网络领域的AI

F5 Newsroom Staff

随着基础设施、技术需求和威胁复杂性不断变化，网络格局正在快速演变。

混合云和多云环境已成为常态，组织纷纷在本地系统、公有云和边缘位置部署应用及API。再加上数据和互联设备激增，网络复杂性显著上升，可观测性、管理和安全保障也变得更加困难。

AI基础设施（包括高性能GPU集群）的快速增长，对网络性能和可扩展性提出了新的要求。AI工作负载会产生海量数据，同时需要低延迟和高吞吐量才能高效运行。

与此同时，恶意行为者也在利用AI发起更复杂、适应性更强的网络攻击，并借助AI驱动的机器人和自动化漏洞发现等工具，利用网络和API中的薄弱环节与盲区。

为此，组织必须采用AI驱动的网络优化，才能保持领先。AI有助于实时分析流量模式、检测异常、自动执行威胁响应，并动态调整网络配置，以优化性能和安全性。这样，组织可以更有效地管理网络复杂性、增强系统韧性，并抵御现代AI赋能的威胁。

阅读这篇博客文章，了解组织为何应在网络中部署AI，以保护日益复杂的数字环境。本文还提供了AI在网络中的用例示例，并探讨了网络中使用的AI技术类型。文章最后讨论了如何优化AI赋能的网络，以支持AI应用高效运行。

AI在网络中的优势

在网络中应用AI，可通过实时流量分析、智能路由和预测性优化，帮助提升网络性能和可靠性。AI还可通过检测异常并以比传统方法更快的速度自动响应威胁，增强安全性。采用配备自然语言界面的AI助手，可让网络运维团队使用日常语言与系统交互，无需掌握深厚的技术知识，从而简化网络任务并改善用户体验。

以下是利用AI改进数字网络的更多优势。

• 优化网络性能。智能流量管理可提高网络运行效率和适应能力。AI可持续监控所有端点的网络流量模式和使用情况，实时检测拥塞、瓶颈或次优路由。AI可据此动态重新路由流量，在服务器或数据中心之间均衡负载，并优先处理关键工作负载，从而缩短响应时间并降低延迟。这包括动态调整服务质量（QoS）和服务类别（CoS）设置，根据当前网络需求分配带宽并确定服务优先级。在路由层，AI可动态调优开放式最短路径优先（OSPF）等协议，以优化内部流量路径；还可通过智能路径选择和策略实施，调优边界网关协议（BGP），从而改善外部连接。
• 简化网络运维。通过自动执行配置、监控和故障排除等日常任务，可以减少网络运维团队的人工干预。AI可以采集并关联来自多个来源的原始数据，例如采用简单网络管理协议（SNMP）的联网设备，以及OpenTelemetry中的指标和日志数据，从而将分散的数据整合到统一的运维视图中。借助预测分析，AI可以在潜在问题发生前将其识别出来，支持主动维护并尽可能缩短停机时间，从而简化运维、提高效率并加快事件解决速度。借助AI助手，网络运维人员可以使用自然语言快速检测、排查和诊断延迟、拥塞和停机等问题。
• 改善用户体验。AI助手可以简化与复杂网络环境的交互。网络运维人员无需记忆命令或在多个界面之间切换，只需使用自然语言即可与系统交互。AI可以提供实时洞察、建议修复步骤并自动执行修复，从而加快问题解决速度，并为最终用户保持网络顺畅运行和高性能。
• 增强网络安全。实时分析网络用户行为，可以检测可能表明存在恶意活动或威胁的异常情况，例如异常访问模式或数据传输。将AI融入网络安全，有助于加快事件响应并主动检测威胁，使安全团队能够在问题升级前加以控制，从而降低安全漏洞或网络停机的风险。AI安全运营中心（AI SOC）利用AI，将传统SOC中通常由人工分析师负责的许多监控、检测、调查和响应流程自动化，从而实现更快速、更准确且更具可扩展性的安全运营。
• 成本优化。使用AI优化网络不仅关乎性能，也有助于管理成本。AI可以根据实时需求智能管理资源，减少不必要的资源使用和运营开销。例如，在服务提供商行业，AI可用于5G无线网络优化，在低流量时段自动关闭利用率较低的网络小区，并在流量增加时重新启用。此类动态扩缩容可节约能源并减轻基础设施负担，帮助电信服务提供商在保持服务质量的同时显著节省运营成本。

网络中使用的AI工具和技术

利用AI优化网络性能、实现运维自动化并增强安全性时，会采用多种AI工具和技术，包括以下几类。

• 机器学习（ML）通过分析海量数据来识别模式。采用ML技术的网络用例包括识别网络流量异常，以及从历史数据中学习，以预测拥塞或潜在故障并避免性能瓶颈。
• 大语言模型（LLM）是生成式AI的一个子集，利用海量数据集和深度学习技术生成、整合和处理文本。利用LLM的AI网络用例正在迅速增加，尤其是在自然语言与技术配置相结合的领域。这些用例包括简化网络配置并实现自动化，LLM可将自然语言输入转换为结构化配置命令或模板。其他用例包括生成代码，以及简化网络文档的创建和更新流程。
• 机器推理（MR）超越了模式识别，可在网络等复杂的动态环境中运用基于逻辑的决策方法。MR技术利用已获取的知识，对一系列可能的步骤进行建模并确定适当的行动方案，使AI系统从被动监控转向主动的智能管理。网络领域的用例包括针对拥塞问题或漏洞推荐修复策略。

AI在网络领域的应用场景

以下是利用AI提供洞察，并提升关键网络功能领域的性能、安全性和效率的主要方式：

• 网络自动化。AI用于处理配置、管理和优化等常规重复操作，以提高效率并减少人为错误。无需手动配置每台路由器或交换机，AI系统可在分布式环境中自动应用并验证配置更改。
• 预测分析与洞察。AI模型可以分析有关网络运行状况、用户行为和流量模式的海量数据，预判带宽需求和性能问题。AI可以根据历史模式和当前趋势，预测链路何时会出现拥塞，或设备何时可能发生故障。
• 性能监控。AI可以快速检测表明性能下降的模式，并提供有关问题根本原因的详细洞察，例如特定设备、接入点、交换机或路由器。AI通过识别表明潜在网络问题的模式和偏差来增强实时监控，通常能在人类操作人员发现之前识别这些问题。
• Network securityAI可以分析威胁模式，主动提供洞察，更快地识别和消除威胁，从而发现零日攻击。即使攻击采用此前未知的方法，也可以通过来自可疑地区的登录失败次数突然激增来识别凭据填充攻击。
• 智能路由和扩展。支持AI的网络可以动态平衡负载并优化资源分配，从而高效管理高流量。在使用高峰期，AI可以通过利用率较低的链路重新路由流量，或启动更多网络资源以保持性能。

利用AI赋能的网络和安全能力支持AI基础设施

随着组织采用AI基础设施来支持AI工作负载和应用，其网络环境也面临新的要求。这些工作负载需要超大带宽、低延迟和实时响应能力，远超传统网络解决方案的设计处理能力。为跟上发展步伐，现代网络必须不断演进，而运用AI优化网络性能则是顺应这一需求的自然且必要之举。

例如，利用AI改进流量管理，以支持AI工作负载所需的高容量、低延迟数据传输。AI驱动的网络系统可以监控实时流量模式、检测拥塞点，并动态调整路由和带宽分配。这可确保计算集群和数据管道实现良好性能，在最大限度提高AI数据流量吞吐量的同时降低延迟。

AI还可以自动执行智能网络分段，使网络分段与AI集群相匹配。AI基础设施通常包含专用于特定工作负载的隔离GPU集群。AI可以自动分析计算工作负载、流量模式和应用行为，然后根据工作负载需求创建或调整网络分段。AI还可以根据需求和负载均衡目标，为这些分段动态分配或重新分配GPU资源。

F5如何利用AI优化网络

F5组建了一支由AI工程师、研究人员和架构师组成的集中式团队，以在整个公司推广AI应用。

随着我们在产品中利用AI自动执行网络配置任务、提供预测分析并检测安全威胁，我们今天宣布，将各类AI助手整合为统一的F5 AI Assistant，并覆盖整个F5 Application Delivery and Security Platform (ADSP)。一致的用户体验有助于SecOps和NetOps团队更好地了解自身的安全态势，并充分利用整个平台提供的丰富信息，从而降低混合多云环境的运维复杂性。

F5 AI Assistant可自动分析和解读来自各种来源的大量日志数据和遥测数据，识别可能表明潜在问题的模式和异常，从而简化运维任务。在多云网络场景中，F5 AI Assistant可分析流量模式和系统性能指标等实时数据，快速呈现站点的整体状况，帮助诊断潜在的站点问题，并在需要时提供相关的后续操作建议。对于安全运营团队，F5 AI Assistant可筛选和分析来自F5 Web App and API Protection的HTTP请求和安全事件，识别误报，让团队能够将更多精力投入主动威胁搜寻和战略性安全规划。

此外，智能体AI作为F5 ADSP的一部分进行部署，可主动采取措施应对威胁。智能体AI功能可通过更智能地关联日志、威胁情报和实时警报来增强安全分析，并优先处理最严重威胁所对应的事件，从而减轻安全团队的警报疲劳。

此外，AI网络监控和机器学习功能也已内置于F5 multicloud networking解决方案中，可识别错误配置并优化网络性能。

了解智能体AI如何减少告警疲劳并简化威胁管理。

此外，还可访问我们的Accelerate AI网页，了解F5 AI的最新动态。

关于作者

F5 Newsroom Staff

F5 Newsroom Staff 的更多博客文章