基于大數(shù)據(jù)的人工智能技術(shù)在計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略研究

◆高盛軒 周傳生

基于大數(shù)據(jù)的人工智能技術(shù)在計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略研究

◆高盛軒 周傳生通訊

（沈陽師范大學(xué) 遼寧 110034）

隨著大數(shù)據(jù)時(shí)代來臨，科學(xué)技術(shù)不斷進(jìn)步，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)在各個(gè)領(lǐng)域占有舉足輕重的地位。然而，由于各個(gè)領(lǐng)域?qū)τ?jì)算機(jī)網(wǎng)絡(luò)的要求不斷增高，其局限性逐漸暴露，因此，將人工智能技術(shù)引入到計(jì)算機(jī)網(wǎng)絡(luò)中成為一種必然的趨勢?；诖耍疚母鶕?jù)智能故障溯源、K-means算法、Naive Bayes算法等方面對(duì)人工智能于計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略進(jìn)行了詳細(xì)剖析與研究，以此為用戶帶來更優(yōu)質(zhì)的服務(wù)。

人工智能；K-means算法；Naive Bayes算法；應(yīng)用策略

伴隨著網(wǎng)絡(luò)上產(chǎn)生的數(shù)據(jù)量激增，人工智能正逐步應(yīng)用到各個(gè)領(lǐng)域，其可以提取出海量大數(shù)據(jù)中有效的信息，提升非線性問題處理時(shí)效?，F(xiàn)階段于大數(shù)據(jù)背景下的人工智能應(yīng)用在計(jì)算機(jī)網(wǎng)絡(luò)中的優(yōu)勢還未被完全發(fā)掘，因此，我們需要采取更進(jìn)一步的深入研究。

1 研究背景

1.1 人員工作量繁重

傳統(tǒng)含義上的計(jì)算機(jī)網(wǎng)絡(luò)管理依靠管理人員使用管理軟件對(duì)網(wǎng)絡(luò)系統(tǒng)狀況實(shí)行調(diào)控，來確保網(wǎng)絡(luò)順利運(yùn)作。由于網(wǎng)絡(luò)管理工作量巨大，任務(wù)繁重，工作人員負(fù)荷較大，因此，應(yīng)用人工智能技術(shù)可以省去許多瑣碎的人工操作，普遍含義上提高了人們的生活標(biāo)準(zhǔn)以及網(wǎng)絡(luò)管理時(shí)效。

1.2 網(wǎng)絡(luò)監(jiān)督與控制困難

由于人們工作生活中產(chǎn)生的數(shù)據(jù)量不斷攀升，且數(shù)據(jù)來源復(fù)雜，因此，就傳統(tǒng)計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)而言，其網(wǎng)絡(luò)監(jiān)督效果較差、控制能力不足。人工智能面向較為復(fù)雜的計(jì)算機(jī)網(wǎng)絡(luò)結(jié)構(gòu)能夠進(jìn)行實(shí)時(shí)監(jiān)控，分析和評(píng)估，有效解決傳統(tǒng)計(jì)算機(jī)無法解決的難點(diǎn)，保障計(jì)算機(jī)網(wǎng)絡(luò)平穩(wěn)運(yùn)行。

2 大數(shù)據(jù)背景下人工智能的應(yīng)用優(yōu)勢

2.1 處理問題高效

計(jì)算機(jī)網(wǎng)絡(luò)存有大量未知、煩瑣以及模糊的數(shù)據(jù)，覆蓋著許多領(lǐng)域的內(nèi)容，以傳統(tǒng)計(jì)算機(jī)網(wǎng)絡(luò)處理這些數(shù)據(jù)將會(huì)十分困難[1]。而人工智能分析過程中使用的數(shù)據(jù)并不需要完全準(zhǔn)確，通過對(duì)人類思維模式的模擬，它能夠靈活分析和處理模糊問題。

2.2 計(jì)算成本低

如今為了滿足各領(lǐng)域日益增長的需求，數(shù)據(jù)中心運(yùn)營中產(chǎn)生的成本越來越大。人工智能采用的主要算法是控制算法，它的運(yùn)算速度較高，消耗資源較少，可以有效降低運(yùn)營時(shí)產(chǎn)生的成本。另外，人工智能的自動(dòng)化過程大大降低了人為操作的需求以及處理數(shù)據(jù)所耗時(shí)間和資源，企業(yè)節(jié)省成本的同時(shí)可以優(yōu)化企業(yè)資源管理，獲得更高的效益。

3 大數(shù)據(jù)時(shí)代下人工智能在計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)維中的應(yīng)用策略

3.1 計(jì)算機(jī)網(wǎng)絡(luò)維護(hù)

傳統(tǒng)計(jì)算機(jī)網(wǎng)絡(luò)維護(hù)處理數(shù)據(jù)效率低，周期長，質(zhì)量也難以保障，跟不上用戶的需求，我們可以把人工智能技術(shù)應(yīng)用至計(jì)算機(jī)網(wǎng)絡(luò)維護(hù)中。以人工智能為載體的計(jì)算機(jī)維護(hù)應(yīng)用領(lǐng)域十分廣泛，其中智能故障溯源技術(shù)[2]可以過濾篩選分類告警信息，提取故障特征，并根據(jù)KPI指標(biāo)，故障處理經(jīng)驗(yàn)等進(jìn)行AI學(xué)習(xí)，形成故障診斷資料庫，根據(jù)每個(gè)告警信息間的關(guān)系進(jìn)行故障溯源。具體流程如圖1所示。人工智能通過海量數(shù)據(jù)的支持，可以作為信息分配的載體，建立智能數(shù)據(jù)庫，收集用戶行為信息進(jìn)行學(xué)習(xí)和反饋，然后針對(duì)不同環(huán)境進(jìn)行預(yù)期分析，為用戶提供智能決策規(guī)范。

圖1 智能故障溯源流程

3.2 計(jì)算機(jī)網(wǎng)絡(luò)管理

鑒于智能化、信息化的普及，企業(yè)與各種機(jī)構(gòu)乃至人們的生活都愈發(fā)仰仗計(jì)算機(jī)技術(shù)，計(jì)算機(jī)網(wǎng)絡(luò)與人工智能技術(shù)高度融合可以提高數(shù)據(jù)庫的運(yùn)行效率，極大提高了網(wǎng)絡(luò)管理的效率，降低管理難度，為企業(yè)工作提供決策方向?；诖耍梢岳肒-means算法在短時(shí)間內(nèi)處理海量數(shù)據(jù)，獲取用戶行為信息，分析人們的需求以提供合理的優(yōu)化方案，提高計(jì)算機(jī)網(wǎng)絡(luò)管理水平。K-means算法在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等方向被廣泛地應(yīng)用。它是一種典型的無監(jiān)督學(xué)習(xí)算法，根據(jù)數(shù)據(jù)樣本間的相似性，將樣本分成許多不同的類別[3]。K-means算法流程如圖2所示。

圖2 K-means算法流程

一般情況下，我們用元素間的相對(duì)距離來表示不同類型變量的相異度，下面介紹幾種常用的距離計(jì)算方法。

（1）歐式距離

歐式距離即樣本和質(zhì)心在歐式空間中的幾何距離，它具有直觀和可解釋性強(qiáng)的特點(diǎn)，因此，歐式距離在日常生活中的應(yīng)用較為廣泛。歐式距離的計(jì)算公式如下：

（2）曼哈頓距離

曼哈頓距離即直角坐標(biāo)系里，兩點(diǎn)連線于坐標(biāo)軸上的投影長度，其距離計(jì)算公式為：

3.3 計(jì)算機(jī)網(wǎng)絡(luò)安全管理

在大數(shù)據(jù)普及范圍逐漸擴(kuò)大的背景下，計(jì)算機(jī)網(wǎng)絡(luò)中儲(chǔ)存著各種重要的信息，為了有效保障用戶個(gè)人信息的私密性，提升數(shù)據(jù)的安全性，可以將人工智能引入到計(jì)算機(jī)網(wǎng)絡(luò)中，強(qiáng)化計(jì)算機(jī)安全管理能力。基于Naive Bayes算法可以對(duì)垃圾郵件實(shí)現(xiàn)過濾[4]。具體流程如圖3所示。

圖3 垃圾郵件分類流程

4 結(jié)語

在大數(shù)據(jù)時(shí)代下，人工智能技術(shù)同計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)相融合可以顯著提升運(yùn)維時(shí)效，增強(qiáng)信息安全性。隨著時(shí)代的進(jìn)步，計(jì)算機(jī)網(wǎng)絡(luò)飛速發(fā)展的同時(shí)也面臨著挑戰(zhàn)，人工智能在計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)維中的運(yùn)作策略還需不斷挖掘與探索，以提升網(wǎng)絡(luò)智能化水準(zhǔn)。

[1]尹漢雄.大數(shù)據(jù)視角下的人工智能技術(shù)應(yīng)用探討[J].科技資訊，2019，17（14）：26-27.

[2]孫景.關(guān)于人工智能在通信網(wǎng)絡(luò)故障溯源的應(yīng)用研究[J].中國新通信，2019，21（12）：115.

[3]鄭舒方. K-means聚類算法在通信運(yùn)營商精準(zhǔn)營銷中的應(yīng)用研究[D].吉林大學(xué)，2019.

[4]王鹿，李志偉，朱成德，李永久.基于樸素貝葉斯算法的垃圾郵件過濾研究[J].傳感器與微系統(tǒng)，2020，39（09）：46-48+52.