ОБ ОДНОМ МЕТОДЕ ИНТЕЛЛЕКТУАЛЬНОГО ПРОАКТИВНОГО МОНИТОРИНГА КОМПЬЮТЕРНЫХ СЕТЕЙ

В статье предлагается метод для интеллектуального проактивного мониторинга компьютерных сетей (КС). Для обеспечения проактивности мониторинга КС предлагается использовать методы искусственного интеллекта, в частности глубокого обучения (ГО). Традиционные системы мониторинга в основном не имеют функции проактивного мониторинга. Несмотря на то, что сегодня в КС имеются достаточные вычислительные мощности, полосы пропускания и объемы памяти, все же идентификация важных событий среди огромных объемов данных мониторинга остается проблемой. Следовательно, несвоевременное обнаружение проблем КС может привести к перебоям в работе сети, предоставлении сетевых услуг и снижению безопасности КС. В отличие от традиционного мониторинга, интеллектуальный проактивный мониторинг может предоставлять больше информации о состоянии КС. Проактивность мониторинга КС основывается на прогнозировании поведения сети. При этом одним из основных требований для интеллектуального проактивного мониторинга КС является точность прогнозов, которая характеризует способность метода прогнозирования. Для достижения точности прогнозов при проактивном мониторинге КС используется однородный ансамбль, который состоит из одинокого базового алгоритма обучения. В качестве базового алгоритма обучения используется модель LSTM (Long Short-Term Memory − LSTM). Для создания базовых моделей обучения ансамбля LSTM используется «Bagging»-алгоритм. Предложенный в этой работе метод позволит обеспечить относительно высокую точность прогнозирования проблем КС, следовательно, гарантировать достаточную эффективность системы проактивного мониторинга КС.