由于冠状病毒疫情的影响改变了人们工作和生活的许多方面，其中一个改变的领域就是全球互联网。由于许多人在疫情期间在家远程工作，其结果是移动设备的使用率达到了历史最高水平，数据的上传和下载率也在不断提高，并且视频会议的数量激增。
由于许多组织和个人改变了他们的互联网消费习惯，这意味着电信运营商不得不迅速适应这些变化。随着许多国家和地区依靠数字基础设施来保持经济发展，这也导致了对网络性能的更大依赖。
随着这些使用方法和行为模式不断变化，在过去几年能够准确预测的许多网络事件现在更难预测。然而伴随着这些挑战，许多电信运营商面临创收和盈利能力的更大压力。
以下将回顾电信运营商在这些变革时期所面临的一些具体挑战，然后对人工智能和机器学习如何被用来监控和提高网络性能进行探讨。
变革时期管理网络性能和使用模式的挑战
在冠状病毒疫情发生之前，全世界的宽带消费模式是可以预测的——大多数人白天都在工作或上学，其使用率也会下降。到了晚上，全球互联网的使用量就会增加。
如今，员工的父母和孩子全天都在家中，从社交媒体到视频会议的使用都在猛增。在无法预测网络停机时间的情况下，许多网络提供商尽力满足用户需求。因此，他们需要最大程度地减少网络停机时间和对网络流量的连续预测，以适应不断变化的使用模式。
导致网络问题的上行链路流量变化
在疫情发生之前，大多数人的互联网应用主要是使用下行链路，其中包括打开网页、下载文件，以及视频流传输等。
现在，随着越来越多的人在家工作，很多人的数据上传率大幅提高。无论是用于远程学习、视频会议，还是上传到社交媒体，网络的设计都不足以处理如此多的上行链路流量。
这意味着，尽管电信运营商需要监视网络中的故障，但同时需要能够预测未来的需求并提高支撑能力。
同样，现在许多电信运营商的员工需要在家工作，他们也需要远程管理网络。由于他们现有的工具并不是为此而构建的，电信运营商需要升级工具，以便其员工能够更好地管理网络。
简而言之，他们需要更有效地利用资源并利用自主网络监控的优势。这就是人工智能和机器学习发挥作用的地方。
人工智能与机器学习在网络监控中的应用
现在，许多电信运营商正在使用大数据、机器学习和人工智能来监视和优化其网络。
尽管现在正处于电信行业采用人工智能的早期阶段，但通信网络是如此复杂且数据量如此巨大，这一事实使得预防中断的可能性变得越来越重要。
为了利用这些新兴技术，应该考虑人工智能与机器学习在通信网络中的两个主要应用，其中包括：
·异常检测：如上所述，由于消费行为和数据使用方式发生了巨大变化，因此无法检测具有静态阈值的异常。取而代之的是，可以将无监督学习的机器学习技术用于单独学习单独的指标正常行为。随着这种正常行为的不断变化，异常阈值也会自动变化，从而导致粒度增加和误报减少。
·需求预测：随着对网络性能的依赖性越来越高，准确的需求预测变得比以往任何时候都更加重要。与异常检测类似，人工智能和机器学习可以接收100%的数据以预测用户需求，因此可以及时提供适当的网络设置。
现在已经讨论了人工智能在通信网络中的应用，以下回顾实际的用例，以了解电信运营商如何利用数据。
使用案例：固定宽带接入网络的人工智能
许多电信运营商已将自己的角色转变为固定和移动服务提供商，其中可能包括多种复杂的技术，例如：
·光纤到住宅、节点或路边
·数字用户环路(dsl)
·混合光纤同轴(hfc)
·wifi
·卫星宽带
这些技术中的每一种都会经历用户的上行链路和下行链路事件，如吞吐量下降、数据包丢失和许多其他关键性能指标，这意味着每种技术都需要实时监控。
通过伴随每个异常的关联引擎，基于人工智能的监视凯发在线的解决方案能够将事件与以下事件联系起来。
·上行吞吐量下降
·上游代码错误(cer)激增
·上游信噪比(snr)下降
基于这些事件，电信运营商可以更快发现异常情况，并能够将服务降级通知该地区的客户。而且，通过准确地找出引起事件的相关异常，他们的技术团队能够比以前更快地解决问题。
电信行业采用人工智能技术的总结：
全球经济变得越来越复，对网络性能的依赖程度空前提高。从消费模式的转变到上行链路流量的激增，电信运营商不得不迅速调整网络，而且在许多情况下是远程进行的。
由于这些原因，许多电信公司开始采用人工智能和机器学习来进行网络监控。特别是人工智能在通信网络中的两个主要应用是异常检测和需求预测。
虽然现在还处于人工智能应用的早期，但全球性变化使这些新兴技术比以往任何时候都更加重要，它们可以提高性能、提高效率，并提供了企业在竞争中处于领先地位的机会。
凯发在线的版权声明：本文为企业网d1net编译，转载需注明出处为：企业网d1net，如果不注明出处，企业网d1net将保留追究其法律责任的权利。