人工智能與安全

Bizo認(rèn)為，人工智能和機(jī)器學(xué)習(xí)“可以通過(guò)對(duì)事件進(jìn)行快速分類(lèi)和聚類(lèi)來(lái)簡(jiǎn)化事件處理（事件響應(yīng)），從而識(shí)別出重要事件并將其與噪聲分離開(kāi)來(lái)。更快的根本原因分析有助于操作員做出明智的決定并采取行動(dòng)。”

人工智能在實(shí)時(shí)入侵檢測(cè)中特別有用，Schulz補(bǔ)充道。基于人工智能的系統(tǒng)可以檢測(cè)、阻止和隔離威脅，然后可以回去進(jìn)行法醫(yī)調(diào)查，以確定到底發(fā)生了什么，黑客能夠利用哪些漏洞。

在安全操作中心（SOC）工作的安全專(zhuān)業(yè)人員經(jīng)常會(huì)收到過(guò)多的警報(bào)，但基于人工智能的系統(tǒng)可以?huà)呙璐罅康倪b測(cè)數(shù)據(jù)和日志信息，從而清除日常任務(wù)，從而使安全專(zhuān)家能夠騰出時(shí)間來(lái)處理更深層次的調(diào)查。

基于人工智能的工作負(fù)載優(yōu)化

在應(yīng)用程序?qū)樱珹I有可能自動(dòng)將工作負(fù)載移動(dòng)到適當(dāng)?shù)闹�陸點(diǎn)，無(wú)論是在內(nèi)部部署還是在云端。”AI／ML將來(lái)應(yīng)該根據(jù)性能、成本、治理、安全、風(fēng)險(xiǎn)和可持續(xù)性的眾多規(guī)范，實(shí)時(shí)決定在哪里放置工作負(fù)載。

例如，工作負(fù)載可以自動(dòng)移動(dòng)到最省電的服務(wù)器，同時(shí)確保服務(wù)器以最高效率運(yùn)行，即70－80％的利用率。Bizo說(shuō)，人工智能系統(tǒng)可以將性能數(shù)據(jù)整合到等式中，因此對(duì)時(shí)間敏感的應(yīng)用程序在高效服務(wù)器上運(yùn)行，同時(shí)確保不需要快速執(zhí)行的應(yīng)用程序不會(huì)消耗過(guò)多的能量。

基于人工智能的工作負(fù)載優(yōu)化引起了麻省理工學(xué)院研究人員的注意，他們?nèi)ツ晷�布他們開(kāi)發(fā)了一個(gè)人工智能系統(tǒng)，可以自動(dòng)學(xué)習(xí)如何在數(shù)千臺(tái)服務(wù)器上調(diào)度數(shù)據(jù)處理操作。

但是，正如Bushong所指出的，現(xiàn)實(shí)情況是，如今的工作負(fù)載優(yōu)化是像亞馬遜、谷歌和Azure這樣的超大規(guī)模公司的專(zhuān)利，而不是一般的企業(yè)數(shù)據(jù)中心。原因有很多。

實(shí)施人工智能的挑戰(zhàn)

優(yōu)化和自動(dòng)化數(shù)據(jù)中心是正在進(jìn)行的數(shù)字化改造計(jì)劃的一個(gè)組成部分。戴爾的Tabet補(bǔ)充道，“借助COVID－19，許多公司現(xiàn)在都在尋求進(jìn)一步的自動(dòng)化，推動(dòng)人工智能驅(qū)動(dòng)、能夠自我修復(fù)的‘?dāng)?shù)字?jǐn)?shù)據(jù)中心’的理念。”

谷歌在2018年宣布，已將其數(shù)個(gè)超規(guī)模數(shù)據(jù)中心的冷卻系統(tǒng)控制權(quán)轉(zhuǎn)為人工智能程序，該公司報(bào)告稱(chēng)，人工智能算法提供的建議使能源使用量減少了40％。

但是，Bizo說(shuō)，對(duì)于那些名字不是谷歌的公司來(lái)說(shuō)，在數(shù)據(jù)中心使用人工智能“在很大程度上是一種理想”。一些AI／ML特性在事件處理、基礎(chǔ)設(shè)施運(yùn)行狀況和冷卻優(yōu)化中可用。但是，AI／ML模型要取得比目前標(biāo)準(zhǔn)數(shù)據(jù)中心基礎(chǔ)設(shè)施管理（DCIM）更明顯的突破還需要更多年的時(shí)間。與自主汽車(chē)開(kāi)發(fā)非常相似，早期階段可能很有趣，但與它最終承諾的突破性經(jīng)濟(jì)／商業(yè)案例相去甚遠(yuǎn)。”

Tabet認(rèn)為，一些障礙是“需要雇傭或培訓(xùn)合適的人員來(lái)管理系統(tǒng)。另一個(gè)需要注意的問(wèn)題是數(shù)據(jù)標(biāo)準(zhǔn)和相關(guān)體系結(jié)構(gòu)的需要。”

Gartner這樣說(shuō)：“AIOps平臺(tái)成熟度、it技能和運(yùn)營(yíng)成熟度是主要的阻礙因素。高級(jí)部署面臨的其他新挑戰(zhàn)包括數(shù)據(jù)質(zhì)量和“IT基礎(chǔ)設(shè)施和運(yùn)營(yíng)團(tuán)隊(duì)”缺乏數(shù)據(jù)科學(xué)技能。

Bushong補(bǔ)充說(shuō)，最大的障礙一直是人。他指出，外雇數(shù)據(jù)科學(xué)家對(duì)許多企業(yè)來(lái)說(shuō)是一個(gè)挑戰(zhàn)，對(duì)現(xiàn)有員工的培訓(xùn)也是一個(gè)障礙。

另外，Bushong說(shuō)，員工抵制技術(shù)的歷史由來(lái)已久。他指出，軟件定義網(wǎng)絡(luò)（SDN）已經(jīng)存在了十年，但仍有四分之三以上的IT運(yùn)營(yíng)仍由CLI驅(qū)動(dòng)。

“我們必須相信，各種基礎(chǔ)設(shè)施的運(yùn)營(yíng)商準(zhǔn)備把控制權(quán)讓給人工智能，”Bushong表示。“如果一群人還不相信空管員能做出決定，那么你怎么訓(xùn)練、教育和安慰一群人，讓他們做出如此重大的轉(zhuǎn)變呢？業(yè)內(nèi)普遍的態(tài)度是，如果我這么做，我就會(huì)失業(yè)。”

這就是為什么Bushong建議企業(yè)在人工智能方面采取那些小而乏味的步驟，而不是陷入經(jīng)常圍繞一項(xiàng)新技術(shù)的炒作中。（編譯／Cassie）

＊ 千家網(wǎng)原創(chuàng)文章，轉(zhuǎn)載請(qǐng)注明作者及出處。

編輯：Y來(lái)源：千家網(wǎng)