通信服務(wù)提供商(CommSP)已經(jīng)在省錢并從網(wǎng)絡(luò)改造投資中獲得收益。預(yù)計(jì)隨著NFV功能在基礎(chǔ)架構(gòu)的各個(gè)元素(企業(yè)，無(wú)線電接入網(wǎng)絡(luò)，無(wú)線核心，電纜和云)中擴(kuò)展，這些好處將繼續(xù)增加。新的5G和邊緣計(jì)算用例有望帶來(lái)新的收入以及必須移動(dòng)，存儲(chǔ)，處理和分析的更多數(shù)據(jù)。

業(yè)界正在尋求人工智能(AI)和機(jī)器學(xué)習(xí)(ML)，以使CommSP解決問(wèn)題并為自己的業(yè)務(wù)運(yùn)營(yíng)和客戶釋放價(jià)值。例如，基于強(qiáng)化學(xué)習(xí)的分布式AI將在構(gòu)建自動(dòng)化和自我管理的網(wǎng)絡(luò)中發(fā)揮關(guān)鍵作用。讓我們探索一些在網(wǎng)絡(luò)中應(yīng)用AI來(lái)改善運(yùn)營(yíng)的示例，包括閉環(huán)自動(dòng)化，加密流量分析和針對(duì)5G波束成形的無(wú)線電優(yōu)化。

AI支持閉環(huán)自動(dòng)化，網(wǎng)絡(luò)優(yōu)化和TCO好處

網(wǎng)絡(luò)基礎(chǔ)設(shè)施日益復(fù)雜，再加上與下一代服務(wù)相關(guān)的低延遲和確定性，使得無(wú)法基于傳統(tǒng)網(wǎng)絡(luò)管理方法和靜態(tài)策略來(lái)部署和管理網(wǎng)絡(luò)。這些方法無(wú)法擴(kuò)展，并且會(huì)對(duì)運(yùn)營(yíng)成本產(chǎn)生重大影響。網(wǎng)絡(luò)必須是動(dòng)態(tài)和自動(dòng)化的。

AI和ML的進(jìn)步使NFV可以實(shí)現(xiàn)閉環(huán)自動(dòng)化，這對(duì)于遠(yuǎn)程監(jiān)視和管理成千上萬(wàn)個(gè)網(wǎng)絡(luò)邊緣位置以及數(shù)十億個(gè)已連接設(shè)備至關(guān)重要。當(dāng)與運(yùn)營(yíng)支持系統(tǒng)(OSS)集成時(shí)，基于AI的網(wǎng)絡(luò)監(jiān)視和預(yù)測(cè)性網(wǎng)絡(luò)分析功能將檢測(cè)網(wǎng)絡(luò)異常和故障，分析根本原因并在網(wǎng)絡(luò)中實(shí)際發(fā)生故障之前觸發(fā)故障恢復(fù)/故障轉(zhuǎn)移。自我監(jiān)視，自我管理和自我修復(fù)的網(wǎng)絡(luò)使動(dòng)態(tài)調(diào)整資源分配和功耗成為可能，從而減少了昂貴的技術(shù)人員部署。

在英特爾，我們專注于實(shí)現(xiàn)AI的閉環(huán)自動(dòng)化的三個(gè)關(guān)鍵要素– 1)平臺(tái)遙測(cè)2)訓(xùn)練有素的AI模型和3)編排以推動(dòng)實(shí)時(shí)推理。實(shí)際上，英特爾最近展示了如何使用流量預(yù)測(cè)模型來(lái)動(dòng)態(tài)控制CPU和平臺(tái)組件的電源狀態(tài)以降低功耗，這是運(yùn)營(yíng)費(fèi)用的主要來(lái)源。

加密的流量分析

Google估計(jì)，到2019年，所有Google網(wǎng)絡(luò)流量中的90%以上都是經(jīng)過(guò)加密的，而Gartner估計(jì)，到2019年，企業(yè)Web流量中的80%是經(jīng)過(guò)加密的。盡管取得了長(zhǎng)足的進(jìn)步，但惡意參與者可能會(huì)使用加密技術(shù)來(lái)逃避檢測(cè)和偽裝。惡意攻擊。如今，大多數(shù)企業(yè)無(wú)法查看加密流量并無(wú)法對(duì)惡意內(nèi)容執(zhí)行深度數(shù)據(jù)包檢查，但AI承諾提供新的防護(hù)措施來(lái)抵御這些攻擊。

通過(guò)使用遙測(cè)數(shù)據(jù)(例如數(shù)據(jù)包序列，數(shù)據(jù)包邊界，計(jì)算操作的性質(zhì)和內(nèi)存訪問(wèn)模式)填充AI模型，我們可以有效地對(duì)加密流量進(jìn)行實(shí)時(shí)入侵檢測(cè)，網(wǎng)絡(luò)隔離和預(yù)防措施。實(shí)際上，英特爾處于獨(dú)特的地位，可以幫助公司利用硬件平臺(tái)中的許多遙測(cè)數(shù)據(jù)，并將這些數(shù)據(jù)用于訓(xùn)練AI模型以進(jìn)行安全分析。

用于5G波束成形的無(wú)線電優(yōu)化

AI創(chuàng)新有望實(shí)現(xiàn)無(wú)線覆蓋和容量?jī)?yōu)化，高級(jí)流量管理，跨頻率動(dòng)態(tài)分配用戶以改善用戶體驗(yàn)，動(dòng)態(tài)無(wú)線電資源管理，波束成形配置，多無(wú)線電接入流量控制/管理，服務(wù)意識(shí)網(wǎng)絡(luò)切片的資源管理等等。

MIMO技術(shù)(多輸入多輸出)是無(wú)線網(wǎng)絡(luò)中最大的創(chuàng)新之一，它利用多個(gè)發(fā)射和接收天線擴(kuò)展了無(wú)線鏈路的容量。這項(xiàng)技術(shù)帶來(lái)了管理光束圖案和最小化功耗的挑戰(zhàn)。經(jīng)過(guò)歷史時(shí)間序列數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型可以根據(jù)設(shè)備類型，用戶位置，交通行為，干擾和其他參數(shù)來(lái)持續(xù)優(yōu)化波束方向圖。功耗是CommSP可以應(yīng)用此創(chuàng)新技術(shù)以節(jié)省大量運(yùn)營(yíng)成本的領(lǐng)域之一。與之前所述的閉環(huán)自動(dòng)化類似，網(wǎng)絡(luò)運(yùn)營(yíng)商可以根據(jù)流量模式應(yīng)用經(jīng)過(guò)訓(xùn)練的機(jī)器學(xué)習(xí)模型，

借助AI推動(dòng)基礎(chǔ)架構(gòu)，運(yùn)營(yíng)和開(kāi)發(fā)的局限性

AI和ML在改善網(wǎng)絡(luò)性能，網(wǎng)絡(luò)自動(dòng)化和安全性方面具有巨大潛力。我們正在與眾多行業(yè)生態(tài)系統(tǒng)中的合作伙伴和客戶合作，以??利用AI的力量解決許多網(wǎng)絡(luò)優(yōu)化和自動(dòng)化問(wèn)題。我邀請(qǐng)您加入這個(gè)充滿活力的社區(qū)，超越傳統(tǒng)網(wǎng)絡(luò)基礎(chǔ)架構(gòu)，運(yùn)營(yíng)和開(kāi)發(fā)的局限性，迎來(lái)以數(shù)據(jù)為中心的5G時(shí)代。