LinuxParty

NUESTRO SITIO necesita la publicidad para costear hosting y el dominio. Por favor considera deshabilitar tu AdBlock en nuestro sitio. También puedes hacernos una donación entrando en linuxparty.es, en la columna de la derecha.
Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

Una red adaptable de autodefensa es la red de próxima generación que se defiende de las brechas de seguridad. Es un sistema que conoce y reconoce el nivel de amenaza que enfrenta una intrusión a través de una red. Utiliza un nuevo método de aprendizaje automático para rastrear amenazas, que pueden incluir ransomware, secuestradores de código, intrusión y entrada ilegal, robo y uso no autorizado. Dicha red utiliza un conjunto de módulos que se pueden agregar o quitar para operar y lograr objetivos específicos. Puede cambiar su comportamiento modificando los dispositivos de red.

Las redes adaptables con IA se utilizan para el aprovisionamiento de servicios automatizado. Aquí, los proveedores de red automatizan los procesos del ciclo de vida del servicio manual. Estos procesos se automatizan mediante redes ópticas y de paquetes. Las redes ópticas y de paquetes se construyen utilizando una plataforma automatizada basada en redes definidas por software, que se basa en múltiples capas y proveedores y adopta procesos DevOps. Por ejemplo, un proveedor de red puede automatizar la entrega de sus planes y servicios de longitud de onda, y puede automatizar para extender esta plataforma a otros servicios utilizando un enfoque por fases.

La garantía de red proactiva es otra área en la que se pueden utilizar redes adaptativas basadas en IA. Los proveedores de la red deben identificar y corregir tantos problemas de red como puedan prever y predecir. Esto ayuda a aumentar la confiabilidad de la red y la entrega con SLA específicos. Las plataformas adaptativas basadas en inteligencia artificial mejoran la experiencia del cliente, ya que tienen características relacionadas con el mantenimiento preventivo de la red en las redes ópticas, Ethernet e IP de área amplia (WAN). Las plataformas automatizadas basadas en IA tienen capacidades de predicción del estado de la red. En la misma línea, el análisis basado en el aprendizaje automático puede predecir la probabilidad de falla de un nodo de red en un período de tiempo determinado.

"Podríamos utilizar la inteligencia artificial para ayudarnos a brindar una mejor ayuda a los operadores con los recursos de la red".
—Luis Jorge Romero, director general, ETSI

Las redes adaptativas basadas en IA pueden ayudar en el análisis y la optimización de la capacidad de la fibra. La adaptación basada en políticas de la capacidad de canal y longitud de onda mejora la eficiencia y la planificación adaptativa de las redes ópticas. Los proveedores pueden predecir la variabilidad de la señal combinando datos de telemetría de red en tiempo real y pronóstico de tráfico con análisis predictivos basados ​​en IA. Esto ayuda a mejorar la utilización del margen del sistema y reduce el costo por bit.

Infraestructura definida por
IA La infraestructura definida por IA (AIDI) puede gestionar las tareas de planificación, construcción, ejecución y mantenimiento. En las tareas de planificación, AIDI se utiliza para analizar las tendencias de la demanda y predecir los requisitos de infraestructura para planificar adecuadamente. Esto asegura que la infraestructura esté de acuerdo con los requisitos.

En la creación de tareas, los recursos necesarios se pueden implementar según los requisitos de carga de trabajo. Los recursos se pueden desasignar cuando no es necesario. Los componentes de la infraestructura se pueden configurar fácilmente. En las tareas de funcionamiento y mantenimiento, AIDI se puede utilizar para analizar los patrones de datos. Estos patrones ayudan a indicar el comportamiento del sistema que, a su vez, ayuda a hacer un modelo del sistema. El entrenamiento basado en IA ayuda a construir este modelo con parámetros de calidad como disponibilidad, escalabilidad y almacenamiento.

Las anomalías en la red pueden ser identificadas por la plataforma basada en AIDI. Estos incluyen detección de intrusiones, puntos de fraude, puntos de falla y abuso y falla de la infraestructura. La plataforma puede detectar la amenaza y actuar para rectificar y solucionar el problema. Tiene características para reaccionar o actuar de forma proactiva en función de uno o un grupo de componentes de la infraestructura. Los errores se pueden corregir por completo mediante acciones autónomas. AIDI ayuda a reducir el costo de la infraestructura de TI utilizando los componentes más óptimos.

"La IA está reinventando las operaciones de red".
—Bradley Mead, director de servicios gestionados de red, Ericsson

Desafíos en las redes existentes
IA se puede utilizar para lograr el objetivo tan deseado de la automatización de un extremo a otro, que puede eliminar a los humanos de la ecuación. Los proveedores de red quieren que sus redes y operaciones se vuelvan adaptables. Esto es para responder a un panorama competitivo y cambiante y a las demandas de los consumidores.

Estas demandas requieren una combinación coherente de procesos operativos automatizados supervisados ​​y controlados por humanos. También pueden necesitar inteligencia impulsada por análisis y una infraestructura programable.

La evolución hacia la adopción de 5G e IoT está ejerciendo una presión enorme sobre las redes actuales. Es necesario aumentar la capacidad en órdenes de magnitud. En un frente relacionado, las redes deben tener la capacidad de responder a la imprevisibilidad en los patrones de tráfico. La red óptica, que está en el corazón de las comunicaciones, ayuda a interconectar personas, centros de datos y dispositivos en la red.

La red debe satisfacer las demandas actuales Los
operadores de red enfrentan desafíos para manejar las demandas de ancho de banda en la actualidad. Lo hacen implementando, administrando y ahorrando hardware diferente. Utilizan soluciones de coste optimizado según aplicaciones específicas. Los operadores seleccionan el hardware basándose en los datos de caracterización de fibra más acertados. La falta de visibilidad y eficiencia de la red los está obligando a operar a una capacidad subóptima. Esto conduce a una pérdida de ingresos, lo que genera costosas estructuras de red.

Redes
adaptables Las plataformas de red adaptables basadas en IA tienen tres componentes importantes: control de software, infraestructura programable e inteligencia impulsada por análisis. El control de software forma la base de las operaciones adaptativas, que se apoya en la creación e implementación automatizadas de servicios de red. Estos servicios de red se implementan para escala y velocidad utilizando redes definidas por software, virtualización de funciones de red y API abiertas.

La infraestructura programable es una red híbrida de generación futura. Comprende redes físicas abiertas, definidas por software y habilitadas para la red y funciones de red virtual nativas de la nube. Proporciona telemetría avanzada que proporciona datos en tiempo real sobre el estado de la red. La infraestructura programable brinda la capacidad de adaptarse a las necesidades cambiantes de capacidad.

La inteligencia impulsada por análisis permite la automatización inteligente. Se puede lograr a través de la gestión de políticas, motores de reglas, inteligencia artificial, aprendizaje automático y telemetría. Necesita un repositorio de almacenamiento robusto, que registre, procese y agregue flujos de datos sin procesar y de gran escala históricos y en tiempo real. Los flujos de datos, como los archivos de registro y los datos de telemetría, se registran en el repositorio. Los datos sin procesar se procesan, normalizan y utilizan para modelos de datos avanzados y algoritmos de análisis. Estos algoritmos se utilizan para generar información procesable.

La tecnología, a través de la automatización y la inteligencia artificial, es definitivamente una de las fuentes más disruptivas.
"- Alain Dehaze, director ejecutivo de The Adecco Group"

Los proveedores de red aplican diferentes tipos de técnicas de aprendizaje automático, que se basan en los casos de uso operativo y los beneficios. Las técnicas utilizadas son aprendizaje supervisado, aprendizaje reforzado y aprendizaje no supervisado. Los algoritmos supervisados ​​basados ​​en el aprendizaje automático están entrenados para identificar patrones como la degradación del rendimiento de la red. También se pueden utilizar para predecir un resultado, como una falla en el puerto, y desencadenar acciones de reparación, como ajustar automáticamente el ancho de banda de la red y agregar nueva capacidad. Esta técnica se usa comúnmente y es adecuada para casos de uso en los que se conocen datos y resultados históricos. El aprendizaje reforzado implica la calibración continua de estos algoritmos en función de la retroalimentación previa sobre las acciones. Los algoritmos de aprendizaje no supervisados ​​utilizan técnicas de agrupación y agrupamiento para organizar los datos.Esto ayuda a comprender las estructuras y permite el descubrimiento de patrones. Estos patrones están relacionados con escenarios previamente desconocidos e inadvertidos, como la identificación de nuevos usuarios, el comportamiento y los perfiles del tráfico del servicio, y se utilizan para mejorar la previsión en la planificación de la red.

Redes adaptativas
autoconscientes y autodefensas Un sistema de red adaptable autoconsciente y autodefensivo es un sistema inteligente basado en agentes que rastrea la actividad, la información y las acciones de la red. Los datos centrados en la actividad de la red se utilizan para reconocer y combatir diversas formas de amenazas cibernéticas.

La arquitectura del agente inteligente está diseñada de tal manera que conoce y reconoce el nivel de amenaza que enfrenta un nodo en una red. Para identificar y separar los riesgos de seguridad cibernética, la arquitectura de red adaptativa emplea métodos de aprendizaje automático para rastrear la red. Las amenazas de seguridad conocidas incluyen ransomware, secuestradores de código, intrusión y entrada ilegal, piratería y uso no autorizado. Esto requiere la autoconciencia, la autoprotección y la adaptación de todas las propiedades a cualquier peligro externo o interno. Este enfoque elimina la posibilidad de ataques de día cero. Esto se debe a que la red puede observar acciones e información de paquetes anómalas. El dispositivo de autoaprendizaje de red adaptable aprende mediante el uso y se vuelve inteligente con el tiempo.

"La inteligencia artificial es la nueva electricidad".
—Andrew Ng, fundador y director ejecutivo de Landing AI

El sistema de red adaptativo autoconsciente y autodefensivo comprende las acciones y la calidad de cada paquete. Estas acciones y contenido se utilizan para evaluar si la tendencia es predecible o anómala. Esta red adaptativa y asociativa detecta bytes crecientes en la asociación del sistema. Es capaz de identificar tendencias en amenazas conocidas y puede detectar tendencias anómalas. Los patrones anómalos identificados pueden estar asociados con un ataque de día cero, un uso no compatible de la red o un sabotaje.

Para demostrar una red de autoaprendizaje eficiente, estamos analizando la red neuronal individual del neocórtex. Un sistema inteligente, influenciado científicamente, actúa como el cerebro humano, que aprende de forma autónoma en el momento del estímulo reconociendo patrones. La red adaptativa, como el cerebro humano, almacena cada secuencia de bytes especial. Los valores, como la fecha del estímulo, la ubicación de la estimulación, el formato del patrón, la carga útil del paquete y el direccionamiento, se conservan cada vez que se observa el patrón. El modelo de datos almacenado tiene una representación n-dimensional del valor semiótico de cada patrón.

Redes basadas en intenciones Las redes basadas en
intenciones se utilizan para identificar las tendencias relacionadas con el negocio y cerrar la brecha entre la empresa y la TI. Las ventajas de las redes basadas en un propósito están vinculadas al potencial de simplificar de manera inteligente la administración y la orquestación de la red. Estos reflejan un conjunto de soluciones que es la confluencia de tecnologías clave como el aprendizaje automático, la inteligencia artificial, las redes definidas por software y las tecnologías de IoT.

“Estamos entrando en un mundo nuevo. Las tecnologías de aprendizaje automático, reconocimiento de voz y comprensión del lenguaje natural están alcanzando un nexo de capacidad. El resultado final es que pronto tendremos asistentes con inteligencia artificial que nos ayudarán en todos los aspectos de nuestras vidas ".
- Amy Stapleton, cofundadora de Chatables.

El nuevo sistema de infraestructura de red se denomina gestión de red cognitiva. Los operadores de red utilizan sistemas de red autoorganizados probados para implementar y ejecutar redes. Combinada con redes definidas por software y análisis avanzado, la inteligencia artificial lleva la actividad cognitiva automatizada y la gestión de la red al siguiente nivel. La combinación de aprendizaje automático, redes definidas por software e innovaciones en análisis de datos conducirá rápidamente a un rendimiento temprano y completo en las redes celulares. Los beneficios económicos y sociales futuros se pueden lograr a través de la autoconciencia, la autoconfiguración, la autooptimización, la autocuración y la autoprotección en las redes.

Pin It

Escribir un comentario


Código de seguridad
Refescar



Redes:



 

Suscribete / Newsletter

Suscribete a nuestras Newsletter y periódicamente recibirás un resumen de las noticias publicadas.

Donar a LinuxParty

Probablemente te niegues, pero.. ¿Podrías ayudarnos con una donación?


Tutorial de Linux

Filtro por Categorías

Usamos cookies propias y de terceros para mejorar la navegación y tareas analíticas. Al continuar navegando entendemos que aceptas nuestra política de cookies. Ver política