精确诊断，减少误报
时间：2022-04-26 20:51:01 | 来源：行业动态
时间：2022-04-26 20:51:01 来源：行业动态
目前，很多网络运维系统开始逐渐融入人工智能和机器学习等技术，以减轻运维人员的工作强度，提升系统自动化运维水平。但由于人工智能和机器学习本身特性和算法成熟度带来的限制，加之很多企业在数据收集和处理环节的投入相对薄弱，导致AI算法模型相对实际业务逻辑还并不够精准，甚至出现了大量误报等情况。
对此，魏松斌解释称，要实现自动化，首先需要进行网络故障诊断和网络运营监测，判断网络是否存在问题，例如流量是否超过基准。而基准需要根据不同网络的使用目的、时间段和条件去进行变化。只有当流量超过了个性化的基准才进行预警。在个性化基准之上，将实时数据加入到人工智能模型中，才可以检测出真实存在的问题，并根据专家系统的知识库，推测出问题类型，并提供相应的解决方案，例如Cisco DNA Center中的人工智能、机器学习功能不仅能预测网络问题，还能在未出现问题时提前采取预防行动。
魏松斌还表示，如何提高AI得出结论的准确性，与经验积累有很大关系，比如和建模、训练数据的质量、数量都有很大关系。网络设备在实际运行环境中时间越长，所经历的实际案例越多，就越具备优势。对网络自动化运维来讲，每个企业所具备的实时数据和历史经验都有所不同，这就需要AI进行长期和持续性的分析学习，才能逐渐提升系统的精准度，减少误报率。
在线咨询
