最近3年，人工智能引發(fā)了一場商業(yè)革命，谷歌、微軟、百度等互聯(lián)網(wǎng)巨頭以及眾多的初創(chuàng)科技公司，紛紛加入人工智能，掀起一輪又一輪的智能化狂潮。人工智能技術(shù)已經(jīng)開始應(yīng)用在各行各業(yè)，在網(wǎng)絡(luò)和安全領(lǐng)域的研究和應(yīng)用也得到了各科技公司的重視，其應(yīng)用價值開始浮現(xiàn)。

人工智能在網(wǎng)絡(luò)領(lǐng)域的應(yīng)用

人工智能在網(wǎng)絡(luò)領(lǐng)域最重要的應(yīng)用包括智能運(yùn)維、網(wǎng)絡(luò)加速和網(wǎng)絡(luò)優(yōu)化三部分。

智能運(yùn)維

智能運(yùn)維目前是人工智能發(fā)展最好、價值最高的應(yīng)用，受到了各大公司的重視。

傳統(tǒng)的運(yùn)維方式在監(jiān)控、問題發(fā)現(xiàn)、告警以及故障處理等各個環(huán)節(jié)均存在明顯不足，需要大量依賴人的經(jīng)驗(yàn)，工作效率低下，并且在數(shù)據(jù)采集、異常診斷分析、告警事件以及故障處理的效率等方面都有待提高。人工智能結(jié)合大數(shù)據(jù)分析技術(shù)，可以在智能監(jiān)控、智能問題發(fā)現(xiàn)和預(yù)警、智能故障處理等方面最小化人為干預(yù)程度、降低人力成本，從而提高運(yùn)維管理效能。

智能監(jiān)控? 隨著企業(yè)IT系統(tǒng)規(guī)模的擴(kuò)大、運(yùn)維環(huán)境的復(fù)雜化，使得運(yùn)維人員從海量的數(shù)據(jù)中發(fā)現(xiàn)問題的難度也越來越大。智能運(yùn)維可以通過智能異常檢測、故障關(guān)聯(lián)分析、故障根因分析和智能異常預(yù)測等能力，幫助運(yùn)維人員快速定位問題、追溯故障根源，并實(shí)現(xiàn)故障的預(yù)測預(yù)警。

以智能異常檢測為例，通過歷史數(shù)據(jù)模型的異常檢測等方法并結(jié)合AI技術(shù)，能夠自動、實(shí)時、準(zhǔn)確地從監(jiān)控數(shù)據(jù)中發(fā)現(xiàn)異常，為后續(xù)故障的分析與處理提供基礎(chǔ)。

智能問題發(fā)現(xiàn)和預(yù)警? 對故障進(jìn)行根源分析是在眾多可能引起故障的因素中，追溯到導(dǎo)致故障發(fā)生的癥結(jié)所在，并找出解決方案。

利用機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)的方法可以找出不同因素之間的強(qiáng)相關(guān)關(guān)系，并利用這些關(guān)系，推斷出哪些因素是根本性的因素，幫助用戶快速診斷問題、提高故障的定位速度以及修復(fù)效率。

在告警方面，傳統(tǒng)的告警管理一般使用固定閾值并且需要運(yùn)維人員手動設(shè)置，這種方式不僅工作量巨大而且十分依賴運(yùn)維人員的經(jīng)驗(yàn)，閾值設(shè)置不當(dāng)可能導(dǎo)致告警風(fēng)暴或者告警漏報等后果。當(dāng)監(jiān)控環(huán)境發(fā)生變化時，原先的固定閾值無法滿足告警管理的要求。

而智能運(yùn)維采用動態(tài)基線告警方式，智能分析數(shù)據(jù)的動態(tài)極限，彌補(bǔ)了以往人為設(shè)置固定閾值的缺陷，智能地分析數(shù)據(jù)的發(fā)展趨勢以及數(shù)據(jù)動態(tài)極限，從而對告警做出智能的判斷，有更大靈活性和適用性。

智能故障處理? 傳統(tǒng)運(yùn)維管理中對故障的處理非常依賴運(yùn)維人員的經(jīng)驗(yàn)，但人的經(jīng)驗(yàn)無法覆蓋所有故障范圍，運(yùn)維人員經(jīng)驗(yàn)不足可能會使運(yùn)維效率低下或者產(chǎn)生錯誤決策。智能運(yùn)維將實(shí)時監(jiān)測結(jié)果或者預(yù)測結(jié)果引入智能專家決策系統(tǒng)，智能生成決策建議，根據(jù)實(shí)際結(jié)果及趨勢判斷應(yīng)采用的處理策略，從而有效減少問題排查的時間、大幅提升問題解決的效率，提升企業(yè)運(yùn)維的標(biāo)準(zhǔn)化程度。

網(wǎng)絡(luò)加速

人工智能在網(wǎng)絡(luò)加速最重要的應(yīng)用是利用強(qiáng)化學(xué)習(xí)的思想，深度參與網(wǎng)絡(luò)協(xié)議擁塞控制算法，加速各個應(yīng)用的傳輸速率，提高網(wǎng)絡(luò)的帶寬利用率和減小網(wǎng)絡(luò)時延，其典型應(yīng)用是用強(qiáng)化學(xué)習(xí)改進(jìn)TCP的網(wǎng)絡(luò)擁塞算法。TCP具有慢啟動、快恢復(fù)的特點(diǎn)，但是其快恢復(fù)是以擁塞窗口直接減半為代價，這就導(dǎo)致TCP傳輸帶寬是鋸齒形的，傳輸帶寬不穩(wěn)定。而強(qiáng)化學(xué)習(xí)則通過丟包預(yù)測自適應(yīng)地調(diào)整擁塞窗口，使擁塞窗口穩(wěn)定在一個較小的范圍內(nèi)波動，從而保證了TCP傳輸?shù)目値捄蜁r延。相關(guān)論文指出，跟傳統(tǒng)的TCP擁塞算法相比，基于強(qiáng)化學(xué)習(xí)的方法可以使傳輸?shù)膸捥岣?0%以上，端到端時延減小7%。

通過實(shí)踐可以清楚地看到，基于強(qiáng)化學(xué)習(xí)的TCP擁塞窗口非常穩(wěn)定，這也是為什么其能提高網(wǎng)絡(luò)帶寬利用率的原因。

同時，因?yàn)閾砣翱诘姆€(wěn)定，設(shè)備的隊(duì)列深度也維持在一個穩(wěn)定的水平，端到端時延也同時減少了。

網(wǎng)絡(luò)優(yōu)化

人工智能在網(wǎng)絡(luò)優(yōu)化上的應(yīng)用主要是轉(zhuǎn)發(fā)路徑優(yōu)化、資源優(yōu)化和流量優(yōu)化。

傳統(tǒng)的ECMP算法一般是基于五元組原則進(jìn)行Hash計算，在“大象流”（通過網(wǎng)絡(luò)鏈路進(jìn)行大量的，持續(xù)的傳遞數(shù)據(jù)的過程）Hash到同一個路徑的情況下，很容易引起路徑流量的不對稱，起不到流量均衡的作用，而引入人工智能技術(shù)，則可以考慮鏈路實(shí)時帶寬，動態(tài)計算每一個流的轉(zhuǎn)發(fā)路徑，從而保證在任何流量情況下均可以實(shí)現(xiàn)鏈路的流量均衡，避免了傳統(tǒng)Hash算法的不足。

國外有一些學(xué)者和專家也在研究通過強(qiáng)化學(xué)習(xí)的方法來進(jìn)行路由的計算，以替代傳統(tǒng)的路由協(xié)議（如OSPF）等。

在資源優(yōu)化方面，人工智能在無線核心網(wǎng)資源分配、無線信道利用率、轉(zhuǎn)發(fā)芯片包緩存動態(tài)調(diào)整方面均有良好的表現(xiàn)，可以有效提高資源的利用率，根據(jù)環(huán)境和壓力自動調(diào)節(jié)資源分配，以保證資源利用總是處于最佳的一個狀態(tài)。

人工智能在安全的應(yīng)用

人工智能在安全領(lǐng)域的應(yīng)用十分廣泛，并且有其獨(dú)特的價值和優(yōu)勢，比如加密流量的威脅識別問題和APT（高級持續(xù)性威脅）識別問題，傳統(tǒng)的基于規(guī)則和特征匹配的方法完全失效，必須依賴人工智能的方法來加以甄別。

同時，人工智能在欺詐檢測、惡意軟件檢測、入侵檢測、網(wǎng)絡(luò)風(fēng)險評分和用戶/機(jī)器行為分析等方面也有重要的應(yīng)用價值，人工智能在安全領(lǐng)域有兩個比較典型的應(yīng)用。

加密流量威脅檢測

目前，網(wǎng)絡(luò)上50%以上是加密流量。加密是保護(hù)隱私的一個重要手段，能夠保護(hù)我們的數(shù)據(jù)不被窺探，但同時也讓不法分子有了可乘之機(jī)，加密能夠像隱藏其他信息一樣隱藏惡意軟件，從而帶來一系列安全問題。而傳統(tǒng)DPI（深度報文檢測）需要解密原始報文，這是不可能完成的任務(wù)。而人工智能基于特征提取和行為分析的方法，可以在不解密報文的情況下，提煉出惡意軟件的特性，從而識別出有害威脅。

以HTTPS流量為例，通過提取TLS聯(lián)接的初始數(shù)據(jù)包信息、數(shù)據(jù)包長度和時間的順序、有效載荷上的字節(jié)分布等特征數(shù)據(jù)，經(jīng)過人工智能模型推理，可以檢測出加密流量中的惡意流量。

APT防攻擊檢測

APT攻擊具有不同于傳統(tǒng)網(wǎng)絡(luò)攻擊的5個顯著特征：針對性強(qiáng)、組織嚴(yán)密、持續(xù)時間長、高隱蔽性和間接攻擊，攻擊者能適應(yīng)防御者的入侵檢測能力，不斷更換和改進(jìn)入侵方法，具有較強(qiáng)的隱藏能力，攻擊入口、途徑、時間都是不確定和不可預(yù)見的，使得基于特征匹配的傳統(tǒng)檢測防御技術(shù)很難有效檢測出攻擊，必須引入新的檢測技術(shù)。

人工智能則可以在這方面發(fā)揮特有的優(yōu)勢，通過特征提取和行為分析、結(jié)合沙箱和大數(shù)據(jù)分析技術(shù)，準(zhǔn)確判定C&C異常、Web異常、隱蔽通道、郵件和流量異常檢測等，可以有效識別并阻斷勒索病毒、海蓮花、震網(wǎng)、BlackEnergy、Google Aurora等APT攻擊。

此外，借助于人工智能增強(qiáng)學(xué)習(xí)的優(yōu)勢，可以構(gòu)建并完善一套主動式安全防御系統(tǒng)。

如今的網(wǎng)絡(luò)攻擊和病毒具有易變性的特點(diǎn)，被動防御已經(jīng)不能滿足當(dāng)前網(wǎng)絡(luò)安全的要求，主動防御成為趨勢和必須，借助人工智能的學(xué)習(xí)和進(jìn)化能力，可以針對即將發(fā)生或者未知的攻擊行為，與安全策略和威脅情報有機(jī)結(jié)合，最終實(shí)現(xiàn)智慧型、主動型的安全防御系統(tǒng)。

人工智能作為當(dāng)前最熱的技術(shù)之一，其在網(wǎng)絡(luò)和安全的應(yīng)用和探索仍在進(jìn)行當(dāng)中，但網(wǎng)絡(luò)智能化和安全智能化的趨勢不可阻擋，人工智能在其中也扮演著不可或缺的角色。