使用预测分析解决网络问题：事实还是虚构? – 作者:数据库安全专家

预测分析可以在潜在的网络问题影响其可靠性或性能之前揭示这些问题。预测分析被认为是一种未来的技术，目前已成为网络诊断和管理的主流工具。

现在预测未来越来越容易了。 虽然仍然不可能准确预测第二天中奖的彩票号码，但任何网络管理员都可以预见各种破坏性网络问题，并及时解决它们。

用预测分析解决网络问题：事实还是虚构？？

预测分析工具，从各种不同的技术和技术，包括大数据，数据挖掘和统计建模中汲取力量。例如，预测分析工具可以被训练以使用模式识别（模式和自动识别数据的规律性），问题就变得严重，或者它们会导致发生故障时在网络中之前发现问题。

网络性能专家accedian的首席策略官Richard piastin说：“依靠多个干净的数据源和内置的冗余来提供良好和准确的信息，网络可见性可以预防问题，而不仅仅是对问题做出响应。”。分析甚至可以集成到闭环业务流程系统中，为许多常见问题提供网络自调整。最后，预测性分析可以帮助企业节省运营成本，并找出经常导致全面中断的潜在问题。”

分析网络行为和基础设施阈值

数据科学培训公司数据科学Dojo的数据科学家Rahim Rasool说，如果设计和部署得当，预测分析提供了对一系列常见和独特的网络问题的洞察，帮助运营商处理从策略设置、网络控制到安全的所有问题。例如，为了解决安全问题，预测分析可以使用异常检测算法来检测可疑活动，并识别可能的数据泄漏。Rasool解释说：“这些算法将扫描网络在数据传输中的行为分开，并将合法活动与其他活动区分开来。利用预测分析系统，在黑客发现之前，可以检测到网络中的漏洞，然后开发防御机制。

另一种方法预测分析可以帮助企业对趋势和基础设施能力和告警阈值。例如，设备接口的每个之前提供技术副总裁LogicMonitor传播基于云的性能监控平台Gadi Oren说，“几乎所有的信号有一个上限和下限，这是基础功能的结果。饱和单位时间只有这么多的传输容量。另外，与警报阈值相关联的一些信号。通过在数据泄漏和变型理解趋势可以预测当物理系统将达到其最大容量时，或当预期的趋势，将达到阈值和报警的原因“。

工作中的预测分析

几乎任何类型的企业网络都可以从预测分析产生的见解中受益，而在医疗、应急响应和空中交通管理等关键领域传输关键数据的网络将从这项技术中受益最大。

电力公司尤其关注确保电网的可靠性，因为即使是小规模的停电也可能造成人员伤亡和重大的经济损失。 “Farnaz Amin，” ge 负责电网分析的首席数字产品经理说，“我们使用 ml 模型来预测未来的电力中断，这将基于影响电网运行的天气事件的数据，并通过检测和纠正电网模型中的错误来帮助提高数据的完整性。”

通用电力公司在180多个国家和地区运营，占世界三分之一，为世界90%的输电设施提供设备，并开发能够管理全球40%以上能源的能源软件。然而，随着输电网络的复杂性增加，由于风或阳光的不可预测的减少，电网弹性降低。传输系统管理不善可能导致电力故障，严重损害公用事业公司的财务和声誉。为了解决这一问题，GE利用人工智能简化了发电弹性的测量和预测，从而帮助电网更稳定地运行。

该公司还使用分析技术来解决另一个长期服务，并可能导致问题的崩溃：数据错误。这通常是由于服务提供商手动输入引起的信息。也可能会出现即使是看似简单的错误突发事件和停电，从而导致整体糟糕的客户服务体验，并降低满意度。通用电气电力公司通过地理信息系统（GIS）和其他形式的操作系统数据的算法相结合的发展来解决这个问题，以检测和纠正常见的错误。使用质量更好的数据，实用程序可以更有效地安排工作人员，减少停电恢复时间，并避免发出错误的停运通知客户。

阿明指出，公用事业公司每天都会从其资产中产生大量数据，但它们需要具备非常专业的硬件和软件知识，才能发挥其潜力，提升运营洞察力。”目前解决这些问题的方法，如网格模型的数据完整性、停电预测和人工优化，都是人工的、劳动密集型的，而且往往不准确。先进的分析方法从历史数据中学习，可以做出预测，从而更好地了解网格资产，帮助组织做出更多的经济决策。”

采用预测分析的挑战

尽管对预测分析越来越感兴趣，但它仍然是一种新兴的技术，充满了陷阱和挑战。奥伦警告说，”主要的缺点是，这些预测分析方法在不断扩展的环境中工作良好，但在变化非常迅速的环境中表现不佳。在分析系统检测到缓慢变化的趋势之前，快速变化的环境导致信号变化过快..这反过来提供了不准确的结果，当试图预测什么时候会发生。

采集和也是至关重要的使用高质量的数据准确的预测。能源行业仅使用其汇总数据的一小部分。阿明解释说：“这些数据包括传感器，建议工厂经理和许多资产和电网的动态信息，包括这些数据的邮资显然是可用的，但许多公用事业公司在处理大量的数据淹没，无法清楚地了解如何使用。数据，这意味着它们不能充分利用预测分析“。

除了数据收集之外，为了达到最大的预测能力，还需要一个系统来收集和记录组织的网络操作团队随时间产生的各种警报和报告。这些细节可用于增强预测分析工具检测潜在网络异常的能力。”此外，团队必须专注于数据处理和洞察分析这一步需要一个具有领域专业知识的团队来理解整个设置，”rasool说

组织的网络团队也应该能够向预测分析系统提供适当的正反馈和负反馈过程，因为这些信息将有助于建立模型学习能力。 Rasool 说”通过适当的分析，这些数据可以创造更多的价值，并开发出一种处理异常的方法，就像网络管理员目前正在做的那样。 然而，自学并不意味着预测分析将消除对网络管理员的需求。 实际上，这种体系将有助于管理者做出更好的决策并做出反应。”

阿明说：“另一个挑战是说服网络团队使用并定期使用预测分析工具。IT和数据科学团队可以想出解决方案，但如果运营团队不采纳，投资回报不会很丰厚。因此，了解当前的流程并在其中嵌入高级分析是成功的关键。

如何开始

阿明指出，“预测分析公司的网络刚开始使用它，你必须仔细考虑什么类型的数据，还有的要解决应该捕获网络问题的类型。一旦使用情况有一个清楚的认识，这将增加对企业的价值“。

网络性能技术提供商liveaction的首席技术官兼联合创始人John Smith警告说：“还要记住，向预测分析工具提供过多的信息几乎和提供过少的数据一样糟糕。”。如果企业不降低所分析数据的维数，就可能向云端发送大量不切实际的网络遥测信息。

考虑数据管理的实际方面也很重要: 具体地说，如何以及在哪里存储相关数据。 它还值得探索集装箱化及其在各种用例中的功能和适用性，因为它提供了替代方案。 技术正在迅速发展，因此推迟此类探索将使企业落后。”

中安威士：保护核心数据，捍卫网络安全

来源：网络收集

来源：freebuf.com 2020-10-27 17:25:27 by: 数据库安全专家