Page 31 - 网络电信2016第6期
P. 31
解决方案
载与控制分离的概念,传统电路交换也由扁平化IP交换替代, 从海量信息中生成智慧的技术,让流程的扁平化具备技术可行
话音通信网因此实现了第一次扁平化改造;在移动互联时代, 性。
话音和数据均是IP承载,扁平化趋势越来越明显:在2G、3G 时
代,网络层次从基站到控制器再到核心网,共3层;在4G时代, 2.大数据的架构加速扁平化趋势
网络层次弱化了控制器,业务流实现了从基站直接到核心网的 在过去的十年里,智能终端和移动互联网的快速发展深刻
二层架构;在5G时代,5G网络架构将把基站和核心网网关集成 地影响和改变着人类社会。传统的“ 注意-兴趣-搜索-行动-分
在一起,将垂直的网络架构演进为水平的一层网络架构,网络 享”购买模式已经被打破,变得更为个性化。变化更快的市场
层进一步扁平化。 环境使得现有的市场经营模式能够发挥的作用逐渐变小,企业
越来越依赖数据分析指导自己的产品,改进服务,迎合市场需
NFV架构以云计算为基础,软硬件解耦,实现通信网的水 求。数据和数据处理能力成为企业在新的市场环境中生存、发
平切割及业务的快速发布。在2G/3G/4G混合组网的场景下,通 展的关键。2014年,阿里巴巴集团创始人马云在互联网大会上
过引入NFV 架构,可在一个公共的硬件资源池中实现网元虚拟 说道:“人类正从IT时代走向DT时代”。
化。即根据不同的用户比例及业务特点,灵活调整各虚拟网元 如图1所示,我们可以采用以数据为中心的系统架构,提高
的部署规模,实现网络与业务在整个演进过程中的最佳匹配。 生产效率及反应速度,并满足客户个性化需求。大数据主要在3
随着5G时代的到来,适当增加硬件资源池中转发功能部件,以
及软件化基带处理部件,能够灵活构建全新的5G虚拟化网元。 图1 大数据促进业务流程扁平化
在整个通信网络扁平化演进过程中,NFV是核心支撑技术。同
时,NFV支持通信网资源开放,给运营商的经营创新带来了机
会。
业务流程扁平化趋势 个方面促进业务流程扁平化。
(1)通过收集生产系统产生的业务过程数据,对业务数
1.大数据的智慧生成提供扁平化技术基础
无论是流程上的分层,还是管理上的分层,其原因之一 据进行建模,对当前生产系统提出建议与分析报告,从而去除
是人类处理复杂信息能力的局限性,所以需要分层的流程与管 或改进现有系统中不合理的环节,提高系统生产效率,降低成
理,并进行逐层信息收集、分析以及汇总。对于很多组织来 本。例如,通过收集无线网络的网络覆盖信息,可以对现网的
说,中层领导的主要工作职责就是向上进行信息汇总以及决策 网规、网优工作进行指导。与传统依靠路测进行网规、网优的
建议,向下进行命令传达与执行。大数据技术第一次让人类具 模式相比,采用该种方式后无论是资金成本还是时间成本,都
备处理海量信息,并直接从这些海量信息中生成智慧的能力。 将急剧降低。
大数据的智慧生成的能力,为流程扁平化提供了技术基础。
大数据如何进行智慧生成呢?这需要从信息模型中进行 (2)通过将生产系统中的数据进行集中汇总,并通过大
分析。信息模型从底向上分为4个层次:数据、信息、知识和 数据的分析与挖掘,可以直接给出相关的经营与决策建议。与
智慧。其中,单纯的数据本身并无实质性意义,信息是由数据 传统的层层上报、层层决策的模式相比,这将显著提高决策效
加上内容定义而构成,知识是由信息加上规则而构成,最高层 率,加快市场反应速度,并减少决策失误。
的智慧是由知识加上经验而构成。而提升人类活动准确性的工
作,是由位于信息的最高层——智慧层来完成的。 (3)在多个生产系统需要协调配合时,可以通过集中的
无论是对于人类自身,还是计算机系统来说,比较容易处 数据,在多个生产系统之上构建更高层面的无缝对接流程。与
理数据、信息、知识这3个层次的信息,因为其本质都是数据的 传统的人工流程对接相比,这将极大地提高系统之间的协调速
存储与检索,只是人类的处理效率与准确性要低于计算机。但 度,并降低对接出错的概率。
是对于如何从知识中获取智慧,无论是人类还是计算机,都是
一件非常困难的事情。 扁平化趋势下的安全技术
在大数据诞生以前,智慧很难通过机器得到。各个行业的
智慧生成都是依赖各行业的专家,一个专家的能力是与他在行 1.安全问题特性
业内的经验积累密切相关的,其所沉淀积累的知识越多,则做 在M-ICT 扁平化趋势下,安全问题呈现出泛在化与边界模
出正确抉择的可能性越大。但人类专家的工作效率和准确性均 糊化这两个显著的特征。
有限,特别是在经验或数据缺乏的情况下,专家们往往依靠直 对于安全问题泛在化,呈现出新的特点。
觉做判断,并通过层层的流程与管理进行筛选与决策,加剧了 (1)攻击源节点和目标节点泛在化。随着智能终端、物联
结果的不准确性。 网和云计算的发展,攻击源节点和目标节点已经不局限于原有
通过大数据的挖掘手段,可以依托海量的知识库,将输
入的知识或信息转化为智慧。未来,机器可以通过海量数据挖
掘、发现知识并输出智慧,再由人类专家对结果进行检验与校
正,并通过机器学习,逐步提高结果的准确率。通过这样直接
58 网络电信 二零一六年四月