nVidia Morpheus：浅谈AI在网络中的应用

nVidia 发布了 MORPHEUS 框架，其实这些东西我两年多前就实现了~

去年9月16日，我就发布过一篇文章<The Art of Telemetry>大概介绍了这个话题。

Morpheus框架的本质是通过DPU，特别是内部的配置和DPI能力产生大量的遥测数据，然后通过AI模型推理找出故障源。这是应对TLS 1.3以后的信息安全最佳实践。 

其实我在几年前就已经知道这个问题了，并且做出了工程实践Nimble Engine, 最近会逐渐的给一些早期客户做Early Field Trial。很高兴nVidia也能加入到这个圈子里来，但是说实话我试用了Jetson Nano和Jetson Xavier以及各种GPU，发现神经网络模型推理延迟蛮大的，有可能不太适合网络的处理，很期待Morpheus的表现~

AI赋能网络这件事情上，因为我数学系的背景，又在玩量化，自然对数字特别敏感。还好我一说，咱公司的SVP是聪明人，一点就懂~

AI在网络能做什么

2019年做完Nimble Engine后，小伙伴录制的一个宣传片可能更容易让大家理解：

其实AI在网络通信主要的使用场景是两个Security Assurance和Performance assurance.与安全相关的其实有很多可以处理的地方，例如我使用Tensorflow训练了一个神经网络模型识别DGA产生的DNS域名请求，就可以很容易的抓出一些异常的主机出来：

可以看看我们做成这个的时间：

然后就是基于终端的行为构建行为基线，然后推理出机器的行为，这些操作大概2012年我就把路由器作为一个探针部署在了某国有大型银行，我自己运维的研发数据中心网络也一直部署着， 直到今年这个才变成思科正式的产品发布出来

另一个领域就是利用回归模型进行性能评估，和利用一些决策树模型做故障点分析

最后利用强化学习的方式实现完全自动驾驶网络

当然背后的逻辑涉及商业机密，我是不会多说的~，然后智能音响采用Google的voice套件实现基于NLP的北向接口

网络需要第三平面

我在2018年就提出网络可能除了控制面和转发面，还需要第三平面，即智能平面，因为大量的遥测数据传输到控制器集中处理是不行的：

因此AI模型的推理和数据的预聚合，也就是我说的Distributed Intelligence

而第三平面的主要功能如下：

Nimble Engine就是基于这种思维模式构建的第三平面，完了，再多的话就不说了，留个眼神给你看看~ 自己找差距去吧~

我是横跨市场和研发的网络小流氓~ 嘿嘿~按照小伙伴的话说：”我最喜欢在别人吹牛的时候干些缺德事，并以缺德服人”

Ruta的思科版本，我就贴几个图吧,Cisco Live session BRKENT-2193