(Tiểu luận) tiểu luận công nghệ mạng truyền thông tiên tiến đề tài quản lí mạng dựa trên nhận thức máy

Dữ liệu được truy xuất từ tài nguyên được quản lý ví dụ: bộ định tuyến và được đưa vào quy trình dịch thuật dựa trên mô hình, quy trình này sẽ dịch dữ liệu dành riêng cho nhà cung cấp và

Hà Nội, năm 2023

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

KHOA VIỄN THÔNG I

BÀI TIỂU LUẬN CÔNG NGHỆ MẠNG TRUYỀN THÔNG TIÊN TIẾN

MÃ MÔN HỌC: TEL1435

ĐỀ TÀI: QUẢN LÍ MẠNG DỰA TRÊN NHẬN THỨC

MÁY

Giảng viên giảng dạy : TS Hoàng Trọng Minh

Sinh viên : Nguyễn Quốc Anh – B19DCVT014

Nguyễn Nhật Minh – B19DCVT254

Đỗ Văn Mạnh – B19DCVT246 Nhóm môn học : 02

Nhóm tiểu luận : 08

LỜ I C M ƠN Ả

Trước tiên, chúng em xin gửi l i cờ ảm ơn chân thành nhất đến Thầy Hoàng Trọng Minh vì sự nỗ lực và đóng góp to lớn của Thầy trong việc giảng d y môn hạ ọc Công nghệ mạng truy n thông tiên ti n Th y đã cung c p các ngu n tài li u, giúp cho chúng ề ế ầ ấ ồ ệ

em hiểu sâu hơn về các khái niệm cơ bản và ng d ng cứ ụ ủa các công nghệ mạng truy n ềthông tiên tiến Ngoài ra, th y cũng đã t o đi u ki n cho sinh viên có cơ hầ ạ ề ệ ội thực hành

và ứng d ng các ki n thụ ế ức đã h c trong th c tọ ự ế Nhờ đó có thêm ki n thế ức để hoàn thành bài ti u lu n này.ể ậ

Trong quá trình làm bài tiểu luận, chúng em có thể không tránh khỏi những sai sót, rất mong Thầy bỏ qua và đưa ra những nhận xét, ý kiến đánh giá cho bài làm của chúng

em

Chúng em xin chân thành cảm ơn! Chúc Thầy luôn mạnh khỏe và đạt được nhiều thành công trong sự nghiệp

2

MỤC LỤC

LỜI CẢM ƠN 1

DANH MỤC HÌNH ẢNH 4

CHƯƠNG 1: GIỚI THIỆU 5

1.1 Bối cảnh và vấn đề cần giải quyết 5

1.2 BDDM là gì? 5

1.3 Các vấn đề quản lý mạng hiện tại 5

1.4 Nhu cầu của người dùng và người vận hành 7

1.5 Chuyển nhu cầu kinh doanh sang dịch vụ mạng 8

1.5.1 SLA là gì? 8

1.5.2 SLA cam kết dịch vụ? 8

1.5.3 Giải pháp? 9

1.6 Sự cần thiết phải kết hợp tính năng động 10

1.7 Phản ứng với bối cảnh 11

1.7.1 Nhận thức ngữ cảnh 12

1.7.2 Lí luận dựa trên ngữ cảnh 12

CHƯƠNG 2: NHẬN THỨC MÁY (MACHINE COGNITION) 14

2.1 Khái niệm và phạm vi của Nhận thức máy 14

2.2 Vòng điều khiển thích ứng và nhận thức 15

2.3 Các khối chức năng 16

2.4 Biểu diễn tri thức 17

2.5 Bộ nhớ 18

CHƯƠNG 3: KIẾN TRÚC NHẬN THỨC 20

3.1 Tổng quan 20

3.2 Nhà môi giới API (API Broker) 21

3.3 Xử lý Dữ liệu Đầu Vào và Đầu Ra 22

3.4 Chức năng xử lý nhận thức 24

3.4.1 Khối chức năng nhận thức tình huống 24

3.4.2 Khối chức năng quản lý kiến thức 25

3.4.3 Khối chức năng Quản lý Nhận thức 25

3.4.4 Khối chức năng Học và Lý luận 28

3.4.5 Khối chức năng Quản lý Chính sách 30

3.5 Đạt được mục tiêu trong kiến trúc nhận thức 31

CHƯƠNG 4: NHẬN THỨC MÁY TRONG QUẢN LÝ MẠNG 33

4.1 Quy trình quản lý mạng thông qua Nhận thức máy 33

4.2 Ứng dụng trong thực tiễn 34

4.3 Các trường hợp nghiên cứu thực tế 35

4.4 Thách thức và giải pháp 37

4.5 Tương lai của quản lý mạng 38

KẾT LUẬN ……… 40

4

DANH MỤC HÌNH ẢNH

Hình 1 Mô hình OSS

Hình 2 Chính sách liên tục

Hình 3 Sơ đồ khối của một trình dịch ngữ nghĩa

Hình 4 Sơ đồ khối của kiến trúc FOCALE

Hình 5 Lý luận dựa trên bối cảnh

Hình 6 Nhận thức máy

Hình 7 Một tập hợp các vòng điều khiển

Hình 8 Vòng điều khiển FOCALE

Hình 9 Bộ nhớ

Hình 10 Sơ đồ khối đơn giản của một hệ thống kiến trúc nhận thức

Hình 11 Kiến trúc chức năng cấp cao của mạng nhận thức

Hình 12 Khối chức năng nhận thức tình huống

Hình 13 Khối nhận thức: Tìm các bản thể học phù hợp cho phần tử mô hình Hình 14 Khối nhận thức: Tìm các khái niệm bản thể học

Hình 15 Mô hình chính sách MEF

Hình 16 Trường Hợp Nghiên Cứu 1: AT&T's Network AI

Hình 17 Trường Hợp Nghiên Cứu 2: DeepMind's AI for Data Center Cooling Hình 18 Trường Hợp Nghiên Cứu 3: Juniper Networks' Mist AI

CHƯƠNG 1: GIỚI THIỆU 1.1 Bối cảnh và vấn đề cần giải quyết

- Kiến trúc quản lý mạng gặp phải tình trạng không có khả năng bảo vệ và sử dụng các quy trình kinh doanh để thúc đẩy việc cấu hình và quản lý tài nguyên mạng và

do đó là các dịch vụ mạng

Mục đích:

Phân tích nhu cầu sử dụng các mục tiêu kinh doanh để xác định tập hợp các dịch vụ mạng được cung cấp tại bất kỳ thời điểm nào và thảo luận tại sao việc sử dụng thuật toán AI để giải quyết một phần vấn đề quản lý mạng, chẳng hạn như cải thiện thông tin đo từ xa

1.2 BDDM là gì?

- BDDM là một mô hình cho phép các quy tắc kinh doanh quản lý việc xây dựng các tập tin và lệnh cấu hình cho một thiết bị cũng như thực thi cách tạo, xác minh, phê duyệt và triển khai cấu hình của một thiết bị

- BDDM sử dụng các loại chính sách khác nhau để quản lý các khía cạnh khác nhau của việc cung cấp dịch vụ mạng Các chính sách này tạo thành một chuỗi liên tục thể hiện vòng đời hoàn chỉnh (từ đặt hàng đến tạo ra cho đến phá bỏ) các dịch vụ mạng, thu hẹp khoảng cách tự động hóa giữa các lớp dịch vụ và phần tử, đồng thời kiểm soát các dịch vụ và tài nguyên mạng nào được phân bổ cho người dùng nào

1.3 Các vấn đề quản lý mạng hiện tại

Hầu hết các hệ thống hỗ trợ kinh doanh (BSS) và hệ thống hỗ trợ vận hành (OSS) hiện nay đều được thiết kế theo kiểu ống bao gồm các hệ thống tốt nhất để thực hiện các nhiệm vụ cụ thể Ví dụ: thông thường có nhiều hệ thống kiểm kê, mỗi hệ thống được thiết kế để hỗ trợ một bộ thiết bị và hệ thống mạng cụ thể

Tuy nhiên, điều này cản trở khả năng tương tác vì mỗi hệ thống bếp như vậy sử dụng quan điểm riêng về môi trường được quản lý Tất nhiên điều này cản trở sự hợp

nhất thông tin từ các hệ thống khác nhau

An toàn

9

ninh-mạng

31

Hình 1 Mô hình OSS

Điều này tạo ra một số vấn đề, bao gồm những vấn đề sau:

- Các hệ thống tốt nhất có tính liên kết cao và tính liên kết thấp Điều này có nghĩa là một thành phần có thể phụ thuộc vào nhiều thành phần khác nên khi thay đổi sẽ ảnh

hưởng đến các thành phần khác

- Không có cách nào dễ dàng để OSS này tương tác với BSS, cũng như với các thực thể quản lý cấp thấp hơn (ví dụ: bộ điều khiển SDN hoặc trình quản lý phần tử hoặc

bộ điều phối) Điều này biến OSS thành một ống dẫn cấp hệ thống

- Việc thiếu dữ liệu được bảo vệ chung ngăn cản các thành phần khác nhau chia sẻ và

sử dụng lại dữ liệu chung, cả trong các thành phần của chính nó và giữa các hệ thống

khác

Trong ba vấn đề trên, vấn đề phổ biến và bất lợi nhất là thiếu kiến trúc thông tin thống nhất Điều này gây ra một số vấn đề ngăn cản việc sử dụng thông tin từ các nguồn khác nhau cùng nhau để tạo thành một bức tranh hoàn chỉnh hơn về môi trường

Ví dụ 1: Giả sử rằng dữ liệu đề cập đến cùng một người có các tên khác nhau (ví dụ: JohnS so với Strassner.John so với jstrassn) Mặc dù con người có thể đánh đồng những điều này nhưng máy móc rất khó làm được điều đó

Ví dụ 2: Giả sử cùng một người, khi được thể hiện trong ba hệ thống khác nhau, có ba dạng ID khác nhau (ví dụ: ID nhân viên là 123456, EmpID là “SJ033ab” và ID là

“123456”) Ba ID khác nhau này đều có tên và kiểu dữ liệu khác nhau, khiến thiết bị gần như không thể nhận ra rằng các ID này xác định cùng một đối tượng

Có rất nhiều sự không tương thích về mặt kỹ thuật Ví dụ: không có mô hình thông tin hoặc dữ liệu nào, chưa nói đến tiêu chuẩn, để giúp dịch các lệnh SNMP sang

7

các lệnh giao diện dòng lệnh hoặc các mô hình mới hơn, chẳng hạn như YANG Điều này chủ yếu là do cú pháp và ngữ nghĩa của từng biến thể của ba cách tiếp cận này được mỗi nhà cung cấp sử dụng là khác nhau Ngoài ra, có hàng trăm phiên bản hệ điều hành của nhà cung cấp Đối với một số nhà cung cấp, hai thiết bị chạy cùng một phiên bản hệ điều hành nhưng có khả năng sử dụng các thẻ dòng khác nhau có thể hiển thị các phản hồi khác nhau cho cùng một lệnh

1.4 N hu cầu của người dùng và người vận hành

Sự không tương thích về mặt kỹ thuật đòi hỏi phải có một ngôn ngữ giống Esperanto(quốc tế ngữ) Vì vậy, tất cả người dùng đều có cùng mục tiêu

Ví dụ 1: Người dùng doanh nghiệp hiếm khi hiểu tất cả các chi tiết kỹ thuật của dịch vụ

và quản trị viên mạng hiếm khi hiểu các khái niệm như uản lý quan hệ khách hàng và q

lý do tại sao nên đối xử với một khách hàng cụ thể theo cách cụ thể

Ví dụ 2: Người dùng doanh nghiệp có thể nghĩ đến ý nghĩa kinh tế của SLA, trong khi quản trị viên mạng có thể nghĩ đến cách lập trình các dịch vụ do SLA chỉ định

Hình 2 Chính sách liên tục

Ví dụ 3: Người dùng doanh nghiệp muốn thông tin SLA và không quan tâm đến loại hàng đợi hoặc định tuyến sẽ được sử dụng khi triển khai của dịch vụ Ngược lại, quản trị viên mạng có thể muốn phát triển các lệnh CLI để lập trình thiết bị và có thể cần phải

có một bản tái hiện chính sách hoàn toàn khác để phát triển các lệnh CLI xếp hàng và định tuyến

Vì vậy, yêu cầu đặt ra là quá trình phải được coi là một chuỗi liên tục, trong đó các chính sách khác nhau có các hình thức khác nhau và giải quyết các nhu cầu của những người dùng khác nhau

1.5 Chuyển nhu c u kinh doanh sang ầ dịch vụ mạng

1.5.1 SLA là gì?

SLA(Service Level Agreement) là một tài liệu hợp đồng hoặc một phần của một hợp đồng giữa một nhà cung cấp dịch vụ và một khách hàng, trong đó các yêu cầu và cam kết về mức độ chất lượng của dịch vụ được định rõ và bao gồm các yếu tố: mục tiêu chất lượng dịch vụ(Service Level Objectives - SLO), thời gian giao dịch, quyền và nghĩa vụ của cả hai bên, các chỉ số đo lường và theo dõi

1.5.2 SLA cam kết dịch vụ?

- Mỗi SLA chỉ định bộ dịch vụ nào sẽ được cung cấp khi nào và ở đâu, chi phí, hiệu suất … SLA thường được viết bằng ngôn ngữ và thuật ngữ kinh doanh không thể tuân theo để lập trình trực tiếp các luồng mạng

- SLA có thể được viết cho bất kỳ dịch vụ nào và nhiều SLA có thể được sử dụng

để xác định các đặc điểm và hành vi của một dịch vụ Các chi tiết về chất lượng và hiệu suất dịch vụ được xác định bằng một hoặc nhiều mục tiêu cấp độ dịch vụ (SLO) cho mỗi SLA

- Bản thân dịch vụ rất đa dạng Ví dụ về các dịch vụ khác nhau là dịch vụ xúc giác có độ trễ phải nhỏ hơn 10 ms hoặc dịch vụ không thành công (nghĩa là dịch vụ này không đáp ứng các nghĩa vụ theo hợp đồng và không thể sử dụng được) Mỗi cấp xác định các SLO khác nhau cho các ứng dụng đi kèm), trong đó mỗi cấp xác định chức năng khác nhau dựa trên chi phí và loại dịch vụ

- SLA có thể có một hoặc nhiều SLO Một số SLO phụ thuộc vào ngữ cảnh (ví dụ: vị trí địa lý, thời gian trong ngày và lưu lượng truy cập trong nước so với quốc tế)

và có thể bị hạn chế bởi các quy tắc kinh doanh của nhà cung cấp Ví dụ: ba câu lệnh sau

có thể được coi là ba phần của cùng một SLO:

- 99,99% yêu cầu hệ thống của khách hàng sẽ hoàn thành trong vòng chưa đầy

9

Trong ví dụ trên, ta nhận thấy mỗi SLO có hai giá trị cấp độ dịch vụ (SLV): (1) tỷ lệ phần trăm yêu cầu dịch vụ khách hàng (ví dụ: 99,99%, 99,9% và 90%) và (2) thời gian hoàn thành (ví dụ: 15,5 và 1 mili giây )

Do đó, mối quan hệ chung giữa SLA, SLO của nó và SLV liên quan là: một SLA có nhiều SLO và mỗi SLO có nhiều SLV; mỗi SLV được đo bằng một số liệu

1.5.3 Giải pháp?

Có hai giải pháp cho vấn đề này:

- Yêu cầu một hoặc nhiều người dịch thủ công các tài liệu kinh doanh sang dạng mà các kỹ sư mạng có thể sử dụng

- Sử dụng các trình phân tích cú pháp hoặc trình biên dịch để giúp tự động kết hợp quy trình

Ở 2 giải pháp này đều có những nhược điểm:

- Ở giải pháp 1: được thực hiện thủ công và do đó làm trì hoãn việc thử nghiệm chính thức và cung cấp dịch vụ Loại dịch thuật này cần được thực hiện cho từng nhóm đối tượng cần hiểu thông tin hợp đồng, chính sách quy định hoặc quy tắc kinh doanh của

tổ chức hoặc nói chung bất kỳ điều gì có thể ảnh hưởng đến việc lập kế hoạch và quản lý dịch vụ được cung cấp

Hình 3 Sơ đồ khối của một trình dịch ngữ nghĩa

1.6 Sự cần thi ết ph ải kế t h ợ p tính năng đ ộng

Kỹ thuật hướng mô hình (Model Driven - Engineering - MDE) là một phương pháp kỹ thuật phần mềm lấy mô hình làm trung tâm để xây dựng các hệ thống phần mềm có thể được sửa đổi linh hoạt trong thời gian chạy

FOCALE là một kiến trúc mạng tự trị, được đề xuất lần đầu tiên vào năm 2006

và được cải tiến qua nhiều năm FOCALE là viết tắt của Foundation, Observe, Compare, Act, Learn, Eason, mô tả các vòng điều khiển mới của nó Dựa trên mô hình có nghĩa là

nó có thể tự động tạo mã để cấu hình lại các thực thể được quản lý từ các mô hình của

nó bằng cách sử dụng MDE (Hình 4)

Hình 4 Sơ đồ khối của kiến trúc FOCALE

11

Các vòng điều khiển FOCALE hoạt động như sau Dữ liệu được truy xuất từ tài nguyên được quản lý (ví dụ: bộ định tuyến) và được đưa vào quy trình dịch thuật dựa trên mô hình, quy trình này sẽ dịch dữ liệu dành riêng cho nhà cung cấp và thiết bị thành dạng chuẩn hóa bằng cách sử dụng mô hình thông tin DEN ng và các bản thể luận làm -

dữ liệu tham chiếu Sau đó được phân tích để xác định trạng thái hiện tại của thực thể được quản lý Trạng thái hiện tại được so sánh với trạng thái mong muốn từ các máy trạng thái hữu hạn(FSM Nếu không phát hiện thấy vấn đề gì, hệ thống sẽ tiếp tục sử )dụng vòng lặp bảo trì mặt khác, vòng lặp cấu hình được sử dụng để các dịch vụ và tài nguyên được cung cấp có thể thích ứng với những nhu cầu mới này

Trình quản lý tự trị sử dụng bộ chính sách nhận biết ngữ cảnh hiện tại để quản lý từng thành phần kiến trúc của vòng điều khiển, cho phép mỗi thành phần vòng điều khiển khác nhau thay đổi cách hoạt động như một chức năng của ngữ cảnh Quá trình cấu hình lại sử dụng việc tạo mã động Các mô hình thông tin và dữ liệu được sử dụng để đưa vào các máy trạng thái, từ đó xác định hoạt động của từng thực thể mà hệ thống tự trị đang quản lý Thông tin quản lý mà hệ thống tự trị đang theo dõi bao gồm dữ liệu cảm biến được ghi lại Điều này được phân tích để rút ra trạng thái hiện tại của tài nguyên được quản lý, cũng như để cảnh báo người quản lý tự trị về bất

kỳ thay đổi bối cảnh nào trong hoặc liên quan đến tài nguyên được quản lý Sau đó, người quản lý tự trị sẽ so sánh trạng thái hiện tại của các thực thể được quản lý với trạng thái mong muốn của chúng; nếu các trạng thái bằng nhau thì việc giám sát sẽ tiếp tục

Tuy nhiên, nếu các trạng thái không bằng nhau, trình quản lý tự trị sẽ tính toán tập hợp chuyển đổi trạng thái tối ưu cần thiết để thay đổi trạng thái của các thực thể được quản lý thành trạng thái mong muốn tương ứng của chúng Trong quá trình này,

hệ thống có thể gặp phải sự thay đổi ngoài ý muốn trong bối cảnh Do đó, hệ thống sẽ kiểm tra, như một phần của cả vòng lặp giám sát và kiểm soát cấu hình, xem bối cảnh

có thay đổi hay không Nếu bối cảnh không thay đổi, quá trình sẽ tiếp tục Nếu bối cảnh

đã thay đổi thì trước tiên hệ thống sẽ điều chỉnh bộ chính sách đang được sử dụng để quản lý hệ thống theo bản chất của những thay đổi bối cảnh, từ đó cung cấp thông tin mới cho máy trạng thái

1.7 Phản ng v ứ ới b i c ố ảnh

- Mạng có thể chứa nhiều quy tắc chính sách thuộc nhiều loại khác nhau (ví dụ:

quy tắc chính sách kinh doanh cấp cao để xác định các dịch vụ và tài nguyên được cung cấp cho người dùng, đến quy tắc chính sách cấp thấp để kiểm soát cách thay đổi cấu

hình của thiết bị ) Mục đích của việc làm cho các quy tắc chính sách này nhận biết theo ngữ cảnh là sử dụng ngữ cảnh để chỉ chọn những quy tắc chính sách có thể áp dụng cho nhiệm vụ quản lý hiện tại đang được thực hiện

1.7.2 Lí luận dựa trên ngữ cảnh

Hình 5 ta có thể hiểu như sau, bối cảnh có thể được mô hình hóa thành Dữ liệu lớn, vì yếu tố quan trọng là trích xuất giá trị từ dữ liệu lớn Ba thao tác trên dữ liệu mô

tả một tập hợp các thao tác ngày càng cụ thể có thể được sử dụng để chú thích thông tin

về mặt ngữ nghĩa Phân tích ngữ nghĩa phân tích thông tin về các khái niệm ngữ nghĩa

cụ thể, tìm kiếm trên các khái niệm đó và sau đó bổ sung các mối quan hệ ngữ nghĩa bổ sung để làm phong phú thông tin và cung cấp ý nghĩa cụ thể hơn

Hình 5 Lý luận dựa trên bối cảnh

13

Trong học máy thì điều này tính toán các số liệu như độ tương tự về ngữ nghĩa (nghĩa là ý nghĩa của một đối tượng được so sánh với ý nghĩa của các đối tượng khác, trong đó việc so sánh được thực hiện bằng cách sử dụng từ đồng nghĩa, từ trái nghĩa, từ đồng âm, siêu từ… Đây là một cách tiếp cận thực tế và dễ tính toán hơn so với “sự hiểu biết tuyệt đối”

CHƯƠNG 2: NHẬ N TH C MÁY (MACHINE COGNITION) Ứ2.1 Khái niệm và ph m vi c ạ ủa Nhận thức máy

Hình 6 Nhận thức máy

Nhận thức là quá trình thu thập dữ liệu và thông tin mới, phân tích dữ liệu và thông tin đó để hiểu ý nghĩa và tầm quan trọng của chúng, đồng thời tạo ra dữ liệu, thông tin và kiến thức mới giúp tăng thêm sự hiểu biết về hoạt động của hệ thống và môi trường của nó

Nhận thức máy là một tập hợp các quy trình mô phỏng theo cách bộ não con người thu thập và hiểu dữ liệu, thông tin, đồng thời tạo ra dữ liệu, thông tin và kiến thức mới Máy móc thực hiện quá trình này bằng cách sử dụng nhiều loại vòng điều khiển khép kín

Khác với Nhận thức máy thì Trí tuệ nhân tạo (AI) một khái niệm rộng hơn, đề cập đến việc tạo ra máy móc có khả năng thực hiện các công việc mà, ở con người, yêu cầu trí tuệ nhân tạo AI không chỉ hạn chế trong nhận thức mà còn bao gồm cả việc mô phỏng các năng lực như học hỏi, suy luận, thích nghi, và thậm chí cả sự sáng tạo Còn Học máy lại là một nhánh con của AI, tập trung vào phát triển thuật toán cho phép máy móc học hỏi từ dữ liệu và cải thiện hiệu suất qua thời gian mà không cần lập trình một cách rõ ràng Đây là cốt lõi của việc phát triển khả năng nhận thức cho máy móc

Nhận thức máy là một phần của AI chuyên sâu hơn, tập trung vào việc mô phỏng quá trình nhận thức của con người, trong khi Học máy là phương tiện giúp đạt được khả

15

năng nhận thức đó.Học máy dựa trên thuật toán và dữ liệu để học hỏi, trong khi Nhận thúc máy áp dụng những kiến thức đã học để thực hiện suy nghĩ và ra quyết định giống như con người Và cuối cùng, Nhận thức máy thường liên quan đến việc ứng dụng trong các tác vụ đòi hỏi sự hiểu biết sâu sắc và quyết định phức tạp, ví dụ như chẩn đoán y tế hoặc lái xe tự động, trong khi Học máy có thể được áp dụng trong các tác vụ rộng lớn hơn như phân loại hình ảnh, dự đoán xu hướng thị trường, hoặc nhận dạng giọng nói

Quản lý nhận thức liên kết từng khối chức năng khác nhau của hệ thống với tập hợp các mục tiêu cuối cùng mà hệ thống đang sử dụng tại một thời điểm cụ thể Nó cố gắng duy trì một tập hợp các mục tiêu từ đầu đến cuối (chẳng hạn như tối ưu hóa định tuyến, kết nối, hiệu quả, bảo mật và quản lý tin cậy) bằng cách sửa đổi chỉ thị của các khối chức năng khác

Vòng điều khiển được hiển thị trong Hình bên trên được gọi là vòng điều khiển khép kín thích ứng, vì chức năng điều khiển của nó thích ứng với đối tượng hoặc quá trình được điều khiển bằng cách sử dụng tham số chưa xác định và/hoặc thay đổi theo thời gian Các tham số này phản ánh cả bối cảnh và tình huống đang thay đổi Cách triển khai ưu tiên sẽ xác định các tham số bằng cách sử dụng mô hình xác định hiệu suất vòng kín mong muốn; điều này có thể được tăng cường bằng phân tích thống kê để xây dựng

mô hình toán học từ dữ liệu đo được Vòng điều khiển này còn được gọi là vòng điều khiển khép kín nhận thức, vì nó có thể chọn dữ liệu và hành vi để giám sát để giúp đánh

giá trạng thái đạt được một bộ mục tiêu và tạo ra dữ liệu, thông tin và kiến thức mới để tạo điều kiện thuận lợi cho việc đạt được các mục tiêu đó

2.3 Các khối chức năng

Hình 8 Vòng điều khiển FOCALE

Khối chức năng Quan sát chấp nhận đầu vào từ hệ thống đang được quản lý;

điều này được thể hiện bằng dữ liệu vận hành, hành chính và quản lý Những dữ liệu này cũng được gửi đến Trình quản lý bối cảnh để giải nghĩa theo mục tiêu hiện tại Kết quả được chuyển đến Trình quản lý chính sách, sau đó sẽ đưa ra các chính sách chi phối hoạt động của tất cả sáu khối chức năng của vòng điều khiển FOCALE (hiển thị trong hình chữ nhật màu vàng)

Khối chức năng Định hướng lấy dữ liệu đầu vào đã nhập và chuẩn hóa chúng

bằng cách sử dụng một tập hợp các mô hình và bản thể luận Về mặt khái niệm, các mô hình cung cấp các sự kiện và các bản thể luận bổ sung ý nghĩa cho các sự kiện đó Chức năng này rất quan trọng vì nó cho phép dữ liệu và thông tin được tổng hợp từ nhiều nguồn khác nhau để có được bức tranh toàn cảnh hơn về tình hình

Ngoài ODDA thì khối Kế hoạch cung cấp quá trình xử lý phản ứng, cân nhắc và phản ánh, đồng thời mô phỏng cách bộ não con người xử lý thông tin để nhận thức, hiểu

và dự đoán hành vi

Các quá trình phản ứng thực hiện các phản hồi ngay lập tức dựa trên việc tiếp nhận một kích thích thích hợp từ bên ngoài Những quá trình đó, chúng không hề hiểu rằng các sự kiện bên ngoài là gì; đúng hơn, chúng chỉ đơn giản là phản ứng bằng bản năng và những thứ chúng đã từng học được Điều này cho phép hệ thống nhận thức nhận

ra tình huống đã gặp phải trước đó Khi điều này được thực hiện, hệ thống có thể bỏ qua nhiều phần tính toán chuyên sâu của vòng điều khiển và thay vào đó đi theo “đường tắt”

sẽ có các chiến lược sáng tạo và hiệu quả hơn Nó sẽ xem xét những dự đoán nào đã sai, cùng với những trở ngại và hạn chế nào đã gặp phải, để ngăn chặn việc tái diễn lại một lần nữa Nó cũng bao gồm việc tự phản ánh, phân tích xem các hành động đã được giải quyết được thực hiện tốt đến mức nào

Một mô hình nhận thức được tạo ra dựa trên ba loại xử lý này, tạo ra một hoặc nhiều đường dẫn Một số đường dẫn này có thể là các đường tắt, bỏ qua một hoặc nhiều chức năng khi đầu vào được nhận dạng và đầu ra được nhận biết hoặc có xác suất xuất hiện đủ cao Trong FOCALE, điều này được thực hiện bằng một tập hợp gồm một hoặc nhiều máy trạng thái, nơi mỗi trạng thái tương ứng với một dịch vụ và một cấu hình mạng cụ thể Siêu dữ liệu được thêm vào các trạng thái thích hợp để bao gồm thông tin tình huống quan trọng

Khối Hành động quyết định con đường phù hợp nhất để bảo vệ các mục tiêu

trong tình hình hiện tại Sau đó nó sử dụng cơ chế MDE để biên dịch tập hợp các nút trong máy trạng thái vào một loạt lệnh để cấu hình lại các tài nguyên và dịch vụ bị ảnh hưởng, cũng như giám sát thông tin tài nguyên và dịch vụ phù hợp

Khối Tìm hiểu/Lý do sử dụng nhận thức theo ngữ cảnh và tình huống để hiểu

dữ liệu và hành vi mới, so sánh những thông tin đầu vào mới đó với các mục tiêu hiện tại, sau đó hình thành các hành động để bảo vệ và đạt được các mục tiêu đó, đồng thời học hỏi từ hậu quả của các hành động đó Nó đánh giá sự thành công hay thất bại của việc sắp xếp các nguồn lực và dịch vụ để có thể liên kết tính hiệu quả của mỗi trạng thái với hệ thống đang được sử dụng

2.4 Biể u di n tri thức ễ

Có rất nhiều ví dụ về các hình thức biểu diễn tri thức, tuỳ mức độ phức tạp khác nhau, từ mô hình và bản thể học đến mạng ngữ nghĩa và các hệ thống con lý luận tự động Về cơ bản, biểu diễn tri thức giúp cho ý định và phán đoán của một thực thể phần mềm được thể hiện một cách phù hợp để lập luận tự động Điều này cũng bao gồm việc lập mô hình hành vi thông minh cho một thực thể phần mềm Nói cách khác, biểu diễn tri thức mô tả cách tri thức được định nghĩa và vận dụng trong trí tuệ nhân tạo Quan trọng nhất, việc biểu diễn tri thức không khẳng định rằng dữ liệu đó là tĩnh! Đúng hơn,

dữ liệu luôn có thể được sửa đổi hoặc tăng cường nếu có đủ bằng chứng để làm như vậy

Có nhiều loại tri thức khác nhau:

gồm các quy tắc, chiến lược và quy trình

• Tri thức khai báo bao gồm các khái niệm, sự kiện, đối tượng và được thể hiện bằng một hoặc nhiều câu khai báo Điều này tương tự như tri thức logic, thể hiện các khái niệm, sự kiện và đối tượng theo logic hình thức

• Tri thức cấu trúc mô tả thành phần và mối quan hệ giữa các khái niệm và đối tượng

Nói chung, tất cả các loại tri thức đều có thể được sử dụng để tạo thành biểu diễn tri thức cho một hệ thống

Biểu diễn logic là một ngôn ngữ hình thức có thể định nghĩa các tiên đề, lý thuyết, giả thuyết và mệnh đề mà không hề có bất kỳ sự mơ hồ nào trong cách biểu diễn của chúng Nó sử dụng cú pháp và ngữ nghĩa được xác định chính xác để hỗ trợ các loại suy luận và lý luận khác nhau Ưu điểm chính của nó là tạo điều kiện thuận lợi cho việc chứng minh các giả thuyết về mặt toán học và có thể sử dụng suy luận để xác định các đối tượng mới từ các đối tượng hiện có của nó thông tin trong một kho lưu trữ đang hoạt động và sẵn có trong một khoảng thời gian ngắn Nhược điểm chính của nó là nhiều người dùng không thành thạo sử dụng logic hình thức

FOCALE cũng sử dụng mạng ngữ nghĩa, một loại biểu đồ tri thức Các nút đại diện cho các đối tượng và khái niệm, còn các cạnh mô tả mối quan hệ giữa các đối tượng

đó Các phiên bản sau này của FOCALE đã sử dụng các mối quan hệ ngôn ngữ (ví dụ:

từ đồng nghĩa, từ trái nghĩa, từ đồng nghĩa, v.v.) bên cạnh các mối quan hệ IS-A và HAS-A điển hình Ưu điểm chính của nó là nó thể hiện tri thức một cách tự nhiên, dễ hiểu Nhược điểm chính của nó chính là khó biểu diễn các loại mối quan hệ khác nhau

2.5 Bộ nhớ

Hệ thống nhận thức có các loại ký ức khác nhau và sử dụng chúng theo cách tương tự như con người Các loại bộ nhớ chính được sử dụng trong hệ thống kỹ thuật số

có thể được phân loại thành bộ nhớ ngắn hạn, bộ nhớ làm việc và bộ nhớ dài hạn

Bộ nhớ ngắn hạn thể hiện khả năng lưu trữ một lượng nhỏ thông tin (nhưng không thao tác được) trong một kho lưu trữ đang hoạt động trong một khoảng thời gian ngắn nhất định

Bộ nhớ làm việc thể hiện khả năng lưu giữ và thao tác một lượng nhỏ thông tin

ở dạng dễ tiếp cận Nó tạo điều kiện thuận lợi cho việc lập kế hoạch, tìm hiểu, lý luận

và giải quyết vấn đề Do đó, thông tin sẽ được lưu trữ trong bộ nhớ ngắn hạn và được

xử lý trong bộ nhớ làm việc

Bộ nhớ dài hạn là nơi lưu trữ và sẽ không đả động gì đến dữ liệu và thông tin trừ khi cần thiết

19

Hệ thống nhận thức thường sử dụng các kho lưu trữ hoạt động Kho lưu trữ hoạt động là một cơ chế lưu trữ có khả năng xử lý trước và/hoặc xử lý sau thông tin được lưu trữ hoặc truy xuất để đáp ứng tốt hơn nhu cầu của người dùng

Hình 9 Bộ nhớ

CHƯƠNG 3: KIẾN TRÚC NHẬN THỨC

Kiến trúc nhận thức là một hệ thống mô phỏng các quá trình học tập, lý luận và ra quyết định giống con người Nó sử dụng các cơ chế không bắt buộc để xây dựng và tạo ra kiến thức một cách linh hoạt trong quá trình ra quyết định Chương này tập trung vào việc phát triển kiến trúc nhận thức cho quản lý mạng và dịch vụ Nó giải thích kiến trúc chức năng của hệ thống và thảo luận về những ưu điểm và lợi ích liên quan

3.1 Tổng quan

Hệ thống nhận thức là hệ thống có thể suy luận về những hành động cần thực hiện, ngay cả khi tình huống mà nó gặp phải không được lường trước Nó có thể học hỏi

từ kinh nghiệm của mình để cải thiện hiệu suất Nó cũng có thể kiểm tra khả năng của chính mình và ưu tiên sử dụng các dịch vụ và tài nguyên của mình, đồng thời, giải thích những gì nó đã làm nếu cần và chấp nhận các lệnh bên ngoài để thực hiện các hành động cần thiết Cơ bản của nhận thức là khả năng hiểu được sự liên quan của dữ liệu được quan sát Điều này thường được thực hiện bằng cách phân loại dữ liệu thành các biểu diễn được xác định trước, dễ hiểu và phù hợp với tình hình hiện tại Trí nhớ được sử dụng để tăng khả năng hiểu biết về tình huống Cuối cùng, các hành động được đánh giá bằng mức độ hiệu quả mà chúng thực hiện để hỗ trợ tình huống Từ các chức năng chính cần được kết hợp để giải quyết các vấn đề hiện tại trong quản lý dịch vụ mạng được trình bày ở chương 1 dẫn đến sơ đồ khối chức năng được đơn giản hóa dưới đây:

Hình 10 Sơ đồ khối đơn giản của một hệ thống kiến trúc nhận thức

Kiến trúc nhận thức được hiển thị trong Hình 10 được chia thành ba phần: Nhà môi giới API, Phần xử lý đầu vào và đầu ra và Phần chức năng xử lý nhận thức Có hai vòng điều khiển khép kín khác nhau Vòng lặp bên ngoài lấy dữ liệu từ hệ thống được quản lý, phân tích nó và thay đổi hành vi của hệ thống được quản lý khi cần thiết để duy