智能邊緣平臺Akamai的靈感產(chǎn)生于麻省理工學院Tim BernersLee教授與Akamai公司首席執(zhí)行官Tom Leighton博士的一次談話。Akamai公司首席技術官James Kretchmar解釋了這是如何產(chǎn)生互聯(lián)網(wǎng)分散模式的想法，該模式目前已部署在1500多個網(wǎng)絡中，旨在提高性能。

Kretchmar說，“要在網(wǎng)絡上獲得良好的性能，將來可能遇到這些困難，并且原有架構將出現(xiàn)服務器的瓶頸和擁塞過載的情況。”因此Leighton博士和他的學生們開始研究這個問題，他們開發(fā)了解決這些問題的算法，這就是現(xiàn)在人們所知道的Akamai平臺的基礎。

這些問題的本質是，如果企業(yè)有一個非常受歡迎的網(wǎng)站，并且全球最終用戶都試圖訪問該網(wǎng)站，則該內(nèi)容必須通過許多不同的網(wǎng)絡傳播才能到達其他國家的最終用戶，這帶來訪問緩慢的問題。

關于全球互聯(lián)網(wǎng)可能不明顯的一件事是這些網(wǎng)絡之間存在瓶頸，如果其網(wǎng)站內(nèi)容訪問量很大，將會對托管服務器以及周圍的網(wǎng)絡造成負擔。這就是驅動模型的原因，該模型是一個高度分布式的平臺，在該模型中，如果最終用戶請求一件內(nèi)容，他們將被發(fā)送到距離他們更近的服務器上，這避免了這些網(wǎng)絡瓶頸，從而提高了性能，并且意味著最終用戶不必全部發(fā)送到一臺集中式服務器?！?/p>

人工智能和機器學習的影響

Kretchmar對人工智能（AI）和機器學習（ML）如何影響全球互聯(lián)網(wǎng)的性能以及人工智能隨著全球互聯(lián)網(wǎng)不斷發(fā)展如何幫助網(wǎng)絡管理進行了闡述，

他說：“我們使服務工作的一部分方式是實時了解全球互聯(lián)網(wǎng)的性能，并通過利用全球互聯(lián)網(wǎng)上最佳的路徑以及不斷變化的路徑來向用戶提供內(nèi)容。機器學習和類似的技術可以幫助我們弄清全球互聯(lián)網(wǎng)的結構以及歷史和現(xiàn)在不同路徑的不同特征。

現(xiàn)在還有一個挑戰(zhàn)，就是現(xiàn)在有太多的機器人試圖對網(wǎng)站進行惡意攻擊。他們想竊取數(shù)據(jù)并試圖破壞登錄憑據(jù)，在這種情況下，機器學習非常重要，以便弄清哪些是機器人，哪些是人類。

但是，現(xiàn)在的學習策略已經(jīng)變得越來越復雜，以至于這些策略實際上并不是一定要嘗試識別是否是一臺機器，而要確定是否是一個真正的人類。我們可以看看來自真實人類的交互是什么樣的情形，這可以說明很多不同的因素，例如如果是移動設備，并且他們通過手機輸入數(shù)據(jù)，那么它會移動位置，也可以在桌面設備上進行類似的檢查?！?/p>

5G和物聯(lián)網(wǎng)

展望未來十年的發(fā)展，Akamai公司首席技術官預計人工智能將被用于更好地利用新興的5G技術和物聯(lián)網(wǎng)的數(shù)據(jù)。

他說，“將有越來越多與互聯(lián)網(wǎng)相關的數(shù)據(jù)，例如5G將有助于實現(xiàn)物聯(lián)網(wǎng)，而挑戰(zhàn)將是利用不斷增長的數(shù)據(jù)來完成某些事情。例如，我們對智能路由系統(tǒng)所做的工作是從基本方法中學習數(shù)據(jù)而來，并且變得越來越復雜，但是當我們觀察即將發(fā)生的事情時，更多網(wǎng)站采用高清視頻，以及更多需要更好網(wǎng)絡連接性的最終用戶。這將使挑戰(zhàn)變得更加復雜，因此我們將需要更智能的算法來處理數(shù)據(jù)，以找出如何提供最佳性能的方法。”

防范威脅因素

Kretchmar預測的另一個與人工智能相關的趨勢涉及保護網(wǎng)站免受不斷發(fā)展的網(wǎng)絡攻擊。

他解釋說：“如今網(wǎng)絡的生態(tài)系統(tǒng)變得越來越復雜，其中包括不斷發(fā)展的網(wǎng)絡攻擊。惡意攻擊者一直在尋找一種更有創(chuàng)造力的、更智能的方式進行攻擊，以嘗試利用在線提供的系統(tǒng)或服務，因此機器學習技術涉及其中。

我們最近推出了一款針對現(xiàn)代網(wǎng)站工作方式的產(chǎn)品，即他們通常會吸收大量第三方內(nèi)容來使網(wǎng)站正常工作，因此，如果訪問大型旅游公司或零售網(wǎng)站，他們的網(wǎng)站是通過從不同地方提取大量內(nèi)容以使其主要站點正常運作而構建的。

網(wǎng)絡攻擊者所做的就是變得有創(chuàng)造力，他們將損害第三方的一些內(nèi)容，第三方將部分數(shù)據(jù)包含在主要站點的交付中。在這里，網(wǎng)絡攻擊者可能會植入代碼，例如試圖竊取信用卡信息，而主要站點的所有者并沒有真正意識到第三方受到了威脅，并在其站點中也包含惡意代碼。

現(xiàn)在，我們開發(fā)的是與其對抗的一種方法，通過了解請求流并自動檢測惡意行為是否存在，從而確定該網(wǎng)站是否正在發(fā)生惡意行為。這樣一來，網(wǎng)站所有者就可以收到警報并采取適當?shù)拇胧??！?br /> 責編AJX