經(jīng)在多個領(lǐng)域多個方向發(fā)揮了巨大的作用，并且將對互聯(lián)網(wǎng)和計算機技術(shù)的發(fā)展帶來深遠影響，需要對此技術(shù)進行更為深入的研究，以便相關(guān)行業(yè)更好的發(fā)展，同時造福人類社會。

[1]Arsenio,A,Serra,H,Francisco,R,Andrade,J,Serrano,E, Nabais,F.Internet of intelli-gent things—bringing artificial intelligence approaches for communication networks.In：Inter-Cooperative Collective Intelligence：Techniques and Applications,vol.495,pp.1-37.Springer（2014）

崔煜昆（1995-），男，山東省膠南人，學(xué)歷：本科，研究方向：人工智能和計算機圖形學(xué)。