CC BY
28
ИДЕНТИФИКАЦИЯ И ПРОГНОЗИРОВАНИЕ СОСТОЯНИЙ КОРПОРАТИВНЫХ IP-СЕТЕЙ В НЕЙРОСЕТЕВОМ ЛОГИЧЕСКОМ БАЗИСЕ
Ю.Л. Леохин, к.т.н., проф.
Тел.: (495) 916-88-03; E-mail: leo@miem.edu.ru Московский государственный институт электроники и математики
(технический университет) http://www.miem.edu.ru
A structure of corporate IP-network state identification and prognosis system is proposed. An algorithm of controling corporate IP-networks on the basis of neural technology is described.
Предлагается структура системы идентификации и прогнозирования состояний корпоративных IP-сетей. Описывается алгоритм управления корпоративными IP-сетями на основе нейросетевых технологий.
Ключевые слова: корпоративная IP-сеть, система управления, нейросетевые технологии, прогнозирование.
Keywords: corporate IP-network, control system, neural network technologies, prognosis.
Введение
Успешная деятельность современного предприятия зависит от того, насколько стабильна и производительна работа корпоративной сети. Простои вследствие «зависания» компьютеров, отсутствия соединения с сервером, медленной или неустойчивой работы программ приводят к реальным потерям в бизнесе. Кроме этого, не подготовленные к сроку контракт или бухгалтерский отчет, невозможность оперативно оформить счета или накладные - все, в конечном итоге, оборачивается потерянными деньгами.
Основная задача системных интеграторов и администраторов состоит в том, чтобы корпоративная сеть как можно лучше справлялась с обработкой потоков информации, циркулирующих между сотрудниками предприятия, и позволяла принимать им своевременные и рациональные решения, обеспечивающие выживание предприятия в жесткой конкурентной борьбе. Решение указанных проблем невозможно без создания и внедрения эффективных систем управления, позволяющих поддерживать на заданном уровне сетевые ресурсы, необходимые для предоставления качественных услуг.
Традиционный подход к управлению современными корпоративными сетями основан
на мониторинге, т. е. постоянном наблюдении за состоянием коммуникационного оборудования и сетевых приложений, и сборе статистической информации о работе сети. Для выполнения задач по управлению корпоративной сетью администратору необходимо обрабатывать большой поток статистических данных. В случае сложных гетерогенных компьютерных сетей, к которым относятся корпоративные сети, трудоемкость задачи управления сетью увеличивается. Принять решение по управлению такой сетью в условиях большого объема статистических данных о работе коммуникационного оборудования, сетевых приложений и т.д. - это не простая задача для администратора, выполнение которой требует опыта и знаний в этой предметной области.
Задачи управления корпоративными сетями
Для повышения качества и эффективности управления используются специализированные средства - многофункциональные системы управления [1, 2]. Вне зависимости от состава программно-аппаратного комплекса системы управления должны выполнять ряд стандартных функциональных задач управления (рекомендации ITU-T X.700 и стандарт ISO 7498-4):
- Управление конфигурацией сети - эти задачи заключаются в конфигурировании параметров, как отдельных элементов сети, так и телекоммуникационной сети в целом. Для элементов сети с помощью этой группы задач определяются сетевые адреса, идентификаторы (имена), географическое положение. Для
сети в целом управление конфигурацией обычно начинается с построения карты сети, т.е. отображения реальных связей между элементами сети и изменения связей между элементами сети.
- Обработка ошибок - эта группа задач включает выявление, определение и устранение последствий сбоев и отказов сети.
- Анализ производительности и надежности - задачи этой группы связаны с оценкой таких параметров, как время реакции системы, пропускная способность реального или виртуального канала связи, интенсивность трафика в отдельных сегментах и каналах сети, вероятность искажения данных при их передаче через сеть, а также коэффициент готовности сети. Функции анализа производительности и надежности сети нужны как для оперативного управления сетью, так и для планирования развития сети.
- Управление безопасностью - задачи этой группы включают в себя контроль доступа к данным при их хранении и передаче через сеть. Базовыми элементами управления безопасностью являются процедуры аутентификации пользователей, назначение и проверка прав доступа к ресурсам сети, управления полномочиями и т.д.
- Учет работы сети - задачи этой группы занимаются регистрацией времени использования различных ресурсов сети - устройств, каналов и транспортных служб.
Современные системы управления компьютерными сетями, например, HP OpenView, SunNet Manager и Sun Soltice, Cabletron Spectrum, IBM/Tivoli TMN10, реализуют эти задачи. Однако, несмотря на развитые средства мониторинга, анализа загрузки и управления сетевыми ресурсами процесс администрирования корпоративных сетей по-прежнему остается трудоемким и сложным. При этом администрирование сети состоит не только в поддержании соответствующего уровня производительности и надежности сети, но и в прогнозировании перегрузки и сбоев сети до их возникновения. Современные системы управления компьютерными сетями не позволяют эффективно решать эту задачу.
Структура системы идентификации и прогнозирования состояний корпоративных IP-сетей
Для более эффективного решения задачи управления корпоративными сетями предлагается использовать в составе системы управления средства идентификации и прогнозирования, в основу функционирования которых
положен разработанный метод [11, 12], использующий аппарат теории нейронных сетей. Выбор нейросетевых технологий был обусловлен следующими факторами. С одной стороны, нейросетевые технологии все шире и шире используются для управления процессами коммутации в различных телекоммуникационных системах [3, 4], трафиком в сложных многоступенчатых системах связи [5], в маршрутизации пакетов [3, 6], т.е. уже имеется опыт применения нейронных сетей в области сетевых технологий. С другой стороны, в последнее время достигнуты важные результаты в решении задач прогнозирования за счет применения нейронных сетей [7, 8, 9, 10].
Структура системы, реализующая предлагаемый метод управления корпоративными сетями, представлена на рис. 1 и включает в себя следующие модули:
- Доступ к оборудованию - осуществляет доступ по корпоративной сети к объектам корпоративной сети с целью получить информацию о состоянии опрашиваемого объекта;
- Поиск объектов сети - выполняет одну из основных функций системы управления - поиск объектов, входящих в данную корпоративную сеть, и воссоздание ее топологии;
- Сбор статистики - собирает всю необходимую информацию для обучения нейронной сети, которая будет использоваться для формирования прогноза состояния корпоративной сети. Полученные данные сохраняются в базе данных статистической информации;
- База данных - используется для хранения накопленной статистики, описывающей состояния объектов сетевой инфраструктуры. Под состоянием объекта понимается значение вектора, координатами которого являются переменные, описывающие его параметры. Статистика используется для формирования обучающей выборки, с помощью которой обучают нейронную сеть;
- Нейросетевой модуль - выполняет самую важную часть в системе и является ее ядром. Содержит в себе нейронную сеть и реализует механизмы создания конфигурации нейронной сети, ее обучения и дальнейшего использования для формирования прогноза. Модуль работает в двух режимах: обучение и формирования прогноза. Первый режим обеспечивает обучение созданной нейронной сети на основе данных из базы данных статистической информации. Второй режим подразумевает использование уже обученной нейронной сети управления сетевой инфраструктурой.
Нейронная сеть предлагаемой системы управления корпоративными сетями является двухуровневой: первый уровень - нейронные сети объектов, второй уровень - нейронная сеть всей корпоративной сети. Нейронная сеть первого уровня состоит из нейронных сетей для каждого из найденных объектов корпоративной сети. Каждая нейронная сеть объекта отвечает только за его состояние. Количество входов нейронной сети объекта фиксировано и зависит только от числа используемых параметров, описывающих состояние данного объекта. Таким образом, каждому объекту корпоративной сети надо сопоставить свою нейронную сеть - нейронную сеть объекта, которую можно интегрировать на сам объект, что позволяет сократить количество данных, передаваемых по компьютерной сети, и снизить вычислительную нагрузку выделенного сервера управления корпоративной сетью. Нейронная сеть второго уровня отвечает за состояние корпоративной сети в целом. Входной слой нейронной сети второго уровня объединяет выходные слои нейронных сетей первого уровня;
- Управление и прогнозирование [13, 44] -отвечает за последовательность запуска модулей, обеспечивая функционирование системы. При этом он снабжает все модули системы необходимой для их функционирования информацией. Вторая важная функция модуля управления и прогнозирования - формирование прогноза на основе данных от нейросете-вого модуля. При этом модуль осуществляет мониторинг объектов корпоративной сети [13], контролируя состояние объектов сети и всей сети в целом;
- Среда визуализации - реализует графический интерфейс пользователя.
Предлагаемая структура позволяет не только идентифицировать ошибку в работе объектов корпоративной сети, как это делается в известных системах управления сетями [1], но и предотвратить ее появление в будущем за счет формирования прогноза и принятия решения на основе этого прогноза по управлению объектами корпоративной сети.
Алгоритм управления корпоративными 1Р-сетями
Предлагаемый метод управления корпоративными сетями позволяет повысить их производительность путем формирования прогноза состояния корпоративных сетей. Поставленная задача решается с использованием в системе управления алгоритмов искусственного интеллекта, основанных на нейросетевом
аппарате [7, 8, 9, 10]. Использование нейронных сетей позволяет существенно повысить уровень поддержки принятия решений и, как следствие, эффективность управления корпоративными сетями.
Рис. 1. Структура системы идентификации и прогнозирования
Предлагаемый метод управления корпоративными сетями [11, 12] работает по следующему алгоритму (рис. 2). На этапе инициализации формируется начальный список объектов корпоративной сети. Начальный список создается или в ручном режиме администратором корпоративной сети, или автоматически.
Далее происходит поиск объектов корпоративной сети. При поиске объектов корпоративной сети считывается информация о сетевых адресах, хранящихся в памяти опрашиваемого объекта, и обновляется список найденных объектов корпоративной сети. Если в течение заданного интервала времени список объектов корпоративной сети не изменяется, происходит формирование структуры нейронной сети. Далее идет сбор статистических данных о состояниях корпоративной сети, которые сохраняются в базе данных статистической информации. С помощью статистических данных формируется обучающая выборка, используемая для обучения нейронной сети. Обученная нейронная сеть используется для формирования прогноза: на входной слой нейронных сетей первого уровня передается информация о текущем состоянии каждого объекта корпоративной сети, полученная при мониторинге сети [13], и на основе данных с
выходных слоев нейронных сетей первого уровня формируется прогноз состояния каждого найденного объекта корпоративной сети [14]. Информация с выходных слоев нейронных сетей первого уровня объединяется на входном слое нейронной сети второго уровня.
ративнои сети и всей сети в целом системой управления принимается решение по управлению объектами корпоративной сети и оповещается сетевой администратор. Так как структура корпоративной сети динамически меняется во времени, необходимо постоянно обновлять ее конфигурацию. Если конфигурация корпоративной сети изменилась, необходимо переформировать структуру базы данных, заново набрать статистику, переформировать и переобучить нейронную сеть. Если же конфигурация корпоративной сети не изменилась, то продолжается ее мониторинг.
Заключение
Реализация предлагаемых структуры системы и алгоритма позволит повысить качество принимаемого решения по управлению корпоративной сетью, так как при формировании прогноза состояний объектов корпоративной сети и состояния корпоративной сети в целом используется многомерные векторы, описывающие состояние каждого сетевого объекта.
Таким образом, рассмотренный алгоритм управления корпоративной сетью обеспечивает снижение времени простоя корпоративной сети, увеличение надежности работы корпоративной сети, снижение вероятности сбоя объектов корпоративной сети. При функционировании системы управления в момент сбора статистических данных происходит значительное увеличение сетевого трафика, что приводит к снижению производительности корпоративной сети. Поэтому следующим этапом развития описанного метода и системы, реализующей данный метод управления, Рис. 2. Алгори™ управления ^ргорагагаьши предлагается внедрение нейросетевых агентов
IP-сетями « г.
в узлы корпоративной сети. Это позволит в
На основе данных выходного слоя ней- будущем существенно повысить производи-
ронной сети второго уровня формируется про- тельность корпоративной сети. гноз состояния корпоративной сети в целом. Согласно прогнозу состояния объектов корпо-
Литература
1. Олифер В.Г., Олифер Н.А. Компьютерные сети. Принципы, технологии, протоколы: Учебник для вузов. - 2-е изд. - СПб.: Питер, 2003. - 864 с.
2. Леохин Ю.Л., Попов И.В. Стандарты и средства управления сетями // Автоматизация и современные технологии. - 2000. - № 5. - С.14-19.
3. Галушкин А.И. Нейрокомпьютеры в разработке военной техники США // Зарубежная радиоэлектроника. - 1995. - № 6. - С. 4-21.
4. Brown T.X., Liu Kuo-Hui. Neural network design of Banyan network controller. IEEE J. Selec. Areas Commun. - 1990. Vol. 8. - № 8. - P. 1428-1438.
5. Funabiki Nobuo, Takefuji Yoshiyasu, Lee Cuo Chun. A neural network model for traffic control in multistage interconnection networks. IJCNN-91, Seattle, Wash. - July 8-12. - 1991. - Vol. 2. - P. 898.
6. Rauch H.E., Winarske T. Neural networks for Routing Communication Traffic. IEEE Control Syst. Mag. - 1988. - Vol. 8. - P. 26-31.
7. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия -Телеком. - 2001. - 382 с.
8. Блинов С. Д. BrainMaker - прогнозирование на финансовых рынках // Открытые системы. - 1984. - № 4. - С. 7-11.
9. Логовский А.С. Зарубежные нейропакеты: современное состояние и сравнительные характеристики // Нейрокомпьютер. - 1998. - № 1-2. - С. 17-24.
10.Ивахненко А.Г. Долгосрочное прогнозирование и управление сложными системами. - К.: Техшка, 1975. - 312 с.
11.Иванов И.А., Леохин Ю.Л. Способ управления компьютерной сетью и система для его осуществления. Патент на изобретение № 2309451 от 27.10.2007 г.
12.Ivanov I.A., Leohin Y.L. The development of the identification and forecast system of the computer network conditions// Information and Telecommunication Technologies in Intelligent Systems. Proceedings: Тр. 3-й Междунар. научн.-технич. конф., Barcelona (Spain) 2005 г. - Р. 10-13.
13.Иванов И.А., Леохин Ю.Л. Мониторинг компьютерной сети. Свидетельство об официальной регистрации программы для ЭВМ № 2005610844 от 29.03.05 г.
14. Иванов И.А., Леохин Ю.Л. Формирование прогноза состояния компьютерной сети. Свидетельство об официальной регистрации программы для ЭВМ № 2005610844 от 29.03.05 г.
ОТКРЫТЫЕ ОБРАЗОВАТЕЛЬНЫЕ РЕСУРСЫ КАК ОСНОВА ФОРМИРОВАНИЯ ГЛОБАЛЬНЫХ УНИВЕРСИТЕТСКИХ СЕТЕЙ
Н.В. Днепровская, к.э.н., доц. каф. Управления знаниями
и прикладной информатики в менеджменте Тел.: (495) 442-73-98; E-mail: NDneprovskaya@staff.mesi.ru Московский государственный университет экономики, статистики и информатики
http://www.mesi.ru
The main principle of the information society is free exchange of knowledge and information, which can be realized in the open educational resources, available in the Internet. The open educational resources are developed by universities all over the world and integrated into a variety of informational systems which form the global university networks. The author of the article analyses the integrated systems of access to open educational resources and the problems of this access.
Главный принцип информационного общества - свободный обмен знаниями и информацией - реализован в открытых образовательных ресурсах, доступных в Интернете. Открытые ресурсы, разрабатываемые университетами всего мира, интегрированы в многочисленные информационные системы, которые образуют глобальные университетские сети. В статье приводится анализ интегрированных систем доступа к этим ресурсам, выявлены проблемы доступа к ним.
Ключевые слова: открытые образовательные ресурсы, информационное общество, глобальные университетские сети.
Keywords: open educational resources, information society, global university networks.
Введение ного общества (2003), Плане действий Ту-
Прогрессивный мир идет по пути фор- нисского обязательства (2005). мирования информационного общества. Не- Ведущая роль в формировании инфор-
которые страны начали этот путь значитель- мационного общества отводится универси-
но раньше (например Япония, где концепция тетам, которые, с одной стороны, должны
развития информационного общества была обеспечить подготовку кадров, отвечающих
принята в 1970-х годах), другие - позже, современным требования, а с другой - сво-
(так, в России «Стратегия развития инфор- бодный доступ к знаниям. мационного общества в РФ» была утвер- Университеты являются главными раз-
ждена 7 февраля 2008 года). Принципы работчиками образовательных ресурсов, ко-
формирования глобального информацион- торые обладают большой ценностью для
ного общества изложены в основных доку- всего образовательного сообщества. В нача-
ментах: Окинавской хартии глобального ле XXI века сформировалось целое движе-
информационного общества (2000), Декла- ние по созданию, развитию и популяризации
рации принципов построения информацион- открытых образовательных ресурсов (ООР).
