● news.bsdnet.hu

Előző cikkünkben bemutattuk az utat a kézi konfigurációtól a szándékalapú, majd az önműködő hálózatokig. Az MI alapokra épülő hálózat velejárója, mondhatni alapja, hogy a vezérlési és adatsíkjába eleve beépül a gépi tanulás. Ez a megkülönböztetés fontos: sokan „ráépítik” a mesterséges intelligenciát a meglévő architektúrára, míg a valódi MI-natív megközelítésben az útválasztás, a hibaelhárítás és a biztonsági döntések már eleve tanuló modellekre épülnek. Mit nyer a szervezet? A legkézzelfoghatóbb előny az üzemeltetési teher csökkenése. A zárt visszacsatolási hurok - mérés, elemzés, beavatkozás, majd újramérés - lehetővé teszi, hogy a hálózat percek helyett másodpercek alatt reagáljon egy szűk keresztmetszetre vagy egy leszakadt kapcsolatra. Az előrejelző elemzés emellett nem csak azt látja, hogy egy kapcsolat éppen 95 százalékos kihasználtságon fut, hanem azt is megbecsüli, mikor telítődik a korábbi mintázatok alapján, és időben át tudja csoportosítani a sávszélességet. A biztonság területén hasonló a helyzet: a viselkedésalapú anomáliadetektálás még ismeretlen mintázatokat is felismerhet, legyen szó belső fenyegetésről vagy nulladik napi támadásról. Az önjavító képesség - egy hibás útvonal automatikus visszaállítása, egy leszakadt kapcsolat gyors átirányítása - érdemben csökkentheti a helyreállítási időt, és felszabadítja az üzemeltetők idejét a stratégiai feladatokra. Nem elhanyagolható szempont a felhasználói élmény sem: az alkalmazásszintű forgalomirányítás felismerheti, ha egy videokonferencia romlik, és átirányíthatja alacsonyabb késleltetésű útvonalra, miközben a kevésbé érzékeny forgalmat háttérbe sorolja. A gyakorlatban öt terület emelkedik ki, ahol az MI alapokra épülő megközelítés már ma is érdemi különbséget tesz. A valós idejű forgalomoptimalizálás és a szándékalapú vezérlés összekapcsolása, a prediktív karbantartás és az önjavító hálózatok mellett a biztonsági anomáliák felismerését is jelentősen javítja. Ki kell még emelni a hálózati üzemeltetést segítő virtuális asszisztenseket, amelyek természetes nyelvű kéréseket fordítanak konfigurációs lépésekre; illetve az automatizált, zero trust elven működő házirend-kikényszerítés, ahol a hozzáférési jogosultságok valós időben igazodnak a felhasználó és eszköz kockázati profiljához. A számla ára Az önműködő rendszerek ugyanakkor olyan kockázatokat hoznak be, amelyekkel a hagyományos, emberi felügyelet mellett működő hálózatoknál nem kellett számolni. Ilyen például a döntések átláthatatlansága. Egy neurálisháló-alapú útválasztási vagy anomáliadetektálási döntés gyakran nem magyarázható meg egyszerű szabályokkal, ami megnehezíti a hibakeresést és a szabályozói megfelelés igazolását. Különösen igaz ez szabályozott iparágakban, ahol egy automatizált döntés akár auditálható „bizonyítéknak” is számíthat. Gondolni kell a telemetria sebezhetőségére is. Az önműködő döntések annyira jók, amilyen jó az alapjukul szolgáló adat: ha valaki manipulálja a mérési adatokat, a rendszer téves következtetésre juthat, és ezt a hibát nagy sebességgel, emberi ellenőrzés nélkül hajthatja végre. Ez új típusú támadási felületet nyit meg, amit a hagyományos hálózatbiztonsági eszközök nem feltétlenül vesznek észre. Szintén komoly fejfájást okozhat a kaszkádhatás kockázata. Mivel az önműködő elemek szorosan összekapcsolódnak, egy apró, lokális hiba, vagy egy téves modellfrissítés gyorsan végigfuthat a rendszeren, mielőtt bárki észrevenné. Minél nagyobb az automatizált beavatkozások köre, annál nagyobb a téves, de nagy léptékű döntés kockázata is. Végül ott van a szervezeti oldal: a gyártói zártság, a bizalom lassú kiépülése az automatizált döntések iránt, és a hiányzó szakembertudás. A mesterséges intelligencián alapuló platformok gyakran egy gyártó ökoszisztémájához kötik a szervezetet, miközben a hálózati szakembereknek új típusú, adatelemzési és MI-felügyeleti kompetenciákra is szükségük lesz. Hogyan csökkenthető a kockázat? A gyakorlatban bevált mintázat a fokozatosság. Kezdetben a mesterséges intelligencia csak javaslatot tesz, a végrehajtás emberi jóváhagyáshoz kötött. Az alacsony kockázatú, jól visszafordítható műveletek - mint egy túlterhelt útvonal átterelése - csak kellő tapasztalat után válnak automatikussá, míg a kritikus változtatások továbbra is magasabb ellenőrzési szinten maradnak. Emellett érdemes megkövetelni, hogy a rendszer csak egy előre meghatározott megbízhatósági küszöb felett hajtson végre önállóan műveletet - az alatt maradjon tanácsadó vagy hibrid, emberi jóváhagyást igénylő üzemmódban. Egy párhuzamosan futó, determinisztikus szabálykészlet pedig folyamatosan ellenőrizheti, hogy az MI döntése nem tér-e el indokolatlanul a várt viselkedéstől - ha igen, ez önmagában riasztást vagy visszaállítást indíthat. Ugyanilyen fontos a telemetria integritásának védelme kriptográfiai ellenőrzéssel és több forrás keresztellenőrzésével. Elengedhetetlen az összes automatizált döntés naplózása - bemenet, modellverzió, döntési útvonal stb. -, hogy utólag is rekonstruálható legyen, miért döntött úgy a rendszer, ahogy. Hasonló következtetésre jutott 2025 augusztusában a német szövetségi informatikai biztonsági hivatal (BSI) és a francia ANSSI közös kiadványa is, amely a nagy nyelvi modellekre épülő, önállóan cselekvő (agentic) rendszerek Zero Trust elvű tervezéséről szól. A dokumentum egyik központi üzenete, hogy az ilyen rendszerekbe vetett vak bizalom nem tartható, és emberi felügyelet nélküli, teljesen autonóm működésük egyelőre nem javasolt - ez a megállapítás a hálózati automatizmusokra éppúgy érvényes, mint a nyelvi modellekre épülő ügynökökre. A Zero Trust szemlélet három alappillére közvetlenül átültethető az önműködő hálózati környezetre is: minden komponenst - legyen szó vezérlőről, beépülő modulról vagy külső eszközről - minden egyes interakciónál újra hitelesíteni és felhatalmazni kell; a jogosultságokat a lehető legszűkebbre kell szabni; és sem a belső, sem a külső környezet nem tekinthető eleve megbízhatónak. A szerzők emellett a bemenetek és kimenetek szigorú ellenőrzését, a komponensek elszigetelését (sandboxing) és a folyamatos monitorozást emelik ki gyakorlati védelmi rétegként. Ezek a hálózati, ágenseken alapuló MI kockázatainak kezelésében is ugyanolyan alapelvek, mint amilyeneket fentebb bemutattunk. Változó jogkörök A mesterséges intelligenciára épülő hálózat tehát áthelyezi a felelősséget. Vagyis a hálózati szakembereknek a napi konfigurációs feladatok helyett az architektúra, a kockázati korlátok és az automatizált döntések felügyeletére kell koncentrálniuk. Ez a váltás kisebb részben technológiai, elsősorban inkább szervezeti kihívást jelent a vállalatok számára. Következő cikkünkben azt is megnézzük, hogy milyet: az MI alapokra épülő hálózati megoldások üzleti folyamatokra gyakorolt hatását fogjuk vizsgálni. Ez a cikk független szerkesztőségi tartalom, mely az EURO ONE támogatásával készült. Részletek »