Vai trò của việc phân tích mạng lưới trong việc tiên đoán và ngăn ngừa việc thi hành công tác

Nguồn dữ liệu và các thước đo khóa

Các phân tích mạng hiệu quả phụ thuộc vào dữ liệu chất lượng cao từ nhiều nguồn. Bộ chỉ huy, bộ chuyển đổi, tường lửa, bộ cân bằng tải và bộ điều khiển không dây chạy qua các giao thức như NetFlow, SFlow, IPFIX, và SNMP. Môi trường dựa trên mây đóng góp các bản ghi từ công tắc ảo, cổng ADI và mạng giao thông. Những hệ thống phân loại quan trọng nhất bao gồm:

• Dịch vụ hỗ trợ – Giúp phát hiện sự tắc nghẽn và khả năng kiệt sức trước khi người dùng gặp sự xuống dốc chậm.
• Sự chậm trễ và hoang mang ) – chỉ thị ban đầu của các vấn đề định tuyến, bộ đệm bloat, hoặc liên kết thoái hóa.
• Sự mất mát – Điểm cho phần cứng bị lỗi, nhiễu sóng không dây, hoặc liên kết bão hoà.
• Tỷ lệ – CC lỗi, giao diện tái thiết, và bỏ tín hiệu- hiller hoặc vấn đề trình điều khiển.
• Nạp bộ nhớ và các thiết bị ) – Thiết bị quá tải là tiền tố thông thường cho các vụ sụp đổ phần mềm hoặc hiệu suất bị suy thoái.

Cách phân tích tiên đoán hữu hiệu thế nào trong việc phòng ngừa bệnh ngoài đường

Dự đoán phân tích sẽ ảnh hưởng đến dữ liệu lịch sử và máy học để xác định các mẫu trước khi thất bại.

1. Sự tổng hợp – Thu thập các lớp mạng và chuẩn hoá nó thành một định dạng thời gian.
2. Kỹ thuật sinh học ) – những tính năng có ý nghĩa như tỷ lệ thay đổi, cơ bản theo mùa, và sự xuyên lục phân giữa các mô phỏng.
3. Chương trình đào tạo – Dùng khả năng giám sát học (v. d., rừng ngẫu nhiên, tăng vọt) trên dữ liệu sự cố có nhãn, hoặc phương pháp không giám sát (v. d., tự động mã hóa, cụm) để phát hiện dị thường không có nhãn.
4. Điều chỉnh ) – Đặt đường cơ sở năng động thích ứng với mẫu giao thông (v. d., băng thông cao hơn trong giờ cao điểm).
5. thế hệ Alert – kết quả xác suất rủi ro hơn là báo động nhị phân, cho phép các đội ưu tiên các sự kiện rủi ro cao.

Mô hình học hỏi máy thường dùng

• Dự đoán thời gian ) – ARIMA, Nhà tiên tri, hoặc mạng LSTM dự đoán số lượng giao thông hoặc xu hướng độ chịu đựng tương lai.
• Phát hiện khả năng phát hiện ) – Khu Rừng Cách Mạng và Cờ Một và Lá cờ SVM vượt trội hơn hành vi không khớp với đường cơ sở lịch sử.
• Mô hình phân cấp ) – hồi quy hoặc mạng thần kinh có thể phân loại trạng thái sức khỏe (tốt, suy giảm, suy giảm, sắp thất bại).

Ứng dụng thế giới thực trong việc phòng ngừa bệnh ngoài thị trường

Phần cứng thay thế hoạt động

Bằng cách theo dõi sự phản hồi lỗi, cảm biến nhiệt độ và điện áp, phân tích có thể dự đoán khi một công tắc hoặc bộ định tuyến gần cuối cuộc sống. Ví dụ, sự gia tăng đều đặn của các lỗi CC thường tương quan với việc mất quang học hoặc bộ chuyển tiếp.

Quản lý sự kết nối

Mô hình dự đoán phân tích lượng giao thông tải qua các liên kết WN và phát hiện khi đường đi đến gần bão hoà. Hệ thống có thể khuyến cáo- hoặc tự động thực hiện chính sách kỹ thuật số như đường dẫn xe hoặc tăng tốc độ băng trong môi trường đám mây.

DDoS tấn công sự xúi giục

Những sự tăng đột biến giao thông không phải lúc nào cũng là phần cứng hỏng; chúng có thể ra hiệu cho những cuộc tấn công từ chối dịch vụ. phân tích kết hợp dữ liệu với dữ liệu về mối đe dọa có thể phân biệt giữa đám đông chớp nhoáng và tấn công, rồi kích hoạt rửa hoặc uống đen ở rìa mạng.

Phát hiện sự tách rời cấu hình

Các cấu hình sai lầm gây ra 60% các mạng bị mất mạng, theo các nghiên cứu công nghiệp. Các nền tảng phân tích so sánh các thiết bị với các mẫu vàng và độ lệch cờ có thể dẫn đến vòng lặp, lỗ an ninh, hoặc sai đối xứng VLAN.

Lợi ích không thể ngăn chặn việc bị trục xuất

Trong khi mục tiêu chính là đáng tin cậy, cùng một cơ sở hạ tầng phân tích cung cấp thêm giá trị:

• Tối ưu hóa ) – Phải- kích thước liên kết và tránh khả năng phân tích quá mức dựa trên dự đoán dự đoán dự đoán.
• Kế hoạch ) – Xác định khi nào cần thêm công tắc, nâng cấp mạch, hoặc di chuyển đến giao diện tốc độ cao hơn.
• cải thiện tư thế ) – Phát hiện vô tuyến thường cho thấy các bản quét trinh sát, chuyển động bên hoặc cố gắng lọc dữ liệu.
• Hiệu suất chính xác ) – giảm thời gian định nghĩa để sửa chữa (MTTR) bằng cách xác định những nguyên nhân gốc trước khi con người can thiệp.

Những thử thách để vượt qua

Không có giải pháp nào không có trở ngại. Tổ chức phải giải quyết:

• Tập tin và tiếng ồn – mạng hiện đại tạo ra các vật mẫu dữ liệu.
• Chính xác và dương tính sai ) – Các nhóm cảm biến nhạy cảm quá mức với các nhóm báo động; mô hình nhạy cảm bỏ lỡ lỗi chính xác. Việc huấn luyện lại liên tục là thiết yếu.
• Sự phức tạp ) – Thiết bị di sản có thể không xuất khẩu một môi trường quang phổ phong phú. Các Heterogenity cần một mặt phẳng dữ liệu thống nhất (v. g., truyền dữ liệu bằng gNMI).
• khoảng cách ) – Chuyên gia khoa học dữ liệu phải hòa trộn với kiến thức kỹ thuật mạng để đạt được kết quả có ý nghĩa.

Những thực hành tốt nhất để làm vui lòng

1. Bắt đầu với trường hợp sử dụng rõ ràng – Tập trung vào một điểm đau (v. d., ngăn chặn sự thất bại của IP) trước khi mở rộng.
2. Trong vệ sinh dữ liệu ) – Tiêu chuẩn hóa các hội nghị tên, nhãn giờ và mức độ nghiêm trọng trên khắp nhà cung cấp.
3. Dùng việc học ) – Mô hình nên thích nghi với sự thay đổi mạng (các thiết bị mới, chuyển giao) mà không cần phải đào tạo lại đầy đủ.
4. Đóng các vòng phản hồi ) – Khi cảnh báo dẫn đến hành động ngăn ngừa, ghi lại kết quả và đưa nó trở lại mô hình để cải thiện độ chính xác.
5. Để kết hợp sự phán đoán của con người – Bleboards nên trình bày lời giải thích (v.g., “Sự tương tác tăng 20% trong vòng 15 phút do BGP tăng cường khi 64512 người quyết định.

Những cuộc chiến tương lai

Các phân tích mạng vẫn tiếp tục tiến hóa.

• Sự kết hợp ) – Hợp nhất mạng với các phân tích hiệu suất và cơ sở dữ liệu để kết thúc khả năng lưu trữ.
• Học tập ) – Huấn luyện mô hình qua nhiều ranh giới tổ chức trong khi giữ dữ liệu thô ở địa phương, hữu ích cho các nhà cung cấp dịch vụ.
• Mạng dựa trên ý kiến ) – Phân tích không những dự đoán các vấn đề mà còn tự động điều chỉnh mạng để duy trì mục đích kinh doanh (v. d., “sự giao thông giọng nói đảm bảo không bao giờ vượt quá mức mức 150ms latency háules).

“ Đánh giá những người phân tích không phải là biết chắc về tương lai mà là giảm sự không chắc chắn để hành động trước khi gây ra thiệt hại. — Mạng Reliable Engist, Global 500 Telco.

Tham khảo bên ngoài

• Dịch vụ phân tích Mạng Cisco
• Khảo sát Máy học về Quản lý Mạng )
• Gartner: dự đoán năm 2021 cho các hoạt động mạng )
• Công việc làm khung an ninh ảo – Phát hiện hàm (Anomlies and eventss) )

Kết luận

Mạng đã chuyển từ khả năng phân tích tốt sang phải phòng chống dịch vụ ngoài. bằng cách chuyển đổi dữ liệu thô thành sự hiểu biết dự đoán, các tổ chức có thể can thiệp trước khi người dùng để nhận thấy một vấn đề, giảm chi phí hoạt động, và tăng cường an ninh. đường dẫn từ việc chống cháy phản ứng đến việc chống lại dữ liệu, các đội ngũ kỹ thuật, và cải tiến mô hình thời gian tăng lên, nhưng kết quả trong thời gian tăng và sự tin tưởng là đáng giá.