Das Self-Driving Network™

Betrieblich effizient, absolut zuverlässig und bemerkenswert adaptiv.

Im Jahr 2004 versammelte sich eine Handvoll unbemannter Fahrzeuge am Startpunkt einer langen Route quer durch die Mojave-Wüste: der ersten DARPA Grand Challenge. Dieses Ereignis war der historische Startschuss für ein Technologierennen zur Entwicklung eines zuverlässigen autonom fahrenden Fahrzeugs, eine revolutionäre globale Bewegung, die bis heute unvermindert anhält.

In ähnlicher Weise machten wir uns auf den Weg zu einem produktionsbereiten, wirtschaftlich machbaren Self-Driving Network™. Was wir aus dem Fortschritt der autonomen Fahrzeuge gelernt haben, können wir auch auf die Entwicklung der Netzwerktechnologie anwenden. Die Welt ist bereit für autonome Netzwerke. Die Entwicklungen in den Bereichen künstliche Intelligenz, maschinelles Lernen und absichtsgesteuerte Netzwerke haben uns an einen Wendepunkt gebracht, an dem Automatisierung zur Autonomie wird.

Die Netzwerkgemeinschaft hungert nach bahnbrechenden Ideen, um die nicht-nachhaltige Ökonomie der heutigen Netzwerke in den Griff zu bekommen. Die betriebliche Komplexität steigt heute unverhältnismäßig an, weil der Datenverkehr weiter explodiert und immer mehr neue Geräte genutzt werden. Steigende Betriebskosten und eine langsamere Amortisierung senken die Gewinnspannen für herkömmliche Service Provider und bremsen außerdem das Unternehmenswachstum.

Bei Juniper haben wir eine Lösung für dieses Problem gefunden, die in Form des Self-Driving Network Gestalt annimmt: Ein Paradigma, das die betriebliche Komplexität unabhängig von der Art und Umfang des Datenverkehrs beseitigen wird.

Mehr als vorausschauend und adaptiv

Das Self-Driving Network wird den IT-Mitarbeitern die Schwerstarbeit abnehmen. Es wird sich mit nur wenigen menschlichen Eingriffen automatisch selbst konfigurieren, überwachen, verwalten, korrigieren, schützen und analysieren. In seiner Umgebung wird es vorausschauend und adaptiv arbeiten und so die Erfahrung für den Endnutzer und entsprechend der Situation optimieren und personalisieren.

Wenn heute im Datenverkehr Spitzen auftreten, ist es schwer zu unterscheiden, ob es sich um einen verteilten DDoS-Angriff handelt oder um das neue Album von Lady Gaga, das überall heruntergeladen wird. Durch maschinell lernende Algorithmen, die das Verhalten der Daten bei riesigen Mengen an Datenverkehr interpretieren, kann das Self-Driving Network Leistungsprobleme erkennen, bevor die Benutzer betroffen sind. In unserem Beispiel werden Verbindungen zu Algorithmen, die von Twitter-Feeds abgeleitet werden, die Hypothese bestätigen: Haben Hacker-Gruppen Drohungen gegen ein bestimmtes Unternehmen ausgesprochen? Oder haben die Fans schon Wochen vor der Spitze dem neuen Album von Lady Gaga entgegengefiebert? Das Self-Driving Network wird das entsprechend analysieren und sich anpassen, entweder durch Herunterfahren von Ports, um einen DDoS-Angriff zu isolieren, oder durch Erhöhung der Bandbreite, um den Anstieg der Album-Downloads zu bewältigen.

Automatisierung, Augmentation und dann Autonomie

Wir bei Juniper sehen im Self-Driving Network die letzte Etappe einer Reise in die Zukunft, die mit Automatisierung und Programmierbarkeit beginnt und sich durch die Integration und Weiterentwicklung der vier Technologiebereiche fortsetzt: Telemetrie, maschinelles Lernen, absichtsgesteuerte Netzwerke und lokale und globale Sensibilisierung.

Automatisierung und Programmierbarkeit waren immer schon wichtige Überlegungen, um die Entwicklung von Hardware und Software bei Juniper voranzutreiben. Topologieerkennung, Pfadberechnung und Pfadinstallation wurden bereits automatisiert. Mit dem Juniper Extension Toolkit (JET) für das Betriebssystem Junos& können viele andere Aufgaben durch Anwendungen von Drittanbietern automatisiert werden. Auf Änderungen im Datenverkehr zum Beispiel reagiert die Bandbreitenreservierung bereits, doch können wir sie intelligenter machen? Können wir Services nicht automatisch platzieren und Bewegungen automatisieren? JET kann uns dabei helfen, voranzukommen.

Die Schnittstelle Junos Telemetry Interface liefert Hochfrequenz-Telemetriedaten zur Leistungsüberwachung und Optimierung der Tools. Aber bei SNMP, pull-basierter Telemetrie sowie harmloser Deep Packet Inspection zeigen sich erste Grenzen. Für den Erfolg des Self-Driving Network benötigen wir eine Telemetrie,& die auf Push-Semantik basiert, und eine Erkennung von Anomalien, die maschinell lernt.

Maschinelles Lernen verwendet Algorithmen, um iterativ aus Dateneingaben zu lernen. Anstelle von regelbasierter, statischer Netzwerkprogrammierung (“wenn x geschieht, dann führe y durch”) können maschinell lernende Algorithmen Muster in Daten erkennen, Prognosen durchführen und entsprechende Maßnahmen ergreifen, ohne dass diese programmiert werden müssen. Diese Art der vorausschauenden Analyse ist mithilfe heuristischer Algorithmen bereits in die Sicherheitsprodukte von Juniper integriert. Je mehr Daten in die Algorithmen für Netzwerke eingespeist werden, desto intelligenter werden die Netzwerke – und ebnen den Weg für eine absichtsgesteuerte Infrastruktur.

Absichtsgesteuerte Netzwerke stellen auch die herkömmliche „Wenn-x-dann-y-Programmierung“ auf den Kopf. In diesem Szenario sagen Sie dem Netzwerk, was Sie erreichen möchten, und nicht, wie das genau zu tun ist. Bereits heute haben Produkte von Juniper absichtsgesteuerte Funktionen. SDN-Controller wie Northstar und Contrail verfügen derzeit über integrierte, ausgezeichnete absichtsgesteuerte virtuelle Netzwerkfunktionen. Die neueste Anschaffung von Juniper, AppFormix, verwendet absichtsgesteuerte Befehle und maschinelles Lernen, um die Telemetrie und die Verwaltung von Cloud-Vorgängen für softwaredefinierte Infrastruktur und Anwendungsebenen neu zu definieren.

&„Absichtsgesteuerte Netzwerke sind eine wichtige Entwicklung. Durch sie kann der Netzwerkarchitekt beschreiben, was erforderlich ist. Dabei setzt die Netzwerkmanagementsoftware die Anforderungen in ein Design um. Dies wird einen wichtigen Beitrag zur Erstellung eines Self-Driving Network leisten. Es ist ein absolutes Muss, absichtsgesteuerte Fähigkeiten ins SDN-Management zu integrieren und Software zu kontrollieren, um eine automatisierte Netzwerkkonfiguration und einen automatisieren Netzwerkbetrieb zu erleichtern“, sagt Cliff Grossner, Ph.D., Senior Research Director und Berater für Cloud- und Datencenter-Forschung bei IHS Markit.

Obwohl die lokales Sensibilisierung und Betrachtungsweise des Netzwerks weiterhin entscheidend bleibt, wird die zunehmende globale Sensibilisierung eine Effizienz und Optimierung herbeiführen, die ansonsten in autonomen Netzwerke auf der Stecke bleiben würden. Der gegenseitige Austausch von Informationen über lokale und globale Ansichten, Zeiten, Länder, Netzwerkebenen und BGP-Peers wird weitere Einblicke und Erkenntnisse bringen, die eine genauere Prognose für die Netzwerk-Anforderungen der Kunden und Anwendungen möglich machen.

Erweiterte Intelligenz, nicht künstliche Intelligenz

Die Fortschritte in der Automatisierung und Technologien mit künstlicher Intelligenz beschwören häufig Bilder von einem Roboteraufstand herauf – zumindest am Arbeitsplatz. Auch wenn einige alltägliche Arbeiten zwangsläufig abgegeben werden, hat Technologie normalerweise mehr Arbeitsplätze geschaffen als vernichtet. Die Geschäftswelt wird immer Mitarbeiter brauchen, die das Netzwerk beobachten und Roboter entwickeln und überwachen. Wir werden Leute brauchen, die verstehen, wie das Netzwerk funktioniert, um die künstliche Intelligenz zu trainieren, und Experten für einen Überblick und die Feinabstimmung der Algorithmen.

Das Self-Driving Network wird die Mitarbeiter nur von den wiederkehrenden Verwaltungsaufgaben befreien. Die IT-Mitarbeiter werden weniger Zeit mit dem Beheben von Problemen und dem Betrieb des Netzwerks verbringen und dafür mehr Zeit für strategische Aufgaben und Innovationen haben, die den Fortbestand des Unternehmens sichern und es nach vorne bringen. Da das Internet der Dinge Fahrt aufnimmt, werden diese Techniker sehr gefragt sein, um die Flut an eingehenden Daten sinnvoll nutzen zu können. Das Self-Driving Network wird gewöhnliche Routineaufgaben herausfiltern, sodass die IT-Mitarbeiter sich auf die ungewöhnlichen, unerwarteten oder gefährlichen Vorgänge konzentrieren können.

Genau wie die unbemannten Fahrzeuge bei der DARPA Grand Challenge stehen wir am Ausgangspunkt eines Paradigmenwechsels in der Netzwerkbranche. Unsere neue große Herausforderung besteht darin, die Komplexität eines Netzwerks zu abstrahieren, zu vereinfachen und Probleme zu verhindern: Ein Kurs, den wir mit dem Self-Driving Network als Vorreiter eingeschlagen haben.

Juniper hat viel in die Automatisierung und die Entwicklung von Analysen investiert, um die Grundlage für autonome Netzwerke zu schaffen. Automatisierung und Programmierbarkeit sind die ersten Schritte in Richtung des Self-Driving Network für Service Provider, Cloud-Betreiber und Unternehmen. In den Ressourcen zu diesem Artikel erfahren Sie mehr über die Entwickler, Technologien und die Reise zu autonomen Netzwerken.