Aruba estime que l'apprentissage machine va révolutionner l'administration des réseaux
Lors de sa conférence Aruba Atmosphere, qui se tenait la semaine passée à Disneyland Paris, l'activité réseaux sans fil d'HPE a mis en avant le rôle que devrait jouer l'apprentissage machine et l'intelligence artificielle dans l'administration de réseau.
Les technologies d’apprentissage machine et d’intelligence artificielle (AI) devraient avoir un large impact sur la façon dont les entreprises gèrent et opèrent leurs réseaux, et probablement plus tôt qu’on ne le pense. C’était l’avis assez général d’un grand nombre d’intervenants lors de l’événement annuel Aruba Atmosphere organisé la semaine passée par HPE à Disneyland Paris.
Citant les éléments d’un rapport réalisé en novembre 2016, Thomas Meyer, vice-président du groupe à IDC, a déclaré qu’en 2019, des briques d’intelligence artificielle seront intégrés dans 40 % des projets de transformation numérique et dans la quasi-totalité des projets IoT.
Pour Aruba, les technologies d’apprentissage par ordinateur (Machine Learning) devraient avoir un rôle déterminant dans la transformation de l’administration des réseaux. Au cours des 15 dernières années, la gestion du réseau est passée d’un approche manuelle à un processus largement automatisé, et cette transformation va se poursuivre. En 2016, HPE a racheté Rasa Networks, un spécialiste de l’administration réseau et du machine learning, pour préparer cette évolution. L’idée est d’introduire progressivement des capacités d’analyse prédictives de la santé du réseau, des évaluations comparatives et des recommandations via l’apprentissage machine et les corrélations.
Partha Narasimhan, le directeur technique (CTO) d’Aruba, a ainsi expliqué lors d’Atmosphere qu’HPE a rapproché Aruba et Rasa Networks, car les clients se plaignent constamment de problèmes avec leurs réseaux Wi-Fi, alors que fréquemment, l’infrastructure sans-fil n’est souvent pas en cause et que le souci provient d’un défaut du serveur DNS ou d’une connexion Internet congestionnée, par exemple.
Parce qu’Aruba a toujours été en première ligne face aux utilisateurs en colère, Narasimhan a commencé à rechercher s’il existait une façon d’analyser tous les échanges de protocoles (aussi bien l’historique que les données temps réel) et d’en déduire la source d’un problème, voire de prédire l’occurrence d’un incident futur.
« Les outils de gestion de réseau actuels mettent l’accent sur le dépannage, les informations recueillies sont biaisées vers le négatif et l’anormal devient la normale », explique Narasimhan. « Nous voulions recueillir toutes les données possibles afin que nous ayons le bon et le mauvais, et que le mauvais se démarque ».
« Nous avons commencé à tout enregistrer, mais le jeu de données est rapidement devenu énorme », a-t-il déclaré. « Il s’agissait d’un exercice de Big Data sérieux et pas d’un problème sur lequel nous pouvions nous satisfaire d’un bricolage. Nous avions besoin de scientifiques de données pour nous aider : Rasa Networks voulait avoir accès à nos données, et nous voulions que des experts viennent l’analyser. »
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
