[[344519]]

智能邊緣平臺(tái)Akamai的靈感產(chǎn)生于麻省理工學(xué)院Tim BernersLee教授與Akamai公司首席執(zhí)行官Tom Leighton博士的一次談話。Akamai公司首席技術(shù)官James Kretchmar解釋了這是如何產(chǎn)生互聯(lián)網(wǎng)分散模式的想法，該模式目前已部署在1500多個(gè)網(wǎng)絡(luò)中，旨在提高性能。

Kretchmar說(shuō)，“要在網(wǎng)絡(luò)上獲得良好的性能，將來(lái)可能遇到這些困難，并且原有架構(gòu)將出現(xiàn)服務(wù)器的瓶頸和擁塞過(guò)載的情況。”因此Leighton博士和他的學(xué)生們開(kāi)始研究這個(gè)問(wèn)題，他們開(kāi)發(fā)了解決這些問(wèn)題的算法，這就是現(xiàn)在人們所知道的Akamai平臺(tái)的基礎(chǔ)。

這些問(wèn)題的本質(zhì)是，如果企業(yè)有一個(gè)非常受歡迎的網(wǎng)站，并且全球最終用戶都試圖訪問(wèn)該網(wǎng)站，則該內(nèi)容必須通過(guò)許多不同的網(wǎng)絡(luò)傳播才能到達(dá)其他國(guó)家的最終用戶，這帶來(lái)訪問(wèn)緩慢的問(wèn)題。

關(guān)于全球互聯(lián)網(wǎng)可能不明顯的一件事是這些網(wǎng)絡(luò)之間存在瓶頸，如果其網(wǎng)站內(nèi)容訪問(wèn)量很大，將會(huì)對(duì)托管服務(wù)器以及周?chē)木W(wǎng)絡(luò)造成負(fù)擔(dān)。這就是驅(qū)動(dòng)模型的原因，該模型是一個(gè)高度分布式的平臺(tái)，在該模型中，如果最終用戶請(qǐng)求一件內(nèi)容，他們將被發(fā)送到距離他們更近的服務(wù)器上，這避免了這些網(wǎng)絡(luò)瓶頸，從而提高了性能，并且意味著最終用戶不必全部發(fā)送到一臺(tái)集中式服務(wù)器。”

人工智能和機(jī)器學(xué)習(xí)的影響

Kretchmar對(duì)人工智能(AI)和機(jī)器學(xué)習(xí)(ML)如何影響全球互聯(lián)網(wǎng)的性能以及人工智能隨著全球互聯(lián)網(wǎng)不斷發(fā)展如何幫助網(wǎng)絡(luò)管理進(jìn)行了闡述，

他說(shuō)：“我們使服務(wù)工作的一部分方式是實(shí)時(shí)了解全球互聯(lián)網(wǎng)的性能，并通過(guò)利用全球互聯(lián)網(wǎng)上最佳的路徑以及不斷變化的路徑來(lái)向用戶提供內(nèi)容。機(jī)器學(xué)習(xí)和類(lèi)似的技術(shù)可以幫助我們弄清全球互聯(lián)網(wǎng)的結(jié)構(gòu)以及歷史和現(xiàn)在不同路徑的不同特征。

現(xiàn)在還有一個(gè)挑戰(zhàn)，就是現(xiàn)在有太多的機(jī)器人試圖對(duì)網(wǎng)站進(jìn)行惡意攻擊。他們想竊取數(shù)據(jù)并試圖破壞登錄憑據(jù)，在這種情況下，機(jī)器學(xué)習(xí)非常重要，以便弄清哪些是機(jī)器人，哪些是人類(lèi)。

但是，現(xiàn)在的學(xué)習(xí)策略已經(jīng)變得越來(lái)越復(fù)雜，以至于這些策略實(shí)際上并不是一定要嘗試識(shí)別是否是一臺(tái)機(jī)器，而要確定是否是一個(gè)真正的人類(lèi)。我們可以看看來(lái)自真實(shí)人類(lèi)的交互是什么樣的情形，這可以說(shuō)明很多不同的因素，例如如果是移動(dòng)設(shè)備，并且他們通過(guò)手機(jī)輸入數(shù)據(jù)，那么它會(huì)移動(dòng)位置，也可以在桌面設(shè)備上進(jìn)行類(lèi)似的檢查。”

5G和物聯(lián)網(wǎng)

展望未來(lái)十年的發(fā)展，Akamai公司首席技術(shù)官預(yù)計(jì)人工智能將被用于更好地利用新興的5G技術(shù)和物聯(lián)網(wǎng)的數(shù)據(jù)。

他說(shuō)，“將有越來(lái)越多與互聯(lián)網(wǎng)相關(guān)的數(shù)據(jù)，例如5G將有助于實(shí)現(xiàn)物聯(lián)網(wǎng)，而挑戰(zhàn)將是利用不斷增長(zhǎng)的數(shù)據(jù)來(lái)完成某些事情。例如，我們對(duì)智能路由系統(tǒng)所做的工作是從基本方法中學(xué)習(xí)數(shù)據(jù)而來(lái)，并且變得越來(lái)越復(fù)雜，但是當(dāng)我們觀察即將發(fā)生的事情時(shí)，更多網(wǎng)站采用高清視頻，以及更多需要更好網(wǎng)絡(luò)連接性的最終用戶。這將使挑戰(zhàn)變得更加復(fù)雜，因此我們將需要更智能的算法來(lái)處理數(shù)據(jù)，以找出如何提供最佳性能的方法。”

防范威脅因素

Kretchmar預(yù)測(cè)的另一個(gè)與人工智能相關(guān)的趨勢(shì)涉及保護(hù)網(wǎng)站免受不斷發(fā)展的網(wǎng)絡(luò)攻擊。

他解釋說(shuō)：“如今網(wǎng)絡(luò)的生態(tài)系統(tǒng)變得越來(lái)越復(fù)雜，其中包括不斷發(fā)展的網(wǎng)絡(luò)攻擊。惡意攻擊者一直在尋找一種更有創(chuàng)造力的、更智能的方式進(jìn)行攻擊，以嘗試?yán)迷诰€提供的系統(tǒng)或服務(wù)，因此機(jī)器學(xué)習(xí)技術(shù)涉及其中。

我們最近推出了一款針對(duì)現(xiàn)代網(wǎng)站工作方式的產(chǎn)品，即他們通常會(huì)吸收大量第三方內(nèi)容來(lái)使網(wǎng)站正常工作，因此，如果訪問(wèn)大型旅游公司或零售網(wǎng)站，他們的網(wǎng)站是通過(guò)從不同地方提取大量?jī)?nèi)容以使其主要站點(diǎn)正常運(yùn)作而構(gòu)建的。

網(wǎng)絡(luò)攻擊者所做的就是變得有創(chuàng)造力，他們將損害第三方的一些內(nèi)容，第三方將部分?jǐn)?shù)據(jù)包含在主要站點(diǎn)的交付中。在這里，網(wǎng)絡(luò)攻擊者可能會(huì)植入代碼，例如試圖竊取信用卡信息，而主要站點(diǎn)的所有者并沒(méi)有真正意識(shí)到第三方受到了威脅，并在其站點(diǎn)中也包含惡意代碼。

現(xiàn)在，我們開(kāi)發(fā)的是與其對(duì)抗的一種方法，通過(guò)了解請(qǐng)求流并自動(dòng)檢測(cè)惡意行為是否存在，從而確定該網(wǎng)站是否正在發(fā)生惡意行為。這樣一來(lái)，網(wǎng)站所有者就可以收到警報(bào)并采取適當(dāng)?shù)拇胧?rdquo;