Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Il ruolo cruciale del machine learning nel networking

pittogramma Zerouno

Tech InDepth

Il ruolo cruciale del machine learning nel networking

Il machine learning è un abilitatore potente per costruire una rete in grado di apprendere per adattarsi e proteggersi in modo molto più rapido e autonomo e far fronte alla crescita esponenziale delle problematiche di gestione e sicurezza determinate dalla grande complessità nella quale le aziende si trovano oggi ad operare. In un incontro, organizzato da Cisco, se ne sono approfonditi alcuni aspetti

08 Mar 2019

di Patrizia Fabbri

Il collegamento in streaming con alcuni tecnologi di Cisco ci ha permesso di approfondire alcuni trend nell’evoluzione del networking dove intelligenza artificiale e machine learning giocano un ruolo determinanente. L’approfondimento è stato precedetuo da una breve introduzione di Maciej Kranz, VP, Corporate Strategic Innovation Group dell’azienda, su cosa significa per Cisco essere protagonisti di un processo di innovazione continua.

Non si innova da soli

Qual è la strategia perseguita da Cisco per sostenere un percorso di continuous innovation, il solo approccio che può oggi consentire ai vendor di tecnologia (ma non solo) di rispondere adeguatamente alle richieste del mercato? Alcuni dei numeri “snocciolati” da Kranz danno l’idea: 19.000 brevetti, 6 miliardi di dollari investiti ogni anno in R&D coinvolgendo oltre 20.000 ingegneri, oltre 200 acquisizioni (tra le quali eccellenze come appDynamics, strategica soluzione di application performance monitoring), un ecosistema di partner composto da oltre 300.000 aziende. “Ma l’innovazione non si fa da soli – aggiunge Kranz – bensì coinvolgendo startup, centri di ricerca sul territorio e, soprattutto, i clienti. Per questo abbiamo creato 12 co-innovation center (Chill – Cisco hyper-innovation labs), di cui 4 in Europa, che riuniscono clienti, sviluppatori, vendor ecc. i quali, insieme, si focalizzano sulle sfide industriali più attuali; naturalmente molte delle soluzioni che vengono sviluppate hanno al proprio interno componenti di intelligenza artificiale”.

Maciej Kranz, VP, Corporate Strategic Innovation Group di Cisco

LAI rappresenta infatti un supporto fondamentale per costruire una rete in grado di apprendere per adattarsi e proteggersi in modo molto più rapido e autonomo e far fronte alla crescita esponenziale delle problematiche di gestione e sicurezza, determinate dalla grande complessità nella quale le aziende si trovano oggi ad operare. “Fare innovazione in questo campo significa combinare un insieme di tecnologie: dall’IoT, al cloud e fog computing, così come blockchain e AI”, ricorda Kranz.

L’AI non è solo un’opportunità, ma una necessità

“Ai e machine learning rappresentano una enorme opportunità: entro il 2020 8 aziende su 10 avranno implementato o pianificato una soluzione di customer service basata su AI (fonte Oracle) ed entro il 2035, grazie alle tecnologie di AI, la produttività aumenterà del 40% (fonte Accenture)”, dice Nicola Rohrseitz, Innovative Technology Strategist, Corporate Strategic Innovation Group di Cisco, per aggiungere poi subito: “Ma per Cisco, l’AI è molto di più di un’opportunità di business, è una necessità. L’esplosione dei dati degli ultimi 5 anni è drammatica e questi dati transitano sulle reti: dobbiamo reinventare la rete, utilizzando l’AI, per far fronte a questa situazione”.

Foto di Nicola Rohrseitz
Nicola Rohrseitz, Innovative Technology Strategist, Corporate Strategic Innovation Group di Cisco

Ma andiamo nel concreto cercando di capire in quale modo Cisco porta l’AI, utilizzando algoritmi di machine learning, all’interno delle proprie soluzioni:

  • con tecniche di apprendimento supervisionato (dove all’algoritmo vengono forniti dati associati a un’informazione e, sulla base di questi dati, l’algoritmo impara a capire come deve comportarsi) è possibile, per esempio, prevedere il malfunzionamento di un router;
  • tecniche di apprendimento non supervisionato (dove l’algoritmo deve essere in grado di derivare una regola per raggruppare i casi che si presentano, desumendo le caratteristiche dai dati stessi) consentono, per esempio, di identificare comportamenti anomali del traffico di rete che possono indicare un rischio per la security;
  • con tecniche di apprendimento per rinforzo (l’algoritmo conosce l’obiettivo da raggiungere e definisce il modo in cui comportarsi sulla base di una situazione che cambia, con un apprendimento continuo che avanza con l’esito positivo dell’azione) si può, per esempio, adattare la rete a differenti canali wireless consentendo di spostare rapidamente il carico da un canale all’altro in base a determinate situazioni di traffico.

“Noi siamo in una posizione privilegiata perché sulle nostre reti transitano miliardi di dati e, utilizzando tutte queste tecniche, iniettiamo l’AI in ogni nostra soluzione”, afferma Rohrseitz che prosegue: “Attingendo a questa ampia visibilità dei dati, Cisco sta aiutando i clienti a reinventare la loro rete, a rendere la sicurezza fondamentale, a potenziare un mondo multicloud, a sbloccare la potenza dei dati e a creare esperienze significative sfruttando la potenza di AI e ML” (figura).

Impatto AI
Trasformare il business con l’AI secondo Cisco

Rohrseitz conclude affermando che “La cultura di Cisco in ambito AI è molto pragmatica e si basa su 3 elementi fondamentali: costruire un’infrastruttura di rete a prova di futuro; fornire soluzioni che permettano di implementare lo stato dell’arte del machine learning; disporre di una base unica al mondo per tipo e volume (20 miliardi di data point al giorno) per alimentare gli algoritmi di machine learning”.

La tavola rotonda è quindi proseguita con gli interventi di John Aspostolopoulos, VP/CTO Enterprise Networking, Lab Director of Cisco’s Innovation Labs, sul machine learning applicato al networking; di TK Keanini, Distinguished Engineer – Advanced Threat Solutions, che ha illustrato il supporto basilare che l’AI può fornire nell’analisi dei dark data e del traffico criptato; di Keith Griffith, Collaboration Technology Group, sulla cognitive collaboration. In questo articolo ci focalizziamo in particolare sul primo.

Il machine learning applicato all’Intent-Based Networking

Il concetto di Intent-Based Networking System (IBNS) ha rivoluzionato l’approccio tradizionale alla rete ed è basato sulla capacità delle reti di “catturare” l’intento di business convertendolo in policy di rete. Secondo Andrew Lerner, vice president di Gartner Research, i 4 componenti di un IBNS sono:

  • Trasformazione e convalida – I gestori di rete definiscono una policy aziendale di alto livello e l’IBNS trasforma queste policy in azioni eseguibili via software.
  • Implementazione automatizzata – È il software IBNS che manipola le risorse di rete, in modo automatizzato, per creare lo stato desiderato e applicare le policy.
  • Consapevolezza dello stato – La raccolta dei dati effettuata dall’IBNS consente al sistema stesso di monitorare costantemente lo stato della rete.
  • Assurance e ottimizzazione/rimedio dinamici – L’ottimizzazione dello stato desiderato della rete, l’individuazione di situazioni critiche, l’implementazione di azioni correttive vengono effettuate in modo automatico dall’IBNS.

“AI e machine learning giocano un ruolo cruciale nell’abilitare l’Intent-Based Networking – afferma John Aspostolopoulos, VP/CTO Enterprise Networking, Lab Director of Cisco’s Innovation Labs, – perché consentono di ottenere maggiori informazioni dal comportamento della rete e dai dati di rete e compiere azioni più intelligenti per migliorare prestazioni e sicurezza. I dati di rete sono estremamente diversificati, in quantità enorme e devono essere analizzati in tempo reale o quasi; ogni rete è differente, unica e dinamica; i contenuti sono criptati, il che è un’ottima cosa per la privacy ma crea non pochi problemi per la sicurezza, dato che complica l’analisi dei contenuti pericolosi”.

John Aspostolopoulos, VP/CTO Enterprise Networking, Lab Director of Cisco’s Innovation Labs

Se già oggi il ruolo del machine learning nel networking è cruciale, lo sarà ancora di più man mano che si diffonderanno infrastrutture basate sull’edge computing: “Portare le abilità di machine learning a livello periferico aggiunge ai vantaggi tipici dell’attività operazionale sull’edge (ridotta banda necessaria, aumento della scalabilità, bassa latenza) quelli di un apprendimento dell’algoritmo che preserva la privacy”, afferma Aspostolopoulos.

Patrizia Fabbri

Giornalista

Patrizia Fabbri è giornalista professionista dal 1993 e si occupa di tematiche connesse alla trasformazione digitale della società e delle imprese, approfondendone gli aspetti tecnologici. Dopo avere ricoperto la carica di caporedattore di varie testate, consumer e B2B, nell’ambito Information Technology e avere svolto l’attività di free lance per alcuni anni, dal 2004 è giornalista di ZeroUno.

Argomenti trattati

Approfondimenti

M
Machine Learning
N
Networking
Tech InDepth
Il ruolo cruciale del machine learning nel networking

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

    LinkedIn

    Twitter

    Whatsapp

    Facebook

    Link

    Articolo 1 di 4