ktsdesign - stock.adobe.com

P
Lo básico Póngase al día con nuestro contenido introductorio.

¿Cuál es el papel del aprendizaje automático en las redes?

Las herramientas de análisis que incorporan el aprendizaje automático pueden monitorear el comportamiento de la red, resaltar anomalías y mejorar la administración y seguridad del rendimiento.

El aprendizaje automático (machine learning) es una rama de la inteligencia artificial que se enfoca en hacer que una computadora descubra cómo resolver un problema, en lugar de que los humanos le digan cómo hacerlo.

En el caso de las redes, el aprendizaje automático puede utilizarse para mejorar los análisis, la gestión y la seguridad. Pero, para comprender completamente cómo puede funcionar el aprendizaje automático en redes, es útil comprender un par de modelos de aprendizaje automático.

Las herramientas de aprendizaje automático incorporan uno o más modelos computacionales, como redes neuronales y algoritmos genéticos.

Las redes neuronales están inspiradas en el comportamiento de las neuronas biológicas. Las neuronas artificiales (software) están conectadas entre sí en capas. Cada una puede enviar señales a las neuronas en la siguiente capa a lo largo de las conexiones que se ponderan según la importancia de la entrada de una capa anterior. La recepción de señales de suficiente fuerza dispara una neurona para que envíe sus propias señales. El algoritmo de aprendizaje automático ajusta las señales enviadas y las ponderaciones de las conexiones a través de un proceso de entrenamiento.

Los algoritmos genéticos también se inspiran en la naturaleza. Los desarrolladores comienzan con varios métodos para identificar la salida correcta en función de los datos de entrada. Luego usan el aprendizaje automático para imitar lo que hace la naturaleza: eliminan las opciones menos adecuadas, mezclan y mutan a los sobrevivientes y repiten el ciclo para mejorar los resultados a lo largo del tiempo.

Las capas dentro de una red neuronal usan señales para interactuar y, finalmente, alcanzar una salida.

Aplicación del aprendizaje automático en las redes

Las herramientas analíticas basadas en el aprendizaje automático son excelentes para aprender cómo se ve el comportamiento normal de la red y para resaltar las anomalías relacionadas con ella. Esta conciencia impulsa la utilidad del aprendizaje automático en redes para tres áreas: gestión del rendimiento, gestión de la salud y seguridad.

Gestión del rendimiento. Las herramientas equipadas con aprendizaje automático pueden ayudar tanto con la gestión del tráfico momento a momento como con la planificación y la gestión de la capacidad de mayor alcance. Estas herramientas pueden ver si el tráfico está aumentando en algunos lugares o no fluye en otros, y pueden dirigir respuestas de administración automatizadas o manuales.

El análisis de rutas impulsado por el aprendizaje automático, por ejemplo, podría cambiar el tráfico de las conexiones que utilizan a un proveedor de internet que experimentó un apagón, hacia conexiones que usan un proveedor diferente. Las herramientas de administración del aprendizaje automático pueden cambiar la mitad del tráfico hacia un sistema de back-end de un centro de datos a otro basado en las condiciones del tráfico.

Las herramientas con aprendizaje automático pueden proyectar tendencias de tráfico y ayudar a guiar decisiones futuras, como en los siguientes ejemplos:

  • ¿El tráfico en el centro de datos se desplaza de un rack a otro y de una unidad de rack a otra dentro de un rack?
  • ¿El tráfico está cambiando de grandes cantidades de flujos de paquetes pequeños a números más pequeños de flujos de paquetes grandes?

Las respuestas a estas preguntas pueden ayudar a determinar qué tipos de redes diseña un equipo de TI, por ejemplo, hoja de espina (leaf-spine), malla basada en switch o malla basada en host.

Manejo de la salud. De manera similar, los análisis basados ​​en el aprendizaje automático pueden ayudar a detectar cuando un componente de la red se encuentra en las etapas iniciales de falla y predecir cuándo aparecerán esas etapas iniciales para los nodos actualmente en buen estado. Los proveedores de equipos de red están convirtiendo cada vez más los análisis de este tipo en herramientas de administración, especialmente en aquellas basadas en una oferta de software como servicio (SaaS).

Seguridad. La detección de anomalías en el comportamiento de la red puede ayudar a los equipos de ciberseguridad a encontrar todo, desde un nodo de hardware comprometido hasta un empleado que se deshace de la red de la empresa. Las técnicas de aprendizaje automático han mejorado enormemente el espacio de análisis de amenazas de comportamiento, así como la detección y remediación distribuida de denegación de servicio.

Este artículo se actualizó por última vez en marzo 2019

Profundice más

¿Qué necesita resolver?

Por favor, añada un título para su pregunta

Obtenga respuestas de un experto de TechTarget en lo que sea que necesite resolver

Usted será capaz de añadir detalles en la siguiente página

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close