机器学习有哪些具体应用?机器学习如何用于智能网络流量管理?

在这篇文章中，小编将为大家带来机器学习的相关报道。如果你对本文即将要讲解的内容存在一定兴趣，不妨继续往下阅读哦。

一、机器学习如何用于智能网络流量管理

1. 带内网络遥测

网络遥测数据提供有关网络性能的基本指标。这些信息通常很难解释。考虑到网络中通过的大小和总数据具有巨大的价值。如果使用得当，它可以大大提高性能。

带内网络遥测等新兴技术可以帮助实时收集详细的网络遥测数据。最重要的是，在此类数据集上运行机器学习可以帮助关联延迟、路径、交换机、路由器、事件等之间的现象，这是使用传统方法从大量实时数据中难以指出的。

训练机器学习模型以了解遥测数据中的相关性和模式，最终获得基于从历史数据中学习预测未来的能力。这有助于管理未来的网络中断。

2. 资源分配和拥塞控制

每个网络基础设施都有一个预定义的可用总吞吐量。它进一步分为不同预定义带宽的多个通道。在这种情况下，每个最终用户的总带宽使用是静态预定义的，在网络被压倒性地使用的网络的某些部分总是可能存在瓶颈。

为了避免这种拥塞，可以训练监督机器学习模型以实时分析网络流量，并以网络遇到最少瓶颈的方式推断每个用户的适当带宽限制。

此类模型可以从网络统计数据中学习，例如每个网络节点的总活跃用户数、每个用户的历史网络使用数据、基于时间的数据使用模式、用户跨多个接入点的移动等等。

3. 流量分类

在每个网络中，都存在各种流量，如虚拟主机 (HTTP)、文件传输 (FTP)、安全浏览 (HTTPS)、HTTP 实时视频流 (HLS)、终端服务 (SSH) 等。现在，当涉及到网络带宽使用时，它们中的每一个都表现不同，通过 FTP 传输文件。它不断地使用大量数据。

例如，如果正在流式传输视频，它将使用块中的数据和缓冲方法。当不同类型的流量以无监督的方式在网络中运行时，可以看到一些暂时的阻塞。

为避免这种情况，机器学习分类器可用于分析和分类网络中的流量类型。然后，这些模型可用于推断网络参数，如分配的带宽、数据上限等，以通过改进所服务请求的调度以及动态更改分配的带宽来帮助提高网络的性能。

二、机器学习具体应用

(1)虚拟助手。Siri，Alexa，Google Now都是虚拟助手。顾名思义，当使用语音发出指令后，它们会协助查找信息。对于回答，虚拟助手会查找信息，回忆我们的相关查询，或向其他资源(如电话应用程序)发送命令以收集信息。我们甚至可以指导助手执行某些任务，例如“设置7点的闹钟”等。

(2)交通预测。生活中我们经常使用GPS导航服务。当我们这样做时，我们当前的位置和速度被保存在中央服务器上来进行流量管理。之后使用这些数据用于构建当前流量的映射。通过机器学习可以解决配备GPS的汽车数量较少的问题，在这种情况下的机器学习有助于根据估计找到拥挤的区域。

(3)过滤垃圾邮件和恶意软件。电子邮件客户端使用了许多垃圾邮件过滤方法。为了确保这些垃圾邮件过滤器能够不断更新，它们使用了机器学习技术。多层感知器和决策树归纳等是由机器学习提供支持的一些垃圾邮件过滤技术。每天检测到超过325000个恶意软件，每个代码与之前版本的90%～98%相似。由机器学习驱动的系统安全程序理解编码模式。因此，他们可以轻松检测到2%～10%变异的新恶意软件，并提供针对它们的保护。

(3)快速揭示细胞内部结构。借由高功率显微镜和机器学习，美国科学家研发出一种新算法，可在整个细胞的超高分辨率图像中自动识别大约30种不同类型的细胞器和其他结构。相关论文发表在最新一期的《自然》杂志上

经由小编的介绍，不知道你对机器学习是否充满了兴趣?如果你想对机器学习有更多的了解，不妨尝试度娘更多信息或者在我们的网站里进行搜索哦。