Мачей Кранц - Интернет вещей. Новая технологическая революция
- Название:Интернет вещей. Новая технологическая революция
- Автор:
- Жанр:
- Издательство:Литагент 5 редакция
- Год:2018
- Город:Москва
- ISBN:978-5-04-090627-7
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Мачей Кранц - Интернет вещей. Новая технологическая революция краткое содержание
Интернет вещей. Новая технологическая революция - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
ПРОБЛЕМА НЕКОТОРЫХ ФУТУРИСТИЧЕСКИХ ФИЛЬМОВ – ИХ СОЗДАТЕЛИ НЕОБОСНОВАННО ПРЕДПОЛАГАЮТ, ЧТО ТЕМП ИННОВАЦИЙ ПОСТОЯНЕН И ОДИНАКОВ ДЛЯ ВСЕХ ОТРАСЛЕЙ.
В качестве основополагающей технологии валюты блокчейн привлекает значительное внимание своей способностью обеспечивать целостность происходящих внутри сети транзакций, в которых задействованы любые субъекты. Например, я говорил с представителями энергетической компании, которая хочет обратиться к блокчейну для управления взаимодействием солнечных батарей с электросетью. Автопроизводители рассматривают возможность использования технологии для аутентификации подключенных к сети автомобилей в среде V2V. Среди других вариантов использования блокчейна – возможность отслеживать источники товаров, повышать пищевую безопасность, создавать умные контракты и осуществлять аудит. Как выясняется, блокчейн естественным образом дополняет систему безопасности IoT в широком спектре сценариев использования.
Использование блокчейна в среде IoT пока еще идет в экспериментальном порядке, однако уже начинают появляться стандарты технологии. Linux Foundation в партнерстве с несколькими десятками крупных технологических и финансовых компаний запустил Hyperledger Project для выработки соглашения о принятии стандартов блокчейна с открытым кодом. Сегодня блокчейн представляет собой распределенный реестр, или базу данных, основанную на системе консенсусов, где ни один субъект не контролирует все данные. Блокчейн создает и хранит постоянную, не подверженную изменениям запись о каждой транзакции. Будучи зарождающимся открытым стандартом, совместимые вариации блокчейна позволят продуктам и решениям при помощи умных контрактов ввести различные уровни контроля и программируемую бизнес-логику. Нам остается только подождать и посмотреть, что будет дальше.
По словам Марты Беннетт, которая занимает должность главного аналитика компании Forrester Research, блокчейн может стать революционной технологией, которая перевернет все банковское дело. «В долгосрочной перспективе блокчейн имеет потенциал произвести революцию в сфере распределенных вычислений. Если смотреть на это с чисто технической точки зрения, то в настоящее время осуществляется множество проектов, которые закладывают основу для новых способов работы с распределенными вычислениями в банковской сфере и за ее пределами, делая для уровня хранения и приложений то же самое, что интернет сделал для уровня коммуникаций. Технология только зарождается, поэтому понадобится время на решение всех вопросов безопасности, конфиденциальности и масштабируемости систем», – заметила Беннетт [47].
Но кое-что мы знаем уже сегодня: блокчейн, который генерирует и сохраняет распределенный протокол всех транзакций, позволяет людям проявлять доверие к проведенным с его помощью сделкам. Фактически он уничтожает необходимость в надежном посреднике между покупателями и продавцами или – в случае IoT – между взаимодействующими объектами. Более того, потенциально блокчейну под силу устранить необходимость в посредниках для большинства транзакций. Тем, кто хочет внедрить открытые, надежные IoT-коммуникации без вынужденной опоры на посредников, блокчейн, особенно «частный» блокчейн, открывает дорогу к осуществлению распределенных IoT-транзакций, в возможность которых людям до недавнего времени верилось с трудом.
Машинное обучение улучшает аналитику в реальном времени
Подобно блокчейну, машинное обучение представляет собой еще одну важную технологию в мире IoT. Эта важнейшая технология стоит за аналитикой в реальном времени, которая по праву считается одним из ключевых сценариев использования IoT. Машинное обучение существует уже много лет, но недавний прогресс в глубинном обучении, и особенно в контролируемом обучении, сделал технологию гораздо более ценной для IoT. Контролируемое обучение позволяет вам тренировать систему аналитики с целью повышения точности ее прогнозов: чем больше данных о работе устройства, ошибках и техническом обслуживании вы загружаете в систему предиктивной аналитики, тем точнее она работает. Более того, хотя неконтролируемое обучение пока не достигло того же уровня развития и по-прежнему страдает от множества проблем, оно тоже открывает бесценные возможности для IoT. Подумайте об атаках нулевого дня, в ходе которых хакер использует уязвимость программного обеспечения, еще неизвестную его поставщику. В таком сценарии, поскольку еще нет данных для обучения классификатора, такого как нейтральная сеть, для выявления атак используется продвинутое неконтролируемое обучение.
Самообучающиеся сети (SLN) служат прекрасным примером прорывного потенциала машинного обучения в IoT. SLN представляют собой архитектурное решение в сочетании с мощной аналитикой и широким спектром технологий машинного обучения (включая когнитивное обучение от машины к машине), которое позволяет сетям стать интеллектуальными, адаптивными, автоматизированными и предиктивными. SLN разрабатываются с расчетом на масштабируемость: для этого на периферии сети используется большое количество алгоритмов машинного обучения, при помощи которых сеть постоянно изучает закономерности сетевого трафика для построения математических моделей.
Эти модели впоследствии могут быть использованы в разных целях:
1. Прогнозирование производительности приложений: прогнозируя уровень качества сервиса, который IoT-приложения получат из сети, сеть получает возможность предвидеть изменения и адаптироваться соответствующим образом.
2. Как мы уже говорили, обеспечение безопасности считается одной из основных проблем нашей отрасли, поскольку атаки становятся все масштабнее и изощреннее. SLN используют машинное обучение, чтобы создавать комплексные модели нормальных состояний. Такие модели позволяют выявлять сложные атаки, такие как кражи данных, а также DoS-атаки на сети IoT.
Чем больше происходит событий, тем умнее становятся SLN: каждый узел сети выполняет моделирование на основе машинного обучения и постоянно учится новому. Развернутая на периферийных устройствах сети и подключенная с помощью продвинутых сетевых технологий, SLN позволяет сети гораздо быстрее обнаруживать проблемы и принимать соответствующие меры.
«Идея самообучающихся сетей родилась в 2012 году, когда мы работали над сложнейшими вопросами IoT. В последние несколько лет мы столкнулись с целым рядом любопытных технических сложностей, которые подтолкнули нас к разработке новейшей архитектуры и технологии. Мы только что объявили о выходе первого продукта в семействе SLN – сети Stealthwatch Learning Network, которая призвана выявлять сложные угрозы. Без сомнения, в последующие несколько лет появится еще немало SLN-инноваций, применимых к IoT, что существенно повлияет на архитектуру IoT и откроет возможности для внедрения целого спектра новых сервисов и технологий», – заметил главный инженер Cisco и изобретатель SLN Дж. П. Вассер.
Читать дальшеИнтервал:
Закладка: