Управление сетями и сервисами без участия человека на основе машинного обучения: обзор

Экспоненциальный рост числа мобильных приложений и сервисов в последние годы стал вызовом для существующей сетевой инфраструктуры. В результате появление множества решений управления, предназначенных для реагирования на это расширение на всём сквозном сетевом тракте, повысило сложность согласованной оркестрации различных сегментов, составляющих инфраструктуру в целом. Недавно возникла концепция управления сетями и сервисами без участия человека (Zero-touch Network and Service Management, ZSM), предназначенная для автоматической оркестрации и управления сетевыми ресурсами при обеспечении требуемого пользователями качества обслуживания (Quality of Experience, QoE). Машинное обучение (Machine Learning, ML) является одной из ключевых обеспечивающих технологий, применяемых многими фреймворками ZSM для внедрения интеллектуального принятия решений в системы управления сетями. В статье представлен исчерпывающий обзор современного состояния применения методов на основе ML для повышения эффективности ZSM. С этой целью подробно рассмотрены основные соответствующие направления стандартизации, а также согласованные с ними международные проекты и исследовательские работы. Этот анализ демонстрирует стремительное развитие парадигмы ZSM. В частности, различные организации по стандартизации уже разработали эталонные архитектуры, закладывающие основы новых автоматизированных функций управления сетями и оркестрации ресурсов. В соответствии с этими достижениями разнообразные методы ML в настоящее время применяются для дальнейшего развития ZSM в таких областях, как управление многопользовательской средой, мониторинг трафика и координация архитектуры, а также в других направлениях. Вместе с тем выявлен ряд проблем, включая сложность, масштабируемость и безопасность механизмов ML; кроме того, предложены перспективные направления исследований для обеспечения устойчивого развития экосистемы ZSM.