APPROFONDIMENTO

Parlare il “linguaggio” delle reti

Parlare il “linguaggio” delle reti
 

I servizi di un un’infrastruttura di rete 5G (basata su tecnologie come SDN e NFV) possono essere visti come delle sequenze ordinate o catene end-to-end (network/service chain) di funzioni e micro-servizi virtualizzati. In linea di principio, queste catene potrebbero essere modellate come "frasi" di un "linguaggio" astratto “parlato” dalle applicazioni; le “parole” di tali “frasi” sono delle funzioni (ad es. Virtual Network Functions) e micro-servizi virtualizzati. È possibile quindi definire una sorta di “grammatica” di questo “linguaggio” astratto dei servizi e quindi fare uso di tecniche analitiche NLP (Natural Language Processing) basate su IA.  Queste tecniche, per certi versi, ricordano da vicino le attività di comprensione del linguaggio naturale. In particolare, nello stesso modo in cui le “parole” di una frase vengono rappresentate in vettori (e.g., con la tecnica word2vectors di Google) per poi utilizzare sistemi di IA al fine di realizzare delle funzioni di Natural Language Processing, anche le sequenze di funzioni e i micro-servizi virtualizzati potrebbero essere trasformate in vettori al fine di utilizzare le stesse tecniche di IA. Questi metodi [7] potrebbero essere integrati a livello di interfacce (ad es. Intent) Northbound al fine di aumentare i livelli di automazione nei processi di gestione, controllo ed orchestrazione dell'infrastruttura virtualizzata e nello sviluppo e nel provisioning dei servizi 5G.

 

Figura A - La domanda di brevetto Ser2Vec di TIM [7]

Net2Vec di NEC costituisce un altro esempio di applicazione delle tecniche NLP al contesto di rete [8]. L’analisi di grandi volumi di traffico di rete, in particolare quando i contenuti sono criptati, è una attività complessa, la cui fattibilità non è garantita. Non potendo far affidamento sulla lettura dei contenuti trasportati dalla rete, soluzioni come Net2Vec si affidano invece allo studio delle interazioni fra i flussi di rete, che generalmente presentano delle correlazioni e dei rapporti di causalità. Net2Vec applica tecniche di NLP, ma invece di analizzare parole e frasi di un linguaggio naturale, effettua una analisi del traffico di rete. In aggiunta, Net2Vec utilizza tecnologie di Graph Neural Network, per rappresentare relazioni fra i dati osservati sulla rete, ma anche per collegare fonti esterne che potrebbero essere disponibili nel contesto di un Network Operations Center o di un Security Operations Center. NEC sostiene che Net2Vec è stato sperimentato su traffico generato da operatori di rete Europei ed Asiatici dimostrando la capacità abilitare sia applicazioni di sicurezza (ad es. identificazione del traffico malevolo) sia applicazioni più orientate al marketing, (ad es. la profilazione degli utenti per la generazione di offerte personalizzate).

 

Figura B - La soluzione Net2Vec di NEC [8]

Net2Vec di NEC costituisce un altro esempio di applicazione delle tecniche NLP al contesto di rete [8]. L’analisi di grandi volumi di traffico di rete, in particolare quando i contenuti sono criptati, è una attività complessa, la cui fattibilità non è garantita. Non potendo far affidamento sulla lettura dei contenuti trasportati dalla rete, soluzioni come Net2Vec si affidano invece allo studio delle interazioni fra i flussi di rete, che generalmente presentano delle correlazioni e dei rapporti di causalità. Net2Vec applica tecniche di NLP, ma invece di analizzare parole e frasi di un linguaggio naturale, effettua una analisi del traffico di rete. In aggiunta, Net2Vec utilizza tecnologie di Graph Neural Network, per rappresentare relazioni fra i dati osservati sulla rete, ma anche per collegare fonti esterne che potrebbero essere disponibili nel contesto di un Network Operations Center o di un Security Operations Center. NEC sostiene che Net2Vec è stato sperimentato su traffico generato da operatori di rete Europei ed Asiatici dimostrando la capacità abilitare sia applicazioni di sicurezza (ad es. identificazione del traffico malevolo) sia applicazioni più orientate al marketing, (ad es. la profilazione degli utenti per la generazione di offerte personalizzate).

 

Torna all'articolo