人工智能對互聯(lián)網(wǎng)性能的影響

責(zé)任編輯:cres

作者:Aaron Hurst

2020-09-29 10:29:32

來源:企業(yè)網(wǎng)D1Net

原創(chuàng)

互聯(lián)網(wǎng)內(nèi)容分發(fā)網(wǎng)絡(luò)開發(fā)商Akamai公司首席技術(shù)官James Kretchmar對公司業(yè)務(wù)、人工智能對互聯(lián)網(wǎng)性能的影響以及未來的人工智能發(fā)展趨勢進(jìn)行了闡述和分析。

互聯(lián)網(wǎng)內(nèi)容分發(fā)網(wǎng)絡(luò)開發(fā)商Akamai公司首席技術(shù)官James Kretchmar對公司業(yè)務(wù)、人工智能對互聯(lián)網(wǎng)性能的影響以及未來的人工智能發(fā)展趨勢進(jìn)行了闡述和分析。
 
智能邊緣平臺Akamai的靈感產(chǎn)生于麻省理工學(xué)院Tim BernersLee教授與Akamai公司首席執(zhí)行官Tom Leighton博士的一次談話。Akamai公司首席技術(shù)官James Kretchmar解釋了這是如何產(chǎn)生互聯(lián)網(wǎng)分散模式的想法,該模式目前已部署在1500多個網(wǎng)絡(luò)中,旨在提高性能。
 
Kretchmar說,“要在網(wǎng)絡(luò)上獲得良好的性能,將來可能遇到這些困難,并且原有架構(gòu)將出現(xiàn)服務(wù)器的瓶頸和擁塞過載的情況。”因此Leighton博士和他的學(xué)生們開始研究這個問題,他們開發(fā)了解決這些問題的算法,這就是現(xiàn)在人們所知道的Akamai平臺的基礎(chǔ)。
 
這些問題的本質(zhì)是,如果企業(yè)有一個非常受歡迎的網(wǎng)站,并且全球最終用戶都試圖訪問該網(wǎng)站,則該內(nèi)容必須通過許多不同的網(wǎng)絡(luò)傳播才能到達(dá)其他國家的最終用戶,這帶來訪問緩慢的問題。
 
關(guān)于全球互聯(lián)網(wǎng)可能不明顯的一件事是這些網(wǎng)絡(luò)之間存在瓶頸,如果其網(wǎng)站內(nèi)容訪問量很大,將會對托管服務(wù)器以及周圍的網(wǎng)絡(luò)造成負(fù)擔(dān)。這就是驅(qū)動模型的原因,該模型是一個高度分布式的平臺,在該模型中,如果最終用戶請求一件內(nèi)容,他們將被發(fā)送到距離他們更近的服務(wù)器上,這避免了這些網(wǎng)絡(luò)瓶頸,從而提高了性能,并且意味著最終用戶不必全部發(fā)送到一臺集中式服務(wù)器。”
 
人工智能和機器學(xué)習(xí)的影響
 
Kretchmar對人工智能(AI)和機器學(xué)習(xí)(ML)如何影響全球互聯(lián)網(wǎng)的性能以及人工智能隨著全球互聯(lián)網(wǎng)不斷發(fā)展如何幫助網(wǎng)絡(luò)管理進(jìn)行了闡述,
 
他說:“我們使服務(wù)工作的一部分方式是實時了解全球互聯(lián)網(wǎng)的性能,并通過利用全球互聯(lián)網(wǎng)上最佳的路徑以及不斷變化的路徑來向用戶提供內(nèi)容。機器學(xué)習(xí)和類似的技術(shù)可以幫助我們弄清全球互聯(lián)網(wǎng)的結(jié)構(gòu)以及歷史和現(xiàn)在不同路徑的不同特征。
 
現(xiàn)在還有一個挑戰(zhàn),就是現(xiàn)在有太多的機器人試圖對網(wǎng)站進(jìn)行惡意攻擊。他們想竊取數(shù)據(jù)并試圖破壞登錄憑據(jù),在這種情況下,機器學(xué)習(xí)非常重要,以便弄清哪些是機器人,哪些是人類。
 
但是,現(xiàn)在的學(xué)習(xí)策略已經(jīng)變得越來越復(fù)雜,以至于這些策略實際上并不是一定要嘗試識別是否是一臺機器,而要確定是否是一個真正的人類。我們可以看看來自真實人類的交互是什么樣的情形,這可以說明很多不同的因素,例如如果是移動設(shè)備,并且他們通過手機輸入數(shù)據(jù),那么它會移動位置,也可以在桌面設(shè)備上進(jìn)行類似的檢查。”
 
5G和物聯(lián)網(wǎng)
 
展望未來十年的發(fā)展,Akamai公司首席技術(shù)官預(yù)計人工智能將被用于更好地利用新興的5G技術(shù)和物聯(lián)網(wǎng)的數(shù)據(jù)。
 
他說,“將有越來越多與互聯(lián)網(wǎng)相關(guān)的數(shù)據(jù),例如5G將有助于實現(xiàn)物聯(lián)網(wǎng),而挑戰(zhàn)將是利用不斷增長的數(shù)據(jù)來完成某些事情。例如,我們對智能路由系統(tǒng)所做的工作是從基本方法中學(xué)習(xí)數(shù)據(jù)而來,并且變得越來越復(fù)雜,但是當(dāng)我們觀察即將發(fā)生的事情時,更多網(wǎng)站采用高清視頻,以及更多需要更好網(wǎng)絡(luò)連接性的最終用戶。這將使挑戰(zhàn)變得更加復(fù)雜,因此我們將需要更智能的算法來處理數(shù)據(jù),以找出如何提供最佳性能的方法。”
 
防范威脅因素
 
Kretchmar預(yù)測的另一個與人工智能相關(guān)的趨勢涉及保護(hù)網(wǎng)站免受不斷發(fā)展的網(wǎng)絡(luò)攻擊。
 
他解釋說:“如今網(wǎng)絡(luò)的生態(tài)系統(tǒng)變得越來越復(fù)雜,其中包括不斷發(fā)展的網(wǎng)絡(luò)攻擊。惡意攻擊者一直在尋找一種更有創(chuàng)造力的、更智能的方式進(jìn)行攻擊,以嘗試?yán)迷诰€提供的系統(tǒng)或服務(wù),因此機器學(xué)習(xí)技術(shù)涉及其中。
 
我們最近推出了一款針對現(xiàn)代網(wǎng)站工作方式的產(chǎn)品,即他們通常會吸收大量第三方內(nèi)容來使網(wǎng)站正常工作,因此,如果訪問大型旅游公司或零售網(wǎng)站,他們的網(wǎng)站是通過從不同地方提取大量內(nèi)容以使其主要站點正常運作而構(gòu)建的。
 
網(wǎng)絡(luò)攻擊者所做的就是變得有創(chuàng)造力,他們將損害第三方的一些內(nèi)容,第三方將部分?jǐn)?shù)據(jù)包含在主要站點的交付中。在這里,網(wǎng)絡(luò)攻擊者可能會植入代碼,例如試圖竊取信用卡信息,而主要站點的所有者并沒有真正意識到第三方受到了威脅,并在其站點中也包含惡意代碼。
 
現(xiàn)在,我們開發(fā)的是與其對抗的一種方法,通過了解請求流并自動檢測惡意行為是否存在,從而確定該網(wǎng)站是否正在發(fā)生惡意行為。這樣一來,網(wǎng)站所有者就可以收到警報并采取適當(dāng)?shù)拇胧?rdquo;
 
版權(quán)聲明:本文為企業(yè)網(wǎng)D1Net編譯,轉(zhuǎn)載需注明出處為:企業(yè)網(wǎng)D1Net,如果不注明出處,企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。

鏈接已復(fù)制,快去分享吧

企業(yè)網(wǎng)版權(quán)所有?2010-2024 京ICP備09108050號-6京公網(wǎng)安備 11010502049343號