CN109787788A - 一种构建基于人工智能的网络的方法 - Google Patents

Abstract

本申请提供了一种构建基于人工智能的网络的方法，该方法包括：配置智能网络，所述网络包括：智能平面、代理平面和业务平面；其中，所述智能平面为智能网络的核心，包括基本层、核心层、平台层、应用层与终端层以及方案层；所述代理平面由多个代理组成，每个代理由用户界面模块、学习模块、任务技术模块、操作系统接口模块、执行模块、知识库和中央控制模块构成；所述业务平面包括网络、服务，以及网络管理员和最终用户提供的智能服务系统，负责执行智能平面和通信网络及其运行支持的系统、服务支持系统组成的服务；所述业务平面中的每个设备均附有DPI探头。该方法能够有效实现基于人工智能的网络的建立。

Description

一种构建基于人工智能的网络的方法

技术领域

本发明涉及通信技术领域，特别涉及一种构建基于人工智能的网络的方法。

背景技术

最近几年，随着云计算、大数据和深度学习等技术的发展，人工智能产业化进程发展越来越快。自从2016年AlphaGo战胜李世石之后，人工智能更是收到了极大的关注，并被引入到很多领域。作为一种革命性力量，人工智能已经在这些领域取得了令人瞩目的成绩。

通信领域作为信息通信技术重度应用的领域，用户需求个性化、业务多媒体化、管理精准化趋势越来越明显，网络安全问题越来越重要。随着人工智能在学习、理解、推理、执行等方面的优势逐渐显现，软件定义网络(SDN)与网络功能虚拟化(NFV)技术开始逐渐产业化，深度包检测(DPI)与业务感知网络(SWN)技术陆续成熟，这使得通信网络与业务的智能化成为可能。而且，运营商也有意愿通过人工智能来降低支出和运营费用。

随着用户数量的增加和通信网络规模的不断扩大，企业和个人用户的偏好、习惯和信息需求的差异逐渐显露出来。运营企业需要为特定企业提供的专门定制的网络和服务。将来，每个用户将会有一个专门的服务包，甚至是一个专门的网络。没有智慧的管理工具，这种复杂的要求是难以想象的。

随着Web2.0时代的到来，互联网用户已经不仅是信息消费者，同时还是信息生产者，并且正在生产越来越多的多媒体信息。用户生成的内容使得互联网流量以令人难以置信的速度增长。这种情况下，对于网络数据存储和传输都是一个很大的挑战。人工智能的引入，使我们有能力迎接这一挑战。

智能手机的使用，使得今天的通信网络(尤其是无线网络)流量管理模型比以往更加复杂，不可避免地需要我们从更多的维度和更细的粒度去考虑问题。而网络功能虚拟化、软件定义网络等技术的发展，使得功能网络的精细化管理成为可能。虚拟化不仅仅可以在网元级实现，还可以在组件级实现，如CPU、内存、端口、带宽等。基于人工智能的技术也允许运营商在为每个用户按需建立网络的同时，达到节约能源等目的。

随着业务需求的不断扩大，用户数量的不断增长，网络流量的波峰与波谷之间的差距越来越大。这样的话，需要运营商更精确地预知网络的未来状态，以满足用户需求，提升用户体验质量。

现在的网络已经越来越异构化了。尤其是用户使用的无线网络终端，经常是2G、3G、4G、Wi-Fi和物联网终端都可能会有，而在不远的将来5G还将会给网络形态带来重大调整。网络设备和用户终端的增加，以及网络复杂性的增加，要想得到用户能够接受的服务质量，网络的运行、管理和维护已经非常困难。除了通过增加网络设备提高网络容量之外，运营商也希望能够借助智能化的工具和技术来提高网络性能。这就需要在网络和管理中引入更多的智能元素，来满足用户需求、提高利润、降低运营成本、提高网络性能。

安全事件越来越严重。这些事件导致了包括断网、经济损失等在内的巨大损失。通过在各级网络中引入人工智能，可以建立起强大的安全保护和基于机器学习的行为分析能力，从而显着提高网络在攻击检测、数据自动分析以及孤立行为之间关系的识别等方面的能力。

AI正在持续快速发展。在通信行业中，无论是网络运营商、设备制造商还是解决方案提供商等，都希望利用人工智能来协助他们提高在通信网络和服务的设计、运营、维护和管理等相关领域的能力。

运营商需要智能决策来对复网络杂的资源和动态流量进行管理。然而到目前为止，还没有任何一个网络模型能够精准描绘网络流量特征。幸运的是，现在人工智能已经开始进入到认知时代，其可用性也已经得到证实。通过深度学习，机器系统能够利用已有的训练数据通过数据挖掘来处理海量数据。这样，人工智能系统就可以自动学习到数据流量、网络与业务管理、控制以及其他网络特征，掌握网络运维和管理的专家经验，从而可以提高分析准确性，并进一步实现网络与服务的智能化管理。

由于网络系统是动态变化的，资源的状态信息在发送到网络管理系统时可能已经发生了变化。因此，网络管理者只能知道网络的本地状态信息而根本不了解系统内部状态。人工智能不需要准确描述系统的数学模型，恰好能够具有处理这种模糊逻辑和不确定性推理的能力。为了使分类或预测更容易，可以利用深度学习构建多隐层模型，并使用分层网络结构将样本的特征表示逐层转换到新的特征空间。

由于网络的范围和规模都在不断增长，网络结构复杂性也在快速增长，分布式和层次化已经成为网络管理中常见的话题，管理任务与控制也已经遍布整个网络。因此，我们不得不处理诸如网络节点之间的任务分布、通信与协作等问题。如果将分布式人工智能引入到网络管理之中，我们就可以通过多代理协作机制实现网络各层之间的协同管理。

随着SDN和NVF技术的发展，基于人工智能的智能网络构建是一种技术发展的趋势。

发明内容

有鉴于此，本申请提供一种构建基于人工智能的网络的方法，能够有效实现基于人工智能的网络的建立。

为解决上述技术问题，本申请的技术方案是这样实现的：

一种构建基于人工智能的网络的方法，该方法包括：

配置智能网络，所述网络包括：智能平面、代理平面和业务平面；

其中，所述智能平面为智能网络的核心，包括基本层、核心层、平台层、应用层与终端层以及方案层；

所述代理平面由多个代理组成，每个代理由用户界面模块、学习模块、任务技术模块、操作系统接口模块、执行模块、知识库和中央控制模块构成；

所述业务平面包括网络、服务，以及网络管理员和最终用户提供的智能服务系统，负责执行智能平面和通信网络及其运行支持的系统、服务支持系统组成的服务；所述业务平面中的每个设备均附有DPI探头。

由上面的技术方案可知，本申请中建立一种包括智能平面、代理平面和业务平面的智能网络，能够有效实现基于人工智能的网络的建立。，。

附图说明

图1为本申请实施例中构建基于人工智能的网络的流程示意图；

图2为本申请实施例中的智能网络的架构示意图；

图3为本申请实施例中智能平面示意图；

图4为本申请实施例中业务平面示意图；

图5为本申请实施例中SDN/NFV协同部署的智能网络示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图并举实施例，对本发明的技术方案进行详细说明。

本申请提供一种基于人工智能的网络构建方法，建立一种包括智能平面、代理平面和业务平面的智能网络，可以称之为未来智能网络(future intelligent network，FINE)，能够有效实现基于人工智能的网络的建立。

结合附图，详细说明本申请构建基于人工智能的网络的过程。

参见图1，图1为本申请实施例中构建基于人工智能的网络的流程示意图。具体步骤为：

步骤101，配置智能网络，所述网络包括：智能平面、代理平面和业务平面。

参见图2，图2为本申请实施例中的智能网络的架构示意图。图2中智能平面(Intelligence Plan)与代理平面(Agent Plan)之间通过代理接口(Agent Interface)进行通信，Agent Plan和业务平面(Business Plan)之间通过业务接口(BusinessInterface)进行通信。

参见图3，图3为本申请实施例中智能平面示意图。智能平面扮演FINE系统的大脑的角色，负责为整个FINE提供智能。因此，FINE是一个以人工智能为核心的智能网络。

图3中所述智能平面为智能网络的核心，包括基本层(Basic layer)、核心层(corelayer)、平台层(Platform layer)、应用层与终端层(Application&terminal layer)以及方案层(Solution layer)；

基本层为智能平面的数据、计算和网络提供支持。这里的数据不仅包括专家知识数据、网络基础架构数据、用户配置文件数据等静态数据，还包括业务层网络探测器收集的动态原始数据，如各种状态数据、设备类型、应用和服务。

核心层是智能平台智能算法的提供者，如集成算法、人工神经网络、深度学习、脑灵智能和群体智能。它是FINE核心的内核。

平台层为实现智能感知、机器思维、智能动作等人工智能能力与行为的智能逻辑提供了智能平台。智能感知功能可以利用核心层的理论和算法，并处理计算资源支持的基础层的大数据，从而了解网络和服务的发展趋势。机器学习功能包括机器学习，机器思维，机器理解等。机器学习包括由深度学习，脑智力智能和群体智能等算法产生的机器学习能力。机器思维功能提供了知识映射和知识推理的能力。机器理解功能提供了基于现有知识和现象的理解能力，解决推理中的歧义问题等。

应用和终端层提供了解决方案层所需功能的模块化实现能力。这里的功能可以包括用户画像、流量控制、负载平衡、深度感知、路由、安全性、节能等。这些实现方案可以在软件或硬件中使用感知、思考和动作的能力由平台层提供。

方案层配置策略，并根据策略执行相关操作，即负责设计灵活的策略和相关活动，以满足运营或管理网络、网元、网管系统等需求。

代理平面由一系列具有自主性、社会性、响应性、主动性、合理性、学习适应性和推理能力等特征的代理组成。代理通常由用户界面模块、学习模块、任务技术模块、操作系统接口模块、执行模块、知识库和中央控制模块构成。其中，中央控制模块是代理的核心，它控制所有其他模块。

每个代理能将从网络探头获取的信息发送到智能平面的基本层，并将智能控制指令从智能平面发送到业务平面；不同代理之间能够相互通信。

即这些代理独立发挥通信的作用，将从网络探头获取的信息发送到智能平面的数据模块，并将智能控制指令从智能平面发送到业务平面。同时，这些代理也可以相互通信，形成协同合作的链接。

参见图4，图4为本申请实施例中业务平面示意图。图4中业务平面包括网络(SDN、NFV)、服务，以及为网络管理员提供的管理系统(management system)，负责执行业务支撑系统(BSS)、服务支持系统(OSS)组成，以及服务器协调器(service orchestrator)对应系统的服务；业务包括的各系统可以看做由多个部件组成，即各系统可以由实体设备组成，也可以由虚拟设备组成，所述业务平面中的每个部件均附有DPI探头。

DPI探头是FINE的传感器和执行器。首先，它感知到其附着对象的状态，收集其附着对象的所有有用信息，并通过代理将信息发送到AI平面。其次，它执行来自于智能平面指令以及探针本身推理出来的必要行动。

所述服务对应的服务部件包括管理系统、通信网络、用户服务系统和基础设施；

其中，所述管理系统包括运营支撑系统、业务支撑系统、网络管理系统(NMS)、网元管理系统(EMS)；

所述通信网络包括SDN/NFV、传统网络；

所述用户服务系统包括云计算、移动互联网、数据通信、5G；

所述基础设施包括数据中心、设备。

步骤102，通过智能平面、代理平面和业务平面的交互实现通信。

典型的SDN框架由基础层、控制层和应用层三层组成。基础层包括可以提供网络流量的网元，它们既是SDN控制器控制的对象，也是网络资源的数据来源。控制层具有作为SDN网络核心组件的SDN控制器，执行控制网络业务的重要任务。应用层包括各种应用。南向接口D-CPI(数据控制器平面接口)负责在SDN控制器和网络元件之间交换数据。北行接口A-CPI(应用控制器平面接口)负责向上级应用提供信道交换，获取底层网络资源信息，并向下级网络发送数据。

SDN提供了一个良好的界面，其可编程性将人工智能引入通信网络。这是SDN最大的优势。SDN使用应用程序编程接口向网络设备发送强大的编程指令。使用人工智能，网络管理员不仅可以进行自动化智能业务编排，还可以利用人工智能对网络策略进行优化，并自动将其编译成任务脚本，然后通过应用程序编程接口(API)将其分配到网络分配任务中。网络管理员还可以自动收集网络统计信息，为连续网络优化打下坚实的基础。如果需要，还可以通过SDN应用程序智能地为网络环境添加一些新功能。

利用虚拟化技术，网络功能虚拟化(NFV)可以切分网络级功能和应用，如路由、客户端设备(CPE)、移动核心、IP多媒体子系统(IMS)、内容传送网络(CDN)交换元件、移动网络节点、家庭路由操作、机顶盒业务、隧道网关元件、流量分析、服务保证、服务水平协议(SLA)监控、测试和诊断、下一代网络(NGN)信号、聚合和网络范围功能、应用优化、安全策略等分为几个功能块，并分别以软件模式运行。这意味着它们不再局限于硬件架构。

典型的NFV参考架构包括完整基础设施层、资源管理层和业务流程编排层三层。NFV帮助业务开发商和电信运营商通过在基础设施层部署虚拟机管理程序来实现虚拟网络功能，以虚拟化基础设施资源，如商业通用计算，存储和网络资源等。资源管理层负责NFV基础设施的管理、配置和协作。业务流程编排层是网络运行的NFV网络功能的关键部分，它用于组织和编排NFV网络的功能，并负责管理和监控数据中心或资源池中的全球资源。通过网络功能的虚拟化，NFV可以实现与底层架构分离的按需动态网络配置。随着关键问题的解决，AI可以在关键的网络管理中发挥其全面的作用。

要掌握通信网络的实时信息，网络必须具有主动上传的功能。目前已经有很多深度报文检测(DPI)系统利用探针来网络流量数据信息，还可以进一步收集网络设备运行状况、资源使用情况、服务质量等信息。

通过从DPI系统获得的大量数据，AI系统可以快速分析并查明信息中是否存在异常。例如，如果AI系统发现突然连续有大流量爆发情况，则可以怀疑网络中的分布式拒绝服务(DDoS)攻击，并立即分析软件包特性，然后协调探针协作任务，将具有同类特征的所有软件包丢弃，从而最大限度地避免对其他网络业务造成损失。如果出现未知的黑客攻击或新的病毒泛滥，还可能会在安全数据库中写入新的记录。

参见图5，图5为本申请实施例中SDN/NFV协同部署的智能网络示意图。图5中的网络节点可以是真实网元，也可以是虚拟网元。

具体实现时，将人工智能引入到此网络中，我们可以在其中的每个组件上部署DPI。DPI收集的所有信息都将发送到智能平面基础层的大数据模块。智能感知模块进行数据挖掘，以查找数据集变化之后的特征。然后，机器思维模块通过核心层的算法和解决方案层的智能策略协调器模块来执行“推理和理解”，并给出判断。之后，智能控制模块作出决定，并通过代理平面向控制平面提供指令。当控制平面上的控制器接收到发送给它们的指令时，它们将在相关节点上执行它们。

综上所述，本申请通过建立一种包括智能平面、代理平面和业务平面的智能网络，能够有效建立基于人工智能的网络。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (6)

1.一种构建基于人工智能的网络的方法，其特征在于，该方法包括：

配置智能网络，所述网络包括：智能平面、代理平面和业务平面；

其中，所述智能平面为智能网络的核心，包括基本层、核心层、平台层、应用层与终端层以及方案层；

所述代理平面由多个代理组成，每个代理由用户界面模块、学习模块、任务技术模块、操作系统接口模块、执行模块、知识库和中央控制模块构成；

所述业务平面包括网络、服务，以及网络管理员和最终用户提供的智能服务系统，负责执行智能平面和通信网络及其运行支持的系统、服务支持系统组成的服务；所述业务平面中的每个设备均附有DPI探头。

2.根据权利要求1所述的方法，其特征在于，

所述基本层为智能平面的数据、计算和网络提供支持；

所述核心层是智能平面的智能算法的提供者；

所述平台层为实现人工智能能力与行为的智能逻辑提供了智能平台；

所述应用层与终端层提供解决方案层所需功能的模块化实现能力；

所述方案层配置策略，并根据策略执行相关操作。

3.根据权利要求1所述的方法，其特征在于，

所述中央控制模块是代理的核心，控制所有其他模块。

4.根据权利要求3所述的方法，其特征在于，

每个代理能将从网络探头获取的信息发送到智能平面的基本层，并将智能控制指令从智能平面发送到业务平面；

不同代理之间能够相互通信。

5.根据权利要求1所述的方法，其特征在于，

DPI探头是智能网络的传感器和执行器。

6.根据权利要求1所述的方法，其特征在于，

所述服务对应的服务部件包括管理系统、通信网络、用户服务系统和基础设施；

其中，所述管理系统包括运营支撑系统OSS、业务支撑系统BSS、网络管理系统NMS、网元管理系统EMS；

所述通信网络包括SDN/NFV、传统网络；

所述用户服务系统包括云计算、移动互联网、数据通信、5G；

所述基础设施包括数据中心、设备。