Aruba estime que l'apprentissage machine va révolutionner l'administration des réseaux

Des humains peu fiables

Au final, il s’est avéré que l’apprentissage par machine est parfaitement adapté à l’administration de réseau et à la recherche de pannes, car les humains sont des observateurs très peu fiables. Beaucoup supporteront un problème jusqu’à ce qu’il leur cause des soucis importants. Et ce n’est qu’alors qu’ils commenceront à se plaindre sur Twitter. Tandis que d’autres sont particulièrement mauvais pour identifier des problèmes qui ne se produisent pas très souvent. Ils ont également tendance à perdre pied lorsqu’ils doivent traiter trop de données.

« Les machines ont le problème inverse », affirme Narasimhan. « Elles ne produisent pas de bons résultats, si elles n’ont pas beaucoup de données. Si vous les nourrissez avec un volume de données de nature à noyer un être humain, elles peuvent trouver un défaut qu’un humain n’aurait pas détecté ».

Au-delà du dépannage et de la prévention des défauts quotidiens, Aruba utilise également les technologies héritées du rachat de Rasa Networks pour améliorer la sécurité du réseau ou identifier des problèmes possibles, comme une caméra de sécurité IP échangeant avec un terminal non prévu, une information qui peut indiquer qu’elle a été piratée et intégrée à un botnet.

« Nous en sommes à un stade où des pans entiers de l’exploitation d’un réseau peuvent être automatisés et où l’ajout de ressources humaines additionnelles n’est pas la meilleure façon de faire les choses. Nous voulons arriver à un point où nous pouvons être entièrement axés sur les données, mais il reste un long chemin à parcourir pour en arriver là », indique Narasinham.

L’apprentissage par machine intéresse les utilisateurs

Au sein de l’Organisation européenne pour la recherche nucléaire (Cern), l’apprentissage par machine va bientôt entrer en jeu pour gérer les vastes quantités de données produites par ses divers accélérateurs de particules et, en particulier celles générées par le grand collisionneur de hadrons (LHC).

Le chef des systèmes de communication du Cern, Tony Cass, qui est en train de déployer un réseau Wi-Fi Aruba à travers le campus de l’organisation (bien qu’il ne soit pas dans l’anneau souterrain du LHC de 28 km de long), indique que plus il a de données, plus il lui est possible de les analyser pour fournir le meilleur service possible. L’utilisation de l’apprentissage par machine était donc une idée attrayante.

« En tant que service informatique, notre rôle est de rendre les données facilement accessibles afin que les gens puissent les examiner de la manière dont ils veulent », a-t-il déclaré.

Cass a mentionné à un scénario récent où un problème dans un accélérateur a eu des effets en cascade sur d’autres accélérateurs, et où l’apprentissage par machine aurait sans doute pu détecté les signes avant-coureurs du défaut qui a causé le problème. 

Pour la surveillance du réseau, a-t-il déclaré, Le Cern avait précédemment développé certaines applications avec l’ancien HP, afin de contrôler un certain nombre de fonctions de surveillance du réseau qui ont été progressivement éliminées lorsque le centre a installé les équipements d’Aruba. Cass a expliqué qu’il prévoyait que l’acquisition de Rasa Networks par HPE devrait restaurer ces fonctionnalités avec le temps.

Jon Holgate, le responsable des réseaux de l’unité des services d’information universitaire de l’Université de Cambridge, a déclaré que l’utilisation de l’apprentissage par machine et de l’IA sur le réseau de la faculté était « inévitable ». « Nous ne sommes pas un fournisseur de services Internet (ISP), mais nous exploitons un réseau de campus assez important. Le volume de données et sa complexité sont déjà écrasants, et nous avons désespérément besoin de plus d’outils analytiques pour nous donner quelque chose de légèrement plus nuancé », a-t-il expliqué.

Article adapté d'un texte en anglais de nos confrères de ComputerWeekly par la rédaction du MagIT