ICT智慧大脑查看源代码讨论查看历史

来自 搜狐网 的图片

ICT智慧大脑中企网络通信技术有限公司，简称中企通信，是中信集团旗下的子公司，于2000年8月成立，总部位于北京，在上海、苏州、广州、深圳、东莞、天津、杭州、武汉、成都、西安、重庆等地设有分公司，致力为企业提供可信赖及综合的一站式信息通信技术（ICT）服务。 中企通信的服务涵盖大部分企业ICT关键领域，包括中企通CeOne-CONNECT专用网络服务、TrustCSI信息安全管理服务、云时代SmartCLOUD云计算管理服务，DataHOUSE云数据中心。这四大旗舰产品与其一系列的增值管理服务，可互相融合，并可配合网络运营中心，安全运营中心及云计算运营中心，成为企业用户强有力的后盾。中企通信创新的ICT整合方案，不仅屡获殊荣，并通过多项国际认证，凭借其在高端制造业、专业服务、科技创新、航运、贸易和金融等不同领域的经验优势，结合优质服务，为企业提升信息通信技术水平，稳步迈入数字化转型之路，成就创新价值。

案例概述

ICT智慧大脑旨在实现以数据为核心将人工智能和ICT服务进行深度融合，帮助客户主动感知网络状态和业务的变化；满足客户精细化分析的需求，以应用体验为重点，为客户数字化转型提供智能化升级；最终打造出基于ICT服务的智能分析平台。

目前通过为客户定制化分析，完成了部分客户VPN线路，SD-WAN和安全产品的智能分析，输出了融入AI元素的客户网络分析月报；完成了内部的数据对接；以及为部分客户SD-WAN产品的智能分析页面，通过建模实现了故障定位、发现异常应用以及问题背后的逻辑链、以及预测分析。并通过自主搭建Hortonworks Data Platform（HDP）大数据平台，实现数据整合，分布式接收、处理和存储。解决了海量数据处理困难的问题，缩短了计算响应时间。

成果突破性

在通信网络技术发展中，网络流量状态一直备受关注，但是，传统的网络状态预测大部分仅仅是基于网络流量，带宽利用率等进行统计性分析，并且没有充分挖掘网络流量，应用质量，链路质量和站点健康状态的数据价值，以及隐性的特点如关联性、未来趋势等。

一、成果主要特点

1.能面向应用体验的指标分析，能动态感知应用健康体验情况，对应用的多个关键特征所建立的体验基线进行匹配，动态实时当前主要应用的体验情况，并快速定位与量化。

2.能进行智能关联分析，将不同的设备、路径、数据包、时延、抖动等应用体验与网络结构、信息安全态势等从时间、空间、业务的多维感知中进行智能关联，寻找根因与解决方案。

3.向业务智能分析进行进化，以业务为对象的感知模式，从比特流的级别向业务BI级别的上中下游进行联动感知，面向业务主动分析，呈现业务的运行状态。

4.实现智能预警与预测，我们通过优化后的BP神经网络算法可以实现接下来一段时间内如1周时间内的预测预警，化被动为主动，及时响应，不断提升网络服务水平。

二、贡献和影响

1.在IT侧，通过构建业务庆用基建，动态识别异常与关联分析、消除业务、管理与运维的壁垒，实现端到端体验感知与根因朔原，可以动态进行策略优化持续改进IT服务水平和能力。

2、在业务侧，通过IT水平能力的智能化升级与提升，来实现面向业务与未来的运营能力，以此将ICT价值与业务价值进行融合与创新，实现数据与智能对业务的拉动力。

3、问题发生前：帮助客户提前预判问题，做出合理的网络使用规划；帮助客户通过总部和各分支站点间的流量走势，应用组成来理解业务，帮助企业制定未来战略方向和经营策略。问题发生后：快速定位问题，找到问题背后的逻辑链，给出相应的解决方案。

技术要点

行业痛点及解决思路

随着互联网的不断发展，客户业务量的不断增加，各种应用、软件成为日常办公不可缺少的一部分，企业正在通过数字化转型，重塑服务流程、智能化服务能力以及创新产品，以获得更强大的竞争力。

1. ICT架构直接关系业务效率，一旦发生应用连接问题，企业需要直接问题洞察与根因分析，但现在的传统的网络分析手段，很难协助客户给出端到端的精准判断。如发生业务连接不稳定的状态，企业的IT无法快速判断问题的准确位置，也无法判断影响了多少用户，更不知道已造成多大的影响。

2.业务变化越来越快，企业需要更加快速的响应甚至是预警能力，将问题在发生的最初期，甚至是未发生之前快速解决。但传统监控方式偏被动与滞后。企业IT只能“救火式”响应，但不知下一次又是什么时间暴发问题，客户需要更主动的响应。

3.当前，数字化需要对企业业务有更大的支持和引领作用，企业的IT需要主动运用ICT技术，支持服务的数字化改造。比如客户需要知道，当有新的业务应用上线时，会对现有网络架构产生什么样的影响，网络架构需要怎么样的调整？流量可能会有多大？网络路径如何设计等。

二、技术方案：

1. 数据采集层面：

方法一：

自动化代码向厂商 （已授权）restful API 自动、实时（1小时请求一次）的请求、获取数据。使用部署在（HDP大数据平台组件）Dolphin Scheduler ，一个可视化的分布式大数据工作流任务调度系统，可以实现数据自动采集。

方法二：

通过内部数据对接，获得网络线路产生的网络流量数据，可以直接存入大数据平台下的数据仓库

3. 选择部分清洗好数据作为输入，选择数学模型，模型训练

根据拟合结果调参，优化参数。智能算法实现主要基于从网络、应用、至业务层面的特征建模与分析。基于机器学习如无监督聚类分析进行会话级别的矩阵与层次、密度聚类，构建端到端的会话与应用聚类模型。洞悉关联性进行关联性与根因的分析。在行为的预测和异常的识别方面，以动态变化的基于事件的概率运算跟踪变化的行为与应用网络架构，能过细微变化与时序性识别表征网络行为和进行预测。

4. 为了能够有更高的时效性和实时性分析

我们基于实时流特征工程的神经网络算法，实时整体网络与应用结构的动态实时计算、感知与迭代预测

5. 将模型部署在高性能服务器上

保障在实时大量数据输入时的高效输出。

6. 利用训练好的数学模型

进行应用异常检测（聚类），并找出问题的逻辑关系（关联的链路，发生的频率等）；链路质量和应用质量的预测（神经网络算法）以及基线的计算；通过观察应用组成，构造客户业务画像

7. 结果可视化

将模型产生的结论通过可视化图表展现出来，会有定制化的页面呈现。