ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ТРАФИКА В МУЛЬТИВЕНДОРНЫХ ПРОВОДНЫХ СЕТЯХ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ ПРОИЗВОДИТЕЛЬНОСТИ

Клычков Илья Алексеевич, Еськин Дмитрий Леонтьевич

В данной работе рассматривается проблема интеллектуального анализа трафика в мультивендорных проводных сетях с целью эффективного обнаружения аномалий производительности. Учитывая высокую степень фрагментации телеметрических данных, вызванную использованием оборудования различных производителей, традиционные подходы к мониторингу оказываются малоприменимыми в условиях современной гетерогенной сетевой инфраструктуры. Обоснована необходимость перехода к адаптивным аналитическим системам, способным работать в условиях ограниченной наблюдаемости и высокой динамичности трафика. Предложена классификация методов анализа сетевого трафика по типу применяемых алгоритмов: статистические модели, алгоритмы машинного обучения и гибридные решения. Описаны критерии оценки эффективности алгоритмов: точность, задержка обнаружения, ресурсоёмкость и устойчивость к шумам. Разработан механизм нормализации метрик различных вендоров, а также система адаптивного выбора алгоритмов в зависимости от загрузки вычислительных ресурсов. Результаты моделирования и апробации на тестовых данных подтвердили эффективность предложенного подхода: достигнуто снижение количества ложных срабатываний и увеличение точности детектирования аномалий. В заключении определены перспективы дальнейших исследований, включая использование квантово-инспирированных моделей и методов федеративного обучения.

Ключевые слова:интеллектуальный анализ трафика, мультивендорные сети, обнаружение аномалий, машинное обучение, статистические модели, телеметрия, гибридные алгоритмы, сетевой мониторинг, федеративное обучение