?AI驅(qū)動(dòng)的基于意圖的網(wǎng)絡(luò)（IBN）正成為管理復(fù)雜網(wǎng)絡(luò)的解決方案。

如今，互聯(lián)網(wǎng)已成為我們生活中不可分割的一部分，隨著云計(jì)算的發(fā)展和對(duì)基于AI/ML的應(yīng)用程序的需求增加，對(duì)網(wǎng)絡(luò)容量的需求更是呈現(xiàn)不可阻擋的趨勢(shì)。而隨著網(wǎng)絡(luò)呈指數(shù)級(jí)擴(kuò)展，傳統(tǒng)的拓?fù)浜驮O(shè)計(jì)正在努力與現(xiàn)代IT基礎(chǔ)設(shè)施快速發(fā)展的需求保持同步。由于網(wǎng)絡(luò)基礎(chǔ)設(shè)施和鏈路的數(shù)量龐大，網(wǎng)絡(luò)管理變得越來(lái)越復(fù)雜。

在這種情況下，人工智能（AI）驅(qū)動(dòng)的基于意圖的網(wǎng)絡(luò)（intent-based networking，IBN）作為一種潛在的解決方案出現(xiàn)了，有望重塑我們的網(wǎng)絡(luò)管理方法——但它真的是解決這個(gè)問(wèn)題的有效方法嗎？讓我們深入探索其細(xì)節(jié)，以了解基于意圖的網(wǎng)絡(luò)將如何塑造網(wǎng)絡(luò)管理的未來(lái)。?

什么是基于意圖的網(wǎng)絡(luò)？

?傳統(tǒng)的基于意圖的網(wǎng)絡(luò)（IBN）是從軟件定義網(wǎng)絡(luò)（SDN）發(fā)展而來(lái)的。SDN是網(wǎng)絡(luò)自動(dòng)化中非常流行的一種方法，其中軟件定義的控制器和API與物理基礎(chǔ)設(shè)施通信。IBN是SDN的自然發(fā)展，它結(jié)合了智能、分析、機(jī)器學(xué)習(xí)和編排，實(shí)現(xiàn)了網(wǎng)絡(luò)管理的自動(dòng)化。它將高級(jí)業(yè)務(wù)意圖轉(zhuǎn)換為網(wǎng)絡(luò)策略，以配置底層網(wǎng)絡(luò)。IBN抽象底層硬件和網(wǎng)絡(luò)配置的復(fù)雜部分，允許用戶(hù)用自然語(yǔ)言表達(dá)他們想要的意圖。

人工智能驅(qū)動(dòng)的IBN將智能、分析、機(jī)器學(xué)習(xí)和編排結(jié)合在一起，以增強(qiáng)傳統(tǒng)IBN的功能。它可以更有效地將這些意圖轉(zhuǎn)換為特定的網(wǎng)絡(luò)配置和策略，以適應(yīng)不斷變化的網(wǎng)絡(luò)條件和需求。大多數(shù)現(xiàn)代的、先進(jìn)的IBN解決方案都在一定程度上包括ML和NLP，使其具備AI驅(qū)動(dòng)特性。

下面是一個(gè)AI驅(qū)動(dòng)的IBN示例：

問(wèn)題陳述：

用戶(hù)希望利用可用帶寬平衡批量數(shù)據(jù)傳輸和低延遲流量。

目的：

“為高性能計(jì)算和GPU加速數(shù)據(jù)庫(kù)查詢(xún)提供低延遲，同時(shí)支持大型數(shù)據(jù)集傳輸。”

使用AI驅(qū)動(dòng)IBN的網(wǎng)絡(luò)自動(dòng)化：

• 構(gòu)建和配置智能服務(wù)質(zhì)量（QoS）策略和設(shè)備配置，優(yōu)先考慮對(duì)延遲敏感的工作負(fù)載（而非大型數(shù)據(jù)庫(kù)查詢(xún)）的低延遲流量。
• 用高優(yōu)先級(jí)QoS標(biāo)記優(yōu)先考慮低延遲，同時(shí)允許高吞吐量傳輸利用剩余帶寬。
• 機(jī)器學(xué)習(xí)模型根據(jù)觀察到的應(yīng)用程序性能不斷調(diào)整這些策略。?

傳統(tǒng)IBN系統(tǒng)的關(guān)鍵組件

為了理解人工智能驅(qū)動(dòng)的IBN的進(jìn)步，讓我們首先來(lái)了解傳統(tǒng)IBN系統(tǒng)的關(guān)鍵組件。在傳統(tǒng)的IBN設(shè)置中，系統(tǒng)由五個(gè)主要組件組成，這些組件允許用戶(hù)與系統(tǒng)交互，并允許系統(tǒng)根據(jù)用戶(hù)意圖設(shè)計(jì)操作并在網(wǎng)絡(luò)中實(shí)現(xiàn)更改。

AI驅(qū)動(dòng)的基于意圖的網(wǎng)絡(luò)

意圖接口

它是用戶(hù)和IBN系統(tǒng)之間交互的主要點(diǎn)。網(wǎng)絡(luò)管理員和用戶(hù)可以用自然語(yǔ)言表達(dá)他們想要的網(wǎng)絡(luò)配置，消除了對(duì)復(fù)雜的CLI命令和手動(dòng)配置的依賴(lài)。在傳統(tǒng)IBN中，該接口通常依賴(lài)于預(yù)定義的模板和對(duì)用戶(hù)輸入的基于規(guī)則的解釋。

意向翻譯引擎

這是IBN的核心，通過(guò)高級(jí)算法和技術(shù)處理業(yè)務(wù)意圖，并將其轉(zhuǎn)換為可操作的網(wǎng)絡(luò)配置和策略。它在人類(lèi)可理解的意圖和機(jī)器可執(zhí)行的網(wǎng)絡(luò)配置之間架起了橋梁。傳統(tǒng)的IBN系統(tǒng)使用預(yù)先確定的算法和邏輯樹(shù)來(lái)完成這個(gè)翻譯過(guò)程。

網(wǎng)絡(luò)抽象層

這一層提供了網(wǎng)絡(luò)的統(tǒng)一視圖，抽象了網(wǎng)絡(luò)基礎(chǔ)設(shè)施和協(xié)議的底層復(fù)雜性。它使IBN系統(tǒng)能夠與異構(gòu)網(wǎng)絡(luò)基礎(chǔ)設(shè)施無(wú)縫協(xié)作。傳統(tǒng)IBN中的這種抽象通常是靜態(tài)的，可能需要手動(dòng)更新以適應(yīng)新的網(wǎng)絡(luò)元素或配置。

自動(dòng)化和編排引擎

這一層實(shí)現(xiàn)了跨網(wǎng)絡(luò)基礎(chǔ)設(shè)施的轉(zhuǎn)換意圖，并利用軟件定義的網(wǎng)絡(luò)來(lái)更新網(wǎng)絡(luò)配置和策略。在傳統(tǒng)IBN中，這種自動(dòng)化是基于預(yù)定義的腳本和工作流實(shí)現(xiàn)的。

持續(xù)驗(yàn)證和保證

這個(gè)反饋循環(huán)不斷地監(jiān)視網(wǎng)絡(luò)，以確保它遵循請(qǐng)求的意圖，并進(jìn)行必要的調(diào)整以保持最佳性能。傳統(tǒng)IBN系統(tǒng)基于設(shè)置的閾值和預(yù)定義的性能指標(biāo)執(zhí)行此驗(yàn)證。

AI在IBN中的作用

?AI與傳統(tǒng)的IBN的集成使系統(tǒng)能夠理解、處理和執(zhí)行高級(jí)意圖，而不依賴(lài)于復(fù)雜的CLI命令或手動(dòng)配置，并為網(wǎng)絡(luò)管理提供了更大的靈活性。在本節(jié)中，我們將討論AI如何增強(qiáng)IBN功能并自動(dòng)化網(wǎng)絡(luò)管理任務(wù)。

AI領(lǐng)域包括自然語(yǔ)言處理（NLP）、機(jī)器學(xué)習(xí)（ML）、計(jì)算機(jī)視覺(jué)（CV）和機(jī)器人等各個(gè)子領(lǐng)域。NLP允許系統(tǒng)理解和處理人類(lèi)語(yǔ)言，而ML允許系統(tǒng)在沒(méi)有顯式編程的情況下從數(shù)據(jù)中學(xué)習(xí)。這些和其他人工智能子領(lǐng)域相互協(xié)作，幫助我們構(gòu)建智能系統(tǒng)。

NLP和ML通過(guò)賦予系統(tǒng)理解和執(zhí)行高級(jí)意圖的能力，在AI驅(qū)動(dòng)的IBN中發(fā)揮著重要作用。?

自然語(yǔ)言處理（NLP）

NLP是網(wǎng)絡(luò)用戶(hù)與IBN系統(tǒng)之間的主要接口。NLP允許用戶(hù)用自然語(yǔ)言表達(dá)他們的意圖，并將其轉(zhuǎn)化為復(fù)雜的網(wǎng)絡(luò)配置。自然語(yǔ)言處理在IIBN中的關(guān)鍵應(yīng)用包括意圖翻譯、上下文理解和處理以及自動(dòng)生成網(wǎng)絡(luò)配置。

機(jī)器學(xué)習(xí)（ML）

?在AI驅(qū)動(dòng)的IBN中，ML算法允許我們從當(dāng)前網(wǎng)絡(luò)狀態(tài)中學(xué)習(xí)，根據(jù)拓?fù)浜途W(wǎng)絡(luò)變化預(yù)測(cè)未來(lái)的狀態(tài)，并為網(wǎng)絡(luò)優(yōu)化做出智能決策。ML在IBN中的關(guān)鍵應(yīng)用之一是流量工程，服務(wù)提供商的目標(biāo)是了解網(wǎng)絡(luò)行為，預(yù)測(cè)未來(lái)狀態(tài)，并優(yōu)化和有效地調(diào)整網(wǎng)絡(luò)容量和資源。

AI驅(qū)動(dòng)的IBN是一個(gè)集成了NLP、ML和其他人工智能子領(lǐng)域的智能系統(tǒng)，為IBN中的決策和問(wèn)題解決提供了中心框架。它支持自動(dòng)網(wǎng)絡(luò)設(shè)計(jì)、網(wǎng)絡(luò)數(shù)據(jù)分析、智能故障排除、策略實(shí)施和潛在故障場(chǎng)景預(yù)測(cè)。?

在高性能計(jì)算網(wǎng)絡(luò)中的應(yīng)用

對(duì)于提供高性能計(jì)算（HPC）環(huán)境的超大型云提供商來(lái)說(shuō)，AI驅(qū)動(dòng)的IBN是一個(gè)很有前景的解決方案，在這些環(huán)境中，對(duì)高吞吐量、低延遲、靈活性和資源優(yōu)化的要求特別嚴(yán)格。以下是AI驅(qū)動(dòng)的IBN在高性能計(jì)算網(wǎng)絡(luò)中的一些主要應(yīng)用：

動(dòng)態(tài)資源分配

在高性能計(jì)算中，AI驅(qū)動(dòng)的IBN系統(tǒng)使用Q-Learning和隨機(jī)森林算法，通過(guò)分析和預(yù)測(cè)當(dāng)前和未來(lái)的資源需求來(lái)優(yōu)化分配網(wǎng)絡(luò)資源。這些系統(tǒng)可以最大限度地利用高性能計(jì)算資源，最大限度地提高性能和網(wǎng)絡(luò)吞吐量，從而帶來(lái)靈活性和效率。

工作流優(yōu)化流量工程

AI驅(qū)動(dòng)的IBN系統(tǒng)可以持續(xù)分析當(dāng)前和未來(lái)的網(wǎng)絡(luò)狀態(tài)和需求，優(yōu)化網(wǎng)絡(luò)配置。這是通過(guò)使用時(shí)間序列預(yù)測(cè)（例如，ARIMA和Prophet）進(jìn)行流量預(yù)測(cè)和異常檢測(cè)算法來(lái)識(shí)別異常流量模式來(lái)實(shí)現(xiàn)的。網(wǎng)絡(luò)配置優(yōu)化可能涉及將流量從擁塞的主路徑轉(zhuǎn)移到輔助路徑，為數(shù)據(jù)傳輸階段找到高帶寬路徑，為分布式計(jì)算階段找到低延遲路徑。

容錯(cuò)性和彈性

IBN系統(tǒng)可以預(yù)測(cè)和模擬硬件資源的潛在故障，并采取主動(dòng)行動(dòng)來(lái)避免災(zāi)難性故障。它可以在不中斷網(wǎng)絡(luò)性能和服務(wù)的情況下對(duì)事件進(jìn)行分類(lèi)、自動(dòng)緩解和修復(fù)。為了實(shí)現(xiàn)這一點(diǎn)，IBN系統(tǒng)采用了各種算法和技術(shù)。預(yù)測(cè)性故障分析使用機(jī)器學(xué)習(xí)模型，如隨機(jī)森林或支持向量機(jī)，幫助在故障發(fā)生之前及時(shí)識(shí)別潛在的硬件缺陷。利用強(qiáng)化學(xué)習(xí)算法的自愈網(wǎng)絡(luò)在出現(xiàn)問(wèn)題時(shí)自動(dòng)重新配置網(wǎng)絡(luò)路徑。這些算法在IBN框架內(nèi)協(xié)同工作，即使在具有挑戰(zhàn)性的條件下也能保持強(qiáng)大的網(wǎng)絡(luò)性能。

AI驅(qū)動(dòng)的IBN在高性能計(jì)算網(wǎng)絡(luò)中的應(yīng)用

挑戰(zhàn)與未來(lái)方向

?獲得充足、高質(zhì)量的數(shù)據(jù)可能是公司實(shí)施AI驅(qū)動(dòng)的IBN必須克服的第一個(gè)障礙。其他主要挑戰(zhàn)體現(xiàn)在如下方面：

• 一些AI/ ML模型的黑箱性質(zhì)可能導(dǎo)致不透明的決策制定，這需要通過(guò)使這些過(guò)程透明和可理解來(lái)克服。
• 企業(yè)網(wǎng)絡(luò)在硬件、配置和協(xié)議方面復(fù)雜多樣；管理如此龐大的網(wǎng)絡(luò)基礎(chǔ)設(shè)施需要大量的計(jì)算資源和能力。
• IBN系統(tǒng)與現(xiàn)有網(wǎng)絡(luò)基礎(chǔ)設(shè)施和自動(dòng)化框架的集成。
• 隨著規(guī)模和復(fù)雜性的增加，遵循安全標(biāo)準(zhǔn)、策略和身份驗(yàn)證變得具有挑戰(zhàn)性。
• 確保IBN系統(tǒng)能夠足夠快地做出決策并實(shí)現(xiàn)更改，以滿(mǎn)足現(xiàn)代網(wǎng)絡(luò)的性能需求。

隨著AI驅(qū)動(dòng)的IBN系統(tǒng)的日趨成熟，我們可以看到網(wǎng)絡(luò)自動(dòng)化程度的提高、機(jī)器學(xué)習(xí)算法的增強(qiáng)、安全性的提高以及網(wǎng)絡(luò)管理效率的提高。然而，實(shí)現(xiàn)這一未來(lái)需要克服以上諸多挑戰(zhàn)，并解決網(wǎng)絡(luò)行業(yè)的技能差距。?

結(jié)語(yǔ)

AI驅(qū)動(dòng)的IBN代表了服務(wù)提供商如何運(yùn)營(yíng)和管理其復(fù)雜網(wǎng)絡(luò)的重大進(jìn)步。通過(guò)將AI集成到IBN中，用戶(hù)可以駕馭這種復(fù)雜性，提高操作效率，獲得實(shí)時(shí)可見(jiàn)性，并自動(dòng)化網(wǎng)絡(luò)管理，使網(wǎng)絡(luò)狀態(tài)與業(yè)務(wù)意圖同步。網(wǎng)絡(luò)化的未來(lái)在于能夠分析、解釋、處理人的意圖，通過(guò)基于意圖的網(wǎng)絡(luò)化改造網(wǎng)絡(luò)運(yùn)行，實(shí)現(xiàn)網(wǎng)絡(luò)自治的系統(tǒng)。

原文標(biāo)題：??AI-Driven Intent-Based Networking: The Future of Network Management Using AI??，?作者：Aditi Godbole