The Self-Driving Network™

Efficace sur le plan opérationnel, fiable, solide et remarquablement adaptatif.

En 2004, une poignée de véhicules sans pilote ont pris le départ d'une longue course à travers le désert des Mojaves à l'occasion du premier DARPA Grand Challenge. Cet événement a été le déclencheur d'une course technologique pour développer un véhicule autonome, un mouvement mondial révolutionnaire qui se poursuit aujourd'hui.

De la même façon, nous nous sommes embarqués dans l'aventure du Self-Driving Network™, un réseau autonome économiquement viable et optimisé pour la production. Nous pouvons appliquer ce que nous avons appris des progrès réalisés sur les véhicules autonomes à l'évolution de la technologie réseau. Le monde est prêt pour les réseaux autonomes. Les progrès de l'intelligence artificielle, de l'apprentissage automatique et de la mise en réseau ciblée nous ont amenés à un stade où l'automatisation fait place à l'autonomie.

La communauté de mise en réseau est avide d'idées innovantes pour aborder les aspects économiques non viables des réseaux actuels. Aujourd'hui, la complexité opérationnelle augmente de façon exponentielle à mesure que le trafic augmente et que les nouveaux équipements prolifèrent. L'augmentation des frais de fonctionnement et la génération de revenus plus lente réduisent les marges des fournisseurs de services traditionnels et freinent la croissance de l'entreprise.

Juniper propose une réponse à ce problème sous la forme du réseau Self-Driving Network, un paradigme qui abolira la complexité opérationnelle quels que soient le type et le volume de trafic réseau.

Au-delà de l'aspect prédictif et adaptatif

Le réseau Self-Driving Network permettra au personnel informatique de ne plus avoir à s'occuper des tâches fastidieuses. En effet, ce réseau s'auto-configure, surveille, gère, corrige, protège et analyse avec un minimum d'intervention humaine. Il est prédictif, s'adapte à son environnement, optimise et personnalise l'expérience en fonction de l'utilisateur final et de la situation.

À l'heure actuelle, en cas de pics de trafic sur les réseaux, il est difficile de distinguer une attaque par DDoS distribué d'un téléchargement à grande échelle du nouvel album de Lady Gaga. Avec des algorithmes d'apprentissage automatique qui interprètent les vastes quantités de données de comportement liées au trafic, le réseau Self-Driving Network prédit les problèmes de performance avant que les utilisateurs ne soient affectés. Dans cet exemple, les connexions avec les algorithmes qui amassent les flux Twitter vont confirmer l'hypothèse : S'agit-il de groupes de pirates qui menacent d'agir contre une entreprise particulière ? Ou des fans qui réclament l'album de Lady Gaga quelques semaines avant le pic ? Le réseau Self-Driving Network permettra d'analyser et de s'adapter en conséquence, soit en fermant des ports pour isoler l'attaque par DDoS, soit en ajoutant de la bande passante pour répondre à l'augmentation du nombre de téléchargements de l'album.

Automatisation, augmentation, puis autonomie

Juniper envisage le réseau Self-Driving Network comme l'étape finale d'un voyage qui commence avec l'automatisation et la programmabilité, et se construit grâce à l'intégration et aux progrès des quatre secteurs technologiques : la télémétrie, l'apprentissage automatique, la mise en réseau ciblée et la sensibilisation à l'échelle locale et mondiale.

L'automatisation et la programmabilité ont toujours été, pour Juniper, des considérations clés pour le développement matériel et logiciel. La découverte de topologie et le calcul et l'installation de chemin ont déjà été automatisés. Le kit Juniper Extension Toolkit (JET) pour Junos® OS permet aux applications tierces d'automatiser de nombreuses autres tâches. Par exemple, la réservation de bande passante est déjà sensible aux changements du trafic, mais pouvons-nous la rendre plus intelligente ? Pouvons-nous automatiser le positionnement et le déplacement des services ? Le kit JET peut nous aider à aller de l'avant.

L'interface de télémétrie Junos (JTI) délivre des données de télémétrie haute fréquence aux outils de surveillance et d'optimisation des performances. Mais la télémétrie SNMP basée sur l'extraction et l'inspection approfondie des paquets naïve commencent à montrer leurs limites. Pour que le réseau Self-Driving Network soit un succès, nous avons besoin d'une télémétrie basée sur la sémantique push et d'une détection des anomalies basée sur l'apprentissage automatique.

L'apprentissage automatique utilise des algorithmes pour apprendre de façon itérative à partir des entrées de données. Au lieu d'une programmation réseau statique basée sur des règles (si x se produit, faites y), les algorithmes d'apprentissage automatique identifient des schémas dans les données, font des prédictions et prennent les mesures appropriées sans devoir exiger de programmation. Ce type d'analyse prédictive existe déjà dans les produits de sécurité Juniper utilisant des algorithmes heuristiques. Plus le volume de données introduit dans les algorithmes liés aux réseaux est important, plus les réseaux sont intelligents ; ouvrant la voie à l'infrastructure ciblée.

La mise en réseau ciblée inverse la programmation traditionnelle « si-x-alors-y ». Dans ce scénario, vous indiquez au réseau ce que vous voulez accomplir, mais pas comment le faire exactement. Les produits Juniper actuels sont dotés de la fonctionnalité de ciblage. Les contrôleurs SDN comme Northstar et Contrail intègrent actuellement des fonctionnalités de mise en réseau virtuel ciblée de premier ordre. En outre, AppFormix, acquisition récente de Juniper, utilise des commandes ciblées et l'apprentissage automatique pour redéfinir la télémétrie et la gestion des opérations cloud pour l'infrastructure définie par logiciel et les couches applicatives.

« Les réseaux ciblés sont une évolution majeure permettant à l'architecte réseau de décrire ce qui est nécessaire. Les logiciels de gestion de réseau traduisent les exigences en termes de conception. Ces exigences constituent une importante partie des fondements du réseau Self-Driving Network. L'ajout de fonctionnalités de ciblage aux logiciels de contrôle et de gestion SDN pour faciliter l'automatisation de la configuration et du fonctionnement du réseau sera indispensable », déclare Cliff Grossner, directeur de recherche senior et conseiller pour la recherche cloud et centre de données d'IHS Markit.

Bien que la prise de conscience et la vision à l'échelle locale du réseau restent des éléments essentiels, l'augmentation de la prise de conscience mondiale contribuera à améliorer l'efficacité et l'optimisation qui seraient autrement oubliées dans les réseaux autonomes. La corrélation de l'information entre les visions locales et mondiales, le temps, la géographie, les couches réseau et les pairs BGP fournira plus de renseignements afin d'anticiper plus précisément les besoins en réseau des clients et des applications.

Intelligence augmentée et non intelligence artificielle

Les progrès de l'automatisation et des technologies d'intelligence artificielle évoquent souvent des images de révolution robotique, du moins sur le lieu de travail. Alors que certaines tâches ordinaires vont inévitablement être transférées, la technologie crée généralement plus d'emplois qu'elle n'en supprime. Le monde de l'entreprise aura toujours besoin de personnel pour superviser le réseau et concevoir et surveiller les robots. Nous aurons besoin d'individus qui comprennent comment le réseau fonctionne pour former l'intelligence artificielle, et d'experts qui assurent la surveillance et l'ajustement des algorithmes.

Le réseau Self-Driving Network délestera le personnel chargé du réseau des tâches répétitives uniquement. Le département informatique passera moins de temps à résoudre les problèmes de performance et à faire fonctionner le réseau, et plus de temps sur le travail et l'innovation stratégiques qui pérennisent l'entreprise et lui permettent d'avancer. Alors que l'Internet des objets s'accélère, ces ingénieurs seront très sollicités pour faire face à l'avalanche de données entrantes. Le réseau Self-Driving Network se chargera de ce qui est normal pour permettre au personnel informatique de se concentrer sur ce qui est anormal, imprévu et dangereux.

À l'instar des véhicules sans pilote du DARPA Grand Challenge, nous sommes au commencement d'un changement de paradigme dans le secteur des réseaux. Éliminer, simplifier et masquer la complexité du réseau est notre nouveau grand défi. Une course dans laquelle nous sommes les pionniers grâce au réseau Self-Driving Network.

Juniper a investi considérablement dans l'automatisation et le développement de l'analyse pour définir les bases des réseaux autonomes. L'automatisation et la programmabilité sont les premières étapes vers le réseau Self-Driving Network pour les fournisseurs de services, les opérateurs cloud et les entreprises. Des informations supplémentaires sur les éléments moteur, les technologies et les étapes vers les réseaux autonomes sont disponibles dans les ressources de cet article.